知識型網紅崛起，哪些人才算是「知識份子」？

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 LIS情境科學教材

他是胡子 Huzi，是台灣少數以實驗型內容為主的 YouTube 創作者，更被網友戲稱爆炸系創作者，也許你會很意外，這位胡搞小子在成為百萬訂閱 Youtuber 之前曾經是一位老師！

家裡開補習班、大學成績恰恰落在師範、教育大學的胡子，走向教職似乎是老天爺為好人為師的他預備了一條安全且穩定的道路，然而當胡子進入體制內的教育現場，亦或是協助父母經營家裡的補習班，他發現自己沒有辦法專注在喜歡的教學上，更多的時候他需要教的不是小孩而是孩子的家長。

在自我探索的過程中，胡子被 Youtuber 這個職業給吸引，他勇敢的放棄、勇敢的相信，果斷離開碩士學位的最後一哩路，突破舒適圈為自己的選擇拼搏。現在的胡子繼續把「好人為師」的精神放在影片創作裡，藉由數位傳播的影響力，把他相信的教育理念、價值觀加進去，這一回成為創作者，他可以放心胡搞各種被束縛的框架，帶著更多的大小朋友一起胡思亂搞！

胡子的人生故事和教育觀點，邀請你一起往下閱讀>>>

順勢而為成為教育者

Ｑ：胡子是怎麼樣走上教職這條路？

會往教職走完全是順勢而為，我家裡本身其實都是老師，我的爸媽有經營一家補習班，我高中沒有特別愛念書，就念著念著剛好指考分數坐落在教育學院、師範學院，我就想說未來如果可以當個老師，就可以在家裡補習班幫忙，當老師對當時的我而言最安全最穩定的道路。

自己也有一點點「好為人師」的特質，在教別人讓別人變好的過程，可以讓我感受到成就感。一個人能因為我而進而改變，會讓我感到高興，覺得當老師這途應該滿適合我的。

不過到了第一線的教學現場，才發現我是喜歡教人，但學校體制的老師除了把學生帶好，還有很多很多很多很多…….繁瑣和我不想處理的事情，比方說跟家長溝通，小的要教，大的也要教，還要處理學校交代的一些意義不明的行政事務，總覺得很多事有更好的做法，但常常不能盡如人意。

後來我的心力主要放在補習班這邊，然而來到補習班的學生，最主要的目的就是要提升課業成績，有一些教學理想又不一定能放在補習教育裡，之前在學校碰到的家長問題也還是存在。

比方我曾經有個學生有注意不足過動症（ADHD），但因為他是長子長孫，全家對他寄予厚望，希望這個孩子未來能當醫生，當時我主要帶他數學和自然科學，從一開始的七八十分，慢慢到平均到九十、九十五分，但家長看到進步只覺得「為什麼都到九十了，還是不能到達一百分」，他的才華不應該往醫生的方向過去，在他讀書的過程中，我可以感受到他是讀得很痛苦。

因為補習班是家裡開的，除了教學我也要處理行政事務，想到未來十年、二十年如果還要過著這樣的生活，我知道自己沒辦法這樣下去，一直以來我都告訴學生要多方嘗試，勇於追求自己的夢想，但到頭來我發現我自己才是那個不滿現狀卻又不敢跨出舒適區的人，於是我在碩三那年毅然退學離開教育研究所、離開教學前線，先去當兵再慢慢思考自己到底該何去何從，後來才在替代役服役期間發現 YouTube 這條路。

試著為自己創造工作

Ｑ：什麼樣動機開始經營 Youtube 頻道 ？

我從研究所退學之後，在替代役服役期間花了大量的時間思考自己的各種可能性，低潮時就看一些雞湯影片來振奮自己，偶然間發現原來經營 YouTube 可以作為一個職業，而且收入可能可以很不錯！ 於是我花了大量的時間研究，本來是因為之前受到很多翻譯的雞湯影片鼓舞，所以想當個翻譯 YouTuber，提升語文能力的同時又可以讓我翻譯的影片發揮影響力，鼓舞更多像我這樣對人生感到徬徨的年輕人。

