等不及排隊？除了找代排，或許你還可以很科學的插隊！？

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／一碗蘿莉面｜神經病學博士

和男友同時去洗手間，等我終於上完廁所出來，他已經坐在外面的椅子上打完了兩局王者榮耀。看著對面男廁所，風一般進進出出；這邊女廁所的長隊，山一般巋然不動。你有沒有想過——

為什麼女廁所總是排隊排很長？

什麼時候開始有了女廁所？

在19世紀以前，是沒有「公共廁所」這一說的——要是在大街上突然萌生了便意，男人一般找個隱蔽的地方就地解決，女人要麼憋著回家，要麼就跑到遠遠的樹林裡，一再確認周圍沒人再解決。那時候，女人一般都是家庭主婦，上街根本不用多待——只是買日用雜貨而已，街上也沒什麼好逛的——想想四處都有人「就地解決」就明白了。

隨著時代的發展，人們對城市衛生的要求越來越高。在 1851 年倫​​敦萬國工業博覽會上，英國人喬治·詹寧斯（George Jennings）向世人展示了第一座公共廁所。只要花一便士，人們就能體會體會這個新鮮事物。那會兒，超過 80 萬人給錢進去一探究竟，其中就不乏女性。

不過，雖然觀者甚眾，女人們對這座公廁還是滿腹狐疑——要在公共場合解開裙帶？當時的她們想想都覺得「離經叛道」。所以當時，「公共女廁所」這個概念，幾乎沒人接受。

直到 20 世紀以後，公共女廁所才開始多了起來。這並不是因為女人們突然想通了，而是因為出門工作的女性越來越多。並且，隨著社會生產力的發展，「逛街」終於成了女人的樂趣，而不是家庭主婦的負擔[1]。在大街、商場、公園，女人終於能昂首闊步、三五成群地出現了，女廁所也就成了公共場合必需存在。

女人上廁所為啥這麼久？

到了現代，上公共廁所已不是什麼需要做心理建設的事情。但新時代女性又聽見了新的問題：「你上個廁所為啥那麼久？」

這可能是很多男友的抱怨了。對於這個問題，我只想回答：

我也不想啊！

有研究人員統計了男女分別上小號的時間，發現女性是男性的 1.5 到 2 倍[2]。為什麼長那麼多？想想雙方分別上廁所的流程就知道：男人瀟灑地走到小便池撒完就 OK 了，可女人還得開關隔間門，穿脫複雜的衣服，擦擦馬桶圈，有時候還自帶長筒襪、連身褲這些反人類的存在······

女性還有許多特殊的時期。比如月經期間，女人上廁所比平時更加頻繁，更換衛生巾或棉條也需要相當一段時間；而孕婦由於增大的子宮擠壓膀胱，不僅上廁所不易，還經常出現尿頻現象。

除了生理方面的原因，女人上廁所排隊還可能有一些其他因素：比如，一些大型商場百貨等地方，女人本來就比較多；一些女孩會成群結隊去上廁所（倒也正好打發排隊無聊的時間了······）。

除卻以上這些前提，更關鍵的問題在於，目前大多數公共廁所男女一樣大的設計實在是不合理。舉個例子，下圖同樣大小的男女廁所，男廁可以塞下12個小便池外加2個馬桶，而女廁只能放下10個馬桶。大部分人在公共廁所都是上小號，這種情況下女廁所自然排隊時間更長了 [2]。

為了解決女廁所排隊問題的各種「奇招」

為了解決女廁所總是排長隊這樣一個世界性的大難題，各地也是奇招頻出。

2010年在陝西師大，幾個「女性站立式小便器」成了一道新鮮的校園風景，一時引起熱烈討論。除了解決廁所排隊問題，這些站立小便器據說還有節水節電的好處。不過，女性朋友們應該還是不太習慣這種上廁所方式，所以這種廁所並沒有推廣起來 [3]。

無獨有偶，在國外也有類似的發明。同樣地，使用體驗如何就不得而知了······

也許有妹子會問：如果男廁所一個人都沒有，我能不能悄悄溜進去啊！利用閒置的廁所空位聽起來似乎是個好思路？的確，有人設計了一種光明正大地進入男廁所的方法——「男女共用廁所」。

