綠能正夯！台灣太陽光電20GW怎麼拚？業界2大呼籲|數位時代 BusinessNext

綠能正夯！台灣太陽光電20GW怎麼拚？業界2大呼籲

近來台灣綠能產業備受關注，趁著台灣最大國際智慧能源週開跑，太陽能系統商呼籲，推動農電共生以及開放電證分離才符合國際趨勢。

一、釋出閒置土地，推動農電共生

政府規劃太陽光電要在2025年達到20GW（十億瓦）的目標，其中17GW為地面型光電。近期經濟部也提出第二期「太陽光電 2 年推動計畫」，目標在2020年太陽光電裝置容量要達到6.5GW，主攻農、漁、畜電共生，發展「一地多用」的地面型光電。

聯合再生能源董事長洪傳獻指出，目前業界的資金、技術、人才都已到位，但卻差在政府單位過於保守，導致許多閒置土地都推不動。

元晶太陽能董事長廖國榮端出數據，台灣有超過12萬公頃的土地是長期荒廢且不利耕種的，但要達到17GW地面型太陽能裝置容量只需要2萬多公頃的土地。

開陽能源董事長蔡宗融也鼓勵朝復合型太陽光電發展，像是光電風雨球場，學校可以在風雨球場上架設太陽光電，若以全台4千多間學校，每間設置容量300到600KW，就能累積超過1GW。

農作物結合太陽能發電的「營農型光電」，目前僅屏東有成功案例，由於農委會希望產銷均衡，有遮蔽率、農作物品種限制，蔡呼籲農委會要跨出第一步，只要政府單位與業者合作，「台灣要完成20GW太陽光電不是夢。」

二、跟上國際綠電趨勢，開放電證分離

綠電在哪？也成為近來企業的熱門話題。隨著國際大廠如蘋果、Google、星巴克、微軟等紛紛加入國際再生能源倡議組織RE100，一同以實現100％使用再生能源為目標，國內企業因應供應鏈的需求、環評需求、用電大戶等要求，使用綠電成為必然。

近來用電大戶條款也出爐，用電大戶為跟台電簽定契約容量5,000KW（瓩）為門檻，業者必須在5年內透過自設、購電買憑證、代金等方式使用10％綠電，最快在11月上路。

不過目前再生能源發展條例第12條是規定「電證合一」，綠電必須跟憑證一起購買，元晶董事長廖國榮則有不同意見，他認為台灣必須走向「電證分離」，因為購買綠電得顧慮經濟規模、電網輸送等問題，例如太小的電廠，發出的綠電有限，就不足以供應用電大戶，以及發的電需透過台電的電網輸送，得付台電一筆「過路費」，目前1度電5分錢。

購買憑證相對容易，目前1張憑證代表1,000度綠電，而購買台灣的再生能源憑證（T-REC）也能在國際上證明使用的是綠電。廖國榮表示，目前RE100成員，高達46％是購買綠電憑證來證明使用再生能源，廖呼籲立法院加把勁，把電證合一改成電證分離，才符合國際趨勢，電跟憑證分開交易，能夠增加市場的交易靈活度。

加上台灣是代工大國，一家代工廠得供應許多品牌商，隨著跨國企業對於再生能源的需求增加，台灣也得盡快供應，整個綠電市場的建構，得靠政府與民間一同努力。

責任編輯：張庭銉

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。