การเปิดเผยความเข้มข้นคาร์บอนของซอฟต์แวร์ (SCI) ของ Big-O

① หน่วยฟังก์ชัน (R)

การตัดสินใจวินิจฉัยหนึ่งครั้ง = เอนจินตัดสินใจ (อนุสิทธิบัตรไต้หวัน M683041) ทำการลดคุณลักษณะด้วยเซตหยาบ (Rough Set) หนึ่งครั้ง และการประเมินแบบหลายเกณฑ์ (MCDM) หนึ่งครั้ง ซึ่งเป็นขั้นตอนจัดอันดับและให้คำแนะนำในรายงานวินิจฉัยเว็บไซต์บน bigomorfi.tech

② ขอบเขตการคำนวณ

③ สูตร

SCI = ((E × I) + M) ÷ R ขยายตามแผ่นงานของสถาบันวิจัยเศรษฐกิจไต้หวัน (TIER):

E

พลังงานของซอฟต์แวร์ (kWh) = กำลังไฟ W ÷ 1000 × เวลาทำงาน TiR

I

ค่าความเข้มข้นคาร์บอนของโครงข่ายไฟฟ้า (kgCO₂e/kWh)

PUE

ประสิทธิภาพการใช้พลังงานของศูนย์ข้อมูล คูณกับคาร์บอนจากการดำเนินงาน

M

คาร์บอนแฝง = TE × (TiR ÷ EL) × (RR ÷ ToR) × Quantity

R

จำนวนหน่วยฟังก์ชัน (จำนวนการตัดสินใจที่วัด)

CPU%

สัดส่วน CPU ที่ซอฟต์แวร์ใช้จริง (หักค่าว่างแล้ว)

④ พารามิเตอร์และแหล่งที่มา

⑤ ผลลัพธ์

ข้อมูลการวัดชุดเดียวกันเปิดเผยตามสามขอบเขตในแผ่นงาน TIER บริการของเราทำงานบนเครื่องเสมือนบนคลาวด์ จึงใช้ขอบเขต vCPU เป็นผลหลัก

องค์ประกอบผลหลัก: การดำเนินงาน 0.003168 mg + คาร์บอนแฝง 0.000464 mg

⑥ ช่วงเวลาและวิธีการวัด

วัดเมื่อ 2026-08-21 บนโฮสต์ (AWS EC2 t3.xlarge ไทเป ap-east-2) ด้วย GreenCalculatorJavaNoUI 1.0.4 ของ TIER: วอร์มอัพ 200 ครั้ง จากนั้น 20 รอบ แต่ละรอบวัดค่าว่าง 60 วินาทีแล้วรัน 1,000 การตัดสินใจ แผ่นงานสรุปผลหลังการตอบกลับของ TIER เมื่อ 2026-10-02

⑦ ความไม่แน่นอนและข้อจำกัด

• สัมประสิทธิ์ความแปรผันระหว่างรอบประมาณ 10.2% (ไฟล์การวัดดิบ) ค่าแต่ละครั้งแปรผันในช่วงนี้
• เครื่องเสมือนบนคลาวด์ไม่สามารถวัดพลังงานจริงได้โดยตรง กำลังไฟ vCPU ใช้ค่าอ้างอิงสาธารณะ
• PUE เป็นค่าเฉลี่ยทั่วโลกของ AWS และค่าโครงข่ายเป็นค่าเฉลี่ยรายปี ไม่สะท้อนค่าจริงของศูนย์ไทเปและความผันแปรรายชั่วโมง
• คาร์บอนแฝง TE มาจากเครื่องมือ/ชุดข้อมูลสาธารณะ ไม่ใช่ค่าที่ผู้ให้บริการประกาศสำหรับเครื่องนี้
• ครอบคลุมเฉพาะเอนจินตัดสินใจ การวินิจฉัยเว็บไซต์หนึ่งครั้งยังเรียกโมเดลภาษาขนาดใหญ่ภายนอกหนึ่งครั้ง ซึ่งไม่ได้นับรวม
• ผลลัพธ์ระหว่างสามขอบเขตต่างกันประมาณ 19 เท่า โปรดตรวจสอบขอบเขตและพารามิเตอร์ก่อนเปรียบเทียบกับผู้ให้บริการอื่น

