【觀點】核電為何是台灣不可避免的選項?從「AI算力需求」盤點中日韓能源政策
【觀點】核電為何是台灣不可避免的選項?從「AI算力需求」盤點中日韓能源政策

愈來愈多的國際大廠,要求它們的供應商承諾使用「再生能源」,以減少碳排放,遏止日益嚴重的地球暖化問題。

什麼是「RE100」?為何企業爭相加入?

2014年,由「氣候組織」與「碳揭露計畫」合作成立「RE100」(100%再生能源)能源倡議行動,呼籲各國企業共同守護自然環境,採用百分百「綠電」生產,減少碳排放,以及環境污染。解決未來燃料缺乏,以及氣候變遷等問題,讓企業能夠永續經營下去。

加入RE100的會員,必須公開承諾在2050年前,有階段性地達成100%再生能源之目標,並提報逐年使用綠電的進度,實際的會員平均目標是 2025 年前達成100%使用再生能源。

目前全球約有400多家企業成為RE100會員,其中著名的企業有蘋果、谷歌、微軟、Meta、3M、IKEA、BMW、瑞士銀行、花旗銀行、高盛、可口可樂、Nike、SONY、星巴克、沃爾瑪、寶僑、樂高等大企業。

台灣方面,台積電、聯電、世界先進、環球晶圓、宏碁、華碩、台達電、緯創、中華電信、佳世達、友達、元太科技、國泰金控、富邦金控等30餘家RE100會員。

近日,微軟公司將要求主要供應商在2030年前,100%使用再生能源,微軟宣稱將要求特定規模高產量的供應商,100%使用無碳排放電力。

生成式AI商戰:微軟篇
微軟近日要求主要供應商在2030年前達到100%使用無碳排放電力。

為何科技業迫切需要「低碳排」電力?

台灣的高科技公司是全球品牌公司的主要的代工生產商,若是無法快速邁向綠能,達成100%零排放的目標,將會造成公司經營的「迫切危機」。

電力是驅動工廠運作不可或缺的來源,在台灣的工廠若是無法使用「綠電」則很可能無法達成客戶需求,進而影響客戶的訂單。

用電大戶台積電,近年來陸續簽訂一些離岸風電供應合約,主要是希望藉此達成RE100的目標。 2023年台灣電力來源的結構,對實現RE100的目標有很大的障礙。

燃煤仍是台灣發電大宗

台灣電力發電的來源主要是仰賴「化石燃料」, 其中,燃煤發電占42.2%,天然氣發電占39.6%,合計達81.8%。石油發電占1.34%,加總起來,化石燃料占台灣發電量達83.14%

再生能源部分,太陽能發電占4.6%,水力發電占2.5%,風力發電占2.2%,合計9.3%。除此之外,核能發電占6.3%,由於不排放二氧化碳,故可將之視為「綠電」。另有一些定義不明確的再生能源占1.2%。合計台灣的低碳發電僅占總發電量約16.8%。

從全球的數據來看,2023年化石燃料約占全球發電量的60%,其中燃煤占35%,天然氣占22%,其餘為石油等燃料。

低碳發電占40%,其中水力發電占14.5%,核能占9.2%,風力發電占8%,太陽能發電占5.6%,生質燃料發電占1.8%。

對比台灣與全球的資料,顯而易見的是, 台灣過度依賴化石燃料發電,低碳發電比率偏低,欲達成RE100的目標有很大的難度。

火力發電廠
燃煤發電仍占台灣電力42.2%,導致達成RE100目標難度很高。
圖/ MC-Bauchemie官網

台灣「綠電」的不利因素

近年來台灣積極發展太陽能發電、風力發電,企圖提高再生能源的發電比率,不過太陽能發電、風力發電有先天上的限制。

台灣地小人稠,可放置太陽能板的面積有限,因此造成太陽能板與「魚場」、「農田」,搶地,美其名為「魚電共生」,造成生態被扭曲破壞。

風力發電朝「離岸」發展,不過台灣氣候特性是冬季吹東北風風力強,夏季吹西南風風力弱。冬季東北季風強,是風力發電最佳的發電季節,可惜的是台灣夏季用電量較冬季高很多。

太陽能發電、風力發電,皆是「看天臉色」發電。太陽能發電只有發電「半天」,「日出而作」、「日落而息」。風力發電看何時「起風」,發電量不穩定。

為了配合再生能源的不穩定姓,電力公司的輸配電網必須能容納不穩定的電源,同時必須有24小時不停歇發電的「基載電力」,方能有穩固的電力供應。

離岸風電 風機 風力發電機
離岸風電的不穩定因素高,讓電力公司仍得考慮其他「基載電力」。
圖/ 台灣電力公司

AI時代「電力即國力」

核電是很理想的基載電力,可以全日發電,而且成本低,同時也可被視為綠電,是台灣邁向「綠電」的「解方」。

電力是驅動現代科技的推手,沒有電,所有科技產品全面停擺。電是現代社會不可或缺的資源,很難想像在沒有電的世界生存。若是沒電,住在高樓層大樓的住戶幾乎無法出門,所有現代化的便利設施全面停擺,人類回到「茹毛飲血」的原始時代。

