廢核後台灣電力仍足夠? 國民黨智庫:2025至2028年AI爆發期是最大考驗
太報.2024年7月7日 00:38
民調顯示,不贊同非核家園的民眾比贊同者多,顯示社會缺乏共識。台灣民意基金會提供
記者周志豪/台北報導

立法院教育委員會周三將排審「核子反應器設施管制法」第6條修正草案,討論核電是否延役問題,是否缺電可預期成攻防焦點。國民黨智庫6月間所擬的內參報告直指,2025年非核後的2025至2028年AI爆發期是最大考驗。

國民黨智庫質疑,2025年廢核後,國內基載電力種類減少,但AI訓練與推論仍要芯片處理器24小時運轉,加上晶片生產所需電力連年增加,政府如何保證不會在傍晚用電高峰時缺電或跳電?

國民黨智庫說,2019至2023年全國用電量平均年增率不到1%,但電子產品及電力設備製造業年增率卻高達4.39%,且用電占比逐年增加;經濟部預估,因半導體與AI用電需求大,即起至2029年整體用電需求年增率更將達3%。

國民黨智庫引述,經濟部長郭智輝稱以目前需求量來看,到2030年不會缺電,但未來AI用電究竟會增加多少,還需觀察2025至2028年AI爆發期,這也意味著,若AI爆發用電需求大增,那不保證供電無虞。

國民黨智庫表示,AI用電需求在訓練與推論兩階段,訓練AI時,AI模型會蒐集大量數據,因應耗時訓練,芯片處理器也需全天運作;推論階段,AI模型也需要應用芯片處理器,若AI模型越複雜、資料越大,用電量更會暴增。

國民黨智庫指出,雖台灣未來發展AI用電量需求目前還沒有完整評估,台電綜合研究所預計在今年下半年才將展開AI用電研究計畫,但有研究指出,生成式AI所消耗的能源,到2027年用電量將超過某些小國家一年耗電。

至於是否缺電,國民黨智庫表示,總統賴清德以當前現在備轉容量率為15%,稱台灣不缺電,但備轉容量是以「日」為頻率計算,計算方式是當日所能提供的最大發電量,扣除最大瞬時用電量後,剩餘可調度的電力。

國民黨智庫認為,因當日所能提供最大發電量,跟機組維修排程、故障及環保限制機組、發電組合有關;最大瞬時用電量主要跟天氣有關,備轉容量率只能評估「當日」剩餘可調度電力,難以推論未來用電增長時供電是否充裕。

更多太報報導
拋能源框架應做新改變 鄭麗君千字文完整論述:最高目標是穩定供電
義大利非核34年後為淨零「返核」 郭智輝:先進國家作法都參考

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

罷免 謝國樑

海軍 蟒蛇

美軍 雷神 抬價

颱風 標準

總預算 韓國瑜

北檢 扣押 京華城

TVBS新聞網
太報
風傳媒
民視
基隆災情頻轟謝國樑!他見綠營「狂炒罷樑」急勸:恐有反效果
今年第18號山陀兒颱風為台灣帶來強風豪雨,並導致基隆因單日雨量破紀錄,造成多處出現淹水、土石流災情。對此,資深媒體人黃揚明就在節目中坦言,有些綠營人士近期正為了「罷樑」,利用基隆當地的災情來批評市長謝國樑,但他認為此舉非常不妥,甚至可能帶來反效果。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司