邊緣人不只人緣差，免疫系統也差？

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

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《敏感地帶的反覆膿腫、發炎、異味，原來是「化膿性汗腺炎」》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

化膿性汗腺炎（hidradenitis suppurativa）是一種慢性發炎性皮膚病，讓位在腋窩、腹股溝、肛門周圍、會陰部和乳房下方的皮膚出現膿腫、位在深處的結節、與一道道纖維化的疤痕，這些反覆的發炎、氣味、和外觀惡化常常會讓患者身心俱疲。

化膿性汗腺炎的樣貌

化膿性汗腺炎的女性患者較多，多數年紀界在青春期過後到四十歲以前，以二十幾歲的年輕人為大宗。化膿性汗腺炎發作的位置屬於容易摩擦的皮膚處，包括腋下、腹股溝、會陰部、下腹、及臀部等處。

剛開始，患者可能會在腋下、腹股溝、或下腹部出現一些黑頭粉刺般的小隆起，接著出現單顆或多顆類似大顆痘痘或台語說「釘子」的深處結節，這些疼痛隆起處有些變大的時候會破掉，流出帶有異味的分泌物。患者會發現這些深處結節好的很慢，很難修復，並常常反覆發作，範圍可能愈來愈大，以至於皮膚下方出現纖維化的疤痕組織與連通的通道，皮膚的開口還會持續流出一些分泌物。因為這些症狀總是反覆發作，又是出現在一些較敏感的部位，對個人的生活品質與心情打擊很大。

罹患化膿性汗腺炎的起因

看到化膿性汗腺炎的皮膚發紅、深處膿腫、與帶有異味的分泌物時，很多人會以為這是感染引起的。然而，這個病本身並不是先因為感染，也不是因為個人清潔習慣不好而引起。

化膿性汗腺炎起因於毛囊、皮脂腺、和頂漿腺的阻塞，當閉塞毛囊的角質蛋白溢出到周圍真皮時，會引發周圍的一連串淋巴組織發炎、結構破壞，以致於出現纖維化的疤痕與皮膚下方的通道等問題。

• 本文轉載自 Care Online 照護線上《敏感地帶的反覆膿腫、發炎、異味，原來是「化膿性汗腺炎」》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《這不是痘痘！鼠蹊、腋下反覆發炎、流膿，化膿性汗腺炎治療解析，皮膚科醫師圖文懶人包》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「有位 30 多歲的上班族，從念大學的時候便發現腋下常會冒出幾顆痘痘，不但會痛，還會流膿。」高雄醫學大學附設中和紀念醫院皮膚科林聖堯醫師指出，「每次發作時，患者會接受藥物治療，症狀雖然有改善，但經過一段時間後，又會冒出來。由於反覆發炎、化膿，患者腋下形成許多疤痕，攣縮的疤痕甚至讓他無法抬高手臂，也不能繼續打籃球。」

後來患者的鼠蹊部也反覆出現膿腫，皮膚上布滿坑坑洞洞，且持續流出膿液。在診斷化膿性汗腺炎後，患者嘗試過多種治療，但是效果皆不理想。考量疾病已嚴重影響患者的日常生活，醫師便嘗試例使用生物製劑進一步治療。所幸，接受生物製劑治療後，患者的症狀快速緩解，生活品質大幅改善。

化膿性汗腺炎（HS，Hidradenitis suppurativa）與免疫系統失調有關，是全身性的發炎疾病。患者的皮膚上會出現一些疼痛的腫塊或結節，可能會破掉、流膿。在反覆發作後，皮膚會變得坑坑洞洞、形成疤痕。

化膿性汗腺炎不會傳染，也與個人衛生習慣無關。化膿性汗腺炎常出現在腋下、大腿內側、乳房下方、腹股溝、臀部、後頸等皮膚皺摺處。有些患者會出現在單側，有些則是雙側都有。

