電價不調等於「百姓補貼大戶」,台電恐虧1500億元! 一文看懂為何必須漲電費
電價不調等於「百姓補貼大戶」,台電恐虧1500億元! 一文看懂為何必須漲電費

電價若繼續凍漲,不能反映燃料上漲的成本,恐將造成台電今年虧損超過1500億元;從台電虧損預估、台灣供電品質、國際電價來比較,台灣調漲用電大戶的電價,已是勢在必行。

編按:《今周刊》1330期「用電太便宜 電網韌性、產業轉型恐跛腳」一文,引發回響,讀者陸續投書;其中,本文作者透過細部精算,從台電虧損預估、台灣供電品質與電價的國際比較,乃至於國內用電結構等,逐一盤點「台灣必須調漲電價」的具體理由,值得一讀。

為了達成2050年淨零碳排目標,台電調漲電價,特別是調漲用電大戶的電價,已是勢在必行。

台電的虧損與日俱增,從台電官方網站可以看出,台電2022年1至4月底,已經產生469億元的赤字,相較於去年同期獲利147億元,兩者差距616億元。其中,電費收入比去年同期僅增加43億元,但因全球煤炭、天然氣價格大漲,致使台電燃料支出增加高達549億元,是虧損大增的主因。

electricity_electric_tower_electric_energy_power_t
圖/ pxhere

國際燃料飆漲 台電虧損加劇

進一步從細項分析,燃煤平均輸出一度電的發電成本,由2021年自編決算的1.57元,上漲至2022年2.72元,漲幅73%;燃氣成本由1.92元,上漲至2.58元,漲幅34%。

但,這還不是台電最慘的時候。台電天然氣採購都是來自中油,而中油天然氣5月牌價是每立方公尺約15.96元(未稅),與台電1到5月購買的加權平均單價12.69元(未稅),依然有一定的差價。以今年度台電將使用的天然氣量,乘以其差額,若情況未改善,台電還要額外增加262億元的天然氣成本。

以此推算,台電今年累積虧損總額可能高達1500億元以上,這還不計算中油幫台電負擔一部分的天然氣漲幅,以目前台電扣除核四投入成本後的淨值不到800億元,根本無法承受如此大的虧損。在此之下,若電價再不漲,台電難保不會成為另一個台鐵!

依據世界銀行電力取得報告調查資料,以平均每戶停電次數(SAIFI;全年停電次數/總用戶數)及平均每戶停電時間(SAIDI;全年停電時間/總用戶數),作為各國供電可靠度的評量指標,台灣2019年分別為0.21與0.27,這與歐盟電力品質前五大的德國(0.30與0.25),相差無幾。

換言之,台灣供電品質堪稱可與歐盟「績優生」德國,並駕齊驅,但德國在這波能源危機之前,平均電價已是台灣的4倍。德國的電價,在2020年就達每度31.47歐分(約新台幣11.5元),比前1年漲3.4%,電價已位居歐洲之冠。

台灣電價所得比遠低主要國

如果以電費占家戶所得比率來分析,德國家庭用電占家戶所得約4.89%;至於台灣,根據台電數據顯示,去年非夏月電價每戶平均用電312度、電費為599元,而夏月(6至9月)每戶平均用電433度、電費1058元,以平均加權計算,每月電費為752元,全年平均每戶電費支出總計為9024元。

以行政院主計總處公布2020年台灣平均每戶可支配所得平均108萬元計算,全年電費占可支配所得僅0.83%,不僅遠低於德國的4.89%,甚至低於高度仰賴水力發電的挪威(0.93%)、加拿大(1%)、美國(1.24%)、瑞士(1.39%)等。

再進一步計算,即使台灣電價上漲10%,每戶家庭一個月約僅減少75元的開支,相當於少吃一個排骨便當,影響程度遠不及房貸的調整。房貸占台灣家戶所得比約34%,利率漲1碼,1千萬元、20年期的房貸,每個月就要多繳約1千1百元。

