投籃 vs. 傳球

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/ 麥騫洺

得到 COVID-19 的症狀類似感冒，會出現咳嗽、高燒，已是全世界都知道的常識了，但有些症狀我們較不熟悉，像失去嗅覺¹、短暫記憶消失²、意識受損³ 、創傷後壓力症候群⁴、憂鬱⁵、等。這次的疾病是否會帶來哪些長期影響呢？

為什麼有些人得到 COVID-19 會失去嗅覺與味覺？這樣的情況會持續嗎？

26 歲的紐約時報作家費歐娜．羅文斯坦因感染 COVID-19 而住院時，世界對於病毒對人體所造成的影響還很模糊不清，而她經歷的腸胃道症狀和失去嗅覺等才剛被辨別為症狀之一²。

雖然 COVID-19 被標記為呼吸系統的病毒，但研究已證實它有侵襲神經系統的傾向¹。一般流行性感冒和病毒感染期間，會出現由於鼻塞、鼻充血導致嗅覺和味覺喪失，通常將持續 7 至 14 天。事實上，在感冒期間大多數的人感覺失去嗅覺與味覺是由於：進食時這兩項感官是相輔相成的，很少人能夠清楚地分辨兩者，因此只要失去嗅覺，就會造成患者感覺食之無味⁷。

據專家推測，有些人從 COVID-19 這樣的急性系統性的病毒攻擊康復後，仍有餘毒干擾著鼻腔與口腔中的蛋白質分泌腺，導致味覺和嗅覺的喪失⁷。雖然此病毒感染過程的動力學仍是未知，但瞭解其作用機轉對於幫助理解味覺和嗅覺是如何在病毒感染中喪失是十分關鍵的。但在 COVID-19 的患者中，約有 1% 似乎會永久喪失味覺跟嗅覺。

年輕患者出院後，仍需要時間才能恢復

羅文斯坦出院返家後的三個禮拜後仍經歷疲勞、頭痛、鼻塞、喉嚨痛、精神難以集中及短暫記憶消失。基於康復過程中的孤獨感，她在社交平台 Slack 上成立了新冠肺炎患者的互助協會以分享自己的經驗及接觸他人瞭解更多資訊。

互助協會中，不乏 24 至 31 歲的年輕患者於感染後的 20 天仍經歷呼吸喘、發燒、咳血等症狀，部分患者甚至在一個月後仍感到呼吸困難和疲勞²。在一般肺炎的情況中，康復的時間長短與患者的年齡及是否有共病症（如糖尿病）有關；但在 COVID-19 的研究中已有初步證明，病人在臨床表徵上的差異有一半由遺傳因素造成⁹，當中患者康復時間的詳細差異仍在研究當中。

重症患者的難題：呼吸與血栓

重症患者通常需長時間依賴呼吸器，由此也增加了長期併發症發生的可能性。除此之外，在 ICU（Intensive Care Unit，加護病房）中隔離時失去與人接觸的機會更衍伸出心理問題。

另外，疫情造成的醫療資源緊繃也造成了很大的問題。過去當病人從 ICU 康復出院時，他們能夠獲得物理治療和語言治療等後續追蹤及支持，但在美國疫情嚴重醫院人滿為患的情況下，康復的病人被儘快安排辦出院以應付不間斷的確診病人潮。當這些康復的患者出院後嘗試獨立進行日常活動，如吃飯洗澡時，才體認到住院時沒有察覺到的體力侷限。

約翰．霍普金斯醫院（The Johns Hopkins Hospital）的醫師指出，當病人病情嚴重至需要維生儀器如呼吸器的幫助時，呼吸器被移除的時候，他們多半無法在短期內恢復罹病前的狀態¹⁰。在患者的放射學影像分析中，CT（Computed Tomography,  電腦斷層影像）檢查顯示病人的肺部呈毛玻璃樣病變。同為冠狀病毒家族的 SARS 和 MERS-CoV 也引發了相似的肺部症狀，這種由病毒引發的炎症反應多半會造成不可逆的肺部纖維化，在目前的醫學治療上是無法根治的^11a。

除了病毒攻擊的主戰場肺部，由於感染會引發免疫系統的發炎反應，比意料中來得多的病人身上出現了血栓情形。此情況在重症患者間愈來越常見，以致醫師們將其辨認為一種新的血栓形態：新冠肺炎形凝血病（COVID-19 Associated Coagulopathy, CAC）¹³。血栓若流滯大腦將導致中風及癲癇³、在肺部會形成肺部栓塞、若堵在心血管將引起心血管疾病¹⁴，或造成腎和肝等重要器官的功能衰竭¹⁵。器官以外的血栓也可能有嚴重的後果，加拿大百老匯影星 Nick Cordero 就因 COVID-19 引發的血栓而不得不進行右腿截肢¹⁶。

感染患者堵塞的氣管內管。

運動員能快速從疫情復原嗎？

目前我們已經知道年輕患者罹患 COVID-19 之後沒有這麼快從病情復原，那運動員呢？隨著越來越多的球星的篩檢結果呈陽性¹⁷、疫情的發酵和封鎖措施的執行，各個國際重大賽事如 NBA 賽季和 2020 東京奧運等都被迫停賽。

目前有許多年輕的輕症運動選手平均於 5 到 7 天之後幾乎完全康復，但不乏於 7 至 9 天之後演變成爆發式的下呼吸道症狀如肺炎或呼吸衰竭的案例¹⁸。因此實際上的復原狀況與速度，完全因人而異。體育協會已陸續公佈球員們何時可恢復正常訓練的指南，如

• 輕症患者需休養兩週，完全康復後進行臨床心血管評估結合心臟生物標識物及影像檢查；
• 重症患者則建議於康復並無症狀後，進行臨床評估前休息至少兩週，且需反覆進行心臟相關評估及採漸進式的復原練習¹⁹。

