依賴單一能源是危險的選擇
依賴單一能源是危險的選擇
2008.02.01 | 科技

全球氣候異常已經不是新鮮話題,問題是,我們可以做哪些事?減少二氧化碳的排放污染,可能是首要的工作。

在科技領域執牛耳的麻省理工學院,自二○○二年針對全球暖化危機及能源問題,成立了相關的能源委員會,第一個研究主題是「核能的未來」(The future of Nuclear power);二○○四年則開始推動「煤碳的未來」(The future of coal)研究計畫,試圖找出可行的解決方案。委員會成員之一的麥克雷(Gregory J. McRae)教授,受到時代基金會邀請,來台參與「策略性創新與領導如何趨動經濟成長」論壇。在短暫的訪台行程中,接受《數位時代》的專訪,分享他對現今能源問題的觀察。

  這一、兩年大家都很關心能源的問題,其實在一九七○年代,也同樣發生過能源危機,就你的看法,這兩次的危機有何差異?

 一九七○年代的問題,相關比較單純,就是石油供需與價格的問題。但這次我們所面對的,不只是供需而已,我們很明顯地面臨人類如何永續生存的議題。過去我們談能源,多半只著重所謂的能源規模(scale),但現在我們必須從整個能源的基礎結構(infrastructure),比如它整個供應鏈是如何運作。此外,也要從整個能源使用的生命周期(lifecycle)來進行考量。

**Q 就你的觀點,哪些替代性能源是你所看好的?
**

 從能源的來源來看,我們有很多選擇,石油、煤碳、風力、太陽能、生質能(biomass)、天然氣、電力等。我們其實缺的不是能源,而是過去我們太依賴單一能源的使用,就目前的使用情況,再生能源的使用比例不到一%,所以使得能源造成失衡的問題。
比如說最近大家都很看好用玉米等植物提煉轉化的生質能,它並不是新的技術,早在一九二五年的時候,

《紐約時報》(The New York Times)就出現過相關的報導。相較石油的供應,生質能的確是比較充裕,也比較符合所謂綠色地球的期待,可是我們現在所面臨的挑戰不只是氣候問題而已,近來我們就看到,因為生質能的熱門,造成糧食短缺及價格上漲的問題。

再舉個例子,太陽能也是最近很受歡迎的方案,它的確不會造成污染的問題,可是大家比較忽略的是,大概要花上三年的時間試運轉,才能讓太陽能產出大量的能源。

我一直要強調的是,每種能源都有好處及限制,所以我們該做的事,應該是讓每一種能源在最合適的狀態下被使用。

**Q 你近來很積極地在推廣「潔淨煤」(clean coal)的應用,就一般人的認知,煤還是比較污染性的能源,你們的作法會是什麼?
**

 從使用量來看,煤碳在能源的選擇上扮演重要的角色,所占的比例大約是二五%,僅次於石油的三四%,主要原因還是因為它的價格便宜,產量充足。就目前的價格,每百萬熱能單位Btu,煤碳大約是一到二美元,石油或瓦斯卻要六到十二美元,因此大型發電廠對它的依賴度還是會持續成長,特別是在新興國家或發展中國家更是如此。

中國每星期就有兩座五百百萬瓦(Megawatt)的大型發電廠正在興建中。而一座這樣規模的發電廠,一年會產生三百萬噸的二氧化碳。因此我們應該做的事,是想辦法收集發電過程中所排放的二氧化碳廢氣,然後將這些廢氣再進一步做再生利用。

舉例來說,在美國假如我們能把一座火力發電廠六○%的二氧化碳進行回收壓縮成液體,灌注到適合的地層中進行地質封存(geologic sequestration),就可以降低二氧化碳的污染問題。

Q 目前的解決方案,看起來還是比較針對大型電廠的應用,對於一般企業, 他們能做些什麼?