但後來發現這樣很容易遇到版權問題，而且既然都要花時間了，為何不用來投資自己？於是我轉而朝向當時很喜歡的 Hajime 社長、人生肥宅 x 尊那種快節奏的「開箱＆實驗」路線前進，畢竟這種內容的題材源源不絕而且永遠都會有市場，再者，只要觀眾對我的形象開始產生信任，我也一樣能發揮雞湯影片一般的影響力來改變大家，畢竟就我以前的經驗來說，學生總是在他們最喜歡的老師所教授的那個科目展現出最高的學習熱忱，因此我給自己一年的時間，從零開始學習影像剪輯、社群經營、企劃籌備、等等全新知識，慢慢地走到今天。

人生就是需要勇敢的相信、勇敢的放棄

Ｑ：放棄教職，家人得知胡子當初要成為 Youtuber 的反應？

從小家人都蠻放任我自由發展興趣，但他們可能有發現我並沒有真的發展出什麼興趣，如果不接補習班、不當老師，我也沒有什麼特別能工作謀生的技能，他們就覺得我好好接管家裡的補習班就好，他們也可以退休，我越長越大他們希望我當老師接補習班的期望也越來越強烈和明確。

當我做了從研究所退學的決定，家人一開始得知也很崩潰，說我都已經讀到碩三了，為什麼不咬著牙把論文寫完，當時他們對我要當 Youtuber 的想法是很不能諒解，因為在他們的認識中並沒有這樣的職業，他們會覺得很危險風險很高，也是擔心我拉，全天下的父母都是這樣的！

瘋子的定義，就是重複做一件事情卻期待得到不同的結果

Ｑ：胡子選擇這句科學人宣言的原因？

我覺得科學很多理論定律都可以運用在現實生活中，例如自然科學很強調的是科學的再現性，如果完全重複同樣的動作，理論上都應該要得到同樣的結果。

在日常生活中，如果你想要得到不同樣的結果，但你又不改變你的生活，是不可能會有所改變，比方說想要減肥，但又不運動不改變飲食習慣，想要找理想伴侶，但用同樣的擇偶邏輯，也不改變自己的身心狀況和生活習慣，你永遠都只會找到一樣的人，只是換著不同的名字罷了，所以我覺得這句話放在生活其他地方也都是很好用的。

響應本次「LIS 第二季大科學計劃」，胡子 Huzi 分享給我們的大科學人宣言：
❛❛ 瘋子的定義，就是重複做一件事情卻期待得到不同的結果  ❜❜
——愛因斯坦

胡子分享的科學宣言，恰巧呼應著他的人生抉擇，因為看見體制教育、補習班教育裡的限制，他勇敢的跨出改變，為自己開創新局。科學定理不只能存在科學課本裡，我們也能活在這些道理之中！

邀請您一同成為各行各業中的大科學人，您的捐款將支持「科學公益教材」的穩定開發，一起 支持台灣科學教育，讓孩子從小開始像「科學家一樣思考」，帶著自信長大成為各行各業中「 永保好奇」、「邏輯思辨」的大科學人！

【LIS 大科學計畫 ✦ 第二季】｜暖心上線 ▸▸▸▸▸▸▸
❛ 教育不只是老師的事，這是我們的任務，下一個世代的科學史，現在就得開始寫起！ ❜
募資倒數 30 天，尚缺 60 萬元定期定額製作啟動金
每月 523 小額捐款，支持全台十萬名孩子都期待的科學教材 https://bit.ly/3zPe1br
＃參與募資成為大科學人，＃解鎖泛科學贈送的神祕好禮關注 LIS 最新消息歡迎加入 FB 社團「LIS大科學人製造所」

現代問題要用現代方法解決！Youtube 影音當道，尋求知識與學習新技能的過程，也從文字轉向影音！

台灣最大知識科學媒體「泛科學」創辦人 aka 知識長鄭國威，將開設「知識型創作者的 YouTuber 流量密碼鍊金術！」線上課程，不僅分享自己從文字知識型網站「泛科學」，轉型為知識型 Youtuber 的心路歷程，也手把手教你如何在詭譎多變的影音環境中，找到專業知識與流量的甜蜜點。

