尼莫是男生？還是女生？

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

作者／cot｜滔滔 Ocean says 作者，英屬哥倫比亞大學海洋與漁業中心博士生

迪士尼動畫《海底總動員 2：多莉去哪兒》在北美首映的第一天，我跟一群朋友早在一週前就買好了票，浩浩蕩蕩的在充滿小孩的電影院中霸佔了最中間的兩排，就是為了先睹為快這部曾經在大家的童年佔有一席之地的電影，這次又有什麼令人興奮的新故事？

必須說：電影真的是好看的，我在其中數次大笑出聲，下一秒又濕了眼眶。

但是，即使一邊想要壓抑自己看電影時不要犯職業病，一出電影院仍然忍不住要碎碎念一下電影裡「科學不正確」的段落……

SPOILER ALERT：以下會談到電影裡的劇情，還沒看過電影的朋友請斟酌服用。

1. 多莉、馬林和尼莫到底是怎麼從澳洲到加州的？

這趟冒險（失蹤之旅）始於待在尼莫家鄉澳洲大堡礁的多莉，突然想起自己的老家在加州的蒙特利灣（Monterey Bay）。於是，多莉以及尼莫、馬林便大老遠的大堡礁一路跑到加州，尋找多莉的老背老木。

這段漫長旅程在本片一開始只佔了五分鐘，不過沒關係，畢竟這部片又不是「多莉的環球冒險」──但讓人坐立不安的是，片中特別提及她們是與海龜們一起搭乘「加利福里亞洋流」而來的。

等等，從大堡礁到加州，若要搭乘加州洋流到達，必須先經過阿拉斯加吧？！

從上圖可以看到，如果要從大堡礁（澳洲東北部）出發，又要搭上加利福里亞涼流，必須先（不知道怎麼辦到的）穿過赤道，搭上黑潮。接著，等到黑潮在太平洋中央接上太平洋洋流後，到達寒冷的阿拉斯加附近，才能搭上加利福里亞涼流。

不過，不管是小丑魚（尼莫和馬林）還是擬刺尾鯛（多莉），他們最適宜的生存溫度都是攝氏 25-28 度左右，到底是怎麼在寒冷的加利福里亞洋流生存的（最低溫可到攝氏 9 度），真是個謎啊～

2. 鯨鯊「命運」（Destiny）是鯊魚，不是鯨魚

還記得在第一集時，會說「鯨語」的多莉讓自己和尼莫爸爸差點被大翅鯨吞掉的驚險情節嗎？在這集中，終於揭露了為什麼會說「鯨語」了！

原來，多莉的「鯨語」是小時候與她的「管友」：鯨鯊「命運」和小白鯨「利鯨」學的。

但是，鯨鯊是鯊魚不是鯨魚喔！除了一樣都體型大之外，鯨鯊實在跟鯨魚沒什麼關係，人家可是堂堂正正軟骨魚綱的魚類呢！到底為什麼多莉可以跟明明就是鯊魚的命運學「鯨語」咧？

3. 多莉是海水魚，跳進人類的水壺中（淡水）不能活

多莉的追尋父母大作戰中，為了在海洋中心移動到不同的展館，還有後來追尋尼莫和馬林搭上的卡車，必須在不同的水體中移動。

但是，身為海水魚的多莉，一旦掉進淡水裡，可是活不久的。多莉啊，下次跳來跳去之前請先想仔細啊！

4. 多莉目前人工繁殖極困難，大部分水族館中的多莉都還是來自野外

最後一點，也是最想要提醒各位觀眾的一點：多莉很可愛，但是請不要把她帶回家！

從尋找尼莫開始，兩部電影的主旨都在強調「人類不要為了一己之私，將野生動物從野外帶回室內馴養」。第二集中的海洋中心更是標榜他們的主要任務為救傷，並以野放救援成功的海洋生物為目標。

可是，在當年海底總動員第一集造成轟動後，也連帶的造成小丑魚在水族市場大賣，成千上萬隻「尼莫」被從海中帶走（主要從菲律賓和印尼），永遠與他們的家人朋友分開。

比較值得慶幸的是，不久後水族繁殖的進展便跟上需求，現在已經可以買到完全人工繁殖的的小丑魚了。

但，「多莉」還沒這麼幸運！目前擬刺尾鯛幾乎無法人工繁殖（即使有零星成功的案例，但並未達到能供應水族商業需求的程度），所以帶一隻多莉回家，野外就少了一隻多莉……

雖然吐嘈了這麼多，還是很推薦大家去看這部片（只要不要把多莉買回家就好了），畢竟它還是如每一部迪士尼/皮克斯電影一樣，有帶給大人小孩夢想的能力，也談了很多關於親情與面對身心障礙的議題。

不過如果製作單位能再多在意細節上的科學一些，觀眾可能可以更投入吧？（畢竟迪士尼都諮詢了華盛頓大學的一名海洋生物力學家關於裡面生物運動的細節了，為什麼沒有在其他的地方做到 Fact-check，我實在不明白呀……）

本文轉載自滔滔 Ocean says

小丑魚與海葵共生是眾所週知的事實，然而那是小丑魚的父母而不是小丑魚寶寶，在海底總動員電影中，尼莫的產房並不在海葵當中，卻是在大海葵下的一個岩洞之內，難道說小丑魚寶寶就不需要海葵的保護嗎？

關鍵問題在於是海葵的觸手是有毒的，而且毒性對魚特別有效，遇到侵犯者會射出毒針，將其麻醉之後，再用觸手將牠拖入口中，大唁美食一番。成體的小丑魚身體有保護的黏液，因而不會受到海葵的攻擊，反而遇到天敵可以躲入海葵觸手林當中獲得保護；而小丑魚也會驅逐攻擊海葵的其他魚類，清除小海葵身上的異物，讓海葵屋保持健康，稱得上是一位好管家。但是小丑魚並非一出生就可以大喇喇地住進海葵屋，因為剛孵化的小丑魚寶寶是光溜溜的，全身上下都沒有任何保護魚鱗，要等到魚鱗長出來之後，才有機會搬進海葵屋之中；若是在此之前還要強硬進駐海葵屋的話，那就會受到海葵無情的毒針攻擊，嚴重的話，甚至會死於非命，反而成為海葵的美味大餐。

因此當尼莫剛出生的時候，就算不被人類抓走，也是有「屋」歸不得，也不能與父母同住一房，只能在外隨水波四處漂流直到全身魚鱗都長完全了(除了體型較小之外)，其體色體態都與成體相差無幾，才能開始找尋自己喜好的海葵屋。但並不是和海葵房東初次見面一見鍾情，就可以搬進去住，在此之前還要接受海葵無情毒針的鞭打；開始之初小丑魚先是慢慢地接近海葵，一旦受到攻擊之後趕快閃得遠遠的。如此來來回回幾次之後，直到小丑魚身體適應了，開始有了保護身體的黏液，房東海葵漸漸地習慣了小丑魚的存在，釋出善意不再攻擊小丑魚了，此時小丑魚才會大大方方地搬進海葵屋，與海葵一起過著幸福快樂的日子。

如何讓小丑魚接近海葵