Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

蜜蜂與農藥的戰爭──歐盟禁用新菸鹼藥物的始末

科學月刊_96
・2019/08/15 ・4116字 ・閱讀時間約 8 分鐘 ・SR值 544 ・八年級

  • 文/林宇軒│是個從學術象牙塔逃離的化學系所學生,比起做實驗,更愛分享科學故事,寫科普就是希望能和大家一起領略科學的力與美。

2018 年 4 月 27 日,歐盟認定新菸鹼類 (Neonicotinoid) 藥物對蜜蜂有害,決議禁止含有益達胺(imidacloprid)、賽速安 (thiamethoxam) 或可尼丁 (clothianidin0) 三種新菸鹼類農藥產品用於露天環境,一場持續超過 20 年的研究論戰才終於落幕。

bee pollination on sunflower
穿梭在花田中的蜜蜂/圖片來源:Unsplash

新藥有問題?!第一個「蜂」向球

要說起蜜蜂與農藥的戰爭,得把時間拉回到 1994 年的夏天。那時,風和日麗的法國田園,成片向日葵一如往常地隨風搖擺。在晴朗的天空下,綿延不絕的向日葵田間,偶有幾隻蜜蜂穿梭其中,牠們時而翩翩飛舞,時而駐足停留在向日葵上採蜜,並帶回自己所屬的巢穴供女王蜂與幼蟲食用。

不過仔細一看,這些蜜蜂似乎不太正常,他們只會在同一個定點飛來飛去,而沒有辦法朝下一朵花移動或飛回自己的蜂巢。不只野蜂不回自己的蜂窩,就連人類馴養的蜜蜂也出現這樣的現象,蜂農紛紛發現自家蜂窩裡工蜂的數量越來越少。

蜂農將矛頭指向這一株株的向日葵,他們認為都是因為蜜蜂從向日葵的花蕊上採粉、採蜜,才讓蜜蜂「迷航」、造成蜂農們損失慘重,並懷疑包裹葵花籽的披衣 (seed coating) 材料中含有一種會影響蜜蜂的物質。這項行之有年、為保護種子並供其營養的「種子披衣技術」,會在 1994 年才開始出現問題,是因為法國在這一年剛好核准了一種可添加在葵花籽披衣材料裡的新農藥,這個新核准的農藥正是屬於新菸鹼類分子的「益達胺」。

全世界最受歡迎的殺蟲劑──新菸鹼藥物

新菸鹼類分子並非 1990 年代才突然出現的,自 1970 年代起,就有不同的新菸鹼分子前驅物陸續被合成出來,而科學家們也發現了這些分子具有殺蟲的效果,如黃色貝殼商標的殼牌 (Shell) 公司,他們就在 1970 年代推出這類專利殺蟲劑,但是這個農藥的分子照光後卻會分解掉,使得英雄無用武之地、無法進行商業化產製賣給農夫使用。

-----廣告,請繼續往下閱讀-----

一時的失意,並不代表尋找更高效殺蟲劑的旅程就此結束。1985 年,化學巨擘拜耳 (Bayer) 公司利用 10 年前殼牌公司的失敗產品做出第一個合成出來的新菸鹼類分子益達胺,比起之前各家廠商合成的各種前驅物分子穩定又有效。此後,拜耳公司將益達胺製成農藥,於 1991 年將產品推出上市,很快就在全球瘋狂熱賣。

其他公司當然不會讓拜耳專美於前,在益達胺上市幾年後,同為全球市佔率數一數二的農藥生產商先正達(Syngenta)也推出了新的新菸鹼農藥產品,這個新產品內含的新菸鹼分子是賽速安,也是一種殺蟲不手軟的分子。面對競爭對手的攻勢,拜耳公司繼續推出其他如可尼丁等產品,後來也相當熱銷。

這次歐盟所禁用的新菸鹼農藥正是這三者:拜耳的益達胺、可尼丁,以及先正達的賽速安。令人驚訝的是,由於它們殺死害蟲的效果實在太好,以至於在 2007 年,這三種分子和其他的新菸鹼分子農藥,在全球就有高達 25% 的市佔率總和。

探尋新菸鹼類農藥與蜂群減少的關係

讓我們回到 1994 年法國工蜂迷航的事件,當時蜂農發起的輿論持續得沸沸揚揚,這波民怨導致 1999 年法國禁止益達胺用於種子披衣技術中,不過當時並沒有任何科學證據可以佐證「益達胺是造成蜂群減少的元凶」,也就是說這項政策完全只是預防性措施。

-----廣告,請繼續往下閱讀-----

為了解事情的真相,科學家著手研究益達胺與蜜蜂迷航之間的關聯。新菸鹼類農藥會殺死蜜蜂嗎?什麼樣的濃度會影響到蜜蜂正常的行為?而新菸鹼類的農藥影響蜜蜂行為的原理又是什麼?

