吃個飯也要講究多樣性？快來認識藏在蔬果裡的植物營養素

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

• 本文轉載自 MedPartner 美的好朋友 《每日飲食指南台灣最新版出爐！醫師營養師圖文完整說明》，歡迎喜歡這篇文章的朋友訂閱支持  MedPartner 喔！

大家可能聽過生酮飲食、地中海飲食，或者是得舒飲食，這些赫赫有名的飲食法，往往攻佔了媒體版面。但其實許多國家的政府都有訂出自己國家的每日飲食指南或飲食建議，針對該國國民的營養狀況，以及各類食物的取得容易度、價格等等因素，做出自己的指引。

這個世界上存在一套「最完美的飲食法」嗎？答案當然是否定的。

每個人的基因不同、生活環境不同，許許多多的差異都造成各自需要的飲食都會略有不同。所以各種飲食法，與其完全照著操作，其實更應該思考飲食法背後的精神，逐步融入自己的生活與飲食中，才有機會找到「最適合自己」的飲食法。

最近關於吃的大新聞，就是國民健康署修正 100 年公布的「每日飲食指南」，發表 107 年最新版「每日飲食指南」手冊。到底這次的變更是哪些呢？讓我們一起來關心它吧！

抓寶都有圖鑑了，飲食也要有指南阿！

每日飲食指南是我國依照國人目前營養狀況、最新流行病學研究成果，以及國際飲食趨勢等，提出適合大多數國人的飲食建議。最早的每日飲食指南為民國 64 年的梅花圖型，經過幾次修訂，民國 100 年時已改為如今看到的扇形。與當年的梅花圖型最大的不同，在於後來將運動及飲水加入，強調這兩件事的重要性。

而 107 年最新版每日飲食指南，則是將民國 100 年時六大類食物中的「全穀根莖類」修改為「全榖雜糧類」、「豆魚肉蛋類」修改為「豆魚蛋肉類」及「低脂乳品類」修改為「乳品類」，那麼，這次的修改想要強調什麼呢？讓我們繼續看下去～

甲蓋吼？全榖雜糧補充你的鉀鈣

全穀雜糧類食物是我們身體非常重要的能量來源，用「全穀雜糧」取代過去的「全穀根莖」，是為了讓民眾對這一類的食物有更廣泛的認識且避免誤解。這類食物除了我們比較熟悉的穀類之外，還包含一些吃起來口感比較綿密的根莖類，例如：番薯、芋頭、蓮藕等。但要注意的是像蘿蔔、洋蔥、薑等雖然是根莖類，卻不屬全榖雜糧類，而是蔬菜類，這主要是依食物的營養成分去劃分；另外，一些富含澱粉的種子和果實也算在此類，包含紅豆、綠豆、皇帝豆、栗子、菱角等。

在全榖雜糧類食物選擇上，由於國人鉀和鈣的攝取量較不足，因此依然希望有 1/3為 未精緻全穀類，以增加礦物質的來源，但提醒大家要注意的是，依據國民健康署 2013-2016 國民營養健康狀況變遷調查，若以每日需求 2000 大卡熱量之六大類食物計算，我國 19~64 歲成人每日平均全榖雜糧類攝取超過建議攝取量 3 碗的有 49% ，也就是將近一半 19~64 歲成年人超過每日全榖雜糧類建議攝取量。現在的人多外食，一般便當的飯量常超過一碗，所以如果你每次都把便當的飯吃完，這一半的人可能就是你喔。

進擊的蛋蛋，蛋類去汙名大晉級

豆魚蛋肉類食物是我們身體重要的蛋白質來源，在民國 100 年時為了強調以植物性蛋白質為優先選擇，以及較健康的脂肪組成，因此將「蛋豆魚肉類」的順序修改為「豆魚肉蛋類」；在 107 年最新版每日飲食指南中，將蛋往前一個序位，也就是放在肉前，修改為「豆魚蛋肉類」，這是由於近年的研究顯示蛋的攝取對血液中膽固醇濃度和心血管疾病的風險較不具相關性，加上蛋的營養豐富，對於牙口不好的老人家或吃蛋奶素的國人來說都是很好的蛋白質來源，建議一般健康人可以每天吃一顆蛋。

