《復仇者聯盟4：終菊之戰？》這是讓蟻人能打敗薩諾斯的終極絕招！

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

• 本文轉載自超中二物理宅，原文為〈人體的哪個部位、做哪個動作的時候，速度最快呢？〉

人體的哪個部位做起特定動作時會最快呢？

如果你的回答是「眨眼」，那就錯了，雖然文學上的確是以「一眨眼」、「一瞬間」來形容速度很快或是時間很短暫……但答案是手指。（喂，想到奇怪的方面的人，自己去牆角罰站！）

除了「一眨眼」、「一瞬間」之外，類似的詞還有一個：「一彈指間」。

答案就是「彈指」這個動作。

「彈指」僅耗時0.007秒，比眨眼還快20倍！

科學家發現，拇指跟中指互相卡住的「集氣」時間不算，從中指開始動，到中指打到手掌的拇指指根處，算是一次彈指，歷時只有 7 毫秒，也就是 0.007 秒，而眨一次眼睛的時間是 150 毫秒。也就是說，「一瞬間」的時間比「一彈指」長了 20 倍。

人類從很久以前就會做這個動作，古代經常是樂師或是舞者用來打拍子，維持音樂或舞蹈的節奏。例如一個希臘時代的壺，上面就有牧羊神潘恩一邊跳舞一邊彈指的圖畫。在武俠小說的世界中，「彈指」也是很厲害而且極具魅力的招數，像是古龍的「楚留香」，金庸的「黃藥師」。

近年來最有名的彈指，當然就是「復仇者聯盟」中，一彈就可以消滅全宇宙半數生命的「薩諾斯的彈指」。在 2018 年的「無限之戰」上映時，電影院中坐著一個男人：喬治亞理工學院（Georgia Tech）的 Saad Bhamla 教授。

利用4千fps的高速攝影，探究「彈指動力學」！

回到研究室中的教授，跟研究生討論電影劇情時，發生了爭論，因為教授認為「薩諾斯戴上看起來是金屬材質的無限手套後，摩擦力太小無法彈指」。理由是，在「聚氣」的過程中，拇指與中指之間必須有足夠的摩擦與彈性，才能累積足夠的能量，然後在彈指發動的那一刻（我本來要寫「瞬間」，不過瞬間慢了 20 倍，太久了）把彈力位能釋放出來。金屬材質的話，摩擦力不夠，一下子就滑開了。

於是 Bhamla 教授跟學生就決定對「彈指的動力學」展開研究，他們利用每秒可以拍攝 4082 幅的高速攝影機拍下彈指的連續動作，發現此過程中，中指的運動是以指根為軸的轉動，其「角速度」可以達到每秒 7800 度，一個圓周是 360 度，也就是每秒 22 轉——當然中指不會真的轉圈圈，大約轉 54 度，不到 1/6 圈就被手掌擋住了。

由於從靜止加速到每秒 7800 度、再減速到靜止的整個過程只花了 7 毫秒的時間，瞬間「角加速度」高達 160 萬度每秒平方，實在是非常驚人的數字。

他們也戴上不同材質的指套進行實驗，其中一個是金屬製的「頂針」（裁縫師傅用的指套，用來保護手指不被刺傷，上面有許多小凹槽，也可以用來推針），戴上這個東西後，果然就因為摩擦力不足無法打響彈指。但也不是摩擦力越大越好，乳膠指套因為摩擦力太大，蓄積的能量一下子就被熱能耗散掉了，也快不起來。

所以這個研究的結論是：「薩諾斯你演錯了！無限手套不能用金屬製品啦！」

拍電影要小心，不要被物理學家抓包……

這個研究，於 2021 年 11 月 17 日發表在英國皇家學會的《Journal of the Royal Society Interface》期刊。

附帶一提，雖然「人類的彈指」看起來已經很厲害，不過比起「吸血鬼螞蟻」（Dracula ant）的下顎還差得遠，角速度可以達到每秒 2 億 4 千萬度（每秒 67 萬轉），角加速度更高達 15000 兆度每秒平方，這個數字真是難以想像是生物能做到的動作……

參考資料

• GeorgiaTech. `Oh, snap!’ A record-breaking motion at our fingertips. Retrieved from https://www.eurekalert.org/news-releases/934621
• Acharya, R., Challita, E. J., Ilton, M., & Bhamla, M. S. (2021). The ultrafast snap of a finger is mediated by skin friction. Journal of The Royal Society Interface. doi:10.1098/rsif.2021.0672

——本文含雷，還未看《復仇者聯盟3、4》的讀者請斟酌服用 ——

很多文章已經寫過薩諾斯（Thanos） 在在《復仇者聯盟3》 裡50%宇宙滅絕計劃會碰到的問題（延伸閱讀：《復仇者3》魁隆的救世計劃──哲學家早就想好了）。例如，50%其實並沒有聽起來那麼多，只需要幾代人的時間就能夠恢復。也未考慮到每個既得利益的權力高位都有50%機會變成真空狀態，搶奪權力和資源的行為根本不會因為有半數人被殺而停止，搞不好還會更會加劇。

而在《復仇者聯盟4：終局之戰（ Avengers：Endgame）》 裡，來自過去的薩諾斯看到未來自己的成功，卻了解到宇宙並沒有因而變得更好。他意識到，無論如何，都總會有倖存的人未能接受事實，用盡方法回復原狀。

