台泥喊出「2050年達到碳中和」，張安平提減碳三部曲，如何甩開高碳排原罪？|數位時代 BusinessNext

甩開高碳排原罪，台泥喊出「2050年達到碳中和」！張安平的減碳三部曲怎麼進行？

過去水泥被視為高二氧化碳來源，台泥為了扭轉形象，董事長張安平帶領集團展開一系列減碳行動，不只建置再生能源發電廠，也投入儲能佈局。

積極減碳，目標2050年水泥產品達到碳中和

台泥超過7成營收來自水泥部門，整場法說會以「減碳」為主軸，台泥總經理李鐘培提到，2030年台灣及中國大陸水泥碳排放強度較2016年降低31%及20%，2050年達到碳中和，提供淨零碳排的混凝土產品，「 這個目標在集團已是總動員，各廠必須設定減碳的KPI，並列入績效考核，做不好要扣績效獎金 。」

減碳第一步，建置再生能源

台泥旗下台泥綠能專注在再生能源及儲能事業，目標在2030年前建500MW再生能源電廠，能減少三分之一的外部用電。台泥綠能目前已發電裝置量為35MW、建置中裝置為49MW、規劃中裝置量為92MW，近期攜手台鹽綠能蓋首座漁電共生案場，明年底商轉；更獲得台東紅葉部落的高度支持，將建造台灣首座多功能的地熱發電廠，它涵蓋了發電、觀光及溫泉，配合國家綠能政策。

而因應再生能源間歇性的特點，台泥也投入儲能，近期得標台電「儲能自動頻率控制（AFC）調頻備轉輔助服務」、共5MW容量，運用儲能來調節電力系統的頻率，解決電網的不穩定性。

透過台泥綠能負責蓋電廠，台泥能元科技開發高效能電池，長遠的目標是，提供參與再生能源倡議組織的RE100成員一個完整的解決方案，從2019年報顯示，儲能方面預計投入的研發經費占營收的2.5%。

減碳第二步，大量使用替代燃料

台泥訂定2025年生質燃料使用達到10%，張安平更要求內部取得工廠附近的土地，共計1千公頃土地拿來做造林，當作自用生質能來源，降低燃燒煤炭的使用。

減碳第三步，配合碳交易市場發展

李鐘培強調：「碳交易不是賺錢，碳交易讓業者自律減碳，」像是2018年歐盟碳權價格翻倍，當買不起碳權時，業者就必須自主投資減碳或減產，當碳排放權成為交易商品，同時也激勵企業減少二氧化碳排放量，不只歐盟，中國大陸也積極推動碳交易市場，響應減碳已成為世界的主流。

縱使推動節能減碳，台泥今年前三季合併營收新台幣822億元，稅後淨利184億元，年成長4%，樂觀看待明年中國水泥市場的需求。台泥也透露將有新的低碳水泥廠投資案，暫定在非洲附近的一個島，張安平認為，世界已經不是錢堆錢的世界，要往前走就要先投資。

責任編輯：錢玉紘

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。