儲能雖小,無所不在
儲能雖小,無所不在

電化學儲能俗稱電池,存在於我們日常生活周遭,已經是一個生活必需品。它雖然小到不起眼,但是卻無所不在,新一代的智慧電力系統當中,電力級儲能也是無所不在,相較於量級龐大的電力系統,儲能的佔比還是非常非常小,它正在逐漸變大,讓我們一起來探索其中的奧妙吧!

本文章嘗試從化學儲能的產業發展趨勢出發,進一步談到鋰電池儲能,以及其無所不在的特性,提供社會大眾參考。至於位能、動能、電磁能等型態的電力級儲能,不在本文章的討論範圍內。

鋰電池儲能系統將對智慧電力系統產生重大影響

約莫在2013年至2014年之間,美國曾經有一個電力級化學儲能系統(Utility Chemistry Storage System)大戰,當時參戰的除了鋰電池以外,還有鉛酸電池(Lead Acid)、鈉化學電池(Sodium Chemistries)、釩液流電池(Flow Vanadium)、鋅液流電池(Flow Zinc)等等。

到了2017年,從實際建置情形來看,這場大戰暫時告一段落,鋰電池技術以94%的市佔率取得絕對的優勢。如果這個趨勢持續下去,可以預見鋰電池儲能系統將對智慧電力系統(Smart Power System)產生重大的影響。

鋰電池1.jpg
鋰電池取得94%電力級儲能系統之市佔率
圖/ 陳世芳

我在前面的專欄文章《你應該要知道的智慧電網標準地圖》中論述:儲電為必要,只是佔比不高。當時提到IEC把儲能配置在分散式能源(DER)、工業自動化、家庭與建築自動化三個項目之內。

將電力級化學儲能應用在發電與輸配電端

我們今天來談新的東西,來自於電力設備公司的觀點,他們實際推動產業發展,將電力級化學儲能應用在發電與輸配電端。

我們可以看到從2012年開始,電力級的佔比一直比住家級(Residential)與非住家級/工商級(Non-Residential)還要高,GTM Research預估一直到2022年,電力級依然是佔比最高的項目。我們可以確定,電力級儲能已經是智慧電力系統的主角,住家或工商應用只是配角。

電力級儲能的裝置容量與儲電量比較大,所以具備經濟規模優勢,同時獲得三大百年歷史電力設備公司(GE, ABB, Siemens)與電池電動車(Battery Electric Vehicle, BEV)領導公司Tesla積極推動,其安全性遠較消費性電子等級的鋰電池還要高出許多,達到電力公司之要求,建置的規模逐漸擴大。

當發電公司與電網公司已經使用,表示有嚴格的安全規範與保護措施,我們實在不用太擔心鋰電池的安全性問題。

鋰電池2.jpg
電力級儲能系統為主角
圖/ 陳世芳

今年,一份來自於台電綜合研究所的研討會簡報,清楚地告訴我們電力級儲能如何應用在發電端、用電端與輸供配電端。

發電端使用儲能系統可以讓再生能源的輸出平滑化;調整電網頻率(提供毫秒等級的響應速度『單位:A/ms』);提供功率(容量)補償能力。輸供配電端使用儲能系統,好處是提供備轉容量;穩定頻率與電壓;強韌電網;故障備援;電力輔助服務(Ancillary Service)等。在台電的圖片裡,原來的輸配電路上,都可以加掛能源儲存系統(Energy Storage System, ESS),這樣的設計,巧妙地把儲能融合在電網系統裡面,分散式使用儲能系統,有助於建構一個強韌的電網系統。實務上,儲能系統逐漸和各級變電站一起建置,強韌各級變電站。

我們可以在發電廠與變電站內建儲能系統,也可以在發電廠與變電站中間,找一個新的地點,設置好電力線與新的大型儲能系統。這樣彈性的作法,恰好補強過去電網建設時,所面臨的區域性不平衡問題。在某些用電比較緊張的地區,配置一個儲能系統,增加供電餘裕;在某些供電過剩的地區,發揮吸收電力,保護電網的功能。

分散式儲能系統比電力網路更具彈性

分散式儲能系統比電力網路更具彈性。強調彈性優勢的智慧電力系統,需要儲能系統來增加彈性,因此儲能是一個必要的選項,儲能的佔比越高,電力系統的智慧化效果也就越好。

台灣是一個以中小企業為主的經濟體系,中小企業的觀點常常出現在新聞媒體上,讓人誤以為這就是趨勢,但如果從統計上來看,可能未必如此。

台灣的電力化學儲能市場,目前以用電端儲能為主流,應用在手機基地台、工商用途、家用太陽能等。我們從美國電力化學儲能市場的數據看到,電力級儲能才是主流應用,而非住家或工商用。希望各位讀者不要被新聞媒體所誤導了

鋰電池3.jpg
儲能在電力系統當中所扮演的角色
圖/ 陳世芳

從全球市場的角度來看,儲能現在的佔比確實不高,不及1%。因為儲能系統具備提供功率補償能力的功能,市售的儲能系統皆有標示功率與發電量,所以我們可以和發電設備的裝置容量合併計算。2017年全球新增電力容量為257GW,儲能1.22GW,合計258GW。2017年全球新增電力淨容量以太陽能居第一位,達98GW(38%),後面依序是風力發電52GW(20%)、燃氣發電38GW(15%)、燃煤發電35GW(14%)、大型水力發電19GW(7%)、核能發電11GW(4%)。

鋰電池4.jpg
圖/ 陳世芳

電力級儲能系統和龐大的發電容量相比,小到可以忽略,可是智慧電力系統裡面卻無所不在,所以,我認為不應該把電力儲能服務歸類在輸配電網裡面,它應該是一個獨立的業種,適合放在電力供應業的下面。我們也看到儲能是必要的,雖然現在還不是那麼重要,但卻是強韌電力系統的關鍵。

如果我們有螞蟻雄兵式的儲能系統建置,假設也累積到2GW,也許缺電的問題就可以獲得緩解。如何釋放電力級儲能系統的威力,將是我這一系列文章的重點,讓我們一起來探索儲能的新世界吧!

參考資料:

[1] Dr. Imre Gyuk, Director of ESR at US DOE-OE, Dan Finn-Foley, R.A. E.S. at GTM Research 且 Todd Olinsky-Paul, Project Director at CESA, “State of the U.S. Energy Storage Industry: 2017 Year in Review,” 13 02 2018. [線上]. [2] 陳世芳【麥斯管理顧問公司】, “你應該要知道的智慧電網標準地圖,” 28 8 2017. [線上]. [3] 吳成有【台電綜合研究所】, “大型儲能系統應用案例,” 於 107年太陽光電暨儲能技術研討會, 2018. [4] Tsvetomira Tsanova, “World adds 98 GW solar, 70 GW fossil fuel power capacity in 2017,” Renewables Now, 09 04 2018. [線上]. [存取日期: 18 04 2018]. [5] Emily Holbrook, “Report: Unprecedented Growth in the Energy Storage Market, Expected to reach 29,300 MW by 2027,” Energy Manager Today, 29 03 2018. [線上] [存取日期: 18 04 2018].

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #能源科技
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