美國發射輻射帶風暴探測器

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

1932 年的夏天，美國愛荷華衛斯理安學院（Iowa Wesleyan College）的學生莫不趁著暑假呼朋引伴大肆玩樂，唯獨大一新生范艾倫（James Van Allen, 1914－2006）帶著借來的磁力儀，跑遍所住的亨利郡，繪製各處的地磁圖。沉醉其中的范艾倫當然料想不到有一天，他將發現包圍整個地球的「范艾倫輻射帶」。

發現范艾倫輻射帶是個意外，而這個意外又源自許多意外。例如他高中畢業後即報考海軍學院，筆試成績名列前茅，原本志在必得，卻意外因扁平足而被刷下來，所以才念大學。又例如他原本專攻低能核子物理，但取得博士學位後，卻意外爆發二次世界大戰，他因此加入海軍，轉而研究利用雷達技術的飛彈雷管。戰後，他領導小組，利用德國的 V2 火箭研究高空大氣，等於繞了一圈又回到他原本的最愛──地球科學。

1950 年，幾位物理學家在范艾倫的家中聚會，大夥兒決定應該比照「國際極地年」（International Polar Year）的模式，也辦個「國際地理物理年」（International Geophysical Year），屏除國家利益與政治立場，各國科學家攜手合作，利用雷達、火箭、計算機等新技術觀測各種與我們息息相關的自然現象。活動日期就訂在 1957 年七月到 1958 年底，預估此時正是太陽黑子最活躍的時候。

美國政府於 1955 年宣布將在國際地理物理年期間發射衛星，作為美國的支持與貢獻。就在大家引頸期盼之際，沒想到一直默不吭聲的蘇俄竟然在 1957 年 10 月 4 日搶先發射了世上第一顆人造衛星「史普尼克一號」（Sputnik 1）。這可真是個大意外，美國無論是為了面子或裡子，都得趕緊追上，終於在 1958 年 1 月 31 日成功發射「探索者一號」（Explorer 1），裡頭放了范艾倫改良的蓋格計數器，用以偵測宇宙射線。

沒想到傳回來的資料顯示，蓋格計數器的讀數隨著高度增加而迅速提高，但後來竟降為零；兩個月後發射的探索者三號上的蓋格計數器也一樣。范艾倫猜測是因為宇宙射線過強導致儀器過載而失靈所致，於是他在探索者四號上的蓋格計數器前方多加一層鉛片，果然就得到完整的紀錄，證實范艾倫輻射帶的存在。

范艾倫輻射帶是來自太陽的帶電粒子被地球的磁場捕獲而形成，外層主要是高能電子，位於地球上方一萬三千公里至六萬公里處；內層則是高能質子，在一千公里至六千公里處。兩者都以南北極為軸，形成輪胎狀將地球圍在中間，像是防護罩擋住宇宙射線，使其無法到達地面，避免生物受到輻射傷害。

范艾倫輻射帶的發現對於往後的太空探索非常重要，無論是載人的太空任務或是衛星佈署才能採取必要的防護措施以避免傷害。此一發現不但出自范艾倫的儀器在 1958 年的偵測；也可說是始自他於 1950 年發起的國際地理物理年；又或是更早，源自 1932 年那位在烈日下努力繪製地磁圖的少年。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。

自1960年代進入太空時代至今，太空任務絕大多數都會避開范艾倫輻射帶（van Allen Belts）。范艾倫輻射帶是地球周圍兩個甜甜圈狀的區域，其中充滿了「殺手電子（killer electrons）」、電漿波（plasma wave）和電流等，對人類或太空船都有一定的危險性，逗留在此絕對沒好事。

不過，人們總要勇於嘗試，不能一直被老觀念給限制住。RBSP任務科學家David Sibeck表示：雖然科學家知到范艾倫帶的存在已數十年了，但這個危險區域還是持續發生意料之外的殺手電子風暴和其他現象。因此美國航太總署（NASA）在2012年8月30日發射了2艘輻射帶風暴探測器（Radiation Belt Storm Probes，RBSP），直接進入並待在輻射帶中進行探測，每艘RBSP都攜有眾多感應器，得以偵測並計算高能粒子數量，測量電漿波，偵測電磁輻射強度等。任務時間預定為2年，希望試圖瞭解輻射帶的危險主要來源，以及為何無法預測何時會發生危險。

范艾倫輻射帶發現於1958年，當時造成許多科學家困惑不已。絕大部分的人認為地球周圍應該是空無一物的；美國的第一架衛星Explorer 1卻證明並非如此。Explorer 1上設有蓋格計數器（Geiger）可偵測並計算高能質子和電子的數量。當Explorer 1環繞地球時，發現地球周圍居然有大量帶電粒子，使得蓋格計數器絕大部分時間都處在超標狀態。

