【還能怎樣】林祥泰：甲烷可燃冰

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 本文依據 恆水創電 110 年 12 月 9 日新聞稿 改寫

文／郭椀濘、李先泰

為了地球的永續發展，台灣已將 2050 年淨零碳排列為重要政策目標，行政院也擬於2022年初提出路徑草案，檢討整體能源政策；為了實現淨零碳排目標，能源新創企業「恆水創電」9日與比利時台北辦事處共同舉辦記者會，發表與比利時水輪機製造商 TURBULENT 共同研發的超低落差機組「Turbulent S」，該機組針對台灣水利環境設計，只要 1.28m 超低落差即可發電，有助於微水力發電在台扎根。

比利時台北辦事處處長文浩德 Frédéric VERHEYDEN 致詞指出，比利時綠能產業擁有許多領先技術，為潔淨能源的先驅，是台灣發展能源最理想的合作夥伴，與台灣離岸風電領域已有深入合作，十分樂見 TURBULENT 與恆水創電在嶄新領域攜手共進，「台比合作將發展美好且綠化的台灣，為全球的淨零願景貢獻心力。」

恆水創電股份有限公司創辦人兼執行長鄒飛逯表示，推動「水利建設內建發電」是恆水創電的企業使命。他強調，台灣具有得天獨厚的水力發電條件，不但水力豐沛，地勢更是山高水急。然而，在河川渠道中卻有許多緩解水流力道的消能設施（如消波塊），以小水力發電的觀點來看相當可惜。

鄒飛逯指出，若運用發電機組取代消能設施，用水流動能發電，就能使消能設施創造能量，既可兼顧設施安全，又能創造最乾淨的綠能，堪稱一舉數得，而這也是恆水創電的初衷。鄒飛逯強調：「思維轉個彎，水利基礎建設就是小電廠，每一滴水都能發好幾次電！」

針對 TURBULENT 機組的技術優勢，鄒飛逯指出，TURBULENT 垂直渦流水輪機的特色是韌性極強且應用場域廣泛。強韌的葉片讓機組不怕垃圾及泥沙堵塞（以Turbulent S為例，可容納直徑 25cm 的物體通過），一體成型的設計亦可抗震；若遇到強風豪雨導致河川水位暴漲，也有對應的斷電機制，讓發電機組自動跳離電網，在條件嚴苛的場域中仍可穩定運作。

鄒飛逯也說，TURBULENT 的機組體積小且易於施作，可與水利設施合為一體，多元發展性高。更關鍵的是，機組的設計也讓河道中的生物能無害通過葉片，可兼顧生態友善：「頂多讓通過的生物感到暈眩，但不會造成傷害。」

而為徹底運用台灣的水力潛能，恆水創電與TURBULENT整合雙方專業，經過兩年場域資料蒐集及田野調查，為台灣水力環境量身設計 Turbulent S超低落差小水力發電機組，為台灣打造最佳化機組。

Turbulent S可應用於台灣多數水力環境中，因其有效落差高度僅1.28m，所需流量為2cms (每秒2立方米)，無論在灌溉溝渠跌水工、自然河川、淨水與汙水處理廠、給排水、水保設施等場域，都有極大發揮空間，讓鄒飛逯喊出「一落差一機組，一渠道一電廠」的綠能願景。

為推動台灣小水力產業發展，恆水創電與TURBULENT已簽訂合作備忘錄，授權Turbulent S機組國產化，比照風電模式在台灣落地生產。

恆水創電總經理廖弘毅指出，Turbulent S國產化不僅有助提升產業技術，更可確保長期料件供應與技術服務。「作為生命週期20至30年的基礎建設，國產化將能確保小水力發電在台灣長久發展、穩定維運；」廖弘毅總結，「這將是小水力發電在台灣遍地開花的重要一步！」

今日恆水創電也正式與台灣小水力綠能產業聯盟簽約入會，強調日後將會有緊密合作。對此聯盟洪正中理事長表示：「小水力發電是最環保再生能源，為對環境最友善的發電方式，小水力為台灣再生能源第三棒，聯盟與恆水創電公司將會持續為再生能源努力。」

2021.12.12 PM 0:24 更新：原版本文中之「水頭」為英文 Hydraulic Head 之意，為單位重量液體通過泵所獲得的能量，單位為公尺(m)。為便於理解，改為「落差」。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文｜郭雅欣
• 美術設計｜林洵安

