雖然馬蹄鼻蝠(horseshoe bats)的鼻子看起來又大又醜，不過卻是牠們飛行及獵物時的好幫手。發表在《英國皇家協會界面期刊》(Royal Society Interface)上的研究，探討馬蹄鼻蝠如何運用牠們的鼻子來集中聲音束以及減少環境中雜訊干擾。
蝙蝠利用迴聲定位移動及獵食。科學家製作了馬蹄鼻蝠的五官及頭部模型來觀察如何利用鼻子皺紋影響聲音的傳遞。結果發現蝙蝠在發出聲音時會先通過鼻子，再利用皺紋改變鼻葉的大小，使得聲音變緊且集中。雖然這降低了蝙蝠定位獵物的能力，不過同時也減少了環境的雜訊干擾。這結果推翻了先前認為，蝙蝠利用皺紋使得聲波變得更廣來得知離地面有多高的研究。新研究的作者認為，先前的研究因為在錯誤的範圍偵測到迴聲頻率改變，所以他們才會有此推論。
資料來源:Ugly Noses Help Bats Navigate[24 January 2012]
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
已故日本演員樹木希林曾說：「我發現，以前的老人家都長得好好看啊。可是現代的人上了年紀之後，說的都是『抗老』這件奇妙的事情，……想盡方法做到『看起來不像是實際年齡』，連男性都是這樣呢。這種風潮的結果就是，無趣的老人愈來愈多了。」[1]
人體所有的器官都在出生的剎那，便踏上了老化之路，而皮膚作為人體與外界隔離的屏障，作為人體最大的器官，其老化最為直接可見。無怪乎許多人對「老化」的恐懼，表現在維持皮相的努力上。從諸多「（某女星）年過四十依舊超童顏」、「六十歲凍齡媽媽逆生長秘訣」、「五十歲性感女神身材崩壞」等類訊息亦可窺見人們對老化的恐慌。比起坦然面對自己的年齡並以「真面目」示人，追求凍齡到極致的無趣，顯然對我們更具吸引力。
在年齡增長的過程中，我們的肌膚究竟發生了哪些故事，能讓人第一眼見到你，就對你的年齡有一個基本的設想？
造成肌膚老化的原因包括內在和外在因素。
內在因素與遺傳及代謝有關，其中最顯著的組織學變化發生於基底細胞層[2]。皮膚的結構分為表皮（epidermis）、真皮（dermis）、皮下組織（subcutaneous tissue）。表皮層又可分為角質層、透明層、顆粒層、棘狀層，及基底細胞等五層，其中基底細胞層位在表皮最深處。在肌膚新陳代謝的過程中，新細胞的生成便是來自基底細胞層的細胞分裂複製。研究發現在老化過程中，基底細胞的增生能力逐漸減弱，表皮於是日漸變薄，與真皮間的連結因而縮減，營養交換衰減，又回頭造成基底細胞的增生能力更差。
最主要的外在因素則是紫外光暴露。舉例而言，第 7 型膠原蛋白是表皮與真皮間，連結之纖維的主要成分。經過光照的肌膚，這些連結纖維的量顯著降低，角質細胞中，第 7 型膠原蛋白的 mRNA 也明顯比未受光照的肌膚要少。硫酸軟骨素（chondroitin sulphates）是真皮中重要的醣胺聚醣，會隨著老化而減少，皺紋於焉生成，而光照又會使硫酸軟骨素的減少加遽[3]。
以上略述老化過程中，肌膚分子層面發生的故事。然而我們更關心的，或許是眼目可見的外在表現吧？
P&G，就是那個買下 SKII 的寶僑公司，做了一個橫跨 11 年的研究[4]，分析比較一百多名健康日本女性在 1999 年及 2010 年的膚況。1999 年時，這些受測者的年齡分佈介在 5 歲到 64 歲間；到了 2010 年，他們的年齡來到 16 至 75 歲間。為了減少外在因素的干擾，被納入的這些受測者普遍為家庭主婦或室內工作者，日常多於室內活動，接收的紫外光暴露較少。且未曾接受雷射等醫美治療。