立即填寫問卷，預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

你有碰到以下問題嗎？

• 影音時代，純文字內容已無法滿足觀眾快速求知的急切需求。當人們轉向 YouTube 尋求知識、直接學習各種新知與技能，知識工作者如何數位轉型？
• 好知識值得訂閱，真專業必須爆紅，擁有專業知識的你，值得被更多人關注！想踏上創作者之路，該如何起步？專業知識如何輸出成觀眾好懂的內容？
• 你可能看過許多「口語表達」、「自媒體經營」、「影音企劃」相關教學，但卻始終無法系統性整合，有效產出能吸引流量的內容⋯⋯
• 你也可能想過，是因為知識內容共鳴度低？創作腳本不夠有趣？行銷方式不夠吸睛？

其實，最根本的原因 —— 是我們欠缺「知識轉譯」的能力！

知識傳播需要有效轉譯，將知識內化吸收，再輸出成他人易懂的內容。

立即填寫問卷，預約【課程開賣早鳥優惠】與送你【問卷專屬折扣碼】!

• 作者／MK Kong

誰才稱得上知識份子？

大家對「知識分子」都有一些概念與想像。籠統地說，學問高的人就是知識分子。（是嗎？）「知識分子」很多時候是一種正面的評價。我們如此批評討厭的學者︰「那樣的人根本不能夠算是知識分子。」這反映我們對知識分子有一定的期望，或多或少有一些評價準則。

有人會批評一些知識分子把自己關進「象牙塔」，淪為無用於社會之人，但有人亦會批評一些融入或取悅大眾的知識分子淪為知識的廉價販賣者。這些評價反映了人對知識分子有甚麼期許呢？為何某些人稱得上為「知識分子」另一些則不然？有甚麼準則？何謂好與壞的知識分子？反思一下，我們原來可以有完全不同的理想期望與評價準則。

本文旨在發掘與反思不同的「知識分子」理念，並討論當中的標準，試圖整理出三種各有千秋的想法。至於哪種理念才正確，就由看倌定論了。

追求唯一真理，這才是知識份子？

第一種想法，就是知識分子一心追求知識與真理。是其是，非其非，真理當然不應該為其他事而妥協。地球圍繞太陽轉的事實，不會因為教會大發雷霆而變更。政治風暴要求知識分子向權威表忠，智者誓不低頭、直言不諱。如果社會、政府或甚大眾的耳朵容不下真理，那麼知識分子亦不怕曲高和寡、獨排眾議。蘇格拉底與伽利略就是這種知識分子的典範。「蘇格拉底之死」可謂將這種理想貫徹始終。尋找知識與真理的心靈又可會懼怕肉身之死？

那些震撼人心、忠於真理的故事，絕少提到知識分子如何維持生計、與家人的關係如何等問題。世俗功利之事皆為求真路上庸俗與煩瑣的負擔。不過我們卻不需要知道蘇格拉底與伽利略如何維生，仍可以明白這種理想型態大多與絕大部分人無緣。試問有幾多個人願意為自己的理論、文章而遭處死或軟禁終身？這不禁令我想起學生領袖思考將行動升級與否時的反問︰「有誰願意為此付十年牢獄的代價呢？」大概沒幾個吧。若果不願意為真理付出如此之多，那麼，一旦與權威有甚麼衝突，妥協便看似是唯一的出路。今日交通發達、盛行全球化，有本錢的人大多遠走高飛、另謀高就。在蘇格拉底與伽利略的理想人格面前，這些妥協的行為盡是可恥，但對知識分子的有如此苛求會否不太現實？

但是…真理能當飯吃嗎？

當今典型因政治而受苦的知識分子要數劉曉波，但今天知識分子面對的問題大多並非政治風暴。反之，現今真正廣泛關注的問題是生計受威脅，尤其是人文學科這些難以計算其社會功用的科目，投身人文學科者糊口更見困難。

以往知識分子會靠私人資助來維生，古中國有「食客」制度，現代西方的馬克斯亦要多得恩格斯的資助。政府資助的大學廣泛設立時，知識分子得到了前所未有般安穩的容身之所。裡面有聽眾、有同伴、有薪酬、有名銜。然而，每當公共資源緊絀，我們不禁發問︰「為何公共的資金不集中放在科技與醫療的研究直接造福社會呢？為何要社會資助一堆功用不明的學科？」這個詰問，逼使當代的知識分子要證明其社會地位為何重要。

