恐龍蒸蛋，蒸恐龍蛋

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

比爾蓋茲（Bill Gates）創立的「突破能源風險投資基金」（BEV）所投資的其中一家，是瑞典新能源開發公司「倍速羅得（Baseload Capital）」，這家公司在 2019 年選了台灣花蓮的紅葉村，作為亞洲地熱開發地點之一，顯示台灣在地熱發電的潛力。

不過你知道嗎？其實早在 1981 年台灣地熱發電就曾經領先國際，當時在宜蘭清水設置的地熱發電廠，是全世界第 14 個進行地熱發電的國家，但後來到 1993 年就關廠不用了，到 2021 年才重新再次運轉，為什麼呢？ 這次我們來聊聊臺灣在地熱發電上已經做了哪些開發？又有哪些實際的困難和需要突破的地方。

發展地熱發電的成本和考量

地熱開發就像談戀愛，不能在 App 上聊得愉快就直接把身家都交給陌生的他，還是得面對面深入交往才知道這人到底存不存在，值不值得真心託付，能不能長長久久。地熱能開發本身，也是件高度不確定的事，以探勘地熱來說好了，即使有科學研究資料輔助，最終還是要認真挖探勘井到一定深度，才有辦法判斷到底能否作為發電之用，無法保證一定有成果。

再說，就算確定有好的熱源，若要開發臺灣地底深處的熱能，就必須挖掘深的地熱井，也就意味著要付出高昂的成本。一般而言，鑽井成本少說占了整個地熱發電計畫的 30% 到 50%，甚至是更高。根據美國康乃爾大學（Cornell University）的研究團隊於 2013 年發表的估計，地熱井深度和鑽井成本的關係，大致可以用這張圖來表示。隨著深度增加，鑽井費用亦大幅上升。

而且，每個計畫會開發的地熱井，絕對不只一口，以宜蘭的利澤地熱電廠來說，就預計會有 11 口 6 公里深的井，所需費用的龐大可想而知。

同時，鑽井會遇到許多不同的困難。看過電影世界末日都知道，如果岩盤堅硬又粗糙，那麼不但鑽井的進度會變得緩慢，鑽頭也會磨損得特別快。另外像是卡鑽、穩定鑽頭的泥漿流失等等，都是必須面對的挑戰。

另一方面，在開發地熱時，依地區而異，可能會遇到腐蝕性流體，如含氯離子或硫酸根的地下水，因此必須選用耐腐蝕的機具和管材，或是用化學方法中和；而當熱液從地底冒出到地表時，也可能伴隨硫化氫等有害氣體，要是聞到臭雞蛋的味道還可以跑，要是濃度高到讓人嗅覺疲乏可能小命就要難保。

此外，地下水中的雜質和礦物質，可能會隨時間經過附著在管壁上，導致發電效率下降，定時清理也是個麻煩的差事。

隨著科技的進步，雖然這些麻煩在原則上都能夠處理，卻也是無法免除的成本，在規劃時就必須仔細考量因應措施。

說了這麼多，到底用地熱發出來的電貴不貴呢？發電成本會因地區、時間和技術的提升而異，不同單位做出來的評估也會不同。若我們比較近年來幾個不同組織評估的全球均化發電成本（Levelized cost of electricity），也就是電廠生命週期總成本除以生命週期總產生能源，大致可以看到這樣的結果，不同顏色代表著不同單位的評估。

以全球總體來說，目前地熱發電每發出百萬瓦小時電力的成本，跟太陽能和陸域風電相比稍微偏高，但跟其他能源相比倒也不至於比較貴。必須留意的是，這只代表近年的能源價格狀況，也跟電力公司發布的發電費用是完全不同概念，而且隨著未來地熱往深處探勘、或技術的成熟，成本還有可能提高或降低。

臺灣的地熱發電發展

事實上，臺灣在地熱發電曾經領先國際，1981 年就在宜蘭清水設置了地熱發電廠，是全球第 14 個進行地熱發電的國家。

只不過，臺灣的地熱發電量從一開始的 828 萬度一路下滑，到 1995 年完全歸零，從 2017 年之後才又往上提升。這中間到底發生了什麼事呢？

一來，清水地熱電廠早期進行發電時，利用完的熱水並沒有回注地底，而是直接排掉，造成地下水耗損；二來，像我們前面說過的，地下水中的礦物質於地熱井管壁結垢；這兩大因素使得清水電廠的出水量銳減，僅過一年發電能力就大幅下降，最終導致 1993 年的關廠。