受測者依照 2010 年時年紀為十幾歲（10 人）、二十幾歲（12 人）、三十幾歲（12 人）、四十幾歲（23 人）、五十幾歲（23 人）、六十幾歲（15 人），以及七十幾歲（13 人）進行分層。
針對這些受測者的臉頰進行拍攝後，利用影像分析演算法，分析他們的皺紋、色斑、皮膚粗糙程度。此外，以膚質檢測儀量測臉頰角質的含水量，以經皮水分散失測定儀計算表皮水分散失，以多功能皮膚測定儀探測肌膚的機械性能（彈性和緊實度），於臉部清潔後 1 小時，以皮膚油脂測定儀測量額頭的油脂分泌，以色度計分析膚色。
由分析結果，探知肌膚於每個「十年」間的變化（十年之後 我們是朋友 還可以問候 只是那種溫柔 再也找不到擁抱的理由）
從童年（十歲以下）到青少年（十幾歲）最顯著的差異呈現在膚質變粗糙及毛孔增多。膚質變粗糙主要肇因於乾燥，以及不規則的真皮脊/真皮丘，在肌膚表面上造就了不規則的軌跡。毛孔則代表毛囊在肌膚表面可見的部分，十幾歲以後，隨著皮脂腺的發育而顯著增加，是變化相當大的一個參數，皮脂的分泌也於此時起益發增多。
從青少年（十幾歲）到成年（二十幾歲），膚質及毛孔的量一樣有顯著變化，另一個明顯的差異，則是色斑增多。
將各年齡組的肌膚質地分數變化製成長條圖（見上圖。縱座標標示的分數愈高，表示肌膚質地愈粗糙。），會發現肌膚質地自十歲以下到二十幾歲間的變化幅度最為明顯；從二十幾歲到六、七十歲這個區間則未有重大改變。
從二十幾歲進到三十幾歲，色斑同樣增加了。（色斑的生成是由於紫外線暴露，過多的黑色素生成所致。事實上，從十幾歲起，一直到七十幾歲，色斑便持續以大鳴大放的姿態，在擴展領土，沒在客氣的！）此時，皺紋也開始出現，肌膚的整體亮度也減弱了。
從三十幾歲到充滿狼藉感的中年（四十幾、五十幾歲），色斑與皺紋仍在增長，（是的，皺紋與色斑一樣，都會持續擴展領域，伴你直到路終。皺紋反映了皮膚結構的改變，此改變肇因於真皮生理結構，包括表皮層下方的彈力蛋白及真皮層的膠原蛋白的退化。）肌膚又比三十幾歲更加暗沉，而三十幾歲與四十幾歲間的肌膚質地雖然差距不大，從四十幾進到五十幾歲，膚質的粗糙程度又加遽了。而在十幾二十幾歲時增加的毛孔，到三、四十歲時達到頂峰，隨後毛孔數量及皮脂的分泌量皆會減少。因此毛孔數量的變動在年輕族群較為明顯，年紀大了以後較無變化。
肌膚從中年（五十歲）到老年（七十歲）間的變化，引用鯨向海的詩句「此後，每當有人用各種邪惡手段／驚嚇我的時候／我都不會再恐懼了／因為……／／你們想必已經知道了。」[5]應當不為過。皺紋增加、色斑增加都在意料之中；而且比起中年，膚質又更加粗糙了。感覺驚嚇恐懼嗎？不盡然。隨著年齡增長，此時更當看重的，當是生命的深度與廣度吧。畢竟，倘若一名六、七十歲的長者，肌膚仍保養得如同三、四十歲，面對各類事件，反應卻是愚昧膚淺，全然未有長者應有的氣度與格局，又有誰會真心感到尊敬與欽羨？
另外，肌膚的泛紅程度在各年齡層的總平均間皆未有顯著差異。發黃程度僅在二十幾到三十幾歲間，以及三十幾到四十幾歲間有顯著差異，但從上方的長條圖看起來，發黃的整體分數從十歲以下到七十幾歲其實相距不大。
此研究並請 10 名觀察員針對這些受測者看起來比實際年齡老亦或比實際年齡年輕，進行主觀的分級評比，分數為 0 到 6 分，分數愈高，表示看起來愈年輕。（好殘酷！）
