中華電信全光網路IOWN切入AI基礎建設，電信商卡位算力樞紐解決限電危機|數位時代 BusinessNext

AI算力卡在電力，誰來解？中華電信用全光網路搶進AI基礎建設，電信商卡位算力樞紐

沒電影響 AI 算力擴張？中華電信以全光網路IOWN將分散機房虛擬為統一算力池，醫療影像跨區傳輸從1.25小時壓至2.7秒。電信業者能否解決算力瓶頸？

集中式資料中心難以為繼

王景弘指出，過去幾年業界聚焦於大語言模型的參數規模競賽，但隨著 AI 進入企業應用階段，架構問題的優先序已超越模型本身。王景弘援引 Gartner《2026 年技術成熟度曲線》報告指出，AI 發展重心正從模型競賽轉向基礎設施競賽，主權 AI、分散式混合基礎設施與 AI 網路架構均已進入期望高峰，代表企業對資料自主可控、多地分散部署與高頻寬低延遲算力網路的需求正快速成形。這意味著企業需要的不再只是高算力的集中節點，而是能夠貼近應用端、彈性調度的分散部署能力。

以北部用電受限為例說明，當企業無法在既有地點擴建算力，又不能為此搬遷，就必須透過網路架構突破地理限制。集中式 ADC 的另一隱患是韌性，單點斷電或設備障礙，將導致整體服務中斷，這對即時性 AI 應用而言是不可承受的風險。

全光網路串接分散節點，建立虛擬大型 ADC

中華電信提出的解法，是以遍布全台的機房節點為基礎，透過全光網路（IOWN）將分散的小型 ADC 串接為一個虛擬的大型運算資源池，並搭配自研的 RDMA（遠端直接記憶體存取）加速器，解決長距離傳輸中 CPU 成為瓶頸的問題。王景弘說明，傳統 RDMA 技術主要用於短距離伺服器間資料搬移，中華電信將其延伸至廣域網路場景，使跨機房的 AI 推論延遲趨近於同機房水準。

系統層面，分散式 ADC 架構設有統一的算力雲管平台，整合算力、儲存與網路資源的跨 DC 動態調度，具備算力資源池化、跨區備援、多租戶隔離、RDMA 跨雲傳輸加速，以及資源用量即時可視化等六大功能。王景弘特別點出成本可視性對老闆的重要性：「現在三大公雲從帳號計價改為 token 計價，估算下來成本大概會增加三倍。」算力雲管平台可依實際用量計費，讓各部門的 AI 支出做到可控、可追溯。

高雄智慧城市與台南跨國串接，兩案例驗證可行性

王景弘以兩個已落地案例說明分散式架構的實際效益。其一為高雄市燈塔計畫：整合全市各局處攝影機，透過視覺語言模型（VLM）進行 24 小時自動辨識，涵蓋智慧交通、港務、城市安全與工業應用共 108 項場景。算力來源分布於高雄與台南永康兩座機房，資料主權依法留存高雄境內，透過全光通訊實現跨點即時推論。

其二為國科會大南方新矽谷計畫，中華電信與日本電信電話（NTT）合作，以 IOWN 跨越 3,000 公里串接台日兩地機房，驗證自駕車遠端接管、醫療影像跨域傳輸等應用。另有實測數據顯示，醫療影像從台南傳輸至北部（約 300 公里），透過 IOWN 僅需 2.7 秒；同等條件下走傳統網路需耗費約 1.25 小時。

算力跟著電力走，下一步是全台節點布局

王景弘透露，中華電信目前正依照產業特性，盤點全台機房節點的適合部署位置，規劃核心、區域、邊緣三層 ADC 架構，以對應不同算力規模與延遲需求。資安方面，他強調「零信任架構」以確保跨節點資料流不外洩，涵蓋資料儲存、傳輸、運算三個階段的全程保護。他也預警企業須提前因應量子運算威脅：「雖然 2030 年量子電腦才會出來，但現在已經有人開始蒐集你所有的 log，等到量子電腦出來就立即破解。」中華電信目前正研發對應的加密防護機制，讓企業在 AI 部署擴張的同時，不必以資料安全換取算力彈性。