不會有一本書想要證明餐廳的服務值得我們付某個價錢──那是自由市場的事。你覺得不值得便不要再光顧。大家都覺得不值得，餐廳要麼減價，要麼倒閉。可是，大學裡的知識分子的服務供應與社會的需求沒有那麼有效地掛勾。最強而有力的回應是說社會、政府與學生都未必知道自己需要哪些知識、理論與反思。知識分子就如古代的智者一樣，應該扮演指引社群、挑戰社群甚至對抗社群的角色，而非有效地順從社會的需要與欲求。這種反對「教育商品化」的論點正正在訴諸第一種知識分子的純粹理想型態。

可是，又有幾多人真的願意為挑戰社會而不惜受死與監禁？大概沒多少吧。再者，為了證明自己應該得到社會的資助，而將自己比擬成不惜挑戰社會的蘇格拉底與伽利略，當代的知識分子難道不會臉紅嗎？向社會權威妥協一下必定就不好嗎？改變社會不一定要硬碰硬吧。羅馬亦並非一日建成，慢慢循循善誘亦不為過。偶爾擦一擦邊球或者「抽水」也許便足夠吧？

別人有斗內，就能稱為知識份子？

除了依賴官僚審批的公共資源之外，知識分子似乎還可以另覓出路。為何某些人要以淺白通俗的方式來向大眾傳播知識？除了教育與娛樂大眾，無非還是想要尋求大眾的資源來幫助自己續存「知識分子」的生命。不依賴官僚、教會或者少數富人的資助，直接接觸與取得群眾認同然後建立自己的受眾，再賣廣告、演講或者眾籌就是出路了。這當然亦多得當代互聯網的發展。

曾被法西斯囚禁的意大利思想家葛蘭西 (Antonio Gramsci) 在其《獄中筆記》（Prison Notebooks）區分開「知識分子」與「知識分子的社會功能」兩個概念，並認為所有人都是知識分子，只是並非所有人皆發揮知識分子的社會功能。他似乎嫌這個主張不夠「廉價化」知識分子，還進一步說，除了教授、學者在發揮知識分子的功能外，任何試圖取得群眾認同的人皆在發揮知識分子的社會功能。 [1]換言之，政客、企業廣告人、Facebook／Instagram上的網路作者與 KOL 皆扮演社會裡知識分子的角色。

借葛蘭西的說法加以發揮一下：這種看法或許點出了知識分子與社會的權力關係。誰決定誰做知識分子？

人若果要以知識分子的社會身分生活，就必需要說服那些擁有資源的人／團體去「buy」你的知識。如果社會的身分完全由教會決定，那麼伽利略是否知識分子就視乎他的理論能否服務教會，或者至少不與教會的利益有所抵觸。我們後來再重新認同伽利略是知識分子，只不過是我們後來以科學反抗教會作為社會終極權威的結果。決定誰是知識分子的判斷從來都是一場權力遊戲。崇拜過神權之後，我們仰望科學。經歷過戰爭科技的可怕之後，定義知識分子來爭奪話語權的遊戲亦隨之變得更加複雜、多變。

在當代多元文化的世界裡，不同人可以藉擁戴不同的知識分子來鞏固自己的話語權。即使是小眾的群體，團結起來也可以在民主社會內玩這場權力遊戲。Facebook／YouTube／Instagram 並非單純的交友平台，而是當代知識分子的求職平台，你我都是潛在的顧主。在極權的社會，遊戲當然就難玩了，任何政治異見都是企圖推翻政權的外在勢力，但只要小心翼翼不觸動大哥的神經，知識分子還是有遊走空間。

或許你會反對說，知識分子應該使社會變得更加美好，而非純粹替不同的利益團體玩爭權角力的遊戲。要回應這種反駁，便要分析「多元」的意思。在宗教與科學不再壟斷話語權的當代世界，不同人或團體對何謂「美好」有互相衝突的定義。你覺得 A 好，我覺得 not-A 好。因此，不同人自然就會要求不同的知識分子，根據各自偏好的事物來使社會變得更「美好」，衝突於是無可避免。最終衝突如何解決，便要看看社會的制度有多民主有多極權了，但過程始終還是一場權力遊戲。 [2] 最後，哪些是真理或者知識，其實只是一些意識形態（即背後代表着某些利益的信念系統）最終戰勝另一些意識形態的結果。

