大暑熱到爆！為什麼這個節氣最熱？

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

這個成語出自生活經驗，許多成語和人們的生活經驗有關。

在古書上，這個成語最早出現於東漢‧魏伯陽著的《參同契》。《參同契》是部煉丹術著作，古人所說的煉丹，包括內丹和外丹。外丹是用丹爐煉製丹藥，內丹是指修煉。《參同契》分為 35 章，第 25 章討論修煉，若順應五行，專心一志，就能夠「立竿見影，呼谷傳響。」

「立竿見影，呼谷傳響」的意思是：在陽光下樹起竿子，立即見到日影；在山谷中呼喊，聲響立即傳播開來。都是比喻迅速收到效果，讓我們以「立竿見影」造兩個句吧。

這藥對頭痛有效，服下去疼痛立即消失，有如立竿見影。

掌握了正確的學習方法，就可以收到立竿見影般的效果。

立竿見影固然出自生活經驗，但在天文學上，卻是一種測量日影，訂定節氣和回歸年的方法。古時用來測量日影的竿子，元代以前高度固定八尺，稱為「表」，這可說是最古老的天文儀器。

表，不過是根高度固定的竿子，用途卻很多。測量時，先確定南北方向，再測量每天太陽在正南時的影子，並用鋪在地上的尺子（圭）量取長度。影子最短那天就是夏至，最長的那天就是冬至。

夏至和冬至訂定出來，其他節氣和地球公轉的回歸年也就不難訂定了。春秋時已測出回歸年為 365 又 1/4 日，戰國時的《四分曆》就是根據這個數值訂定的。

小朋友會許會問，農曆不是根據月相變化訂定的嗎？幹嘛要測量回歸年？

其實農曆自古就是陰陽合曆，二十四節氣代表陽曆。朔望月約 29.53059 日，一年約 354 日或 355 日，而回歸年為 365.2422 日，兩者相差約 11 日，所以要設置閏月，使朔望年與回歸年不致相去過遠。

遠在春秋時，中國人就掌握十九年七閏的規律，即 19 個回歸年正好有 235 個朔望月。

小朋友或許還會問：只用朔望年難道不行嗎？幹嘛要有閏月？要知道，氣候變化和地球公轉有關，和月相變化無關。如果只用月相變化訂定曆法，而不加上陽曆元素（二十四節氣），這個曆法將脫離現實，沒有什麼用處。

古時以樹立在地上的「表」測量日影，以鋪在地上的「圭」量取日影長度，因此圭和表具有法定標準的意義，於是衍生出另一個成語：奉為圭表。小朋友，你能用這個成語造個句嗎？

• 作者 / 喬．馬錢特博士（Dr. Jo Marchant）
• 譯者 / 徐立妍

世界共通的圖案——卯宿星團

綜觀歷史，世界各地的藝術作品上經常出現有趣的點狀圖案，數量各有不同，但通常都是六個圓點形成緊密的團體，四個為一排、兩個為另一排；這樣的主題在世界各地的社群中都出現過，從美洲納瓦荷部落的葫蘆形搖鈴上鑽出的孔洞，乃至於西伯利亞薩滿巫師鼓上的繪畫，甚至還出現在日本汽車製造商速霸陸的商標上。

所有這些例子當中的圓點所代表的是夜空中最具代表性的景象：昴宿星團，這一團六、七顆星星（確切數量會依觀看條件有所不同）看起來相當接近太陽每年在空中行經的軌跡，而成為了許多神話與傳說中的主角：在切羅基神話中，這些星星是走失的孩子；維京人將這些星星當成女神芙蕾雅的母雞。這些星星也是金牛星座中相當顯著的組成，昴宿星團就坐落在天空中這頭牛的肩膀上方，再加上向外突出的牛角，紅巨星畢宿五就是明亮的牛眼，還有另一群星星畢宿星團則在牛的臉面上散落成一個V字形。

這六點形成的圖案經常出現，表示昴宿星團在世界各地的社會中相當重要，也傳達出人類想要在藝術上呈現星空各種面向的共通渴望。但是這個故事還不僅如此，有另一個例子也畫出了這些點點，但老實說似乎是不可能出現的。在法國西南部的拉斯科洞窟（Lascaux）最出名的，就是洞內豐富的舊石器時代藝術：描繪動物的壁畫及雕刻，認為已有兩萬年歷史，是人性初現的象徵。幾十年來，學者不斷爭論這些作品的意義，同時卻很少有人注意到，在洞窟龐大入口空間的頂部有六個簡單的點，完美契合昴宿星團的位置，以紅赭色仔細畫下這些點，漂浮在一頭壯碩的原牛肩膀上方。

這頭原牛被稱為「第十八號公牛」，有五．二公尺長，是整個洞窟中最大、或許也是最容易辨識的壁畫，與現代的金牛座形象之間有驚人的相似性，甚至在臉頰上還有V字形點點，已經被發現多年，但在導覽手冊上卻沒有提及，主流考古學家也鮮少討論。金牛座是最早出現記述的星座之一，文字紀錄可以追溯至將近三千年前觀測天象的巴比倫祭司，祭司將昴宿星團看成了天上公牛背上的鬃毛。但其真正的起源會是拉斯科這個應該還相當原始的狩獵採集部落所創作的星圖嗎？與其說學界否定了這個想法，應該說根本沒討論過其可能性。

