▲塔槽主體。生質能電廠高塔設備，利用內迴圈流化床技術，將農林剩餘物轉化成穩定的基載能源。（圖／依上資訊科技提供）
【大成報記者羅林/苗栗報導】
由新創團隊創立的依上資訊科技（Esun InfoTech），以機器學習演算法、電網優化模型，以及自建的 1MW 生質能電廠為核心，打造台灣少見由年輕世代主導的綠能基礎建設。他們的目標不是蓋一座電廠，而是建立一種能快速複製、能擴張，並能支援 AI 時代能源需求的下一代能源系統。這座位於竹南的生質能電廠預計於 2026 年上線，具備 AIoT
即時監測與自動排程能力，是依上首次將「AI」真正與「能源硬體」深度結合的實驗。對共同創辦人詹博安而言，這不只是能源專案，而是回應全球競爭趨勢的必要行動。
▲詹博安在竹南電廠現場照。Esun Info Tech 共同創辦人詹博安與核心設備合影。這座 1MW 生質能電廠將成為台灣少見由新創團隊打造的 AI-ready 基載能源模組。（圖／依上資訊科技提供）
依上資訊科技共同創辦人詹博安表示，「AI是地球上最耗能的產業之一，我們不能只談算力，而不看能源；若沒有可控能源基載，我們AI夢想都只是幻覺。」來自半導體與金融研究背景的他，在進行多次長期成本推演後發現，台灣能源最大的問題不是缺乏綠能，而是能源資訊分散、風險難以量化，與缺乏支援資料中心與高階製造所需的穩定模式，這個洞察成為依上創業的核心動力。
依上科技因此採用圖卷積網路（GCN），將土地條件、電網容量、變電所負載與需求中心整合成可運算的能源圖網絡。這些模型讓「哪裡適合投資綠能？」「哪些地點能承載 AI 與製造業負載？」這些過去只能靠經驗判斷的問題第一次能被科學回答。
▲工廠內設備現場。竹南生質能電廠內部組裝，AI 與 IoT 設備陸續整合至現場系統。（圖／依上資訊科技 提供）
依上資訊科技團隊進一步說明，同時導入 多變量時間序列模型 × IoT × EMS（能源管理系統），讓電廠能依據燃料熱值波動、設備狀態與市場價格自動調整排程，透過演算法維持 24 小時穩定運轉。這些能力也意味著，小型綠能電廠第一次具備「支援 AI 與工業負載」的技術條件。
在硬體端，竹南 1MW 生質能電廠採用 內迴圈流化床技術，能以低污染、高效率處理農林剩餘物，補足太陽能與風電在夜間與天候不穩定時的缺口。這樣的可控基載讓地方能源不再「看天吃飯」，而能被精準管理。
▲設備搬運與吊掛。模組化設備日前開始吊掛進場，依上科技設計的電廠模組化程度高，可快速部署至不同城市。（圖／依上資訊科技提供）
依上科技的模式不是傳統能源公司，也不是純軟體新創，而是把資料科學、分散式基礎建設、城市能源治理，三者結合成一個新的綠能創業模板。詹博安說「小型綠電不是弱勢，而是 AI 時代最關鍵的基礎建設。只要提高可預測性，小型電廠就不再是設備，而是城市能快速複製的能源能力。」
對這群 20 多歲的創業者來說，挑戰能源並不是賭注，而是他們參與塑造未來最直接、也最重要的方式。詹博安相信，能源的下一步並不是追求更大的裝置容量，而是打造一種城市能自己掌握、能支援算力需求、並能以 AI 驅動的「模組化能源能力」。
