全球資訊網從此誕生──柏納-李生日 │ 科學史上的今天：06/08

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／曹盛威

2018年，一位國外網友買下「playdiablo4.com」的網址導流到另一款遊戲「流亡黯道」的官網，來表達對於暴雪推出「暗黑破壞神手機版」的不滿，之後，網友收到了暴雪公司的律師函，希望他能轉讓這個網址。

網友的行為，跟俗稱的「網路蟑螂」十分類似。網路蟑螂會先買走大企業可能用到的網址，並以高價賣給大企業獲利，例如：暴雪公司很可能會開發「暗黑破壞神4」，這時網友購買的「playdiablo4.com」網址，可能會誤導使用者進入不正確的網站，而暴雪為了解決這個問題，可能要花一筆不小的費用，才能買回網址的所有權。

而網路蟑螂之所以存在，有很大的原因是網址的最後都長得差不多（.com或是.tw），這些相同的部分稱為「頂級域名」，他們種類數量稀少且不能隨意更動，這讓網路蟑螂只要知道新產品或公司名稱，就能搶先註冊網址再轉賣。

不過，為什麼會有「頂級域名」呢？這就要從網路連線的規則開始說起了。

你的電腦其實看不懂網址 

一天，身為資訊管理（MIS）工程師的小華，被老闆叫過去問話：「小華，我們幹嘛要買網址阿？不買網址難道客戶就不能連上我們的網站嗎？」

「其實客戶還是能連到我們的網站，只是他們必須記下主機的 IP。」小華解釋電腦連線是用 IP，所以沒有網址也沒有問題。而這些網址的正確名稱應該叫「網域名」(Domain Name, DN)，當初會有網域名出現，是因為人們不善長記憶 IP 數字串，才用了一段好記憶的文字串來代表 IP。

「好吧，我知道為什麼會有『網域名』，但這樣說我們應該能買斷網域名阿，為什麼每年還要付錢才能使用？」老闆忿忿不平地說。

「老闆，我們公司不是每年都要買黃頁（電話簿）的版面？」

「當然！不然客戶怎麼找到我們的電話號碼？」小華順著老闆的話解釋，「只認得 IP 的電腦，也需要有專用的『電話簿』才能透過網域名找到 IP 連線到網站，這個專用的『電話簿』，我們稱為『網域名伺服器（Domain Name Service, DNS）』，而我們持續付費的原因，是在買 DNS 的紀錄服務，跟每年要買黃頁類似。」

老闆聽完茅塞頓開，隨口又問：「那這樣的話，我的網域應該可以隨便取名阿，為什麼大家後面都長得差不多。」

「後面這些長得差不多的叫『頂級域名』，有點像是商號後面的『股份有限公司』。」小華說，這些『頂記域名』是不能隨便亂改的，是代表「最高層級的網域名伺服器」在什麼地方，或是由誰負責管理的，而且頂級域名一定要放在最後面。以「example.com.tw」為例，電腦會先去找頂級域「.tw」的 DNS 伺服器，再找到「.com.tw」的次級域 DNS 位置，最後由「.com.tw」找到「example.com.tw」的正確 IP。

有多少種頂級域？　

「小華，『頂級域名』不只一種對吧？我看到有的結尾是.tw，有的是.com。」

「是的，頂級域名大致上可以分成四類，分別是通用頂級域 (gTLD)、國家頂級域 (ccTLD)、地區頂級域 (GeoTLD) 與新通用頂級域 (new gTLD)，所有的頂級域皆由「網際網路名稱與數字位址分配機構 (ICANN)」管理。」

• 通用頂級域：是指由 ICANN 旗下的網際網路號碼管理局 (IANA) 直接管理的頂級域，最初創立時是依照用途進行區分，期待能讓使用者看見頂級域名，就能辨認出網站內容或內容來源。

• 國家頂級域：以國家名稱做為頂級域名，常見.tw就是其中一種。
• 地區頂級域：以地理位置或地緣關係做為頂級域名，目前有 .london、.paris、.africa 等。
• 新通用頂級域：由於網路上的內容越來越多元，原本的通用頂級域已經沒辦法辨識網站內容或內容來源的責任，因此 ICANN 開放更多的頂級域名來完善。

