減碳新招：二氧化碳再利用！光觸媒材料可以把二氧化碳還原成工業化學原料？——專訪中研院原分所陳貴賢特聘研究員

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 建研所 委託，泛科學企劃執行。 

根據聯合國統計數據，全球每年 38% 的溫室氣體排放，並非來自道路上的交通工具，而是由「現代都市與建築」所造成的。

我們如今站在兩條路徑的十字路口。一條是依賴更多水泥建築與空調系統來抵禦夏季酷暑，然而這樣的選擇只會加劇室外大氣的惡化。另一條則是徹底改革建築、用電、設計與都市規劃，不僅尋求低碳排放的建築方式，還要找出節能降溫的解決方案，實現事半功倍的效果。

然而，我們是否真的能將建築業的碳排放歸零？

建築的溫室氣體哪裡來？

在建築物 60 年的生命週期中，建材的碳足跡其實只佔 9.8%，因為建築一旦完成後，材料不會頻繁更換。相反，日常生活中的用電才是主要的碳排來源，占了 83.4%，其中大部分來自冷氣、照明和各種電器。

當然，讓大家集體關燈停用電器「躺平」來拯救地球，顯然不切實際。既然完全不消耗能源是不可能的，我們應該尋找更現實的解決方案。

現在就來看看全球七棟零碳建築之一——成大的「綠色魔法學校」，臺灣首座淨零建築，如何運用建築技術，成為當代永續建築的典範。這些技巧中，有哪些能應用到你我家中呢？

為了省電要把煙囪塗黑、吸收更多太陽光？

都市裡，我們最大的挑戰之一就是夏天的高溫，水泥建築群在陽光的烘烤下，變成一個個巨大的窯爐。為了解決這個問題，綠色魔法學校在國際會議廳裝了一個煙囪，不過這不是為了讓窯爐更熱，而是用來降溫的。

煙囪為什麼都都要蓋的那麼高？原來煙囪越高，上下的溫差越大。熱空氣因為密度低而向上移動，產生熱對流。溫差越大，這個熱對流就越強烈，這就是所謂的「煙囪效應」。在要幫室內降溫的情況下，我們的目的是產生更強的煙囪效應，抽走熱空氣，讓室溫下降。但這棟建築裡沒有火爐，而溫差不夠大時，這效應會變得微弱，那該怎麼辦？

_{浮力通風效應。圖 / 泛科學自製動畫截圖}

綠色魔法學校提出了一個大膽的解法：在煙囪南面下半部改裝透明玻璃窗，並將煙囪內部塗成黑色，還加裝了黑色烤漆鋁板，這樣可以最大限度地吸收太陽光。每當艷陽高照，這個不插電的的「自然通風系統」就能自動啟動，創造局部的熱對流，帶動整根煙囪的熱氣向上移動，為室內降溫，達到節能效果。以熱制熱，完全反常識。

幫室內降溫的最大原則是：通風。

實際上，不是人人家裡都有煙囪。但如果建築的高處沒有任何窗戶或通風設備，熱空氣就是會從屋頂一路往下蓄積在室內。因此，你也一定在許多工廠或民宅的屋頂看過一個不斷旋轉的小風扇，它們也是有異曲同工的效用。雖然不是高聳的煙囪，但特殊的渦輪構造，風吹過就會開始轉動，並連帶空氣排出室外。是個不用插電的通風球。

綠色魔法學校的煙囪就是個效能更強的換氣機，足以讓 300 人大型會議廳的換氣次數，高達每小時 5 到 8 次，甚至能在室內颳起風速每秒 0.5 公尺的微風，是最舒適的環境。這些利用熱氣密度的差異來改善室內溫度的方法，又稱為「浮力通風」。

為了把通風貫徹到底，綠色魔法學校在建築的兩面裝設大量窗戶以及吊扇，來讓水平也能通風。這些我們習以為常的裝置，其實才是關鍵。靠吊扇的一點點電力讓自然風可以自由進出，耗費的能源，遠比冷氣還要少得多。

幫空調省電的最後一招，就是微環境控制。

實際上魔法學校內還是找的到空調設備，並不是完全拔除不用。除了選用最高效率的主機，以及把室內循環做到最好以外，降低周遭環境溫度才能減低冷氣的負擔。要降低水泥叢林的熱島效應，需要植被與水體來做溫度調適。

