廢熱回收及先進燃燒器科技節省能源

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

沿海濕地中的藻類、海草、紅樹林、鹽沼、和其他植物在生長過程中會吸收和捕獲二氧化碳。沿海和海洋生態系統捕獲和儲存二氧化碳的方式，稱之為「藍碳」。

被封存在海底的碳有一半以上來自這些沿岸的森林，它們捕獲二氧化碳的速度比傳統森林快了 4 倍，因為大部分的碳都進入幾米深的潮濕土壤中。以這種方式捕獲碳可以將之從大氣層中移除，降低空氣中二氧化碳的總含量。

1 公頃的紅樹林每年可以捕獲多達 8 噸的二氧化碳，遠比 1 公頃熱帶森林所能捕獲的量還要多。

在過去半個世紀以來，世界上約 30% 到 50% 的紅樹林遭到破壞

土壤的碳儲存方式

土壤是有生命的。當泥土被無數的有機微生物寄居時，就變成了土壤，成為植物生長的重要基質。

土壤還將世界上大量的碳儲存在一種物質當中，也就是所謂的土壤有機質（soil organic matter，SOM）。有機一詞在此並不是指沒有化肥或殺蟲劑，而是指存在大量的碳。通常土壤有機質含有 50% 到 60% 的碳。大多數用於農業的土壤含有 3% 到 6% 的有機質。

當植物原料（如葉子或莖）凋零掉落到土地上時，會被土壤中的微生物分解，這個過程將植物轉化為碳，並產生有機質。碳被封存在土壤中，不再以二氧化碳的形式釋放到大氣中。

犁田耕作會破壞土壤有機質和碳的儲存。耕地時，會使有機質暴露地表，更容易被微生物利用，迅速消耗土壤有機質，將二氧化碳釋放到大氣層中。每年由於耕作、侵蝕、或與氣候相關的土壤變化（如永久凍土融化），造成儲存在土壤中大約 10 到 20 億噸的碳，以二氧化碳的形式釋放回大氣層中。

土壤有機質可以保留或重建，使得大氣中的二氧化碳返回土壤長期封存。農民在施肥、將植物廢棄物（如玉米秸稈）留在田間進行分解、或種植覆蓋作物時，會增加土壤有機質。覆蓋作物是在生長季節過後、田間空無作物時種植，通常是草或三葉草，根部很深，能穿透土壤。如果在種植新的經濟作物之前讓覆蓋作物在田間分解，能夠顯著增加土壤中的有機質和碳。

最小化耕作（稱為保護性耕作）是另外一種防止土壤有機質流失（或使土壤慢慢再生）的方法。其中所謂的免耕種植，是指利用專門的播種機將種子放入一小塊翻鬆的土壤中，因此無須翻耕整片田地。

讓土壤恢復健康

泥土並不完全相同，土壤的養分含量會隨著時間根據其處理方式、和所處的環境而發生變化。

世界上三分之一的土壤已經退化到幾乎無法再支持動植物生存的地步。主要的一些原因是：

• 土壤耕作。
• 牛群過度放牧。
• 砍伐和焚燒樹木和植物（砍燒耕作法）。
• 未在冬季種植覆蓋作物。
• 覆蓋物不足。

亞洲、歐洲、北美和南美的大型工業化農場，由於大量重植大豆、小麥、大米和玉米等商品，因而加劇了土壤侵蝕。市場和債務的經濟壓力使可持續性農業做法在短期內難以實施。

從生產的食物品質到大氣中的碳含量，土壤健康都具有深遠的影響。土壤很健康時，可以平衡水循環、並發揮避震作用以防止洪水和侵蝕。1930 年代美國西部的沙塵暴侵襲（Dust Bowl）、和 2017 年波多黎各的洪水災害，都是氣候變化的災難性衝擊、和土壤侵蝕造成的自然災害實例。這些變化會對農業產生重大影響。

根據美國農業部的說法，農民可以透過 4 種方式創造更好的土壤：

盡量減少干擾

• 限制耕作。
• 使化學品發揮最大效益。
• 牲畜輪替。

強化土壤覆蓋

• 種植覆蓋作物。
• 使用有機覆蓋物。
• 保留植物殘留物。

強化生物多樣性

• 種植多種不同的覆蓋作物。
• 利用多樣化的作物輪作。
• 整合牲畜。

強化活根的存在

• 減少休耕。
• 種植覆蓋作物。
• 利用多樣化的作物輪作。

在地方層面，一般公民可以透過投票支持可持續性農業發展的立法和政策，以及購買可持續性農業經營的產品。

房屋所有者也可以透過全年種植多樣化的植物種類，讓自然生態發展，改善其房產周圍的土壤健康，這樣能強化活躍的根系、並創造生物多樣性。

大規模改變環境的「地球工程」

如果你生起營火、或是隨意處置一台冷氣機，那就是在用個人的行動改變環境。但是，當公司和國家有意大規模改變環境時，這被稱為「地球工程」（geoengineering）。

