科工館全新常設展：「啟動創新實驗場」科技任務破關秘笈

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

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

在這個通信技術普及的年代，我們不斷介紹各式各樣的通信技術。大多數的通信技術都是為人服務的，這似乎是理所當然的。然而，有一種通信技術並非直接為人服務，而是為物體之間的交流提供支持。這種技術不僅存在，而且在現代已經成為最主要的通信形式之一，我們稱之為——物聯網（IoT）。

物聯網，Internet of Things，簡稱 IoT，顧名思義就是物品，機器、設備連上網路。

在我們生活中，如智慧手錶和藍牙耳機這些穿戴式設備，它們各自擁有特定功能，同時又能透過藍牙技術相互連結，這就是物聯網的一種應用。

你可能會問，手機也算是物聯網的設備嗎？

這取決於你如何定義和使用手機。如果是人們使用 5G 或 4G 技術彼此傳訊息和溝通，那麼這不屬於物聯網的範疇。但當手機與藍牙耳機或智慧手錶連接時，它們之間的互動更符合物聯網的概念。因此，物聯網的基本定義是，不直接涉及人跟人、或是人與設備的互動。基本上都是設備跟設備之間的溝通。

通信是人類最基本的需求，同時也帶來無限商機，就像我們不想跑到別的地方買可樂，卻發現賣光了一樣，科技為能解決這些需求，促使通信技術的持續成長。

如同手機的普及帶動了市場需求，從一家一部的電視和冰箱，到人人一支的手機，並且每隔幾年就更新換代。這種商機吸引了企業的投資，也推動了強大的研發動能。

而現在，我們正生活在一個設備數量遠超人類數量的時代，從藍牙耳機、智慧手錶，到遍布全球的智慧設備，物聯網的技術已經無處不在。

不妨思考一下，還有哪些需求尚未被滿足，也許它們正是下一個物聯網應用的起點。

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

• The little-known story of the first IoT device – IBM Blog
• 台中空品感測器物聯網勇奪 GO SMART 國際大獎- 生活 – 自由時報電子報
• 目前環境部空污感測器涵蓋那些地區？監控多少污染源？
• PM2.5 Open Data Portal
• 東大・NTT ドコモ・東北電力、「LoRa 無線通信技術」を活用した送電設備の監視に係る実証試験を実施
• 横浜国立大学様（藤野陽三教授） | 導入事例 | ソナス株式会社

限度：源頭和終點

為了維持或降低資源的成本，我們採用的科技常常需要不斷增加直接與間接燃料的使用量。⋯⋯此種作法耗費甚鉅但實屬必要，我們必須將愈來愈多的國民所得改用於資源加工部門，期能供應相同數量的資源。

——世界環境與發展委員會，1987 年

我們之所以擔心自然界會崩解，並不是因為我們認為地球的能源和原料已經快要耗竭。事實上，World 3 模型中的每一種設想狀況都顯示，到 2100 年，世界仍將保有 1900 年時的大部分資源。我們的擔心是來自於分析 World 3 中的各種推測後的結論：開發地球資源來源（源頭）和利用廢物吸收場所（終點）的成本將愈來愈高。

有關此種成本的資料並不充分。對此一議題的辯論卻非常熱烈。然而，我們依據所獲得的證據可以推論：再生資源開採量在成長中，非再生資源出現耗竭的情形，而且廢物吸收場所已快被填滿，這些現象加總起來，正緩緩地、勢不可擋的提高維持經濟物質流的數量和品質所需的能源和資本的總量。這方面成本的提高，牽涉到自然界、環境與社會相關因素。最後，這種成本會高到讓工業成長無以為繼的程度。當此一情形出現後，原本可擴大物質經濟規模的正回饋圈之運作方向將倒轉過來，造成經濟規模開始萎縮。

我們無法證明以上的論斷。我們可以設法使其看起來言之成理，然後提出某些建設性的反應。為達成此一目的，我們在本章內列舉了大量有關資源來源和廢物吸收場所的資料。維持新世紀的世界經濟和人口成長需要各式各樣的資源，我們將概述這些資源的現況及未來的展望。會對經濟發展和人口成長造成影響的因素可說五花八門且不勝枚舉，但我們可將之分成兩大類。

第一類包括用來支持所有生物與工業活動的自然要素，如肥沃的土地、礦物、金屬、能源，以及可吸收廢物並調節氣候的地球生態系統。原則上，這些要素是有形的、可數的，例如可耕地和森林的公頃數、淡水的立方公里、金屬的噸數，和石油的 10 億桶數量。然而，實際上這些要素卻很難加以量化。其總體數量是無法確定的。

