排碳大戶減碳解方!盤點最具潛力4大技術,助重工、航空、畜牧業跟上零碳腳步
排碳大戶減碳解方!盤點最具潛力4大技術,助重工、航空、畜牧業跟上零碳腳步

從節能減碳到淨零排放,除了仰賴生產方式、使用行為的改變之外,加大對於新技術、特別是潔淨技術(clean technology)的發展與投資,才是更根本的解決方案。根據投資網站investopedia定義,清潔技術泛指改善環境永續的創新技術與應用,常見如再生能源、新的回收方法與環保做法。

當2050年淨零排放已成為國際共識與目標,為了減少二氧化碳排放,各國除了發展再生能源外,也積極協助排碳大戶石化、鋼鐵、水泥、貨運、航空與海運產業「脫碳」,包括綠色氫能(green hydrogen),碳捕集、利用與封存( Carbon Capture, Utilization and Storage, CCUS)等技術,都是備受矚目的減碳解方。

全球氫能源投資,未來10年逾3,000億美元

在全球極力「減碳」的同時,各國從政府到企業,近年來也將資源投注到另一項化學元素上:氫。根據國際氫能委員會(Hydrogen Council)今年2月發布的報告,未來10年全球氫能源投資將超過3,000億美元,約占能源產業總投資的1.4%。

氫是地球上最豐富的元素之一,廣泛應用在工業、交通活動,如製作甲醇、氨等化學藥劑時的原料、汽車上的氫燃料電池,就連半導體晶圓製造、鋼鐵業煉鋼也需要使用氫氣。

Toyota MIRAI
Toyota最具代表性的氫燃料電池車款Mirai,2020年底新版Mirai續航力宣稱達850公里,且因為補充能源方式是「加氣」,加氣速度比電動車電池充電速度快得多,加滿氣只要10分鐘。

各界之所以對氫寄予厚望,是因為氫氣也可以當燃料使用。然而,目前製造氫氣的方式,主要是使用甲烷、石油等化石燃料,被稱作是骯髒的「灰氫」;一旦改採太陽能或風力等再生能源電力,將水電解後產生氫,這種用綠電產生的氫氣,就稱為「綠氫」。 而運用綠氫製造的氫燃料電池,再用於發電,就可大幅減少碳排量。

也因此,開發綠氫已被視為邁向淨零排放不可或缺的環節。只不過目前使用再生能源生產氫氣的數量仍非常有限。一方面是價格偏高,國際再生能源機構(IRENA)的《綠氫:政策制定指南》指出,綠氫價格仍比灰氫高2~3倍。另一方面是缺少專用基礎設施,相較全球天然氣輸送管道超過300萬公里,氫氣輸送管道僅約5,000公里,仍有待擴大規模。

中研院院長廖俊智
未來,人類應該思考如何從大氣取得二氧化碳,而不是去挖石油。

為了減少二氧化碳排放,各國積極投入CCUS技術。根據國際能源總署(IEA)4月的統計,全球共有22個商轉的CCUS設施,每年可捕獲4,000萬噸二氧化碳。

CCUS技術簡單來說,就是從工廠的煙囪捕捉二氧化碳,再將其封存到乾枯的油田井,不排放到大氣中,或再利用,製作燃料或化學品等。

為何二氧化碳可以封存到油田井?專研碳管理技術多年的中研院院長廖俊智指出,「在美國德州產油的地區,本來就是用二氧化碳把油擠出來,現在只是再把二氧化碳壓下去,把岩石的縫隙填滿。」

表
圖/ 數位時代

近年來,二氧化碳捕捉出現了新方法,不同於從工廠的煙道捕捉二氧化碳,而是從空氣中直接捕獲碳,又稱為 「直接空氣捕獲(Direct Air Capture, DAC)」,捕捉方式是運用像大型空氣清淨機的設備,去除空氣裡的二氧化碳,將是未來高耗能製造業的減碳救星。

廖俊智認為,未來20年內,人類應該思考如何「從大氣取得二氧化碳,而不是去挖石油,這些二氧化碳還可作為燃料、化學品、建材等。」

延伸閱讀:遏止暖化加劇!日本燃煤電廠封裝「超臨界二氧化碳流體」打入地底

減碳最好解方?提早將碳、氫分離

不過,他進一步表示,比起工廠捕碳、空氣中捕碳,最好的方法還是從源頭解決——避免二氧化碳形成。舉例來說,天然氣是由甲烷(CH4)組成的氣態化石燃料,中研院正在研究如何在天然氣燃燒發電前,就先把碳(C)、氫氣(H2)分開,提早阻絕二氧化碳的生成。

具體作法是在發電廠、石油、鋼鐵業旁蓋一座甲烷分解爐,分解的氫氣可以用來發電,碳則可混合在土壤改善土質,或應用於高級碳材。

這項技術預估最快3~5年內就可做大規模測試,希望10年內落地。不過廖俊智也坦承,該方式的缺點是會讓能源效率降到原來的60%,因此將需要更多天然氣來發電,「但這是二氧化碳捕捉最簡潔的方法,沒有比這個更好的做法了。」

CO2,暖化
圖/ shutterstock

然而,不只化石燃料排放大量的二氧化碳,耕種、養殖占全球溫室氣體排放高達19%,超越交通運輸,特別是牛群排放的甲烷,造成暖化程度更是二氧化碳的28倍,蔚為風潮的人造肉技術,將有機會壓低畜牧業排碳問題。

為了讓人類減少吃動物肉的頻率、達到減少碳排的效益,目前市面上有兩大替代方案。第一種是由美國Beyond Meat、Impossible Foods等新創企業帶動的植物性肉品風潮,另一種是在實驗室培養出的肉類,科學家從活體動物身上取得部分細胞,讓細胞自行繁殖,製成食用肉品。

以色列食品新創Aleph Farms指出,相較傳統畜牧生產的牛肉須耗時2年,實驗室製造的牛肉僅需3個月。2020年12月,新加坡更成為全球首個批准販售實驗室培養肉的國家,加快商業化腳步。

不管是哪一種人造肉,不只降低了土地與水的使用,碳排放也能減量,被視為能取代農牧業的未來技術。不過,人造肉平均成本較牛絞肉高出86%,要等到更多業者投入市場,價格才可能降低,食用率才會更普及。

最新7月號雜誌《零碳新賽局》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:郭昱彣、張庭銉

關鍵字: #節能 #能源科技
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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