從此，臺灣的地熱發電沉寂好一段時日，直到 2013 年清水地熱電廠重新建置示範機組，進行運轉測試，2018 年開始發電，並於 2021 年底正式重新啟用，才宣告復活，目前也有擴大發電規模的計畫進行中。當然，這一次，在地下水回注跟結垢問題的處理上，都比之前更好。

除了清水地熱這個示範點，從 2018 年開始，也有台東知本溫泉業者利用既有溫泉資源進行發電，且併入台電電網，成為臺灣小規模地熱發電首例。

那麼，臺灣的地熱發電就此熱熱鬧鬧熱到家了嗎？倒也不是。我們可以從兩個面向，行政流程和開發誘因分別討論。

臺灣的地熱發電關卡：繁複的行政流程

長久以來，臺灣在地熱資源的開發一直缺乏適當的法規和配套流程。若要進行開發，必須依照《溫泉法》和《水利法》申請，但卻沒有任何一項是跟發電直接相關，法規細節也不符合地熱發電的特性。

此外，土地使用根據涉及的區域，仍須依《都市計畫法》、《區域計畫法》、《森林法》、《國家公園法》、《地質法》、《災害防救法》、《水土保持法》等規定辦理，不但要面對中央和地方政府許多不同單位，行政程序亦曠日廢時，相當不容易。

就像兩人交往之前，得先經過她爸、她媽、二舅、大嬸婆、還有指導教授跟前男友同意才行。以才剛重新啟用的清水地熱電廠來說，雖然施工只要一年多，跑行政流程卻花了四年。這樣冗長繁複的申設程序，無疑拖累了臺灣的地熱發電發展。

有鑑於此，最近的「再生能源發展條例」修正草案，簡化了地熱發電申請的行政程序，也新增相關規範，並於 2022 年 12 月初在行政院通過，後續將送往立法院審議，值得我們關注後續的發展。

臺灣的地熱發電關卡：開發誘因不足

地熱發電要付諸實行，除了技術和法規必須到位之外，還必須有經濟效益，才可能成真。

我們可分別從計畫的探勘期、開發期、和營運期三個階段來說明。

首先，地熱發電計畫在探勘期風險極大，很有可能挖了探勘井，卻沒有好的熱源，回不了本。

舉例來說，從 2017 年底開始，台電在綠島進行了兩口地熱試驗井的鑽探工程，最終卻發現溫度並不理想，而暫時將計畫擱置。

而在開發期，臺灣目前沒有保障地熱探勘者優先開發的權利，就算找到熱源，卻可能被其他業者搭便車，捷足先登開發，得不償失。相關法規後續要怎麼訂定，是值得討論的議題。

最後，營運期的收入，若無法彌補成本並獲利，就也不可能吸引廠商投入。為此，躉購費率，也就是再生能源保證收購制度的訂定就非常重要。

縱上所述，因為地熱計畫存在諸多風險，初期又需要龐大的經費，如果沒有政府支持，民間廠商非常不容易投入。

目前來說，臺灣政府設有「地熱能發電系統示範獎勵辦法」，針對探勘給予補助；既有的地熱探勘初步資料在「地熱發電單一服務窗口」網站也都可查詢，並由經濟部中央地質調查所邀請國內 12 個與地科、地質相關校系，籌組「地熱探勘學研合作平台」，投入前期的地質調查，讓廠商有開發的參考依據。同時，地熱發電做為再生能源的一環，每年也會重新修訂躉購費率。

至於這些措施合不合宜、是否真能發揮效用，增加廠商投資意願，就有待我們觀察。

隨著再生能源越來越受到重視，全球的地熱發電於這十幾年內增加了許多。

雖然在總容量上，與其他主流能源還有不小差距，但因為技術的進步，地熱發電逐漸能夠擺脫地域的限制，更廣泛地被運用。

而台灣位處環太平洋火山帶，深具地熱發展潛力。可惜的是，即使是臺灣最容易開發、深度較淺的地熱能源，其潛能亦尚未完全發揮。經濟部原本設定 2025 年地熱發電目標要達 200MW，卻因為行政流程繁瑣和開發誘因不足等各種原因，導致開發進度緩慢，只能下修目標。

現在，台灣地熱累積的併網裝置容量約 5MW，雖然還有二十多個地熱計畫正在進行中，也有民間公司積極投入，宣布最快要在 2030 年累積建置達 200MW。但上述問題一日不解決，臺灣的地熱就難以真正施展拳腳。

如果我們希望臺灣的地熱發電能夠更蓬勃發展，那麼，相關法規的訂定和行政流程的簡化是一定要做的，接著要完善獎勵措施和補助機制，並設定合理的電價制度。在整個過程中，一些地熱發展良好的鄰近島嶼國家，如日本、菲律賓、印尼、紐西蘭的相關政策，也值得我們借鏡。另一方面，在土地的使用上，如何和在地民眾溝通與協商，也是重要的工作。