然而，過去幾年來，人類學、神話學和天文學等領域的專家開始主張，應該徹底重新評估我們在舊石器時代祖先的技巧，以及他們訴說的故事有多麼長遠的影響力。這裡要說的就是人類與星空關聯的歷史，那麼就從第十八號公牛的謎團開始吧，我們將會探討拉斯科的藝術家是否真的能夠畫出星座，也要問問為什麼他們會如此關心天空。這趟旅程會引領我們直往核心，認識這群最早擁有想像力、記憶力、解釋及表達能力的人類，宇宙對他們來說有何意義，而他們所創造的宇宙觀仍影響著我們今日的生活。

重見光明的壁畫

一九四○年九月十二日，十七歲的實習技工馬塞爾．拉維達（Marcel Ravidat）和三個朋友一起到村莊附近的山丘散步，村莊位於法國西南部的蒙蒂尼亞克（Montignac）。村莊裡流傳著這片山丘底下有洞窟，法國大革命之後的一波處決潮中，附近一處莊園的主人也是修道院院長拉布魯斯（Labrousse）據說就藏在其中一個洞窟，而拉維達則異想天開地認為其中可能藏著寶藏。幾天前，他在地面上發現了一個洞，或許有機會一探，並開始清除障礙物，這一次他帶著一把刀和一盞拼湊出來的燈，打算要完成這項工作。

這些男孩的目標是地面上一處臉盆狀的凹陷，周圍長著松樹和杜松，到處都是荊棘灌木，盆底有一處小開口接著一道狹長、幾乎垂直的通道。男孩們清除了荊棘（居然還有一頭驢子屍體），然後徒手將洞口挖寬到將近三十公分。他們往下丟石頭，發現石頭滾動了很長時間而且還有回聲，感覺相當驚訝。那些荊棘底下藏著什麼龐大的東西。

拉維達是這群人當中年紀最大也是最強壯的，他頭下腳上鑽了進去，匍匐在土裡爬了幾公尺後，便掉在一堆尖尖的泥土和石頭上。他點起燈，這是他用一顆滑脂泵加上一條線做成的，但他幾乎馬上就失去平衡，一路滑到底部。他發現自己處在一片寬闊的空間裡，大約有二十公尺長，便出聲叫朋友跟著下來。

他們在近乎一片漆黑中穿過石灰岩洞穴，避開地上的淺水坑，最後抵達一處狹窄的走道，上頭拱起的頂部距離相當遠，就像教堂穹頂。一直到了這裡，拉維達才舉起燈，男孩們便發現了寶藏。在白色的牆壁上覆滿了爆發的生命，從我們的物種誕生便出現的圖像，經過兩萬年後終於再次重現世人眼前。

首先，他們注意到有顏色的線條以及怪異的幾何圖像，然後拿著燈往四處一照，便看到了動物，到處都有金色的馬配上黑色鬃毛，同時還有紅黑相間的公牛、山羊，以及一頭鳴叫的長角雄鹿。一群群動物躍然牆上，跟著跳上了洞窟頂部，有些線條明確而顏色繽紛，也有些形象模糊，彷彿是從霧中掉出來似的。這些男孩還不明白自己發現的東西有多麼重要，但他們知道這很特別，於是在搖曳的光線中又跳又叫地慶祝著。

拉斯科洞窟（以鄰近的那座莊園命名）如今名列歷史上最壯觀的考古發現之一。在法國南部及西班牙北部有上百個洞窟，拉斯科是其中一處，洞窟中的裝飾可以追溯至三萬七千至一萬一千年前。這些藝術家從解剖學來說已經是現代人類，他們在上一次冰河期間，大約是四萬五千年前首先從非洲遷徙到歐洲。這段時期稱為舊石器時代晚期，以此時所使用的石頭工具命名，而人類的創造力似乎也在此時有爆發性的成長。其他地方也發現大約同一時期的岩石壁畫，像在印尼及澳洲都有，這項活動的起源幾乎可以肯定還更早就出現在非洲。不過，多虧了其複雜性、細膩的保存手法以及繪畫雕刻的數量驚人（近兩千幅），拉斯科是當中最為精細的遺蹟。

眾說紛紜的解讀

這裡的藝術家使用以植物製成的刷子或者髮束，顏料則是鐵礦和錳礦、高嶺土及炭條，畫滿了深達一百公尺的石窟內所有通道及穴室。他們的創作讓我們得以一窺史前人類的心智，實屬難得，也美得令人魂牽夢縈。這些先民是誰？他們關心些什麼？是什麼讓他們想要創作藝術？實質上，是什麼讓他們發展出人性？

