火箭發射成功或失敗，也跟它耐不耐壓有關？—《科學築夢大現場》

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／林彥興（EASY天文地科團隊總編輯，現就讀清大天文所）

台灣時間 2022 年 11 月 2 日晚上九點四十一分，SpaceX 的「獵鷹重型 Falcon Heavy (FH)」火箭從濃霧繚繞的甘迺迪太空中心 LC-39A 發射台轟然升空。睽違三年，世人終於再次體會到世界最強火箭飛向天際，以及雙助推器同時著陸的震撼。

從獵鷹九號到獵鷹重型

相信有在關注太空時事的讀者們，對 SpaceX 的獵鷹九號火箭都不陌生。

獵鷹九號是 SpaceX 目前當仁不讓的發射主力，從低軌小衛星共乘、高軌頂配同步衛星乃至星際探測器都能一手包辦，而且還擁有能夠「重複使用第一節」這舉世唯一的絕技，在大幅降低成本的同時，也讓 SpaceX 能夠以超過一週一發的超高頻率發射火箭。從 2022 年初至週二當天，獵鷹九號已經發射 49 次，佔世界總發射次數的約 35%；論發射酬載總質量，世界所有其他火箭加起來還不到獵鷹九號的一半。^[1][2]

但獵鷹九號雖然優秀，面對少數特別重的酬載（也就是衛星、太空船等火箭攜帶的物體），或是要把酬載送到特別高能量的軌道時，仍然力有未逮。怎麼辦呢？基本概念很簡單：在獵鷹九號第一節兩側，再綁兩根第一節火箭，給火箭更多的燃料、更強的推力，就能把更重的酬載，送到更高更遠的地方，這就是「獵鷹重型 Falcon Heavy, FH」火箭。習慣上，人們將中間那根第一節稱為芯級（Core Stage），兩側的則稱為助推器（Side Booster）。根據任務需求，芯級和助推器可選擇不同的回收模式（陸上回收、海上回收、不回收）。在完全不回收的模式下，獵鷹重型擁有超過 60 公噸的最高理論運載力（LEO），比位列第二的三角洲四號重型火箭多了一倍不只。

風光亮相後？

獵鷹重型在 2018 年進行了一場轟轟烈烈的首飛。由於未經驗證的新火箭，一般不會有客戶願意買單承擔風險，因此火箭製造商通常會自費發射一些不太重要的東西，常稱為「假酬載 Dummy Payload」，向客戶展示火箭確實可以把你的衛星送入軌道。這個不太重要的假酬載，也給了工程師們搞怪的機會。

假酬載該選什麼好呢？
大老闆 Elon Musk：「啊，那就把我的 Tesla 跑車打上去吧。」

首飛隔年（2019）四月和六月，獵鷹重型分別進行了兩次任務（福衛七號就是其中之一噢）。但在這之後，獵鷹重型彷彿就進入了休假期，長達三年都沒有發射任務。為甚麼會這樣呢？這背後的原因有非常多面相可以討論，比如獵鷹九號就已經足以應付現在市場上絕大部分的發射需求、獵鷹重型發射的酬載開發與製造進度延宕等等。篇幅有限，在此就不展開細說。但總之，對太空迷們來說，這三年真的是格外漫長。獵鷹重型還是獵鷹重型，但 2022 的世界已經跟 2019 大不相同了。

機密任務 USSF-44

回到正題，本次 USSF-44 任務的目標，是為美國太空軍發射機密軍事衛星，前往地球同步軌道。

在上面的影片中，我們可以看到火箭發射的全過程。在轟轟烈烈地起飛後，火箭沿著預定軌道不斷加速。升空後約兩分三十秒，幾乎耗盡燃料兩根助推器率先脫離。而芯級在本次任務中則不進行回收，毫無保留地將所有燃料都用於運送衛星。約四分零三秒，芯級耗盡所有燃料並脫離，由第二節火箭負責繼續將衛星送入指定軌道。由於衛星的機密性，第二節直播就此切斷。直播聚焦於兩個助推器，如何自行返回陸上降落場，並最終成功降落。

