毛料衣服可能污染全球海洋

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

深海的暗氧：無光環境中的神秘氧氣生成

深海，被譽為地球最後的未開發疆域，隱藏著許多不為人知的奧秘。數千公尺深的海底沉積了數量龐大的多金屬結核，這些礦物因含有大量珍貴金屬，對現代技術，尤其是能源轉型，至關重要。然而，科學家在探索這些結核的過程中意外地發現了一種神秘的現象：暗氧，即在無光的深海環境中生成氧氣的過程。這一發現不僅可能改變我們對海洋生態系統的理解，還可能重新定義地球早期生命起源的故事。

長期以來，科學界普遍認為氧氣的生成依賴於光合作用。光合作用是植物、藻類及一些細菌透過陽光將水和二氧化碳轉化為有機物並釋放氧氣的過程。這一過程主要發生在地球表層和淺水區域，是維持大氣和海洋中氧氣含量的核心機制。根據這一觀點，只有在陽光能夠到達的區域，氧氣才能被生成。因此，對於深達數千公尺的深海區域，我們的認識是，氧氣主要來自於表層水透過洋流輸送到深處。

然而，深海中缺乏光源，光合作用無法進行，這意味著氧氣在深海中的供應受到限制。雖然洋流能夠在一定程度上將氧氣輸送到深海，但這一過程極其緩慢，往往需要數百年甚至上千年才能完成一次循環。因此，科學家一直認為深海是一個缺氧的環境。

多金屬結核的發現，是新能源的關鍵，還是海洋生態的災難？

在這樣的背景下，科學家對深海進行了更深入的探索，並發現了錳結核（英語：Manganese nodules），又被稱為多金屬結核這一珍貴資源。多金屬結核是富含金屬的岩石，其主要成分包括鈷、錳和鎳等金屬。這些結核廣泛分佈於全球深海區域，尤其是太平洋海域，儲量高達數兆噸。這些金屬對綠色能源技術，如電池生產，具有極高的價值，吸引了全球各國的關注。

然而，這些結核不僅是地球資源的寶藏，它們還隱藏著另一個重要的發現。2013 年，科學家安德魯·斯威特曼（Andrew Sweetman）在太平洋克拉里昂-克里珀頓區域進行深海研究時，意外地發現，在封閉的深海水域中，氧氣濃度竟然有所增加。這一現象引發了科學界的極大關注。

暗氧的生成機制

斯威特曼的研究團隊推測，深海中的多金屬結核可能在某些化學條件下，充當了天然電池。這些結核通過電化學反應將水分解為氧氣和氫氣，從而在無光的環境中產生了氧氣。為了驗證這一假設，團隊在實驗室中模擬了深海環境，並確實觀察到氧氣從結核生成的現象。

不過，這一過程並非如想像中簡單。根據實驗數據，某些海底結核表面的電壓僅為 0.95 伏特，卻能夠生成氧氣，這與理論上需要的 1.6 伏特電壓不符。研究團隊進一步推測，這可能與結核的成分有關，例如含鎳的錳氧化物可能起到了催化作用，降低了反應所需的能量。此外，結核表面的不規則排列及空隙可能也促進了電子轉移和水的分解。

暗氧的發現挑戰了我們對氧氣生成的傳統理解。過去我們認為，地球上的氧氣主要來自於光合作用，但這一現象表明，甚至在無光的深海環境中，氧氣也能通過無機物的電化學反應生成。這意味著，我們對於地球早期氧氣循環及生命演化的認識可能存在重大疏漏。

尤其值得注意的是，多金屬結核的形成需要氧氣，而這些結核大量出現在深海中，是否表明早期地球上就已經存在非光合作用的氧氣生成機制？如果是這樣，暗氧是否可能推動了地球上生命的起源？這一問題仍然未有定論，但暗氧的發現無疑為生命起源的研究開闢了一條新的途徑。

未來的挑戰：開採深海資源還是守護地球最後的「淨土」？

除了科學研究的價值，多金屬結核也吸引了全球對於深海資源開採的興趣。這些結核富含稀有金屬，特別是對電池生產至關重要的鎳和鈷。然而，大規模的深海開採可能會對海洋生態系統造成嚴重破壞。

首先，深海採礦可能導致噪音和光污染，破壞深海生物的棲息地。此外，採礦過程中產生的懸浮物可能對海洋生物，尤其是水母等生物造成生理負擔。研究顯示，水母在模擬的採礦環境中會因應對懸浮物而消耗大量能量，這可能削弱其免疫系統並降低生存率。

因此，雖然深海資源的開採看似能解決當前的能源危機，但國際間對此議題的爭議仍然持續。全球已有32個國家支持暫停或禁止深海採礦，呼籲進行更多的生態影響研究以確保環境保護。

