舊問題舊假說的新研究：斑馬的黑白條紋有助降溫嗎？

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

為什麼貓這麼喜歡貓薄荷呢？

原來是貓薄荷裡的荊芥內脂導致貓咪吸了貓心大悅，不住翻滾、流口水、打呼嚕。

但是，貓薄荷不是對所有貓都有用。不到六個月的小貓似乎不會有反應，而且有的貓喜歡，有的貓不喜歡……咦，這還和遺傳有關係嗎？

想要同時驅蚊，又讓貓貓情不自禁饞你身子嗎？那你一定要試試貓薄荷！

荊芥內脂不只會讓貓咪快樂似神仙，也會活化蚊子體內的受體蛋白，接觸到的蚊子會產生搔癢和刺痛感。哈哈小蚊子，你也來嘗嘗癢癢痛痛的痛苦！

給你的貓貓來點刺激的快樂草吧！

延伸閱讀

你是否在清晨看過水珠出現在一些植物的葉片邊緣上？相信不少人都看過，也會以為這是露水（包括我也是！）然而，這些在葉片邊緣整齊排列的水珠其實並非露水。一般露水所形成的水珠排列並不規律，且會鋪滿整個葉面。而這些會整齊地排列在葉片邊緣的水珠，其實是由植物的泌液作用（Guttation）所產生的。過去科學家認為泌液作用就只是植物用來將體內多餘的水排出而已，但新的研究顯示，泌液作用的功能很可能不僅於此¹。

植物如何獲取水分？

要知道泌液作用的成因，我們得先了解植物是怎麼獲取水分的。

植物是由其根部來吸收土壤中的水分，當水進入根後，便能運輸到整株植物中。上述是我們對於植物獲得水分的一般認知，但植物獲得水的整個過程，其實要比我們想的複雜得多。

首先，植物會主動消耗能量，在根部累積高濃度的離子，而這就讓根和土壤之間產生滲透壓，讓水自動流到根內的木質部導管中。由於植物的構造，水在進入導管後便無法再流出根部，因此隨著水不斷地進入根內的導管，就會產生一股將水向上推的壓力，而這就是「根壓」。對於草本植物和矮小的灌木來說，根壓就足以將水向上運送到葉片。但對於高大的木本植物，根壓並不足以將水送到高處的葉片，這就時要靠「蒸散作用」和「毛細作用」來輸送水分。

植物可透過葉片上的氣孔來交換氣體，氣孔同時也讓植物的水分蒸散出去。而這個蒸散作用會形成一股負壓，對導管中的水產生一股吸引力。只要導管內的水柱是連續的，此負壓可以從葉片傳遞到根部，將導管內的水一路由根部向上拉至葉片中。另外由於導管的管徑很細，毛細作用也是使水柱上升的重要因素。毛細作用的來源有兩個，一是水分子與管壁間的附著力；二是水分子本身的表面張力（源於水分子的內聚力）。當水分子被管壁上的極性分子向上吸引而向上流時，水分子本身強大的內聚力會使導管中的水也被往上拉。

對於高大的木本植物來說，蒸散作用是左右植物吸水水分的重要因素。雖然草本植物靠根壓即可輸送水分，但草本植物也會透過蒸散作用調控水分的輸送。另外蒸散作用也是植物用來調控體溫和排除體內多餘水分的方法。

「泌液作用」的成因

講了有關植物獲得水分的方法，那麼泌液作用在植物身上到底扮演什麼樣的功能呢？答案是排除多餘的水分。

前面提到，植物會透過蒸散作用來排除體內多餘的水分，不過植物在夜晚會關閉大部分的氣孔，因此蒸散作用的效率會大幅降低。植物的根部在夜晚仍會不斷地吸收水分，不過正常情況下，夜晚剩餘氣孔所產生的蒸散作用，是足夠將多餘的水排出的。但如果植物是處在土壤水分高，且低溫高濕度的環境下（這種環境下，水分難轉換成水蒸氣），單靠剩餘氣孔所產生的蒸散作用無法將多餘的水排出。於是在這種情況下，植物便會透過泌液作用將多餘的水直接從葉片的泌水孔（hydathode）排出，而這些水就形成我們清晨在葉片邊緣所看到的水珠。

