膝蓋中了一箭後當不成冒險家：為什麼膝蓋受傷不容易痊癒？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

• 作者 / 白映俞 醫師
• 本文轉載自 Care Online 照護線上《九招改善膝蓋痛（跟著3D動圖練）》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔

我們的膝蓋很辛苦，每天要承受著自身的重量，帶著我們走來走去。所以，患有膝關節痛的人口比例超級高！許多人都曾感覺膝蓋痛、膝蓋不舒服，而疼痛本身最容易讓人「一點都不想動」，畢竟大家都很怕在運動之後，又讓膝蓋變得更痛，說不定膝關節還會退化更嚴重。

可是，一直都不活動，關節會愈來愈僵硬，肌肉愈來愈無力，這時膝蓋的疼痛反而更嚴重。所以，反而我們應該規律地做些膝關節強化運動，利用低衝擊、且不會太困難的規律練習，加強膝蓋附近肌肉的肌力，才能支撐、穩定住膝關節。

當膝蓋周圍的肌力增加了、變強了，比較能吸收膝蓋於負重活動時接受到的衝擊，減少站著，走路，活動之間造成的關節磨損。總之，練習膝蓋附近的肌肉力量，可以打造一個穩定，有支撐性的膝關節，比較有機會能脫離久坐生活，走更長的路。最好的是，生活中可以不需要止痛藥。

這裡我們要訓練的最主要肌群，是大腿前側的股四頭肌，與大腿後側的火腿肌群。針對這兩大肌群，你可以再看看「膝蓋愈動愈痛 – 髕骨股骨疼痛症候群」與「後腿好緊快抽筋，你得認識「大腿後側火腿肉」」這兩篇了解更多。

另外，也要加強小腿肌肉和髖部的肌群。在過程中，不要趕著做任何動作，慢慢來，一樣一樣好好練習。在這樣的訓練過後，肌肉和關節是會感到比較痠痛一些。倘若你是在訓練的過程中，有尖刺般的不適，或是突然間的疼痛，情況就不對，最好先停下來，先找醫師診治評估膝蓋狀況。

坐姿抬腿

這個動作可以鍛鍊大腿前側的股四頭肌。請先坐在椅子上，膝蓋彎曲，腳底踏平於地面。以大腿前側發力，抬起整隻右腿，過程中維持膝蓋彎曲九十度。連續練習 8-12 次之後再換腳練習。

坐姿膝打直

鍛鍊大腿前側的股四頭肌。先坐在椅子上，膝蓋彎曲，腳底踏平於地面。慢慢靠著股四頭肌收緊，讓膝蓋打直，而使右腳腳底抬離地面，整隻腳平行地面，但不要讓膝關節有鎖住鎖死的感覺。過程中手可以自然垂放，也可以扶住椅子兩邊。連續練習 8-12 次之後再換腳練習。

坐姿直抬腿

這個動作也是鍛鍊大腿前側的股四頭肌。可以先坐在椅子上，或是坐在地墊上都可以。保持一腿伸直，一腿彎曲。然後以大腿前側股四頭肌收緊，將整隻腳直直地往上抬。連續練習 8-12 次之後再換腳練習。

坐姿墊腳勾腳

這個動作墊腳尖時鍛鍊小腿肌肉，勾腳的時候鍛鍊大腿後側的火腿肌群，同時也可以讓踝關節活動度變好。先坐在椅子上，膝蓋彎曲，腳底踏平於地面。腳跟勾起來，讓腳尖離開地板，感受大腿後側的肌肉收縮，停留一下，再改成墊腳尖。過程中雙手可以平放在大腿上方。可以兩腳同時練習，也可以一次練習單腳。

站姿墊單腳腳尖

這個動作可以鍛鍊小腿肌肉以及大腿後側的火腿肌群。站直身，兩腳約與肩同寬。勾起左腳讓左膝蓋彎曲約 90 度。手輕輕扶著椅背，讓右腳腳跟離地，墊起右腳腳尖，停留一下再放下右腳。過程中左腳維持勾起九十度的狀態。連續練習 8-12 次之後再換腳練習。如果覺得單腳練習有困難，可以先練習雙腳著地的墊腳尖。

接下來的四個動作也可以叫做「髖部四部曲」，其實就是往四個方向訓練髖部，記得，髖部的穩定對膝蓋也是非常重要的。所以，希望減少膝蓋痛的時候，我們也要花點時間鍛鍊臀中肌、臀小肌、縫匠肌、髂徑束等圍繞在髖部附近的肌肉群。各位可以再看看「增加膝蓋穩定度，臀中肌可以這樣練」這篇了解更多。

