新電費怎麼算？夏月電價6月1日上路，計算方式是什麼？一道公式秒懂|數位時代 BusinessNext

電費將從4月1日起調漲，住宅每月用電700度以上調漲3％，逾1,000度調幅達10%，高壓及特高壓的產業用電大戶調漲電價17％。

而自6月1日開始，電費就將以「夏月電價」開始計算，炎炎夏日到來，再加上今年4月起調漲電費，許多民眾對電費增加很有感。台電說明，住宅用電111年7月僅調1000度以上，有1290萬戶(97.43%)用戶不受影響；112年4月僅調700度以上，有1231萬戶(92.94%)用戶不受影響。小商店用電部分，111年7月所有用戶均未調整；112年4月僅調1500度以上，有76萬戶(83.59%)用戶不受影響。

究竟新的電費帳單怎麼算、繳多少電費以下將不受影響，《數位時代》透過試算範例，帶讀者一次看懂。

夏月電價開始時間？

一般民生用戶：6月1日～9月30日
產業高壓用戶：5月16日～10月15日

夏月電價計算方式？

全台有近98％的用戶都是以累進方式計算電費，總共分為6個級距

用電度數級距	非夏季電價	夏季電價
120度以下	1.63元	1.63元
121度到330度	2.10元	2.38元
331度到500度	2.89元	3.52元
501度到700度	3.94元	4.80元
701度到1000度	4.74元	5.83元
1001度以上	6.03元	7.69元

至於夏月電價要怎麼算？從電費帳單上的「計算度數」，經常度數所代表的是用戶一期（兩個月）的用電度數。

假設小明的家在「夏季電價」實施時，共用了400度電，當月應計電費如下：

計算方式：1.63 元×120 度＋2.38 元×(330 度-120 度)＋3.52 元×(400 度-330 度)＝942 元

應用公式：「每段消耗電的度數Ｘ每度電費費率」的加總

台電指出，夏月電價僅影響每個月用電120度以上(一期兩個月用電240度)的電費部份，調幅介於13%到28%。根據台電統計，全國378萬戶每月平均用電在120度以下，只須維持平時用電情況，便完全不受夏月電價影響

電費調漲分3類：

經濟部3月17日舉行電價審議委員會拍板電費漲價幅度，調漲對象分為住宅、商家、工業用戶3類：

住宅部分：以每月用電700度為門檻，每月用電701~1000度微調3%，用電1001度以上調漲10%。
商業部分：基於穩定物價考量，每月用電1501至3000度調幅3%，3001度以上調漲5%。
產業部分：中小型工廠、商辦、超市等低壓用戶調漲10%，大型工廠與百貨等高壓及特高壓用戶調幅17%。

同時為降低電費調漲的衝擊，針對2022下半年用電量較2021年同期下滑1成的產業，涵蓋非酒精飲料製造業、紡紗業、織布業等19個行業、共1.9萬戶符合電費漲幅減半的資格。

新電費怎麼算？哪些人不受影響？

台電說明，若以電費帳單（2個月一期）來看，以下用戶電價將不受影響： 住宅部分 ：非夏月（10月至5月）帳單為3,832元、夏月（6至9月）帳單為4,508元以下的用戶將不受影響； 商業部分 ，非夏月帳單為9,056元、夏月帳單為1萬1,096元以下的用戶，將不受影響。

電費帳單2個月一期，只有「超過的度數」才會被調漲

台電解釋，一般住宅用戶收到的電費帳單都是2個月為一期計算，本次住宅用電700度以下不調漲，因此只要2個月的用電在1,400度以內，就不會漲價。

且國內住宅電費為累進計費制，電費調整方案是700度以上調漲3％、1,000度以上調漲10％， 意思是超過的度數才會被調漲，而非所有度數都會被調漲 。以單月用電710度來說明，只有多出來的10度電，費率會被調漲。

台電統計，夏月用電每月不超過700度者約占住宅用戶數88%，非夏月約占95%，平均93%用戶不受影響。

電費帳單試算範例——住宅用電

若住宅用戶收到電費帳單（2個月一期）為1,420度（即每月710度），表示在1,400度以內單價不變，只有20度的單價調整3%。經試算，夏月電費由4,621元增至4,624元；非夏月電費由3,924元增至3,927元。每期電費增加約3元。

若住宅用戶收到電費帳單為2,020度（即每月1,010度），表示在1,400度以內單價不變，其中600度單價調3%、最後20度單價調10%。經試算，夏月電費由8,043元增至8,159元；非夏月電費由6,701元增至6,796元。每期電費增加95~116元。

電費不調漲的有哪些產業？

經濟部表示，本次電價調漲，農漁業、學校（幼兒園至大專院校）及社福團體（使用維生輔具之身障家庭、庇護工場、立案社福機構及護理之家等）電價不調整。

另外，分租套房多戶共用同一電表，只要申請裝設智慧電表（免費），並接受台電節能輔導者，即使每月用電超過700或1,000度，本次累進費率亦不調漲。

延伸閱讀：核二廠2號機除役，會缺電嗎？缺口怎麼補？電費會調漲嗎？

電費不漲行業別代碼如下：

另外，產業111年下半年用電衰退10%以上之產業調幅減半。用戶於台電登載之行業別，將於下期電費單上列示，若登載之行業別與實際用電用途不符，可洽台電各營業據點辦理變更。

不調整行業別(代碼-小分類)包括：「農作物栽培業(011)」、「畜牧業(012)」、「農事及畜牧服務業(013)」、「漁撈業(031)」、「水產養殖業(032)」。

調幅減半行業別(代碼-小分類)包括：「非酒精飲料製造業(092)」、「紡紗業(111)」、「織布業(112)」、「不織布業(113)」、「染整業(114)」、「紡織品製造業(115)」、「成衣製造業(121)」、「皮革、毛皮及其製品製造業(130)」、「人造纖維製造業(185)」、「塗料、染料及顏料製造業(192)」、「玻璃及其製品製造業(231)」、「鋁製造業(242)」、「銅製造業(243)」、「金屬刀具、手工具及模具製造業(251)」、「金屬結構及建築組件製造業(252)」、「金屬加工處理業(254)」、「光電材料及元件製造業(264)」、「自行車及其零件製造業(313)」、「外燴及團膳承包業(562)」。

延伸閱讀：苦了245萬租屋族！房東的「電價天花板」每度飆到7.69元，台電提這招解決

責任編輯：林美欣

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。

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。

「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