這一排廁所可以放置在男女廁所之間，能從兩邊開門，感覺大大提高了利用率。不過，這種理念是否有實物投放及具體效果如何，還未見諸報導。

另外，設置「無性別廁所」也是提高公廁利用率的一種嘗試。

然而，除了這些奇招新招，有沒有更加靠譜的方法能解決女廁所的排隊問題？

為什麼不乾脆…讓女廁所多一點？

也許你也已經意識到：直奔問題本源不就好了嗎？前面提到，男女廁所一樣大的設計本來就不合理。很多人意識到，要解決女廁所排長隊問題，最好的方法顯然是——增加女廁所。

在美國，很多有年頭的建築物中，要麼女廁所很少，要麼壓根沒有。因為它們建成的時候，工作的女人還很少。當女人越來越多地進入社會工作後，她們開始呼籲「廁所平等」。1989年，第一個「廁所平等」法案在美國加州通過，由一位不堪忍受等老婆上廁所的男參議員提出。不過，直到1993年，美國國會大廈參議院所在樓層才有了第一間女廁所[4]；而眾議院甚至直到2011年，才開始有第一間女廁所[5]。

從沒有到有，從面積一樣大到意識到這還不夠，一些建築設計師開始想方設法從設計上解決排隊問題。在紐約市中央車站的候車大廳，有一處「女性專用廁所」。中央車站的其他廁所都分男女，但是候車區的這個可是女性獨享的——它由兩間女廁所構成，其中一間是從過去的男廁所改過來的[6]。

在新加坡，一些新建的公園、會議中心等公共場所，也遵循了女廁所應略多於男廁所的建造原則[7]。

而在中國，也有許多人關注著這個問題。2012年在廣州，幾位女大學生發起了「佔領男廁所」的行為藝術，旨在向公眾及政府呼籲廁位分佈更加合理，公共場合男女廁位應達到2：1 [8]。

如今，解決這個問題的明確嘗試終於出現。去年12月起，中國住房和城鄉建設部發布的新版《城市公共廁所設計標準》，將人流集中場所的女性廁位與男性廁位比例調整為2：1或更大。這個標準的出現對於有過無數排隊經歷的女性無疑是個好消息[9]。

由於種種因素，女性如廁時間較長的現實是肯定無法改變的。但希望在不遠的將來，女廁所門口排著的隊伍，能夠不再這麼長。

• A brief history of the ladies’ bathroom
• Researchers study lengths of restroom queues
• 女性如厕革命！惊现站式小便器
• Women in the House get a restroom
• The Everyday Sexism of Women Waiting in Public Toilet Lines
• A ‘Women Only’ Restroom Renovation Tips the Balance at Grand Central
• Why public toilets are unfair to women
• 女大学生发起”占领男厕”运动受男士称赞
• 城市公共厕所设计标准 [附条文说明] CJJ14-2016

本文版權屬於果殼網，原文為〈为什么女厕所总是排长队？〉禁止轉載。如有需要，請聯繫 sns@guokr.com 

國立中興大學與美國俄亥俄州立大學的學者研究發現，主題遊樂園遊客對最喜愛的設施平均可接受的排隊等待時間為17.89分鐘，超過會讓人對遊樂設施的品質知覺顯著降低，過短則未對遊客產生最大吸引力。該篇研究由興大行銷學系主任卓信佑副教授與俄亥俄州立大學John Heywood教授合著。

卓信佑副教授表示，花在排隊等候購買商品或接受服務的時間長短，會造成顧客對該產品或服務的品質知覺產生正反兩面的影響。「沒人排隊也不用等」似乎無法令人聯想到高品質的產品或服務，但太長的排隊等待又會讓人放棄消費、產生不滿情緒或甚至爆發消費者事件。因此設計出一段長得足以讓排隊顧客提高產品品質知覺，卻又短得不至產生負面情緒的最適排隊時間，或許是成功達成服務業人潮管理的最高境界。