1950年代那時，輻射帶對一般人的影響非常小；但時至今日，輻射帶對高科技社會卻至關重要。現有數百架從氣象衛星、GPS到電視轉播等不同用途的人造衛星，常常得掠過輻射帶，使它們處在輻射帶中高能粒子衝擊的狀態下，有可能讓衛星的太陽能板損壞，或讓敏感度高的電子零件短路。尤其是在太陽活動比較活躍時，當發生電磁暴，輻射帶範圍往往會隨之擴張，更多衛星淪陷險境，衝擊地球人們依靠科技產品的日常生活。

關於輻射帶最大的謎題之一就是它們對太陽風暴的瘋狂反應—幾乎任何事都有可能在此發生。當來自太陽風暴的電漿雲衝擊到輻射帶食，輻射帶的反應往往超乎科學家的預期。一個可能的後果就是輻射待充滿了高能粒子，例如：讓太空任務規劃者最畏懼的殺手電子。然而，同樣是太陽風暴襲擊之下，卻也可能讓輻射帶中的殺手電子驟減，使得輻射帶反而變成安全地帶。事情只有二選一嗎？並不是，還有第三種情況就是：同樣在太陽風暴襲擊之下，有時可能什麼事都沒發生！完全無法預測何時會發生哪種情形，讓科學家為之氣結。

更麻煩的是，科學家對於什麼是輻射帶中最重要的現象，意見不一；如果有100個科學家參與討論，每個問題都將會得出100種不同的答案。例如：殺手電子的能量為何這麼高？有的科學家認為是電漿波造成的，有的認為是太陽風衝擊所致，有的則認為是物質擴散（diffusion）的結果，還有其他一長串的理由呢。

不過，RBSP任務的主要目的就是要縮減各個問題可能性的範圍。在太陽風暴期間，RBSP會取得輻射帶中的電磁場狀況，計算高能粒子數量，偵測各種頻率的電漿波，至少要掀開范艾倫帶神秘之書的封皮，取得可以讓各種理論模型利用的資料。如此一來，未來才能預測何時進入輻射帶是安全的，何時能履行太空漫步，或何時適合操作靈敏的電子儀器等。

資料來源：The Radiation Belt Storm Probes. NASA [August 30, 2012]

轉載自 網路天文館

美國研究人員發現，採用氮氧化矽（SiON）閘極介電層的單壁式奈米碳管（single-walled carbon nanotube, SWCNT）電晶體可以抵抗劑量高達2 Mrad的伽瑪射線（gamma radiation），因此可能適合在惡劣的太空游離環境中使用。

一般的SWCNT薄膜電晶體和矽基場效電晶體都容易受到游離輻射（ionizing radiation）的影響，原因是元件中的二氧化矽閘極介電層會捕捉電洞。為克服這個問題，美國海軍研究實驗室（Naval Research Laboratory）的Cory Cress等人研發出抗輻射（radiation-hardened）SWCNT薄膜電晶體，他們採用氮氧化矽做為閘極介電層，該材料一來捕獲的載子較少，二來傾向捕捉等量的電子與電洞，由於無淨電荷累積，因此比較不受輻射影響。

地球磁場將高能帶電粒子侷限在兩道環形輻射帶中，稱為范艾倫輻射帶（Van Allen belt）。太空船繞行地球時，會重複經過這些輻射帶並且暴露於高劑量的高能電子與質子游離輻射中。Cress表示，這些輻射的能譜與入射角度相當均勻，因此可以藉由鈷六十（Co-60）在實驗室中模擬此劑量。

伽瑪射線會迅速激發碳管的電子，然後快速鬆弛，因此不至損傷碳管。不過當受激電子的能量超過碳管的位移閥值（displacement threshold, 約為90-120 keV）時，碳原子便可能脫離晶格，造成碳管的晶格結構受損。然而實驗結果顯示，他們的元件在2 Mrad的輻射劑量下發生這些情形的機率極為微小。

大部分的多數載子電子元件暴露於輻射環境時，閘極介電層及絕緣層會捕捉電荷載子，造成元件效能下降。而他們研發的抗輻射SWCNT薄膜電晶體卻不受影響，原因是該元件是以擴散傳輸方式運作，電荷載子會因鄰近缺陷而成倍數散射，這些缺陷包含碳管晶格缺陷、碳管邊界及聲子等，都會影響電荷傳輸以及奈米碳管元件對輻射的反應。

未來SWCNT場效電晶體將具有短通道，載子在元件內將呈彈道式傳輸，因此碳管-金屬接觸間的性質在元件效能上將扮演著更重要的角色，值得更進一步的研究。該團隊未來的研究重點將放在操作於彈道傳輸區域的電晶體元件。詳見Electronics ｜doi:10.3390/electronics1010023。

資料來源：Lift off for nanotube transistors. NanoTechWeb [Sep 28, 2012]

譯者:莫偉呈（茂迪太陽能）
責任編輯:蔡雅芝

轉載自 奈米科學網