「自己的電自己省」智慧節電計畫半程點評

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

本文由經濟部能源局贊助

「有人問我，做一個經濟部長，心裡壓力最大的是什麼事？」經濟部部長鄧振中在 4 月 26 日的智慧節電計畫成果分享發表會說：「臺灣的電力問題絕對是其中之一。除了在供應面要持續拓展替代能源、需求面也要鼓勵全民共同養成好的用電習慣。」

為了養成良好的用電習慣，主打「自己的電自己省」的智慧節電計畫志在讓各地方縣市以節電 2% 為目標，這一年來共有基隆市（-1.92%）、新北市（-1.00%）、新竹市（-0.96%）、臺北市（-0.27%）、桃園市（-0.22%）、台中市（-0.00%）六個縣市達成「用電零成長」的成績。

經濟部部長鄧振中表示，雖然這一年來全臺灣的整體用電仍微幅成長 0.05%，但各縣市低度的用電成長仍值得鼓勵，也可藉著「智慧節電計畫成果分享發表會」和節電有成的縣市互相取經。

分享會中的新北市政府分別以節電參與式預算、媽省理工與節電認同券、機關雲端空間和 PFI 採購模式這三個主題向其他縣市分享經驗。

由下而上的草根民主實驗

「節電參與式預算」是嘗試讓公民智慧進入城市治理的新典範，改變了過去「市府請市民配合」的模式，讓市民有機會從政策設計就開始關心、參與自己所在城市的能源未來。

「節電參與式預算重點不在產出偉大計畫，而是讓市民開始學習、關注自己住區的用電情形，整個過程本身就是政策宣傳。」這場由下往上的草根民主實驗，以永和區和蘆洲區的社區大學為示範區，期程共約三個月，兩區市民發展出的提案風格也很不同。

「蘆荻社大節電中」的參與者從小學生到新住民都有，因此提案也充滿不同居民的生活經驗和發想特色——例如巡守隊腳踏車、小學生漫畫、家庭主婦圍裙、新住民野餐等等。蘆洲過去從工業區起家，如今也有不少新住民的加入。說明會開始前，蘆荻社大就深入菜市場、公園、神將腳、市場攤商等「庶民出沒地」進行宣傳，最後的宣傳也結合蘆洲大拜拜和神將文化祭，以「人人來參與、投票審預算」為號召，在園遊會設攤讓民眾親身認識不同提案並且現場投票。

同樣是參與式民主，在以住宅區為主、且上班族和高教育族群居多的永和區，過程中的說明會和工作坊的知識溝通成分也更多，產出不少往公園路燈、集合式住宅等公共場域思考的提案方向。最後的審議形式，除了紙本也開放了網路投票，因此獲得更高人次的參與；在投票設計上，永和區也允許市民一次投給四個中意的提案、並且從九個提案中選出前七名共享經費額度。

同樣著墨於市民參與，臺北市資訊局則以「創意節電黑客松實證計畫」為主打，引進科技圈日益廣泛的「黑客松」活動，吸引許多具有資訊工程背景的大學生參加，發想出許多智慧監測家庭耗電裝置的提案。這些提案多半強調「對使用者友善」，例如利用手機一鍵關燈、以APP統一多個家電的操控介面、或是設計視覺化圖表取代冰冷無感的電費帳單。

節電認同券，比帳單減免更有感

在地的區里是縣市政府嘗試對住宅部門經營節電宣導的必爭之地。「相較於服務業等產業部門可以利用法規去要求節電，一般市民是地方政府比較難觸及和要求的對象。」很多地方政府舉辦以里為單位的節電競賽，新北市環保局則更推出「媽省理工」的頭銜，希望推廣不要集中在里長等少數人的肩上、而能吸引更多婦女和里志工加入節電輔導員的行列，做「有感情」的串門子輔導。

2008 位的「媽省理工」經過培訓和資格認證，對自己節電輔導員的身分更具有認同感、也讓鄰居們更信任他們，2.5萬戶以上的家庭都完成了居家節電輔導。如果做好資源回收，也可以去里長那裡累積點數、免費換取 LED 燈。除了區里，新北市也直接開放所有居住（包括租屋）在新北市的居民參加「節電認同券」計畫。同樣是從電費來評估省電的進步程度，新北市環保局表示回饋超商購物券的方式比電費帳單直接減免「更有感」。

https://www.youtube.com/watch?v=44TMSrhaXJU

「也許只是兩百元的獎勵，但是我太太帶著鄰居好友們一起去超商喝下午茶，好友們好奇問她為什麼有購物券……無形之中讓更多人認識了這個計畫。市民反映這個計畫和抽獎相比更踏實，因為是幾分努力就會換得幾分成果（購物券額度）；有簡訊主動提醒也很貼心有感。有參與認同券計畫者，節電率比起新北市整體平均節電率高了 1~2%。」