直腿外展

身體站直，兩腳距離約與肩同寬。右手扶著椅背，左腳打直往外側抬起，做外展的動作。感受髖部附近的肌肉收緊。連續練習 8-12 次之後再換腳練習。

直腿內收

身體站直，兩腳距離約與肩同寬。右手扶著椅背，左腳打直往內側收，這個動作比較沒有那麼直覺，活動幅度會小一點點。可以慢慢用心感覺。連續練習 8-12 次之後再換腳練習。

直腿前抬

身體站直，兩腳距離約與肩同寬。右手扶著椅背，左腳打直往前側抬起，記得要感覺大腿前側的收縮，而不是讓腳晃過來晃過去。連續練習 8-12 次之後再換腳練習。

直腿後抬

身體站直，兩腳距離約與肩同寬。右手扶著椅背，收縮臀部肌肉，左腳打直往後側抬起。連續練習 8-12 次之後再換腳練習。

• 本文轉載自 Care Online 照護線上《九招改善膝蓋痛（跟著3D動圖練）》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

• 作者／許弘昌醫師
• 本文轉載自 Care Online 照護線上《向膝蓋退化的切骨之痛說掰掰 新型人工膝關節讓你行走自如》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔

「我走不動了」家裡的老人是否也說過相似的話？中國醫學大學附設醫院人工關節中心許弘昌副院長表示，他可能不是走不動，而是膝關節退化痛得走不了。

膝關節為最常見的關節退化部位之一。許多膝蓋關節退化的患者在日常生活中經常面臨膝蓋疼痛的苦楚，無論是平日走路、蹲下撿東西、自椅子站起等簡單動作，患者都會經歷「切骨之痛」。所幸目前有新型的人工膝關節可作為置換選擇，除了材料優化，符合原始人體工學的特殊旋轉設計，讓骨頭跟骨頭更密合，行走自如好輕鬆。

「微恙彌珍」注意早期症狀，及早接受治療

中國醫學大學附設醫院人工關節中心許弘昌副院長表示，針對關節退化症狀輕微的患者，醫師會給予消炎藥、肌肉鬆弛劑等藥物輔以復健治療。不過當患者只能仰賴止痛藥抑制疼痛感時，即是較嚴重的情況，平日從椅子上站起來都可能困難重重。因此除了原有治療之外，許弘昌副院長也建議患者考慮進行手術進行「根本性治療」。

把握三大重點，提升術後滿意度

由於嚴重關節退化的患者無法藉由其他治療方式舒緩不適，為了不影響下半輩子的生活品質，建議可以手術方式治療，其中一種是人工膝關節全置換手術。許多患者對於關節全置換可能會有諸多疑慮，不過許弘昌副院長解釋，其實只要把握三大重點就能降低手術風險及提升術後滿意度。

三大重點包含：與醫師詳述膝關節疼痛的位置、疼痛時的動作；尋求經驗豐富能夠執行新型術式的骨科醫師開刀；使用特殊旋轉設計的人工膝關節，仔細挑選優質的材料及符合人體的設計。

手術科技日新月異，追求患者活動自如

在骨科醫師們與工程師們經年累月的努力下，現在的新式醫材愈來愈符合人體原本的結構，新增許多動態設計的巧思，例如利用特殊旋轉平台讓患者在更換人工膝關節之後也能靈活運用膝蓋，髕骨也變得更符合人體曲線角度、找到骨頭的最佳支點，大幅減少患者術後的不適感，也滿足人體運動的需求。

這些眾多設計巧思所追求的目標，便是讓患者術後活動時就像使用自己原有的膝關節一樣輕鬆自然。

多方衡量手術利弊，挑選最適合的治療方式

目前人工膝關節全置換手術可以選擇傳統開刀、機器人手臂或導航等方式，台灣骨科醫界也持續努力推動更好的治療選擇，極力減少術後疼痛、走路感覺卡卡的情況，希望造福更多患者。

許弘昌副院長叮嚀，患者在術後要保持傷口乾燥，平日要好好珍惜新關節，適度地運動維持膝蓋肌力，若膝蓋不適一定要就醫檢查，讓日子走得長長久久。

• 本文轉載自 Care Online 照護線上《向膝蓋退化的切骨之痛說掰掰 新型人工膝關節讓你行走自如》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接