全球資訊網 World Wide Web 由此誕生！ │ 科學史上的今天：3/12

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

昂貴的粒子物理基礎研究值得嗎？

粒子物理學的基礎研究當然是非常有趣的，但它也是很昂貴的。舉例來說，歐洲核子研究組織（European Organization for Nuclear Research，簡稱為CERN ）大強子對撞機的建造成本（包括人員、儀器研發和建造材料）約為 30 億歐元（約 33 億美元）。超導環場探測器本身的建造費用為 4.55 億歐元（5 億美元）。儘管這個數字看起來很大，但歐洲核子研究組織 8.25 億歐元的年度預算（約 9 億美元）只相當於每個年紀大到可以喝咖啡的歐洲公民喝一杯咖啡加總起來的費用。

但是這筆金額還是很龐大，所以每個人都有權利詢問這筆錢是不是花得值得。

在此，我將解釋投資於研究的經費不僅在經濟上帶來百倍以上的回報，而且可以造福整個社會。由於基礎研究帶來了科技上的突破，醫療技術和通信技術因而有所進步。物理學基礎研究徹底改變了我們的生活方式，而且改變還在持續當中。

以歐洲核子研究組織為例

在本文中，我主要以歐洲核子研究組織作為例子，因為它是目前最大且仍在運轉當中的國際性粒子物理學研究實驗室。

日本的 J-PARC（Japan Proton Accelerator Research Complex） 是一個多用途研究中心，他們也使用質子加速器。其他實驗室，如美國的 SLAC 國家加速器實驗室（SLAC National Accelerator Laboratory） 和費米實驗室（Fermi National Accelerator Laboratory, FNAL）以及德國的 DESY 一直到不久以前都還是非常活躍的粒子物理學研究中心，但他們的加速器目前已經停止運作。費米實驗室的主注入器（Main Injector）則仍在運轉中，為 MINOS、Minerva 和 NOVA實驗供應微中子束。其他實驗則正在等待批准或仍在前置興建階段。還有其他幾個較小的研究中心，例如加拿大薩德伯里的微中子觀測站實驗室（Sudbury Neutrino Observatory Laboratory, SNOLAB），日本的高能加速器研究機構（KEK）和義大利的 Gran Sasso，這些研究中心都是專門研究微中子物理和暗物質搜尋。最近，有參與粒子物理學研究的所有國家決定在大型國際實驗合作計畫中共享資源（例如歐洲核子研究組織正在進行中的實驗合作計畫）。

粒子物理學基礎研究的回報並不必然都是直接的。舉例來說，目前沒有人知道希格斯玻色子將來會不會有實際的用處，很可能不會！我們並不是因為期待希格斯玻色子能夠解決人類的大問題而做這個研究的。相反的，該研究的目的，是為了能更了解我們周遭的物質世界，並將提高我們的知識層次。

所以說，基礎研究實驗室的首要任務是滿足人類對知識的深度渴求。自從人類存在以來，人們一直都想知道自己的起源和命運。但這些實驗室其實還有其他三個主要目標：為科技發展作出貢獻、培養高度專業的人力以及（就國際實驗室而言）透過科學研究促進和平與國際合作。

基礎研究帶來燈光，而不止步於漂亮的蠟燭

不過，我們不該低估任何新發現的潛力。誰能預言一百年前物理學家在電子和電磁波上的研究，會對我們今日的生活產生如此驚人的影響呢？一件軼事（即便它有點爭議）可以用來說明這一點。據說英國財政大臣（即財政部長）曾質問法拉第（Michael Faraday）他的電學研究是否有任何潛在用途時，法拉第顯然回答說他不知道可以做什麼用，但法拉第補充說：「先生，將來有一天你可能可以課它的稅」。

電子和電磁學的研究帶來了電子用品、電信和電腦的發展。過去幾個世紀中，物理學家的研究成果和技術人員和工程師的專業知識相結合，並將發現應用在現實中，進而重塑了我們的日常生活。如果沒有物理學的基礎研究，我們今天就會靠燭光閱讀。正如一位同事向我指出的，我們肯定會有非常漂亮的蠟燭，但就只是蠟燭。基礎研究不僅對我們的生活產生重大影響，而且也啟蒙了我們的精神，使人類擺脫了無知的沉重負荷。

不管在理論還是在實驗，好奇心都引導了基礎研究。基礎研究必須不受到限制，使想像力和創造力得以自由流動。縱使無法保證一定能夠發現什麼，但物理學家必須檢視所有的可能。另一方面，應用研究的目的，在於為具體的問題找出實際的答案，它以基礎研究為本，帶來了科技突破，並有更進一步的發展。物理科學應用於其他學科之中，也在各個工業領域當中扮演了重要的角色。從經濟的角度來看，物理學影響著整個社會，我們在本章中將看到，物理學在各領域、各方面的成績，已在日常生活當中影響我們每一個人。

