每年多賺1.5億美元！法國國會想用「挖礦」解決過剩電力問題|數位時代 BusinessNext

每年多賺1.5億美元！法國國會想用「挖礦」解決過剩電力問題

法國國會想推動為期5年的比特幣挖礦實驗計畫，善用核能與再生能源的多餘電力，不僅能創造最高1.5億美元年收入，也可降低核電成本。

發生什麼事？

法國國會推動為期5年的比特幣挖礦實驗計畫，善用核能與再生能源的多餘電力，不僅能創造最高1.5億美元年收入，也可降低核電成本，達成能源活化與經濟增長雙重目標。
面對再生能源發電的間歇與波動問題，議員提出以高耗電的比特幣挖礦吸收剩餘電力。挖礦餘熱亦可再利用於供暖與農業，兼具能源效率與永續價值。
此法案因政治立場與環保疑慮引發爭議，但政府已表態願意審慎研究。若成功推動，法國將與多國同步布局，將加密挖礦納入能源轉型與產業創新策略。

利用多餘電力打造挖礦實驗基地

法國國會正積極推動一項案，期望透過比特幣挖礦來活化國內電力資源、創造就業機會，並增加財政收益。這項提案指出，若能善用法國可觀的剩餘電力，尤其是來自核能與再生能源的過剩產能，每年有機會為國家創造高達1.5億美元的收入，降低核電固定成本，是「化浪費為資產」的策略。

這項草案由法國極右派「國民聯盟」（National Rally）國會議員提出，於7月11日正式送交國民議會審查。此為一個5年實驗計畫，電力生產商可將平時難以儲存的多餘電力，用來進行比特幣等加密貨幣的挖礦作業。根據法國數位資產發展協會（ADAN）提供的數據，若僅配置1吉瓦的剩餘電力，每年便可為法國創造約1至1.5億美元的收入。

除了把閒置能源變成實際收益之外，也可支撐法國龐大的核能電廠營運成本，讓原本需以低價賣出的剩餘電力，轉變為獲利來源。草案也呼籲，比特幣挖礦中心應與核能發電設施共址部署，且只能在電網出現過剩時啟用，形成即時調節、不中斷民生用電的穩定系統。

不只獲利，還能供暖？

推動該法案的議員指出，風力發電和太陽能發電等再生能源，在法國整體電力來源中所占的比例越來越高，電力供應會變得不穩定，像太陽能只能在白天發電、風力則取決於風速，有時有電、有時沒電，不是全天候穩定供電。

某些時段如果電力過剩，又缺乏足夠的儲能設施，就會導致電力被迫低價拋售，造成能源與經濟雙重損失。

法案中強調：「我們電力組成中可再生能源的比例日漸提升，卻也導致電網經常出現失衡與過度供電的情況，若無法妥善處理，這將是一種不可接受的浪費。」在這樣的脈絡下，比特幣挖礦因高耗電特性，反而被視為解方之一，能將再生能源「多出來的力量」變成為具體產值。

除了經濟效益外，法案也點出，比特幣挖礦所產生的熱能可望「餘熱再利用」。挖礦設備在高效運算過程中會產生大量熱能，這些熱能可導入區域供暖系統、農業溫室或工業生產等領域。芬蘭等國已有實例，成功將挖礦熱能應用在農業與永續基礎建設，法國議員希望借鏡這些經驗，打造低碳經濟。

此外，法案也強調該此實驗須在嚴格監管下執行，且預計由國務院主導，並要求參與的挖礦設施採用高效能硬體，落實碳足跡管理，符合法國環保標準。若試行6個月後效果良好，將評估是否擴大推行。

法案未來走向仍不明確

其實在上個月，法國已經有一項類似將比特幣挖礦納入能源政策的修正案，已經遭到國會否決。雖然這次以「實驗計畫」為名重新提案，但仍無法避免激烈辯論。

部分環保團體對此抱持保留態度，認為此舉恐助長整體電力消耗，加劇環境負擔。然而，法國政府目前則樂觀看待，表示將認真研究此提案，並視其為提升電網管理效率與培育新興產業的潛在工具。

此外，隨著美國德州、白俄羅斯、不丹、冰島等國或地區陸續將比特幣挖礦納入能源管理與經濟政策中，法國這項提案，可視為追隨全球趨勢，並嘗試在新一波能源與科技的結合中，搶占先機。

資料來源：CryptoSlate、Cryptopolitan

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。