高溫超導體形成的秘密－電子袋

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

• 作者／王立民
  • 臺灣大學物理學系教授，主要研究領域包括超導物理、高溫超導電子元件等

• Take Home Message
  • 今（2023）年 7 月 27 日，韓國研究團隊宣稱他們發現一種在常溫常壓下能產生超導體性質的材料「LK-99」。
  • 筆者團隊在實驗室中合成了 LK-99 樣品，並觀察到此樣品在常溫時呈現出抗磁性性質，但不具有超導體的完全抗磁特性。
  • LK-99 樣品具有半導體的導電特性，在 390 K 也有電阻急遽下降的變化，但應為樣品內含的硫化亞銅所致，因此僅可被視為一種具抗磁性半導體材料。

一直以來，實現「室溫超導體」就是人類的夢想。今（2023）年 7 月 27 日，來自韓國的研究團隊宣稱發現一種在常溫常壓下能產生超導體性質的材料「LK-99」，隨即引起全世界的振奮與轟動。

此外，在理論計算上也顯示 LK-99 在適當的摻雜與晶格排列下，具有表現超導性的可能。

幾天後，美國勞倫斯柏克萊國家實驗室（Lawrence Berkeley National Laboratory, LBNL）的研究員格里芬（Sinéad Griffin）也指出，透過超級電腦的計算模擬顯示，當銅原子（copper, Cu）滲透到晶格中的路徑處於適當的條件和位置——特別是取代某一個鉛原子（lead, Pb）的特殊位置時——它們就能夠具有超導的共同特徵。

這是首篇證實 LK-99 理論上可行的論文，更帶動了能源科技公司美國超導體（American Superconductor Corporation, AMSC）的股價在收盤前暴漲。緊接著其他以密度泛函理論（density functional theory, DFT）計算 LK-99 的能帶結構也被提出，作者們普遍認為銅的摻雜引起了「從絕緣體到導體」的轉變，並大膽推斷 LK-99 可能具有超導特性。

然而，各國間許多以實驗工作為主的研究團隊試圖復現韓國研究團隊 LK-99 的結果，卻未能證實 LK-99 是室溫超導體，國際團隊的實驗均顯示它僅是具抗磁性的半導體材料。

在各國紛紛設法復刻韓國團隊的研究時，筆者實驗室也立刻緊鑼密鼓加入，期望驗證這項被宣稱為「世紀大發現」的研究真實性。

超導的「迷」與「謎」

為了解這次室溫超導的真相，我們不得不先從現今超導的研究開始談起。

超導迷人之處不僅在於學術上的奇妙物理相變化，更在實際應用中展現出它獨特的性質——零電阻與完全抗磁性。這幾項特質在電力傳輸、交通、軍事、能源、量子科技等領域中，都具有相當多的應用價值。

然而自 1911 年荷蘭物理學家歐尼斯（Heike Onnes）發現「汞」（mercury, Hg）在 4.2 K（Kelvin，克耳文）的溫度下會呈現超導特性，成為第一個超導材料以來，歷經 75 年人們發現的最高超導溫度僅有 23 K 的鈮鍺化合物（niobium-germanium）。

1986 年，瑞士物理學家米勒（Karl Alexander Müller）及德國物理學家比得諾茲（Johannes Georg Bednor）發現銅氧化合物超導體（又稱高溫超導體），並於 1987 年獲得諾貝爾物理獎。

同年，中央研究院院士吳茂昆與朱經武也發現超導溫度約 90K 的釔鋇銅氧（YBCO）超導體，它的超導溫度已突破應用液態氮 77 K 的溫度障壘。

而迄今為止，常壓下超導溫度最高的是在 1993 年發現的汞鋇鈣銅氧（HBCCO）超導體，約為 135 K。

在理論的發展上，1957 年三位美國物理學家施里弗（John Schrieffer）、巴丁（John Bardeen）、古柏（Leon Cooper）提出 BCS 理論（Bardeen–Cooper–Schrieffer theory, BCS theory），解釋了出現於 1986 年以前的「低溫超導體」（或稱傳統超導體）的超導行為，例如同位素效應。然而公認能解釋高溫超導性的理論仍付之闕如，BCS 理論預期的超導上限溫度僅 40 K 左右。