回收廢熱的熱電材料

在全球面臨能源轉型之際，再生能源的發展大多著重在太陽能、風力、水力、生質燃料等。然而近年，隨著奈米科技的發展，可將廢熱轉為電力的熱電材料也逐漸嶄露頭角。中央研究院物理研究所陳洋元研究員踏足熱電材料的研究已有十幾年，在他眼中，熱電材料極具能源發展潛力。

熱電轉換再興起

身處能源轉型的關鍵時刻，我們不由得擔心，再生能源真的足以補上電力缺口嗎？還有沒有其他新興的發電方法呢？有的！用廢熱發電，聽起來很不錯吧？畢竟在日常生活中，我們也受夠廢熱了。汽車、冷氣等機械廢熱，加上太陽的輻射熱等，這些煩人的廢熱如果能拿來發電，實在是個好主意。

熱電材料就是熱生電的關鍵，它能將（沒用的）熱轉化成（好用的）電。近年來，熱電材料逐漸發展起來，中研院物理所研究員陳洋元從 2006 年起開始研究熱電材料，他說：「熱電材料的發電效率已經有很大的進展！」在不久的未來，熱電材料的應用將愈來愈廣泛，成為能源轉型時代的重要一角。

熱電材料的歷史要回溯到 200 年前，德國科學家西貝克（Thomas Seebeck）在 1821 年發現，材料兩端的溫度差會形成電位差，稱為「西貝克效應」。也就是說，同一種材料只要兩端溫度不同，兩端之間就會產生電壓；反之，在材料兩端賦予電壓時，兩端之間就會產生溫度差。科學家因此定義了西貝克係數 S = ^∆V⁄_∆T，表示同一種材料下，溫度差愈大，輸出電壓越大，「換句話說，一個有溫差的材料，等於可以視為一個乾電池。」陳洋元解釋。這便是熱電材料的基本物理機制。

找出最優質的熱電材料

由於每一度溫差產生的電壓就是「西貝克係數」，直觀來說，西貝克係數愈大的材料，在同樣的溫差下輸出的電壓愈大，是愈好的熱電材料。不過陳洋元補充說，熱電材料除了西貝克係數要高之外，「導電性也要好，除此之外，導熱率不能太好，否則溫差一下子就熱平衡掉了。」考量各種條件之後，科學家訂出了熱電材料的優質係數 ZT 值=（^δS2⁄_κ）T，其中 σ 是導電係數、S 是西貝克係數，κ 是導熱率，T 是絕對溫度。

導電性好、西貝克係數高，而且導熱率要低。這是優質熱電材料的三大條件。

於是，研究熱電材料的科學家從幾十年前開始，便朝著符合這些條件的方向努力。陳洋元說：「金屬的導熱都太好了，並不適合當作熱電材料。目前主要的做法是用各種半導體材料，搭配不同的摻雜元素及比例，來找出最佳化的 ZT 值。」

全世界各研究團隊多年下來，針對各種材料組合及摻雜比例，找出了不少值得關注的熱電材料候選者（如下表）。「你可以從中發現，多數的熱電材料都是溫度愈高，ZT 值愈高，在 600°C~700°C 的高溫會表現得很好。」陳洋元笑說：「只有一種材料適合在室溫運作，就是鉍-銻-碲（BiSbTe），目前為止無人能出其右。而且科學家大概 50 年前就發現它了，它保持世界紀錄至今 50 年。」

控制晶格和缺陷，不讓熱傳過去！

找到優秀的材料搭配和比例還不夠！要提升熱電效果，還有一個重要因子：減低熱電材料的導熱率。微觀來看，就是精細地調控材料晶格或內部缺陷。

晶格是材料的骨架，熱的本質是晶格振動，而熱傳導的本質便是晶格裡的原子以振動方式將能量傳遞給鄰近原子。因此，阻礙能量傳遞的方式，就是調控材料內原子的排列，以期達到導熱差、導電好的最終目的。

理想上可以利用「超晶格」，當不同種類的原子像三明治一般層層交替堆疊時，界面的原子與鄰近原子尺寸、重量都不同，這會造成晶格排列不順暢（晶格不匹配），彼此的振動能量也不易傳遞，大部分都會反彈回來，也就達到「導熱不佳」的效果了。

種類不同、尺寸與重量皆不同的原子間，由於晶格不匹配，振動比較不易傳遞，導熱率因此降低。

陳洋元進一步解釋，超晶格的每一層材料厚度、比例都必須嚴格控制，「因為我們只希望導熱率降低，但不希望影響到電子的移動。」也因此，這項製程「非常困難，需要的設備也很昂貴。超晶格結構如果要做到一張紙那麼厚，可能必須鍍膜上萬次，成本很高，東西也做不大。換言之，超晶格在學理上可行，但實際應用上有困難。」

