有地震快發文！沒有網路的年代，古人如何記錄地震？－歷史中的臺日震災特展（上）

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

2022 年唐獎漢學獎授予潔西卡‧羅森（Jessica Rawson）教授，以表彰其精研中國藝術文物之成就。羅森教授視野宏闊，見解精準，為無聲之物發聲，再現人之所未見；審美觀物，傳承薪火，賦予華夏古典嶄新意義。

不同以往得獎者多集中在文學、歷史與思想史領域，著重文字書寫，羅森教授則以藝術史與物質文化研究見長，關注考古出土的器物，使人們看見藝術品所承載的歷史文化，豐富漢學內涵，展現唐獎漢學獎作為世界大獎的開闊格局及視野。

器物上蘊藏的視覺系統

羅森教授為牛津大學中國藝術與考古教授，專研中國青銅器、玉器，關注層面尤其著重中國與中亞鄰國的交流。她近年的研究從馬匹貿易切入，考察沿著絲路與歐亞草原諸族的馬匹貿易。羅森教授指出，歐亞大陸上各個族群都有一套談論器物的傳統，其中蘊藏著所謂視覺系統（visual systems），使人們得以依據社會、信仰或其他層面上的概念、慣例或預設，將器物分門別類。因此也意味著其器物的材質、形式與裝飾具有特定的組合模式。

編按：在電影《孟買女帝》中，出現將茶杯裡的茶倒入下方茶杯碟中，再用茶杯碟喝茶的一幕。

對現代人來說，茶杯碟只是用來墊茶杯，但過去茶杯碟的用法是將茶倒出來，增加茶接觸空氣的表面積，達到快速冷卻的效果，而人們也是用茶杯碟直接喝放涼的茶。

現今茶杯碟已經失去了放涼的功能，但杯子與碟子的特定組合，仍成為了辨識「喝茶器具」的關鍵而被沿用至今，像上述杯子與碟子的組合，我們就稱它為「視覺系統」。

每個社會的傳統與視覺系統都是獨特的，需經過學習才得以熟悉，也深深地影響人們如何看待與解讀所見之物。這樣的視覺系統一旦進入新的脈絡，它們先前所承載的意義將慢慢淡去，進而與不同文化產生新的聯結。藉由視覺系統的研究，能夠釐清西方古典建築的裝飾是如何傳播到西亞，接著沿著絲路來到中國，最終體現在佛教石窟的造型上。這些交流為中國的藝術掀開了全新的一頁，而後隨著蒙古西征，中國藝術的樣貌也反過來傳播到西方世界。

陵墓代表著墓主的微縮宇宙

羅森教授的研究亦對中國古代墓葬文化有深刻的洞見。古代墓葬為其墓主提供了一個完備的死後世界。商周的豎穴土坑墓以青銅器和玉器陪葬，這些器物不但為墓主提供了禮儀及身份所需的物品，也提供戰爭所需的兵器和馬車。

秦代以來的墓葬發生了許多大變化，其中以兵馬俑的出現最為突出。秦始皇陵不僅僅有軍隊，墓中的車馬廄、朝臣、百戲、官員、嬪妃，以及天地星辰的圖像，都為秦始皇的死後世界而創造，陵墓成為墓主的微縮宇宙。

羅森教授的貢獻不僅止於開創性的學術研究。她致力於促進東西方藝術、文化與學術的交流及認識，更在學術範疇之外，向普羅大眾推廣中國文明之博大精深。因其博物館任職經歷，羅森教授身兼學者與實務執行者兩種身分，她策劃展覽所帶來的影響力早已有目共睹。

即便離開大英博物館轉任牛津教授，她仍繼續為大眾展現中國多元的樣貌。如 2005 年末至 2006 年初，在英國皇家藝術學院舉辦的「盛世華章─康、雍、乾三代帝王」（China: The Three Emperors, 1962-1795）特展，即是由羅森教授策劃，向西方社會鮮活重現古老東方文物豐富的藝術內涵。