本次任務的成功，不僅宣告著獵鷹重型的回歸，也是 SpaceX 第一次直接把衛星送進「地球同步軌道 GEO」，而非一般的「地球同步轉移軌道 GTO」（相關知識可以參考「衛星軌道萬花筒」系列圖文）。擁有將衛星直送 GEO 的能力，對火箭發射商來說意義相當重大。另一方面，雖然可憐的芯級被太空軍指定拋棄了，但兩側助推器的同框降落真的百看不厭。如果覺得這次發射霧太大景不好，不妨多看幾次 2018 首飛的剪輯吧！

還要再等三年嗎？獵鷹重型的未來

那麼，何時才能再次看到獵鷹重型轟然起飛呢？答案可能比你以為的要快。按現在的規畫，明年一月就應當要有兩場獵鷹重型的發射，分別是 ViaSat-3 與 USSF-67，都是 GEO 直送任務。但當然，這是火箭發射，再延宕個幾個月也是很正常的。

往更遠的看，未來五年獵鷹重型將發射的重要酬載包括：

• 大型行星探測器：靈神星（Psyche，左圖）任務與歐羅巴快船（Europa clipper，右圖）。

• 阿提密斯計畫：月球門戶建造（PPE 與 HALO 艙段）、VIPER 月球車、月球門戶補給（Dragon-XL）。

• 旗艦太空望遠鏡：羅曼太空望遠鏡（RST）。

• 太空軍機密衛星與同步通訊、氣象衛星若干。

相信這些名字對太空迷讀者來說都是如雷貫耳。可見獵鷹重型在美國近期多項重要太空計畫中，都是關鍵角色。接下來幾年，就讓我們拭目以待，一起見證獵鷹重型大展身手吧！

交大、北科大、成大、屏科大四校組成的自製火箭研究團隊「前瞻火箭研究中心」（Advanced Rocket Research Center，以下簡稱ARRC）18日下午於香山濕地試射雙節火箭「APPL-9β」，主要為接下來的大型探空火箭「HTTP-3」測試脫節與空中點火功能。火箭飛向天際並完整回收，只可惜火箭未如預期中脫節。ARRC主任、交大機械系教授吳宗信形容這是「80%的成功」，待團隊討論再決定是否再次飛試。（文末新增後記，ARRC於2016年1月底再次飛試，終於脫節成功！）

目前釋出的短版官方影片，此次飛行最大高度約360公尺：

發射現場

火箭會逆風飛行，風向和風速是判斷發射點要離岸多遠、火箭發射角度的重要因素，那天下午天氣陰涼，風向大致由外海往岸上吹，但風不大，算是個好天氣。採蚵車載著火箭，交大成員穿著雨鞋、扛著發射架，走入遍佈蚵殼、小螃蟹的泥濘濕地到離岸約一公里處。

發射前的作業流程繁瑣而嚴謹，現場總指揮賴冠融依照近40道程序的SOP發布指令，每道指令都有對應的負責成員，完成一個指令後回報再進行下一個。成員們為火箭上架、接上「臍帶」（連接火箭與發射架，接收點火指令的電線）、灌氣、確認兩個地面站接收訊號的狀態、為航電上電等，整套流程耗時約1.5小時。

倒數一分鐘

全員撤退到發射架後方幾十公尺處，對講機關閉，開始倒數一分鐘。就在這時，吳宗信眼尖看到濕地遠處有一個人正往發射架點方向靠近！賴冠融用大聲公呼叫負責點火的成員魏世昕緊急暫停，並對那位遠方的老伯大聲喊叫：「阿伯！不要移動！我們正在發射火箭！」「他聽嘸啦！講台語啦！」「嘜振動（tín-tāng，閩南語移動之意）！」一陣忙亂後，那位老伯會意過來，小插曲有驚無險的落幕，火箭也恢復倒數。