多年來，人們也嘗試提高超導溫度，常用的手法是利用高壓，如在百萬大氣壓下一些含氫化合物將呈現近室溫的超導性，但這些方法其實對超導的理論或實驗研究不具任何意義。

因為根據基本理論，當外加壓力無限大時，超導臨界溫度（T_c）當然可以無限提高。所以具有重大意義的室溫超導，必須是在常壓下出現超導特性的材料，這也是韓國團隊宣稱 LK-99 為常溫常壓超導對科學界帶來震撼的原因。

如何檢驗材料的超導特性？

如前所述，超導具有零電阻與完全抗磁的特性，因此一項材料超導特性的驗證基本上需經由電阻與磁性的量測來確認（若加上比熱量測則會更完整）。以筆者實驗室裡用磁控濺鍍技術所成長的高溫超導 YBCO 薄膜為例，圖一（a）為量測此材料電阻率（ρ）比值隨溫度（ρ/ρ100 K− T）變化的關係（以 100 K 為基準），可以看到當溫度降至大約 88 K 時，YBCO 薄膜的電阻急速下降至近零電阻（儀表偵測極限）狀態。

而在磁性的量測，則利用超導量子干涉磁量儀（SQUID magnetometer）量測 YBCO 薄膜在零磁冷卻（zero-field cooling, ZFC）與磁冷卻（field-cooling, FC）下的磁化強度（magnetization, M）隨溫度變化的關係。

之所以需量測 ZFC 與 FC 曲線，是為了確認超導的磁通釘扎（magnetic flux pinning）效應，也就是磁力線在超導體內部低位能區的束縛狀態（可由 FC 曲線觀察此現象），而此效應也是所謂「第二類超導體」^註的特徵之一。

另外，若材料本身為完全無雜質存在的「百分之百超導體」，則它的磁化率（χ，定義為 M/H，H 為外加磁場強度）在 ZFC 低溫下則是完美的 -1 值（為超導體的邁斯納效應）。

相對地若材料本身只含有部分超導材料，混合了某些非超導材料，則 χ 雖仍為負值但卻會小於 1，且對應材料中超導成分所占的體積比率。因此透過磁性 ZFC、FC 的量測可以精確地定性與定量一項材料的超導特性。

如圖一（b）所示，此為量測 YBCO 薄膜在外加磁場 5 Oe（oersted，奧斯特）下 ZFC、FC 磁化率 χ 隨溫度變化的關係。圖中可以看到 YBCO 薄膜在低溫 2 K 下 ZFC 的 χ 值為 -1，顯示它完美的抗磁性，且 ZFC 與 FC 曲線分離也顯示樣品中存在著磁通釘扎效應。

另一種大家熟知、直觀的超導現象即為磁浮實驗。圖一（a）左上角的照片便是利用筆者實驗室自行成長的大塊 YBCO 單晶（黑色），在液態氮冷卻下的磁浮實驗照片。

圖中可清楚看到磁鐵飄浮於 YBCO 晶體上方，但此處需強調的是——一項材料並不是具磁浮現象就可斷言為超導體，例如因具有高抗磁性而可產生磁浮現象的熱解碳（pyrolytic carbon），就是一種具磁浮現象但並非超導體的例子。因此，超導特性的檢驗仍須以嚴謹的電性與磁性測量為檢驗標準。

驗證 LK-99 是否為超導體

依據韓國團隊在論文中揭露的 LK-99（化學成分為 Pb₉Cu(PO₄)₆O）合成方法，此材料的技術門檻不高，從原料到成品僅需數天即可完成。

首先根據文獻，我們合成的 LK-99 樣品外觀與顏色與其他團隊結果無異（圖二右上角），圖二為合成 LK-99 樣品的 X 光繞射圖（X-ray diffractometer, XRD）。此結果同樣與韓國等團隊所呈現的結果差異不大，均顯示其中的成分組成並非單純化合物，尤其是其中出現銅－硫化合物的「雜相」，意味著在對 LK-99 的特性量測與下定論時需格外小心。

圖三（a）為筆者實驗室合成的 LK-99 樣品在外加磁場 200 Oe 下的磁化強度量測結果，顯示 LK-99 在室溫（約 300 K）下具抗磁性，但換算磁化率則極低，約為 10^-4 左右。我們觀察到 LK-99 的 ZFC、FC 與韓國研究團隊公開的數據類似，也觀察到類似第二類超導體 ZFC 與 FC 曲線的分離，但這可能是因樣品中存在著具有磁通釘扎效應的雜質，才會造成它在低溫（10 K）以下呈現磁矩反轉成大於零的順磁性。