地球工程策略聽起來像是科幻電影情節似的：在太空中部署太陽遮屏，以使部分太陽能量反射回太空，或是從大氣中吸取二氧化碳，將之送入地下層變成石頭。科學家們正在探索更多這一類大規模修補地球系統的方法，使地球降溫，但迄今為止，許多方法都成本高昂、存在爭議、也充滿著風險。

以太陽遮屏為例，雖然聽起來像部署固體金屬片，但其實是模擬大規模火山噴發時的情況，在空中噴灑出濃密的灰燼和化學物質，進而阻擋太陽能量。可能在噴氣燃料中加入化學物質，以便高空飛行的噴氣機將之擴散到高層大氣中。

超級計算機預測，以這種方式噴射到平流層的反射硫粒子，可能會產生冷卻效果，當然，也會影響降雨、降雪和季節性溫度。目前還不清楚會到什麼程度，如果天氣變化太過劇烈，就不容易挽回損失，造成人人受苦。即使可以逆轉噴灑，停止這樣的計畫也可能造成危險，因為太陽射線突然少了阻擋而導致全球氣溫和溫室氣體驟升。

至於直接從空氣中吸取二氧化碳，將之儲存在地下岩層中，歐洲和北美已有 19 家工廠做到這一點，每年吸收約1 萬噸的二氧化碳。沒有人知道這種方式可以安全地封存二氧化碳多久。

一旦出現洩漏，土壤、水和空氣可能會受到汙染，而從地下層收集氣體也可能引發微震和地震。不管怎麼說，這個過程若想要成功，也必須得降低成本、提高效率才行（目前每噸的成本高達 600 美元），我們將會需要相當多家的碳捕獲工廠，才可能有辦法消除每年所排放的數千兆噸二氧化碳，以實現 2050 年淨零排放。

不同於將二氧化碳儲存於地下岩層，鐵質施肥（iron fertilization）是以海洋為重點的選擇。這個過程是將硫酸鐵注入海水中，促進藻類大量繁殖以吸收二氧化碳，然後沉入海底。成功率參差不齊，有 5% 到 50% 的藻類增殖，沉入到足以造成封存影響的深海。然而，完全有效可能需要付出代價：過量的藻類或許也會引發有毒浮游植物的生長高峰，而將二氧化碳儲存在海洋可能會加速海水酸化。

地球工程是一個冒險的賭注，一些科學家表示，這對於全球氣溫的衝擊微乎其微，尤其是考慮到不採取行動造成不良後果的可能性很高。但也有科學家指出，仰賴快速的工業解決方案，可能會使人們和企業忽略對於實際減少碳排放、或停止使用化石燃料應付出的努力。

有無數的公司和國家正在單方面從事地球工程研究。預計這些實驗將在世界各地不同軌道上展開。

利用二氧化硫進行地球工程

有些工程師提出一種低成本又快速的方法來減緩氣候變化⸺整頓碳房，同時「擺脫困境」。

就像鏡子反射光線、黑色車道在夏日變得炎熱一樣，外層大氣從太陽反射的光熱，也會對全球溫度產生影響。

30 年前，菲律賓的皮納圖博（Mt. Pinatubo）發生了 100 年來最嚴重的一次火山爆發，所噴發的灰燼造成了驚人的影響：一整年地球的平均溫度下降了約 0.5° C。透過使地球大氣層反射陽光，而不是吸收，地球變得比較涼爽。

地球工程學家正專注研究此一概念，在地球外圍創造一個人為的太陽遮屏。利用特殊裝備的大型噴氣式飛機，將不同的化學物質噴灑到高層大氣中，希望能一次改變地球多年的反射率，以人為方式降低地表的平均溫度。

透過地球工程，在大氣中添加懸浮微粒來複製火山噴發的自然效果。平流層氣溶膠注入的作用：

• 散射太陽光。
• 讓天空更明亮一些。
• 反射部分太陽熱量。
• 讓地球更涼爽一些。

透過在大氣中注入二氧化硫、鈦、或其他化學或礦物質，可以增加行星反照率（反射率）。

太陽能地球工程透過改變地球的輻射平衡，來治療氣候變化的徵狀，這方面的科學研究稱為「平流層氣溶膠監測」（stratospheric aerosol modification，SAM）。

據估計，這種方法一年成本不到 100 億美元，在大多數的氣候變化因應措施當中只是九牛一毛。一些專家認為，只要動用幾百架飛機即可完成，而且可以比預期更早開始。

研究人員馬克．勞倫斯（Mark Lawrence）2006年指出，「對地球工程可能性的嚴肅科學研究，如克魯岑和西塞隆（Crutzen & Cicerone）發表文章中所討論的，完全沒有得到氣候和大氣化學研究界的包容」，然而，到了 2016 年，他總結道，「在這些文獻發表後的 10 年間，雖然氣候工程仍然是極具爭議性的問題，但是在更廣泛的地球科學研究領域，那種禁忌感基本上已不存在」。

