比特幣價格連日下殺，為何方舟資本卻稱挖礦促進太陽能發展？馬斯克怎麼回應？|數位時代 BusinessNext

挖礦能否促進太陽能產業成長？

溫頓指出，比特幣挖礦的能源需求使得大量建造的太陽能設備得以利用，能夠讓可再生能源擴充產能至滿足99%的電力需求，否則太陽能最高只會達到40%的電網占比。方舟資本在GitHub上公開了驗證的模型。

特斯拉執行長伊隆．馬斯克（Elon Musk）也針對方舟資本的模型，在推特上表達自己的看法，聲稱若時間放長遠來看，他同意挖礦可能刺激可再生能源成長，但可再生能源的成長不可能趕得上近期激增的能源需求。先前馬斯克曾以比特幣耗費太多能源為由，暫停特斯拉接受比特幣付款。

馬斯克指出，比特幣之所以能夠促進可再生能源成長，是因為其耗能規模已經超越了一個中型國家，絕大部分的挖礦項目根本不可能有辦法造成這樣的影響。2019年劍橋大學曾推估，比特幣每年用電量已經足以匹敵瑞士一整個國家，高達60TWh以上。

馬斯克認為，要使比特幣擺脫造成大量碳排放的污名其實很簡單，只要前10大的挖礦業者能夠披露經審計的可再生能源用量，就可以輕而易舉解決這個問題。

挖礦業者開始注重碳中和，擁抱「綠色比特幣」

實際上，也越來越多人開始投向以可再生能源生產的「綠色比特幣」懷抱。

密碼貨幣挖礦公司DMG Blockchain Solutions執行長謝爾登．班耐特（Sheldon Bennett）透露，他在與許多銀行與金融機構討論過後發現，有許多業者對可再生能源生產的綠色比特幣感興趣，「越來越多人表示，如果能夠選擇的話，他們願意支付更多費用取得綠色比特幣。」

儘管密碼貨幣耗能早已不是新聞，近期被外界貼上「不環保」的標籤，仍舊喚起挖礦公司們危機意識。DMG Blockchain Solutions便參加了《加密氣候協定》，承諾在2030年前使密碼貨幣產業達到碳中和的目標。

提供數位資產投資服務的CoinShares研究總監班迪克森（Christopher Bendiksen）指出，目前全球約55%至65%的比特幣是利用可再生能源挖礦取得，儘管已是相當高的比例，仍有很大一部份是利用燃煤等不環保的能源製造，但現在有越來越多挖礦業者開始注重可再生能源或碳中和等議題。

例如，挖礦業者Greenidge Generation Holdings以往是使用煤炭發電廠的能源挖礦，現在已改用天然氣，並且計畫6月開始將購買碳排放額度，協助公司達成碳中和。

美國能源公司Talen Energy也宣佈將重心放在清潔能源，並拓展密碼貨幣挖礦業務，預計將投資3億美元建造挖礦設施。另一間挖礦公司Gryphon Digital Mining則計畫利用水力發電進行挖礦業務，強調他們致力實現ESG，關注可再生能源技術。

但就如同馬斯克所說，在各個挖礦公司開始加強擁抱可再生能源時，也必須為他們以清潔能源生產的比特幣給出證明，才有辦法洗去外界對挖礦產業高碳排的印象。

責任編輯：蕭閔云

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。