可以說，不需要燃料，極低碳排放，但是前期建置成本佔比高，營運費用相對低廉，是地熱發電的特色。儘管潛力巨大且有著諸多好處，但技術上的挑戰，和地理條件的限制也擺在那邊。

• Beckers, Koenraad F., et al. “Introducing GEOPHIRES v1. 0: Software package for estimating levelized cost of electricity and/or heat from enhanced geothermal systems.” Proceedings, Thirty-Eighth Workshop on Geothermal Reservoir Engineering, Stanford University, Stanford, California. Vol. 11. 2013.

2022 年 3 月臺灣政府正式公布了「台灣 2050 年淨零排放路徑藍圖」，我們在先前的影片也有聊到，2050 淨零排放就是要讓台灣的總碳排放量，再扣掉人為捕捉移除的量之後歸零。

直觀來說，極低碳排放的再生能源電業，在淨零排放上勢必扮演重要角色。這次我們要來聊聊除了太陽光電和離岸風電之外，大家也非常期待的綠色能源——地熱發電，談談地熱發電究竟是什麼？有發展的可能嗎？

什麼是地熱發電？

大家學過地科都知道，地球內部處於極高溫狀態，而這股地熱能，會隨著地函對流和熔岩，被帶至地表附近。

人類很早就懂得利用地熱資源，例如你我曾經泡過的溫泉，就源自於被地熱加熱的地下水。換言之，地熱能是地球自然產生、乾淨的再生能源。若拿來發電，就是所謂的地熱發電。

地熱發電擁有不少優點，包括使用腹地小、碳排放低、低污染、抗天災等，更沒有目前太陽能發電和風力發電最為人詬病的不穩定問題，可以 24 小時全天候提供電力。若能妥善開發和利用，不失為未來全球再生能源供給的重要選項。

臺灣地熱潛力為何？

說得再理想，還是要先回答一個關鍵：臺灣的地熱潛能到底有多少？這邊要介紹一個名詞：地溫梯度（geothermal gradient），它指的是地球內部隨深度增加而使得溫度升高的變化率。

一般來說，在地表附近，每往下一公里，溫度就上升約攝氏 25 到 30 度；但是，在靠近地球構造板塊邊界處，溫度梯度較高；也就是說，往下同樣的深度，會得到比較高的溫度。在這些地區，要進行地熱發電明顯比較有利。

而臺灣正好位於菲律賓海板塊和歐亞大陸板塊的交界，因為兩個板塊的互相擠壓，使得地殼隆起而形成。

因此，臺灣不但多地震，就先天條件來說，似乎也是地熱潛力值得期待的區域。

可惜的是，根據上個世紀的地熱評估文獻，臺灣的地熱發電潛能最多不會超過 1000MW，這個數字是多少？我們作個對照，核四兩部機組的總裝置容量是 2700MW。

若再考慮這些地熱的位置和環境，不見得都適合開發，所以可實際運用的地熱就又更少了。對此，工研院甚至曾推估，其中真正能拿來發電的地熱，只有 150MW。

這麼說來，我們大概不用指望地熱發電，只能洗洗溫泉睡了，或頂多只能有小型的發電規模。

不過，代誌（tāi-tsì）不是那麼簡單。當談到地熱資源多寡的時候，就跟為人處世一樣，我們至少必需要留意兩個要素：溫度和深度。很顯然地，當溫度不夠高，地熱發電就沒效率；另一方面，既然地底越深處溫度越高，我們只要一直挖、一直挖、挖得夠深，總是可以得到足以發電的高溫。

前面說到臺灣地熱發電潛能最多不到 1000MW，事實上考慮的是溫泉地區中，離地表比較近、最容易開發的地熱。若往更深的地方探勘，又是另一番風景。

在習慣上，國際常分別用淺層地熱（shallow geothermal）和深層地熱（deep geothermal）的稱呼來區別深度不同的地熱能。但要值得留意的是，要多淺才叫淺層、多深才叫深層，並沒有全球一致的定義，反而依各國情況而定。

近年來，在國科會的能源國家型科技計畫支持下，臺灣大學的研究團隊分析了大屯火山群、宜蘭地區、廬山地區和花東地區共四個區域的資料，發現海拔高度 1000 公尺以下、地底深度 4000 公尺以內，且地溫高於攝氏 175 度的地熱蘊藏發電容量，可達 33640MW。換句話說，約等於 12 座核四。