這種方法，還是有許多未經測試的現實問題：

• 這些化學物質將會使臭氧層出現什麼反應？
• 該由哪些國家規範這個過程、又該如何決定干預措施的地點和程度？
• 有什麼辦法能阻止組織和國家單方面進行？若有國家想要暖化加劇、或是有億萬富翁只是想要名利，該如何處理？
• 這將對人類、動物、植物、和海洋的健康造成什麼影響？
• 我們準備好長久持續進行了嗎？如果沒有，一旦陷入了相對低成本和快速的解決方案，又該如何下決心停止呢？

——本文摘自《圖解全球碳年鑑：一本揭露所有關於碳的真相，並即時改變之書》，2022 年 9 月，商業周刊，未經同意請勿轉載。

碳捕捉：把電廠排出來的二氧化碳再抓回去！

一九九〇年代，尚未開發出風能和太陽能，當時對氣候變遷的擔憂日益增加，因此有人建議捕捉和儲存那些從化石燃料發電廠排放出來的二氧化碳，如此就可將其轉變成一種低碳電力。

碳捕捉主要是透過化學反應將煙道氣（flue gas）中的二氧化碳分離出來，然後再將其壓縮液化，泵入地下洞穴，例如含水層或是廢棄的油氣田。

同時要針對傳統的發電機開收排放二氧化碳的費用。這將鼓勵電廠採用碳捕捉技術，不過前提是碳價要夠高，超過捕捉和封存二氧化碳的成本。

然而，即使在龐大的歐盟市場，碳的價格也從未高到足以讓碳捕捉在電力生產中具有競爭力，而且真正在運作的碳捕捉工廠很少。

即使如此，捕捉二氧化碳排放依舊可望成為一種脫碳方法，在未來某些產能製程中合乎成本效益。一個例子是將天然氣轉化為氫氣，這還能用於加熱和製造燃料電池，或用於生產水泥以及甲醇和氨等重要工業化學品。

碳捕捉的各種可行性：直接從空氣抓？多種一點樹？

也有人認真思考過直接從空氣中捕捉二氧化碳的可行性，因為目前我們所面對的現實非常危險，即二氧化碳排放量下降的速度恐怕來不及讓上升溫度控制在攝氏 1.5 度內。

種植更多的樹木可能是最簡單也最便宜的方法，但首先必須遏止每年大量的伐林問題。

每年約有一千萬公頃的森林遭到砍伐，用於種植大豆、棕櫚油和其他作物，以及放牧牲畜。這樣的伐林導致全球每年約 10％ 的二氧化碳排放量和生物多樣性的重大損失。

此外，封存大量二氧化碳所需的樹林面積也相當大──約要美國國土面積的四分之一，需要超過六年，甚至幾十年的時間才能讓樹木長到成熟，每年只能吸收平均全球燃燒化石燃料的 10％ 排放量。

而在成長期過後，還需要更換樹木，因為在建築中也會使用到木材。有人建議，可以燃燒林業的廢棄物來產生能量（熱或電），並捕捉和封存排放出來的二氧化碳。

這種生質能源的碳捕捉尚有爭議，必須要確保改變土地利用的這項變動最後的結果是產生淨負排放，而不是增加碳的排放量。此外，這種方法尚在開發中，可能會與其他對可耕地和淡水的需求產生競爭關係。

不過，可以使用化學吸收器直接從空氣中捕捉二氧化碳，這種方法比生質能源更緻密、更可靠， 只是目前的價格較為昂貴。

奧利金能源公司（Origen Power）正在開發將碳捕捉與具有商業價值的石灰生產相結合，這樣的製程可望降低成本。

吸碳新創公司「Carbon Engineering」也在開發另一種方法，是使用與二氧化碳接觸會形成碳酸鈣的氫氧化鉀。整個過程以石灰來合成氫氧化鉀，形成碳酸鈣，然後將其加熱，釋放出二氧化碳，進行壓縮和封存──這時便會再度合成石灰。他們預估，以這種方式捕捉二氧化碳的成本可望降低至每噸 100 美元。

碳捕捉的展望與未來

為了增加產值，可以將捕捉來的二氧化碳與氫結合（比方說以再生電力來電解水，製造出氫氣），這可用來合成低碳燃料，取代汽油、柴油或航空燃料，這樣一來，其總排放量會遠低於某些生質燃料。

若是要捕捉和封存燃煤發電廠排放的二氧化碳，電力成本會增加約 60％，而使用再生能源來發電，成本則低得多。

然而，隨著空氣碳捕捉的研發和大量投資，再加上在某些工業製程中捕捉二氧化碳，以及重新造林，預估到二〇五〇年時，碳捕捉可能會吸收掉全球年排放量的 10％。

到二〇五〇年，再生能源和核能的總發電量可能接近當前全球需求量的 90％，透過碳捕捉，全世界可能會達到二氧化碳淨零排放。但要處理大量再生電力，電網在輸送和分配上需要適應風場和太陽光電場輸出量的種種變數，因此發展儲能設備非常重要。

——本文摘自《牛津通識課｜再生能源：尋找未來新動能》，2022 年 6 月，日出出版，未經同意請勿轉載。