Loading [MathJax]/extensions/tex2jax.js

0

0
1

文字

分享

0
0
1

小鎮村的工廠爆炸啦,搶救毒化災的「化學特攻隊」,出動!

行政院環境保護署毒物及化學物質局_96
・2018/10/17 ・3852字 ・閱讀時間約 8 分鐘 ・SR值 545 ・八年級

本文由行政院環境保護署毒物及化學物質局委託,泛科學企劃執行

  • 文/趙軒翎

夜半,小鎮村很寧靜,村民們沉浸在香甜的夢鄉中。然而,城郊一處鐵皮工廠內,有一股邪惡力量準備伺機突擊,一瞬間火苗燃起,開始放肆地吞噬工廠裡的一切……包括大大小小的化學物品存放桶!

火因接觸到工廠內存放的物料而燃燒得更旺盛,一發不可收拾,沒多久一聲轟天巨響打破了小鎮村寧靜的夜晚……

第一時間,村民應當如何是好?

在緊急應變的第一時間,身為小鎮村沒有超能力的村民,你首先要做的是打 119 即時通報,遵照警察或消防人員指示保護好自己與家人。

-----廣告,請繼續往下閱讀-----

若你剛好位處災區鄰近的地區,千萬不要去事故現場探頭探腦、逗留、湊熱鬧,不要覺得空氣中聞起來沒有什麼不舒服的氣味,就覺得應該沒什麼有害物質飄散很安全。在現場多停留一刻,接觸到有害物質的風險就多一分。如果你家就在附近,在沒有發布疏散警報前,你可以先關閉家中的門窗、關閉空調(或切成內循環),注意裸露的食物是否有被污染,儘量保護好自己。

出動!搶救毒化災的特攻隊

119 通知完畢,接下來會發生什麼事呢?當 119 勤務中心接到火災通報時,待命的消防人員緊急出動。不過如果工廠內擺放了各種不同的化學物質,那就不是一般普通火警,由於這些化學物質在災害發生時,有可能因此發生毒氣外洩、爆炸等等緊急事件。如果在不了解工廠內擁有的化學物質種類、特性,都有可能因為錯誤的救災而導致更大的危險發生。

因此如果災害現場有化學物質存放,不只通報消防人員出動救災,也會通報環保署的「環境事故專業諮詢中心」,以及「環境事故專業技術小組」。

專業處理毒化災的「化學特攻隊」出動!

毒災防救體系與通報方式。圖/毒災防救管理資訊系統

諮詢中心是由工研院帶領的各領域專家組成,主要負責彙整、研析災情資料,是個陣容堅強的智囊團;而專業技術小組是親上火線,到災難現場了解災況、擬定救災方案,以及協助當地環保局、發生事故的廠商做後續處理。這樣的專業技術小組全臺灣有7隊,分布在不同的區域,以利隨時支援各地的救災。

-----廣告,請繼續往下閱讀-----

不管是諮詢中心和技術小組都是 24 小時全年無休輪班工作,無時無刻至少都得有 3 個人值班隨時待命。遇到需要技術小組出勤到災害現場救災的時刻,不僅是值班的 3 名技術人員要出動。為了不讓技術小組辦公室「唱空城」,以防一個災害還沒處理完,下個災難又需要技術小組出動,還得同時將休假中的人員請回來。為了守護你我的安全,這些技術人員可能得隨時在半夜從被窩中被挖起來工作,真的是非常辛苦啊!

萬一有事故發生,附近的「環境事故專業技術小組」就需要到場評估救災方式。圖/Free-Photos@pixabay

那這些「化學特攻隊」到了災害現場的角色是什麼呢?

首先,他們得確認事故現場中化學物質的種類、特性、數量和存放的位置,以及目前火災燃燒位置、起火燃燒物性質與受波及範圍,才能比較準確的評估火災的情勢和判斷較合適的救災方式。工廠的化學物資料,通常可以從事前防災建置的資料庫中,調出工廠的配置圖和毒化物登記的相關資料。這些資訊可以幫助技術小組和消防人員,了解正冒著熊熊大火的工廠中,藏有什麼樣的「不定時炸彈」需要特別小心。不過,也常發生工廠為了貪圖方便,沒有確實申報工廠中的化學物質,在災難發生時,就有可能造成救災人員誤判狀況,影響人身安全。

起風啦!「技術小組」隨時監測環境情況

在這樣的災害現場,「快」就不是第一要件了,更多時候處理「對」更為重要。諮詢中心、技術小組藉由收集與研析的資訊,判斷火災對於場內化學物質的影響,並與消防人員討論最安全的救災方式,避免化學物質外洩、預防更大規模的毒化災害發生。

在整個救災過程,技術小組很重要的一個工作是環境檢測,不斷監測受化學災害影響的範圍。技術小組也得隨時「跟風」,測量現場的風速和風向,並提供數據給救災相關單位。在化學災害的現場,有時會發生有毒氣體外洩的狀況,為了避免民眾不知情誤入事故現場或是長時間處於下風處接觸有害物質,影響健康,都需要技術小組和救災相關單位共同研擬應變措施。

-----廣告,請繼續往下閱讀-----

如果要疏散,會如何決定呢?

化學物質外洩狀況嚴重時,會由環保署的「環境事故專業技術小組」與「環境事故專業諮詢監控中心」研判與建議,並由現場指揮宣布緊急疏散,以確保周遭的民眾不會暴露在有害環境當中。

毒性化學物質災害疏散避難計畫作業流程圖。(點圖放大)圖/泛科學重繪,資料來源:行政院環境保護署「毒性化學物質災害防救業務計畫

而是如何決定什麼情況要疏散,以及要疏散哪個範圍內的民眾?

