今天再來一位暖身人物─天津飯
屬於七龍珠較早期的重點人物
師傅是鶴仙人 本來立志當一位殺手
後來被導向正途
本來認定早期出現的人物都是地球人
但是還是馬上破功啦
從frontal bone可以直接看到他多了一個orbital cavity
且三隻眼睛都是正常運作的 所以有一個canal讓神經血管可以通過
另外為了不要太無聊
這次稍稍加入了muscle
可以看到經典的Sternocleidomastoid muscle 由於這張圖是他比較後期的狀態 所以肌肉已經非常的發達了!
暖身快結束 可能要開始畫鋼鐵人了...:D
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
動物會使用肌肉骨骼系統來進行各種運動，有時是只動身體的一部分，有時則是移動整個身體，讓自己移往其他地方的情況。理所當然的是，動物將自己整個身體移動到其他地方，會比只有動一部分身體需要更多的能量。所以移動時會特別需要注重效率。
動物們在進化過程中獲得各種生活形態，以及適合該生活形態的移動方法。只要看看動物們的走路方式，就能理解這個進化過程。
像山椒魚等兩棲類動物，以及蜥蜴、壁虎等爬蟲類，都是從軀幹伸出四肢來撐起身體，並扭動身軀，一一藉著四肢的支點往前方移動（圖一）。扭動軀體的運動跟魚在游泳時的軀幹動作很類似。兩棲類和爬蟲類是脊椎動物進化過程中最初上陸的動物們，本來就擁有類似魚那樣扭動身軀的身體構造，要善用這種構造在陸地上運動，就演化出了這樣的走路方式吧。
後來兩棲類中有一部分軀幹變短、後肢也變得發達，那就是蛙類（圖二）。長長的後肢可以產生強大的跳躍力。說到彈跳，身體要是扭來扭去的穩定性就不好，要是身體變短，就不會扭來扭去的了。因為獲得了短身軀跟長後肢，使得蛙類可以進行大幅度跳躍。
一部分的爬蟲類（恐龍類）和哺乳類的四肢又更加發達，可以進行多樣化的運動。他們的四肢不只是變長，還跟兩棲類或蜥蜴等爬蟲類不一樣，四肢不是生長在身體兩側，而是下方。往下生長的四肢可以高高舉起軀幹，只要前後擺動四肢就能移動了。
比起移動整個身體，只有四肢動作的效率會比較好。另外，體幹如果可以不激烈動作，身體就可以比較安定，而且更容易控制。結果就能實現高速運動。另外，像鹿或是馬等擅長跑步的動物，牠們的四肢，特別是末端部分會很長（圖三）。腳變長的話，跨一步的距離也就會變長，可以跑得比較快。
本來哺乳類也不是軀幹就保持不動，而是軀幹跟四肢經常一起協調地動作，但是方向跟魚或蜥蜴的橫向運動不同，是身體往腹背方向彎曲再伸直，像是為人熟知的貓科動物跑步時的動作。例如，獵豹跑步時，身體會大大彎曲再伸直，用全身力氣來有力地跳躍並讓步伐加大，創造出陸地上最快生物才有的跑步速度。（圖四）
所有哺乳類雖有程度差別，但似乎都有像這樣身體往腹部方向屈伸的動作。前面所述的馬跟鹿等動物，雖然看起來軀幹動作沒這麼大，但脊骨還是會反覆進行彎曲再伸直的動作。只是活動程度比貓科動物少得多了。
稍微離題一下，從陸地再度回到水中的哺乳類也不例外，海豹或海狗、鯨魚等動物，游泳時的脊椎也是往腹背方向屈伸的。魚類一般是身體往兩側扭動來游泳，所以我們可以說水棲哺乳類的身體往腹背方向屈伸，是因為從腳配置在軀幹下方的哺乳類演化而來，可以說水棲哺乳類才有這樣的特性吧！
——本文摘自《鴿子為什麼要邊走邊搖頭？》，2023 年 8 月，晨星出版，未經同意請勿轉載。