此項以「主題樂園中遊客最喜愛設施的最適排隊等待時間」為題的研究，取樣自台灣前五大主題遊樂園的遊客，驗證主題樂園中是否存在遊客一致認同的最長可接受排隊時間。結果發現，遊客對最喜愛設施存在具中度共識的平均最長可接受排隊等待時間為17.89分鐘，標準差為11.38分鐘，也就是在其它環境因素變異之下，6.51分鐘到29.27分鐘為遊客可接受的等待時間。

該段時間終點可視為遊客對遊樂設施品質知覺的關鍵轉折點，在未達到該時點前，遊客對遊樂設施的品質知覺會隨著必須花費的等待時間而提高，但當實際排隊等待時間超過該點時，危害遊客對遊樂設施品質知覺之擁擠知覺將立即顯著提高。

該篇研究獲得2015年的Emerald卓越貢獻獎，Emerald為國際具影響力的商管及圖資專業出版社，該公司所設立的Emerald Literati Network Awards專業學術遴選機制，每年皆會針對前一年度所刊出的學術文章進行遴選，今年邁入第22年。此次獲得「卓越貢獻獎」（Outstanding Author Contribution Award）的論文，是從2014年Emerald出版超過5000篇的學術文章中脫穎而出。

資料來源：中興大學新聞稿

研究文獻：Hsin-You Chuo , John L. Heywood (2014), An Optimal Queuing Wait for Visitors’ Most Favorite Ride at Theme Parks, in Joseph S. Chen (ed.) Advances in Hospitality and Leisure (Advances in Hospitality and Leisure, Volume 10) Emerald Group Publishing Limited, pp.57 – 73

不論是買票、結帳、候車，或是去影印店印報告，日常生活總有排不完的隊伍，為了維護社會善良秩序，我們通常會乖乖成為隊伍的末端，開始放空或滑手機。

但如果眼看前方漫長的人龍前進速度趨近於零，又真的有迫不得已的急事要趕快離開，《亞特蘭大》（The Atlantic）雜誌整理了幾個科學方法，帶你擬定迅速插隊又不起爭議的最佳解！

要看看排隊的目的是什麼？

首先，你得考慮這個隊伍到底是為了什麼目的而存在？如果只是為了到郵局寄包裹、上銀行匯款，超市買個飲料這類改天再做也可以的事的話，通常只要表明急迫性或只會占用一點點時間，人們考慮到自己哪天也可能需要幫忙，就比較願意讓別人插隊。[1]

但如果是搶國際巨星告別演唱會門票這種一生一次，又或是等著領急難物資這一類緊急的事件，建議你就乖乖排到隊伍最後面吧。

大膽地說出任何藉口

研究發現，不論好理由壞理由，只要肯說出口就有機會插隊[2]。以正等待使用影印機的隊伍為例，光是禮貌詢問「不好意思，我有五張要印，可以先嗎？」就有 60% 的機會可以順利插隊；如果再強調自己很趕，成功率可提高到 94%，即使是最隨便的「我想影印，可以用影印機嗎？」也是有機會插隊，所以就大膽地開口詢問吧。只要你詢問能否插隊的那一個人同意，基本上後面排隊的人也會默許你的行為[3]。

但如果想更展現需要插隊的誠意(?)，你甚至可以掏出錢來，且不用擔心會有損失慘重－－大部分的人反而會因為你竟然願意為了這種事掏錢而同理你的急迫性，願意免費讓你插隊。[4]

雖然有時排隊真的很讓人急躁，但只要想想如果大家都不排隊，很多事情也無法順利進行，所以為了社會的和諧秩序，除了出門前預留時間、培養耐心外，真的非要插隊不可的話也別裝沒事，好聲好氣的問一聲，說不定比你想得順利許多喔，祝大家插隊順利（咦）

參考資料：

• How to Cut in Line ,the Atlantic [2017. 09 ]

原始論文：

• [1] Allon and Hanany, “Cutting in Line” (Management Science, March 2012)
• [2] Langer et al., “The Mindlessness of Ostensibly Thoughtful Action” (Journal of Personality and Social Psychology, June 1978)
• [3] Milgram et al., “Response to Intrusion Into Waiting Lines” (Journal of Personality and Social Psychology, Oct. 1986)
• [4] Oberholzer-Gee, “A Market for Time” (Kyklos, Aug. 2006)