人類最重要的一場科技戰史

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

隨著核電廠陸續退役，台灣也逐漸邁向零核家園，郭台銘突然提出的「一縣市一核電」把核能議題的熱度重新炒到高峰。

雖然看似激進，但有人認為如果是郭董提到的「小型核電廠 SMR」的話，或許就有可能。這個 SMR 到底是什麼？它安全嗎？再者，它真的是核電的未來嗎？

實際上已經有人成功運行小型核電廠，並且已經併網發電了，他們是怎麼做到的？

小型核電廠是什麼？

台灣現在僅存，還在運作的核電廠就是核三廠，核三有兩部機組，每個機組的發電量大約為 950MW。

小型核電廠正式的名稱是「小型模組化反應爐」SMR（Small Modular Reactor），發電量通常在 20~300 MW，比一般核電廠小上許多。還有甚至更小，發電量 1～20 MW 的 MMR（Micro Modular Reactor）的反應爐。

奇怪，發電量怎麼越發展越小了呢？這樣不就得要蓋更多核電廠？

小型核電廠的特點就是小發電量，因為這能創造三個優點：安全、造價便宜、易組裝。

核能那麼危險，為什麼還要用？

這三個優點實際上就是現在核電發展的最大瓶頸。核能發電也已經有 60 年歷史了，但至今全世界的發電量中，核電也只佔大約 10%。最大的問題不外乎就是安全性、造價昂貴和建造時間久。

就算撇除安全性，漫長的建設時間與昂貴的發電成本，是讓許多電力公司卻步的原因之一。根據能源研究公司 BNEF（彭博新能源財經）的調查，從 2009 年到 2021 年，12 年間核能的建設成本增加了 36%；加上核電廠動輒 5～10 年的建設時間，就算核能是屬於低碳排的發電方式，大家也都更傾向選擇發展成熟的再生能源。

核能有一個最大的優點，那就是穩定持續發電。太陽能與風力這些再生能源容易隨天氣與時間影響發電量，反之核能屬於基載電力，本來就與風力、太陽能定位不同。

小型核電廠如何克服安全性？

要好要快也要便宜，除了穩定與低碳，還想要兼顧安全跟造價低的核電，小型核電廠真的是那個完美的選擇嗎？

小型核電廠 SMR 主打的特點就是一個字，小！只要夠小、功率降低，反應爐就不會一口氣釋放太多的熱，甚至能免除外部冷卻設備，靠自然循環降溫。

福島核電廠發生意外的主因就是海嘯破壞了核電廠中做為緊急電源設備的發電機與電池，導致冷卻系統失效，最後反應爐內的溫度無法抑制、不斷竄高，將水分解成了易燃的氫氣，產生爆炸。

如果 SMR 的反應爐可以撇除對外部冷卻系統的依賴，靠自己就能降溫，就能最大程度避免發生爆炸以及爐心熔毀的事故。

我們以目前 SMR 發展最成熟的美國公司 NuScale 為例，在他們發展的 60MW 反應爐中，含有 37 個燃料束，整個反應爐高約 17.8 公尺，直徑約 3 公尺。這個大小甚至可以在工廠製造，透過貨車或火車運送至預定地再快速組裝起來，大幅減少建造的時間與成本。

NuScale 把水循環系統都包在了反應爐，一次冷卻劑藉由熱對流上下循環，完全不需要幫浦，減少停電時產生的風險，一次冷卻劑的熱則會傳給二次冷卻劑，讓二次冷卻劑變為蒸氣推動渦輪發電。

如果真的遇上斷電事故，反應爐也有緊急冷卻系統，直接將整個反應爐泡在大水槽中；根據計算，水會在 30 天後完全蒸發，而此時的反應爐功率已經降低為原本的 4% 以下，只要靠空氣循環就能穩定溫度。

中國的小型核電廠是怎麼做到的？

而現在，在中國已經有第一座陸上 SMR 併到電網了！2021 年年底，中國山東省「石島灣高溫氣冷堆核電站示範工程」正式併網發電，發電功率 200MW，雖然發電廠的總體積不小，但以它的發電功率及主打安全的設計，是實實在在的一座 SMR。

