18都節電大評比 創意加轉型才是王道

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

• 本文轉載自科技大觀園，原文為《等待風起之時：離岸風電催出綠能新願景！》
• 作者 / 科技大觀園特約編輯｜沈勤譽

據國際風力發電顧問公司 4C Offshore 的評比，全球排名前 50 名的優良風場，就有 17 處在臺灣，皆位於臺灣西部沿岸，集中於桃竹苗至臺中外海一帶。換言之，臺灣具備了發展離岸風電的絕佳地理條件。

因此，在臺灣西部濱海及澎湖地區，不管是陸域或海上，都可看到偌大而醒目的白色「巨型風車」矗立著，已經成為我們相當熟悉的風景；這數百座的風力發電機持續運轉，見證了臺灣從傳統能源往再生能源轉型的歷程，也推動著臺灣綠色能源的蓬勃發展。

談到綠能風電，德商 wpd 達德能源（2016 年併購英華威）是在台積極推展綠能的關鍵推手之一，2006 年在苗栗建置首座風力發電設施後，從此開啟國內風力發電的風潮。我們特別專訪達德能源董事長王雲怡，以其投入綠能產業 20 年的豐富經驗，為我們解析新能源的產業特性及發展趨勢，以及臺灣在綠色能源的產業契機，另外也針對有意投入綠能產業的年輕學子提出建議。

離岸風電的優勢：風場興建非常快速

「風力發電的原理很簡單，小時候大家一定都玩過風車，」王雲怡解釋說，利用葉片的轉動來驅動發動機，能量會轉換成機械能，再透過齒輪調速器將齒輪的速度提升，進而帶動發電機，經過升壓變壓器將電壓提升後，即可將電流併入台電電網供應電力。

至於陸域風電及離岸風電的差別，就在於前者的風機安裝在陸地上，後者則安裝在海上，會打樁到海底約 45~65 公尺深。由於臺灣陸域可供開發之優良風場已漸趨飽和，海上風場條件更佳，仍有不少離岸風電潛能可供開發，因此成為近來政府推動再生能源最重要之項目之一。

王雲怡表示，跟傳統電廠不同，風場的興建非常快速，把基樁打好後，將連接風機的柱子綁鋼筋、灌上水泥，然後把塔筒、機艙、葉片逐一放上去組裝起來即可，一隻風機的施工期間大約只要 4 至 5 週。

風電維運的挑戰——發電機組得「抗震抗颱」

雖然基本原理很簡單，但風電相關設備必須面臨風吹、日曬、雨淋，甚至國外還會下雪，必須設計出足以對抗大自然環境的規格，尤其臺灣每年都有不少颱風及地震，有些民眾會好奇，是否會對風機造成損害？

王雲怡說，「臺灣有非常嚴謹的地震建築規範，只要做好地質土壤分析再進行設計，耐震都沒有問題；至於颱風威脅，風機只要遇到中颱等級（風速約每秒 25 公尺）就會停機，最大則可承受每秒 70 公尺的風速，目前為止臺灣還沒出現過這麼強烈的颱風。」她強調：「我們從 2006 年興建的第一座風場至今，經歷過很多颱風及地震，到現在都屹立不搖，顯見耐震及耐颱的技術完全沒有問題。」

臺灣推動離岸風電比較大的挑戰在於，風場興建時對氣候及海象的要求很高，而臺灣海峽一帶的東北季風很強，考慮到風速、波浪、海流等條件，可以進行海上作業的天氣窗口（weather window）時間沒那麼長，只能在 3 至 10 月進行安裝；而陸域風電的土木工程比較不受影響，但進行吊裝作業時同樣需要考慮風速問題，通常也會避開東北季風盛行的冬季。

政策與觀念水到渠成！綠電接受度大增

投入新能源產業達 20 年，王雲怡深刻感受到各界對再生能源的認知與態度的巨大轉變。過去臺灣只有傳統的火力發電、核電這類集中式大型電廠，主管機關較缺乏再生能源知識，當時她跟主管機關報告時，告知風力發電一度電的成本只要 2.5 元，長官非常驚訝，因為他們還停留在一度 5 元的認知。

「臺灣 98% 都是採用進口燃料，吃掉我們非常多的國內生產毛額（Gross Domestic Product；GDP），長年維持低電價都是靠政策補貼，嚴重扭曲電價結構，因此臺灣各部門的能源效率指數也居世界末段班，排名最浪費能源的第十七名。」王雲怡指出臺灣傳統能源使用模式的缺點。

所幸透過各界對政策及觀念的大力推動，達德能源等開發商也積極提供歐洲及世界的發展經驗，獲得政府參考採納、並具體落實為再生能源政策，改變了臺灣能源市場及結構。2017 年 1 月《電業法》修正通過後，開啟綠電交易自由化的新紀元，從發電、售電到用戶這條路終於打通，打破國營電力事業壟斷的局面。

