一直追番一直爽！那些讓人科宅魂大爆發的動漫畫(1)：工作細胞、農大菌物語、Dr.STONE 新石紀

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

對「4，7，10，1」*這個數列很有反應，天菜和本命的厚度永遠沒超過0.1mm，提到血小板你馬上想到的是蘿莉然後才是細胞，認為亞瑟王本來就是女生吧，覺得刀劍和船艦不都是腦公腦婆嗎；搭配你現在正在收看的是泛科學，我們就在此鐵口直斷：你是個科宅吧！（指

科宅不是病，但宅起來要人命。上一集我們談了相當科普向的幾部作品，包含細胞擬人的《工作細胞》、萌化細菌們的《農大菌物語》和用科學在末日後重建文明的《Dr.Stone新石紀》。既然諾貝爾物理學獎與人類探索宇宙有關，那麼這次 先一起放下本來說好要講的涼宮和命運石之門 來個宇宙探索特別篇！

• 延伸閱讀：一直追番一直爽！那些讓人科宅魂大爆發的動漫畫(1)：工作細胞、農大菌物語、Dr.STONE 新石紀

就讓我們從地球出發 透過靈子轉移，前往宇宙和比它更遙遠的地方吧！（指）

前進吧！來去《比宇宙更遙遠的地方》

熟悉日本動漫畫的宅友都知道(?)，女子高中生做什麼都很萌（比如說成立輕音部喝喝下午茶）、不做什麼也很萌（看看隔壁棚的《女高中生的無用日常》），更別說女子高中生要組隊一起去南極了，光想就覺得激萌！

「比宇宙更遙遠的地方——媽媽是這樣稱呼南極的。在這裡，一切都毫無保留，時間也好、生物也好、甚至內心也好。這裡沒有什麼可以保護我們，也沒有地方可以躲藏，所有的羞澀，所有想掩蓋的事，在這裡都會表露無遺。」

《比宇宙更遙遠的地方》為參與製作過《庫洛魔法使》、《魔法少女小圓》、《一拳超人》第一季的動畫公司 MADHOUS 所製作的原創動畫，於2018年1月播映。故事從一位女子高中生希望能去南極尋找自己在南極失蹤的身為觀察隊員的媽媽開始，集結了另外三位分別帶著不同心思的女高中生，跟著許多為了前往南極而各有所犧牲的南極探險隊員們的故事。

作品名稱來源於日本第一位上太空的太空人（2021.7.29編按：而第一位上太空的日本人是秋山豐寬，其職業為新聞工作者）、同時也是日本科學未來館館長的毛利衛，在2007年前往南極昭和基地時所說的話：「只要數分鐘便能抵達宇宙，但抵達昭和基地要花數日的時間，它比宇宙更遙遠。」。到大氣層與太空交界的「卡門線（Kármán line）」距離地面為100公里，而從台北到南極距離則是約12,790公里，不只是比宇宙更遙遠得的地方，還是比宇宙更遙遠很多很多很多的地方啊！

這部作品中有不少提到關於南極的科研調查內容都相當的精準（動畫製作協力名單包含文部科学省、国立極地研究所、海上自衛隊、SHIRASE5002、WNI気象文化創造センター等科研相關單位），比如說動畫中的科學研究船「企鵝饅頭號（ペンギン饅頭）」，其設定便是源於日本現今唯一在役的研究破冰船「白瀨號」，他是日本第四代的南極研究船，於2009年時執行第一次的任務。至今它仍會每年一次往返於日本和南極之間。

如果對於日本的南極科研船有興趣的話，可以參考在知乎上這篇由極地生態學家所寫的文章。

• 是說白瀨號的前輩「宗谷號」現在停在日本台場的船之博物館附近，歡迎去看看它喔！

我們都是《宇宙兄弟》！

第一位上太空的太空人毛利衛的不只說出了南極是《比宇宙更遙遠的地方》，還真實出現在動畫《宇宙兄弟》中！雖說南極的確是比宇宙更遙遠的地方，但要說勇踏前人未至之境，果然還是宇宙賽高啊！

「火箭不走彎路、也不會回頭，它走的是一直線向宇宙延伸的道路。」

《宇宙兄弟》漫畫原作為小山宙哉（這不是筆名，作者的本名真的就有個宙字XD）於2008年在講談社的漫畫雜誌《週刊Morning》開始連載的作品，至2019年8月已出版漫畫36卷。動畫則是從2012年4月開始，一路播到2014年3月，共99集（沒錯，就是這麼彆扭的集數）。

故事描述一個大叔（無誤）南波六太中年失業後，想起小時候和弟弟立下要成為太空人的約定；此時，弟弟日日人則被選為將要登上月球的第一位日本籍太空人。於是從JAXA的太空人選拔開始追著弟弟的腳步要實現成為太空人的南波六太和即將登上月球的日日人，會交織出怎樣的故事呢？

《宇宙兄弟》不只是部很燃很熱血、關於追尋夢想的作品，在故事中所提到的太空人、和單位組織，甚至是JAXA公開徵募太空人候補的流程，都是對應到真實世界實際發生的內容。

當然講到太空計劃一定會提到、你我都很熟悉的美國國家航空暨太空總署（National Aeronautics and Space Administration，NASA）和日本的宇宙航空研究開發機構（Japan Aerospace Exploration Agency，JAXA）。

更有趣的是動畫當中出現的許多現役太空人。有意思的是動畫化之後內容得到JAXA的授權，因此動畫中的太空人與漫畫不同，得以用真名出場。更有幾位太空人不只在動畫都中現身，還有獻聲：包含野口聰一、首位日籍國際太空站站長若田光一，以及在2012年跨宇宙在國際太空站上替《宇宙兄弟》配音的星出彰彥。

故事的開場是JAXA於2026年要派太空人登上月球，目標是建立永久的月球基地，為前進火星做準備。實際上在去年(2018) JAXA也公布要在2030年送人太空人上月球，並建立繞月基地等等，當然計畫可能仍有些變數，但仰望未來，我們也正往《宇宙兄弟》裡瞄準月球、前進火星的未來前進啊。

說到未來，為了替即將到來的2020年東京奧運應援，JAXA和宇宙兄弟也有合作活動喔，由太空人⾦井宣茂為全人類解謎：到底在無重力狀態的宇宙中，啪拉啪拉漫畫（中文為：手翻書）會不會啪拉啪拉呢？（真的是很有意義的問題呢！）

嗯，真的是很有意義的問題呢！讓我們把鏡頭交給國際太空站：

好啦這特別活動有三階段，讓我們一起期待第三階段從宇宙來的應援吧XD

• 活動網頁：特別コラボ企画「宇宙から東京2020エール！」

＿＿＿＿＿＿＿＿＿＿

《比宇宙更遙遠的地方》和《宇宙兄弟》這兩部作品，都在其虛構的故事中交織著許多與現實相關的科學知識，比起硬科普，透過精彩的文本更讓人能感受科學是那麼樣令人感動的存在啊（拭淚）。若你看過它們想說說你的感想、或者有其他推薦的作品，都歡迎跟大家分享！

那我們就一樣有緣再見，無論如何都是命運石之門的選擇囉：）