「今天你怎麼看起來無精打采的模樣？」開會的時候，王副問了小奧一句。
「報告王副，我很有精神喔。」小奧連忙換上了笑容，打直身軀，坐得直挺挺的。
你平常的姿勢好嗎？姿勢是我們身體語言的一部分，萬一姿勢不良，很可能就會被視為一個懶骨頭，或是沒有精神活力，很難給人好印象。然而，保持好姿勢，不僅是為了做做樣子，還影響著長期的身體健康。如果你長期姿勢不良，脊椎更容易磨損，神經更容易受到壓迫，引發肩頸與背部的疼痛。各種疼痛會讓你的姿勢更不好，部分肌肉更為緊繃，影響到肌力平衡，進而增加跌倒的風險。
而且，姿勢不良除了影響到肌肉骨骼的狀況，其實也會影響到胸腔和腹腔。當胸腔的空間變化或侷限，呼吸就會受到影響；而腹腔的狀況也影響體內器官的運作，尤其影響到腸胃活動和消化，都會帶來更多的麻煩。
「姿勢」就是你如何擺放你的身體，如何 hold 住你的身體，包含了走路、跑步等「動態姿勢」，也包含坐著、站著、睡覺的「靜態姿勢」。沒錯，即使你現在正進行著網路追劇馬拉松，我們也需要放點心思，注意姿勢。
基本上，好的姿勢就是讓身體重量平均分布於地面或椅子上，而脊椎維持正確自然的弧度，沒有過度前傾或後彎，也沒有往一側傾斜，讓骨架、肌肉、筋膜不緊繃，也不過度伸展。
我們先來看最基本的站姿和坐姿：
練習站姿站直的時候，可以先靠著牆站好，像要量身高那樣。背部打直並維持自然的弧度，下巴微收，肩膀往後，雙手自然垂放，收進肚子，膝蓋打直，注意重量平均分布於兩腳，且不要翹出臀部。
椅子不要太低。良好坐姿通常代表椅子坐到底，維持脊柱自然的彎曲弧度，在背部中段可以用一捲毛巾或買個椅子靠背墊來輔助。雙腳放在地上，膝蓋九十度，最重要就是不要翹腳，要讓臀部平均分配重量。不要坐太久，每個小時要記得變換姿勢、站起來走一走。
開車的時候不要坐太低，讓膝蓋和髖部約在同一個高度。方向盤高度約在胸口，不要在臉的高度。椅背不要往後倒太多，盡量讓身體一樣是坐直的，屁股坐到底。當然，盡量不要長時間開車。
不要太常低頭看手機，日復一日，月復一月反覆看著訊息與閱讀網頁，加諸在頸椎的壓力可是不小，已經是現代人頸椎快速退化的主因了。要有意識地注意自己使用手機時的姿勢，盡量抬頭、挺胸、縮下巴使用。不要低頭使用手機，要把手機拿高，讓手機上方高度約與鼻子同高。坐著的時候要靠著椅背，調整好螢幕高度，減少駝背或低頭的機會。
少穿高跟鞋！穿高跟鞋的時候，會讓背部弧度太過彎曲，容易引發背痛。而且對膝蓋來說，負擔也會比較大。平常還是多穿著舒適，腳底有軟墊的低跟鞋子吧！
不要選擇太軟的床墊，硬一點的反而能讓脊椎維持正常的彎曲弧度。仰睡的話，枕頭不要選太大，低低的就可以。如果要側睡的話，膝蓋稍微彎曲，並在頭部墊個枕頭，才能保持脊椎的自然弧度。
平常多運動，各種運動對姿勢都有幫助，像是多做背部肌群的訓練，姿勢通常會好一些。而多做瑜珈、皮拉提斯、或芭蕾雕塑類型的練習，也是特別讓你會注意自己的動作與姿勢，並有很大一部分會鍛鍊到背肌和核心，讓你在平時都有好姿勢。
每天至少花十分鐘做伸展拉筋，改善肌筋膜和肌肉張力平衡。如果比較沒有時間，可以做帶有有氧運動效果的動態伸展。
如果需要久坐或久站的時候，可以稍微緩慢地動一下脖子，轉向左邊，再轉向右側，反覆做個幾次來舒緩緊繃的頸部肌肉。
持之以恆保持著「維持好姿勢」的概念，多多檢查自己的姿勢，是為了健康很棒的投資。
