海龜溺死了

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 胡潔曦｜黑潮海洋文教基金會 鯨豚保育研究員
• 本文轉載自黑潮海洋文化基金會《揭開鯨豚傷疤的秘密——花紋海豚體表傷疤分析》，歡迎喜歡這篇文章的朋友訂閱支持黑潮喔！

現今海洋中存在許多船舶與漁業活動，每年在世界各地造成許多鯨豚受傷與死亡，而臺灣也不外乎如此，根據 2019-2022 年海保救援網（MARN）的擱淺報告，扣除掉無法辨識原因的擱淺鯨豚個體，疑似因為誤捕死亡的鯨豚比例均在第一、第二名之間徘徊，也有少比例個體可能是因為受到船隻撞擊事件致死，海洋中的人為威脅確實是我們需要持續追蹤且改善的。

除了透過擱淺的個體瞭解人類對鯨豚的影響程度外，我們能否有機會能從活體鯨豚身上獲得相關的資訊呢？事實上，國外已有研究者透過 Photo-ID 方法，進一步推測造成鯨豚身體上傷疤的原因，部分研究發現，鯨豚身上出現的傷疤可能跟人們在海上的漁業、船舶活動，或海洋廢棄物有關。藉由體表傷疤分析，我們能更瞭解鯨豚可能遭受到的環境威脅為何，與受威脅的個體比例有多少，也能更深入思考，未來劃設鯨類保護區後要如何制訂合適的經營管理規範。

黑潮的解說員們時常提到：「花紋海豚會用身體寫日記」，這是因為牠們在受傷癒合之後容易留下淺色的傷疤，因此年紀越大的花紋海豚身上通常也會有越多疤痕，而這些傷疤對我們來說是相當重要的線索，能讓我們瞭解在牠們生命歷程中曾有哪些遭遇，包含自然的與人為的。為了完成後續的傷疤分析，我們從黑潮資料庫中選擇長期追蹤的 50 隻花紋海豚，以亞成年與成年的個體為對象，在長年由江文龍船長所提供的照片當中蒐集其身體左右兩側、從頭至尾幹出水面的清楚照片。

透過花紋海豚體表傷疤，揭示人類對鯨豚所造成的威脅

傷疤分析的第一步，我們希望能先瞭解小型齒鯨身上可能會出現哪些人為傷疤，在蒐集了數篇國外對小型鯨豚的傷疤研究後，我們從中彙整了 11 種可能因為人為因素所造成的傷疤（表一），包含了 8 種背鰭上的傷疤、 2 種位在體幹上的傷疤與 1 種出現在嘴角的傷疤，除了位置與外觀之外，我們也將文獻中所推測的致傷原因與各類型傷疤結合。在上述工作完成了之後，接下來就是要仔細地從每隻花紋海豚的各個角度找出這些傷疤，並將辨識結果詳盡地記錄下來。

在分析的 50 隻花紋海豚中，我們發現其中有 19 隻（38%）身上有出現疑似人為活動所留下的傷疤，而這些傷疤主要出現在鯨豚身體中後段的背側，包含背鰭。為了更進一步瞭解哪些人為傷疤在花紋海豚身上較常見，我們將本次發現到的 7 種疑似受到人為因素產生之傷疤計算盛行率（表二），發現花紋海豚有兩種傷疤是較常見的：[1] 背鰭前端切口（Fc）、[2] 身體上的線狀勒痕（Gn），而根據文獻所描述，這兩種傷疤成因與漁業網線纏繞或是船舶螺旋槳可能有密切關聯。

「大目流刺網」與「延繩釣」是花蓮海域需要持續關注的漁法

為了進一步確認花蓮本地漁業對鯨豚的潛在威脅，我們訪談了幾位花蓮海域目前或是過去曾操作相關漁法的討海人。過程中討海人有提到，花紋海豚時常被抓旗魚、曼波魚的「大目流刺網」纏繞或割傷，在表二傷疤當中除了嘴角缺角（Hs）外，其他傷疤均有被指認可能與大目流刺網有關，在本次分析的 50 隻花紋海豚中就有 18 隻（36%）身上出現疑似刺網留下的傷疤。而在訪談中，討海人也有提到過去曾有目擊刺網誤捕飛旋海豚（Stenella longirostris）、偽虎鯨（Pseudorca crassidens）、弗氏海豚（Lagenodelphis hosei）與吐血鯃──小抹香鯨屬（genus: Kogia）的鯨豚，而多數遭誤捕的鯨豚最後都因無法至水面上換氣死亡。

除大目流刺網之外「延繩釣」也頻繁地被討海人提及，他們提到有兩種傷疤可能與延繩釣有關，分別是：嘴角缺角（Hs）與背鰭後深切口（Dc），包含上述兩種傷疤的個體共有 2 隻（4%）。因早期魷魚、透抽價格較便宜，時常被漁民當作延繩釣的餌料，吸引中大型鮪魚、鬼頭刀上鉤，而花紋海豚以頭足類動物如魷魚、花枝與章魚為主要獵物，也可能因捕食餌料而中鉤，在掙脫後會在嘴角或唇邊留下缺角的傷疤。同時也有討海人提到，曾目擊鯨豚尾部纏繞到延繩釣的主繩，因主繩堅固不易斷裂，有可能會纏繞在鯨豚尾幹，留下較深的纏勒痕跡。就現階段瞭解，鯨豚身上出現人為傷疤可能與漁業、船舶活動、海洋廢棄物等有密切關係，而漁業行為又以延繩釣和大目流刺網有較高的關連性，但目前探究僅能說明東海岸相關的漁業活動對鯨豚有潛在影響，至於影響的程度和確切成因仍需進一步探討，也需擴大追蹤更多不同年齡層的花紋海豚個體，是我們未來需要持續關注的。