依國民健康署 2013-2016 國民營養健康狀況變遷調查，若以每日需求 2000 大卡熱量之六大類食物計算，我國 19~64 歲成人每日平均豆魚蛋肉攝取超過建議攝取量 6 份有 53% ，在外吃便當其實很容易超過這個量，因為常是一塊排骨或雞腿之外，副菜的部份還會出現炒蛋或炒豆干，建議大家如果已經選了排骨或雞腿，副菜的部分可以全選純蔬菜；或是不點主菜，副菜的部分加選豆製品和蛋料理。

沒在蓋你，低脂全脂都能補鈣

乳品類是重要的鈣質來源，在民國 100 年時為避免國人攝入過多脂肪，將原本的「奶類」改為「低脂乳品類」，但在 107 年最新版每日飲食指南中，用「乳品類」取代過去用的「低脂乳品類」，這是由於近年的研究發現，並不會因為攝取全脂乳品而增加心血管風險或造成肥胖，因此低脂全脂都很好。

依國民健康署 2013-2016 國民營養健康狀況變遷調查，我國 19~64 歲成人每日平均乳品攝取不到 1.5 杯高達 99.8% ，也就是幾乎大家都不及格啊！大家在點手搖杯或在便利商店買飲料時，建議可以改點有加鮮奶的系列或改拿鮮乳取代飲料，或者是早上點三明治時別忘了加片起司，補足乳品類的含量喔！此外，如果有乳糖不耐症的情形，可以選擇優格或起司等發酵乳製品來替代，以此避免攝取乳糖可能引起的腸胃不適。

那如果都不碰乳製品的話，我們是否有什麼替代方案呢？

有些人可能會改喝豆漿，想說都白白的應該差不多吧。然而，豆漿的鈣含量其實不多，以同樣的攝取量來比較的話，一杯豆漿含有約 38 毫克的鈣，全脂鮮乳則含有 278.4 毫克。也就是說，若要以豆漿來取代乳品的話，會建議再從其他富含鈣質的食物來補強，像小魚干就是不錯的選擇，10 公克能提供 221.3 毫克的鈣質。

除了澱粉和蛋白質過量，乳品類不足外，根據 2013-2016 國民營養健康狀況變遷調查，大家的蔬菜和水果的攝取量太少，而油脂又太多（但堅果種子類太少），可見大家在攝取六大類食物上，能真正達到均衡飲食的不多，因此建議大家除了瞭解有那些變化外，也到國民健康署的網站去看 107 年最新版「每日飲食指南」，更瞭解怎麼吃的健康吃的好囉！

翻開指南，找出專屬自己的飲食建議吧

如果你仔細看每日飲食指南的圖，也許會注意到每一類食物的建議攝取量是以範圍呈現，會這麼表示的原因是人們對於營養的需求會因為性別、年齡、身高與體重…等因素而有所不同，因此個人要採用每日飲食指南的話，就得先找出自己的實際建議攝取量，藉由以下四個步驟你就能很簡單的知道自己一天該吃多少食物：

轉轉轉，六大類食物轉成實際攝取量

從上面的四個步驟雖能知道各種食物的建議攝取份數，但這樣還是無法應用在日常生活上，得再把各類食物的份數轉換成食用量才能真正的照著飲食指南去吃，下列是六大類食物的份數與食用量的代換表：

參考資料

1. https://www.mohw.gov.tw/cp-16-40152-1.html
2. https://www.hpa.gov.tw/Pages/EBook.aspx?nodeid=1208

• 本文轉載自MedPartner 美的好朋友，原文為《每日飲食指南台灣最新版出爐！醫師營養師圖文完整說明》
• 編按：愛美是每個人的天性，不過對你而言光是看滿架的化妝品、保養品，各種醫美產品就令你眼花撩亂，更別說還有玻尿酸、膠原蛋白、類固醇這些有聽沒有懂的名詞來搗亂嗎？如果你想要聰明的美，不想要被各種不實廣告唬得團團轉，那麼泛科學這位合作夥伴 MedPartner 美的好朋友，就是你我的好朋友，歡迎大家訂閱支持喔！