台達電的氫能豪賭!南科實驗室直擊:2個原因,押寶氫燃料電池「不發火的發電機」!
台達電的氫能豪賭!南科實驗室直擊:2個原因,押寶氫燃料電池「不發火的發電機」!

隨著AI資料中心快速擴建,用電需求大幅攀升,對於穩定、低碳電力來源需求愈來愈迫切,未來一座100MW(百萬瓦)資料中心,就需要超過1萬顆電池模組。

走訪南台灣台達電淨零科學實驗室,工程師正快馬加鞭測試氫燃料電池技術,而貨櫃裡的燃料電池堆,出自台達電和英國技術夥伴Ceres Power之手,今年底,台達電將在台南廠的專屬產線正式量產SOFC(固態氧化物燃料電池)。

「從2021年我們就開始研究氫燃料電池,主要因為美國資料中心客戶對供電的需求非常急。」台達電氫能源應用新事業發展部總經理蔡文蔭坦言,現階段資料中心普遍面臨「買得到晶片,不見得買得到電」。

台達電氫能源產線
台達電台南廠生產氫燃料電池的產線,預計今年底開始量產,明年開始貢獻營收。
圖/ 宋明宗攝影

AI資料中心不只耗電驚人,成長速度更驚人。根據彭博預測,美國資料中心用電量從2025年的40GW,將狂飆至2035年的106GW。1GW等同於一座核能機組的發電量,簡單來說短短10年間,市場還需要額外興建八十幾座核電廠才能填補電力缺口;同時,國際能源總署(IEA)預估,截至2030年前,全球資料中心電力需求將年增兩位數。

但在減碳浪潮下,傳統燃煤電廠加速退場,而核電廠的興建時間又需要長達10年以上,再生能源面臨看天吃飯的間歇性問題無法滿足AI伺服器24小時運轉。更嚴重的是,老舊的電網無法承受巨大的負載,即使蓋電廠,也面臨「送不出電」的窘境。

蔡文蔭指出,面對建廠慢、審批困難、牽線路複雜的重重關卡, 美國科技巨頭資料中心用電轉向全新解方「自備電源Bring Your Own Power,自己的電自己發。」 這也是台達電氫能事業團隊看好氫燃料電池商機的關鍵原因之一。根據工研院報告顯示,2030年全球燃料電池市場規模可望成長至超過3,700億新台幣。

「選擇技術跟選男朋友一樣!」台達電為何押寶氫燃料電池SOFC發電?

其實,早在2021年,台達電就開始評估、佈局氫能發展潛力,並在2022年由台達電董事長鄭平成立氫能源事業團隊。而面對多元的氫能市場,總經理蔡文蔭的第一個決定,就是絕對「不碰氫能車」。

「選擇技術跟選男朋友一樣,選對方向很重要。」蔡文蔭笑著表示,雖然部分廠商推崇氫燃料電池車,但在短途的運輸中,純電動車的能源轉換效率遠高於氫能,氫能真正的優勢在於定置型發電和長途運輸。透過台達電在能源基礎設施的經驗,最終選擇量產固態氧化物燃料電池(SOFC)為主線,並引進英國夥伴Ceres Power的燃料電池技術。

台達電氫能源應用新事業發展部總經理蔡文蔭
「所有的發電裡燃料電池無須補水,更可以產生水。這對水資源緊缺的資料中心非常友善。」台達電氫能源應用新事業發展部總經理蔡文蔭表示。
圖/ 宋明宗攝影

原因一:發電效率高,比傳統主流發電方式高一倍

為什麼是SOFC?蔡文蔭進一步解釋,氫燃料電池的原理和傳統電池不同,「其實它比較像是發電機。」有別於傳統燃煤或燃氣發電,SOFC是一種電化學反應,它被稱為「不發火的發電機」。氫燃料電池發電效率達到65%,再加上熱回收最高可以達到85%,相比現在主流傳統發電機燃氣渦輪發電(Gas Turbine)的35%,高出了一倍。

原因二:運作過程中不需消耗水資源,真正達到淨零生產

他表示,除了在微電網與資料中心的應用場景中擁有高發電效率之外,SOFC運作過程中不需要消耗水資源,它的副產品甚至是純水,這對於極度耗水來冷卻的AI資料中心而言,真正達到淨零生產。

有了氫燃料電池,台達電也能往「離網型微電網」發展,簡單來說,可以不再依賴國家主電網,獨立發電系統,這也符合未來資料中心用電量高,必須自備發電、輸電與配電功能趨勢。

台達電氫燃料電池
SOFC 固態氧化物燃料電效率可以達 60% 以上、低噪音、低碳排,還可以回收水再利用,被市場公認為解決 AI 資料中心供電缺口的最佳方案。
圖/ 台達電提供

延伸閱讀:台達電靠一招,200條產線人均產能狂飆5倍!直擊「電源一哥」秘密武器

迎戰氫燃料電池高成本痛點,內部碳定價成解方

不過,任何顛覆性的新能源技術的落地,都必須面對「成本」的考驗。

市場上難免有質疑的聲音,SOFC的建置成本依然高於傳統電廠,如何說服企業買單?面對價格挑戰,蔡文蔭直言,傳統發電之所以便宜,是因為「把垃圾倒進空氣不用錢」,如果在不計入碳排代價的灰電市場中競爭,新技術當然價格昂貴。

不過,隨著全球淨零碳排的時程逼近,碳稅開徵已經成為不可逆的趨勢。蔡文蔭透露,台達電內部的碳定價高達每噸300美元,這並非隨口喊價,而是根據2050年淨零路徑精算出的成本。一旦將碳排放的外部成本內部化,加上SOFC極高的發電效率,它的商業競爭力將反轉,相對傳統燃煤機來得更有性價比。

與此同時,當電價持續上漲,自建燃料電池系統的成本,跟市電差不多,台灣工業電價5年來漲幅超過七成,已達每度4.27元,未來也只會更高,蔡文蔭堅信自備電源是未來大勢所趨。

AWS賓州資料中心.jpg
AWS位於賓州的資料中心。
圖/ AWS

而在面對國際上早已佔據氫燃料電池領先地位的競爭對手美國再生能源公司Bloom Energy,台達電自有品牌也有備而來。

「我們不只是單純賣設備,而是要結合台達專長,解決客戶用電的痛點。」蔡文蔭說道,掌握從電力轉換系統到客戶端服務的一條龍優勢,未來能直接輸出直流電(DC)給資料中心使用,省去交直流轉換的龐大電力耗損。

離開南科實驗室時,南台灣的陽光依然豔陽高照,而穿著工作服的工程師,正一步步將來自海外的尖端技術,轉化為台灣本土供應鏈量產的實力。台達電從早期的電視線圈起家,一路攻下電源供應器、電動車,再到闖入新能源氫燃料電池賽道。當外界以為台灣市值第二大的公司已攀上營運的歷史巔峰,對台達電而言,未曾停下腳步,目光也已看向新一輪潔淨能源的競爭。

延伸閱讀:
離岸風電國產化退場,世紀風電為何還能滿手訂單?兩大優勢,讓開發商非它不可!

關鍵字: #台達電 #氫能
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