 以台灣的情況來說,台灣有相當好的製造能力,所以除了在製造過程中減低污染外,另一個很好的機會,是參與相關設備的開發。畢竟我們現在所面臨的能源問題,是必須從政治、經濟、科技多方面入手的工作,愈多人參與重視,一定會帶來正向的結果。 

麥克雷(Gregory J. McRae) 
●現職:麻省理工學院化工系教授 ●學歷:畢業於澳洲Monash大學,之後取得加州理工學院碩博士學位 ●經歷:曾獲得美國總統年青化學家獎(1984年)、獲選美國科學促進會(AAAS)環境科學院士,目前兼任美國環境保護署審察委員 ●研究領域:大氣環境與氧化物形成、酸性物質與氣候影響、多媒介環境中的化學傳輸現象 

我們缺的不是能源,而是過去太依賴單一能源。
每種能源都有其好處及限制,
所以我們該做的應該是,
讓每一種能源在最合適的狀態下被使用。
 

往下滑看下一篇文章
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合

因應生成式 AI、代理式 AI 與實體 AI 的崛起,模型成為企業資訊基礎設施的一環,企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本,以及確保 AI 基礎設施的安全與穩定;有鑑於此,服務超過 2,000 家企業客戶上雲的勤英科技(ELITE CLOUD)將業務範疇從雲端代理延伸到 AI 基礎設施整合商,協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源,在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作,企業的核心競爭力不再僅是擁有 AI,而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示,為協助更多企業推進 AI 創新實務,勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色,進一步轉型為 AI 基礎設施整合服務商,透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務,協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra,企業最大挑戰不是模型、算力而是管理

過去幾年,許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」,提升員工工作績效,而代理式 AI 的崛起與普及,則讓「內嵌 AI 的企業應用」快速成為新常態,從企業資源規劃(ERP)、顧客關係管理(CRM)、人力資源(HR),到客服、研發甚至製造系統,AI 開始深度嵌入各類企業應用,AI 扮演的角色也從單純的輔助工具,逐漸進化為企業營運與決策流程的重要核心。

也因此,企業保持未來競爭力的關鍵,不再是「有沒有導入 AI」,而是「是否具備管理 AI 的能力」,包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent,以及如何避免 AI 成為新的資訊孤島,都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代,意味著企業若只押注單一模型,未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示,企業接下來更需要以「Models as Infrastructure(模型即基礎建設)」的思維,將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理,將資訊系統架構重塑為 AI 基礎建設。

勤英科技_內文1.JPG
圖/ 數位時代

勤英科技服務的客戶數超過 2,000 家,不少客戶已導入 AI 應用服務,正積極建置 AI Infra 與管理環境,因此,勤英科技自 2025 年積極轉型,將 AI Infra 視為企業長期競爭力的基礎建設來經營,業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商,例如與多模型平台 MixRoute 合作,並開發可支援單一登入(SSO)、彈性調度不同大型語言模型 Token 的管理平台,協助企業簡化模型管理與成本控管,將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合,勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關,勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本,以及落實資安治理,更因應不同使用情境推出三種 AI 方案助力企業:

第一:提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋,透過整合 Gemini 的 Google Workspace,企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能,包括會議摘要、文件生成、簡報整理等,快速提升員工生產力,同時,增強企業對 AI 應用的信心,為之後的應用深化做準備。

第二:協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說,除以生成式 AI 打造企業大腦,還會透過代理式 AI 提升自動化執行能力,重塑工作效率。」黃士培表示,勤英科技可以基於 Google Gemini Enterprise,提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務,讓企業員工可以自然語言安全調用企業資料,讓 Agent 進一步執行任務與推動流程。

舉例來說,勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞;另在影音內容生成領域,勤英科技亦協助客戶導入 AI 自動化技術,將內容產製成本縮減達 90%。

第三:提供多模型聚合管理平台,滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作,提供企業客戶多模型管理平台,讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型,並透過單一帳號、單一帳單與 Budget Alert 機制,管理 token 使用量與 AI 成本。

勤英科技_內文2.JPG
圖/ 數位時代

「透過我們提供的多模型管理平台,企業客戶不會被單一模型綁定,可以在模型快速疊代的環境下,更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說,隨著 AI 應用從單點工具走向大規模企業部署,下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力,而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因:當 AI 開始成為企業營運的一部分,企業需要的,已不只是模型供應商,而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊,請查詢網站:https://www.elite.cloud/zh/

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
代理式商務連動百兆商機
© 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