【觀點】核三廠為何應該延役?從減碳排、經濟角度分析,以及你的恐懼
【觀點】核三廠為何應該延役?從減碳排、經濟角度分析,以及你的恐懼

熱浪來襲,電力成為不可忽視的存在,跳電、缺電都成為敏感話題。再加上核三1號及2號機預計在2025年5月17日除役,現階段台灣再生能源、天然氣新增機組發展趕不上用電缺口,台灣電力的供需狀況,再度引發討論。

目前大家注意的焦點是電力供給是否充足?價格會不會上漲?或許可以從「淨零排放」與「經濟角度」角度思考,核三廠究竟該不該延役?

首先,從減碳排方面來看。

2023年,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%。

2023年全球低碳發電占39.3%,歐盟低碳發電占69.7%,美國低碳發電占40.7%,中國低碳發電占35.3%,日本低碳發電占31.5%,韓國低碳發電占38.3%,印度低碳發電占22%,越南低碳發電占42.2%,皆較我國高出很多。

更麻煩的是今年核三廠一號機除役後,我國低碳發電占比將下滑到13.6%,明年將更進一步下滑到10.5%(不計新上線的再生能源)。

台灣電力在在全球低碳排已落在「後段班」,待核三廠1號、2號機除役,將是「雪上加霜」。

再以「經濟層面」來分析。

核三廠除役將造成台電鉅額的經濟損失,對虧損累累的台電而言,無異是沉重的打擊。

核三廠1號機、2號機,分別於1984年7月、1985年5月開始運轉,迄今已40年。核三廠建廠費用新台幣947億元,早就攤提完畢,目前核三廠運轉成本很低,2024年到4月底的發電成本為每度1.12元。

台電今年到4月底共售出717億度電,電費收入2094億元,平均每度售價為2.92元。核三廠每部機裝置容量為951萬千瓦,每年每部機約可發出75億度電,2部機合計可發150億度電。

以每度電2.92元售出,一年電費收入438億元,扣掉成本168億元,淨收入為270億元。這對2023年虧損3826億元的台電而言,不無小補。

核二廠1號機、2號機分別於2021年12月、2023年除役,在此之前,台灣每年核電發電量約在300億度左右。2019年台灣核電發電量為311.47億度,2020年為303.42億度。

假設核二廠、核三廠獲得延役,則每年應該可貢獻300億度電,依今年1-4月的資料計算,每度電的利潤約2.93-1.12=1.8元,每年核電可產生540億元利潤,這對台電有很大的裨益。

除了經濟利益外,淨零排放,沒有核電根本無法達成。「國際原子能總署」(IAEA)署長「格羅西」指出全球生產的清潔能源(指生產過程不會排放二氧化碳)中,超過三分之一來自核能,核能已是減排過程中的關鍵角色。

核二廠
假設核二廠、核三廠獲得延役,則每年應該可貢獻300億度電;圖為核二廠。

最後,是對於核能的「恐懼」。

如果沒有核能,2050年幾乎不可能實現「零排放」的目標。許多人對核電的安全性心存疑慮,主要是有三個嚴重的核電廠意外事件。

1979年3月28日,美國賓州三浬島核電廠(Three-Miles Island Nuclear Generating Station)發生事故,部分爐心熔毀,是美國最嚴重的核電廠事故,所幸事後處理得宜,未對周圍居民造成傷害。該地區居民經流行病學研究,癌症等放射性相關疾病在統計學上沒有顯著的增加。

Three_Mile_Island_(color)-2.jpg
美國賓州三浬島核電廠部分爐心熔毀,是美國最嚴重的核電廠事故。
圖/ 維基百科

1986年4月26日,於前蘇聯烏克蘭的「車諾比(Chernobyl)核電廠」發生核子反應爐破裂事故,是最嚴重的核電事故。這起事故,爐心熔毀引起爆炸,並嚴重毀損反應爐建築物,引起大火,放射性物質外洩,烏克蘭、白俄羅斯及俄羅斯境內,皆受到嚴重核污染。

車諾比事件主要原因是反應爐設計不當及管理不良。

IAEA_02790015_(5613115146).jpg
車諾比事件主要原因是反應爐設計不當及管理不良。
圖/ 維基百科

2011年3月11日,日本東北地區發生大地震,位於福島的第一核電廠,因抽水機電力中斷,無法運作,不能向爐心注入冷卻水,導致爐心熔毀,是嚴重的核電事故。這起事故除了天災外,人為管理不善,事故處理錯誤,導致災禍無法及時遏止。

從1954年6月第一座商用核電廠在蘇聯啟用後,迄今已有70年。目前全球約有416座核電廠運作中,並且有59座核電廠在興建中。雖然有三起重大的事故,基本上核電廠是相當安全。

由於大家對核電安全戒慎恐懼,非常重視,因此核電廠的作業規範十分嚴謹,經數十年累積無數的管理經驗,加上科技的進步,新型核子反應爐更大幅提升核電的安全性。

太陽能、風力等「潔淨能源」,何時能承擔用電重任?

很多人對太陽能、風力發電有過度的期許。目前太陽能電池的光電轉換效率約15-22%左右,而且太陽光強度及溫度皆會影響太陽能電池的發電效率。

為了達成較多的發電量,增加太陽能板的面積是不得不的選擇。加上每天只有在有陽光的時段下方能發電,而且陽光強度各時段不同,發出的電量不均一,對電網造成接受的問題,因此太陽能光電不是很理想的發電方式。

台灣土地面積只有3.65萬平方公里,而且山地及丘陵地約佔全島三分之二以上,對發展太陽能光電是很不利的制約。

太陽能電廠_台南鹽田光電場
台灣土地面積只有3.65萬平方公里,對發展太陽能光電是很不利的制約。
圖/ 台電

根據童子賢董事長的估算,台北市面積為271.8平方公里,假設全部舖滿光電板,可獲得374.6 萬KW的發電容量,核三廠2座機發電能力共190.2萬KW發電容量。

值得注意的是,M374.6萬KW發電容量的光電板,每天的發電量大概不到40%,核三廠是可以24小時不停歇發電。

有人提議核三廠除役後將之改為光電廠,台電規劃將核三廠的55公頃土地設置光電場,預估每年發電5800萬度,與核三廠二部機共發電150億度比較,核電發電量是光電發電量的259倍。

核三廠全廠區占地354公頃,可容納六部機組,若增建四座最新型核電廠,每部機組容量為1350萬千瓦,每年可發電400億度,加上原有的兩座機組每年發電150億度,6部機組共可發電550億度。這相當2023年總發電量2454.6億度的22.4%,同時可大幅提高低碳發電的比率。

核三外觀圖原圖().jpeg
核三廠全廠區占地354公頃,可容納六部機組。

AI時代來臨,電力需求將大幅成長,更重要的是電力不僅要有足夠的供應,而且要有高低碳發電的占比。

從經濟的角度、減碳排的觀點來看,核三廠應該延役,如此方可幫助台電減少虧損,讓台灣低碳發電占比不會快速降低。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

延伸閱讀:童子賢:綠能應與核能搭配!他口中的「能源黃金比例」是什麼?綠能有何致命傷?

責任編輯:林美欣

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