太陽能 iLamp 把路燈變 AI 微型資料中心，城市算力從集中走向分散
英國綠能新創 Conflow Power 正嘗試用一盞路燈，重新解決 AI 基礎設施的能源與擴張難題。他們推出的 iLamp，外觀看似普通，但內部結合太陽能、自給自足電力與邊緣 AI 運算，被視為一種對抗 AI 用電急速攀升的新型城市節點。
AI 用電壓力急速攀升，集中式資料中心模式正遇到極限
根據國際能源總署（IEA），全球 AI 資料中心目前每年耗電量約 415 太瓦時，預計 2030 年將突破 945 太瓦時，是今日的兩倍以上，逼近中型國家全年用電量。
這樣的增速意味，即便各國大力擴建電網、興建資料中心與核能設施，AI 模型運算所需的能源仍可能遠遠超過供應。現行主流做法，是科技巨頭快速擴建超大型 GPU 資料中心，但電力與冷卻需求已成為瓶頸。
Conflow Power 的董事 Edward Fitzpatrick 直言，為了驅動 AI，科技公司得建造巨型 GPU 建築，並輸送大量電力與冷卻用水，但效率低下，需要一個更聰明的解法。在此背景下，iLamp 的理念開始凸顯：AI 基礎設施不一定都得集中建在巨型建築裡，它也可以嵌進城市本來就存在的東西，例如路燈。
iLamp 的技術設計與商業模式
iLamp 的核心是一組具備自清潔功能的太陽能板，在不同日照條件下可產生約 200 到 600 瓦電力，而整個裝置正常運作只需約 80 瓦。多餘電力則驅動內建的 NVIDIA Jetson AI 處理器，功耗僅 15 瓦，足以進行影像辨識、環境感知、輕量推論等邊緣運算任務。
換言之，每一盞路燈，都能獨立成為一個太陽能供電的微型資料中心節點。
如果城市大規模替換傳統路燈，就能形成一張分散式、部署廣、延遲低、能隨時擴張的微型 AI 運算網路，而無須依賴電網或大型冷卻系統。
AI 服務供應者若要使用某盞 iLamp 的算力，就需支付費用，彌補路燈與運算基礎設施的成本。市政機關和私營營運商因此可以把照明基礎設施，轉換成具有收入的城市資產，而非純支出科目。
從智慧路燈到監控節點：應用與風險並存
iLamp 的應用範圍也不只停留在照明與算力供應。其模組可整合 AI 槍聲偵測、火災煙霧預判、車輛速度追蹤、車牌與人臉辨識、以及封閉式無線連線等能力。
對於希望快速升級城市基礎設施的地方政府與校區管理者而言，iLamp 的吸引力在於，它不需要重新配電，也不需要新建機房與冷卻設施，卻能一次帶來智慧照明、AI 運算與潛在收益。
但這種能力也帶來明顯的治理壓力。一旦路燈變成高密度的 AI 監控節點，人臉辨識、車牌掃描、移動軌跡偵測等功能就可能在城市中無所不在，進而引發監控濫用的爭議。
城市基礎設施正成為下一個算力網路
Conflow 已與多個國家政府與大型企業展開洽談，若大規模採用，這類邊緣節點可能成為城市 AI 能力的主要擴張方式之一。
iLamp 象徵一種從集中式超級資料中心，轉向分散式太陽能邊緣節點的基礎設施路線。當 AI 機房的電力、冷卻與土地成本逐漸逼近極限，把算力嵌入城市既有路燈，成為一條不依賴電網擴容、也更務實的擴張方式。這也讓城市從照明維運者，轉為潛在的「算力與資料營運方」，為公共設施開出新的收入模型。
但當路燈同時具備 AI 運算與感測能力，治理透明度就成了能否落地的關鍵，尤其涉及人臉辨識、環境監控等高風險技術時，使用邊界、資料保存與問責制度都必須更嚴謹。技術部署與治理規範能同步成熟，才能在能源與永續壓力下找到真正可行的答案。
【推薦閱讀】
◆ Microsoft 怎麼為 AI 資料中心拚減碳，提前達到 2025 年零廢棄目標？
◆ 資料中心不是「耗水大戶」！AI 時代節水也有黑科技
◆ 一座資料中心用電量等於 1,000 家沃爾瑪！Amazon 自建核電廠，科技巨頭為何掀起「自帶電力」浪潮？
＊本文開放合作夥伴轉載，參考資料：《TechRadar》、《ConstructionManagement》，圖片來源：Conflow Power
（責任編輯：鄒家彥）