對各國的經濟回報

已有幾份研究試著評估基礎研究對經濟所帶來的影響。經濟與商業研究中心（the Centre for Economics and Business Research, CEBR）為歐洲物理學會（European Physical Society）所做的研究很具啟發性。這份研究是從科技和科學的角度評估基礎研究對歐洲物理學的產業所造成的影響。因此，它涵蓋了所有仰賴電機工程、機械和土木工程、能源、計算、通信、設計製造、運輸、醫學和航空的經濟活動。

2010 年的統計指出，仰賴物理學的產業共為歐盟的 27 個國家、瑞士和挪威創造了 3 兆 8000 億歐元的收入（上圖），相當於這些國家總收入的 15％ 左右，超越了零售業的總額。總共有 1 千 5 百 40 萬人在這個產業工作，也就是歐洲總勞動人口的 13％。

促成跨時代的科技發展

正如我們在整本書中所看到的，當今粒子物理學的研究需要高度精密複雜的工具才得以進行。通常在設計階段，大型實驗所需的技術並不存在，這些技術必須在過程當中被開發出來，特別是像大強子對撞機這樣二十年前就開始籌備規畫的超大型計畫。大強子對撞機的建造工程，使得若干技術超越當時的疆界，過去從不曾有任何儀器會用到如此強大的超導磁鐵，更不用提這整個計畫的規模，超導、極度真空和極度低溫相關的技術都因此而有很大的進展。

大型實驗合作計畫的所有測量設備也是如此，大強子對撞機所使用的偵測器都需要更高的抗輻射能力以及更高性能的電子模組，在承受極端輻射水平的同時，還要能夠高速與大量採集數據。這個需求提供了建造網格（Grid）的動力，網格是一個龐大的計算機網絡，串聯了成千上萬台遍布在世界各地的電腦，提供了大強子對撞機實驗所需的計算能力。

技術方面的進步已化為現實，並應用在各式各樣的產業中。簡單舉幾個例子，這些應用包括了配有光纖的濕度感測器、使用永久磁鐵之引擎的隔膜系統、設計印刷電路板的開放原始碼軟體，以及 3D列印的附加處理技術。

全球資訊網──來自歐洲核子研究組織的最好的禮物

某些發現也對大部分地球居民的日常生活有直接影響。例如歐洲核子研究組織最成功的結果：全球資訊網（World Wide Web）。全球資訊網深遠地改變了我們取得訊息和知識的方式（包括新興國家），從而影響到地球上數十億人的日常生活。

到目前為止，歐洲核子研究組織對人類最大的影響並不是發現了希格斯玻色子，而是發明了全球資訊網（World Wide Web，簡稱WWW）。全球資訊網是由提姆．伯納斯─李（Tim Berners-Lee）和他的團隊於 1989 年開發出來，當時他在歐洲核子研究組織工作，而當初開發的目的是為了要解決一個影響到歐洲核子研究組織成千上萬名研究人員的問題。科學家們需要一個能有效交換訊息的通訊方式，大多數這些物理學家經常在他們自己的研究機構和實驗室之間穿梭，以參與各種研究活動。為了讓這些物理學家可以彼此交換訊息而不需在行李箱中拖著幾公斤列印出來的文件，全球資訊網於焉而生。

如果說伯納斯─李是一位有遠見的人，那麼我們也可以說歐洲核子研究組織具有非常前瞻的想法，決定將全球資訊網開放給全人類使用，而不要求任何版權收入。由於歐洲核子研究組織的研究是受到公共資金資助，因此我們也希望全球資訊網能使每一個人都受益。網路使得資訊可以在世界上任何地方流通和取得，誰能忽視這個溝通工具對我們的生活所產生的影響呢？

粒子物理學界有愈來愈多人認同「開源」（open-source）的觀念，例如像是知識可以自由、免費地共享，並且透過網路傳播開來。歐洲核子研究組織的實驗結果已經不再只發表在昂貴的專業期刊上，現今所有的資訊都可以在「開源」社群媒體中取得。不僅在科學出版方面是如此，有些軟體也是以合作和共享的精神和其他的機構、業界或社會共享。這樣可以確保來自新興國家的大學和機構不至於處於劣勢。

本文摘自泛科學2018年2月選書《到世界頂尖實驗室 CERN 上粒子物理課》，臉譜出版。

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。