認識傳染性極強的麻疹：紐約、泰國、香港各地紛紛爆發，有哪些症狀該如何預防？

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

出國旅行除了肢體語言的即時翻譯選擇！

今天要來分享最新的 AI 翻譯蒟蒻，之前我朋友要去法國參加研討會，但他不只不懂法文，連英文都不太行，所以他就來問我，有沒有什麼好用的 AI 即時翻譯？

我說沒有，結果他從法國回來後，反過來跟我分享了他實測各種翻譯 APP 的心得，其中一個我體驗完還真的覺得不錯用啊！

所以今天的影片我想要來跟你分享三件事：

1. 簡單聊一下 AI 語音識別的發展
2. 朋友大推的 Litok 翻譯 APP 的功能介紹
3. 最近超流行的 AirChat 空氣聊天室可以怎麼玩

最後，想問大家有沒有用過其他超好用的翻譯工具呢？

1. 我覺得 Litok 真是天降神物我下次英文會議馬上試用
2. 假的，都是假的，我還是靠自己的金耳朵實在
3. 身為工程師，自己用 Whisper 模型做的才好用
4. 其他也可以留言分享喔

如果，有其他想看的 AI 工具測試或相關問題，也可以留言發問

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

• 本文編譯自《Monkeypox goes global: why scientists are on alert》

猴痘是什麼？

猴痘是由猴痘病毒引起的傳染疾病，主要在非洲囓齒動物間傳播，偶爾也會感染靈長類。最初是在 1958 年從實驗室的猴子身上所發現，其傳染途徑是經由動物傳染給人類，或是其他受感染的人類相互傳播，屬於人畜共通傳染病。猴痘與天花非常類似，但是相對來說較不致命。

一般來說，每年確診猴痘病例約為幾千例，且範圍侷限在非洲中部及西部，非洲以外地區感染猴痘的病例數極少，通常是具有非洲旅遊接觸史，或是在進口野生動物時一併帶入病毒所致。

為什麼猴痘突然引起全球關注？

截至 6 月 2 日的統計數據顯示，目前有 27 個非洲地區以外的國家通報病例，包括英國 207 例、西班牙 156 例、葡萄牙 138 例、加拿大 58 例、德國 57 例。雖然這些國家目前還沒有死亡通報，但全球自英國報告首例本土病例（5 月 14 日）以來，非洲以外地區的確診病例就超過了 1970 年以來的總數。有鑑於此，WHO 於 5 月 29 日發布新聞稿，將猴痘列為中度風險傳染疾病。

猴痘突然在各地爆發，讓民眾不免擔憂是否重演 COVID-19 在全球肆虐的戲碼。據病毒學專家 Jay Hooper 表示，猴痘不具備像 COVID-19 在人與人之間的高度傳染力，而且與猴痘極為類似的天花早已有治療方法（研究證實天花疫苗對於猴痘同樣具有約 85% 的保護力），所以暫時不需要太過擔心。

猴痘症狀表現有哪些？

據 WHO 表示，猴痘的潛伏期（從感染病毒到出現症狀的時間間隔）約為 6 至 16 天，自發病到痊癒約需要二至四週。猴痘與 COVID-19 的症狀都類似流感，像是發燒、頭痛、畏寒、出汗、肌肉痠痛等，但是猴痘通常也伴隨淋巴結腫大，進而在頭部和四肢產生皮膚病灶。發燒後一至三天進入皮疹期，一般來說先從臉部出疹，再逐漸擴散到其他身體部位。皮疹的型態從斑丘疹（底部扁平的病變）、小水皰（充滿液體的小皰）轉變為膿皰，約十天後結痂，二至三週後完全消失。

一般來說，猴痘患者在沒有接受特別治療的情況下，可以在數週內自行痊癒。值得慶幸的是，猴痘的致死率並不算高——根據 WHO 資料顯示，約為 3% 至 6%。另外，猴痘感染者因為有皮膚病變的情形，症狀較不易被忽略；要是感染後多為無症狀的話，那可就真的難以追蹤了。

COVID-19與猴痘的差異——傳播方式

從傳播方式來看，其實猴痘並沒有 COVID-19 這麼強的感染力。COVID-19 的傳染途徑是經由空氣傳播的氣溶膠。氣溶膠微粒的大小介於 5 至 10 微米，超過 10 微米就會因重力作用沉降在物體表面，例如帶原者咳嗽，排出夾帶微量病毒的唾液微粒，懸浮在空氣之中。氣溶膠雖然夾帶的單一病毒量較飛沫傳播來的少，但是可傳播的距離較長，且病毒在微粒中又能存活一定的時間；如處在密閉空間內，滯留的氣溶膠又大幅提升了人們將病毒吸入和接觸感染的風險。