主持跨國研究計畫促成文化交流

羅森教授出生英國倫敦，畢業於劍橋大學及倫敦大學亞非學院，曾任大英博物館東方文物部主任、牛津大學莫頓學院首位女院長，亦曾出任牛津大學副校長。羅森教授身為一位執行者，主持大型研究計畫，大大地提升了英國與歐洲學界對中國研究的重視。2011 年至 2016 年，跨國研究計畫「中國與內亞：改變了中國的文化交流（西元前 1000 年至西元前 200 年）」（“China and Inner Asia: Interactions Which Changed China （1000-200 BC）”）獲英國最大的學術研究資助單位利華休姆基金會（Leverhulme Trust）獎助。羅森教授與中國學者共同主持，聯合多國專家一同檢視中國、伊拉克、伊朗、中亞的出土文物，與各地博物館的藏品，試圖回溯物質文化的傳播。

而在校園之內，羅森教授促成各國學者至牛津大學進行學術交流，且不遺餘力地支持並培養世界各地的學生，其中有多位如今已成中國藝術與考古領域中的重要學者。羅森教授亦為牛津大學爭取到利華休姆基金會以十年為期的獎助計畫，以支持校內當代中國研究的發展。此計畫獎助了四個學術職位，實質地擴大中國研究的規模，也間接促成了隨後 2008 年牛津大學中國中心（University of Oxford China Centre）的成立。

羅森教授於 1990 年榮膺為英國國家學術院院士（British Academy），2002 年因其在東方研究的貢獻獲英國女王授勳封爵（DBE），2012 年獲選為美國藝術與科學院（American Academy of Arts and Sciences）外籍名譽院士，2017 年獲頒弗瑞爾獎章（Charles Lang Freer Medal）。2022 年唐獎漢學獎授予羅森教授，肯定其在中國藝術與考古領域的成就，不僅為該領域開創了嶄新局面，更加深了人們對中國文明的認識。

【關於唐獎】

有感於全球化的進展，人類在享受文明與科技帶來便利的同時，亦面臨氣候變遷、新傳染疫病、貧富差距、社會道德式微..等種種考驗，尹衍樑博士於 2012 年 12 月成立唐獎，設立永續發展、生技醫藥、漢學及法治四大獎項，每兩年由專業獨立評選委員會（邀聘國際著名專家學者，含多名諾貝爾獎得主），不分種族、國籍、性別，遴選出對世界具有創新實質貢獻及影響力的得主。每獎項提供 5 千萬獎金，其中含 1 千萬支持相關研究教育計畫，以鼓勵專業人才投入探索 21 世紀人類所需，以頂尖的創新研究成果及社會實踐引領全人類發展。

• 文／阿樹《震識：那些你想知道的震事》副總編輯

阿樹來說前言：本文雖然並不是單純跟大家談地震，但防災的思維是大同小異，我們若可以預先做好颱風防災，同樣思維下一定也能為地震防災做些事。

先別管屁孩了，遇到天災你都如何預防？

當颱風快來時，大家會怎麼做？先查人事行政局網頁有沒有放假？人事行政局傳送門：https://www.dgpa.gov.tw/（應該很多人存到我的最愛 or 書籤裡了吧？）

不是啦，先看氣象局的颱風潛勢機率再決定我們要如何因應，其實近年來在許多媒體、網路與科普人士宣傳下。雖然嘴巴上常罵氣象預報不準，但由於我們已漸漸習慣這樣的呈現方式，即使颱風預報可能會有些誤差，但我們至少知道它侵台的機率高、發生的可能性高，而我們也知道颱風對我們會帶來哪些危害或是不便，進而提前做出預防措施。

