淨零永續與韌性基礎設施

Taiwan faces a unique hydrological paradox: abundant rainfall but chronic water scarcity due to steep topography and uneven seasonal distribution. As the island's high-tech manufacturing sector， particularly the semiconductor industry, expands, the demand for stable, high-quality water has transitioned from a resource preference to a strategic necessity for industrial survival. This paper explores the transformation of wastewater from a waste stream into a reliable “Blue Asset” through sustainable wastewater reclamation frameworks leveraging advanced AI technologies.

Traditional recycling models, however, often struggle with high energy intensity and the unpredictability of influent quality. To address these challenges, an AI-enhanced process optimization approach can be effective and efficient, bridging the gap between algorithmic potential and engineering trust. It ensures that all operational adjustments remain strictly compliant with defined engineering constraints and thermodynamic laws. This framework not only facilitates intelligent decarbonization by significantly reducing the carbon footprint of water cycles but also establishes AI resilience in the circular economy. By providing explainable, logic-based feedback, AI can transform an opaque "black box" into a reliable digital partner for frontline engineers, helping to secure Taiwan’s industrial infrastructure in an era of climate uncertainty and net-zero transition.

In this paper, the challenges of process optimization will be discussed. Traditional wastewater reclamation faces a "trilemma": balancing energy consumption, chemical consumption efficiency, and stability of recycled water quality. The complexity of biological treatments and advanced membrane processes (RO/UF) requires a shift from reactive manual control to proactive, data-driven management to mitigate operational risks and carbon footprints.

An AI-enhanced approach will be described to illustrate how Artificial Intelligence serves as the operational brain of modern water reclamation plants. Beyond traditional automation, an adaptive control architecture is implemented to transform experience-based workflows into trusted, AI-driven intelligent control. By leveraging Machine Learning (ML) for predictive modelling and operating condition alignment, the AI forecasts the influent quality fluctuation and optimizes aeration energy in real-time, reducing chemical and electricity consumption and enabling facilities to cut operational carbon by up to 30% while ensuring that decarbonization is powered by AI-enabled precision rather than manual estimation. This approach has been implemented in over 20 full-scale wastewater treatment plants treating diverse industrial effluents worldwide. The AI innovation offers a pointer to sustainable wastewater treatment through maximizing human resources, reducing operating costs and carbon footprint, while fulfilling stringent recycling requirements.

Analyzing global best practices reveals that data silos remain the primary barrier to efficiency. For Taiwan to lead in water recycling, the following strategies are recommended to drive proactive AI-enhanced engineering excellence: standardization of IoT infrastructure, air-gapped AI deployment & safety-first logic, and holistic energy-water nexus.

In conclusion, Sustainable wastewater recycling is the cornerstone of Taiwan’s resilience against climate change. By embedding AI into the heart of water infrastructure, Taiwan can achieve a circular water economy that not only secures the industrial supply chain but also sets a global benchmark for smart, low-carbon urban water management.

水是人類生存不可或缺的東西，亦是維繫產業發展、支撐永續發展的核心要素之一。臺灣年平均降雨量約 2,500 毫米，遠高於世界的平均值(約2.5倍)，然受地形限制及社會經濟持續發展，居住在臺灣的我們，對於因乾旱引起之停止或限制供水並不陌生。

水資源運用乃基於使用需求與穩定供給間之關係，面對受氣候變遷影響而頻率日漸增加的枯旱事件及持續的用水需求成長之雙重挑戰，使水資源經營管理面臨嚴峻考驗。水利主管機關為強化面對極端氣候事件的調適能力，建立兼顧經濟發展、生態保育與社會需求的永續水資源經營管理架構，以確保能提供穩定潔淨水源，近年透過「開源、節流、調度、備援、管理」五大策略主軸，逐步建構具韌性的水源供應與管理體系。