在王景弘看來，下一波 AI 競爭的勝負手，已從模型能力移轉至能源、網路與算力的協同效率。分散式 ADC 結合 AI Grid（AI 算力池化）智慧調度，讓算力不再受制於單點電力，而是能隨需求動態配置；電信業者，則因同時掌握網路、能源接取與算力節點，正站上這場競爭的關鍵樞紐位置。

走進蔬果加工廠，同樣是100公斤高麗菜，最後能做出多少成品？答案不見得相同。氣候、產地與品質影響原料條件，客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言，這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例，即使機械手臂已經訓練好辨識特徵，面對形狀各異的蔬菜，仍難以判斷該從哪裡抓取。農產品的天然變數，卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作，成為宜展投入數位轉型的起點。

從紙本、LINE到數據，先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶，業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察，農產加工的關鍵經驗往往掌握在資深員工手中：該買多少菜、原料損耗多少、訂單增加又該安排多少人力，都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單，現場靠人工整理訂單、對照不同客戶的加工規格；如今宜展利用AI辨識訂單內容並匯入ERP，再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量，逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談，了解採購、派工與品管的作業方式，再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正，才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物，宜展正與技術夥伴規劃導入AI影像辨識，輔助產線末端檢查。林佑澤表示，每批農產品品質不同，比起單看良率，他更重視客訴是否減少。隨著訂單與製程資訊逐步累積，宜展也希望進一步建立需求預測、採購建議與生產排程模型，減少營運對資深員工個人經驗的依賴。

不只把菜切好，乾燥加工尋找第二成長曲線

除了改善截切本業，宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動，生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限，開拓附加價值更高的加工業務。

不過，乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間，不夠乾就反向調整。每批原料的水分與成熟度不同，反覆試做不僅增加成本，也難以維持品質一致。「品質目標沒有設定的話，前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工：先決定產品希望達到的口感、含水率與水活性，再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備，並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備，最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數，希望未來透過AI找出適合不同原料的乾燥曲線，減少反覆試做。

「我們主要還是要做代工，想要做一個功能性的原料平台。」林佑澤說，果乾目前更像是展示技術能力的產品，未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業，乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力，宜展便有機會從既有蔬果供應鏈，切入附加價值更高的食品原料市場。

從彰化走向桃園，驗證營運方法能否跨區複製

隨著加工流程逐步數位化，宜展也開始思考，這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園＋後，宜展擴大與桃園產業生態系的連結。林佑澤提到，天際線協助邀集不同局處了解團隊需求，並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作，增加北部原料來源。這項合作不只拓展了供應來源，更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶，先前中南部連日降雨，蔬菜供應受到影響，宜展便從北部調度蔬菜，以不同產區互相支援，降低天候對供貨的衝擊。此外，團隊也透過天際線資源，獲得參與日本國際伴手禮設計競賽的輔導，並成功榮獲金賞獎肯定，除了展現產品的創新與設計實力，也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步，宜展規劃以桃園大溪作為第二個驗證場域，將彰化累積的資料、SOP與加工管理經驗，轉化為可複製、可優化的營運管理模式，帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出，未來若要跨區域擴張，不可能每到一個新地方，就把原有團隊整批搬過去。因此，宜展希望將資深員工的實務經驗，轉化為標準化流程與數據模型，結合AI進行生產排程、資源配置及營運決策，讓新場域能依據當地條件快速調整，降低對特定人員經驗的依賴。

從彰化到桃園，宜展接下來要驗證的，是這套從傳統農產加工現場整理出來的管理方法，是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。長期目標是降低新場域的建置成本與管理複雜度，提升擴張效率，讓傳統農產加工業具備規模化發展的能力。