Big-O 软件碳强度（SCI）披露

① 功能单位（R）

1 次诊断决策＝决策引擎（台湾新型专利 M683041）完成 1 次粗糙集（Rough Set）特征约简＋1 次多准则决策（MCDM）运算。客户在 bigomorfi.tech 进行网站诊断时，每份报告的排序与建议即由此产生。

② 计算边界

③ 计算公式

SCI ＝ ((E × I) + M) ÷ R。依台湾经济研究院提供的试算表展开为：

E

软件运算耗电（kWh）＝ 功率 W ÷ 1000 × 执行时间 TiR

I

电网碳排放系数（kgCO₂e／kWh）

PUE

机房能源使用效率，乘在运营碳上

M

硬件隐含碳 ＝ TE ×（TiR ÷ EL）×（RR ÷ ToR）× Quantity

R

功能单位数量（本次测量的决策次数）

CPU%

本软件实际占用的 CPU 比例（已扣除空载）

④ 参数与来源

⑤ 结果

同一份测量数据，依台经院试算表三种计算边界并列披露。本公司服务运行于云端虚拟机，以 vCPU 边界为主结果。

主结果拆解：运营碳 0.003168 mg＋隐含碳 0.000464 mg

⑥ 测量期间与方法

2026-08-21 于受测主机（AWS EC2 t3.xlarge，台北 ap-east-2）以台经院 GreenCalculatorJavaNoUI 1.0.4 实测：先预热 200 次，之后每轮测 60 秒空载基准再跑 1,000 次负载，共 20 轮。试算表依台经院 2026-10-02 回复修正后定版。

⑦ 不确定性与限制

• 20 轮测量的轮间变异系数约 10.2%（原始测量档），单次数值会在此范围内波动。
• 云端虚拟机无法直接测量实体电力；vCPU 功率采用公开参考值，非逐台实测。
• PUE 采用 AWS 全球平均、电网系数采用年度平均，未反映台北机房实际值与逐时变化。
• 隐含碳 TE 取自测量工具／公开数据集，非供应商针对本机出具的数据。
• 本数值只涵盖决策引擎；一次完整网站诊断另会调用一次外部大型语言模型，该部分碳排未计入。
• 三种边界结果相差约 19 倍，比较不同业者数值时请先确认边界与参数一致。

⑧ 已采取的改善措施

以下为平台已上线、可在程序版本记录查证的措施；不代表任何减碳或成本降幅的保证。

• 决策步骤采用确定性的粗糙集＋MCDM 运算（CPU 级），不以大型语言模型逐次推理做排序决策。
• 每月 AI 模型生命周期检查（2026-10 起）：自动比对 OpenAI／Anthropic／Google 官方停用时程，停用中模型已于 2026-10-02 改用现役版本。
• 图片生成分画质等级：高画质须用户明确选择（扣较多点数），旧模型代号默认对应低／中画质。
• 缓存避免重复运算：同网址诊断结果 14 天内沿用；AI 生成图片依提示词哈希缓存重用。
• 批次 AI 作业设每次执行成本上限，超过即停止。
• 主要服务部署于 AWS 台北区域（ap-east-2）。

⑨ 披露存证（DSCS）

本页所有数字收录于下方披露 JSON，并计算 SHA-256 哈希。任何人可复制该 JSON 自行重算，确认数字未被事后修改。

{"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"]}

本版本尚未送 OpenTimestamps 上链；确认定版后才会锚定，届时于 DSCS 信用账本公开。

版本记录

2026-09-29～09-30 版本曾以整机边界、未扣除空载计得 0.078 mgCO₂e／次；2026-10-02 依台经院回复（vCPU 数量只计一次、CPU% 改填扣除空载的软件占用 10.16%）修正为本页数值。

本分页是大鸥摩飞对自家平台绿色软件做法的自评与规划，非 ISO 认证、未经第三方核查，也不是碳排放测量数字。本公司公开披露的 SCI 数值，一律以「SCI 披露（POC 验证范畴）」分页为准。

① 绿色软件成熟度矩阵（自评）

参考 O’Reilly《Building Green Software》与 Green Software Foundation 相关文件，以 4 个维度 × 5 个等级自评。自评版本：2026-05-24；各维度实际进度将于下次自评时更新。

② 具体实践清单

以下为做法说明，不代表任何减碳或成本降幅的保证。

• ✓ 已实施主要服务部署于 AWS 台北区域（ap-east-2），靠近主要用户。
• ✓ 已实施页面与静态资源经 Vercel 边缘缓存提供，命中缓存的请求无需回到 EC2 主机。
• ✓ 已实施Next.js 代码分割与 tree shaking，缩小前端下载量。
• ✓ 已实施AI 模型按任务分级：简单任务使用较小的模型，不一律使用大型模型。
• ✓ 已实施视频仅在用户发出请求时才生成，不预先生成。
• ✓ 已实施时间戳存证采用 OpenTimestamps，共用 Bitcoin 区块锚定，不自建区块链。
• ✓ 已实施PM2 fork mode 搭配自动 graceful restart，控制服务器内存用量。
• ✓ 已实施PostgreSQL 索引优化，缩短数据库查询时间。
• → 规划中规划为大语言模型响应加入缓存，减少重复推理。
• → 规划中CDN 边缘节点尚未覆盖东南亚，规划评估新加坡节点。
• … 探索中探索碳感知调度（carbon-aware scheduling）：把定时任务移到电网碳强度较低的时段执行。
• … 探索中评估云与 CDN 供应商的低碳区域选项。

③ 规划 Roadmap

以下为规划方向，非承诺；时程与内容可能依实际情况调整。