本演講以臺灣水資源之永續經營與管理為主題，首先將介紹臺灣水資源運用現況，包含使用量、供給來源及各標定用水分配狀況與遭遇課題，搭配水資源經理的策略主軸說明目前經理方向與具體成果，藉由水文特性及各主要河川之水資源利用狀況，來探討各區水資供需所面臨之課題與風險及評析因應對策，進一步呼應近年重要水資源建設與管理之推動成果，最後再以案例方式進行個案分享。如串連伏流水、備援井及跨區管網之屏北地區穩定供水改善工程，水資源數位化管理及導入人工智慧技術之水庫數位孿生。

我國依據《氣候變遷因應法》之架構，確立2050年達成全國淨零排放之目標。其中，住商部門約占全國年總碳排放量的22%，僅次於製造業。為加速減碳進程，政府於114年進一步強化減碳路徑，設定2030年前住商部門整體碳排放量較基準年(2005年)減少35%之目標。為達成此一目標，內政部提出「建築能效」與「低蘊含碳建築」兩項關鍵政策，透過政策引導與制度推動，促進建築產業朝低碳轉型。此外，在全球氣候變遷、都市熱島效應日益加劇，以及建築規模持續成長的趨勢下，建築部門未來將面臨更為嚴峻的能源與用電挑戰。本主題將探討在上述多重挑戰下，如何推動住商部門邁向淨零排放，並從未來氣候變遷之因應、住商部門減碳政策之推動、減碳路徑之規劃，以及可能面臨之挑戰與困境等面向，探討我國建築產業應如何加速淨零轉型，並逐步落實2050年淨零排放目標。

隨著全球氣候變遷加劇，極端降雨事件發生頻率大幅增加，傳統以「快速導排」為主的都市排水系統已難以獨自應對短延時強降雨之衝擊。為落實「承納洪水、與水共存」之韌性城市理念，桃園市政府近年積極推動具備高保護標準之都市綜合治水策略。本演講以「中壢地區運動公園地下滯洪池」為核心案例，分享其在稠密都市空間中有關防汛韌性之規劃設計、AI導入與關鍵施工技術。

中壢運動公園地下滯洪池之規劃，主要為解決周邊地區因都市化高度發展、不透水面積激增所帶來的洪峰流量與淹水風險。該設施充分利用土地多目標使用之優勢，於運動公園地下空間建置兼具蓄洪、防災之多功能地下滯洪系統。在技術亮點上，本工程克服了都市緊鄰建物的深開挖與地下水控制難題，採用規格化之結構設計以確保上方運動設施之安全承載及降低施工風險。同時，本計畫應用無人飛行載具（UAV）定期蒐集施工現場的高解析度影像資料，完整呈現各時期的工程施作環境；並進一步透過 AI 影像辨識技術，自動化分析與核對工地現況。這項「大數據與自動化影像辨識」的整合應用，讓管理團隊能精準掌握各項目的實際執行進度，落實智慧化工程管理。

本案例之實踐經驗顯示，透過都市地下空間的立體化複合利用，不僅能大幅提升都市防洪保護標準，更能兼顧市民休閒空間與生態景觀。期能藉由本技術案例之分享，為未來臺灣各都會區在推動地下防洪韌性設施、建構低衝擊開發（LID）及實踐智慧治水願景時，提供具體可行之規劃與工程實務參考。

Smart and resilient urban mobility systems increasingly rely on data-driven decision support. Service reliability and operational efficiency of shared transportation modes, such as bike sharing and taxis, play a critical role in low-carbon urban mobility. In practice, however, two challenges often limit performance: (i) behavioral responses that reshape realized demand and system dynamics, and (ii) scalability constraints that make city-scale optimization and real-time guidance difficult to deploy. This talk presents a learning-and-optimization perspective on smarter and more resilient urban mobility through two applications: bike-sharing rebalancing and taxi route recommendation.

We first examine static bike sharing rebalancing, in which bikes are repositioned overnight to reduce unmet demand the next day. A crucial behavioral mechanism is demand substitution: when a station is empty or full, riders shift to nearby stations, creating spillover patterns that can bias station-level forecasts and distort rebalancing effort. We present a data-driven framework that incorporates substitution effects into demand estimation and connects prediction to decisions through scalable optimization of rebalancing quantities and vehicle routes. We then turn to route recommendation for taxi drivers, where guidance must be both effective and cost-efficient. We develop a sequential recommender that learns from trajectory and demand signals to generate actionable route suggestions while controlling computational and operational costs, enabling practical deployment at scale.