線上瀏覽圖鑑

本次 50 隻花紋海豚的體表傷疤分析分析成果，已委由人氣圖文作家「玉子日記」的巧手，繪製成花紋海豚傷疤圖鑑，接下來就讓我們一同探索花紋海豚傷疤的秘密吧！

致敬多年來提供黑潮影像資料的多羅滿賞鯨船長 江文龍、鯨豚顧問 余欣怡、作家 玉子日記與協助傷疤辨識的夥伴 江彥瑩。
致謝多年來贊助與補助海洋綠洲計畫的各單位，與捐款者。

1. 【中華鯨豚協會】鯨豚保育的沈苛難題-漁業混獲
2. 【海委會海洋保育署】台灣鯨豚及海龜擱淺報告及統計資料
3. Ashe, E., Williams, R., Morton, A., & Hammond, P. S. (2021). Disentangling natural and anthropogenic forms of mortality and serious injury in a poorly studied pelagic dolphin. Frontiers in Marine Science, 8.
4. Kiszka, J., Pelourdeau, D., & Ridoux, V. (2009). Body scars and dorsal fin disfigurements as indicators interaction between small cetaceans and fisheries around the Mozambique Channel Island of Mayotte. Western Indian Ocean Journal of Marine Science, 7(2).
5. Luksenburg, J. A. (2014). Prevalence of external injuries in small cetaceans in Aruban Waters, Southern Caribbean. PLoS ONE, 9(2).
6. Mariani, M., Miragliuolo, A., Mussi, B., Russo, G. F., Ardizzone, G., & Pace, D. S. (2016). Analysis of the natural markings of Risso’s dolphins (Grampus griseus) in the central Mediterranean Sea. Journal of Mammalogy, 97(6), 1512–1524.
7. Mark Carwardine (2020). Handbook of Whales, Dolphins, and Porpoises of the World.

編按：現在的生活瞬息萬變，在未來的世代，可能會出現許多你想都沒想過的職業。讓我們與孩子一起發揮想像力，你覺得未來會有什麼樣的職業出現呢？

塑膠漁夫：打撈塑膠就是我們的工作！

「今天又是出海的好天氣！」亞美迪歐和其他塑膠漁夫歡聲雷動，每一天，他們都要拯救受汙染的海洋。自從人類有了石油，就發明出便宜好用的材料─塑膠。可是塑膠被丟棄後會一直在環境中漂流，不會消失。

亞美迪歐的團隊為了捕撈塑膠，會運用特殊設計的磁網，只吸引塑膠垃圾，不影響魚兒在水中的生活。

「糟糕，又來了！這星期已經發生第二次了！」亞美迪歐說完，立刻跳上救生船，原來是遠方有隻信天翁被塑膠網纏住，不斷在水裡揮動巨大的翅膀，發出淒厲的叫聲。

救援行動當然不輕鬆，耽誤了一些工作時間，還好幾分鐘之後，信天翁終於重獲自由了。

除了大型塑膠垃圾外，海裡還潛藏著肉眼看不見的危險物質─塑膠微粒。它們比髮絲更細、比沙粒更小，如果被魚吃下肚，最後會成為人類盤中的食物。

這時候就要動用塑膠漁夫的最新發明。「摩比，做得好，看看你今天能吞噬多少塑膠微粒？」亞美迪歐一邊大喊，一邊走向船尾，一臺貌似藍鯨的機器人從水中冒出來，嘴裡布滿特殊長牙，這些長牙的功能類似過濾器，專門捕撈塑膠微粒。

亞美迪歐大聲歡呼：「還不賴，這裡乾淨多了！現在大家該去睡個好覺，明天繼續往南！」

海洋裡到底有多少塑膠垃圾？

4 億噸：塑膠每年在全球被製造出來，相當於 66 座吉薩金字塔。

6,000 萬噸：塑膠每年在歐洲製造出來，相當於 1,000 萬頭大象。

2,600 萬噸：歐洲每年丟棄的塑膠，其中不到 30% 被回收。

1,000 萬噸：歐盟制定目標，預計在 2025 年，每年至少要回收的塑膠重量。

700 種生物正受到海洋塑膠垃圾的傷害

• 35％ 是鳥類；
• 27％ 是魚類；
• 20％ 是無脊椎動物；
• 13％ 是哺乳類動物；
• 5％ 是爬蟲類。

塑膠漁夫要有的能力：

○ 喜歡海洋

○ 對生態學有興趣

○ 會游泳

○ 大而化之

○ 有遠大的目標

○ 清楚回收流程

——本文摘自《拯救地球的工作者》，2022 年 10 月，和平國際出版，未經同意請勿轉載。