我們與塑膠的婚姻諮詢書

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

• 文/陳彥諺

環保行動從源頭出發

說到「環保」，許多人第一時間想到的關鍵字就是「減塑」、「限塑」，在現代社會中，大量塑膠製品、塑膠袋充斥在生活中，而一次性使用的塑膠製品就是環保行動的最大敵人。不過，你知道嗎？發明塑膠袋的初衷，其實是為了拯救地球。
在塑膠袋發明以前，紙袋、布袋是主流的包裝用品。為了讓人們能有好看、方便、低成本的包裝材料運輸物品，1959 年，瑞典工程師斯坦・圖林發明了塑膠袋，其輕便、價格低廉、耐用、可重複使用，也可以取代紙袋以減少伐木量。

卻沒想到，這麼好用又便宜的塑膠袋問世後，在20 世紀末以前，紙袋、布袋幾乎被塑膠袋取代了，但是，人們並沒有如圖林發明當時所設想的，將耐用的塑膠袋重複利用，以減少地球負擔，反而衍生出單次使用後便丟棄的習慣，時至今日，塑膠垃圾更造成了嚴重的環境污染。

然而，地球是大家的，是每一個人的，也是家樂福所關心的。

家樂福十多年來，響應聯合國永續發展目標 SDGs，除了推行友善農業關懷土地，也以透明系列商品支持動物福利，2019 年，更設立影響力概念店，鼓勵消費者自備購物袋，同時把家中不需要的紙袋，帶到店中分享給需要的民眾，家樂福以具體行動響應 SDG 12 責任消費與生產，希望改變從 i 開始。

家樂福賣場實際響應環保行動

(A) 生活區：瓶身再生塑膠的環保洗護產品

日常生活中，洗澡洗髮使用的盥洗用品，是塑膠瓶罐的一大來源。家樂福攜手台鹽生技、台灣設計研究院、點睛設計，從原料到包裝，皆秉持著永續再生、環境友善、天然純淨的原則，推出Re系列永續商品。

Re代表減量（Reduce）、再利用（Reuse）、回收（Recycle），更代表著這項產品的永續再生（Power of Regeneration）。落實的行動包含，瓶身、瓶蓋採用 100% 再生塑料，運輸紙箱採用 FSC 森林環保紙箱等。

(B)食品區：可回收包裝減少食物浪費

食品的包裝，也是生活廢棄物的一大來源。家樂福除了停止使用保麗龍外，更在食品的包裝方法上，採用「貼體包裝」。

以往常見的食材包裝，是將食材放在保麗龍盒上，再以保鮮膜覆蓋，因為保鮮膜並無法完全密合食材本身，保鮮效果有限。而家樂福採用 APET/PE 材質的貼體包裝，結合抽真空原理與加熱技術，讓包材可以貼合食材，形成食材的第二層皮膚，減少與氧氣、微生物的接觸外，更能有效保存食材，減少食物浪費，同時減少保麗龍使用，一年可少用3百萬個保麗龍。

(C) 收納區：減塑收納寶物，再生塑料一級棒

在收納部分，家樂福提供了消費者環保折疊購物袋的新選擇，樣式活潑可愛的環保折疊購物袋，材質為 RPET，是回收寶特瓶材質，每 2.8 個寶特瓶可做 1 個折疊購物袋，不只可供消費者重複使用，且產品本身便已達到循環利用。

另外，居家生活不可或缺的垃圾袋，家樂福也有新實踐！家樂福環保清潔袋，是回收家樂福或各通路的PE膠膜，經過工廠處理、回收篩選、製作成 100% 再生塑膠粒子後添加美國香氛除臭精油製袋，讓以往丟棄的回收膜，經過處理後有了新生命，而且不需添加新塑膠，就能製成接近新料等級的優質產品。

從今天開始、從 i 開始，和家樂福一起減塑、減廢，愛地球！

為了地球，家樂福不遺餘力。從友善農業、動物福利開始，再從減廢減塑著力。當家樂福自有品牌取消了飲料組裝的收縮膜包裝，策略從賣場及商品包裝減塑，每年約減少 340 噸塑膠，1067 噸的碳排。