決定了隔天或是晚上停班停課、颱風來襲的可能性很高，接下來就可以擬定計畫，因為屆時風大雨大、就不要再出門去公司檢查了，「門窗有沒有鎖好鎖滿？」「防淹水的沙包閘門有沒有放置妥當？」「排水是否堵塞？」「怕水的重要文件電器有沒有做好預防措施？」有的時候過去曾有沒做好而受災的紀錄，這時就可以借鏡用來擬定對策，當然別人發生的情況也可以拿來一併思考。

再想遠一點，如果颱風不幸滯留的話，「差旅有沒有可能延期？」「會議有沒有變數？」「活動有沒有備案？」這類產生的問題雖然不是「災害」，但也是一種衍生問題，先做好因應，就能降低不便。（這類的思維還可參考單信瑜老師在個人臉書提供的建議。）

颱風防災和地震防災有什麼類似之處？

地震雖然沒辦法做到像颱風或降雨一般的預報，但如果把時間尺度拉長，利用統計和科學方法，一樣能得到發生的潛勢機率，只是這個尺度是三十年、五十年，把時間拉長的用意是因為科學上還無法掌握更短周期的不確定性，所以會需要更長尺度的評估。但是，防災絕不會因為時間拉長了就無能為力，而是需要調整一些做法。

五十年的最大地振動評估，最直接的應用就是建築的耐震設計，若相關單位能依此有計畫的實施耐震評估補強，提升房屋的韌性，雖然平常不會看到效果，但在地震來時就能達到減災之效。或許我們很在意地震到底會不會發生、到底何時發生，但事實上許多建物的設計都需要讓它至少使用五十年（法定年限），因此設計時考量五十年某個機率以上會發生的事件，就是一種預防措施。

或許有人會問說：那麼我的耐震設計做到更高不是更好？確實，但前提是這得花上不少錢。因此在全國適用的規定下，訂出個基本措施、優先處理震度高潛勢區、人口密集處等高風險區，可以說是考量未來可能遇到震度的「最低標準」。而如果我們有能力，做得比最低標準高當然是好事，但前提是要有能力，有許多新建住宅也會標榜其耐震、制震能力，相對的也提高了成本，並非人人都能負擔得起。那和我們前面提到基本的預防措施就是兩回事了。

我們也曾被問過，如果是自家房子想評估耐震怎麼辦？很抱歉這方面的問題不能光靠地震領域，還要跨到工程領域，阿樹只能提供營建署老舊住宅耐震安檢專區的連結，裡面有政府對住家耐震安檢的規定和補助，也有相關單位的資訊。阿樹不確定這樣的作為是夠還不夠，若有朋友有實際經驗，也歡迎大家分享。

長期抗災，我們能做什麼？

簡單舉幾個阿樹會做的事，其實不外乎是一些常提到的：

• 櫥櫃固定於牆上
• 減少家中懸吊物的風險
• 平時就備有防災用品和食品等
• 常待的地點必須事先想好防災逃生路線
• 不要覺得防震演練很蠢要好好的思考做法用意
• 知道各種地方情境（客廳、臥房、浴室、廚房、辦公室）該第一時間怎麼應對

以上是平時就可以做的事情，如果大家已經有了自覺，知道自己所處的地方具有地震風險潛勢，那麼就把覺得可以做的防災做為先做好，防災專家告訴大家的多半都是大觀念，更需要大家因地制宜的舉一反三，就如同我們已經熟悉颱風災害的處置一般，熟悉地震帶來的問題，因應與面對，我們可以擔心做得不夠多，但沒必要過度恐慌，更怕的是只喊著怕卻裹足不前！

延伸閱讀

• 颱風接連而來，你該做好哪些準備？
• 颱風愛轉彎？氣象預報技術也有極限的！
• 營建署老舊住宅耐震安檢專區
• 地震來了臺北特別晃？關於盆地的場址效應
• 有關「地震」到底該教什麼？走入災害情境，認識過去的震災

本文轉載自震識：那些你想知道的震事，原文為《如果你知道怎麼做好防颱準備，也該要知道怎麼做好防震準備》，也歡迎追蹤粉絲頁震識：那些你想知道的震事了解更多地震事。