圖三（b）則為筆者實驗室製作的 LK-99 樣品電阻率隨溫度變化的關係圖，樣品在常溫以下呈現半導體的導電行為，特別是在溫度約 390 K 觀察到電阻急遽降低的情形，類似韓國團隊宣稱的在約 378 K 出現超導零電阻現象。

然而，已有中國科學院研究團隊的實驗結果表明，此超導現象可能是由於合成方法產生的副產物硫化亞銅所引起，硫化亞銅已知會在 377 K 出現結構相轉變並伴隨電阻急遽下降。而 LK-99 樣品在以能量色散光譜（energy-dispersive-spectroscopy）元素分析後也能觀察到硫元素的存在，與 X 光繞射的結果吻合。

因此，我們在實驗室中觀察到 LK-99 樣品在溫度約 390 K 時電阻急遽降低的現象，推論應為硫化亞銅所致，與超導無關。

並非室溫超導體的 LK-99

根據韓國團隊所發表的合成方法，我們複製出室溫超導 LK-99 樣品。在磁性測量部分，顯示 LK-99 在室溫為抗磁性物質，但不具超導的完全抗磁特性。

電性測量則顯示 LK-99 具有半導體導電特性，在 390 K 也有電阻急遽下降的變化，但應為樣品內含的硫化亞銅所致，與超導零電阻行為無關。因此，LK-99 僅可被視為一種抗磁性半導體材料，此結論與許多國際團隊的結果一致。在今年 8 月中旬，知名期刊《自然》（Nature）甚至刊出一篇文章直指「LK-99 不是超導體」。

LK-99 的認證實驗仍有待各國（包含韓國國內）其他團隊持續進行，尋找室溫超導之路仍然漫長。

感謝臺灣大學及國科會在研究資源的支持，以及中興大學物理系教授吳秋賢、東海大學物理系教授王昌仁及時找到元素磷，使復現實驗得以立刻進行。

也感謝實驗室團員的努力，使實驗室得以早日揭露 LK-99 真相，相關結果將整理以期刊正式發表。

註解

在超導狀態下，第一類超導體在超導臨界磁場（H_c）以下時呈現完全抗磁狀態（邁斯納效應，Meissner effect）。第二類超導體則呈現兩個臨界磁場：下臨界磁場（H_c1）與上臨界磁場（H_c2），磁場在小於H_c1下為完全抗磁性的狀態；磁場介於 H_c1 與 H_c2 之間時，部分磁力線可以進入超導體內部，呈現非完全抗磁性的混合態。

• 〈本文選自《科學月刊》2023 年 10 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。

你覺得，接受到的網路資訊很亂嗎，而且重要的科學都沒有被報導嗎？你也認為，生活中充斥著偽科學，錯誤訊息百出嗎？更無奈的是，在不少議題上，人人都可自稱專家，但發表的見解卻都沒有根據…

真相與科學被謠言屏蔽，這是不分世代面臨的資訊亂象，台灣科技媒體中心跟你一樣擔憂，所以積極號召更多台灣科學家站出來，致力挖掘科學議題的報導素材給媒體，而你的支持可以成為 SMC 堅強的後盾。定期定額挺 SMC，邀請大家與我們一起踏出改變科學新聞的第一步！

• 本文與台灣科技媒體中心合作，內文經泛科學改寫。
• 本文轉載整合自台灣科技媒體中心《「高溫影響太陽能板效率？」專家意見》
• 資料更新至 2022 年 8 月 1 日，完整文章請見上方連結

太陽能板的標準測試條件：25°C

7 月 25 日，台灣媒體引述歐洲新聞台（Euronews）報導，指出歐洲連日高溫與熱浪，可能會阻礙太陽能板發電。新聞指出太陽能板多數在理想溫度（25°C）的氣溫下測試效能，而這也是最佳發電條件。若高於這個溫度，太陽能板的發電效率會開始下降。對此，台灣科技媒體中心邀請專家解釋台灣的太陽能板發電效率。

臺灣的「矽基太陽能板」有同樣的問題嗎？

台灣科技大學電子工程學系特聘教授 魏榮宗

Q1：現在台灣設置最廣泛的矽基太陽能板，也是在攝氏 25 度的氣溫情境下，測試發電效率嗎？如果是的話，測試情境與實際發電效率的落差有多大？如果不是，台灣的測試情境為何？