塑膠產品的誕生初衷，是為了讓地球、讓人們的生活更好。雖然在過去的消費習慣下，對地球造成了嚴重影響，但是，要愛地球，永遠不嫌晚。從今天開始、從i開始，和家樂福一起減塑、減廢，愛地球吧。

橡膠對現代人的重要性

如果沒了這種物質，世界會是什麼樣子？試想沒有輪胎的汽車、沒有奶嘴的奶瓶、沒有腳蹼和潛水服的潛水器材、沒有橡皮擦的鉛筆、沒有黃色小鴨的童年⋯⋯

這種質地特殊的材質便是橡膠。橡膠來自原生於亞馬遜叢林、名為「巴西橡膠樹」的樹木（Hevea brasiliensis，命名來源就是因為這種植物生長於巴西）。

不過，歐洲人首次注意到的橡膠樹其實是圭亞那橡膠樹（Hevea guianensis）。樹如其名，這種橡膠樹生長於圭亞那。

在歐洲人「發現」橡膠樹的時代（印第安人當然很早就認識了這種植物），圭亞那是個鮮為人知的蠻荒之地，沒有火箭發射場也沒有淘金客。

當時也不流行生態旅遊、T 潘趣酒（ti-punch，一種蘭姆酒的調酒）或卡宴辣椒。當時的人也從未想到，這種看似平凡的熱帶樹木即將引發高潮迭起的植物和經濟熱潮⋯⋯偶爾還有些悲壯。

有位巧手的工程師正在尋找會哭泣的樹木

第一位對橡膠產生興趣的人，是胥修德里領主、加陶迪耶的弗朗索瓦．弗雷諾（François Fresneau de la Gataudière, 1703–1770），他在 1703 年生於牡蠣的原鄉、法國西南部的馬雷訥。他的全名看起來充滿上流社會的氣息，我們在這本書中稱呼他為弗雷諾就好。

弗雷諾本人似乎遭到歷史遺忘，但他的發現和成就改變了世界。就如同法國歌曲〈塑膠超讚〉的歌詞：「塑膠超讚，橡膠超柔軟」！今日的人類已經可以羅列出超過 25,000 種不同的橡膠用途。

路易十五的海軍大臣莫爾帕伯爵菲利波（Jean-Frédéric Phélypeaux de Maurepas, 1701–1781）任命弗雷諾為圭亞那首府開雲的皇家工程師。弗雷諾當年29歲，而且熱情滿滿。

弗雷諾的第一份工作便是研究新堡壘如何搭建。他也需要採收植物，以便充實皇家花園。他對當時圭亞那的可可園十分感興趣。工程師弗雷諾的得意作品中，最令他得意的發明作品是⋯⋯蟻巢毀滅器！果真是自由奔放的年輕人。

發明蟻巢毀滅器的天才：弗雷諾

當時，可可園遭受紅螞蟻入侵，而充滿創意與膽識、彷彿十八世紀馬蓋先（譯註 美國冒險影集《百戰天龍》主角）一般的弗雷諾便發明了可以將硫磺吹進蟻巢的機器。

螞蟻因此蒙受苦難。他持續搭建非常實用的引擎：將溝渠斜坡上的泥土提起並移走的起重機、磨碎木薯或小米的手磨機、從木薯根部榨出水分的壓縮機。他還策畫了奧亞波克河新哨所的防禦工事。

弗雷諾被自己的成功沖昏了頭，希望加官晉祿，要求升任上尉。當時的圭亞那監察專員也認為弗雷諾「熱情澎湃，宛如英雄」。

然而，他卻受到其他殖民地老長官和開雲教士社群的忌妒，升官之路受阻。於是，弗雷諾前往鄉間，僱用 八名「黑人」（請記得，當時的法國人仍使用「黑人」、「野蠻人」、「生番」等稱謂來稱呼和殖民者長相不相似的族群⋯⋯），並種植甘蔗、木藍等植物。

他也持續發展自己的防禦工事專長，發明了一種可以用來製磚的泥沙混和物。真是位天賦異稟的工程師啊！

——本文摘自《植物遷徙的非凡冒險》，2023 年 6 月，時報出版，未經同意請勿轉載。