這些要素彼此會互動——某些要素可以取代或生成其他要素，因此欲得知相關的確切數據益形困難。此外，有關資源、蘊藏量、消費和生產等名詞的定義都不夠嚴謹；科學本身未臻完備，且官僚體系又經常基於本身的政治和經濟目的而扭曲或隱藏相關數據。另一方面，有關實體世界的資料常常是以經濟指數——如貨幣價格——表達，須知，價格取決於市場，遵循的法則也與支配自然資源的法則大異其趣。儘管有以上的現象存在，我們在本章內仍將焦點集中於自然要素上。

第二類與成長需求有關的因素包括多項社會要素。即使地球的自然系統有能力支持更龐大、工業化程度更高的人口，但經濟和人口的實際成長，將取決於諸多社會要素：如和平與社會的穩定、公平與個人的安全、誠實且有遠見的領導人、教育和對新觀念的開放、承認錯誤和進行實驗的意願，以及促成穩定而適切的技術進步所需的制度基礎。

這些社會因素很難評估，更不可能進行精確的預測。本書及書中的 World 3 模型都未詳細、明確的探討這些社會因素。因為我們欠缺相關資料及可信手拈來的理論，故無法將這些因素納入正式分析中。但我們瞭解，肥沃的土地、充足的能源、必要的資源以及有益健康的環境，是成長的必要條件，卻不是充分條件。就算這些資源的存量非常豐富、這樣的環境確實存在，但我們想擁有這些要素時，會受到社會問題的阻礙。然而，我們在此處假設，世界是處於最佳的社會狀況中。

人口和資本工廠所使用的原料與能源並非憑空而來，而是我們在地球上開採得來的。原料與能源不會消失：當原料已經沒有經濟上的用處後，會被回收運用或成為廢物與污染物；能源經使用後，會成為沒有價值的熱流而被排放於空氣中。原料與能源會源源不斷地從地球的資源來源經由經濟次系統流向地球的廢物吸收場所（見圖 3-1）。回收利用和更乾淨的生產過程，可以大幅降低每一消費單位的廢物和污染量，但無法完全杜絕。

人們為了成長、維持身體健康、過著具有生產力的生活，及獲取資本和繁衍後代，必須有食物、水、乾淨的空氣、住所，及許多種類的物質。機器和建築物為了生產貨物和提供服務、獲得修理，及建造更多的機器和建築物，必須使用能源、水、空氣，以及各式各樣的金屬、化學原料和生物原料。資源來源生產這些資源流的速度和廢物吸收場處理這些資源流的速度不能超越某種限度，否則將會對人類、經濟或地球本身的自我再生與調節過程造成損害。

這些限度的性質非常複雜，因為資源來源和廢物吸收場所本身就是一個相互關聯的動態系統的一部分，並由地球的生物地質化學循環來維持其運作。限度有短期性的（如提煉完成並儲存於儲油槽中待用的石油數量）和長期性的（如地底下可供開採的原油蘊藏量）。資源來源與廢物吸收場所之間會進行互動，而且某些自然系統可能同時扮演兩者的角色。舉例而言，一塊土地可能既是糧食作物的來源，又是空氣污染所造成的酸雨的吸收場所。這兩種功能的成效存在著相互消長的關係。

經濟學家赫曼．戴利（Herman Daly）所提出的三項簡單原則，有助於我們定義原料和能源永續生產的限度；這三項原則為 ¹：

• 就再生資源（土壤、水、森林、魚源）而言，其永續使用率不能大於其來源再生率。（例如，當捕魚率大於剩餘魚群生長率時，則漁獲量將無以為繼。）
• 就非再生資源（化石燃料、高等級礦產、地下水）而言，其永續使用率不能大於某一再生資源取代其角色的速率。（舉例而言，一處石油蘊藏的永續使用方式是，由它產生的部分利潤能有計畫的投資於風力發電機、太陽電池及造林工作，以便在此一油藏耗竭後仍有另外的再生能源可供使用。）
• 就污染而言，其永續排放率不能大於其被回收利用、吸收或其於吸收場所轉化為無害物質的速率。（舉例而言，污染能永續排放至河流、湖泊，或地下水層的速率不能比細菌及其他微生物吸收其養分的速率來得快，否則將破壞地下水層的生態系統。）

任何活動若造成再生資源的數量減少，污染物吸收場的範圍擴大，或非再生資源數量減少卻沒有某一再生資源可以取代，則此一活動將無法永續進行。換句話說，此一活動遲早要沒落。在學術界、商界、政府與民間機構針對戴利的三項原則所進行的許多討論中，我們從未聽到有挑戰這些原則的言論（但也幾乎從未發現有人真正用心奉行這些原則）。假如有達成永續性的基本法則存在，那麼這三項原則必然包含在其中。今天的問題不在這些原則正確與否，而在於全球經濟活動是否尊重這些原則，以及果真如此會發生何種結果。

——本文摘自《成長的極限》，2024 年 03 月，臉譜出版，未經同意請勿轉載。