Gogoro攜手台電挖掘售電新商模！超過2千座換電站，如何變身虛擬電廠？|數位時代 BusinessNext

Gogoro攜手台電挖掘售電新商模！超過2千座換電站，如何變身虛擬電廠？

Gogoro能源佈局跨大步，26日宣布與台電完成電動機車V2G電池交換站的技術驗證，有朝一日Gogoro將能透過賣電來獲利，找到新的商模。

善用換電站、電動車充電站電力，助攻台電穩定供電

Gogoro攜手台電共同開發「分散式儲能系統回輸電網技術」，未來當電網有需求時，Gogoro Network 電池交換站可隨時接受調度，將電池內所儲存的電能回饋至台電電網，目前成為全球第一個完成「低壓分散式電池交換能源網路雙向饋電技術」驗證的電池交換平台。

台電董事長楊偉甫表示，未來台電要放棄傳統開發大電廠的概念，運用多元的電力資源，達到互補的作用，特別是民間「潛藏的電力」，如電池交換站、電動車充電站、分散式能源（如再生能源、儲能設備）等。例如台電已推出電力交易平台，開放民間的電力設備資源可以到平台參與競價，目前已有交易實績。

而手中擁有大量的電池交換站的Gogoro，自然成為台電想合作的對象。Gogoro全台擁有超過2,100座換電站、管理超過85萬顆電池，預計在今年底，將於全台佈建超過 10,750個電池交換機櫃，總電池容量將高達 1.3 GWh（130萬瓩小時）， 該電量足以提供台北市運行43分鐘的電力需求。

Gogoro創辦人陸學森說，「Gogoro現在已經是全球規模最大的電池交換業者，有能力和台電公司展開合作，為下一代創造改變，打造更乾淨、健康的環境，來實現我的夢想。」

在與台電完成技術驗證的同時，Gogoro也與義大利電力集團旗下「義電智慧能源 Enel X 」展開合作，在年底前參與台電的電力交易平台輔助服務，未來當台電發出調度指令時，義電智慧能源會整合多種用電資源，而Gogoro Network大型換電站就是其中一項來源。Gogoro產品長彭明義說明，「Gogoro換電站會配合降載，透過改變用電行為，減少電力使用。」舒緩台電電網供需緊張的狀況，但前提是在滿足車主換電的需求下。

Gogoro想「賣電」給台電？背後2難題待克服

不過，現階段Gogoro換電站，還沒有做到回充電網的地步，白話來說，Gogoro還不能「賣電」給台電來賺錢，背後牽涉到商業模型及技術的問題得克服。

第一，電能損失的問題，簡單來說，當充電100度電，放電的過程會有能量損失。台電綜合研究院副研究員吳成有指出，在實驗的過程發現，能量損耗約20~30％，接下來Gogoro可透過提升設備的性能，來克服電能損耗的問題。

第二電價的條件，若充電與放電時間的價格落差太大，代表利潤也低，但這牽涉到電價的課題，民間如何找到「可行性的商業模式」，也需要政策法規的配套。

雖然有以上兩大難題，但吳成有對Gogoro抱持很大的信心，不同於電動車充電站的電池是車主的，Gogoro的電池是他們自己的、自主性相對高，因此最早也是台電主動找上Gogoro談研究合作的，他看好「Gogoro將是第一個完成V2G、VPP（虛擬電廠）商業模式的業者，」對Gogoro而言，在換電站業務上，也是找到了一個新的商業模式。

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。」

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。