所謂的「高溫氣冷堆」，指的是流經燃料棒，充當冷卻劑與熱交換的材料，所使用氣體如：氦氣。與壓水式反應爐用水作為冷卻劑的最大差別在於不僅熱轉換效率更好，也不用擔心水因高溫氣化而有爆炸風險，故可承受更高的反應溫度。

比起傳統反應爐，高溫氣冷堆可以用更少的鈾 -235 進行反應，也就是能在燃料棒中有更多的鈾 -238 可以在溫度飆高時吸收掉多餘中子，加上高溫氣冷堆本身就能承受高溫的特性，如果真的遇到失去電力的情況，整個反應堆的溫度，也會穩定在 1600℃ 上下。

除此之外，石島灣核電廠的設計十分有趣，是球狀反應爐。在如同沙漏般的大反應爐中，燃料棒被做成了一顆顆直徑約 6.7 公分的燃料球，兩萬七千顆燃料球像沙漏中的沙子一般填充在反應爐內。

鈾燃料會被包裹在球狀構造的中心，外頭則是作為中子減速劑的石磨；作為冷卻劑的高溫氦氣會從球的中間通過帶走熱量，燃料球可從下方取出，並從上方填充。

不過，高溫氣冷堆能否成功，還需要許多時間觀察，例如石磨包裹的燃料球是否容易摩擦造成破裂，都是需要進一步注意的。

小型核電廠的未來？

除了中國外，各國也都在發展不同形式的 SMR，甚至有人在發展功率 20MW 以下的微型核子反應爐 MMR。例如美國愛達荷國家實驗室正在建造的 MARVEL 反應爐，以及核能公司 Radiant，它們正在打造貨櫃大小、可以隨拉隨走的 MMR，希望能取代社區停電時使用的高污染柴油緊急發電機。

不論是小型還是微型核電廠，除了技術還有待發展，成本是否能壓低，也是個重要指標。當然，還有另一個大魔王，就是核廢料問題，還等著被解決。

根據研究推算，NuClear 各種機型每單位能量產生的核廢料可能會是傳統核電廠的 5.5～30 倍不等，球狀反應堆的體積因為球狀包裹物的設計，核廢料的體積也是明顯可見的變大，而這些核廢料的處置問題也是全球都在面對的問題。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

比爾蓋茲（Bill Gates）創立的「突破能源風險投資基金」（BEV）所投資的其中一家，是瑞典新能源開發公司「倍速羅得（Baseload Capital）」，這家公司在 2019 年選了台灣花蓮的紅葉村，作為亞洲地熱開發地點之一，顯示台灣在地熱發電的潛力。

不過你知道嗎？其實早在 1981 年台灣地熱發電就曾經領先國際，當時在宜蘭清水設置的地熱發電廠，是全世界第 14 個進行地熱發電的國家，但後來到 1993 年就關廠不用了，到 2021 年才重新再次運轉，為什麼呢？ 這次我們來聊聊臺灣在地熱發電上已經做了哪些開發？又有哪些實際的困難和需要突破的地方。

發展地熱發電的成本和考量

地熱開發就像談戀愛，不能在 App 上聊得愉快就直接把身家都交給陌生的他，還是得面對面深入交往才知道這人到底存不存在，值不值得真心託付，能不能長長久久。地熱能開發本身，也是件高度不確定的事，以探勘地熱來說好了，即使有科學研究資料輔助，最終還是要認真挖探勘井到一定深度，才有辦法判斷到底能否作為發電之用，無法保證一定有成果。

再說，就算確定有好的熱源，若要開發臺灣地底深處的熱能，就必須挖掘深的地熱井，也就意味著要付出高昂的成本。一般而言，鑽井成本少說占了整個地熱發電計畫的 30% 到 50%，甚至是更高。根據美國康乃爾大學（Cornell University）的研究團隊於 2013 年發表的估計，地熱井深度和鑽井成本的關係，大致可以用這張圖來表示。隨著深度增加，鑽井費用亦大幅上升。