只要成功獲取資源，誰人都可以扮演知識分子的角色。評價知識分子的「好」與「壞」，只反映到評價者想不想讓某人扮演知識分子的角色而已。看穿不同利益的角力便再沒有誰比誰高。在高舉第一種純粹理念的人眼中，這種觀念將知識分子、知識與真理一併變得「廉價」。[3] 但純粹追求知識的理念是否真的現實可行呢？有誰覺得自己一心為了知識而活？不臉紅嗎？很多當代的知識分子都說自己只在發掘一些新的可能意義，而非發現真理。這或許反映了知識分子已經承認自己對於學問沒有甚麼實在的權威了。

獨善而居、不問世俗的博士生，也算知識份子嗎？

說實話，有幾多熱忱學習的人，並非首先因為要追求滿足自己的好求心與知性欲望，而是首先想到要服務他人？當然，知識是眾多人集體研究所得的成果。即使學者最終只能夠為問題下一些註腳，亦會希望自己的研究能夠有益於後學。然而，習得的學識還是自己的能力與資產。若果研究者真的純粹求真，毫無半點私心的話，不然所有論著文章都匿名發表好了。知識本來就有發展個人能力的面向，不能抹煞。

當代的德性知識論 (virtue epistemology) 主張知識的獨特價值，在於其體現出人有求真的能力。

研究所得的知識與純粹猜對的信念，不同之處就在於前者的成功歸因於人的能力而後者則純屬運氣使然。[4] 即使學者無法覓得真相，亦不表示其學識不足。舉例說，有兩位弓箭手比賽射箭。第一位弓手訓練有素，紮好馬步，盤算過環境因素後發射，可惜箭矢中途遭遇不能預估的雷電打落。第二位弓手不諳箭術，隨意發射卻幸運地正中紅心。我們卻仍然肯定只有第一位弓手稱得上有作為弓手的射箭能力與修為。知識的獨特價值在於智識能力的表現。同樣道理，有沒有做學問的智識能力，亦決定某人能否稱得上為「知識分子」。

即使某人在展現其能力與修為時，沒有在任何意義上貢獻社會（沒有發現真理、沒有挑戰常識、沒有代任何人發聲），似乎只要仍然能夠表現其學養就可以算是知識分子。想像一位學識淵博的人歸隱於深山之中，與世隔絕。他仍然可以是一位了不起的知識分子，只是無法取得社會資源而已。在這種觀念下，知識分子孰好孰壞取決於其學識能力的高低。

但若果他的學識是社會資助而來的結果而且社會需要他，那麼他還可以獨善其身嗎？如此還配得上稱頌嗎？或許，智識能力須要包括將學問經世致用之能力。不過，當代學院所培訓的學識又有幾多能夠活用於世呢？現今學問專門化、學術期刊化，很多研究最終大多對社會無甚用處，甚至可謂與他人了無關係。純粹關注自身能力成長的知識分子，大概是當代研究者的親身經歷。可是，受過高等教育的當代研究者，必定就是知識分子嗎？

無疑我們還可以有更多的「知識分子」的可能觀念與看法。如何取捨、改進或者調和種種觀念還可以有引發更多討論。這裡充其量只算是一個開始，當真是學海無涯。

• 本文轉載自《好青年荼毒室》，原文標題為〈甚麼是知識分子？為何網紅不可以是？〉。

備註

• [1]： Said, Edward.（1994）. Representation of the Intellectual. 頁.3-4.
• [2] ：哲學當然不乏其他理解或者疏解「多元」的進路，但篇幅有限，不宜再在這裡探討了。
• [3] ：若果你對這種知識觀感到很不安，請看 Paul Boghossian 的 Fear of knowledge: Against relativism and constructivism（2007）來解脫。
• [4] ：這裡只是借理論來加以發揮，未能詳解其要處理的知識論問題。有興趣認識相關問題者可參考 Steup、Turri、Sosa 合編的 Contemporary Debates in Epistemology（2013），尤其第六章。