裝太陽能板、智慧電網,企業依舊會缺電?一場大停電讓綠電的兩難浮上檯面
裝太陽能板、智慧電網,企業依舊會缺電?一場大停電讓綠電的兩難浮上檯面

5 月 13 日,台電高雄路竹路北超高壓變電所匯流排因人為疏失,造成興達電廠 4 部機組跳機,無法正常送出電力。這次事故,導致全台 62 個工業區中,其中 29 個工業區輪流停電,加工出口區以楠梓加工出口區影響較大,區內有日月光半導體、華泰電子、國巨等大廠;三大科學園區中,竹科跟中科分別有 20 多家廠商受影響,南科則有 40 多家廠商受影響。

停電會使得企業損失龐大。為確保電力無虞,企業常見做法包括自行添購發電機、架設智慧電網。近年能源與環保政策獲得重視,企業也擴大使用再生能源,像是採購綠電、或者自行設置再生能源設備。

停電
圖/ 張庭銉攝影

日月光:智慧電網自動降載電壓

半導體封測廠龍頭日月光,因曾經歷2017年815大停電,位於楠梓加工出口區的高雄廠損失900多萬元,促使日月光發展「智慧電網技術」。一旦接到限電通知,智慧電網可以區分哪些是必要用電、哪些是非必要用電,藉由控制中心自動降載電壓20%,並將情形回報給台電系統,將損失降到最小。這次513停電,日月光高雄廠立即啟動備援供電系統,搭配智慧電網等措施,所受影響有限。

台積電:廠區設置太陽能板

另一方面,以台積電為例,2019 年台積電社會企業責任報告指出,除了採購綠電,台積電也在廠區設置太陽能板,新增太陽能板裝置容量 1720 千瓦,已發電量 370 萬度;2020 年持續擴充太陽能裝置容量 655 千瓦,預計發電量可達 527 萬度,全公司 7% 用電總額為再生能源;預計在 2030 年以前,達成全公司生產廠房 25% 用電量使用再生能源。

綠電不是萬靈丹,搭配儲能系統才能穩定

但是光建置綠電相關設備,不足以確保供電穩定。原因在於,再生能源發電情形容易受天氣影響,以太陽能為例,假設沒有日照,就會無電可發;加上電力需要在生產當下就被使用,即使白天日照再多,這些電力依然無法續航到晚上。

因此需要一套「儲能系統」,一來儲存多餘的電力,提供夜間使用;二來自動調度電力、維持電網穩定性。

儲能系統:以電池存下過剩電力,有需要再送出

近期日月光在高雄市衫林國中導入智慧電網技術,因為該所國中地段比較偏僻、用電常會中斷,日月光先透過太陽能板將光能轉換成電力,並進一步儲存在電池裡,同時用智慧電網監控電流量,達到最省電的分配電力方式,過程完全不需要倚靠台電電力。這次遇上興達電廠事件,衫林國中師長表示,電燈只閃爍了一下、其餘電器一切運作正常,但是像宿舍沒有太陽能及電網系統的地方就停電了。

全球電源與能源管理領導廠商台達電,也在金門與台電合力建置「儲能貨櫃系統」。台電表示,金門太陽光電、風力發電等綠能發電占比最高可達 30% 以上,台達電的儲能系統可以平緩再生能源變動,太陽日照充足時,存下過剩電力;有需要時則將電力送出,維持電網穩定。假設遇到跳機,電網也可以自動調整系統頻率,在 0.2 秒內供電救援;相較啟用傳統備用機組,需要 15~20 分鐘,等同快上數千倍。

Solar energy_太陽能
圖/ shutterstock

延伸閱讀:沃旭、上緯、台達都是成員!SEMI成立風能產業委員會,拚本土供應鏈產業化

發展綠電儲能系統的難處:電池貴、地不夠

上述例子可見,即使擁有能源,也必須搭配儲能系統。如果無法儲存、調動,一樣可能面臨無電可用。還記得今年2月中,美國德州遭遇北極嚴寒暴風雪侵襲、造成400萬名用戶大停電的事件嗎?事實上,德州是美國的重要能源重鎮,擁有豐富的石油、天然氣資源,在近年再生能源的趨勢下,也發展風力與太陽能光電。《華爾街日報》報導,2020 年德州電力 40% 來自天然氣發電、 23% 來自風力發電、18% 來自火力發電、11% 來自核能發電。

在得天獨厚的背景下,德州是全美唯一採用獨立電網、擁有自己的電網。但無法從其它地區的電網緊急調度電力,成了隱憂。早在2011年,德州就曾經歷類似的大規模停電,當時聯邦能源管理委員會(FERC)就建議,應該加強電網防凍等基礎設施、發展儲能電備系統,為寒冬做好準備。

但以企業面來說,有其難以發展的地方。先前日月光投控行政長汪渡村在接受本刊專訪時表示,以智慧電網來說,必須搭配儲能系統,才能發揮最大功效,對此,企業遇到的難題,一是電池價格貴,二是土地取得困難。相較學校用電量小,因此可以把技術完整套用,但工廠用電量大,以目前的技術能量而言,電池體積龐大,在既有的加工園區中,很難找到新空地建置電池,即使企業想要自建電廠,也可能因為佔地面積廣、顧及環保問題,受到反彈。

儘管儲能系統還在發展階段,但隨著愈來愈多產業需要儲能,電池價格可望持續下探。《CNBC》舉例,電動汽車電池組在 2010 年時為 1100 美元(約新台幣 3 萬 422 元),到2019 年已降低為 156 美元(約新台幣 4314 元),10 年間下降 85%,假設持續擴大經濟規模,2024 年有可能降低至 100 美元以下(約新台幣 2800 元),未來儲能產業的應用場景將不限於電網、電動汽車、甚至進入住宅場域,公營事業也可能成為儲能產業最大潛在市場,透過整合儲能系統到既有的系統中,在尖峰用電時段協助供應電力。

《CNBC》指出,現在最廣泛應用的電池種類為鋰電池、也有人積極開發固態電池與液流電池,現在無法保證最後哪種電池會勝出,但能確保的是,電池將在我們的中發揮更大作用。

最新6月號雜誌《高價值企業100強》:傳送門 零接觸電子雜誌訂閱:傳送門

資料來源 / The Wall Street JournalCNBC台積電2019年企業社會責任報告書 本文授權轉載自:經理人 責任編輯:錢玉紘

關鍵字: #綠電
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