而且，每個計畫會開發的地熱井，絕對不只一口，以宜蘭的利澤地熱電廠來說，就預計會有 11 口 6 公里深的井，所需費用的龐大可想而知。

同時，鑽井會遇到許多不同的困難。看過電影世界末日都知道，如果岩盤堅硬又粗糙，那麼不但鑽井的進度會變得緩慢，鑽頭也會磨損得特別快。另外像是卡鑽、穩定鑽頭的泥漿流失等等，都是必須面對的挑戰。

另一方面，在開發地熱時，依地區而異，可能會遇到腐蝕性流體，如含氯離子或硫酸根的地下水，因此必須選用耐腐蝕的機具和管材，或是用化學方法中和；而當熱液從地底冒出到地表時，也可能伴隨硫化氫等有害氣體，要是聞到臭雞蛋的味道還可以跑，要是濃度高到讓人嗅覺疲乏可能小命就要難保。

此外，地下水中的雜質和礦物質，可能會隨時間經過附著在管壁上，導致發電效率下降，定時清理也是個麻煩的差事。

隨著科技的進步，雖然這些麻煩在原則上都能夠處理，卻也是無法免除的成本，在規劃時就必須仔細考量因應措施。

說了這麼多，到底用地熱發出來的電貴不貴呢？發電成本會因地區、時間和技術的提升而異，不同單位做出來的評估也會不同。若我們比較近年來幾個不同組織評估的全球均化發電成本（Levelized cost of electricity），也就是電廠生命週期總成本除以生命週期總產生能源，大致可以看到這樣的結果，不同顏色代表著不同單位的評估。

以全球總體來說，目前地熱發電每發出百萬瓦小時電力的成本，跟太陽能和陸域風電相比稍微偏高，但跟其他能源相比倒也不至於比較貴。必須留意的是，這只代表近年的能源價格狀況，也跟電力公司發布的發電費用是完全不同概念，而且隨著未來地熱往深處探勘、或技術的成熟，成本還有可能提高或降低。

臺灣的地熱發電發展

事實上，臺灣在地熱發電曾經領先國際，1981 年就在宜蘭清水設置了地熱發電廠，是全球第 14 個進行地熱發電的國家。

只不過，臺灣的地熱發電量從一開始的 828 萬度一路下滑，到 1995 年完全歸零，從 2017 年之後才又往上提升。這中間到底發生了什麼事呢？

一來，清水地熱電廠早期進行發電時，利用完的熱水並沒有回注地底，而是直接排掉，造成地下水耗損；二來，像我們前面說過的，地下水中的礦物質於地熱井管壁結垢；這兩大因素使得清水電廠的出水量銳減，僅過一年發電能力就大幅下降，最終導致 1993 年的關廠。

從此，臺灣的地熱發電沉寂好一段時日，直到 2013 年清水地熱電廠重新建置示範機組，進行運轉測試，2018 年開始發電，並於 2021 年底正式重新啟用，才宣告復活，目前也有擴大發電規模的計畫進行中。當然，這一次，在地下水回注跟結垢問題的處理上，都比之前更好。

除了清水地熱這個示範點，從 2018 年開始，也有台東知本溫泉業者利用既有溫泉資源進行發電，且併入台電電網，成為臺灣小規模地熱發電首例。

那麼，臺灣的地熱發電就此熱熱鬧鬧熱到家了嗎？倒也不是。我們可以從兩個面向，行政流程和開發誘因分別討論。

臺灣的地熱發電關卡：繁複的行政流程

長久以來，臺灣在地熱資源的開發一直缺乏適當的法規和配套流程。若要進行開發，必須依照《溫泉法》和《水利法》申請，但卻沒有任何一項是跟發電直接相關，法規細節也不符合地熱發電的特性。

此外，土地使用根據涉及的區域，仍須依《都市計畫法》、《區域計畫法》、《森林法》、《國家公園法》、《地質法》、《災害防救法》、《水土保持法》等規定辦理，不但要面對中央和地方政府許多不同單位，行政程序亦曠日廢時，相當不容易。

