地球缺水46億年前已注定

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

本文由 經濟部水利署 委託，泛科學企劃執行。

人體有 70% 是水，而地球表面亦有 70% 被水覆蓋。「水」對人類來說，是賴以為生的必要資源，又因「水」相對容易取得，讓人們不易察覺水的珍貴。

在近年氣候變遷衝擊下，旱澇交替已成常態，經濟部水利署賴建信署長接受泛科學專訪時亦表示，依據聯合國政府間氣候變遷專門委員會（IPCC）第 6 次評估報告（AR6）分析，未來臺灣連續不降雨日數及最大暴雨強度將明顯增加，對於水資源及水環境帶來嚴峻挑戰。

具體來說，未來降雨將會更集中在特定時間與地點，在降雨地區造成更嚴重的洪災，讓非降雨地區的缺水情形更加嚴重。結果是降雨地區的水庫會不斷洩洪，無法有效收集雨水，而非降雨地區的水庫又會完全沒水。

這情景也預示著我們平常容易取得的「水」，將轉變為更稀缺珍貴的資源；然而，水又是人生存所必須，若現在不採取行動，水資源終將成為人類生存的最大束縛。

為了讓企業、政府、學術單位能更重視未來所面臨的水資源問題，水利署於 10 月 23 日舉辦的「2023 臺灣國際水論壇」以「水未來」（Vision for Water）為主題，針對「水與企業永續」、「水與能源鏈結」、「水與自然解方」、「水與減碳科技」，希望形成創新的漣漪，向外擴散，激盪出國內外產、官、學界合作契機。

而擔任「水與ESG-厚植企業永續競爭力」場次的講者，是來自東海大學國際學院永續科學與管理學士學位學程的 Aleksandra Drizo 教授，她以數據與實際案例，揭露水資源短缺到底有多麼迫在眉睫。

全球有35億人，沒有安全與衛生的水可用

Drizo 指出，聯合國 2023 年公布的 SDGs 第六項「確保所有人都能享有水、衛生及其永續管理」報告中，指出世界上 35 億人缺乏乾淨用水與基本衛生條件，並強調：「獲得安全用水，環境衛生和個人衛生是人類健康與福祉的最基本需求。」而若要達到 SDGs 的 其他目標，又以第六項為最重要的核心，因為唯有確保人人都能用上乾淨的水，才有路徑完成其他目標，例如：第二項「終止飢餓」，就必須在確保有穩定乾淨的水源情況下，才可能達成。

Drizo 進一步指出，近幾十年來，儘管在改善飲用水和衛生條件方面有所進步，但仍有大量人口無法獲得安全飲用水和基本衛生設施。根據聯合國發布的 《Development and Globalization: Facts and Figures 2016》 資料，從 1990 年到 2015 年間，全球人口增長了 26 億，對水資源的調度與供給造成了巨大壓力。而在 2023 年世界衛生組織提供的乾淨飲用水調查資料中，直到2022年，仍有 22 億人口無法獲得安全飲用水，也與前面聯合國 2023 年的調查報告呼應，再次呈現水資源問題日益棘手的趨勢。

水資源困境並非全是全球人口成長惹的禍，全球氣候變遷造成更加頻繁的極端天氣事件，正讓全球面對過往不曾出現的乾旱。《衛報》2022 年報導歐洲面臨前所未見的熱浪與旱災，法國、荷蘭、比利時、瑞士、義大利、西班牙的河流，已經能直接看到河床，當時西班牙政府宣布限水，表示全國儲水量已達歷史新低，只有總儲水量的 40%，且每周都以 1.5% 的速率持續下降。

如今全球氣候變遷造成的水資源問題，也逐漸成為常態，《紐約時報》2023 年 10 月報導，如今西班牙仍處於缺水中，西班牙南部的水龍頭已經流不出水了，甚至連水井都已經枯竭，不只農業無法正常發展，民眾還必須仰賴水罐車或罐裝水維生，根據西班牙政府的報告，若缺水成為常態，則本世紀末將有近 74% 的西班牙國土，將面臨沙漠化的問題。