若在典型部位出現慢性且反覆發作的典型病灶（六個月內復發 2 次以上），便要將化膿性汗腺炎納入考量。

潮濕悶熱的夏季，總是讓患者非常不舒服。汗水會刺激皮膚，可能造成搔癢、疼痛、甚至感染。由於皮膚有膿腫、分泌物、異味，患者的生活、工作、社交都受到嚴重的影響。

「化膿性汗腺炎患者在運動、走路的時候，膿腫可能突然爆掉，流出膿水，非常困擾，苦不堪言。」林醫師說，「患者可能在十幾歲就出現症狀，一開始的症狀較輕微，常被當成痘痘，不過也有部分患者很快進展為中重度化膿性汗腺炎。所以我們會希望透過宣導讓大家提早認知到化膿性汗腺炎這個疾病，才能及早因應。如果等到演變成中重度，就相當難收拾。」

化膿性汗腺炎不只皮膚出問題

除了皮膚反覆感染、化膿之外，化膿性汗腺炎與許多共病症有關連性，包括糖尿病、心血管疾病、代謝症候群、甲狀腺疾病、脊椎關節炎、發炎性腸道疾病和精神疾病。因此在化膿性汗腺炎的治療照護上也應注意共病症的檢視，並視需要轉介至專科進行追蹤及治療。

化膿性汗腺炎的治療目標是改善患者的生活品質，林醫師說，治療藥物包括抗生素、A酸、生物製劑、免疫調節劑等，希望能夠控制發炎、緩解疼痛、降低復發的機會。必要時也需要利用外科手術清創引流，或處理廔管及疤痕。

生物製劑對化膿性汗腺炎的治療，相較於傳統藥物，可針對特定細胞激素發揮作用，治療機轉較精準，能夠抑制發炎，快速緩解疼痛，改善患者的生活品質。

臺灣皮膚科醫學會化膿性汗腺炎臨床診療共識建議，中重度化膿性汗腺炎患者若接受抗生素等治療達 12 週仍未達到預期效果，應可考慮使用生物製劑治療，改善發炎情況。

除了接受治療之外，日常生活也要特別留意，包括維持健康生活型態、維持理想體重、戒菸、清淡飲食等。建議患者不要泡溫泉，洗澡時也不要用太熱的水。林醫師提醒，如果發現在腋下、鼠蹊、臀部、大腿內側等處反覆出現疼痛的腫塊或結節，請務必至皮膚科就診，才能早期發現、早期治療！

筆記重點整理

1. 化膿性汗腺炎是全身性的發炎疾病，不會傳染，也與個人衛生習慣無關。患者的皮膚上會出現一些疼痛的腫塊或結節，可能會破掉、流膿。在反覆發作後，皮膚會變得坑坑洞洞、形成疤痕。
2. 化膿性汗腺炎常出現在腋下、大腿內側、乳房下方、腹股溝、臀部、後頸等皮膚皺摺處。若在典型部位出現慢性且反覆發作的典型病灶（六個月內復發 2 次以上），便要將化膿性汗腺炎納入考量。
3. 化膿性汗腺炎與許多共病症有關連性，包括糖尿病、心血管疾病、代謝症候群、甲狀腺疾病、脊椎關節炎、發炎性腸道疾病和精神疾病。因此在化膿性汗腺炎的治療照護上也應注意共病症的檢視，並視需要轉介至專科進行追蹤及治療。
4. 化膿性汗腺炎的治療藥物包括抗生素、A 酸、生物製劑、免疫調節劑等，希望能夠控制發炎、緩解疼痛、降低復發的機會。相較於傳統藥物，生物製劑可針對特定細胞激素發揮作用，治療機轉較精準，能夠有效抑制發炎，快速緩解疼痛，大幅改善患者的生活品質。
5. 臺灣化膿性汗腺炎臨床診療共識建議，中重度化膿性汗腺炎患者若接受抗生素等治療達 12 週仍未達到預期效果，應可考慮使用生物製劑治療。醫師會依據患者狀況協助評估是否使用生物製劑，呼籲患者就自身需求與醫師討論合適的治療方案。

• 本文轉載自 Care Online 照護線上《這不是痘痘！鼠蹊、腋下反覆發炎、流膿，化膿性汗腺炎治療解析，皮膚科醫師圖文懶人包》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接