科學家發現餵食高劑量新菸鹼藥物的蜜蜂 (Honeybee, Apis mellifera) 的確會死亡,但即使將劑量降低到不會讓蜜蜂死掉的程度,蜜蜂的行為仍然不正常,許多蜜蜂在接受該類藥物後會改變進食習慣,離巢覓食也變得較不頻繁,但只要每次出去、就會待上更長的時間。此外,也有研究發現該類藥物會影響蜜蜂的記憶和學習能力,使牠們辨識花朵的能力變差,甚至完全無法學會辨認他們所需要去覓食的花朵。

研究人員也找到了昆蟲會被新菸鹼類藥物影響的可能原因,由於新菸鹼類分子的高水溶性,因此能隨毛細現象散佈到植物體內各處,當昆蟲吃了植物的某個部位後,也一併吃進了新菸鹼類分子。當這些分子進到昆蟲體內後,便會和昆蟲神經系統的尼古丁乙醯膽鹼受體 (nicotinic acetylcholine receptor, nAChRs) 結合。一般來說,原本用來傳導神經電訊號的乙醯膽鹼分子和受體結合後,會刺激接收端的神經細胞繼續傳遞電訊號,直到乙醯膽鹼酯分解酶將它分解掉為止。然而新菸鹼類分子結合到昆蟲的受體上以後,卻無法被分解酶處理掉,反而一直卡在受體上,使得神經細胞不斷放電,造成昆蟲的神經系統過度興奮,最終導致昆蟲癱瘓、死亡。

這些對昆蟲來說相當致命的毒物,對我們人類卻沒有太大的影響。其實人體的神經細胞上也有這種接收神經傳導物質的受體,只不過昆蟲的受體和脊椎動物的蛋白質結構不同。新菸鹼藥物之所以不會對脊椎動物有太大的影響,是因為其與脊椎動物的受體結合力較弱,相對地容易從脊椎動物的受體上分離,當然也不會造成神經細胞過度興奮。

-----廣告,請繼續往下閱讀-----
新菸鹼類藥物的作用模式/圖片來源:Bio Ninja

隨著新菸鹼類農藥造成危害的證據越來越多,歐洲食品安全管理局 (European Food Safety Authority, EFSA)統整諸多研究,並在 2013 年陸續公布幾項風險評估報告,報告指出這三種新菸鹼類農藥對蜜蜂的健康造成很高的風險。雖然當時沒有取得多數會員國的共識,但歐盟基於保護蜜蜂的立場,仍決定在 2013 年 12 月 1 日起「暫時限制」這三種農藥的使用範圍,只要是會吸引蜜蜂的植物、穀類以及其種子、土壤和葉面的處理等都不得使用。

不過,針對歐盟的暫時禁令,民間仍有許多不同的聲音。批評者認為此時為止的所有研究,沒有一個算是真正的野外調查,全都是實驗室裡的測試,只有少數幾項研究是「模擬」野外環境,但他們也質疑研究者怎麼知道餵了含有農藥的花粉,農藥的劑量就真的是跟野外環境相符合?

遺失的最後一塊拼圖──野外蜂群的大規模調查

一直到 2015 年 4 月,終於有了第一個確確實實的野外調查研究,。瑞典南部隆德大學的倫德洛芙(Maj Rundlöf)率領她的研究團隊親自種了 16 塊油菜花田,其中 8 塊種了含有可尼丁農藥的種子,另外 8 塊用的則不含農藥,每塊地彼此間隔 4 公里以上。他們統計了每塊地方圓 2 公里內區域的野蜂密度、獨居性壁蜂 (Mason Bee, Osmia bicornis) 的築巢活動性以及熊蜂 (Bumblebee,  Bombus terrestris)蜂巢的重量,發現有使用可尼丁農藥的田附近,野蜂密度較低、壁蜂築巢量下降,且熊蜂蜂巢重量成長得較為緩慢,也因此證實了新菸鹼藥物的確會干擾野生蜂群的活動。

File:Bombus terrestris queen - Tilia cordata - Keila.jpg
熊蜂/圖片來源:Wikipedia
File:Male red mason bee (Osmia bicornis), Sandy, Bedfordshire (8694209006).jpg
壁蜂/圖片來源:Wikipedia