臺灣也面臨缺水問題

臺灣也未能逃離缺水的命運。2021 年春天，發生了 56 年來最嚴重的乾旱，當時外國媒體全都持續關注這場旱災，深怕缺水影響新竹科學園區的產線。而水利署搶先在 2021 年開通的「桃園—新竹備援管線」，從桃園每日調度 20 萬噸的水給新竹，才讓外媒的擔心沒有成真。

此外，臺灣水污染與地下水過度開採也導致水資源匱乏。要扭轉這一局面，則需要從多方面著手，水利署也已經開始建置相關工程並陸續投入使用，例如：高屏溪的「伏流水」與臺中水楠經貿園區淨化污水再利用的「再生水」，為地方開創多元水源，創造更有保障的用水環境。

Drizo 表示，臺灣的水庫也因氣候變遷面臨「優氧化」問題。由於水庫的水停滯過久，營養物質（氮和磷的化合物，相當於肥料）逐漸累積在水中，加上近年溫度上升，讓水中藻類與浮游生物孳生。在 2023 年的水利署水質檢測報告中，全國 20 個主要水庫中有 8 個水庫的水質已經優養化，這些優養化的水會對淨水廠造成額外負擔，而過濾出來的廢棄物處理也是個難題。

而 Drizo 針對優養化問題，提出以自然為本的解決方案（Nature-based Solutions, NbS)），並分享過去在各地施行的案例，例如：在 2009 至 2011 年與屏東科技大學的研究計畫，架設的社區小型污水淨水廠，以及用在美國俄亥俄州的農業污水淨水方案。最後 Drizo 分享了將廢棄物轉化生成富營養肥料等高附加價值產品的相關技術研發。也就是說，在淨水的同時，還能把廢棄物轉換為有價值的肥料，這不僅可以提高水資源利用效率，也具有重要的環保意義。

Drizo 的演講代表了學界在水資源問題上的重視，也提到了水利署正一步一腳印地改善臺灣用水環境，那麼身為用水大戶的企業，又有什麼作為呢？

企業面臨的永續發展難題

臺灣美光記憶體的環安衛、風險管理暨永續發展處處長江頴俊在「水與ESG-厚植企業永續競爭力」場次分享該公司的實際經驗，臺灣美光記憶體透過「綠色基礎設施」、「流程優化」和「設備更新」的措施，成功達成每一滴水重複利用三次的目標，這項措施每年節省約 6000 萬立方公尺的水，相當於 6500 座奧運游泳池的水量。

然而，像美光這樣能提出具體目標與可信成果的企業並不多見，一同演講的法國北方高等商學院基礎建設研究中心 （EDHEC infra）的資深研究工程師 Nishtha Manocha，則說明大部分企業的永續發展目標缺乏 「設定具體可行的環保目標」以及「準確量化環保成果」。

許多企業的永續發展目標僅停留在概念階段，並沒有具體的達成路徑與量化檢核指標，這種模糊不清的目標將無法帶領企業持續行動。而更嚴重的是在量化成果這塊，目前企業仍多以內部數據來評估成效，缺乏第三方機構的驗證，資料的真實性可能會遭到質疑，也衍生出了「漂綠」的相關問題。

同場演講者—資誠聯合會計師事務所所長暨執行長周建宏，則表示「永續發展」已經是熱門的投資標的，投資人也害怕自己把錢給了「漂綠」的公司，最後虧得血本無歸。因此，在投資人的引導下，企業的永續發展目標會更為清晰，加上相關監管機構陸續成立，企業勢必將花更多心思在財報與資料呈現上，不能再打著永續發展的大旗，來跟投資者畫大餅。

打造全球水未來

在「水與ESG-厚植企業永續競爭力」這場演講中，我們看到政府、企業、學界一同合作，共同討論如何解決水資源匱乏的難題。無論是學界針對水質優養化問題所提出的解決方案，抑或是透過投資人監督，讓企業能落實永續發展目標，都能看見世界正迅速朝永續水資源管理轉型。然而，各項監測指標仍顯示氣候變遷亦在加速，將我們推入未知領域，我們必須加快行動，才不會讓更嚴峻的水資源稀缺成為未來世代的枷鎖。

參考文獻

• 「水與ESG-厚植企業永續競爭力」講者簡報
• Climate change affecting water quality – Taipei Times
• Europe’s worst ever drought: in pictures | Environment | The Guardian
• A Glimpse Into Spain’s Future, Where Water Comes by Truck, Not Tap
• MITERD. (2022). Estrategia Nacional de Lucha Contra La Desertificación En España.

