永續晨報 / 2026/08/27

文宣組賴俊欽/編審

經濟：行政院長卓榮泰指出，政府將核能再啟動列為選項，但不代表立即重啟，而是做好萬全準備。對於小型模組化反應爐（SMR）及核融合等新式核能技術，政府持開放態度，除今年度有部分預算用於討論SMR如何接軌國際技術討論，明年的中央政府總預算案，也有部分經費用於接觸全球核融合技術討論。他說，政府接軌SMR等世界潮流，是為了屆時若有新的、安全無虞的核能技術能運轉時，台灣有資格與能力去討論台灣要不要、能不能啟動新的選項。卓榮泰表示，AI快速發展也讓全球用電需求面臨新挑戰，「算力、電力就是國力」。原先估計台灣2035年用電需求年均成長約1.7%，目前已因AI等新興科技需求提高至2.5%，經濟部與台電正重新盤整，未來將朝更安全的需求幅度估算。在供電韌性方面，卓榮泰說，除推動十年投入5,645億元強化電網計畫，也將分區域、分階段建立微電網獨立供電系統，並搭配儲能設備，打造更分散、安全且具彈性的能源體系。卓榮泰強調，政府將持續推動太陽光電、離岸風電、地熱、小水力及生質能等多元能源，同時布局SMR、核融合等新技術，目的就是確保台灣未來具備充足、穩定且具韌性的能源供應。他表示，新能源時代到來，是能源轉型重要一環，政府要讓國人安心、產業放心。
https://pse.is/9jr2sc

工商：BTC圓滿閉幕，三天會議鎖定科技應用、法規制度及產業永續三大面向、六大議題，提出27項政策建議，力推AI新藥與智慧醫材快速審查、健康資料商業應用及政府優先採購國產AI醫療產品，打造「智慧生技國家隊」，推動台灣由「Made in Taiwan」走向「Created in Taiwan」。BTC委員代表翁啟惠指出，台灣擁有半導體、資通訊、精密製造及臨床健康數據優勢，但不少技術仍停留在論文、專利，未能跨越商品化「死亡之谷」。未來應集中資源發展AI、先進半導體、生醫科技、機器人及智慧製造等跨域平台，核心思維從「研發」轉向「開發產品」。Bio-AI方面，BTC建議擴大AI藥物研發與轉譯、智慧醫材、生醫晶片、類器官晶片等布局，並針對標靶脂質奈米載體（LNP）等策略技術集中資源，結合AI與大數據加速標靶及生物標記發現。健康資料開放則是改革焦點。委員建議串聯人體生物資料庫、台灣精準醫療計畫（TPMI）、健保、癌症登記及醫院電子病歷、影像與體學資料，建立FHIR共同資料模型，並研議「健康資料特區」、治理沙盒及國家級可信研究環境（TRE），在兼顧隱私下打開研究及商業應用空間。此外，BTC主張打通「資料、驗證、法規、支付、市場」鏈結，建立國家級臨床試驗與真實世界證據平台，優化多中心共同人體研究倫理審查委員會（IRB）及標準合約，並推動AI新藥臨床試驗申請（IND）、智慧醫材快速審查機制。同時建立健康科技沙盒及創新健康科技暫時給付制度，讓創新藥品、醫材與數位健康產品先累積真實世界數據，再銜接健保給付。
https://pse.is/9jr5mw

中央社：工研院宣布，攜手奇美實業、全家便利商店、台灣希普思、唯信公司、中華航空，以及熱裂解油供應商海神全球，成立廢塑膠包材轉化循環輕油應用示範聯盟，跨產業建立廢塑膠包材轉化為循環石化料源的示範模式。工研院透過新聞稿指出，材料與化工研究所所長邱國展表示，工研院開發高效除雜吸附材料與觸媒技術，將塑膠裂解油升級為符合石化原料規格的循環輕油。相較於焚化發電回收模式，相關技術可減少約50%碳排放，降低對原生石油的依賴，並提升資源利用效率。邱國展指出，成立廢塑膠包材轉化循環輕油應用示範聯盟，不僅驗證聚烯烴循環產業模式的可行性，並串聯跨產業夥伴共同建構循環供應鏈。未來將持續擴大示範應用，吸引更多企業投入循環經濟發展，加速產業低碳轉型，提升台灣在全球永續供應鏈的競爭力。
https://pse.is/9jr4b2

經濟：AI商機持續大規模成長，研調機構Counterpoint Research最新報告指出，未來五年全球預計將有超過1.3億顆用於AI伺服器的GPU與AI ASIC，搭載先進封裝的運算端記憶體（on-compute memory），相關運算市場營收預計接近2兆美元。Counterpoint研究團隊指出，隨著生成式AI與大型語言模型持續推升運算需求，AI半導體產業的發展重點正從提升邏輯晶片效能，進一步延伸至記憶體頻寬、晶片尺寸與資料傳輸效率等議題。隨著AI算力需求快速成長，半導體產業面臨三項重要技術瓶頸Memory Wall（記憶體牆）、Performance Wall（效能牆）與Copper Wall（銅互連牆）。記憶體頻寬與資料搬移效率對AI加速器效能的影響日益增加，也使先進封裝、HBM及新型記憶體架構受到更多關注。目前高階AI加速器廣泛採用HBM，並透過先進封裝提升運算晶片與記憶體之間的資料傳輸效率。以台積電（2330）CoWoS為代表的先進封裝技術廣泛應用於AI GPU與ASIC。隨著AI晶片規模持續擴大，傳統HBM搭配矽中介層（Silicon Interposer）的架構，也需要進一步考量成本、封裝厚度、良率、產能及整體製造效率。因此，產業正探索不同技術路線，以縮短運算與記憶體之間的距離，並降低資料搬移所產生的功耗。
https://pse.is/9jr3le