一場大停電讓綠電的兩難浮上檯面！為何裝太陽能板、智慧電網，企業依舊會缺電？|數位時代 BusinessNext

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

停電會使得企業損失龐大。為確保電力無虞，企業也自行添購發電機、架設智慧電網，近年擴大使用再生能源、採購綠電。但一次停電，再次讓電力問題浮上檯面。

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。

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

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。