暗氧的發現，不僅為科學研究帶來新的挑戰，也為深海資源的開採提出了更高的要求。在能源危機與生態保護之間，我們需要尋找平衡點。未來的技術或許能夠在不破壞環境的情況下，模擬自然過程生成多金屬結核，從而實現可持續的資源開採。

此外，暗氧現象的發現也為探索外星生命提供了新的思路。當我們在其他行星上發現氧氣時，不一定意味著那裡存在光合作用生物，可能是類似多金屬結核的無機反應在默默進行。這一發現或許將改變我們對地外生命的定義與尋找方式。

深海的秘密仍在不斷被揭開。從暗氧的發現到多金屬結核的開採，這片未開發的疆域將在未來的科學探索與資源爭奪中扮演至關重要的角色。無論是能源危機的解決還是生態系統的保護，我們都應以謹慎且負責任的態度面對這一未知的領域，避免打開潘朵拉之盒。

本文由 經濟部水利署 委託，泛科學企劃執行。

人體有 70% 是水，而地球表面亦有 70% 被水覆蓋。「水」對人類來說，是賴以為生的必要資源，又因「水」相對容易取得，讓人們不易察覺水的珍貴。

在近年氣候變遷衝擊下，旱澇交替已成常態，經濟部水利署賴建信署長接受泛科學專訪時亦表示，依據聯合國政府間氣候變遷專門委員會（IPCC）第 6 次評估報告（AR6）分析，未來臺灣連續不降雨日數及最大暴雨強度將明顯增加，對於水資源及水環境帶來嚴峻挑戰。

具體來說，未來降雨將會更集中在特定時間與地點，在降雨地區造成更嚴重的洪災，讓非降雨地區的缺水情形更加嚴重。結果是降雨地區的水庫會不斷洩洪，無法有效收集雨水，而非降雨地區的水庫又會完全沒水。

這情景也預示著我們平常容易取得的「水」，將轉變為更稀缺珍貴的資源；然而，水又是人生存所必須，若現在不採取行動，水資源終將成為人類生存的最大束縛。

為了讓企業、政府、學術單位能更重視未來所面臨的水資源問題，水利署於 10 月 23 日舉辦的「2023 臺灣國際水論壇」以「水未來」（Vision for Water）為主題，針對「水與企業永續」、「水與能源鏈結」、「水與自然解方」、「水與減碳科技」，希望形成創新的漣漪，向外擴散，激盪出國內外產、官、學界合作契機。

而擔任「水與ESG-厚植企業永續競爭力」場次的講者，是來自東海大學國際學院永續科學與管理學士學位學程的 Aleksandra Drizo 教授，她以數據與實際案例，揭露水資源短缺到底有多麼迫在眉睫。

全球有35億人，沒有安全與衛生的水可用

Drizo 指出，聯合國 2023 年公布的 SDGs 第六項「確保所有人都能享有水、衛生及其永續管理」報告中，指出世界上 35 億人缺乏乾淨用水與基本衛生條件，並強調：「獲得安全用水，環境衛生和個人衛生是人類健康與福祉的最基本需求。」而若要達到 SDGs 的 其他目標，又以第六項為最重要的核心，因為唯有確保人人都能用上乾淨的水，才有路徑完成其他目標，例如：第二項「終止飢餓」，就必須在確保有穩定乾淨的水源情況下，才可能達成。

Drizo 進一步指出，近幾十年來，儘管在改善飲用水和衛生條件方面有所進步，但仍有大量人口無法獲得安全飲用水和基本衛生設施。根據聯合國發布的 《Development and Globalization: Facts and Figures 2016》 資料，從 1990 年到 2015 年間，全球人口增長了 26 億，對水資源的調度與供給造成了巨大壓力。而在 2023 年世界衛生組織提供的乾淨飲用水調查資料中，直到2022年，仍有 22 億人口無法獲得安全飲用水，也與前面聯合國 2023 年的調查報告呼應，再次呈現水資源問題日益棘手的趨勢。

水資源困境並非全是全球人口成長惹的禍，全球氣候變遷造成更加頻繁的極端天氣事件，正讓全球面對過往不曾出現的乾旱。《衛報》2022 年報導歐洲面臨前所未見的熱浪與旱災，法國、荷蘭、比利時、瑞士、義大利、西班牙的河流，已經能直接看到河床，當時西班牙政府宣布限水，表示全國儲水量已達歷史新低，只有總儲水量的 40%，且每周都以 1.5% 的速率持續下降。

如今全球氣候變遷造成的水資源問題，也逐漸成為常態，《紐約時報》2023 年 10 月報導，如今西班牙仍處於缺水中，西班牙南部的水龍頭已經流不出水了，甚至連水井都已經枯竭，不只農業無法正常發展，民眾還必須仰賴水罐車或罐裝水維生，根據西班牙政府的報告，若缺水成為常態，則本世紀末將有近 74% 的西班牙國土，將面臨沙漠化的問題。