既然臺灣蘊藏了這麼高的發電容量，那我們還不趕快開發開個爆嗎？

地熱發電原理與技術

這就會牽涉到現實中，地熱發電技術的發展。

理想狀況下，地熱資源的構造，大致可以用這張圖來表示。最下方是熱源，熱源之上稱為儲集層（reservoir），再上方則是由緻密岩石組成的蓋層（caprock）。

地下水會經由地層裂縫進入儲集層而受到加熱。因為蓋層的阻擋，大部分熱水或水蒸氣會在儲集層進行熱對流，而少部分的水或蒸氣則可能會透過蓋層的裂縫，從地表竄出，成為溫泉或是噴氣孔。

就傳統的地熱發電來說，地底需要三個條件，豐富的熱源、充足的地下水，和良好的滲透率，讓水可以在其中流動，這三者缺一不可。在具備這些條件的地方，汲取地熱能量相對容易。

如果從地底出來的水是蒸汽型態，我們可以直接利用，讓蒸汽通過渦輪機，產生電力，稱為乾蒸汽（Dry Steam）發電，這也是最古老的地熱發電方式。只不過，這麼好的條件可遇不可求。

若存在地底的是攝氏 180 度以上的高溫熱水，當這些熱水從高壓環境抵達地表的低壓貯存槽，因為壓力降低，會迅速轉變成氣體，推動渦輪發電機，這稱為閃發蒸汽（Flash Steam）發電，同時也是目前最普遍的地熱發電方式。

要是地熱資源的條件沒那麼好，比如說，世界上大部分地方，地溫梯度並不高，就算挖得很深，地下水溫就是不熱，怎麼辦呢？就像教授在課堂上講笑話，大學生托著腮毫無反應一樣，那就找批笑點很低、又很有精神的小學生來吧！

近來，許多的新建地熱發電廠採用所謂雙循環（Binary-Cycle）發電方式，當溫度沒那麼高的地下水到達地表後，會在熱交換器（heat exchanger）與另一種流體交換熱能，像是正戊烷（Pentane）或丁烷（Butane）；它們因為沸點很低，所以在接收到地下水的熱能後，會轉變成氣態並推動渦輪，產生電力。雙循環系統的好處是適用更廣大的區域，而且對溫度的要求不高，甚至有攝氏 57 度就成功發電的紀錄，但缺點就是發電效率較低。

目前世界上的地熱發電廠，主要都是用以上三種方式進行發電，深度約在 1.5 公里到 2.5 公里左右。然而，正是地熱發電技術的瓶頸，成為臺灣大規模開發地熱資源的難處之一。但這些難處，其實也有技術可以破解！

臺灣地熱的先天條件、侷限、破解之道

上述的地熱發電方式，至少都需要有充足的地下水或地下流體，和良好的滲透率；就算溫度不夠高，也還可以用雙循環系統來彌補。

但在臺灣，深度較淺、容易探勘與利用的地熱資源，發電潛能最多也不過前面提及的 1000MW，而且還得再扣除不適合開發的地區。如果想大規模進行地熱發電，就勢必要往更深處的地熱資源著手。

然而，我們卻沒辦法保證潛在的地熱資源，都具備充足的地下水跟良好的滲透率。有很大可能是，地底深處儘管溫度夠高，卻沒有水也沒有適當的裂隙。這也是全球地熱發電發展腳步緩慢的原因之一。

為了克服此一問題，這些年來陸續有不同的提案出現。而國際上最常被提及的解方，就是所謂的增強型地熱系統（Enhanced Geothermal System），簡稱 EGS。

EGS 在嚴謹控制的環境下，以高壓朝地下深處注入冷水，迫使岩石原本既有的裂隙擴大，人為創造良好的滲透率。

這些冷水在吸收地底的高溫之後，又會回到地表作為發電之用。一旦發電完畢，這些冷卻下來的水又會被注入地底，如此往復循環。有如開了二檔的魯夫。

這樣聽起來，增強型地熱系統似乎很不錯，降低了地熱發電的環境限制門檻。但是，它也存在一些問題。

首先，往地下注入的水，其流動取決於人為擴大的裂縫，但我們並沒有辦法保證裂縫方向符合需求，所以會有很多水是沒辦法回收的；二來，它也有引發地震活動的可能性。這些都是使用 EGS 進行地熱發電時，要實際考慮的問題。

這集，我們討論了地熱發電的原理，以及臺灣是否適合地熱發電，下一集將討論地熱發電的成本，與開發上需要考量的細節，並回顧台灣地熱發電的發展歷史。

• 請訂閱 Pansci Youtube 頻道 獲取深入淺出的科學知識！