【圖解】中鋼、台電都投入碳捕集、商機上看2兆美元，專家：未來「得碳者得天下」|數位時代 BusinessNext

【圖解】中鋼、台電都投入碳捕集、商機上看2兆美元，專家：未來「得碳者得天下」

要把二氧化碳排放量歸零，除了改良製程、使用綠電，碳捕集技術被視為邁向淨零的最後一哩路，透過捕集煙道口排出的二氧化碳，製成有價的化學品。

排碳大戶專研碳捕集，把碳製成化學品

王錫欽表示，中鋼最近接到客戶的要求提高產品使用再生材料比例，去年要求8%，今年達到20％，後年上看40%，「現在沒有把減碳做好，難以存在國際供應鏈體系，已經到了生死存亡之際。」

因此中鋼投入碳捕集技術，由於煉鋼製程會產生大量的高爐氣與轉爐氣，裡面含有一氧化碳、二氧化碳，透過碳捕集技術收集並加以純化，再透過化工製程與氫氣反應，可轉化為甲醇、甲烷等化學品。

未來透過「鋼化聯產」策略，中鋼提供一氧化碳與二氧化碳給石化業生產化學品，預估每年可減碳290萬噸二氧化碳，甚至可為石化業創造800億元以上的產值。

中鋼是台灣最大鋼鐵業，未來透過「鋼化聯產」策略，中鋼提供一氧化碳與二氧化碳給石化業生產化學品，預估每年可減碳290萬噸二氧化碳，甚至可為石化業創造800億元以上的產值。

圖／中鋼

不只中鋼，台電、中油也投入碳捕集技術。台電表示，計畫在台中火力發電廠蓋一座碳捕集工廠，預估每日二氧化碳最大捕獲量約6噸、一年約可捕獲2千噸二氧化碳，主要供應廠內智慧溫室使用並銷售。

中油於去年底在大林煉油廠建置實驗級碳捕集設備，中油表示，初步先設置一座小型試驗工廠，實驗將捕捉後的二氧化碳透過中油煉製技術製成化學品。初步了解，目前國內碳捕集工廠都還在實驗階段，尚未商轉。

排碳有價來臨，捉碳成熱門科技

其實碳捕集並不是近幾年才有的新科技，早在1970年代就展開概念驗證，直到2021年商業化，目前全球碳捕集工廠超過100個，每年二氧化碳捕集能力超過4000萬噸，其中美國、歐盟處於領先地位，截至2021年底，歐美累積項目占全球63%。

碳捕集技術若要擴大，從實務面來看，第一、降低碳捕集設備的耗能強度，補獲碳的設備，需要大量的電力、相當耗能。第二、研擬碳封存的地點，目前台灣已針對碳封存的法規、沙盒展開研擬推動。

另一股拉力在碳成本，今年2月份歐盟每噸碳價推升到97歐元，遠高於目前碳捕集平均成本60歐元/噸，排碳價格高漲，增加了企業、政府的減碳壓力，都為碳捕集帶來新轉機。

「目前全球碳捕捉能力約4千萬噸，但國際能源總署預估2050年需求量上看76億噸！」王錫欽認為量能仍有待擴大。未來碳捕集的量能規模是否能夠擴大，仍有賴技術的突破與成本的下降。

責任編輯：侯品如

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。