為了統一評估太陽能板的發電效果，國際上規範太陽能板標準測試條件（Standard Test Conditions , STC）為 25℃、照度 1000W/m²，AM1.5 標準光譜^[1]之情境。依照目前的太陽能板測試數據，溫度每上升 1℃，太陽能板電壓就會變小，導致輸出功率下降 0.35%^[2]；但溫度越低，輸出功率反而增加。台灣夏天溫度高，太陽能板的表面溫度約在 45~65℃ 之間，換算下來，約降低 7% 至 10.5% 發電功率。

Q2：新聞提到，在上一波熱浪期間，德國的太陽能發電打破紀錄。對於「發電量破紀錄」跟「發電效率可能降低」之間，似乎有概念上的落差，我們該怎麼理解才正確？

雖然太陽能板受溫升影響而降低效率，但實際上，夏季日照時間最長，太陽光垂直照射太陽能板使輸出電流更高^[3]，所以即便扣除 7 至 10.5% 的發電功率以及下雨影響，台灣夏季平均每日發電量仍高於冬季 40-60%^[4]。德國緯度比台灣高，夏冬日照時間差距比台灣更大，熱浪期間長期不下雨，增加發電量的比例遠高於溫升影響，所以發電量破紀錄是必然現象。

Q3：對於高溫可能降低太陽能轉換效率，我們有什麼措施或是技術，來因應氣候變遷的挑戰？

1. 太陽能板架設時，要預留下方空間給空氣流通。
2. 三角屋頂施作時，應避免貼平烤漆板，盡量以自然風散熱，降低太陽能板溫度。
3. 研發太陽能板不易受溫升影響發電效率的電池片。十年前，影響大約每度溫升影響發電效率 0.5%，目前已經下降至 0.35%，期待未來可以進一步降低溫升影響。

不可忽視的關鍵——日照量

成功大學光電科學與工程學系教授 陳昭宇

太陽能電池的效率，必須在特定的標準測試條件（Standard Test Condition, STC）下量測，這樣不同的實驗室或研究團隊所得到的數據才能互相比較。這些條件包含了 1000W/m²  的光照強度、攝氏 25 度與特定的太陽能光譜分佈（AM 1.5G）。然而，當太陽能電池真正應用時，情境大不相同。

矽晶太陽能電池的轉換效率，的確會隨著溫度的上升而下降。就算沒有熱浪來襲，屋頂型太陽能電池的工作溫度，在晴天也會處於 40 度到 50 度左右，基本上不會以 25 度的條件發電。一般太陽能模組溫度每增加一度，太陽光電板之效率將降低 0.4% 至 0.5%，因此相對於沒有熱浪的情況而言，熱浪所增加的高溫對於效率的降低可能只是很小的影響。

而發電量是「光照強度」×「轉換效率」，炎熱的天氣通常伴隨著較強的日照，很少遇到炎熱的陰天或雨天，這意味著光照強度整體上升。因此，大部分高溫情況下會得到較高的發電量，是因為日光強度提升，彌補了發電效率的下降。就好比一張滿分 100 分的考卷，你答對九成，分數是 90 分；滿分是 120 的考卷，你答對八成，分數則是 96 分。

圖一是 7 月 26 日，成大光電系系館頂樓太陽能系統的發電情形。紅色是溫度，綠色是日照量，藍色是發電功率——發電功率與日照量是高度相關的！

圖二是 5 月 2 日，溫度只有攝氏 20 度左右，接近太陽能最佳轉換效率之溫度。然而，因為日照大量減少（綠色），因此發電量也大減。

因此，該篇報導只注重轉換效率與發電量，未考慮到日照量的變化，是錯誤的連結。

另外，值得一提的是，歐洲地區的用電尖峰是在冬天為了避寒，然而這個季節的太陽能發電量是相對較少的。台灣的情境剛好相反， 我們的用電尖峰是在夏天，太陽能的供應相對高，因此我們在供給與需求的匹配上比較有利，地理條件對於使用太陽能支援尖峰供電也相對容易。

註解

• 註一：太陽輻射進入地球時，會受不同的入射角度與大氣層厚度影響；AM1.5 標準光譜是指太陽光以 48.2 度夾角，穿過 1.5 倍大氣層到達地表的平均輻射照度。
• 註二：元晶模組規格書
• 註三：氣候月平均／日照時數
• 註四：台電自有太陽光電發電運轉實績