Loading [MathJax]/extensions/tex2jax.js

1

1
1

文字

分享

1
1
1

碳交易 VS. 碳税:該選擇多花錢買排碳權力,還是排了碳再多花錢?——《氣候賭局》

PanSci_96
・2020/03/24 ・2921字 ・閱讀時間約 6 分鐘 ・SR值 562 ・九年級

  • 作者/威廉.諾德豪斯(William Nordhaus);譯者/劉道捷

碳交易和碳稅的經濟效益相同

拿碳交易和碳稅兩種體制來比較,會有什麼結果?大部分人都會驚訝地發現,兩者基本上相同;也就是說,在理想化的情況下,兩者對減排、碳價、消費者和經濟效益的影響相同。大家可能力辯何者較好,但是兩者都會藉著提高碳排放的價格,強力激勵消費者和企業減少二氧化碳排放量。

碳稅和碳交易都可以激勵消費者或廠商降低碳排放量。圖/pixabay

下例可以顯示兩者的相似之處。假設美國每年不受管制的二氧化碳排放量為 50 億噸,然後美國通過碳交易立法,要把排放量限制為 40 億噸,方法是要拍賣 40 億噸的排放許可證。接著許可證的交易會出現,以便大家用最符合經濟效益的方式減排。

因為減排的成本高昂,許可證的價格會漲到等於減排最後一噸的成本。假設減排最後一噸二氧化碳的成本為 25 美元,許可證的價格就會漲到每噸 25 美元,因為這個價格正是排放者漠視減排和購買許可證成本有沒有差異的分野。從企業經營的角度來看,購買一噸二氧化碳排放權的成本就是 25 美元。

現在假設美國對二氧化碳課徵每噸 25 美元的稅。以這種稅率來說,企業會發現,減排 10 億噸將合乎經濟效益;從個別企業的立場來看,在兩種情況中,在大氣層增加一噸二氧化碳的價格,都是每噸 25 美元,因此企業在兩種狀況中的行為會相同。

-----廣告,請繼續往下閱讀-----

在第一種狀況中,會繳納 25 美元的稅款,以便排放一噸;在另一種情況中,會以每噸 25 美元的價格,購買許可證。碳交易體制與碳稅的排放量及二氧化碳價格完全相同,唯一的差別是,在其中一種狀況中,政府運用以市場為基礎的「量化」管制;在另一種情況中,政府採用課稅的形式,實施「價格」管制。

最後,企業付出 1000 億美元(40 億噸 × 25 美元)排放 40 億噸的二氧化碳。在第一種狀況中,企業繳納 1000 億美元的稅;在第二種狀況中,企業花 1000 億美元購買許可證。政府在兩種情況中,都得到 1000 億美元的歲入。總量管制與排放交易的運作方式就像空汙稅一樣。

碳稅和碳交易的差異:錢究竟進了誰的口袋?

一旦我們從理想化的分析轉向現實狀況,重大差異就出現了。經濟學家通常傾向偏愛碳稅,談判人員和環境專家卻偏愛碳交易,下面是其中若干主要考慮因素。

擁護碳稅的人指出,稅法是成熟而普遍的政策制度,每個國家都利用稅制,都有行政稅制、稅務人員、稅務律師和稅務法院。國家需要歲入,而且其實很多國家今天都要面對龐大的財政赤字。相形之下,大部分國家在碳交易制度方面的經驗有限,而且幾乎沒有國際經驗。

歐盟的二氧化碳許可證價格波動。圖/寶鼎出版提供

有一個相關的論點指出,量化限制會在訂定排放量目標的方法中,造成市場價格劇烈波動。和歐洲制度有關的上圖,就可以看到這種情形。請注意 2008 年內的價格起伏有多麽激烈,在幾個月內狂跌了將近 75%。

-----廣告,請繼續往下閱讀-----

波動性會增加,是因為許可證的供需對許可證的價格不敏感。高水準的波動性在經濟上的代價很高,還會對民間部門的決策者發送不一致的信號。碳稅顯然會傳達一致的價格信號,年度和年度之間、甚至不同的日子之間,不會有這麼瘋狂的變化。

標準碳交易制度和碳稅之間,有一個重大差異,就是跟誰繳交稅款和誰收到稅收有關。

歷史上,碳交易計畫中的准證和許可證,都是免費發放給受到管制的公司。例如,根據美國 1990 年的二氧化硫計畫,幾乎所有排放許可證都是免費分配,發給即將受到管制、而且一向都是重大排放來源的電力公司和企業。許可證是寶貴的資產,免費分配有助於降低受管制公司在政治上的反對。

