雲平台助攻企業淨零轉型!Google Cloud 率先推出碳排監測與優化工具

面對全球暖化、疫情變化多端等挑戰,現今企業淨零碳排、綠能減碳蔚為趨勢。根據由氣候組織(The Climate Group)與碳揭露計畫(CDP)共同合作促成的國際倡議「RE100」報告指出,從 2018 年起,超過 40% 的新會員企業總部皆位於亞太地區; 此外,2019 年開始,來自製造業的新會員數量也明顯增加,紛紛響應於 2020 至 2050 年間達成 100% 使用再生能源的承諾,並逐年提報用電數據,可見企業綠能減碳趨勢早已從歐美延燒至亞太地區,是企業需迫切面對的挑戰。

同時,各大雲端廠商也意識到綠能永續的重要性,致力於降低資料中心所造成的能源損耗、降低碳排放量,並將節能減碳視為廠房建造與營運的一大目標。例如,Google 從 2007 年就開始落實資料中心碳中和,更承諾 2030 年實現全天候無碳營運;微軟則承諾於 2030 年實現負碳排放。此外,雲端平台也搭配推出各項管理工具,協助企業減碳並強化碳足跡管理。

CloudMile 是 Google Cloud 在台第一間獲得 MSP 認證的菁英合作夥伴,能協助企業進行雲端評估、搬遷、架構優化到全天候維運等,於本篇文章統整 Google Cloud 平台近期推出的碳排放監測與碳足跡優化等工具,助攻企業綠能減碳策略。

Google 兩大碳排監測工具:Active Assist、Carbon Footprint 

1. 雲端管理工具 Active Assist 加入「碳足跡管理」功能

Google 雲端管理工具 Active Assist 運用 AI/ML 技術來降低企業雲端管理的複雜性,近期則加入了「碳足跡管理」項目功能,協助用戶運用內建 AI 技術分析並刪除閒置的專案,以此降低總體碳排放量。此外,Active Assist 也允許企業針對特定項目估算碳排放量,同時計算出企業移除閒置專案後,能達到的實際減碳成效。

目前 Active Assist 允許企業使用包括 Recommender API、Recommendation Hub、帳號內建的 Carbon Footprint 儀表板,以及 Google Cloud 資料倉儲 BigQuery 匯出(BigQuery export)等方式來取得相關資料,讓用戶可以輕鬆評估並減少在 Google Cloud 上執行工作負載的碳足跡。

icon/enlarge

2. 用戶主控台內建「碳足跡儀表板」Carbon Footprint

去年,Google 率先在雲端主控平台上內建「碳足跡儀表板」Carbon Footprint,允許個別帳號查看自己所使用的每一個 Google Cloud 服務的碳排放量,IT 團隊和開發人員可透過 Carbon Footprint,依照專案、產品和區域等類別,長期監控雲端總排放量,找出改善碳排的策略方向。

Google 表示,Carbon Footprint 背後的精算技術已通過第三方審查,關鍵在於先蒐集企業內部所有的能源消耗、資源用量等數據,並評估各區域中心的碳強度。接著,再整合這三類數據來計算不同基本單位的碳排放量,例如每小時的碳排量、每個帳號的碳排量等,最後再搭配 GCP 帳單的用量資訊,進行碳量計算,就可以得出每一個帳號每一天的碳消耗量數據,輕鬆地透過報表揭露自家的雲端碳排放總量資料。此外,Google Cloud 也支援將 Carbon Footprint 資料匯出至 BigQuery,讓企業結合營運數據或是其餘的碳排量數據,最終產出最完整的碳足跡報表。

icon/enlarge

根據 Google 官方表示,他們分析了雲端上所有用戶的匯總數據,發現可清理或回收的資源量,相當於種植近 10,000 棵樹才能抵銷的量,可見雲端閒置專案的監測與管理,對於企業減碳行動有極關鍵的影響。接下來,Active Assist、Carbon Footprint 將整合入 Google Carbon Sense 套件,協助用戶有效控管成本、發揮系統最佳效能、減少工作負載的碳足跡,並且透過簡化與自動化功能,讓企業在 Google Cloud 上享有更優質的管理體驗,藉此節省管理雲端設定的時間,將更多時間投注在企業創新及優化客戶體驗。

CloudMile 致力於協助企業上雲、減碳永續

成功案例:台灣大車隊

CloudMile 技術團隊協助台灣大車隊善用過往載客數據,打造準確率 95% 的 AI 叫車熱點預測,成功協助計程車司機省下每天約 1 小時的空車消耗時間、每月 5,000 元的油費,平均每台計程車每個月可省下 1,851 磅碳排放量!

背後的技術力在於台灣大車隊每年近 8,000 萬趟的乘車大數據,以及過去三年來全台的每小時雨量資料、路網資訊、興趣點等資料匯入 Google Cloud 資料倉儲 ,建置一套能「預測區域叫車需求」的機器學習模型,可以即時分析並預測未來每十五分鐘的乘客叫車熱區。

如欲了解更多綠能相關方案,歡迎聯繫 CloudMile 專業團隊,將有專人解答您的問題!

訂閱 CloudMile 電子報

所有 CloudMile 最新消息、產品動態、活動資訊和特別優惠,立即掌握。