此外，ICANN 也為了應對更多頂級域的識別需求，在 2012 年開始提供「新頂級域」的申請，也可以申請以商號為名的頂級域，像是 Sony 公司就以自己的商號申請了 .sony 的新頂級域，譬如消費者如果想知道 Sony 人工智能方面的資訊，可以直接訪問 ai.sony 品牌頂級域 。

確保安全，增加識別——申請屬於自己的品牌新頂級域

「為什麼 Sony 要申請自己的新頂級域阿？有什麼好處嗎？」

「當然有好處啦！」在查詢 DNS 伺服器的過程中，資料必須經過不同的伺服器，才能到達公司網站，現在從查詢的入口——「頂級域」就是專屬於我們公司的，除了從源頭確保資料傳輸的安全，也能避免網路蟑螂搶先註冊網域，或是詐騙公司運用類似的網域讓客戶誤以為是我們提供的內容。

此外，原始頂級域的用途是為了讓人更能識別網站目的，當公司擁有自己的品牌頂級域後，也能讓客戶明確知道網站是由公司管理的，能有效提升網站與品牌識別度。

臺灣百大品牌企業有使用新頂級域嗎？

就在今年，臺灣唯一統籌新頂級域名註冊的非營利組織——TWNIC，針對臺灣百大品牌企業使用頂級域的狀況做了調查。

調查結果發現，有一半的企業曾經遇到域名搶註，雖然域名搶註可透過申請企業品牌的新頂級域解決，但也有超過一半以上的企業並不曉得有新頂級域名可以申請。目前，臺灣百大品牌企業在考量頂級域時，仍然是以傳統的「.com」與「.tw」為主。

不過，臺灣百大品牌企業，在使用「新頂級域」的類型數量上，已經超過其他頂級域的數量了！雖然並非企業第一考量的頂級域，但新頂級域正逐漸進入到各大企業。

在告知各大企業能夠申請屬於自己企業品牌的新頂級域後，大部分對於申請企業品牌的新頂級域意願極高，雖然目前還不盛行，但在新頂級域的推廣與申請機制完善的未來，屬於自己品牌的新頂級域將會是企業的首選。

上述內容僅是 TWNIC 研究的冰山一角！對研究或「新頂級域」有興趣的話，歡迎到「從頂級域名探討我國在數位品牌識別」獲得更多詳細資訊！

• 網友買網址「playdiablo4.com」轉址到《流亡黯道》官網，暴雪律師找上門
• 鳥哥的 Linux 私房菜 — DNS Server
• [網際網路] 認識網址與網域名稱（Domain Name, URL, DNS） | PJCHENder 未整理筆記
• 甚麼是DNS
• Table of Content – DNS介紹
• 2020 Google 排名因素清單：網域名稱與 SEO 的關聯性 – Whoops SEO
• 新頂級域名（nTLD）對 SEO 有幫助嗎？ – Whoops SEO

編按：全球資訊網(World Wide Web)的誕生源自於英國電腦科學家柏納-李（Tim Berners-Lee, 1955－）在歐洲核子研究組織 ( European Organization for Nuclear Research, CERN )發展的資訊分散式傳輸協定，當時這套系統只是為了要供應高能物理研究室之間使用。
然後，他便逐步改變了世界。讓在全球資訊網發明30週年的現在，一起來看看他是怎麼誕生的吧！

1968 年，英格巴特（Douglas C. Engelbart）在如今稱為「所有演示之母」的會場上演示了滑鼠、視窗、網路與超文本（Hypertext），但那畢竟只是描繪未來的「概念機」。必須再等二十年，英國電腦科學家柏納-李（Tim Berners-Lee, 1955－）才真正實現了這個「未來」。

柏納-李於 1980 年承接了歐洲核子研究組織 ( European Organization for Nuclear Research, CERN )的軟體外包專案。此時學者們已經可以透過網路互相傳遞郵件與檔案，不過要在電腦內的大量資料中找到關聯性的資料仍是件苦差事。他在半年內開發了一套以超文本技術為基礎的搜尋程式，讓科學家可以輕易地從文件中的一個章節跳到另一個章節，或是跳到同一個資料庫內的另一個檔案。

不過隨著 CERN 的規模日益擴大，研究員、電腦與檔案的數量也愈來愈多，當初柏納-李開發的程式只能在同一個資料庫內搜尋，如今來自世界各國的科學家要尋找置於它處的資料，或彼此交換實驗數據都非常麻煩又曠日廢時。柏納-李於 1984 年以正式員工的身分重返 CERN 之後，就一直思索解決之道，後來他注意到逐漸興起的網路或許就是答案！