除了不需過度誇大電價上漲,對於民生的影響之外,長期電價偏低導致台電不斷虧損,也造成台灣電力結構無法改善,並影響國家能源政策、綠電普及與2050淨零碳排的達成。

近幾年,受到極端氣候影響,台灣電網韌性不足,急需重建,加上大量再生能源的加入,併網後,使得電網起伏大增,必須靠儲能設施與加強智慧電網來因應,這些建設都需要龐大資金。然而,台電顯然缺乏經費去有效改善脆弱的電網系統,更難以增加再生能源的儲能設備、發展智慧電網。

再以全球再生能源模範的德國為例,德國電價主要分三部分:除了電力採購費用(占比24%)外,另有電網費用(25%),還要支付再生能源附加費(20.2%)、其他稅費(包括增值稅16%、特許經營費5.2%、電力稅6.4%等),也就是說,德國電費有近一半,是用在發展智慧電網與再生能源。

台電電力交易平台
圖/ 台電

用電大戶低電價由全民補貼

台灣究竟是誰在用電?若從台灣用電的結構來看,2020年用電比率最高的是工業用電,占總用電量55.6%,住宅與服務業用電分別為18.5%與17.1%,遠低於工業用電。

從台電的資料分析,2020年台灣工業用電1度為2.4元,不僅低於日本4.78元,還比工業大國中國的2.72元及競爭對手韓國的2.79元更低,成為亞洲工業電費最低的國家。近兩年,日、韓為反映燃料成本上漲,都陸續調高電價,其中日本調高24%、韓國5.6%,台灣卻仍無動於衷。

再從排碳類別來看,2020年排碳比重,工業占了48.74%、運輸14.17%、住宅11.54%、服務業10.35%、農業1.15%,由此可見,工業才是碳排大宗。

若以德國政府的「環境外部成本估算方法」計算,台灣前十大排碳企業,所造成社會與環境的外部成本,約在6千5百億元左右,且這些企業大多為出口產業,電費不調漲,等於是靠全體老百姓在補貼。

台灣「用電大戶」大多為鋼鐵、石化、半導體業,它們也是「排碳大戶」。因此,台灣要解決電價問題,應該從調漲排碳量高的用電大戶電價做起。過低的工業用電及碳稅,加上對用電大戶強制用綠電的時程壓力太少,都是造成用電大戶對減排不夠積極的原因。

事實上,近來不少產業界重量級人士,也已跳出來呼籲政府應讓電價合理調漲,除了台塑集團的台塑、南亞、台化,近日在股東會上公開喊話之外,包括和碩董事長童子賢、台達電創辦人鄭崇華等,均有類似表態,顯見產業界對於目前「全民補貼工業用電」的作法,亦不樂見。

此外,台灣電價應採取浮動費率,如同油價一般。因為台灣燃煤以進口為主,煤炭與天然氣價格會隨著全球市場波動,台電應該隨時反映成本,以減少台電虧損。事實上,在2017年公布的「公用售電業電價費率計算公式」中,雖有「每次調幅不超過3%」的原則,但也強調,當「供電成本持續大幅上漲或下跌時」,得視電價穩定基金運用情形,「就調幅進行適度調整」。

碳捕捉成本高缺少減排誘因

另方面,應考慮制定合理的碳定價機制,企業若不使用綠電,也要課徵合理的綠能捐。美國總統拜登在減碳政策的其中一環,就是積極擴大獎勵企業碳捕捉(CCS),對工業應用(每噸85美元)、油氣田儲存(每噸60美元)、空氣捕捉(每噸130至180美元),都給予高額的抵稅權,大大加深企業投資碳捕捉設備的誘因。

反觀台灣,碳費僅為每噸1百至3百元,讓排碳大戶幾乎無感,加上碳捕捉成本遠高於目前台灣的碳費價格,大部分企業不太可能選擇碳捕捉,來減少碳排。要求用電大戶大量用綠電或課徵綠能捐,才是符合台灣產業現況的政策。

如今,全球經濟受到極端氣候、疫情封控影響甚巨,且全世界地緣政治風險升高,加上通膨問題看不到終點,台灣不能再過度依賴燃煤進口,必須要能源自足,而再生能源發展迫在眉睫,也不能再以低電價補貼工業大戶,盡速調漲工業用電,才能為台灣經濟、產業轉型提供一個新出路。

本文授權轉載自:今周刊

責任編輯:傅珮晴、錢玉紘

關鍵字: #台電
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