Loading [MathJax]/extensions/tex2jax.js

4

0
0

文字

分享

4
0
0

經過日本這次事故,我們還能說核能是安全的嗎?台灣的未來能源要走向何方?

鄭國威 Portnoy_96
・2011/03/16 ・350字 ・閱讀時間少於 1 分鐘 ・SR值 484 ・五年級
相關標籤: 能源動力 (24)

這個問題,我並沒有答案,但我想提出兩個觀點:

1. 就比較死亡人數來說,火力發電造成的空氣汙染、開礦、砍樹、移山倒海等等,對環境以及人類造成的危害更大,因此直接間接死亡的人數更多,只怕無法以百萬計,核能真的有比較不安全嗎?如果要以安全為判準,是否我們更該停止落後的火力發電?甚而將火力發電的能源份額全面轉換成核能?

2. 如果要投資在新未來能源,核能(更進步的版本,例如第四代核能發電,甚至核融合)是否更有潛力一舉解決能源問題呢?雖然其他的再生能源(太陽能、風力、潮汐能、地熱)等等都持續進步中,但我們有條件等嗎?

以上兩個問題拋磚引玉,就教各位。歡迎在底下留言,提供連結,或是將您的意見寄到pansci.tw@gmail.com,我們會整理後刊登。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 4
鄭國威 Portnoy_96
247 篇文章 ・ 1300 位粉絲
是那種小時候很喜歡看科學讀物,以為自己會成為科學家,但是長大之後因為數理太爛,所以早早放棄科學夢的無數人其中之一。怎知長大後竟然因為諸般因由而重拾科學,與夥伴共同創立泛科學。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

0
0

文字

分享

0
0
0
《能源大探索》李高佛與他的核子海軍
時報出版_96
・2014/11/07 ・2308字 ・閱讀時間約 4 分鐘 ・SR值 542 ・八年級

-----廣告,請繼續往下閱讀-----

5287c08c965ea971e9d15e5b8ba3f05d.jpg

二次大戰後,李高佛雖然招惹很多人的厭惡,卻在最後一刻,列入派往田納西州橡樹嶺秘密原子能研究城市的海軍軍官名單中。他們的任務是學習核能的秘密,了解核能用在和平的發電用途中,可能扮演什麼角色。

李高佛很快就看出核子海軍的戰略潛力,此後一直致力推動海軍核子化。他特別了解核子潛艇的航程和戰力,遠超過二次大戰期間的柴油潛艇。核能可以為困擾傳統潛艇的一個棘手問題,提供絕佳的解決之道,這個問題就是傳統電池受到限制,潛水艇在水下高速巡航的時間因此受到限制的問題。相形之下,一般認為,核子潛艇應該可以在水下全速巡航很多小時、很多天,甚至很多個月。

李高佛負起雙重任務,負責海軍和新設原子能委員會的核子動力計畫。這種兼職協助他克服艱巨的工程和官僚阻力,造出核子潛艇。據說他會寫信給自己,然後回信,確保海軍和原子能委員會的流程立刻可以結束。一九四九年,蘇聯進行第一次原子彈試爆,使美國的這個計畫迫切性更為增加。

製造原子彈是一回事,利用和控制核分裂連鎖反應發電,是大不相同的另一回事。包括科技、工程和知識在內,有太多的東西,必須從頭開始發明和發展。選擇壓水式輕水反應爐作為動力系統,是李高佛所做的決定。他也為「核能工業或除了他所主管機關以外的政府部門,制定了前所未聞的工程與技術紀律。」為了達成目標,李高佛培養了一批技術高超、訓練優異的核子海軍軍官,還不斷的督促他們根據最高標準行動。如果這樣表示他要擔任監工和監察官,他的確是身兼這兩種身分。即使是小小的疏忽,或稍微背離李高佛非常高的標準,都可能表示這樣的軍官會遭到「去核化」,意思是趕出核子海軍部隊。