臺灣也面臨缺水問題

臺灣也未能逃離缺水的命運。2021 年春天，發生了 56 年來最嚴重的乾旱，當時外國媒體全都持續關注這場旱災，深怕缺水影響新竹科學園區的產線。而水利署搶先在 2021 年開通的「桃園—新竹備援管線」，從桃園每日調度 20 萬噸的水給新竹，才讓外媒的擔心沒有成真。

此外，臺灣水污染與地下水過度開採也導致水資源匱乏。要扭轉這一局面，則需要從多方面著手，水利署也已經開始建置相關工程並陸續投入使用，例如：高屏溪的「伏流水」與臺中水楠經貿園區淨化污水再利用的「再生水」，為地方開創多元水源，創造更有保障的用水環境。

Drizo 表示，臺灣的水庫也因氣候變遷面臨「優氧化」問題。由於水庫的水停滯過久，營養物質（氮和磷的化合物，相當於肥料）逐漸累積在水中，加上近年溫度上升，讓水中藻類與浮游生物孳生。在 2023 年的水利署水質檢測報告中，全國 20 個主要水庫中有 8 個水庫的水質已經優養化，這些優養化的水會對淨水廠造成額外負擔，而過濾出來的廢棄物處理也是個難題。

而 Drizo 針對優養化問題，提出以自然為本的解決方案（Nature-based Solutions, NbS)），並分享過去在各地施行的案例，例如：在 2009 至 2011 年與屏東科技大學的研究計畫，架設的社區小型污水淨水廠，以及用在美國俄亥俄州的農業污水淨水方案。最後 Drizo 分享了將廢棄物轉化生成富營養肥料等高附加價值產品的相關技術研發。也就是說，在淨水的同時，還能把廢棄物轉換為有價值的肥料，這不僅可以提高水資源利用效率，也具有重要的環保意義。

Drizo 的演講代表了學界在水資源問題上的重視，也提到了水利署正一步一腳印地改善臺灣用水環境，那麼身為用水大戶的企業，又有什麼作為呢？

企業面臨的永續發展難題

臺灣美光記憶體的環安衛、風險管理暨永續發展處處長江頴俊在「水與ESG-厚植企業永續競爭力」場次分享該公司的實際經驗，臺灣美光記憶體透過「綠色基礎設施」、「流程優化」和「設備更新」的措施，成功達成每一滴水重複利用三次的目標，這項措施每年節省約 6000 萬立方公尺的水，相當於 6500 座奧運游泳池的水量。

然而，像美光這樣能提出具體目標與可信成果的企業並不多見，一同演講的法國北方高等商學院基礎建設研究中心 （EDHEC infra）的資深研究工程師 Nishtha Manocha，則說明大部分企業的永續發展目標缺乏 「設定具體可行的環保目標」以及「準確量化環保成果」。

許多企業的永續發展目標僅停留在概念階段，並沒有具體的達成路徑與量化檢核指標，這種模糊不清的目標將無法帶領企業持續行動。而更嚴重的是在量化成果這塊，目前企業仍多以內部數據來評估成效，缺乏第三方機構的驗證，資料的真實性可能會遭到質疑，也衍生出了「漂綠」的相關問題。

同場演講者—資誠聯合會計師事務所所長暨執行長周建宏，則表示「永續發展」已經是熱門的投資標的，投資人也害怕自己把錢給了「漂綠」的公司，最後虧得血本無歸。因此，在投資人的引導下，企業的永續發展目標會更為清晰，加上相關監管機構陸續成立，企業勢必將花更多心思在財報與資料呈現上，不能再打著永續發展的大旗，來跟投資者畫大餅。

打造全球水未來

在「水與ESG-厚植企業永續競爭力」這場演講中，我們看到政府、企業、學界一同合作，共同討論如何解決水資源匱乏的難題。無論是學界針對水質優養化問題所提出的解決方案，抑或是透過投資人監督，讓企業能落實永續發展目標，都能看見世界正迅速朝永續水資源管理轉型。然而，各項監測指標仍顯示氣候變遷亦在加速，將我們推入未知領域，我們必須加快行動，才不會讓更嚴峻的水資源稀缺成為未來世代的枷鎖。

• 「水與ESG-厚植企業永續競爭力」講者簡報
• Climate change affecting water quality – Taipei Times
• Europe’s worst ever drought: in pictures | Environment | The Guardian
• A Glimpse Into Spain’s Future, Where Water Comes by Truck, Not Tap
• MITERD. (2022). Estrategia Nacional de Lucha Contra La Desertificación En España.