「我們可以選擇退而求其次的做法。」陳洋元說。例如在材料裡刻意摻雜一些雜質，或製造晶格的空缺，包括：點缺陷、空位、差排、疊差等。以這些缺陷的數量來控制材料特性，在盡量不影響導電的狀況下降低熱傳導率。「這是比較簡單可行的做法。」

熱電材料自有用武之地

熱電材料在實際應用上，發展得比其他再生能源慢，主要原因還是在發電效率不夠好。目前在室溫下最好的熱電材料，轉換效率約 3~4%，相較之下，太陽能發電目前的轉換效率約在 15~20%。這也是熱電材料在能源發展上較少被提及的主因。

「不過其實熱電材料在 600°C~700°C 的高溫下，轉換效率可以超過 10%。」陳洋元說。因此，幾年前美國一度打算將熱電材料用在汽車的廢熱回收，畢竟燃油引擎的油電轉換效率大約在 30% 左右。「剩下的 70% 都變成廢熱排出去了。如果能把其中 10% 的廢熱轉換成電能，等於是引擎效率的一大躍進。」不過後來，隨著電動車逐漸成為主流發展方向，這項應用也就失去關注了。

熱電材料就這樣無英雄用武之地了嗎？並不是。其實早在 30~40 年前，它就已經應用在太空科技上了。太空船或衛星發射到太空中之後，需要電能維持運作，除了太陽能以外，熱電也是重要的電力來源。陳洋元以航海家一號舉例，「它朝著太陽系外離去，過程中太陽光會愈來愈微弱，因此不能完全仰賴太陽能做為電力來源。」因此，航海家一號就有使用熱電技術，其中熱的來源是鈾、鈽等放射性材料，它們在衰變過程會放熱，與外太空趨近絕對零度的環境產生溫差，藉此發電。「這些放射性材料的半衰期是幾十億年，對我們來說像是萬年之毒，但對太空船來說，卻像是永恆的電力來源。」陳洋元說。

熱電轉換效率不佳，但對於缺乏電力來源、外界環境溫度極低，又不怕放射性汙染的太空科技來說，是很好的發電選擇。

此外，熱電材料不只能把熱轉換成電，也能反過來，利用材料兩端的電壓差回推來產生溫度差。也就是說熱電材料的應用不限於發電，它也能做為冷氣、冰箱等使用的溫度計；或是在熱電材料上外加電壓，產生電流，造成材料兩端的溫度差，做為冰箱、電腦 CPU 的致冷元件。

陳洋元也在近兩年，研究開發出薄型熱電晶片，裡面的結構是 128 對微小的 p 型、n 型半導體柱，就像 128 個小小的乾電池串聯一樣，能把熱電效應放大百倍。陳洋元解釋，雖然熱電效率不高，無法用在大型工廠等需要巨大電量的狀況，但這樣的晶片可以用來製作「熱電自充隨身電源」，應用在手機或電子手錶等隨身穿戴式電子裝置上，這類裝置需要的電量不高，但可能隨時有充電需求。「想像一下這樣的場景，你走在路上發現手機沒電了，於是拿出熱電自充隨身電源，利用自身體溫與室溫的溫差，幫手機緊急充電。」

隨著網際網路的發展，基地台熱點愈來愈多，這也讓陳洋元對於熱電材料的應用潛力更加樂觀。「在某些偏遠地帶，例如玉山的基地台，電力供給或許就不需要建置發電站，利用熱電材料（透過溫差發電的特性），只要送一桶瓦斯去就好，方便多了！」或者，熱電材料也能與太陽能互補，「因為太陽能發電使用的是太陽光，它的輻射熱並沒有被利用到，這一點可以用熱電材料來加強補足。」陳洋元說。

另外，陳洋元也正在與廠商合作，希望能製作中型、大型的發電機。陳洋元說：「一個熱電晶片大約能發 20 瓦的電，把 25 個晶片合起來，就能有 500 瓦。」儘管成本比一般發電機高，但熱電發電機具有輕巧、無噪音等優點，「我相信它在未來是一個機會。」

熱電材料的研究還在如火如荼的進展著，而陳洋元對它的未來也抱持著樂觀的態度。回頭看看熱電材料的優質係數 ZT 值，「只要我們想辦法降低導熱率，它理論上還能再拉高。」陳洋元說：「現在室溫下的 ZT 值最高是 1 點多，在不久的未來，我們很有可能就突破它了」