These studies illustrate a digital engineering blueprint for smart and resilient mobility: model behavior, learn from data, and optimize decisions under real-world constraints.

面對全球氣候變遷引發的極端天災，以及地緣政治帶來的不確定性，國家與城市的「關鍵基礎設施韌性」已成為推動智慧永續發展的重中之重。中華電信身為臺灣電信領導品牌，建構前瞻性的全面防護戰略 —「海地星空」多元異質網路。這項策略完美整合了深埋大洋的「海」底光纖電纜、佈建全台的「地」面行動網路與微波通訊、翱翔天際的「星」軌道（中、低軌衛星），以及高懸於太空的「空」間（高軌衛星）。作為臺灣唯一具備全方位、跨時空網路整合能力的電信業者，中華電信正以無死角的數位防護網，重新定義未來城市的生存力與永續力。

這套「海地星空」架構的核心價值，在於打造「無時不在、無處不通」的戰略級社會靭性。在面臨關鍵時刻或極端天災時，多軌道衛星的互補優勢能實現「只要看得到天空，就能夠通訊」的強大承諾。針對臺灣特有的地理環境，中華電信為離島建構了海纜、微波與衛星的多重備援機制，確保孤島不孤；面對颱風、地震或土石流等天然災害，則能迅速調度「行動基地台車」結合衛星機動部隊，第一時間重啟災區通訊防護傘。此外，我們更積極推動「災害漫遊」機制，讓受災民眾能跨業者連結正常運作的基地台，將斷網風險降至最低，守護人民生命財產安全。

除了防禦天災人禍，「海地星空」網路更是驅動智慧城市全面升級、實踐永續治理的關鍵引擎。中華電信將5G、低軌衛星與無人載具深度融合，開創了全新型態的空中救援與城市治理模式。針對偏鄉醫療資源不足、或大災後交通中斷的緊急痛點，我們成功打造「無人機+5G 血品與藥品供應韌性系統」，建立高效的黃金救援空中通道；同時，透過「5G無人載具與AI影像辨識」的結合，城市巡檢得以全面自動化與智慧化。中華電信不僅是在建設網路，更是在為臺灣鋪設一條通往智慧、安全與綠色永續的明日之路，引領數位韌性新時代。

隨著營建產業面臨缺工、高齡化及施工環境日益複雜等挑戰，傳統仰賴人力執行高風險作業的模式正逐漸受到檢視。長期以來，邊坡開挖、災害搶修、高空巡檢、局限空間作業及地下室施工等工作，皆存在崩塌、墜落、缺氧、中毒及有害物質暴露等風險，而多數事故的發生往往與作業人員必須進入危險區域有直接關聯。營建自動化與科技防災技術的發展，提供了以機械取代人員暴露的新思維，使職業安全從傳統的被動防護逐步轉向主動預防。

本文以遙控怪手、無人機及Epoxy塗佈機械人等自動化設備為例，探討其於營建工程職業安全與防災管理中的應用價值。於邊坡及災害應變場景中，透過既有施工機具加裝遠端操控系統，可使操作人員於安全距離外執行作業，降低崩塌及土方災害造成的人員傷亡風險。於工地安全巡檢方面，無人機結合影像辨識與人工智慧分析技術，可突破人力巡查範圍及即時性的限制，提升風險辨識效率與管理能力。在局限空間作業中，搭載感測器與攝影設備的機械狗可先行進入環境進行氣體與現場狀況檢測，避免人員暴露於缺氧、有毒或可燃氣體環境。於地下室施工階段，地坪打磨機器人與Epoxy塗佈機械人則能降低粉塵及揮發性有機化合物（VOC）對勞工健康的影響，同時提升施工品質一致性。