⑧ มาตรการปรับปรุงที่ดำเนินการแล้ว

มาตรการที่ใช้งานอยู่บนแพลตฟอร์มและตรวจสอบได้จากประวัติเวอร์ชัน ไม่ได้หมายถึงการรับประกันการลดคาร์บอนหรือต้นทุนใด ๆ

• ขั้นตอนตัดสินใจใช้การคำนวณเซตหยาบ + MCDM แบบกำหนดแน่นอน (ระดับ CPU) ไม่ใช้การอนุมาน LLM ทุกครั้งเพื่อจัดอันดับ
• ตรวจวงจรชีวิตโมเดล AI รายเดือน (เริ่ม 2026-10) เทียบกำหนดการยุติอย่างเป็นทางการของ OpenAI / Anthropic / Google และเปลี่ยนโมเดลที่กำลังยุติเป็นรุ่นปัจจุบันเมื่อ 2026-10-02
• การสร้างภาพแบ่งระดับคุณภาพ: คุณภาพสูงเฉพาะเมื่อผู้ใช้เลือกเอง (ใช้แต้มมากขึ้น) รหัสโมเดลเดิมใช้คุณภาพต่ำ/กลางเป็นค่าเริ่มต้น
• แคชเพื่อเลี่ยงการคำนวณซ้ำ: ผลวินิจฉัย URL เดียวกันใช้ซ้ำภายใน 14 วัน ภาพที่สร้างด้วย AI แคชตามแฮชของพรอมต์
• งาน AI แบบกลุ่มมีเพดานต้นทุนต่อการรันและหยุดเมื่อถึงเพดาน
• บริการหลักทำงานใน AWS ภูมิภาคไทเป (ap-east-2)

⑨ หลักฐานการเปิดเผย (DSCS)

ตัวเลขทั้งหมดในหน้านี้อยู่ใน JSON การเปิดเผยด้านล่าง พร้อมแสดงแฮช SHA-256 ทุกคนสามารถคัดลอก JSON และคำนวณแฮชใหม่เพื่อยืนยันว่าตัวเลขไม่ถูกแก้ไขภายหลัง

{"schema":"bigo-sci-disclosure/v1","publisher":"Big-O Information Intelligence Corp. (大鷗摩飛智能有限公司)","method":"ISO/IEC 21031:2024 Software Carbon Intensity (SCI) — self-disclosure, not third-party verified","formula":"SCI = ((E x Quantity x I x PUE) + TE x (TiR/EL) x (RR/ToR) x Quantity) / R x CPU%","software":"EcoGEO Audit decision engine (Rough Set QuickReduct + MCDM, ROC patent M683041), core-algo service","functionalUnit":"1 diagnostic decision = 1 rough-set feature reduction + 1 MCDM evaluation","host":"AWS EC2 t3.xlarge (4 vCPU), ap-east-2 Taipei; CPU Intel Xeon Platinum 8259CL","measurement":{"date":"2026-08-21","tool":"GreenCalculatorJavaNoUI 1.0.4 (provided by Taiwan Institute of Economic Research)","rounds":20,"decisionsPerRound":1000,"totalDecisions":20000,"warmupDecisions":200,"idleBaselineSecondsPerRound":60,"uniqueResultHashes":20000,"loadSecondsTotal":498.7058,"roundToRoundCv":0.1021},"parameters":{"I_kgCO2e_per_kWh":0.466,"PUE":1.15,"EL_hours":35040,"TiR_hours":0.13852939,"softwareCpuShare":0.1016,"R":20000},"blocks":{"vCPU":{"W":2.1,"Quantity":4,"TE_kg":277,"RR":1,"ToR":48,"sci_mg":0.003631,"operational_mg":0.003168,"embodied_mg":0.000464},"cpu":{"W":136.67,"Quantity":1,"TE_kg":277,"RR":4,"ToR":48,"sci_mg":0.052007},"wholeMachine":{"W":182.23,"Quantity":1,"TE_kg":48,"RR":1,"ToR":1,"sci_mg":0.069688}},"primaryBlock":"vCPU","primaryResult_mgCO2e_per_decision":0.003631,"calculationVersion":"2026-10-02","excluded":["third-party LLM inference (runs in provider data centres)","front-end UI, database writes, email/notifications, PDF rendering","network transfer and end-user devices"]}

เวอร์ชันนี้ยังไม่ได้บันทึกด้วย OpenTimestamps จะบันทึกและเผยแพร่ในบัญชี DSCS เมื่อสรุปผลแล้ว

