全球六大綠能買主,四家是科技大廠!矽谷巨頭錢潮湧進再生能源市場
全球六大綠能買主,四家是科技大廠!矽谷巨頭錢潮湧進再生能源市場

為了確保耗電的數據中心能有足夠電力,科技巨擘啟動綠電搶購戰。這讓科技大廠成了形塑再生能源市場的要角,一些業者指出,企業資金比政府補助更重要。

華爾街日報23日報導,科技巨頭動用傲人財力,以空前規模資助太陽能、風能等綠能項目。部分永續能源業者說,科技業者願意提前付款,同意簽署合約以特定價格長期購買綠電,讓企業成了再生能源投資的主要推手,地位比政府補助更重要。谷歌能源主管Michael Terrell直呼:「這幾乎像是清淨能源的奔湧潮(stampede)」

BloombergNEF資料顯示,根據公開揭露的再生能源採購協定,綠能的全球前六大企業買主中,有四家是科技大廠,包括亞馬遜、Google、Facebook、微軟。上述業者累計採購了25.7 GW的綠電、佔全球企業總購買量的25.7%。亞馬遜是全球綠電的頭號企業買主,23日該公司才宣布,將在全球14家新太陽能和風能發電廠,購買1.5 GW的電力。亞馬遜計畫2025年時,全數改用綠電。

再生能源開發商表示,科技大廠拼命買綠電,鼓舞其他企業跟進,帶旺購電合約(Power Purchase Agreement、PPA)需求。業者說,綠能項目的前期投資所費不貲,要好幾年才能回收成本,除非該項目有錨定買家承諾買進大量電力;不然的話,銀行通常不願融資,而且就算放款,也會開出較嚴苛的條件。

RTS1TLWJ_再生能源
圖/ REUTERS

亞馬遜答應向西班牙5家太陽能發電廠購電,數家科技巨頭也想簽定新約。再生能源商Encavis的Martin Scharrer說,他們與所有相關企業洽談。Scharrer先前和亞馬遜敲定了西班牙塞維亞(Seville)光電廠的購電合約。

拜登基建利多 助美擺脫化石燃料

不只企業,拜登政府也力推綠能。華盛頓郵報、Solar Power Wolrd先前報導,3月31日美國總統拜登公布了基礎建設方案,他要運用聯邦政府的力量和資源,介入電力市場、加速發展太陽能和風能,協助美國加速擺脫對化石燃料的依賴。

拜登綠能計畫的重心是創立全國標準,要求公用事業商供電時,必須使用一定比例的太陽能、風能等再生能源。使用綠能的比重將隨著時間增加,要讓美國在未來15年逐步減用煤炭、天然氣、石油。儘管美國有30個州已經要求電廠使用綠能,拜登方案是好幾個世代以來,聯邦政府對電力產業最全面性的介入。

拜登政府的氣候變遷計畫顧問Tom Steyer高呼,此一計畫是美國能源軌跡的「轉捩點」(inflection point)。

本文授權轉載自:MoneyDJ

責任編輯:郭昱彣、蕭閔云

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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