世界各國掀起替代能源熱
世界各國掀起替代能源熱
2006.10.15 | 科技

這幾年的石油危機讓世界各國卯足全勁開發各種替代能源,除了太陽能外,許多國家的能源計畫已逐漸把腦筋動到我們每天吃的糧食身上,亦即利用玉米、甘蔗、甚至廚餘,來生產能驅動汽車、發電的生物燃料。 南美洲的巴西是全世界最大的甘蔗生產國,年產量達一千萬噸以上,加上巴西的能源資產相當匱乏,有大半以上的石油必須仰賴進口。為了克服這項能源取得問題,很自然地促成了巴西政府致力於將甘蔗提煉成酒精的生質能源技術,目前已有三分之二的甘蔗用於提煉生質能源。 從甘蔗提煉出酒精 巴西政府早在一九三一年就頒布法令規定,全國各地銷售的汽油必須添加二%到五%的酒精,成為全世界第一個相關立法的國家。隨著七○年代的石油危機及工業化的持續演進,規定攙加酒精的比例增加到二五%,創下了世界各國汽油添加酒精比例的最高紀錄,聖保羅市也因此成為全世界空氣品質最好的城市之一。 這樣從農作物提煉成酒精,再推展至酒精汽油的模式,在國際間如同雨後春筍般拓展開來。從古巴、日本、南韓到中國大陸、美國、甚至台灣,農作物的種類也從一開始的甘蔗到玉米、高梁、大豆。 經濟持續火熱的中國,一方面為了緩解能源供需不平衡的狀態,同時也希望能因應「京都議定書」生效後,要求削減溫室氣體的排放量壓力,著手開始了從玉米、高梁提煉酒精燃料的開發,並進而透過這些燃料進行發電。 北京國能生物發電有限公司便在今年投資了五.三五億元人民幣興建生物燃料發電的相關設施,預計在二○○七年八月於玉米產區的黑龍江省開始營運,每年可發電二.七五億千瓦,並使當地六○%的剩餘玉米梗,從低經濟價值的施肥肥料轉為高經濟價值的能源,可謂將牛糞變成真的黃金一般。此外,帶給當地農村的效益,還包括每年提供一千多個就業機會,以及將剩餘玉米梗變現的收入增加,每年預計是四千多萬元人民幣。 看著世界各國紛紛跨足生質能源領域,台灣政府也積極規劃相關的計畫。農委會在去年於宜蘭縣、雲林縣等地各選定三十公頃的休耕農地,試種大豆及油菜等能源作物,並計畫在今年擴大至兩千公頃。 利用休耕農地種植高油份含量的作物,這樣的綠色油田一年最大可生產二十五萬公秉,占了全年柴油消耗量六百萬公秉的四%,同時還減少了每年九十萬公噸二氧化碳的排氣量,整個能源作物轉換的程式也比一般的石油更乾淨及更有效率。加以台灣的氣候環境,相比德國一年只能收成一次的油菜花,台灣能收成最多六次,更具有發展這樣生質能源的潛力。 汽車會與人類爭奪糧食? 但隨著各國在生質能源上的發展,開始有人擔心,會不會有一天糧食危機與石油危機變成不可分割的兩大問題。 「幾天前,我稍微算了一下,用酒精加滿一個多功能運動車二十五加侖油箱所需要的糧食足夠一個人吃一年;反過來說,假設這部車每兩個星期要加一次油,一年下來所耗費的糧食可以養活二十六個人。」這是今年七月,華盛頓的智庫機構球政策研究所所長萊斯特.布朗(Lester R. Brown)所發表的看法。 世界上愈來愈多的糧食被用來生產酒精,美國這五年來用來生產能源的糧食量,就從一千八百萬噸到五千五百萬噸,而在盛產玉米的愛奧華州,有五十五個提煉廠正在運轉及興建;跨個大西洋到歐盟國家,去年歐盟各國總共生產了十六億加侖的生物燃料,皆是由菜油及糧食所提煉的。 「亞洲生產生物燃料的趨勢也強勁成長,在印度有幾個甘蔗生產生物燃料的小型工廠正在運轉;在中國,去年把兩百萬噸的糧食轉化為酒精,今年可能更多;泰國用木薯來提煉乙醇;馬來西亞和印尼則利用當地最多的棕櫚油。」布朗憂心地表示,糧食儲備目前處於三十四年來最低的水準,而全世界每年要增加超過五千萬人。此外,現已有二十億的貧困人口拿著一半的收入購買食物。 利用生質能雖然可能造成糧食短缺問題,但仍然有些人持續往這樣的夢想前進。在日本,大阪產業大學、豐田汽車與燃料製造公司相關人員組成了一個研發團隊,並致力以透過炸天婦羅剩餘的廚餘廢油來提煉生物燃料。 該團隊請了日本前F1賽車手、現任大阪產業大學客座教授片山右京,駕著這樣的生物燃料賽車,參加明年一月舉行的達卡越野競賽,整個競賽從葡萄牙的里斯本出發,終點在塞內加爾首都達卡,全程一萬公里,途中甚至包括大片沙漠及不少險峻地形。 該團隊已在今年八月起向大阪產業大學的學生、學校餐廳及社區居民募集該生物燃料所需要的廚餘廢油,「我們希望達到全程不用一滴石油,也不用人類可食糧食的創舉,」片山右京表示。

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