1989 年 3 月12日，他終於提出初步構想：以他開發的搜尋程式為基礎，結合傳輸控制協定（TCP）、網域名稱系統（DNS）等現成的網路標準，就可以在所有連上網路的電腦間快速搜尋並傳遞資料。這就是全球資訊網WWW（World Wide Web）的藍圖。

在得到主管的支持後，柏納-李開始著手製作所需的要件。隔年他寫出傳輸網頁的語言 HTTP 與描述網頁內容的語言 HTML、定義 URI 網址結構（日後他承認雙斜線實無必要），並且示範製作了世上第一個網頁瀏覽器與第一台網頁伺服器。

1992年 CERN 同意柏納-李的請求，將 WWW 相關的智慧財產權當成一般公共財對外公布，讓世人都可免費使用，無須支付任何權利金；而這正是 internet 可以迅速普及、蓬勃發展的關鍵。當網路上的資訊從純文字擴充為圖文並茂的豐富內容，當這一切都免費垂手可得，internet 才真正開始加速成長，深入滲透到社會各個層面，成為現代人生活不可或缺的一部份。而這都要歸功於柏納-李的發明與慷慨。

對照後來多少人因為網路成為鉅富，更顯得柏納-李放棄專利的難能可貴。他獲得無數表彰，但始終拒絕各種商業利益的誘惑。目前柏納-李仍在許多非營利組織但任要職，為 internet 的獨立性與普及化而努力。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，原文為「全球資訊網從此誕生──柏納-李生日 │ 科學史上的今天：06/08」，由究竟出版社出版。

1968 年，英格巴特（Douglas C. Engelbart）在如今稱為「所有演示之母」的會場上演示了滑鼠、視窗、網路與超文本（Hypertext），但那畢竟只是描繪未來的「概念機」。必須再等二十年，英國電腦科學家柏納-李（Tim Berners-Lee, 1955－）才真正實現了這個「未來」。

柏納-李於 1980 年承接了 CERN（歐洲核子研究組織）的軟體外包專案。此時學者們已經可以透過網路互相傳遞郵件與檔案，不過要在電腦內的大量資料中找到關聯性的資料仍是件苦差事。他在半年內開發了一套以超文本技術為基礎的搜尋程式，讓科學家可以輕易地從文件中的一個章節跳到另一個章節，或是跳到同一個資料庫內的另一個檔案。

不過隨著 CERN 的規模日益擴大，研究員、電腦與檔案的數量也愈來愈多，當初柏納-李開發的程式只能在同一個資料庫內搜尋，如今來自世界各國的科學家要尋找置於它處的資料，或彼此交換實驗數據都非常麻煩又曠日廢時。柏納-李於 1984 年以正式員工的身分重返 CERN 之後，就一直思索解決之道，後來他注意到逐漸興起的網路或許就是答案！

1989 年 3 月，他終於提出初步構想：以他開發的搜尋程式為基礎，結合傳輸控制協定（TCP）、網域名稱系統（DNS）等現成的網路標準，就可以在所有連上網路的電腦間快速搜尋並傳遞資料。這就是全球資訊網WWW（World Wide Web）的藍圖。

在得到主管的支持後，柏納-李開始著手製作所需的要件。隔年他寫出傳輸網頁的語言 HTTP 與描述網頁內容的語言 HTML、定義 URI 網址結構（日後他承認雙斜線實無必要），並且示範製作了世上第一個網頁瀏覽器與第一台網頁伺服器。

1992年 CERN 同意柏納-李的請求，將 WWW 相關的智慧財產權當成一般公共財對外公布，讓世人都可免費使用，無須支付任何權利金；而這正是 internet 可以迅速普及、蓬勃發展的關鍵。當網路上的資訊從純文字擴充為圖文並茂的豐富內容，當這一切都免費垂手可得，internet 才真正開始加速成長，深入滲透到社會各個層面，成為現代人生活不可或缺的一部份。而這都要歸功於柏納-李的發明與慷慨。

對照後來多少人因為網路成為鉅富，更顯得柏納-李放棄專利的難能可貴。他獲得無數表彰，但始終拒絕各種商業利益的誘惑。目前柏納-李仍在許多非營利組織但任要職，為 internet 的獨立性與普及化而努力。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。