論文發表後,多家大型企業的發言人發表聲明,認為這篇研究的證據並不足以支持倫德洛芙的論點。他們注意到論文中也發現一般蜜蜂的蜂群並沒有因為可尼丁而受到影響,並認為在「區域內野蜂密度」這個項目所統計到的野蜂數量過少,不具統計上意義,根本不能當作證據。

-----廣告,請繼續往下閱讀-----

雖然這項研究有些微瑕疵,卻也讓質疑新菸鹼藥物的聲浪越來越大。為了解決這個證據支持性的問題,拜耳與先正達兩家公司決定挹注 300 萬美金(折合台幣 9 千萬),讓英國的生態與水文學中心(Center of Ecology & Hydrology, CEH)進行更大規模的野外研究。研究人員選定了英國 12 處、德國 9 處與匈牙利 12 處,共 33 塊油菜花田進行實驗,每塊油菜花田彼此距離 3.2 公里以上,在冬天的時候預先種下含有可尼丁、賽速安或是不含新菸鹼農藥的種子,並等到油菜花開花後,將一般蜜蜂與熊蜂的巢以及壁蜂搭配人為提供的築巢材料放到試驗田中央,等待 1~2 週後統計分析所受到的影響。

沒想到,最終實驗結果竟讓拜爾與先正達公司跌破眼鏡,根本可以說是自打臉。2017 年這項大規模研究發表在《Science》上,研究人員認為整體來說新菸鹼藥物對三種蜂類的確造成了負面影響,結果顯示英國與匈牙利農藥使用區的蜜蜂巢中的工蜂數量減少,在匈牙利更觀察到蜂卵數量降低,不過在德國農藥使用區的蜜蜂蜂巢卻匪夷所思地產生了更多蜂卵,而工蜂數量則沒有明顯變化。另一方面,野蜂的部分,發現農藥使用區的熊蜂女王蜂產卵量在三個國家都是呈現負相關,也就是農藥殘留量越高,產量越低;而農藥使用區的壁蜂製造的蜂房數量也不分國家都呈現負相關,農藥殘留量越高,壁蜂製作蜂房的數量與效率越差。

從播種到蜜蜂相繼迷航、死亡,這些殺蟲劑是如何對蜜蜂產生作用的?/圖片來源:科學月刊提供

不斷翻轉的結局

不過,拜耳和先正達兩家公司的發言人在論文發布記者會的當下,透過記者抨擊研究結論非常令人懷疑,他們緊咬著論文數據的的可信度不放,儘管如此,大量的統計分析結果的確受到許多科學家的認可,一位拜耳公司的科學家對此字斟句酌地表示:「我認為新菸鹼藥物的確是對蜜蜂有些本質上的影響,不過就實際情況而言,正確使用的話,我們還是沒看到任何有效證據可以說明這些藥物會傷害蜜蜂。」

2018 年 2 月,歐洲食品安全局再度統整近年研究,並正式宣告新菸鹼藥物危害蜂群證據明確,歐盟委員會最終在 2018 年 4 月 27 日決議,要在 2018 年底全面禁止戶外使用新菸鹼農藥,但居家環境仍可使用,以免繼續傷害蜂群。

-----廣告,請繼續往下閱讀-----

持續了超過 20 年的研究論戰到此暫告一段落,不過仍有科學家對禁令表示憂心,因為禁用可能造成害蟲增加、導致農業產量下滑,甚至可能有農民為了要殺蟲而用了更毒的藥物,造成更可怕的環境問題。只是,新菸鹼農藥繼續用下去,也有機會讓蜂群崩潰,讓蜜蜂大量減少,或許這樣才是更加慘烈的,因為寂靜的春天可能會連作物都無法順利成熟結果。歐盟的決定的確影響了世界各國決定新菸鹼藥物的去留,但究竟禁用了之後結果如何,也只有時間能告訴我們答案。

在接觸過新菸鹼類藥物後,個體乃至群體的死亡可能「蜂」擁而至。/圖片來源:科學月刊提供

延伸閱讀

  1. Cressey D., The bitter battle over the world’s most popular insecticides,  Nature, Vol. 551, pp. 156-158, 2017.
  2. Butler D., EU expected to vote on pesticide ban after major scientific review,  Nature, Vol. 555, pp. 150-151, 2018.

〈本文轉載自《科學月刊》2018年 7月號 583期〉

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3741 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。