新北市環保局也深入分享，節電認同券的參加者以 30~50 歲擅長資訊操作者居多，和媽省理工以 50~60 歲的年齡分布恰好相反；觀察居住型態，套房的節電率可達 37%，遠遠超出華廈大樓，而小家庭與單身者也比起大家庭與三代同堂更容易達成省電目標。

創新採購模式

為了達成機關節電目標，新北市除了為市府建築引進雲段智慧管理系統，還採用了創新的 PFI 採購模式（Private Finance Initiative，民間財務主導公共建設），突破傳統採購限制，徵求民間融資提案、全面換裝 LED 節能路燈，在不增加政府財政負擔的狀況下快速提公共服務水準（6 年縮短為 1 年），在換裝後的一年來已經節省 1 億元的電費、在機關部門創下了 13.5% 的漂亮節電率。

新北市政府分享經驗，過去的採購契約是「多裝多拿」的付款方式，每當遇上天災等不可抗力的路燈維修因素，地方政府就必須無止盡的吸收成本、逐年編列預算分批換裝；現在 PFI 採購模式改採固定支付金額，使承包商在平時就會努力維護路燈壽命、減少重複裝設的成本。市府方採分期付款機制，且依路燈服務效果「先享用後付費」，在全額付款前就可讓全市獲得一次性的換裝成果。

同樣從機關財政的角度切入，高雄市政府重點分享導入 ESCO（Energy Service Company，能源服務公司）採購的推動模式，此模式允許市府機關無需先編列採購經費，而是將節省下來的電費作為支付 ESCO 廠商的費用。因為採「先服務、後付款」模式，更保證節能績效，估計一年可節省 157 萬度電、相當於 486 萬的電費。

汰換水銀路燈，基隆節電第一名

節電總成績以 1.92%（約 2204 萬度電）奪得第一名的基隆市，關鍵就在於汰換全市 80% 以上的水銀路燈為 LED 燈泡。以七堵區為例，換裝 4,818 盞LED路燈後，節電效益可達一年 719.9 萬度電。

基隆市政府同時補助社區及公寓大樓推動節能、為提出需求的單位提供現場輔導的服務、重點診斷市立醫院的用電設備、媒和在地 ESCO 公司替社區與服務業者改善節能效益等等。公家機關為了帶頭示範，也開展屋頂太陽能光電系統、屋頂風力發電系統等計畫，在機關部門取得 16.19% 的節電成績。

新竹市取得總節電率的全國第三名，在住宅部門強調「用電行為改變」和「老久電器汰換」兩大重點，除了從集合式住宅公設的照明系統更新下手，也以各里為單位舉辦節電績優競賽、將節電經驗橫向擴散至各里，在住宅部門達到了 2.11% 的高節電率。

新竹市過去一年來新設的運動中心、水資源回收中心、文化局演藝廳、以及增設實驗機組的國家同步輻射研究中心，共替新竹市增加了約 200 萬度的年用電；但其他政府機關的節電率達到了 2.34%～4.53%。市政府亦推動了 LED 路燈的換裝，新設的 23,736 盞路燈，為新竹市節省了 1,007 萬度電。

因地制宜，鼓勵寺廟汰換神明燈泡

臺南市政府考量到市區和郊區的用電特質差異大，推出「節電 37 區，區區有意思」，讓各行政區各自施展身手，每個月的節電達標行政區也都越來越多。比較有趣的是，因為臺南寺廟多，區公所特地協助寺廟汰換 LED 神明燈泡，讓節電政策更走入在地。除此之外，也鼓勵市民汰換老舊家電即可抽獎送 LED 燈泡、輔導服務業用電大戶和大專校園、協助 40 處低碳社里更換節能燈具。

從服務業能源大戶下手

臺中市在服務部門針對市內能源大戶下手，包括大型量販店、觀光旅館和百貨公司，協助量身打造節能方案；在居民方面則選擇住宅屋齡較高者為優先執行對象、依住宅特性設定照明時間以節省用電；並汰換公有停車場、公有市場、區公所等場所的燈具為 LED 燈，一年下來大幅節省了 14 萬度電，整體節電 0.00%，達成了用電「零」成長的初步成績。

本預期服務業部門比起住宅部門更容易節電的桃園市，針對能源大戶舉辦節能診斷輔導、並且補助智慧節電服務業，不過從全國的服務業部門用電率不減反增了 0.8% 便可窺知，要提昇業者更換老舊設備的意願仍是未來的桃園挑戰。儘管桃園市遇到人口和店家新增，但在住宅部門仍有節電佳績，達成了 0.22% 的整體節電率、成為全台第五名的節電縣市。

