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。

Q  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?

A 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?
**

**A **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?
**

A 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?

A 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
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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