-----廣告,請繼續往下閱讀-----

李高佛甄選核子海軍成員時,為了讓來口試的人意外和考驗他們,會讓他們坐在兩隻前腿削短的椅子上,同時讓他們坐在陽光可以透過特別調整的活動百葉窗、直接照射接受口試人員眼睛的位置上。他解釋說,這樣「會在他們從椅子上往下滑的時候保持頭腦清醒。」

有一次,有一位年輕的潛艇軍官申請加入核子海軍,他驕傲的告訴李高佛,說他在海軍官校八百二十位同學的畢業班中,成績排名第五十九。李高佛尖銳的問他,是否盡了最大的力量。這位名叫詹姆斯.卡特的軍官嚇了一跳,猶豫片刻後,承認自己沒有盡到最大的力量。

「為什麼沒有?」李高佛問。

這個問題—為什麼沒有盡力?—幾十年後,變成卡特競選總統時競選自傳的書名。

-----廣告,請繼續往下閱讀-----

李高佛孜孜不倦的製造核子潛艇、破除官僚阻力之際,讓很多上司十分惱火,以至於兩次錯過升為海軍上將的機會,要等到國會插手干預,才終於升為海軍上將。

李高佛的做法成果優異,核子潛艇科技的發展、工程和建造,全都在創紀錄的時間內完成。

美國的第一艘核子潛艇鸚鵡螺號從一九五四年起開始服役。整個任務在七年內完成,而不是像別人所預測的二十五年。一九五八年,鸚鵡螺號在北極和極地冰帽下,潛航二千二百多公里,完成轟動一時、極為艱巨、又的確令人難以置信的任務,潛航期間,除了短暫困在龐大冰帽和淺海海底之間外,中途毫無停留。鸚鵡螺號返航後,艇長受邀到白宮,參加歡迎儀式,為製造鸚鵡螺號負最後責任的李高佛因為討人厭,遭到刻意排除,沒有參加典禮。

鸚鵡螺號艇長在另一次儀式中,送給李高佛一塊小心保存在潛艇冰箱裡的北極寒冰,李高佛終於露出下屬難得一見的笑容。到一九八六年李高佛終於退伍時,四○%的美國主要作戰艦艇都是核子動力艦艇。

-----廣告,請繼續往下閱讀-----

鸚鵡螺號是核能第一次運用在船舶動力上的例子。然而,一九五四年夏天,蘇聯廣播電台宣布「蘇聯科學」的另一個「第一」:世界第一個民用反應爐在莫斯科南方的科學城歐布寧斯克啟用,蘇聯新聞機構塔斯通訊社宣布,蘇聯「在原子能的發展上已經躍進,超越英美。」

但是歐布寧斯克反應爐很小,只能對當地集體農場、工廠和幾千位居民供電。這種反應爐也是蘇聯壓力管式石墨慢化沸水式反應爐,不幸的是,幾十年後,這種反應爐會變得聲名狼藉。

便宜到無法計算電費

鸚鵡螺號服役前,美國已經開始發展民用核能反應爐,民用反應爐的發展也由李高佛牢牢控制,是以海軍的設計為基礎,設計中具有潛水艇用反應爐的不少特性,但其中增加了中間的步驟。航空母艦用反應爐開始發展後,艾森豪政府認定這個計畫費用太高,斷定獲得核能的最快方法,是消除航空母艦核動力計畫中明顯的海軍特色,變成民用反應爐的基礎。

各界對原子能委員會宣布民用核能計畫的反應很熱烈,《時代雜誌》稱之為原子時代的「新階段」;《紐約時報》更進一步,宣布原子能電力時代已經來臨。這時各界表現出一片樂觀氣氛,原子能委員會主委路易斯.史特勞斯一九五四年的話更是如此,他所說核電在十五年內,送出的電會「便宜到無法計算電費」的說法,變成了著名的預言。

-----廣告,請繼續往下閱讀-----

美國的第一座核能電廠建在賓州裝運港,從一九五七年開始發電,只比鸚鵡螺號服役晚三年。英國凱德府核能電廠較早完工,一九五六年由英國女王主持落成啟用典禮,是世界第一座商用核電廠。但是凱德府核能電廠規模相當小,所用的設計現在已經過時。