開拓替代能源的工作是從供應端控制節電，而使用端無論是一般民眾、服務業或製造業者、甚至是公家機關，也都有能力達成自己能做的節電工作。各縣市從智慧節電計畫中絞盡腦汁薈萃出的方案，證明了節電好習慣不只是隨手關燈這麼單純，地方的智慧自會發展出符合地方條件的節電特色，替遙遠的北極熊敬上一份心意。

本文章由 經濟部能源局贊助，泛科學規劃執行。

智慧節能計畫成果期中成果發表

由行政院推動，各全台各地方政府執行的「智慧節電計畫」選在 2015的聖誕節前夕舉辦了期中競賽暨展示大會，先不論他們呈現方式非常像國高中的科展大賽……，這場展示活動目的除了要進行要各縣市的創意比評外，據說也是首次開放讓一般民眾參觀參與評選活動。

這項耗資 30億的計畫自去年四月推動以來，18個參與縣市便陸續提出各自的節電計畫，除了包含節電獎勵、節電創意競賽，節能家電等傳統作法外，許多縣市也試著從不同角度切入，希望可以喚醒民眾意識，完成節電的最後一哩路。

以新北市為例，雖然市長請假了好一陣子，但新北市本次提出了頗受好評的創意節電作法，像是泛科學過去曾經專文介紹過的「都市熱島效應檢測」，以及透過「新北電癮節」網站和Facebook粉絲頁，以相當吸引人眼球的的能源浪費恐怖片和即時的用電資訊更新，讓民眾更容易接受到節電的相關資訊。另外像是屏東縣近年來觀星旅遊正夯，屏東縣節電計畫也搭上這股熱潮，和民間團體（屏東縣天文協會）合作，推動「星空再現屏東」計畫，鼓勵關上電燈、走出戶外，一口氣達成節電和降低光害兩項目標（泛科學專文：光害，害在哪？）。

在最後評分結果中，新北市一口氣拿下八個獎項，目前實際節電量 127萬度、節電率 1.24%也都遠高於全國平均，算是實至名歸的大贏家！臺北市、臺中市和臺南市則分別拿下拿下三座獎項，並列第二。

民間團體怎麼看？

除了官方評比外，由 20多個民間團體組成的「能源轉型推動聯盟」日前也推出一份全台縣市節能治理政策評比。其中，新北市、屏東縣和臺北市被評為表現最佳三個縣市，並列 A級；而彰化縣、基隆市、花蓮縣、嘉義縣及苗栗縣等六個縣市則被列進評為有待加強的 D級。聯盟成員也強調這些評比是經過數個月密集資料蒐集，以及和各縣市政府訪談過後所得出的結果，未來也會依據改善情形調整評分。

這項評分是以五項標準和兩個加分項目為各縣市節電政策進行評分。內容包含：

1. 成立納入民間社會力的能源委員會
2. 推動地方能源自治條例
3. 捲動民間資源的政策機制設計
4. 掌握地方能源使用狀況
5. 行政資源投入多寡
6. 抑制尖峰用電成效
7. 促進其他公益性

聯盟認為，能源規畫與治理人才不足，是台灣能源轉型所面臨的首要問題。衍伸而出的問題包含：地方政府無法針對各地能源現況和改善方向進行評估、規劃，計劃多是簡單的「宣導」，或是抽獎、補助等「雞血」式的短期方案，而非提供實質的誘因與罰則，缺乏創新的可能和長遠規劃。

其中值得注意的是屏東縣、宜蘭縣和南投縣在這項評比中順利逆襲了部分六都縣市，顯示了獲得資源的多寡，和節電成效也並非絕對的正相關。這份報告也特別指出，這三個縣市成觀的關鍵在於主管單位的專業程度及行政協調能力。像屏東縣變是由縣長親自推動相關計畫，順利整合各機關部會資源，也讓屏東縣獲得了相當不錯的成績。

台灣能源轉型之路節電不能缺席

雖然在核四議題上雙方有些出入，但台灣政壇目前不論藍綠的能源政策都以邁向「非核家園」為最終目標。所以姑且先不論台電在選前選後基載電量評估大轉彎，和欠缺發電條件的台灣在核電廠停役後的替代能源該從何而來，長遠的能源政策規劃是立刻可以著手進行。希望在這幾次能源評比後，各地方政府可以展開良性競爭，在知道自己的不足後，更能了解節能政策，應該要含括哪些元素和做法，讓台灣困難重重的能源轉型之路，可以走得更加順遂。

延伸閱讀：

• 泛科學 自己用電自己省系列專題