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
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