猴痘則是經由體液接觸傳染，通常是直接接觸到帶原者的體液而感染。猴痘屬於人畜共通傳染病，傳染途徑包括接觸受感染動物的血液、體液、黏膜和皮膚傷口，或是食用感染動物未完全煮熟的肉。另外，如遭到感染動物咬傷或抓傷，同樣也有可能感染。人傳人的方式則透過近距離接觸感染者體液，使猴痘病毒經由呼吸道、黏膜和皮膚傷口進入人體。

COVID-19 與猴痘的差異——基因組態

另外，COVID-19 新冠病毒以及猴痘病毒，在基因組態上也有差異，以下先簡單介紹 DNA 病毒以及 RNA 病毒。

COVID-19 新冠病毒屬於 RNA 病毒，因為 RNA 病毒沒有自我修正錯誤的機制，病毒存活時間也相對較短，所以有較高的突變率。當變異發生的機率提高，就有機會產生適應環境的有利變異，對病毒來說是一大優勢，但對於宿主來說就是壞消息了。這也是流感病毒在短時間內就能出現多種變異病毒株的原因；同樣的道理，當季有效的流感疫苗，很有可能因病毒突變的關係，在下一季就失去了保護作用。

猴痘與天花則同屬 DNA 病毒，DNA 病毒體積較大，可以儲存較多遺傳密碼。DNA 聚合酶本身具有修復錯誤鹼基的機制，如複製過程中出現錯誤，DNA 聚合酶可以偵測錯誤，並退回原先的步驟重新執行，也因此不太容易產生變異。基於 DNA 病毒的特點，猴痘病毒比較難在一夕之間突變為人傳人的方式。

是否該施打猴痘疫苗？

世界衛生組織於 1980 年正式宣佈天花自地球上根除，並全面停止施打疫苗，使得人們對於天花的免疫力逐漸降低。如今，與天花相近的猴痘病毒現蹤，依照現在的態勢，可以推論感染猴痘的風險也許會增加。為避免猴痘傳播繼續擴散，各國的公共衛生機構都開始執行預防對策，像是維持天花疫苗庫存，以及研究針對猴痘病毒的治療方法等等。

美國疾病管制及預防中心（CDC）表示，目前美國認可的天花疫苗有兩種：ACAM200 以及 JYNNEOS；其中 JYNNEOS 也被核准為能夠有效預防猴痘的疫苗。另外，美國 CDC 也說明，最佳的接種疫苗時機是在個體暴露於猴痘病毒前；若在接觸病毒後四天內接種，仍有機會可以預防一些症狀產生；而在感染後 4 至 14 天才接種疫苗的話，僅能減緩症狀。

美國流行病學家 Andrea McCollum 表示，若是猴痘病毒大規模爆發，應採取環形接種疫苗（ring vaccination）策略，意即針對確診者身邊的接觸者進行接種，以阻斷猴痘病毒的傳播鏈。目前，確診猴痘的案例仍相對少，因此暫時不需要實施超過環形接種層級的防範措施。

結論

根據現有資料來看，如同專家學者們所說，猴痘暫時不會對人類造成太大的威脅。至於疾病爆發的由來和傳染的病因，仍有待流行病學研究和接觸者的追蹤調查結果出爐後，才會有比較詳盡的了解。追本溯源才能更有效地制定後續的對策，防止更大規模的傳播。

1. Max Kozlov. Monkeypox goes global: why scientists are on alert. Nature.
2. 邱劭霽。全球猴痘病例破百，恐成下一波大爆發疾病？傳染途徑、常見症狀、如何治療一次看懂。風傳媒。
3. 張詠晴。猴痘Monkeypox病例攀升，會成為大疫情嗎？誰要小心？。天下雜誌。
4. 萬國華。從COVID-19 談「飛沫」對人體的健康威脅與預防。長庚醫訊，43（6）。
5. Centers for Disease Control and Prevention. Monkeypox and Smallpox Vaccine Guidance.
6. 許紋賓。教你簡單預防，飛沫傳染與氣溶膠傳播。降低新冠肺炎感染機率！。普印通。
7. 衛生福利部。天花疾病介紹。
8. AMBOSS: Medical Knowledge Distilled. Viruses – Part 2: DNA vs. RNA Viruses. YouTube.
9. BBC News。猴痘：我們可能不需要太擔心的10個理由。