過度敏感

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《一直鼻塞，就是過敏性鼻炎嗎？原來還有「非過敏性鼻炎」》，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

這天辦公室裡出現了這樣的對話：

「哎呀，你怎麼一直流鼻水、擤鼻涕啊？」

「我也不知道，可能是過敏吧！」

「可是我聽說，如果一年到頭都鼻水流不停，可能跟過敏沒關係，屬於『非過敏性鼻炎』喔。」

一直流鼻涕，到底與過敏有沒有關係，今天我們就來了解「非過敏性鼻炎」與「過敏性鼻炎」。

首先，我們先來看看一個簡易的區分表格。

看到這裡，你覺得自己的狀況比較符合哪一邊呢？

接下來，我們分別更深入地看看兩個狀況。

■ 非過敏性鼻炎

「非過敏性鼻炎」的症狀與過敏性鼻炎很類似，患者會鼻子塞塞的，容易流鼻水，擤鼻涕，喉嚨有卡一些黏液，會咳嗽。與「過敏性鼻炎」較為不同的是，多數患者並不覺得鼻子癢、眼睛癢、或喉嚨癢。

另外一個比較特別的是，「非過敏性鼻炎」的症狀在一年四季都可能出現，不像「過敏性鼻炎」較容易在特殊的季節出現症狀。還有，如果你發現自己小時候其實還好，但長大之後卻變得容易鼻塞、擤鼻涕，就比較可能是「非過敏性鼻炎」。

那為什麼會出現「非過敏性鼻炎」呢？學者注意到非過敏性鼻炎患者的鼻腔內，其血管是擴張腫脹的，鼻黏膜看來紅腫並充斥著黏液。會造成鼻腔血管腫脹的原因包括了：

◇ 空氣中的刺激物

聞到煙味、強烈的氣味、香水味，都可能會刺激鼻腔的血管腫脹充血。

◇ 藥物

阿斯匹靈、非類固醇消炎藥、或部分治療高血壓的藥物，會導致非過敏性鼻炎的症狀

◇ 天氣變化

鼻腔內血管會因為空氣中的溫度或濕度變化而變得更腫脹，而導致了非過敏性鼻炎的症狀

◇ 食物

吃的很辣，吃的很燙，或是喝酒，會比較容易讓鼻腔血管腫脹

找到引發自己「非過敏性鼻炎」的原因是很重要的，如果你常常發作「非過敏性鼻炎」的話，就要找找看是否是接觸到上述的幾種狀況，並試著避免這樣的情形，減少讓鼻腔黏膜血管變得腫脹，才不會常常鼻塞、流鼻水、擤鼻涕。

■ 過敏性鼻炎

「過敏性鼻炎」的症狀包括了鼻塞、流鼻水、擤鼻涕、和鼻子癢，甚至還會喉嚨癢、眼睛癢，頭痛，或睡眠障礙。

造成「過敏性鼻炎」的過敏原包括了：

• 花粉
• 黴菌孢子
• 寵物皮屑
• 塵蟎
• 灰塵

由於花粉是個常見的過敏原，因此，充滿花和種子的春天是「過敏性鼻炎」發作的常見季節。不過每個人所在區域不同，過敏的原因也不同，也有可能在其他季節出現鼻塞、流鼻水的症狀，但患者會發現「每年到這個時候，我就會開始出現症狀」。

我們可以用抽血檢查或皮膚測試確認過敏原。若確認為「過敏性鼻炎」，常會需要用抗組織胺藥物改善症狀。

無論是「過敏性鼻炎」或「非過敏性鼻炎」，最重要的都是找到容易誘發自己症狀的原因，並盡量調整生活狀況，配合使用醫師開立的藥物，就能減少因為鼻炎而影響生活品質。

• 本文轉載自 Care Online 照護線上《一直鼻塞，就是過敏性鼻炎嗎？原來還有「非過敏性鼻炎」》，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

對植物過敏的症狀讓人超痛苦

我們偶爾遇到有人會對工作過敏，但我想和各位分享的是對樺樹過敏。

不過，在這裡只提及一種植物其實十分困難。樺樹、榛樹、梣樹⋯⋯令人涕淚橫流、值得在本章節中占有一席之地的禾本科植物簡直數不勝數，但花粉症的症狀卻大同小異。

法文將這些症狀簡寫成「PAREO」， 剛好跟法國海灘常見的大溪地纏腰布同名：「P」代表發癢 （pruri；鼻子和眼睛發癢）、「A」代表味覺喪失（anosmie； 無法感受味覺）、「R」代表鼻漏（rhinorrhée；雖然拼字很 像，但你不會變成犀牛，只會流鼻涕而已）、「E」代表噴嚏（éternuement），而「O」代表鼻塞（obsstruction；鼻子堵塞）。有些狀況下，病患也會有結膜炎、溼疹、氣喘等症狀。

這些看起來或許都不是大事。感冒或流鼻涕都不是什麼大不了的事情。你可能會想到《白雪公主》裡噴嚏打不停的噴嚏精，真是娛樂效果滿滿。

但對於過敏的人而言，這可一點都不好笑，他們的生活品質因此受到影響，無論在工作還 是生活中都無法全力表現。除了前述症狀之外，他們也受睡眠問題、疲倦和易怒所擾。

社會保險也因此付出大量成本，不只有醫療支出，還有勞工缺勤的成本。在美國，過敏每年造成的成本超過 180 億美元，歐洲則在 550 到 1,510 億歐元之間，比樂透獎金還高！

