中油轉型綠能加油站拚了，大秀電池、儲能關鍵技術|數位時代 BusinessNext

中油轉型綠能加油站拚了，大秀電池、儲能關鍵技術

中油全台擁有近兩千個加油站點，為因應政府禁售燃油車政策，中油開啟轉型計畫，除了電池關鍵技術外，更規劃三年內建置一千座綠能加油站，嘉義、台南示範站相繼啟動，做到電力自產自用，提供電動機車充換電。

太陽能、燃料電池並行，多元供電

14日台南前鋒路的示範站開幕，強調多元電力提供與儲能，提供加油站內與充換電使用電力每日約470度。

這座加油站本身就是以節能概念設計的綠建築，屋頂建置太陽能板49kw，每日可產生166度電；還增加燃料電池發電系統，一旦日照不足，可作為備援發電，每日可供應36~60度電，燃料電池是引進日本松下與台灣高力公司商業化系統做為示範。

天然氣燃料電池系統，透過中油研發的天然氣重組系統，把天然氣轉換成氫氣作為燃料電池，過程中產生的熱能則可產製熱水，提供加油站宿舍自用。目前仍在驗證階段，若未來能成功推廣應用，將可拓展中油天然氣業務。

2種儲能系統，電力消峰填谷

為因應再生能源不穩定性，在前鋒站的地下室還設有儲能設備，進行電力消峰填谷調度。儲能設備採用釩液流電池與鈦酸鋰電池兩種系統，中油引進工研院電池技術，合作建置釩液流電池系統20kw，能存100度電，是具高安全性的中大型定置型儲能設備。

鈦酸鋰電池系統，則採用中油自行生產的鈦酸鋰負極材料進行電池模組製造，具有快速充放電、不燃燒爆炸及耐低溫特性，建置系統規格為50kW，能存50度電。

中油牌電池夯，網羅電動機車、電巴業者

在電動機車充電上，現場設有Gogoro換電站，以及快速充電樁，10分鐘即可充飽電，即便市面上尚無快充式電動機車，現場展示採用中油電池的三陽與其易的電動機車，由於其易電動機車的黃色車殼顯眼，甚至引來路過騎士詢問購買。在充電收費方式，現場示範採悠遊卡付費，充電1分鐘、收1元，中油表示，未來相關費率計算將與車商研議後再公告。

此外，中油也和共享電動機車業者悠達與唐榮電動巴士合作。戴謙打趣地說，上午賓客搭乘的接駁電動巴士，電池正是中油所研發的，「賓客都不知道自己當了白老鼠。」根據中油規劃，最快今年6月推出電池，但需半年的檢驗時間，預計2020年1月中油的電池即可正式上路。

透過現階段兩座綠能加油站的開幕，除了大力展示中油的電池研發技術，以及加油站轉型的企圖，更重要的是以國營企業之力，扶植產業發展，攜手國內業者友量科技生產電池，也協助車廠作轉型。雖然中油清楚勾勒綠能加油站的藍圖，仍有待實際運作，透過逐步修正問題，降低消費者使用摩擦。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。