就像兩人交往之前，得先經過她爸、她媽、二舅、大嬸婆、還有指導教授跟前男友同意才行。以才剛重新啟用的清水地熱電廠來說，雖然施工只要一年多，跑行政流程卻花了四年。這樣冗長繁複的申設程序，無疑拖累了臺灣的地熱發電發展。

有鑑於此，最近的「再生能源發展條例」修正草案，簡化了地熱發電申請的行政程序，也新增相關規範，並於 2022 年 12 月初在行政院通過，後續將送往立法院審議，值得我們關注後續的發展。

臺灣的地熱發電關卡：開發誘因不足

地熱發電要付諸實行，除了技術和法規必須到位之外，還必須有經濟效益，才可能成真。

我們可分別從計畫的探勘期、開發期、和營運期三個階段來說明。

首先，地熱發電計畫在探勘期風險極大，很有可能挖了探勘井，卻沒有好的熱源，回不了本。

舉例來說，從 2017 年底開始，台電在綠島進行了兩口地熱試驗井的鑽探工程，最終卻發現溫度並不理想，而暫時將計畫擱置。

而在開發期，臺灣目前沒有保障地熱探勘者優先開發的權利，就算找到熱源，卻可能被其他業者搭便車，捷足先登開發，得不償失。相關法規後續要怎麼訂定，是值得討論的議題。

最後，營運期的收入，若無法彌補成本並獲利，就也不可能吸引廠商投入。為此，躉購費率，也就是再生能源保證收購制度的訂定就非常重要。

縱上所述，因為地熱計畫存在諸多風險，初期又需要龐大的經費，如果沒有政府支持，民間廠商非常不容易投入。

目前來說，臺灣政府設有「地熱能發電系統示範獎勵辦法」，針對探勘給予補助；既有的地熱探勘初步資料在「地熱發電單一服務窗口」網站也都可查詢，並由經濟部中央地質調查所邀請國內 12 個與地科、地質相關校系，籌組「地熱探勘學研合作平台」，投入前期的地質調查，讓廠商有開發的參考依據。同時，地熱發電做為再生能源的一環，每年也會重新修訂躉購費率。

至於這些措施合不合宜、是否真能發揮效用，增加廠商投資意願，就有待我們觀察。

隨著再生能源越來越受到重視，全球的地熱發電於這十幾年內增加了許多。

雖然在總容量上，與其他主流能源還有不小差距，但因為技術的進步，地熱發電逐漸能夠擺脫地域的限制，更廣泛地被運用。

而台灣位處環太平洋火山帶，深具地熱發展潛力。可惜的是，即使是臺灣最容易開發、深度較淺的地熱能源，其潛能亦尚未完全發揮。經濟部原本設定 2025 年地熱發電目標要達 200MW，卻因為行政流程繁瑣和開發誘因不足等各種原因，導致開發進度緩慢，只能下修目標。

現在，台灣地熱累積的併網裝置容量約 5MW，雖然還有二十多個地熱計畫正在進行中，也有民間公司積極投入，宣布最快要在 2030 年累積建置達 200MW。但上述問題一日不解決，臺灣的地熱就難以真正施展拳腳。

如果我們希望臺灣的地熱發電能夠更蓬勃發展，那麼，相關法規的訂定和行政流程的簡化是一定要做的，接著要完善獎勵措施和補助機制，並設定合理的電價制度。在整個過程中，一些地熱發展良好的鄰近島嶼國家，如日本、菲律賓、印尼、紐西蘭的相關政策，也值得我們借鏡。另一方面，在土地的使用上，如何和在地民眾溝通與協商，也是重要的工作。

可以說，不需要燃料，極低碳排放，但是前期建置成本佔比高，營運費用相對低廉，是地熱發電的特色。儘管潛力巨大且有著諸多好處，但技術上的挑戰，和地理條件的限制也擺在那邊。

• Beckers, Koenraad F., et al. “Introducing GEOPHIRES v1. 0: Software package for estimating levelized cost of electricity and/or heat from enhanced geothermal systems.” Proceedings, Thirty-Eighth Workshop on Geothermal Reservoir Engineering, Stanford University, Stanford, California. Vol. 11. 2013.