合理電價，創造電力產業財務與經營管理的良性循環|數位時代 BusinessNext

最近行政院能碳辦公室邀請實務界的專家進行電力系統總體檢，我個人認為這是非常正確的方向。由於台電的財務狀況不佳，有些設備可能已經過了使用期限，且電力設備可能長期處於過度使用的狀況而沒有足夠的時間保養維修，我認為電力系統未來發生事故的機率極高，此時安排電力總體檢是非常正確的選擇。

加上台灣有許多天災人禍，例如天災導致和平電廠電網鐵塔倒塌，與中油的人禍導致大潭電廠停機，全台灣大停電，我認為台灣的電力系統正處於史上最危險的黑暗時期。根本性解決的方法就是改善台電的財務結構，然後用IEC的智慧電網架構將整個電力系統升級，創造良性循環。

1.營運虧損保護核電

台電的負債比率高達85%，如果有重大的損失認列，公司就破產了，所以維持公司虧損是保護核電的上策，這樣核四可以繼續封存，核四的爭議永遠存在。

台電目前帳上股東權益約2,870億元，累積虧損約430億元，如果互相抵銷，實質股東權益剩下2,440億元。核四工程帳上價值約為2,838億元，如果一次提列損失，台電公司立刻破產，實務上並不可行。如果分10年提列損失，台電公司每年要損失284億元，也是沈重的財務負擔。如果要及早化解核四爭議，讓台電公司獲利是最快的方法。

2.高度專業的電力產業應該維持高薪

電力產業高度專業，我認為應該維持給台電員工高薪，聘請專業人士來建置我們的智慧電力系統，因此裁員減薪的作法，我認為實務上不可行，這是會招來災難的爛方法。

精通企業經營實務的人，不會去砍員工薪資與裁員，一旦稍有不慎，動搖國本，公司岌岌可危，再無翻身之日。我舉例說明好了，分散式發電普及的情境之下，區域電網在不同的時間裡可能是負載，也可能是電源，對於電網穩定度的衝擊相當大，就算採購了符合IEC規範的DER系統，依然需要非常厲害的軟體開發人員，做出強韌的演算法、電力衝擊計畫，以及高容錯的自動電力調度計畫。

這樣的人才，在全世界都非常稀有，台電如果用22K來聘用這個職位的人才，可以預見我們的電力系統將來必定是一場災難。釜底抽薪的作法是電價合理化，加速累積盈餘，用來建置智慧電網與提列核四損失。

表一、2017年上半年臺灣電力公司資產負債表

3.回歸合理電價

我們分析2015年、2016年、2017上半年（簡稱：這三期）台電的平均售電成本與平均售電價格，看到一個非常不合理的有趣現象，蔡英文政府再次中計了。這三期的平均售電成本差距不大，分別是每度電2.64元、2.44元、2.53元。平均售電價格一路走低，分別是每度電2.93元、2.62元、2.46元。台電是一間股份有限公司，法律實體是營利事業，而我們的電價公式居然允許賠本售電，2017年上半年每度電損失0.07元，顯示電價公式有重新檢討的必要。過去三期，台電平均每度電的盈虧為+0.29元、＋0.18元、-0.07元，分別佔售電價格的9.9%、6.87%、（2.85）％。如果未來平均每度電售電價格為3元，我認為並不是很貴，台灣電價之低，舉世聞名，應該不需要我再強調一次。

同時，台電每售一度電，得到0.3元的毛利，毛利率10%，我認為也不貴，因為過去幾年，台積電的毛利率維持在47~50%，台電這一丁點獲利能力，台北的證券分析師還看不上眼，連做證券研究的動機都沒有。做了還會被老闆恥笑，怎麼去研究一間獲利能力如此低落的公司，浪費公司資源？

身為國營事業的台電，擁有暴利固然不對，但是賠錢售電也是不對的，台電賺錢或賠錢，都是全體用電戶與納稅人共同承擔。

4.創造財務與經營管理上的良性循環

2016年台電售電度數為2125億度，展望未來每年電力成長約1.36%。為了簡化計算，我們假設台電售電2200億度，每度售電價格3元，每度電毛利0.3元，每年可以創造660億元的毛利，扣除台電的營業費用130億元至150億元，淨利約510億元至530億元。再扣除認列核四每年284億元的損失，還有淨利226億元至304億元。這就是一個財務上的良性循環。接者，我來談經營管理上的良性循環。

我認為電價公式應該確保售電價格永遠大於售電成本，維持台電合理的利潤，累積保留盈餘，把盈餘用在良性循環的事情上面，包括但不限於：
（1）投資建置智慧電網系統，加速綠電發展
（2）高薪聘用智慧電網相關人才，特別是軟體與AI人工智慧人才
（3）投資環境保護研究，累積長期資料，用科學數據化解民眾抗爭
（4）根據天氣預測數據，建立高準確度的（95+%）的發電預測與用電預測系統
（5）支持電力設施地區的公益活動，回饋鄉里
（6）逐年認列核四的投資損失。

賺錢的公司才會有良性循環，合理化售價與成本是根本的方法。相較於台積電，台電這一丁點獲利能力，實在不算什麼，社會大眾不需要如此恐慌與緊張。發展智慧電力系統，需要非常專業的工程與管理人員加入台電，高薪是最有效的方式。

在我的良性循環模型裡，台電每年約有226億元至304億元的淨利，撥個2億元至3億元來聘用極度專業的人才，與全世界一流公司搶這些天才，我們才有勝利的機會。

表二、2015年至2017年上半年臺灣電力公司售電成本與售電價格資訊

參考資料：
1.臺灣電力公司, 2017, 電價及單位成本結構比較
2.公開資訊觀測站, 2017, 臺灣電力公司財務季報告-民國106年及105年6月30日
3.吳馥馨, 經濟日報, 2017,核四2838億債務何解？台電提案調電價分攤
4.臺灣電力公司, 2017,經營實績-產銷概況
5.公開資訊觀測站, 2017, 臺灣電力公司財務季報告-民國105年及104年,

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問