面對AI算力與資料中心推升的耗電時代，電力需要更多，也必須更穩定、低碳。除了持續開發新的再生能源之外，另一個問題浮上檯面：當綠能電廠愈蓋愈多，誰來負責維運？
台灣大哥大於8月18日宣布，旗下台灣固網攜手將捷集團旗下結元能源開發，在新北市金山四磺子坪、硫磺子坪2座地熱發電廠，導入5G專網、Edge AI、IoT感測、機器狗及生成式AI維運系統，據台灣大表示，這是全台首座導入「5G × AI-RAN」的智慧地熱電廠。
根據台灣大實證結果，導入AI後，電廠巡檢效率提升超過20％，機器狗自主巡邏完成率超過95％、辨識正確率達90%。另外，AI則會根據氣候及設備數據，自動判斷是否啟動水霧降溫，讓夏季發電效率提升5％以上。
這項計畫背後，真正想解決不僅止於地熱電廠的發電效率，而是再生能源產業另一個長期面臨的難題：偏遠電廠如何降低對現場人力與老師傅經驗的依賴？
機器狗替人讀表、AI決定何時降溫，地熱電廠如何走向「少人化」？
不同於太陽能、風力發電會受到日照和風況的影響，地熱利用地下熱能持續發電，具備24小時供電能力，被視為少數具有基載特性的再生能源。不過，地熱資源往往位於山區，讓電廠維運比一般發電廠更加棘手。
台灣大指出，地熱電廠主要面臨4項挑戰，包括偏遠地區網路基礎建設不足、現場環境複雜、人力招募困難，以及維修知識高度集中在資深工程師身上。一旦老師傅退休，過去累積的故障判斷經驗可能跟著流失。
因此，這次實證首先從網路底層下手。由於山區鋪設有線網路不易，台灣大以5G專網搭配AI-RAN，建立低延遲的資料傳輸環境，再往上串接IoT設備、AI模型與各種智慧應用，把整套系統拆成「6+2創新應用」架構。其中，6項智慧應用包括機器狗自動巡檢、AI智慧安防、地熱設備與能源優化分析、AIoT智慧水霧降溫、AR視覺維修，以及生成式AI維運問答；另外2項基礎建設，則是由5G專網結合AI-RAN，以及AI工控戰情平台支撐。
地熱電廠與一般都市內的工廠不同，許多案場位於偏遠地區，有線網路鋪設不易，作業環境也較複雜。過去設備巡檢、異常判讀及維修，大量依靠工程人員到場處理；一旦缺工或資深人員退休，維運知識也可能跟著流失。
舉例來說，當實際運作時，工程人員早上可以先從中央控台掌握2座電廠狀況，再派出機器狗依照設定路線巡檢，辨識儀表數值並將資料透過5G回傳。到了中午氣溫升高，AI則分析氣候與設備運轉狀況，判斷是否啟動水霧系統降溫。
如果現場真的發生異常，工程人員也可以透過AR設備連線遠端專家，再搭配生成式AI查詢過往維修SOP、設備資料與歷史維修紀錄。台灣大表示，目前生成式AI維運問答成功率超過99.5%。
台灣大哥大企業服務事業商務長朱曉幸表示，台灣大過去曾參與高雄輕軌、松山文創園區等國發會專案，但地熱電廠場域「非常特別」。她指出，隨著AI算力快速增加，電力已成為支撐AI產業發展的關鍵基礎設施，地熱又具有穩定、在地生產的特性，因此這次合作不只是把AI導入電廠，更測試AI與能源基礎設施如何進一步整合。
金山只是第一站，下一步把智慧電廠模式複製到半導體、石化產業
對台灣大哥大來說，這2座地熱電廠更像是一個示範場域。在這項計畫中台灣大的角色定位為「生態系串聯者」，底層提供5G網路，中間串接AI算力與語言模型平台，再整合機器狗等Physical AI設備，希望將原本分散的巡檢、告警、維修與能源管理工作，集中到同一套平台。
「只要是工廠，在偏遠場域都可能需要這套系統。」朱曉幸指出，台灣正面臨少子化與缺工，巡檢工作又具有重複、辛苦甚至危險的特性，未來透過實體AI與虛擬AI模型搭配，有機會讓工廠從人工巡檢進一步走向少人化管理。
目前這套架構不代表所有企業都必須重新建置一套設備。台灣大說明，多數工廠原本就已有監視器、環控及設備系統，只要把既有資料串接到AI平台，就能逐步導入；至於機器狗等硬體，則可以依需求採買或採訂閱模式，降低一次導入門檻。
截至目前，AI服務大平台已串聯14家AI合作夥伴，相關產值約3,500萬元，應用領域則從能源逐步延伸至石化、半導體及製造業，部分智慧安防方案也已在印尼、泰國取得訂單。
朱曉幸表示，台灣大本身也是大型用電戶，年用電量約7.41億度，再生能源使用占比達18.6%。因此，如果這套AI平台可以在地熱電廠這類偏遠、高度依賴維運經驗的場域驗證成熟，下一步就能複製到半導體、石化及高科技製造等同樣面臨缺工、設備巡檢與技術傳承問題的產業。
從台灣整體地熱發展來看，經濟部能源署副署長陳崇憲表示，目前台灣地熱開發已掌握約20MW，朝2030年地熱發電裝置容量200MW目標推進。地熱後續能否加速探勘、擴大案場規模，將成為台灣增加穩定再生能源供給的重要關鍵。
同時，結元能源開發總經理洪向民則指出，目前台灣正在運轉中的地熱發電規模仍處於相當早期階段。現階段公司仍會先聚焦傳統地熱系統，把開發技術、發電效率與成本做到成熟，再持續關注增強型地熱系統（EGS）等下一代技術。
當AI帶動的用電需求快速增加，產業焦點往往集中在「去哪裡找更多電」。但這次地熱發電廠實驗也點出，必須在缺工時代，找到更有效率的管理方式。從機器狗讀表、AI自動降溫，到生成式AI接手老師傅的維修經驗，AI進入能源產業的下一步，或許不再只是幫忙預測發電量，而是可以開始直接參與一座電廠每天如何運轉。
