為什麼是「光 × 氫 × AI」？從能源結構斷層到光致水分解的科學瓶頸

為什麼是「光 × 氫 × AI」？從能源結構斷層到光致水分解的科學瓶頸

陳燦耀 教授

國立清華大學

-

本文不是「介紹光催化產氫技術」，而是回答一個更大的問題：為什麼人類在 21 世紀中後期，可能必須走向「光 × AI × 氫」這條能源航道？

人類並非第一次面對能源轉型，但這一次，情況本質上不同。過去的能源轉換，從木柴到煤、從煤到石油、從石油到電力，本質上是能量形式的替換；而 21 世紀的能源問題，則是一場系統結構的重組。我們不只是缺少乾淨的能量來源，更逐漸意識到：現有能源系統，在「時間尺度、空間配置與工業需求」上，正在出現無法靠單一技術修補的斷層。再生能源的快速擴張，並未讓能源問題消失，反而讓矛盾更加清晰。太陽能與風能帶來的是低碳電力，但同時也帶來低能量密度、間歇性與高度分散的系統挑戰。電力本身並非萬用能源載體——它難以長期儲存、不適合直接進入多數高溫與化學製程，也無法自然跨越季節與地理尺度。

於是，「氫」重新被拉回舞台中央。但氫並不是新角色。它更像是一個被反覆請出來救火的老工程師：當能源系統出現結構性落差時，人們總會想起它。問題在於，過去十年被高度宣傳的「綠氫」，多半仍建立在電力 → 電解水 → 氫氣的線性邏輯之上。這條路徑在局部應用上可行，卻很難成為長期、低成本、可大規模複製的文明基礎。這正是本專欄選擇回頭凝視「光致水分解產氫」的原因。光致水分解並非新技術。自 1970 年代以來，它反覆出現在科學期刊與研究計畫中，卻始終停留在實驗室尺度。效率不足、材料不穩定、系統難以放大——這些問題被一再提出，也一再讓人失望。於是，在政策與資本的視野中，這條路徑逐漸被視為「學術上優雅，但現實中不實用」。然而，這樣的評價，可能忽略了一個關鍵轉折點：問題不再只是材料或效率，而是我們是否終於具備「駕馭複雜性」的能力。光致水分解真正困難的地方，從來不在於能不能把水分解，而在於它同時牽涉光吸收、電荷分離、界面反應、缺陷演化、材料劣化與環境變動——這是一個高度耦合、跨尺度、非線性的系統問題。它挑戰的不是某一項技術極限，而是整個研發方法論。這正是人工智慧(AI)開始變得關鍵的地方。

AI 並不會為我們「發明奇蹟材料」，也不會神奇地突破熱力學極限。但它正在改變另一件更重要的事：人類理解、探索與修正複雜物理系統的方式。當實驗數據的規模與維度早已超出人腦可直觀處理的範圍，AI 成為一種新的「感知與決策層」，讓我們得以辨識哪些設計方向註定失敗、哪些參數組合值得投入長期資源。

換句話說，AI 不只是加速器，而是降低錯誤成本的導航系統。

在能源轉型的長航程中，真正稀缺的往往不是點子，而是時間與容錯空間。光致水分解這條航道之所以重新浮現，並不是因為它突然變得容易，而是因為我們或許終於有能力在「高失敗率、高複雜度」的技術地形中，持續前進而不至於迷航。

本文將從這個視角出發，不急著談市場規模，也不預測何時商轉，而是嘗試回答更根本的問題：在未來 30–50 年的能源與工業生態系中，光、氫與 AI 是否可能形成一條彼此支撐的新航道？接下來，將循序展開這條航道的需求背景、科學瓶頸、研發轉折與系統落地現實。這不是一條最快的路，但在多數捷徑逐漸擁擠、甚至走不下去的時代，它或許仍值得被耐心地標記在地圖上。本文將由四個層次逐步探索光致產氫技術與AI的關聯性及核心問題：