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

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。