2019 年最值得關注的5個天象

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

你有跟朋友們一起上山追流星雨的浪漫經驗嗎？

我們所位在的北半球每年都有所謂的「三大流星雨」：象限儀座流星雨、英仙座流星雨和雙子座流星雨，而每當流星雨出現時，總會吸引大批的民眾前往高山或是較少光害的地方迎來這浪漫的天文景象。

• 延伸閱讀：英仙座流星雨要怎麼看？

從每一年都有流星雨這件事，我們可以推測並得知，這些看似隨機出現、一閃而過的流星其實是有規律可循的！無論你是想要對流星許願，抑或你是熱愛追星的天文迷，只要抓準時間，都可以完成「一直流星一直爽」的夢想！

流星，太空碎片的炫麗火焰

在看似空曠的太空中，其實遍布著各式各樣的小碎片，我們統稱這些小碎片為「流星體」^註1，當這些流星體靠近地球並被重力吸入大氣層後，會因高速摩擦地球大氣而燃燒、發光，成為我們肉眼所看到的流星。

• 延伸閱讀：彗星、小行星和流星，到底有啥不同？

由於各種塵埃和碎片分散在太空各處，因此在一般的狀況下，大部分流星都是在不同地點、不同時間「隨機」地出現。然而，當地球經過彗星、小行星的公轉軌道時，一切都不一樣了！

彗星和小行星的繞日軌道上遍布著密集的塵埃和碎片，有些是受太陽照射而成，有的則是被撞擊後產生的碎石，當地球經路過這個區域時，眾多的流星體就會進入地球大氣並摩擦燃燒，形成絢麗的流星雨。

寶瓶座流星雨跟「寶瓶座」有什麼關係？

在新聞中我們時常可以聽聞：「ＯＯ座流星雨在今天最大期！」，這到底是什麼意思呢？

雖然我們多以星座來稱呼各大流星雨，但其實流星雨跟星座實際上一點關係都沒有！以今年（2021年） 為例，五月時，我們就可以看到美麗的寶瓶座流星雨，而寶瓶座流星雨並不代表流星來自寶瓶座，也不代表流星出現在寶瓶座的月份。

流星雨的命名方式，其實跟人眼的視差有關係！

不知道大家有沒有去過有廢棄軌道的景點（或是站在一條很長很長的走廊底端也可以），當我們站在廢棄軌道中間往前看時，我們會發現廢棄軌道的兩側在遠方好像逐漸地靠近，離我們越遠，兩側軌道就越靠近，其實這就是人眼視差的影響，而這也正是流星雨命名方式的原因。

當流星雨從太空落下時，其實它是從離我們很遠、很遠的地方落下，也因為如此，當我們的眼睛追溯回流星落下的方位時，我們會發現，流星好像都是從一個「點」所落下。

在天文學界中，便將我們眼睛看到的點稱作「輻射點」，而流星的命名，正是看輻射點所位在的星座而命名，所以寶瓶座流星雨並不是代表流星與寶 瓶座的關係，而只是我們看到覺得「流星看起來像是從寶瓶座的方向掉下來」的！

如何看到「以自己星座為名」的流星雨？

以每年 12 月出現的雙子座流星雨為例，從前文中，我們可以知道它的名字代表流星們會從雙子座的方向開始落下，但其實我們也可以從流星雨的名字推測出「流星雨發生的時間」唷！

一般來說，如果你的生日落在 5 月中到 6 月中之間，應該就是「雙子座」的人，這代表著「你出生的時候，太陽座落在雙子座前面的位置」，也就是說，雙子座會在白天太陽高掛的時間出現！由此可知，我們無法在 5 月中到 6 月中的夜晚看到屬於雙子座的星星，因為晚上時，雙子座其實正在我們的地平面之下！

若想要看到屬於自己星座的星星，請將生日日期再加上 6 個月後，就可以得到最適合觀測該星座的時間！以雙子座為例，就是將 6 月加上 6 個月的 12 月，此時我們才可以在天空看見雙子座的星星們，以及看似從雙子座方向落下的雙子座流星雨。