• 編按：被留下來的人也是好不容易啊，不信請看——留下來的人該怎麼辦？解析《復仇者聯盟4》中超級英雄們倖存後的因應方式

薩諾斯因此改變計劃，決定用無限寶石把全世界宇宙生命連同宇宙本身一起消滅，然後再創造一個新的宇宙，在新宇宙裡創造新生命。他認為這樣做就不會有人反對，大家都會快快樂樂起在新宇宙享受他創造的一切。

喂喂喂，薩諾斯你是嫌夜神月當得不夠好，想試試做真正新世界的神嗎？以下是我們推薦你可以更理性拯救世界的方法。

在自動存檔多重宇宙中，為何要執著自己刪除再另存新檔？

宇宙來自一場大爆炸，從虛無之中誕生。根據多重宇宙論，這過程已經發生無限次；在你讀這行字的時候又再發生了無限次，以後也會發出無限次。前面一句話所說的「已經」、「這時」、「以後」也不太正確，因為時間會連同宇宙本身一起誕生。就好像無限寶石也是宇宙誕生時一起誕生的，在宇宙誕生之前並不存在時間。或者應該說「並不存在『宇宙誕生之前』」。

這樣的話，問題就來了。薩諾斯這樣做，與在另外多重宇宙裡開一個新的宇宙出來，有什麼分別？既然他並不打算「救贖」每個宇宙，那麼他倒不如帶著手套離開原來的宇宙，另外創造一個新的？這就好像玩電動遊戲時另外再多一個新的存檔，根本無需理會舊的存檔的生死啊？

薩諾斯難道是偏執狂，非要刪掉舊的存檔嗎？這樣的話又為什麼不去刪除其餘無限個宇宙呢？或者乾脆把多重宇宙都抹殺掉吧？但這也是不可能的，即使來自個別宇宙的無限寶石有能力抹掉其他宇宙，也不能在虛無中阻止新的宇宙從量子漣漪中誕生。新的宇宙原本就不存在，要怎麼去消滅不存在的東西？

而且，每彈指一次，使用者都會承受極大的傷害，所以比較理性的做法是不用彈指，直接簡單地用空間寶石到其他宇宙裡去，逐個看看生命有否為爭奪資源而互相殘殺。無限個宇宙之間，必定會有一個合薩諾斯心意，因為他希望創造的新宇宙，必然屬於無限個宇宙的其中無限個。

所以，比較能保持身體健康，又不會惹到復仇者聯盟為自己製造麻煩的方法，就是利用六顆無限寶石轉移到其他宇宙，不再理會舊的。也不用傷害身體自己創造，因為他想創造的宇宙本身已經存在於多重宇宙之中！

帶走原本的寶石還能夠減低爭奪的機會，相信復仇者聯盟大多數都會樂意拱手相讓 除了奇異博士之外 。而且在宇宙之間穿梭的旅程上，也能順道收集其他宇宙的無限寶石！還可以把多餘的寶石賣給其他宇宙的薩諾斯，賺取一些旅費。

就算要毀滅世界也不要浪費既有資源啊！

另一方面，也談談資源的問題。且不談為何不利用無限寶石把宇宙中的資源加倍事情就解決了，事實上宇宙原有的資源薩諾斯你也都沒好好利用好嗎！還說什麼資源不足！

首先，最低限度也要把太陽的能量100%完全利用才算環保吧。薩諾斯你都去過矮人國度了，人家工匠都懂得造個罩罩住一顆中子星，有效地提取能量，作為 MCU 裡面智勇雙全的新世界的神，不會不懂吧？這種天文學家稱為「戴森球（Dylan sphere）」的恆星罩，可是地球人都能理解的程度，是一個行星文明進化成為恆星際文明的101程度課程啊。

只要能完全利用一顆恆星放出的能量，就能保障一顆行星上的文明好幾十億年供應的能源了。即使每顆星上都有生命，恆星提供的能量依舊足夠行星上每個人都過著富裕的生活。即使恆星會死亡，那也是幾十億年後的事，到時候只要用寶石把整個行星搬去其他的恆星就可以了。

行星死亡後會變成白矮星、中子星或黑洞，而且仍能持續提供能量。白矮星和中子星的情況與普通行星的戴森球沒有太大分別，只是白矮星和中子星比較細小（分別約為地球和香港大小）和比較熱（亦即提供更多能量）。

黑洞的情況比較有趣。連光也逃不掉的黑洞，竟然也能夠用來提取能量！黑洞的事件視界就是那條不歸路的分隔面，穿過了事件視界的一切都不可能再走出來。神奇的是，在事件視界外面一段距離，光能夠在穩定的「軌道」上環繞黑洞公轉，這軌道叫做光子圈（photon sphere）。如果黑洞會自轉的話（極可能會），在這光子圈與事件視界之前會有一片時空，被黑洞自轉拉扯著，形成叫做動圈（ergosphere）的時空區域。

在動圈裡面，你需要跑得把光更快才能「原地靜止」。所以，如果把一束光沿着動圈自轉的方向發射，其中部份會落入黑洞事件是界之中，另一部份就會被動圈加強強度。只要造一個完全由鏡子造成的戴森球罩住黑洞，再打開少許然後往裡面照射一束光線，光就會自動不斷加強。最後要做的是聰明地定時打開缺口，讓光線跑出來，然後就能利用光線裡變多、變強的能量。不小心的話就會爆炸，不過有無限寶石，隨時能夠復原吧。

總而言之，宇宙裡的資源多得離譜，只視乎薩諾斯懂不懂去利用它。等到最後，連白矮星、中子星、黑洞都蒸發消失，宇宙就會進入所謂的「熱寂（heat death）」，不會再有在任何物理過程發生。到時候才用手套變出更多資源吧！