花粉不只負責繁殖，也讓人類過敏

要為這一切負責的，是種小小的粒子──花粉。花粉是雄性繁殖細胞群，由兩到三個細胞組成，其中一個是雄性配子，這是植物運送精子的方式（不過，讓人打噴嚏的並非精子）。花粉由雄花產生，經由風力或蜜蜂等昆蟲運送，為雌花授粉，繼而結果。因而，花粉是植物生命循環的一部分：如果沒有花粉，就沒有果實、沒有下一代植株。

造成人類過敏的，是花粉粒產生的分子。以樺樹為例，這類分子有兩種蛋白質：「Bet v1」和「Bet v2」。

並非所有的植物都會引發過敏。植物的花粉必須能令呼吸道黏膜發癢，才會引發人類過敏。只有透過風力傳播花粉的植物才會引發過敏，但這並不是唯一的條件；若要引發過敏反應，花粉必須大量傳播，或是成為微小但具有強力的過敏原。 

過敏反應可分為兩個步驟。首先是第一次接觸過敏原當下的致敏反應。免疫系統會產生名為「免疫球蛋白 E」的特殊抗體。這種抗體會瞄準名為「肥大細胞」的組織細胞，並將肥大細胞轉化為手榴彈，準備好在下一次接觸過敏原時引爆。

第二個階段則是過敏反應本身。過敏原將瞄準包覆肥大細胞的抗體，而抗體將釋出組織胺等分子，引發發炎──也就是過敏症狀的來源。

豚草是致敏性最高的植物之一，但排行榜上還有其他競爭對手──日本柳杉（Cryptomeria japonica）。法文雖然將日本柳杉稱為「柏木」或「日本雪杉」，但日本柳杉並非柏木也並非雪杉。

這個例子便說明了拉丁學名有多重要，畢竟俗名經常令人混淆。日本柳杉的屬名「Cryptomeria」來自希臘文的「kryptos」（隱藏）和「meros」（部分），因為其種子藏身於這種柏科植物的毬果之中。日本柳杉正如其名，原生於日本，之後移植至韓國、中國、臺灣，甚至到達留尼旺島和亞速群島。

日文將這種樹木稱為「杉」（發音為 「sugi」），其中最年長的個體之一現年超過 2,000 歲，名為「繩文杉」。1784 年，瑞典博物學家暨旅行家鄧伯（Carl Peter Thunberg, 1743-1828）首次「發現」繩文杉。1842 年， 日本柳杉引入英格蘭及法國。

柳杉對日本帶來強烈的衝擊

四分之一的日本人──也就是 3,000 萬人──受嚴重的花粉症所苦，其中更有 70% 的人過敏是由日本柳杉引起。第二次世界大戰後，為了顧及重建的需求，日本栽種了大量日本柳杉作為建材，光是 1950 到 1970 年間便栽種了 400 萬株。

自此之後，這種植物便以風為舵手，只要花朵成熟，便會釋放恆河沙數般的花粉⋯⋯在風中自由自在地翱翔。日本柳杉的花粉在 2 月至 4 月間於全日本四處肆虐，這個季節也是櫻花盛開的時間。賞櫻的日本人必定會遭受日本柳杉的花粉所苦。

手帕和口罩是這個季節的必備品！另一件令人驚奇的事，則是城市居民的過敏情況比鄉村嚴重。因為花粉會直接落在馬路或屋頂上，不會經過其他植物在自然環境中的「過濾」。花粉症造成鉅額的醫療保健與勞工請假的成本，使日本經濟付出高額代價。

1960 年代，人們才開始注意到日本柳杉引起的花粉症。在此之前，人們只稍微聽過豚草引起的過敏，並未想到要特別留意日本柳杉。從 1960 年代之後，對日本柳杉過敏的人從未減少。今日的日本已經將花粉症稱為「國民病」。科學家找出了日本柳杉的過敏原蛋白質，稱作「Cry j1」。我猜想「cry」或許就是「哭」的意思。想到這裡就不禁吸了一下鼻子。

砍伐數千棵健康生長的樹的確難以想像，另一個選擇則是栽種致敏性較低的樹木。人類已經配種出沒有花粉的無數品種，可供往後栽種樹木時選用。在歐洲也一樣，城市並非一定要栽種樺樹或懸鈴木。

植林很重要，但也要確保人類能遠離過敏原

植林很重要，而且有非常多的好處：生活品質、人類福祉、生物多樣性、在城市裡打造自然的角落⋯⋯只不過在規劃時務必考慮再三。

回到惡名昭彰的日本柳杉，許多研究正在努力以經過基因改造的米粒為基底，來製造疫苗。食用這種米將使人體產生免疫容忍力。這種米將產生一種氨基酸，可以模仿日本柳杉的花粉，進而協助身體對日本柳杉的花粉免疫。目前對老鼠和猴子的實驗結果都十分樂觀，只剩下判斷基因改造米粒究竟是否有其他風險。

過敏有一就有二，無三不成禮

你知道嗎？若一個人對花粉過敏，這個人也有可能對某些食物過敏。

對樺樹過敏的人，可能對蘋果或核桃過敏。對豚草過敏的人，可能對香蕉或哈密瓜過敏。

這類引發過敏的物質，其結構會與主要過敏原相似。其他類似案例更為驚人： 對蜱蟎亞綱動物過敏的人，可能會對海鮮過敏；對貓毛過敏的人，可能會對豬肉過敏。

最近有另一個案例如下：對地中海柏木（Cupressus sempervirens）過敏的人，成年後可能會對柑橘或桃子過敏。

2017 年，有個研究團隊發現這些案例中的過敏原屬於一種新的蛋白質分類，這種蛋白質可以引發花粉或食物過敏。回到日本柳杉，對這種樹木過敏的⋯⋯狗，可能的其他過敏原則是番茄。

——本文摘自《惡棍植物：關於刺痛、燃燒、致死植物的驚人故事》，2023 年 6 月，時報出版，未經同意請勿轉載。