相形之下,裝運港核電廠是「世界第一座規模完整的原子能發電廠」,設計和建造正是由李高佛負責,隨後的二十五年裡,他也負責這座電廠的營運監督。這座反應爐雖然是從航空母艦用反應爐的設計升級,但是為了發電,卻經過重新思考和重新設計,功能遠超過表定設計,營運期間幾乎沒有出過差錯,這點要歸功於李高佛一絲不苟的堅定信念和他召集的團隊。

商用核能發電真正的轉捩點在一九六三年出現,當時紐澤西州一家電力公司訂購一座商用核電廠,準備蓋在蠔溪,這座反應爐也是以李高佛監督、發展出來的設計為基礎。

摘自 《能源大探索》,時報出版

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
時報出版_96
174 篇文章 ・ 35 位粉絲
出版品包括文學、人文社科、商業、生活、科普、漫畫、趨勢、心理勵志等,活躍於書市中,累積出版品五千多種,獲得國內外專家讀者、各種獎項的肯定,打造出無數的暢銷傳奇及和重量級作者,在台灣引爆一波波的閱讀議題及風潮。

0

0
0

文字

分享

0
0
0
中國在全球淨煤成果上取得領先
SciDev
・2012/04/30 ・807字 ・閱讀時間約 1 分鐘 ・SR值 600 ・九年級

中國「綠色煤電」煤氣化廠將落腳天津。(圖片來源:Sarmu@Flickr,根據創用CC-By 2.0條款使用)

據《自然》(Nature)的一項報導指出,在天津的「綠色煤電」煤氣化廠(GreenGen coal gasification plant)的啟動之後,中國已經越來越接近捕捉和封存其碳排放的目標了。

碳捕捉和封存在 2008 年的 G8 峰會上受到各國領導人的重視,他們呼籲在 2010 年前發展 20 個大型碳捕捉技術示範專案。但除了澳大利亞、歐洲和美國的幾項計畫,大多數的計畫都被推遲或取消了。

因此,儘管國有企業華能集團的綠色煤電計畫,比原本推遲了一年,其取得的進展仍意味著,中國開發煤炭資源而不釋放二氧化碳的努力走在全球尖端。

-----廣告,請繼續往下閱讀-----

這個 15 億美元專案的第一階段,是建立一個 250 百萬瓦的發電廠,它將煤轉換成一氧化碳和氫氣的混合物來生產電力。從這樣的電廠所排出廢氣中分離二氧化碳,要比傳統電廠更容易一些。該電廠將於今年第一季開始運轉。

計畫第二期工程的工作也已經展開,而這將涉及用氫發之小規模實驗性工廠的發展。計畫在 2020 年前完成的第三期工程,將會是一個充分進行碳捕獲和封存的 400 百萬瓦電廠。

「『綠色煤電』代表了一種高度的技術複雜性,以及中國對於乾淨能源技術的真實承諾,」位於美國加州、Lawrence Livermore 國家實驗室的碳管理專案負責人 Julio Friedmann 告訴《自然》期刊。

「毫無疑問,中國取得了非凡的成就。」

其他國家,如英國,正在嘗試重新激發其對於碳捕捉和封存的興趣。然而,一位美國麻省理工學院的碳封存專家 Howard Herzog 表示,缺乏穩定的碳政策來獎勵這類計畫,令轉向盈利變得困難。

-----廣告,請繼續往下閱讀-----

「問題是,世界是否有一個 CCS(carbon capture and storage,碳捕獲和封存)的市場。如果沒有,為什麼要發展這種技術?」Howard Herzog 表示。

前往刊登於《自然》期刊的原文

本文原發表於 SciDev [2012-04-18]

-----廣告,請繼續往下閱讀-----
SciDev
41 篇文章 ・ 1 位粉絲
科學與發展網絡(SciDev.net),提供有關科學、技術以及發展中國家的新聞、觀點和信息。