另一個關鍵政策是，臺灣引進德國推廣再生能源的 Feed-In Tariff（FIT）制度——對綠電保證整批躉購，有效鼓勵開發商投入建置風場，投資者也樂於參與其中。相較於傳統由政府補助企業購買設備、但無法保證設備被完善維護，2000 年開始德國首創的躉購制度讓開發商自行投資，由政府以躉購費率保證收購綠電 20 年，相關制度展現絕佳的成效，已獲得世界超過 70 個國家採用。

政策目標明確，風電國家隊指日可待

2016 年政府確立能源轉型的主軸，明確訂出 2025 年再生能源佔發電比例提升到 20%，為再生能源注入一劑強心針。王雲怡強調：「我們擁有發展太陽能、風電、地熱、海洋能的優異條件；以風力發電為例，臺灣西部的風力品質很好，而這一帶剛好是臺灣人口密度高的地區，這是老天賜予我們的禮物！」

「但開發商看的不是風能品質，而是政策支持度！」王雲怡坦言，只要政策目標明確，並提供適當的誘因與機制來創造市場，不僅國內外的開發商會積極投資，企業也會主動採用再生能源，創造正向循環；尤其現在許多國家或國際大廠都要求出口要取得「再生能源憑證」，企業都搶著購買，臺灣的再生能源前景值得期待。

令她振奮的是，現在各單位都注意到綠能，科技業、金融業、投資業也積極佈局，無論從市場經濟或社會責任的角度來說，各界對綠色能源的接受度愈來愈高。

值得一提的是，綠能不僅扮演守護環境、潔淨能源的角色，也是推動產業創新的火車頭之一。經濟部為了推動風電設備國產化，明確規範開發商應採用 50% 以上的國產化設備，未來更希望能夠組成國家隊，一起爭取海外市場的龐大商機。

臺灣風電 20 年，最難的不是工程——是溝通

王雲怡投入臺灣風電產業 20 餘年，一路走來最感到困難之處，並非海外技術轉移或施工上的難題，而在於如何說服政府單位及民眾，接受新興的再生能源觀念。王雲怡舉例：「當初在蓋示範風場前，得先舉辦公聽會，讓當地民眾理解風場與民眾的利害關係，例如可能產生的噪音、風場造成當地景觀驟變，甚至是土地使用等問題。」

但「溝通」兩字寫起容易做起來難！由於達德能源無法取得里民個資，光是要委請里長組織大部分里民到場就相當耗時耗力，遇到里民參加意願低迷時，還得租用選舉用的廣播小貨車，在當地廣為宣傳，懇請鄉親來參與公聽會。

王雲怡表示，溝通工作一度讓她疲於奔命，但所幸投入大量時間心力溝通後，風場建設如今已步上正軌，總算是甘之如飴；她表示，投入風電產業 20 年，最讓她感到成就感的除了《電業法》修正，為風電在臺扎根打下基礎外，就是讓大部分的民眾認識何為「風電」，成為臺灣人能所接受的再生能源選項。

想卡位綠能產業？語言能力很關鍵

「石化燃料已是末路，綠能則是未來趨勢，」王雲怡認為綠色能源還有很多進步空間，未來一定會愈來愈便宜，而且還有地熱、海洋能源等新技術不斷發展，不僅有很好的前景，而且可以獲得社會認同及價值，是年輕人可以貢獻一輩子的產業。

至於投入綠能產業應具備何種特質與技能？王雲怡強調：「新能源是全新產業，一開始一定會遇到很多困難，必須要有一定的受挫能力及抗壓性，另外要有足夠的創造力；在專業領域方面，只要具備土木、機械、造船或理工背景，其他專業都可透過在職訓練培養，最重要的是要跟全世界人才溝通，必須具備較佳的英文能力。」

隨著地球永續的議題受到大家重視，現在對新能源有興趣的年輕學子愈來愈多。王雲怡認為，開發商清一色是外商，會引進最先進的標準與要求，提供友善的工作環境與紮實的訓練，雖然有時在海上工作比較辛苦，但相信可以帶來很高的成就感與自我肯定，是很符合時代潮流的職涯選擇。

• 「乘風」突破綠能瓶頸，臺灣離岸風電大未來——專訪臺大機械系教授楊鏡堂
• 海面上的超大型離岸風機，是抵禦氣候變遷和提高能源自主的瑪利亞之牆嗎？
• 4C Offshore－〈Global Offshore  Wind Speeds Rankings〉
• 經濟部能源局－〈離岸風力發電規劃場址申請作業要點〉
• 風力發電單一服務窗口－〈潛力場址〉
• 海上巨型風扇的支撐者——水下結構

• 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」。