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

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。