自從男孩們發現此地後的幾十年間，學者針對這些問題提出了各種令人目不暇給的答案。早期有人認為這些神祕的圖樣只是裝飾，「為了藝術而藝術」，沒有什麼特別的意義；另一派則認為這些動物代表不同的部落，這些繪畫描述的便是部落之間的戰役及結盟。有些專家認為這些繪畫的用意是施法的咒語，是為了提升狩獵遠征的成功率或驅除惡靈。在一九六○年代，學者採取了統計學的方式，記錄下不同類型的圖樣在洞窟內的分布情形，並且根據他們看到的模式建立理論，例如馬和野牛就象徵著男性和女性身分。

然後，諾伯特．奧祖拉特（Norbert Aujoulat）出現了，他對這些繪畫的了解或許比任何人都更加親密。他十分熱中於洞窟研究，自述為「地底人」，經常獨自遁入法國山區，一去就是好幾天，也協助發現了十幾處地底洞室。但他一直沒有忘記自己初次見到拉斯科的時候，那是在一九七○年一個冬日下午，自從發現洞窟之後便開放大眾參觀，但後來又關閉了：每天上千名遊客所呼出的氣息，再加上他們帶入的細菌，都損傷了珍貴的壁畫。當時二十四歲的奧祖拉特就在當地讀書，參加了賈克．馬叟（Jacques Marsal）的私人導覽行程，馬叟正是三十年前發現這個洞窟的四名好朋友之一。

為了抵達壁畫所在之處，馬叟帶著他們走下一道斜坡，通過一連串為安全而建造、由石塊堆砌成的入口廳堂及門廊，這讓奧祖拉特感覺他們恍若正要前往神廟內部的神聖空間。最後一道門是以沉重的青銅鑄成，裝飾著光亮的石頭，奧祖拉特只花了半個小時探索在門後的寶藏，但已經足以決定他人生的道路，他完全入迷於洞窟內那股強烈的人類存在感，強大到能夠穿越數千數萬年，於是他立定目標，志要理解這些壁畫創作的方式與原因。

奧祖拉特花了將近二十年才得以完成自己的夢想。一九八八年，他成為法國文化部洞窟藝術局的局長後，便展開研究拉斯科洞窟長達十年的龐大計畫，從環繞著入口洞室頂部的大型公牛，到一處稱為半圓形後殿的較小洞室中密麻交纏的雕刻圖案。其他學者都將焦點放在藝術上，奧祖拉特卻是以自然科學家的身分看待拉斯科，從各個面向研究這個洞窟，包括石灰岩的地質學乃至牆上動物的生物學，他下了結論，認為其他人都忽略了一個關鍵面向：時間。

壁畫上的時節週期

他在研究馬、原牛和雄鹿等一同交疊出現的圖樣時，發現每一次都是先畫上馬、然後是原牛，最後才是雄鹿。而且，這些動物總是顯露出對應著一年當中特定時節的特徵：馬匹身上厚重的毛皮及長長的尾巴對應著冬天尾聲；原牛則是在夏季當中，然後雄鹿頭上突出的鹿角是秋季時才有的特色。對每一物種來說，都正值交配季節。

奧祖拉特在二○○五年出版的《拉斯科：動作、空間與時間》（Lascaux: Movement, Space, and Time）一書中描述了自己的發現，他認為壁畫繪製出重要動物的生育週期，可以理解這個洞窟是一處靈性的聖地，用意是象徵創造以及生命的永恆節奏。不過，這些繪畫所呈現出的創造週期並不僅是代表了俗世上與動物、天氣相關的主題，還能延伸到整個宇宙。

當然，年復一年發生在石器時代世界中的生命再造，也能反映在星象週期上：以太陽的路徑及夜空中出現特殊星座來標記每一季節。奧祖拉特相信，這就是藝術家觀點的核心。他認為，這顯示出生物及宇宙時間是相互糾纏在一起的，將洞窟頂部高懸的牆壁及整片頂部的壁畫比擬為「蒼穹」，並且提出論點說這些動物並非呈現在地面上，而是於天空裡。

這點可以解釋為什麼這些動物經常看起來像是飄浮著的：從各個角度繪成、看不見任何地面線條，有時甚至還高懸著腳蹄。如果奧祖拉特是對的，拉斯科洞窟不僅表達出生物學，同樣也表達出宇宙學：這些藝術家並非在模仿身邊所見的環境，而是將一切定義了他們存在的變化，無論是地上的或在天上的，都揉合在一起，可以說這就像一首歌頌他們宇宙的歌賦，呈現出人類最早對於宇宙本質及生命起源的認知。

奧祖拉特處於法國學術機構的核心，而他的研究成果具有相當大的影響力，但即使如此，卻很少有人討論他對天空的概念。在缺乏直接證據的情形下，考古學家認為，與其將這些繪畫視為對天空的觀點，當成歌頌自然的作品要容易多了。不過仍有一些學者認為奧祖拉特的論點還不夠大膽，拉斯科的藝術家不僅僅是想像天空上的動物，更繪製出天上的星圖。