本次 COVID-19 症狀的嚴重程度因人而異。但重點是，當運動員們尚未完全康復便心急於投入積極訓練恢復正常體能的話，將有極大的風險發生心肌炎或心肌損傷²⁰。獨自隔離中的選手們處於孤獨和擔憂自身復原情況的高壓下，焦慮及憂鬱等精神健康也需獲得照顧²¹。

在經歷了漫長的禁閉後，民眾對於體育賽事的萬分期待和經濟壓力之下，決策人若急於重啓賽事而不聽從專家們的建議，承受代價的將是這些前途無量的選手們。

病後人生：除了後遺症，康復後還可能有哪些問題？

此外，康復的患者還必須面對的是，重新踏出家門時旁人的眼光、批判和社會污名化。在集體意識強烈和排外的日本，民眾因擔憂被歧視及霸凌而隱瞞實情導致防疫出現破口；出生入死的醫護人員被拒絕進入餐廳以外，連家人也收到波及，無法上學甚至求職遭拒²²。

新聞中其實不乏成功抵抗病毒的生還者的故事：在美國奧瑞岡有 104 歲的退伍軍人順利康復後得以和家人一起慶生；同在奧瑞岡的95歲輕症患者和西雅圖某護理之家的 90 歲太太亦康復了²³。

隨著確診人數的增加，更多患者在恢復的過程中掙扎的故事被分享及報導了。但對於疾病的長期影響，仍有許多未知有待長期觀察及驗證。

參考資料

1. Xydakis, M. S., Dehgani-Mobaraki, P., Holbrook, E. H., Geisthoff, U. W., Bauer, C., Hautefort, C., … & Hopkins, C. (2020). Smell and taste dysfunction in patients with COVID-19. The Lancet Infectious Diseases.
2. The New York Times: We need to talk about what Coronavirus recoveries look like.
3. Mao, L., Jin, H., Wang, M., Hu, Y., Chen, S., He, Q., … & Miao, X. (2020). Neurologic manifestations of hospitalized patients with coronavirus disease 2019 in Wuhan, China. JAMA neurology, 77(6), 683-690.
4. The Conversation: Delirium, depression, anxiety, PTSD – the less discussed effects of COVID-19.
5. Murray B. Stein, COVID-19 and anxiety and depression in 2020. Wiley Online Library
6. Science News: Some patients who survive COVID-19 may suffer lasting lung damage.
7. INEDNPDENT: Coronavirus: Why are loss of smell and taste symptoms of Covid-19?
8. Coronavirus Disease 2019: NYC Covid-19 deaths among confirmed cases.
9. Williams, F. M., Freydin, M., Mangino, M., Couvreur, S., Visconti, A., Bowyer, R. C., … & Hammond, C. (2020). Self-reported symptoms of covid-19 including symptoms most predictive of SARS-CoV-2 infection, are heritable. MedRxiv.
10. Washington Post: The dark side of ventilators: Those hooked up for long periods face difficult recoveries.
11. The New York Times: There aren’t enough ventilators to cope with the Coronavirus.
12. Spagnolo, P., Balestro, E., Aliberti, S., Cocconcelli, E., Biondini, D., Della Casa, G., … & Maher, T. M. (2020). Pulmonary fibrosis secondary to COVID-19: a call to arms?. The Lancet Respiratory Medicine.
13. Business insider: Face with tough choices, Italy is prioritising young COVID-19 patients over the elderly. That likely “would not fly” in the US.
14. COVID-19 and coagulopathy: Frequently asked questions.
15. Willyard, C. (2020). Coronavirus blood-clot mystery intensifies. Nature.
16. Wadman, M., Couzin-Frankel, J., Kaiser, J., & Matacic, C. (2020). How does coronavirus kill. Clinicians trace a ferocious rampage through the body, from brain to toes, 1502-1503.
17. CNN: Broadway star Nick Cordero had his leg amputated due to coronavirus complications.
18. NBA Coronavirus updates: NBA players, Von Miller, other sports figures who tested positive for COVID-19.
19. Hull, J. H., Loosemore, M., & Schwellnus, M. (2020). Respiratory health in athletes: facing the COVID-19 challenge. The Lancet Respiratory Medicine, 8(6), 557-558.
20. Phelan, D., Kim, J. H., & Chung, E. H. (2020). A game plan for the resumption of sport and exercise after coronavirus disease 2019 (COVID-19) infection. JAMA cardiology.
21. INEDNPDENT: The curious case of SG Covid-19 patient who continued to test positive for 34 days after being symptom-free.
22. Society guideline links: Coronavirus disease 2019 (COVID-19) – International and government guidelines for general care.
23. For Japanese, stigma of the sick is a much greater fear than the coronavirus itself.
24. ‘He just got better and better’: 104-year-old veteran beats coronavirus in time to celebrate his birthday.

偷偷練習射籃應該是很多愛打籃球朋友的共同記憶，除了一次一次練習手感以外現在又有了新的工具－把投籃的教練裝戴手臂上!

影片中介紹一種特殊的袖套，內裡裝設加速裝置，可以偵測手臂與手腕的運動，所以投球的速度跟軌跡可以由袖套所收集的數據加以估計，然後即時用聲音或是光來給運動員回饋。雖然這樣的工具還未能全面幫助練習籃球上，不過以往的運動分析都是在運動資料以攝影機或是局部的感測器擷取後，再慢慢分析運動員的姿勢來改正。這樣的新工具開啟了一種新的可能性，假如配合上更多元完整的動作偵測分析與環境條件，或許將來有一天只要裝上特定的運動服裝，就可以自動學習，看見查克拉的流動，慢慢精通各種運動的竅門。

轉載自科學影像scimage