同樣地,在歐洲實施碳交易計畫初期,許可證也是免費分配給企業。經濟學家發現,免費分配排放量許可證的做法令人反感,因為這樣是浪費財政資源,不見得能夠抵銷排放量限制對企業獲利的衝擊。

如果實施碳稅,寶貴的收入會進入政府口袋,可以用來回饋消費者,或購買重要的共同商品。現在有些碳交易提案規定政府必須拍賣許可證,有了拍賣的做法後,兩種制度的財政衝擊就會相同。

-----廣告,請繼續往下閱讀-----

碳交易制度的政治吸引力

和碳交易制度相比,碳稅有兩大缺點。

一是碳稅下的排放量不確定,如果我們制定每噸 25 美元的全面性碳稅,我們應該不會知道實際上的排放量。如果我們確實知道排放量的危險水準何在,這一點會是碳稅的重大缺點,因此這就是兩者之間真正不同的地方。

在碳交易體制下,碳價會波動,二氧化碳排放量卻恒常不變;在碳稅的制度下,排放量會波動,價格會穩定下來,表示除非碳稅能夠定期變化,否則不能自動確保地球,留在「人為干預氣候系統危險」中安全的一面。

碳交易制度的擁護者主張,碳交易比碳稅更持久、穩定。圖/pexels

擁護者提出更進一步的論點,就是碳交易制度具有比較大的政治吸引力,也比較能夠耐久。原因之一是:因為加強管制而利益受損的產業團體政治反對派,已經遭到免費分配的許可證收買。事實上,免費許可證的價值似乎遠超過因為加強管制而喪失的利潤。如果政府改採拍賣許可證的方法,發自碳交易中的政治凝聚力應該會消失。

最後一個政治性的論調是,要推出租稅很難,要減稅卻很容易。科學家或許會說服政府,推出高稅率的碳稅,向企業界發出開始從事低碳投資的強烈信號。但是如果政治風向改變,下一任政府可能推翻這種政策,撤銷這種稅項。從某個角度來看,如果碳稅陷入政黨政治鬥爭的困境,上段圖中的價格波動,可能會被政治動盪取代。

-----廣告,請繼續往下閱讀-----

管制的歷史顯示,環境法規都有比較高的耐久力量,而且通常不會遭到推翻。1990 年,美國國會推出加強管制二氧化硫排放的法規,即使後來美國出現重大政治變化,排放標準還是沒有出現明顯變化。因此,很多分析師認為,碳交易政策的管制方法應該會更耐久,更有機會成為可靠的長期政策。

所以,碳稅和碳交易哪種好?

說了這麼多,碳稅和碳交易到底哪種比較好用?圖/giphy

我衡量這些爭論後,得出什麼結論呢?我的第一個選擇是……任何一種方法都好!最重要的目標是提高二氧化碳和其他溫室氣體的排放價格。很多國家可能發現,用碳交易制度比較容易提高價格,達成目標;要是配合拍賣的話,更是如此。

其他國家可能發現,國家需要穩定、可靠的收入來源,因而傾向開徵碳稅,我會為這些國家鼓掌。就像我在本書第 21 章探討各種方法時強調的一樣,任一種方法都遠勝過其他方法,因此我們必須把焦點放在提高溫室氣體價格的目標,不要讓差異妨礙了有效的政策。

如果有人逼問我,強迫我選擇,我會承認碳稅的經濟論點具有吸引力,跟歲入、波動性、透明度和可預測性有關的部分尤其如此。因此,如果有什麼國家真的無法決定時,我會建議他們採用碳稅制度。

-----廣告,請繼續往下閱讀-----

然而,如果有些國家像美國一樣,十分厭惡新的稅項,卻能夠容忍碳交易制度,尤其是容忍附有拍賣許可證的制度,這樣一定勝過容許氣候變遷不受約束,也一定勝過依靠無效的替代方法。

——本文摘自《氣候賭局:延緩氣候變遷 vs.風險與不確定性,經濟學能拿全球暖化怎麼辦?》,2019 年 11 月,寶鼎出版

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 1
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

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。

0

1
0

文字

分享

0
1
0
美國將玉米乙醇列入 SAF 前瞻政策,它真的能拯救燃料業的高碳排處境嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2024/09/06 ・2633字 ・閱讀時間約 5 分鐘

本文由 美國穀物協會 委託,泛科學企劃執行。

你加過「酒精汽油」嗎?

2007 年,從台北的八座加油站開始,民眾可以在特定加油站選加「E3 酒精汽油」。

所謂的 E3,指的是汽油中有百分之 3 改為酒精。如果你在其他國家的加油站看到 E10、E27、E100 等等的標示,則代表不同濃度,最高到百分之百的酒精。例如美國、英國、印度、菲律賓等國家已經開放到 E10,巴西則有 E27 和百分之百酒精的 E100 選項可以選擇。

圖片來源:Hanskeuken / Wikipedia

為什麼要加酒精呢?