進入人工智慧時代,電力更是重要的資源,沒有電力就沒有「算力」,沒有「算力」就沒有「智慧」。

經過一年多的發展,生成式人工智慧愈來愈成熟,運用愈來愈多元,背後驅動的力量就是仰賴「電力」生出的「算力」。

根據IEA(國際能源總署)的估計,2022年「資料中心」、「虛擬貨幣」及「人工智慧」等應用,全球約需消耗460 TWh(兆瓦小時)電力,約占全球電力需求的2%。

預估到2026年,資料中心、虛擬貨幣及人工智慧的電力需求,將達620-1050 TWh,這代表從2022年到2026年資料中心、虛擬貨幣及人工智慧,必須增加160-590 TWh的電力需求,相當於至少增加整個瑞典的用電量(160 TWh),最多需增加整個德國的用電量(590 TWh)。

亞馬遜AWS資料中心.jpg
AI時代來臨,龐大的算力需求讓全球能源需求同步激增。圖為亞馬遜AWS資料中心。
圖/ AWS

「生成式人工智慧」快速發展,領導企業不時發布令人驚艷的功能,在光鮮亮麗令人興奮的新功能背後是電力消耗隨之快速上升,因此有穩定成長的供電設施,是國力的指標。

除此之外,邁入低碳、無碳的發電設施,是進入新時代競爭力的重要門票。

低碳排又穩定,核電走出車諾比陰霾?

根據IEA的估計,到2026年「低碳排能源發電」將有3項重要的「轉折點」。

首先,到2025年再生能源發電量,將超過全球總發電量的三分之一。

其次,低碳排放發電(「再生能源發電」加「核能發電」)占全球總發電量的比重,將由2023年的39%,快速上升到2026年年底的46%,逼近一半。

最後,以全球的角度來看,低碳排放能源發電,將滿足現在到2026年所有對電力額外增加的需求。

為達到低碳排放能源發電,核電成為世界各國積極增建的項目。從2024年到2026年間,全球將有29 GW(十億瓦)容量的新核能發電設施上線,其中過半的新增核電容量在中國及印度。

JPG.jpg
根據IEA調查,2023年全球的新增核電容量,大比重集中在中國及印度2國。

全球各地新的核電開始商轉,法國恢復核能發電,日本也重啟核電,使全球核能發電容量創歷史新高。預估2026年全球核能發電量,將由2023年的2,741TWh增加到2,959TWh。

相比中日韓,台灣「低碳發電」敬陪末座

台灣低碳發電比:16.8%

回頭看台灣電力結構,化石燃料(煤炭+天然氣+石油)發電占比高達83.14%, 低碳排放發電僅占16.8% ,很難符合世界潮流。將來台灣廠商外銷,將面臨很大的困難,除了被課高額的碳稅外,也有可能被排除在供應商之列。

韓國低碳發電比:38.4%

韓國2023年電力結構,化石燃料占約61%(燃煤占31.2%,天然氣占28.51%,石油及其他占1.1%) 。低碳排放電力占38.4% ,其中最大的來源為核電,占整體電力的29.15%。太陽能發電占5.34%,生質能源占1.96%,水力發電占1.27%。韓國在低碳發電能夠大幅超越我國,主要是拜核能發電之賜。

日本低碳發電比:32.1%

日本2023年電力結構,化石燃料占約68%, 低碳電力占32.1% 。化石燃料中天然氣占31.78%,燃煤發電占29.09%,石油占3%,其他化石燃料占2.2%。低碳排放電力部分,太陽能占10.1%,水力發電占8.34%,核能發電占7.91%,生質燃料占4.39%,風力發電1.03%,地熱能發電占0.3%。日本低碳排放電力的比重較我們高出許多。

中國低碳發電比:36.3%

中國在低碳排放電力的表現,也較我們佳。

中國2023年電力結構,化石燃料占約63.67%(燃煤占60.4%,天然氣占2.99%,石油及其他占0.28%)。其中 低碳排放電力占36.3% ,水力發電占13.66%,風力發電10.61%,太陽能發電占5.76%,核能發電占4.48%,生質燃料發電占1.83%。

「廢核家園」真的好嗎?

近年來,中國大陸,大舉興建核電廠,將提高低碳排放電力的比率。台灣低碳排放發電占比較中國、韓國及日本差,將來競爭力將不如中、日、韓。

韓國核能發電占比高達29.15%,遠大於台灣的6.3%。韓國是台灣產業的強大競爭對手,高占比的核能發電,不僅讓韓國的碳排放量大幅降低,同時也使發電成本下降。

面對將來電力需求持續增加,以及低碳排放的需求,台灣的電力需求除了發展太陽能、風力發電外,增加核能發電的容量是無可避免的選擇。

延伸閱讀:核能除役,為何童子賢說「台灣不會缺電」?比起缺電,他更擔心這件事

責任編輯:李先泰

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