科學家大多認為，泌液作用只是植物將體內多餘的水排出的方法，沒什麼特別。雖然過去也觀察到許多昆蟲會吸食因泌液作用而形成的小水珠，但許多科學家都認為這些昆蟲只是單純在補充水分。但後續的研究發現，葉片的泌水孔和維管束組織是連在一起的。因此有些研究人員就猜測，透過泌液作用排出的水珠，其中可能含有維管束運輸的其它物質，如礦物質、糖和蛋白質等。因此來自西班牙和美國的聯合團隊，就推測泌液作用所產生的水珠，很可能也是昆蟲的食物來源¹。

藍莓泌液，是許多昆蟲們的心頭愛

研究團隊選定的觀察植物是北方高叢藍莓（Vaccinium corymbosum），原因是該藍莓的泌液作用在整個生長期間非常旺盛，不分晝夜都會形成水珠。另外昆蟲們也非常喜歡藍莓的泌液，許多種類的昆蟲都會來飲用，而這就非常方便研究團隊進行觀察。

研究團隊首先分析泌液內的營養成分，他們發現每毫升的泌液中含有約 1.5 克的糖與 4.3 毫克的蛋白質，而藍莓花蜜中的糖含量是每毫升 0.4 克，這顯示泌液的營養價值比花蜜還高（看到這兒，我都想來口藍莓泌液了 ~）

接著研究團隊選定三種常飲用藍莓泌液的昆蟲為觀察與實驗對象：翅果蠅（Drosophila suzukii）、阿爾蚜繭蜂（Aphidius ervi Haliday）與草蛉（Chrysoperla rufilabris）。他們分別給予這三種昆蟲以下的營養液：一般水、糖水、蛋白質水、糖+蛋白質水和藍莓泌液，然後觀察牠們的壽命。結果顯示，飲用藍莓泌液的組別，其壽命和飲用糖水是一樣的。

研究團隊接著讓飲用不同營養液的昆蟲進行交配使其受精產卵，並藉此觀察牠們的產卵量是否會受到影響。結果顯示，喝藍莓泌液的昆蟲其產卵量並沒有受到影響。

綜合以上結果，可以說藍莓泌液堪稱天然營養液，不僅能讓飲用的昆蟲活得好，也能順利產下後代。因此昆蟲要以藍莓泌液做為食物來源，完全沒問題！

養兵自重，藍莓的防敵策略

藍莓泌液做為高營養食品，會吸引很多昆蟲來吃。這就出現一個問題，這種泌液在吸引大量的草食昆蟲來飲用的同時，牠們會不會順便也把藍莓的葉子給吃乾抹淨呢？按照自然界的法則，藍莓如果真那麼傻，早就無法生存了，它們一定有一套反制措施。

研究團隊統計了藍莓泌液吸引到的昆蟲種類。他們發現與去除泌液的藍莓相比，有泌液的藍莓明顯吸引了更多的寄生蜂類和捕食性昆蟲（如草蛉），同時有泌液的藍莓吸引到的草食性昆蟲數量減少了很多。也就說，藍莓通過泌液豢養了一群天敵的天敵，從而達到威攝與保護自己的效果。

另一個有趣的發現是，有泌液的植株上，蚊子的數量明顯下降了。可能是因為有其他捕食性昆蟲的威懾，蚊子們不得不放棄了這種高營養食品，而這或許可以成為一種新型的天然防蚊手段。

過去泌液作用被認為只是植物用來排水的手段，但這個研究告訴我們，泌液作用的功能可遠不只如此。植物也可透過泌液來吸引不同種類的昆蟲，協助保持自己的健康。當然不同植物所產生的泌液成分都不同，未必都有藍莓這種吸引捕食性昆蟲的特性。但這個研究卻開啟了泌液作用的研究新方向，讓其他研究者能去開拓更多可能。

泌液作用在農作物中相當普遍，因此未來或許可以透過人工調控的方式，讓農作物生產的泌液達到更有效的驅蟲功能。另外藍莓泌液本身就有營養成分，或許我們也可以將泌液調整成含有更高營養的成分，這樣在採藍莓的同時也能順便收集這些高營養液。到時候，在享用藍莓的同時，也能順便來一杯藍莓營養液 ~

1. Urbaneja-Bernat P, Tena A, González-Cabrera J, Rodriguez-Saona C. Plant guttation provides nutrient-rich food for insects. Proc Biol Sci. 2020 Sep 30;287(1935):20201080.