在太陽照射下，水泥屋頂表面最高可以達到攝氏 70 度，如果屋頂有種植植栽，室內頂層樓板的表面溫度就可以維持在攝氏32 度以下。不用開電就先幫室內降溫。

水也是關鍵的一環。一是水的比熱高，想打破水分子之間的氫鍵，需要大量的熱量，要讓一千克水的溫度升高一攝氏度，需要 4,200 焦耳的熱量，這可以避免溫度因為烈陽就快速上升。二是當溫度真的過高，水也會透過蒸發帶走熱量，讓溫度不至於向上飆。

魔法學校的屋頂花園使用水庫淤泥，研磨後燒製成的再生陶粒，裡頭混合了稻穀，結構極細，不會像有機土一樣分解消失，可以涵養水源，還不用動不動補土壤，不只降低屋頂植被的澆水次數，還能達到降溫效果。地面也採用透水鋪面，讓每一滴水都不浪費。

綠色魔法學校本名是成功大學的「孫運璿綠建築研究大樓」

2013 年被英國知名出版社羅德里其評為「世界最綠的建築」，並獲選為聯合國全球七棟零碳建築之一。

除了表彰之外，在認證上也確實取得了臺灣最高等級的「鑽石級綠建築」認證，以及美國最高級的「白金級綠建築」兩個綠建築認證。

為了讓相同的成效可以陸續在全臺的所有建築上實現，臺灣在既有的綠建築標章體系上，擬定出了「建築能效評估系統 BERS」，針對關鍵的空調、照明、插座電器的用電狀況訂出明確的耗電密度指標得分。簡單來說，就是每平方公尺的面積上，每年平均的用電量。

要打造一棟淨零建築，需要設計與材料硬體的相互配合。在日常用電這最大耗能項目上，能透過前面的淨零設計與智慧能源管理來減低能耗。而我們還沒提到的最後一塊拼圖，則是回到建築的建材本身。這部分減碳的方法有很多種，例如將傳統施作工法改為在工廠就完成模組化建材製造的「預鑄工法」，減少現場搭建鷹架、施工的步驟，達成減碳。又或是將部分建材更換為木、竹等負碳建材，甚至使用零廢棄物、能「循環使用」的建材。例如 2018 年亮相的臺中花博荷蘭館、或是 2021 年台糖在沙崙啟用的循環聚落。

建築物能夠完全不用電嗎？……電從哪裡來？

沒錯，連全球最綠的建築——綠色魔法學校，也無法做到完全不使用電力。正如前面提到的，建築的最大能源消耗來自日常使用，而這所「魔法學校」的成就，是成功將日常能源消耗降低，讓溫室氣體排放減少超過 50%。

這就是關鍵，減少一半後，剩下的部分就靠周邊的造林、太陽能和風能等綠色能源來補足。

2022 年 3 月，國發會公佈了 2050 淨零排放的路徑圖，參考美國、日本、歐盟等國，制定了 2050 年達成淨零建築的目標。

這條路徑包含兩個核心目標：第一，所有建築物要在建築能效評估系統（BERS）中達到 1 級節能，甚至進一步達到「1+ 級」近零碳建築的標準，減少至少 50% 的能源消耗。第二，同步發展再生能源，讓這些近零碳建築朝淨零邁進。

這個目標比你想像的要容易實現。比如，2023 年 12 月，台達電的瑞光大樓 II 就成功取得了「1+ 級」近零碳建築認證，並符合 0 級淨零建築規範。而在 2024 年 7 月，國泰人壽在臺中烏日的商辦大樓經過改造後，也達到 0 級淨零建築標準。這些案例證明了綠色魔法學校的成功經驗可以複製，不論是新建築還是舊建築，都能達成甚至超越淨零目標。

為了不讓每一年的夏天都是你我餘生最涼的夏天，碳排歸零是必須要實現的目標。現在你知道，這個任務的關鍵就掌握在你我手中。就像選擇能源標章電器一樣，只要選擇符合 BERS 能效標準的建築，我們不僅能降低冷氣的依賴，也能節省電費，讓地球和你的荷包都雙贏。

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。

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。

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）。

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」。

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。

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。

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？

• Corn to Power Airplanes? Biden Administration Sets a High Bar. – The New York Times
• 台灣中油全球資訊網-加油站查詢
• https://grains.org.tw/最新科學研究：玉米燃料乙醇大幅減少溫室氣體排/
• USDA Releases New Report on Lifecycle Greenhouse Gas Balance of Ethanol
• https://scijournals.onlinelibrary.wiley.com/doi/10.1002/bbb.2225
• 本田・GE100% 可持續燃料航空引擎測試成功
• 阿聯酋航空邁向永續 完成 100％ SAF 驅動單一引擎首航
• https://tcc-gsr.com/module-1/transforming-transport-and-mobility/