本文由 經濟部水利署 委託，泛科學企劃執行。

「30年後，我們將面對更嚴峻的缺水考驗。」水利署署長賴建信接受我們採訪時坦承地說。

近年，全臺西部地區都曾遇過「供五停二」的停水措施，，缺水問題更早已是全球問題。根據 2021 年發表在 Nature Communication 上的論文，2016 年全球有 9.33 億的城市人口面臨缺水問題，約為總人口的 12 %；依據過往趨勢推測，至 2050 年，全球將有 16.93-23.73 億的城市人口面臨缺水問題，相當於 2050 年總人口的 17%-24%。

為什麼全球缺水問題會如此嚴重呢？賴建信署長認為首要是「氣候變遷」改變了降雨強度與頻率，並舉生活中的經驗來說明氣候變遷：

「生活在臺灣地區的我們，會感覺到最近好像很久都不會下雨，然後不下雨的時候很熱，但一下雨，雨滴大到打在身上都會痛。」而近期紐約暴雨造成地鐵淹水癱瘓，也是氣候變遷造成的。

氣候變遷讓降雨更加極端

賴署長說：「可以說以後的降雨會非常集中在特定某幾天。就像剛剛講的，就是突然暴雨，然後接下來一個大乾旱。 」

無論是缺水還是淹水，氣候變遷造成的影響都不容忽視，賴署長表示，不只是降雨頻率會更低，降雨地區也會更加不平均，降雨的強度也會有所提升。

依照聯合國政府間氣候變化專門委員會最糟糕的預測（SSP5-8.5），到了這個世紀中，臺灣暴雨強度會比世紀初提升 20%，世紀末會提升 40%，即便是最優預測（SSP1-2.6），也會在世紀中提升 15.7%。

據上所述，氣候變遷讓全人類無法迴避「降雨不均造成的地區性缺水」，以及「降雨強度提升造成的地區性水災」這兩個問題。雖然個人、企業與政府都為了減緩氣候變遷有所作為，但賴署長也表示，我們該「從科學擁抱殘酷現實，對未來做最壞打算」。

簡單來說，若所有締約國都遵守聯合國氣候變遷大會（COP）的決議完成減碳工作，那氣候變遷也只是不再加劇，並不會立刻恢復到過去的型態，而只要有其中幾項沒有達成，那全世界就得面對更嚴峻的情況。

回到開頭賴署長所說的 30 年，我們還有時間做好基礎建設，降低氣候變遷對人民造成的影響。「從2016年開始，我們就思考這些問題，思考說臺灣未來面對的自然環境，我們應該如何因應、構築一個怎麼樣的未來。所以當時我們就開始思考包括區域調度、多元水源等相關計畫。」

賴署長提到的「區域調度」相關計畫，即是目前正在進行的「珍珠串計畫」。

地區性缺水解決方案—「珍珠串計畫」

「珍珠串計畫」預計把台灣西部像珍珠一樣珍貴的水源，用聯通管線串聯起來，讓珍貴的水資源可以妥為應用。

臺灣降雨時間和空間差異極大，桃園至屏東等西部地區，在 5 月至 10 月是豐水期，11 月到隔年 4 月是枯水期，然而北北基與宜蘭等東北地區，卻是完全相反，10 月至隔年 4 月有東北季風帶來的豐沛雨量，此時若能將東北地區的水調度至西部地區，將能緩解西部地區缺水。而未來面對更加極端的降雨情況，也能提供一定的支援。

珍珠串計畫的聯通管線預計將在 2028 年全數完成，而在 2021 年旱災中搶先開通的「桃園—新竹備援管線」，從桃園每日調度 20 萬噸的水給新竹，在旱災期間總計調度 2300 萬噸，約是 0.6 座寶山第二水庫的蓄水量，不僅讓新竹地區免於限水所苦，也讓新竹科學園區的科技業能維持生產。