自動化機械與科技防災技術的核心價值並非單純追求施工效率，而是在於降低人員暴露、提升環境感知能力及強化風險預警機制。未來營建產業應優先針對高風險、高暴露及高重複性作業導入相關技術，並透過通報、監測及應變管理機制整合，逐步推動人機協作、半自動化至全自動化施工模式，建立兼顧生產力與職業安全之智慧營建環境。

由於氣候變遷、地球暖化現象日益加劇，我們居住的地球正遭逢極端氣候帶來之生活環境變化挑戰，引致國際社會、跨國企業及環境組織的重視，各國陸續提出「2050淨零排放」的宣示與行動。我國在2015年通過的「溫室氣體減量法」(2023年修正為「氣候變遷因應法」)，明定2050年國家淨零排放目標，並授權實施碳費徵收、溫室氣體盤查及產品碳足跡管理等具體制度，也宣告臺灣進入溫室氣體減量的新紀元。依據環境部2026年6月3日公布「2026年版國家溫室氣體排放清冊」，統計2024年臺灣溫室氣體淨排放量降至2.51億噸，較2005基準年減少約6.6%，年減碳趨勢優於全球平均（全球碳排增加2.3%），且連續三年都有下降趨勢；反觀近20年間臺灣GDP成長高達93.13%，而二氧化碳排放密集度反而下降48.59%，顯示減碳目標有初步成果。

當面臨2050淨零排放跨世代、跨領域、跨國際之轉型工程，我國政府已建構科技研發及氣候法制等兩大面向之基礎環境，推動能源、產業、生活、社會等四大轉型策略，逐步實現2050淨零排放之永續社會。但是不論溫室氣體減量或是淨零排放，基礎工作就是從碳足跡盤查著手，必須要依循科學性、系統性的標準來盤查各個活動數據的碳排放量，以作為後續減量評估及淨零計算的基準。而且營建業是所有產業的龍頭，尤其營建業常用的鋼筋、水泥等工程材料，更是主要的碳排源，如能考慮減碳設計及低碳材料，對於降低碳排量將大有助益，也更向淨零排放的目標往前邁進。

我國在以交通部為主的工程機關，為順應工程永續發展及淨零排放之政策目標，以及確實掌握公共工程全生命週期之碳排放量，自2010年起即依據ISO 14067「全生命週期產品碳足跡」標準，及環保部頒布之「基礎建設碳足跡產品類別規則(CFP-PCR)」，辦理多項大型且具指標性公路及鐵路工程碳足跡盤查計畫，例如公路工程之蘇花改計畫、台9南迴改計畫、西濱公路南部路段、淡江大橋計畫等，以及鐵路工程之南迴鐵路潮州枋寮段計畫、花東地區鐵路雙軌電氣化計畫等。相關辦理方式係於施工期間，記錄所有施工過程之活動數據及檢算相對應之排碳係數，並於工程竣工時，提出資料完整且正確之碳足跡盤查報告，以及施工期間之減碳作為與減碳成效展現，向合格的驗證機構申請查證並取得碳足跡證書。最終目標為依據實際盤查結果，辨識各工程之大宗碳排放源及統計整體碳排放量，以建立本土化之產品碳排放係數及工程碳足跡參數。

綜觀節能減碳已成為世界潮流及政府政策，且目前正逐步落實2050淨零排放目標，而要達成淨零排放的基本要件就是要掌握實際二氧化碳排放量及大宗碳排放源，以加速減碳成效；這些數據及趨勢皆須依靠ISO 14067碳足跡盤查結果得到，所以說碳足跡盤查是達到淨零排放之基礎工作。在公共工程方面，基於目前已完成多項工程計畫之碳足跡盤查結果之基礎下，建議可以再擴大至不同地區或新工法(含新機具/新材料)之工程碳足跡盤查計畫，以完整建置公共工程碳排放量基準，並且搭配工程設計階段之碳排放量推估計算及將低碳材料/減碳工法納入規範，以及工程主辦機關對於碳排放量總量監督管制之碳管理作為，相信公共工程要達成2050淨零排放目標是指日可待的。