單論玉米乙醇來說,碳排放趨近於零。為什麼呢?因為從玉米吸收二氧化碳與水進行光合作、生長、成熟,接著被採收,發酵成為玉米乙醇,最後燃燒成二氧化碳與水蒸氣回到大氣中。這一整趟碳循環與水循環,淨排放都是 0,是個零碳的好燃料來源。

-----廣告,請繼續往下閱讀-----
圖片來源:shutterstock

當然,我們無法忽略的是燃料運輸、儲藏、以及製造生產設備時產生的碳足跡。即使如此,美國農業部經過評估分析,2017 發表的報告指出,玉米乙醇生命週期的碳排放量比汽油少了 43%。

「玉米乙醇」納入 SAF(永續航空燃料)前瞻性指引的選項之一

航空業占了全球碳排的 2.5%,而根據國際民用航空組織(ICAO)的預測,這個數字還會成長,2050 年全球航空碳排放量將會來到 2015 年的兩倍。這也使得以生質原料為首的「永續航空燃料」SAF,開始成為航空業減碳的關鍵,及投資者關注的新興科技。

只要燃料的生產符合永續,都可被歸類為 SAF。目前美國材料和試驗協會規範的 SAF 包含以合成方式製造的合成石蠟煤油 FT-SPK、透過發酵與合成製造的異鏈烷烴 SIP。以及近年討論度很高,以食用油為原料進行氫化的 HEFA,以及酒精航空燃料 ATJ(alcohol-to-jet)。

圖片來源:shutterstock

每種燃料的原料都不相同,因此需要的技術突破也不同。例如 HEFA 是將食用油重新再造成可用的航空燃料,因此製造商會從百萬間餐廳蒐集廢棄食用油,再進行「氫化」。

-----廣告,請繼續往下閱讀-----

就引擎來說,我們當然也希望用到穩定的油。因此需要氫化來將植物油轉化為如同動物油般的飽和脂肪酸。氫化會打斷雙鍵,以氫原子佔據這些鍵結,讓氫在脂肪酸上「飽和」。此時因為穩定性提高,不易氧化,適合保存並減少對引擎的負擔。

至於酒精加工為酒精航空燃料 ATJ 的流程。乙醇會先進行脫水為乙烯,接著聚合成約 6~16 碳原子長度的長鏈烯烴。最後一樣進行氫化打斷雙鍵,成為長鏈烷烴,性質幾乎與傳統航空燃料一模一樣。

ATJ 和 HEFA 雖然都會經過氫化,但 ATJ 的反應中所需要的氫氣大約只有一半。另外,HEFA 取用的油品來源來自餐廳,雖然是幫助廢油循環使用的好方法,但供應多少比較不穩定。相對的,因為 ATJ 來源是玉米等穀物,通常農地會種植專門的玉米品種進行生質乙醇的生產,因此來源相對穩定。

但不論是哪一種 SAF,都有積極發展的價值。而航空業也不斷有新消息,例如阿聯酋航空在 2023 年也成功讓波音 777 以 100% 的 SAF 燃料完成飛行,締下創舉。

-----廣告,請繼續往下閱讀-----
圖片來源:shutterstock

汽車業也需要作出重要改變

根據長年推動低碳交通的國際組織 SLoCaT 分析,在所有交通工具的碳排放中,航空業佔了其中的 12%,而公路交通則占了 77%。沒錯,航空業雖然佔了全球碳排的 2.5%,但真正最大宗的碳排來源,還是我們的汽車載具。

但是這個新燃料會不會傷害我們的引擎呢?有人擔心,酒精可能會吸收空氣中的水氣,對機械設備造成影響?

其實也不用那麼擔心,畢竟酒精汽油已經不只是使用一、二十年的東西了。美國聯邦政府早在 1978 就透過免除 E10 的汽油燃料稅,來推廣添加百分之 10 酒精的低碳汽油。也就是說,酒精汽油的上路試驗已經快要 50 年。

有那麼多的研究數據在路上跑,當然不能錯過這個機會。美國國家可再生能源實驗室也持續進行調查,結果發現,由於 E10 汽油摻雜的比例非常低,和傳統汽油的化學性質差異非常小,這 50 年來的車輛,只要符合國際標準製造,都與 E10 汽油完全相容。

-----廣告,請繼續往下閱讀-----

解惑:這些生質酒精的來源原料是否符合永續的精神嗎?