不僅管線串聯，更要開創「多元水源」

有了聯通管串聯，就能解決缺水問題嗎？賴署長給出否定答案：「如果只有一種供水方式，突然有意外就完了。當然要有多股水源，多條管線。」

過往開發新水源，直覺想到的是蓋水庫，不過蓋水庫不僅要謹慎評估該地是否有充足水源，考慮安全性及經濟性是否合理，更要謹慎評估對環境生態的影響，通常一座水庫從規劃到興建完成，需耗時數十年的時間。

為了因應氣候變遷與逐步增加的用水量，水利署目前已朝「多元水源」的方式來尋找新水源，像是南化與寶山第二水庫藉由「溢流堰加高」擴增蓄水量，臺中水楠經貿園區淨化污水再利用的「再生水」，以及以及高屏溪的「伏流水」與新竹的「海淡水」，這些多元水源將與水庫水、川流水及地下水等傳統水源共同支撐起全臺用水。

此外，水利署也正想辦法讓洪水資源化，臺灣山高水急，大雨過後的洪水大部分都流向大海，只有少部分可被水庫收集，像是「河槽人工湖」就能增加收集水量，來供應日常使用，或補注超抽的地下水。

地區性強降雨解決方案—從「不淹水」轉變為「耐災韌性」

受氣候變遷影響，近年臺灣短延時強降雨頻率提高，低窪地區或排水系統也時常發生淹水，顯現目前臺灣防洪工程的不足。

過去臺灣由於預算有限，治水策略多以建護岸、堤防或下水道為主，然而這種作法有其極限，即便已完成防洪工程的區域，也未必能面對未來極端降雨的情況，為此，水利署改變過往治水策略，從「不淹水」轉變為「耐災韌性、與水共生」，而在多年來中央與地方政府的聯合推動下，各地開始邁向「逕流分攤」的方式來治理水患。

「逕流」是指下雨時地表土壤無法吸收的水份，在地表形成的水流。「逕流分攤」是在淹水較為嚴重的河段，於新建（或改建）公共設施時，以不妨礙設施功能，建設洪水期間可收集逕流的滯洪池。此外，為提升土地耐淹能力，「出流管制」政策也要求開發單位，必須提升建築物的透水、保水與滯洪能力。

以日本東京鶴見川為例，由於東京市的發展，導致土地保水、滲透能力降低，洪水尖峰流量增加，更容易發生淹水。為此日本將橫濱日產體育館建置成兼具滯洪功能的公共設施，來應對鶴見川的洪峰流量，館場下方的滯洪池高度高達五公尺，平日則作為停車場使用。

「我們希望所有的土地都能更有效地利用，例如我們學校的操場，如果下面是一個蓄水池，那大雨下來是不是就不容易淹水了？」賴署長表示，近期開工的鹿港洛津國小的地下停車場兼滯洪池工程，正是「逕流分攤」的案例。

風暴將至，我們能做好準備嗎？

賴署長略為嚴肅地說：「我不期待氣候型態會回到 30 年前。」並重提了在 IPCC 的最優預測（SSP1-2.6）下，臺灣仍必須在 2050 年面對暴雨強度提高 15.7% 的情況。

無論我們怎麼做，風暴已確定到來，那麼我們能事先做好準備嗎？賴署長說：「我認為我們能做到的，是使用適當的方法趨吉避凶。」隨著科學進步，模擬變得越來越精準，但終究還是預測，存在不確定性，雖然 2050 年最優預測是暴雨強度提高 15.7%，但上限呢？真的就只有前面提到的 20% 嗎？賴署長提醒我們要面對氣候變遷的現實，並在面臨風暴來臨之前做好準備，這個準備不只要能面對預估強度，更要有足夠的韌性，來面對超越預期的情況。

最後，賴署長說：「每個巨大的改變，一定是從一個微小的生活習慣，比如說開始固定運動，或是固定減少能源浪費。」也許現在看來微不足道的小動作，都將是未來的「重要一步」，就像蝴蝶效應一樣。

相信科學數據，擁抱不確定性，積極做出因應，這不僅是賴署長個人的想法，也是水利署全體的信念，唯有如此，才能在超乎預期的「風暴」來臨之前，做出最好的選擇。

參考文獻

• 全球水資源：三分之一人類「高度缺水」 – BBC News 中文
• Future global urban water scarcity and potential solutions | Nature Communications