一起去看流星雨吧！

想要看一場又美麗又壯觀的流星雨，除了要知道流星雨什麼時間會出現外，懂得 ZHR 值也是一件很重要的事情！

ZHR 值指的是在沒有光害的情況下，每一個小時可以看到幾顆流星落下，五月的寶瓶座流星雨 ZHR 值大約是 50 左右，而如果等到八月的英仙座流星雨，ZHR 值可以高達 100！

另外，「光害」也是觀測流星雨需要注意的事情，除了人造的光源外，其實天空中最大的光害就是月亮！如果今天流星雨剛好在滿月或是下弦月時出現，那可以觀測到的流星數目將會大大減少，但如果今天流星雨是在新月時出現，少了天空中最大的光害，便可以觀賞到美麗的流星雨了！

扣除年初的象限儀座流星雨外，今年還有五月的寶瓶座流星雨、八月的英仙座流星雨和十二月的雙子座流星雨，而英仙座流星雨因為剛好是新月之夜前後，更適合觀測！趁著還有一段時間，請開始排開時間，準備來一趟又熱血又浪漫的流星雨之旅吧！

註解

1. 科學家並未明確定義流星體（meteoroid）的大小，泛指小至沙塵，大至巨礫的碎片。

參考資料

1.American Meteor Society : METEOR SHOWER CALENDAR 2021-2022

2.地球科學文教基金會，蔡文祥（1999），流星雨的成因。

看英仙座流星雨需要做哪些準備呢？什麼時間、地點最適合呢？

什麼時間？

根據國際流星組織的資料，英仙座流星雨發生的時間從 7 月 13 日到 8 月 26 日，將近一個半月的時間，這段時間都可以看見英仙座流星雨。不過英仙座流星雨的極大期則是 8 月 13 日前後幾天，觀測條件好的地方，每小時最多可看見大約一百顆的英仙座流星！

流星雨幾乎都是下半夜才會進入高峰，這時流星雨的輻射點較高，可以看見從輻射點向四面八方輻射的流星。

什麼地點？

看流星雨其實不需要到高山上人擠人，找一個空曠、光害較少的地方就可以。

什麼設備？

眼睛最適合用來觀看流星雨，看流星雨不需要任何望遠鏡或昂貴的設備，不過一些簡單裝備可以讓你欣賞流星雨更輕鬆。

抬頭看流星，時間久了脖子就會痠痛，帶一把躺椅會讓你舒服很多。也可以帶睡袋或在地上鋪毯子，直接躺在上面觀看流星。

夏天的夜晚，蚊子還是很多，防蚊的東西不能少。記得要多帶衣服，尤其是前往高山看流星雨，入夜後會變冷。

觀看流星時，要注意觀星禮節。沒有必要的燈要關閉，手電筒或手機的燈要往地上照，不要把燈光往人照。如果附近有人在拍攝流星雨，更要注意燈光，不要影響拍照的天文同好。

往哪個方向看？

流星會出現在哪裡？這是無法預測的，唯一知道的是，英仙座流星雨的流星都是從英仙座的頭頂附近輻射出來的，流星會出現在天空中的任何角落。

怎麼拍？

用手機相機或一般數位相機拍流星雨，難度相當高，建議使用數位單眼相機比較可行。

單眼相機要架在穩固的三腳架上，廣角鏡頭拍攝的範圍較大，捕抓到流星的機會較高。盡量把光圈開到最大，鏡頭進來的光愈多，就能拍到愈暗的流星。另外，把相機 iso 值提高到 1000 以上，這樣可以拍到較暗的流星，不過 iso 愈大，拍起來的影像雜訊也愈多，試試不同的 iso 值，看看影像中雜訊的狀況。

把相機改為手動對焦，再把焦距調到無限遠，或對準一顆亮星，把影像中亮星大小調到最小。曝光的經驗值是 20mm 鏡頭約 10 秒，35mm 鏡頭約 6 秒，這樣影像中的星點會是圓的，不會拖出長線。

不要忙著拍照而忘了親身感受流星雨，用電子快門線設定每幾秒拍一張後，就讓相機自己去拍攝，回到家後再檢視拍照的結果。如果拍到流星，記得分享流星的美麗照片！

祝 流星滿天，觀星愉快

延伸閱讀：英仙座流星雨怎麼來的？

本文轉載自作者部落格「屋頂上的天文學家」，原文為〈英仙座流星雨要怎麼看？〉