臺灣目前的毒化物疏散避難危害條件的判斷,是根據美國能源部後果評估與保護行動小組委員會 (Subcommittee on Consequence Assessment and Protective Actions, SCAPA) 制定的 PACs(Protective Action Criteria for Chemicals, 化學品保護行動準則)。由於現有每個指標所涵蓋的化學物質種類不同,PACs 這套準則參考了各個不同來源的指標,等於涵蓋了盡可能多種的化學物質種類。PACs 首要參考由美國諮詢委員會 (National Advisory Committee)所制定的 AEGL(Acute Exposure Guideline Levels, 急性暴露指標),其次依序為 ERPG (Emergency Response Planning Guidelines, 緊急應變規劃指引)以及 TEELs(Temporary Emergency Exposure Limits, 順時緊急暴露指標)。(詳見附表)

PACs 主要參採前面幾項指標,和其他重要的參考指標一樣,是針對毒性物質的允許暴露程度分成三個等級。這三個等級是看人暴露在有毒氣體環境一小時,對身體影響的嚴重程度去區分。以下以 PACs 的首要參考指標 60 分鐘 AEGL 舉例說明分級影響嚴重程度差別:

  • AEGL-1:物質於空氣中超出此濃度,預期一般民眾(含敏感體質者)會明顯到不適、刺激性或輕微無症狀、感覺。但其效應非持續性,經停止暴露後具有短暫與可逆性。
  • AEGL-2:物質於空氣中超出此濃度,預期一般民眾(含敏感體質者)會受到不可逆或其他嚴重的長期不良於健康之危害效應,或是影響其逃生能力。
  • AEGL-3:物質於空氣中超出此濃度,預期一般民眾(含敏感體質者)會受到危害生命健康或死亡之危害效應。

而疏散的原則也跟上面的 PACs 很有關係。如果技術小組偵測評估毒性物質濃度數值超過 PAC-3,就得發布疏散警報,並強制疏散。如果濃度在 PAC-2 的程度,雖不會強制疏散,但依舊會發布疏散警報、劃定警戒管制區。若濃度未達 PAC-2,主要是劃定警戒管制區,希望大家就地避難,待在家裡緊閉門窗,不要跑到管制區去看熱鬧,不僅讓自己暴露在危險中,也影響消防人員救災。

-----廣告,請繼續往下閱讀-----

那如果今天毒性化學物質的濃度已經達 PAC-3,強制疏散的程度,疏散的範圍要多大呢?

管制區或是疏散範圍的劃定主要分兩部分。首先是以事故發生點為圓心,PAC-3 的影響為半徑範圍的圓形區域為「初期隔離區域」,也就是強制疏散的範圍。另外一個部分則為「防護行動區域」(管制區),由事故發生點往下風處延伸距離 PAC-2 影響的範圍,而側風處則為 PAC-2 影響距離的 1/2。舉凡在這個範圍內的民眾,都得配合進行居家避難,或是疏散驅離,在事故解決之前,這個範圍是不允許進入的。

而如果不具 PACs 參考指標數值的化學物質,則會依緊急應變指南的指示建議同樣劃定初期隔離區域與防護行動區域與前述相同進行管制。

防護行動區域(管制區)範圍示意圖。(點圖放大)圖/行政院環境保護署「毒性化學物質災害防救業務計畫

真的遇到了化學災害:「衝、脫、泡、蓋、送」

如果真的沒辦法遇上了化學災害,可以記得和燙傷急救有點像又有點不像的口訣──「衝、脫、泡、蓋、送」。

-----廣告,請繼續往下閱讀-----

「衝」是盡快往上風處逃離現場,以濕布遮住口鼻,並盡量以手邊的雨衣、外套、雨傘等衣物遮蔽身體,避免暴露在更多毒性化學物質中。「脫」是抵達安全區域後,脫去接觸到毒性化學物質的衣物,並以塑膠袋密封。「泡」則是在你懷疑皮膚沾染到毒性化學物質時,可以用稀釋10倍的漂白水浸泡皮膚10分鐘(一定要記得稀釋!),或是可以用活性炭粉、蘇打水、鹼性肥皂清洗,可以降低皮膚將這些毒性化學物質吸收的速度。最後,「蓋」上乾淨衣物,立即「送」醫。

小鎮村郊外化學工廠的火勢終於撲滅,這其中包含了消防人員、環境事故諮詢中心、技術小組以及許多相關單位的努力,才能平安順利完成救災。

一天又平安的過去了,感謝「化學特攻隊」的努力。

參考資料:

-----廣告,請繼續往下閱讀-----
  1. 第十六章 搶救化學工廠火災安全指導原則〉,《消防人員救災安全手冊》。
  2. 毒性化學物質災害疏散避難作業原則
  3. 毒災體系與通報
  4. 簡易毒災應變
  5. 行政院環境保護署「毒性化學物質災害防救業務計畫

附表:PACs(Protective Action Criteria for Chemicals, 化學品保護行動準則)

(點圖放大)

本文由行政院環境保護署毒物及化學物質局委託,泛科學企劃執行

-----廣告,請繼續往下閱讀-----
文章難易度
行政院環境保護署毒物及化學物質局_96
52 篇文章 ・ 10 位粉絲
行政院環境保護署毒物及化學物質局,落實毒物及化學物質之源頭管理及勾稽查核,從源頭預防管控食安風險,追蹤有害化學物質,維護國民健康。 網站:https://www.tcsb.gov.tw/

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。