ประวัติเวอร์ชัน

เวอร์ชัน 2026-09-29 ถึง 09-30 รายงาน 0.078 mgCO₂e/ครั้ง ตามขอบเขตทั้งเครื่องโดยยังไม่หักค่าว่าง เมื่อ 2026-10-02 แก้ไขตามคำตอบของ TIER (คูณจำนวน vCPU ครั้งเดียว; CPU% = สัดส่วนของซอฟต์แวร์หลังหักค่าว่าง 10.16%) เป็นค่าในหน้านี้

แท็บนี้เป็นการประเมินตนเองและแผนของ Big-O เกี่ยวกับแนวปฏิบัติซอฟต์แวร์สีเขียวบนแพลตฟอร์มของบริษัท ไม่ใช่การรับรอง ISO ไม่ได้ผ่านการทวนสอบโดยบุคคลที่สาม และไม่ใช่ค่าการวัดคาร์บอน ค่า SCI ที่ Big-O เปิดเผยต่อสาธารณะคือค่าในแท็บ “การเปิดเผย SCI (ขอบเขตการตรวจสอบ POC)”

① เมทริกซ์ความพร้อมด้านซอฟต์แวร์สีเขียว (ประเมินตนเอง)

ประเมินตนเอง 4 มิติ × 5 ระดับ โดยอ้างอิงหนังสือ “Building Green Software” (O’Reilly) และเอกสารของ Green Software Foundation ฉบับประเมิน: 2026-05-24 ความคืบหน้าจริงของแต่ละมิติจะปรับปรุงในการประเมินครั้งถัดไป

② รายการแนวปฏิบัติ

ต่อไปนี้เป็นคำอธิบายวิธีการ ไม่ได้รับประกันผลการลดคาร์บอนหรือลดต้นทุนใด ๆ

• ✓ ดำเนินการแล้วบริการหลักทำงานในภูมิภาค AWS ไทเป (ap-east-2) ใกล้ผู้ใช้ส่วนใหญ่
• ✓ ดำเนินการแล้วหน้าเว็บและไฟล์สแตติกให้บริการผ่านแคชขอบของ Vercel คำขอที่ตรงแคชไม่ต้องกลับไปที่เครื่อง EC2
• ✓ ดำเนินการแล้วใช้ code splitting และ tree shaking ของ Next.js เพื่อลดขนาดการดาวน์โหลดฝั่งหน้าเว็บ
• ✓ ดำเนินการแล้วแบ่งระดับโมเดล AI ตามงาน: งานง่ายใช้โมเดลขนาดเล็ก ไม่ใช้โมเดลขนาดใหญ่ทุกครั้ง
• ✓ ดำเนินการแล้วสร้างวิดีโอเฉพาะเมื่อผู้ใช้ร้องขอ ไม่สร้างล่วงหน้า
• ✓ ดำเนินการแล้วหลักฐานการประทับเวลาใช้ OpenTimestamps โดยใช้การยึดโยงกับบล็อก Bitcoin ร่วมกัน ไม่สร้างบล็อกเชนเอง
• ✓ ดำเนินการแล้วใช้ PM2 fork mode พร้อม graceful restart อัตโนมัติเพื่อควบคุมการใช้หน่วยความจำของเซิร์ฟเวอร์
• ✓ ดำเนินการแล้วปรับแต่งดัชนี PostgreSQL เพื่อลดเวลาในการคิวรี
• → อยู่ในแผนมีแผนเพิ่มแคชคำตอบของโมเดลภาษาขนาดใหญ่ เพื่อลดการอนุมานซ้ำ
• → อยู่ในแผนโหนดขอบของ CDN ยังไม่ครอบคลุมเอเชียตะวันออกเฉียงใต้ มีแผนประเมินโหนดสิงคโปร์
• … กำลังศึกษาศึกษาการจัดตารางตามคาร์บอน (carbon-aware scheduling): ย้ายงานตามกำหนดเวลาไปช่วงที่ความเข้มคาร์บอนของโครงข่ายไฟฟ้าต่ำกว่า
• … กำลังศึกษาประเมินตัวเลือกภูมิภาคคาร์บอนต่ำของผู้ให้บริการคลาวด์และ CDN

③ แผนงาน (Roadmap)

ต่อไปนี้เป็นทิศทางตามแผน ไม่ใช่คำมั่น ระยะเวลาและเนื้อหาอาจเปลี่ยนแปลงได้