在環保議題裡,這種原本以為是一片好心,最後卻是環境災難的案例還不少。玉米乙醇也一樣有相關規範,例如歐盟在再生能源指令 RED II 明確說明,生質乙醇等生物燃料確實有持續性,但必須符合「永續」的標準,並且因為使用的原料是穀物,因此需要確保不會影響糧食供應。

好消息是,隨著目標變明確,專門生產生質酒精的玉米需求增加,這也帶動品種的改良。在美國,玉米產量連年提高,種植總面積卻緩步下降,避開了與糧爭地的問題。

另外,單位面積產量增加,也進一步降低收穫與運輸的複雜度,總碳排量也觀察到下降的趨勢,讓低碳汽油真正名實相符。

隨著航空業對永續航空燃料的需求抬頭,低碳汽油等生質燃料或許值得我們再次審視。看看除了鋰電池車、氫能車以外,生質燃料車,是否也是個值得加碼投資的方向?

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

0

3
1

文字

分享

0
3
1
溫室效應有救了?把二氧化碳埋進地底吧!  
鳥苷三磷酸 (PanSci Promo)_96
・2024/03/25 ・1389字 ・閱讀時間約 2 分鐘

本文由 台灣中油股份有限公司 委託,泛科學企劃執行。 

近年全球對於氣候變遷的關注日益增加,各國紛紛宣布淨零排放(Net Zero Emissions)的目標,聯手應對氣候變遷所帶來的挑戰。淨零排放是指將全球人為排放的溫室氣體量和人為移除的量相抵銷後為零。而「碳捕存再利用技術(Carbon Capture Utilization and Storage,簡稱 CCUS)」技術被視為達成淨零重要的措施之一。 

CCUS 示意圖。圖/INPEX CCS and CCUS Business Introduction Video 2022 

「碳捕存再利用技術 CCUS」是什麼? 

CCUS 技術可以有效地將二氧化碳從大氣中捕捉並封存,進而減少溫室氣體的排放。CCUS 包含捕捉、運輸、封存或再利用三個階段,也就是將二氧化碳抓下來,並且存起來或是轉換成其他有價值的化學原料。關於如何捕捉二氧化碳,可以參考我們先前拍的影片《減碳速度太慢?現在已經能主動把二氧化碳抓下來!?抓下來的二氧化碳又去了哪裡?》。 

至於捉下二氧化碳之後,該存放在哪裡呢?科學家們看上一個經過數千萬年驗證、最適合儲存的地方——地底。沒錯,地底可不只有石頭跟蜥蜴人,只要這些石頭中存在孔隙,就可以儲存氣體或液體。最常見的就是天然氣與石油。現在,我們只要將二氧化碳儲存到這些孔隙就好。 

-----廣告,請繼續往下閱讀-----

封存的地質條件也很簡單,第一,要有一層擁有良好空隙率及滲透性的「儲集層」,通常是砂岩。第二,有一層緻密、不透水且幾乎無孔隙的岩石,用來阻擋儲集層的氣體向上逸散的「蓋層」,常見的是頁岩。只要儲集層在下,蓋層在上,就是一個理想的儲存環境。 

臺灣哪裡適合地質封存? 

臺灣由東往西,從西部麓山帶、西部平原、濱海到臺灣海峽,都有深度達 10 公里的廣大沉積層,並且砂岩與頁岩交替出現,可說是良好的儲氣構造。 

至於臺灣適合封存二氧化碳的地點,有個很直接的作法,就是參考石油、天然氣的儲存場域就好,也就是所謂的「枯竭油氣層」。將開採過的天然氣或石油的空間,重新拿來儲存二氧化碳。而臺灣的油氣田,主要集中在西部的苗栗與臺南一帶,在 1959~2016 年,累計產了 500 億立方公尺的天然氣,和超過 500 萬公秉的凝結油。 

臺灣油氣田位置圖。圖/《科學發展》2017 年 6 月第 534 期
鐵砧山每年封存 10 萬噸二氧化碳(相當於通霄鎮 1/3 人口一年的二氧化碳排放量)。圖/台灣中油

而至今這些枯竭油氣田,適合來做二氧化碳的封存。例如苗栗縣通霄鎮的鐵砧山是臺灣目前陸上發現最大的油氣田,不只是封閉型背斜構造,更擁有厚實緻密的緻密蓋岩層。在原有油氣田枯竭後,從民國 77 年開始轉為天然氣儲氣窖利用原始天然氣儲層調節北部用氣的方式,已持續超過 35 年。因此中油也正規劃在鐵砧山氣田選擇合適的蓋層和鹽水層,進行小規模的二氧化碳注入,作為全國首座碳封存的示範場址。並同時進行多面向的長期監測,驗證二氧化碳封存的可行性與安全性。 

-----廣告,請繼續往下閱讀-----

更多詳細內容及國際 CCUS 案例,歡迎觀看影片解惑! 

-----廣告,請繼續往下閱讀-----

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