火箭冒出白煙，隨即飛嘯而上沒入雲端，火箭上天後的飛行姿態、航電是否正常運作、資料傳輸狀況等才是真正的重點。大家仰望天空，老師們叨念著火箭似乎沒脫節，接著三頂降落傘帶著火箭緩速從空中落下，現場氛圍又轉為興奮，「第一次看到這麼漂亮的降落傘！」吳宗信笑著說：「這是80%成功！」

始作俑者是兩顆螺栓

APPL-9β主要任務為測試脫節與空中點火的設計，這也是團隊接下來的大型雙節火箭HTTP-3的重點。成員魏世昕和賴冠融解釋，火箭的加速度規會偵測火箭由高速至減速的重力變化（類似搭電梯上升時，電梯停止前一刻的感受），當第一節推力漸失，便會發指令讓火箭脫節，第二節偵測到脫節訊號後就會啟動點火。

成員們將火箭搬回交大後還顧不得休息，隨即在實驗室拆解火箭，尋找脫節失敗的原因。扣連第一節和第二節火箭的金屬環有兩顆「爆炸螺栓」，螺栓內部空腔含有火藥和點火裝置，點燃火藥、螺栓斷開便能使固定的物體分離。

APPL-9β有發出點火指令、也引燃了螺栓中的黑色火藥，但螺栓只微微鼓起，沒有斷開，導致火箭沒有脫節，而基於安全，團隊設計第二節火箭沒偵測到脫節訊號便不會點火、開閥。「地面測試時明明都OK！現在居然兩根同時出問題。」

過去十幾架APPL火箭只有APPL-2是雙節設計，但APPL-2設計簡單：一二節皆為固態火箭；第二節往內縮套入第一節再固定；點火時間事先分別設定好，時間到了自動點火。魏世昕說：「不過當時第二節太慢點火了，火箭飛得很水平，可能直接飛到海上了吧。」

APPL-9β小檔案

APPL-9β為雙節火箭，直徑15公分，2.7公尺長，重約23公斤。火箭第一節為固態糖燃料，第二節為混合式推進器（以N₂O一氧化二氮作為氧化劑，塑膠PE為燃料）。火箭搭載中央大學張起維老師團隊製作的罐頭衛星，量測高度與溫度、衛星電力續航，蒐集日後設計將衛星彈射出火箭的資料。

火箭外殼是以PLA材料3D列印而成，需要較大強度的地方（如鼻錐）結合玻璃纖維。成員周子豪說，3D列印好處是可以節省「奇形怪狀」切割的加工時間，「孔洞也可以直接印出來，裁切玻纖比較麻煩。」

APPL-9β前身為一月在香山濕地試射的APPL-9，當時火箭脫離發射架前就迸裂分解。賴冠融說，上次「失事」原因推估為燃料配方與結構設計沒配合好，他們換過糖與硝酸鉀的來源，但延續舊參數設計APPL-9，新配方燃燒速率較快，高溫又助長整個反應，壓力容器承受不住就爆開了。

後記：

ARRC於2016年1月31日試射2.7公尺長的「APPL-9C」，火箭順利脫節，飛試相當成功。ARRC正如火如荼準備大型雙節火箭試射，APPL-9這系列小火箭主要就為了測試日後大火箭會用到的系統，特別是如何脫節──火箭一邊飛行，一邊拋棄不再必要的部分以減輕重量，讓火箭飛得更高。這相當考驗團隊技術，ARRC足足用了三支小火箭，脫節設計才成功運作（第一支爆炸、第二支脫節不成）。

回顧第一支APPL-9縮時與發射影片：

APPL火箭名字取自交大成員所屬的機械所實驗室縮寫，過去APPL系列以糖精和硝酸鉀，加上少許氧化鐵反應作為火箭動力，又暱稱為「蔗糖火箭（Sugar Rocket）」。APPL火箭主要由交大成員製作，目的不在於飛高（設計的飛行高度不超過一公里），而是作為日後大型火箭HTTP設備與次系統的事前測試，算是大火箭的小型測試版。

延伸閱讀：

• 太空科技大突破！專訪臺灣學界自製的大型混合式探空火箭【團隊篇】
• 太空科技大突破！專訪臺灣學界自製的大型混合式探空火箭【火箭篇】