取得評比分數後，利用迴歸分析探討各個皮膚光學參數對肌膚給人的主觀感受［註1］（即一張臉給人的第一眼年齡印象）的影響。發現：色斑、皺紋，以及肌膚質地對主觀印象的影響最大。
再依據這些主觀評分，將受測者肌膚分為「輕微老化」、「適齡老化」、「嚴重老化」三組。「輕微老化」組的膚況，相較於實際年齡，給人的印象最年輕。也就是說，人們見到這組的受測者，揣測的年齡最容易較該組成員的實際年齡輕。可進一步推想：人們第一眼見到「嚴重老化」組成員的臉時，最易高估他們的年齡。發現「輕微老化」組的肌膚含水量、肌膚屏障功能（與經皮水分散失有關，屏障功能愈好，經皮水分散失愈低），以及緊實度 / 彈性皆遠比「肌膚嚴重老化」要高。
由此推估：希冀凍齡，可從維持肌膚含水量、減少經皮水分散失、增加緊實度及彈性做起。而由於色斑、皺紋，以及肌膚質地對他人的年齡印象影響最大，當你立志成為一個無趣的老人美魔女，請盡力避免皺紋生成、保養肌膚質地，並做好防曬以預防色斑形成。
在此也提供一點抗老相關資訊。有關「服用膠原蛋白能否抗老？」許多專家的意見常是「膠原蛋白是大分子，經過消化、吸收的過程，已遭破壞，美肌效果有限。」然而，有學者執行了雙盲、隨機、安慰劑對照試驗[6]，測試自鯰魚皮膚中萃出之膠原蛋白水解所得小分子膠原胜肽之口服效果。受測者服用了 6 週的膠原蛋白後，肌膚的含水量增加了；服用了 12 週的膠原蛋白後，魚尾紋變得較不明顯，肌膚粗糙程度降低，彈性也改善了。
亦有其他研究者於執行口服膠原蛋白臨床驗證後[7, 8, 9]，發表了類似的功效。寫到這裡，好像變成膠原蛋白的葉佩雯了。然而此處更想表達的是：誠然許多美容保養產品的功效，在商業運作下，不免誇飾渲染，也未必需要急著全盤否定。且不妨先稍加調查研究，再決定要以什麼樣的態度面對這些資訊。
關於肌膚老化的分子層面，還有許多比如活性氧（reactive oxygen species, ROS）等分子的作用尚未於此文提及；既然提到活性氧，還有一種抗老化的方式叫作抗氧化。值得深入探究之事族繁不及備載，本篇僅簡單提及有關肌膚老化的梗概供參考。在此，謹祝大家在追求成為無趣的老人凍齡上萬事順利。
所以吃膠原蛋白能夠改變皮膚老化的問題，但跟其他的手段比較起來有比較有效嗎？敲碗作者之後能針對膠原蛋白專門寫一篇，談談專家說的「美肌效果有限」是怎麼有限？研究發現有功效又是怎樣比起來有功效？
在飛行時，蝙蝠是藉由物體反射的聲音來導航(這能力稱為迴聲定位)，這也就不意外牠們的耳朵如小型雷達般在運作了。
利用高速相機(追蹤蝙蝠耳朵上的反射標記)與3D模擬，研究團隊已經證明蝙蝠在飛行時會因超聲波迴聲的方向不同來彎曲自己的耳朵。豎立的耳朵可以捕捉反彈自前方物體的高品質迴聲，下彎或後擺的耳朵則能聽見來自各方的迴聲，品質不那麼好就是了。
該團隊指出，蝙蝠會依不同任務來調整聽覺能力，這份研究發表在本周的《物理評論快報》（Physical Review Letters）上。彎曲的耳朵，能更有效的掃描區域內如飛蛾之類的獵物方位，以及掠食者（貓頭鷹等）的位置以防被攻擊；而豎立的耳朵可在俯衝攻擊獵物時全神貫注。
翻譯:陸子堯
資料來源:ScienceShot: Flexible Ears Help Bats Tune In [16 November 2011]
鄭國威 Portnoy
