面對更年期 優雅更美麗

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

本文由 工研院 委託，泛科學企劃執行。

你有沒有想過，是什麼驅動著今日產業的創新與變革？答案就在工研院的「ITRI lab on-line」特色技術系列數位課程中！這是一個與眾不同的學習機會，讓你深入了解並參與到台灣產業創新的核心。

首先，來說說「環構計畫」的緣起。這個計畫是為了配合國家創新產業政策而生，它的目標是建置和維護創新技術與服務平台。這不僅幫助企業開發新產品和服務，推動新興產業和新創公司，還能加速創新技術的產業化，促進企業的轉型升級。為此，工研院不斷擴建新研發場域，涉及各主要技術領域，實驗室分為檢測/認驗證、試量產/試營運、軟體與硬體設施服務等類別。

工研院的目標是推動台灣產業的創新優化與轉型，幫助業界把握新契機，布局自主創新和產業韌性所需的基礎設施。為此，工研院提供「ITRI lab on-line」特色技術系列數位課程，這些免費的線上學習資源將幫助你快速掌握產業新趨勢，增強企業技術升級與轉型的意願。

這系列課程包括三大主題：「永續高值材化」、「智能晶片」和「精準健康」。每個主題都有專門的課程，總共22支數位課程影片，涵蓋從技術原理到應用範圍的各方面知識。這些課程不僅介紹了工研院實驗室的專業技術，也為企業提供了學習和轉型的寶貴資源。想先試看嗎？點這裡看看我們推薦的三堂課吧！

無論你有興趣的是材料檢測與模擬設計、半導體IC設計與檢測技術，還是醫材醫藥產品開發，這些課程都會給你全新的視角和知識。每個課程都是精心設計，旨在幫助企業和個人掌握關鍵技術，並在低碳化與智慧化的時代中保持領先。

現在，只需點擊下方的連結，就能免費加入這個精彩的學習旅程。快來發掘和學習那些塑造當代產業未來的關鍵技術吧！

材料檢測與模擬設計之原理與應用系列學習
半導體IC設計與檢測技術系列學習
解密醫材醫藥產品開發攻略系列學習

【ITRI Lab on-line】系列影片可在工研院產業學院YouTube頻道觀看：點我前往

• 作者／ 照護線上編輯部
• 本文轉載自 Care Online 照護線上《舉水瓶就骨折！停經婦女注意骨密度，及早檢測、積極治療，醫師圖文解說》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「唉呦！我的手腕好痛…」老太太一臉痛苦地說。

「發生什麼事？」醫師問。

「我在家裡舉水瓶做運動，手腕突然一陣劇痛。」老太太瘦小的前臂有些變形。

不出所料，X 光檢查的結果顯示有骨折，而且出現骨密度過低的情況。恩主公醫院社區醫學部暨家庭醫學科主任、中華民國骨質疏鬆症學會理事黃駿豐醫師表示，經常有老人家發生骨折，就醫後才發現骨質疏鬆症，然而骨折一旦發生，就有可能因臥床、減少活動，導致肌力、骨質加速流失。

婦女在停經前有女性賀爾蒙的保護，會抑制蝕骨細胞的活性，黃駿豐醫師解釋，進入更年期後，雌激素減少，蝕骨細胞的活性就會增加，導致骨密度持續流失。

除了停經婦女之外，還有許多原因與骨質疏鬆症有關，包括老年人、體重過輕、缺乏運動、抽菸、喝酒、長期使用類固醇等，另外若有家族病史，例如父母親有髖部骨折的病史，也是骨質疏鬆症高風險族群。

骨質疏鬆症往往沒有明顯症狀，容易被患者忽略，直到發生骨折才接受骨密度檢測。黃駿豐醫師提醒，大家要留意骨質疏鬆症的警訊「駝背、變矮、腰痠背痛」，如果有駝背現象，在靠牆站立時，後腦勺比較不容易碰到牆壁，或是身高比年輕時候變矮 4 公分以上，或經常腰痠背痛，便要盡快就醫檢查，及早發現骨質疏鬆症，才能及早接受治療，預防骨折的發生。

對骨質疏鬆症患者而言，最大的衝擊就是骨折。黃駿豐醫師說，骨鬆性骨折會造成劇烈疼痛、導致行動不便、甚至臥床失能，嚴重影響生活品質，並提高醫療花費。臥床之後也容易造成一些併發症，像是吸入性肺炎、泌尿道感染等，增加死亡風險。根據研究，髖部骨折患者一年內的平均死亡率高達 22%^[1]。

五分鐘躺著測骨鬆，準確又無痛！

檢查骨密度時，建議使用雙能量 X 光吸收儀（DXA）。黃駿豐醫師說，使用不同能量的 X 光照射，能夠測定骨密度，準確度較高。

雙能量 X 光吸收儀，只要平躺便能夠檢測，在無痛的狀況下，大約 5 分鐘便能完成。

完成雙能量 X 光吸收儀檢測後，骨密度檢測報告會標示 T 值（T-Score）。黃駿豐醫師解釋，當 T 值落在 -1 至 -2.5 代表骨量減少，稱為骨質缺乏；當 T 值小於 -2.5 就是骨質疏鬆症；而當 T 值小於 -3 便屬於「極高骨折風險族群」。

若 T 值非常低，並根據 2021 台灣成人骨質疏鬆症防治之共識及指引，符合以下其中一項狀況，像是最近 12 個月內發生骨鬆性骨折、接受骨質疏鬆症藥物治療仍發生骨折、有多發性骨鬆性骨折、服用對骨骼損傷藥物發生骨折（如長期接受類固醇治療）、骨密度 T 值非常低（低於 -3.0）、跌倒風險高或有傷害性跌倒病史的患者、FRAX 骨折風險超高的患者（如主要骨質疏鬆性骨折 >30%，髖關節骨折 >4.5%），便可能為「極高骨折風險患者」，務必要多加留意自身骨骼健康。

骨質疏鬆症保養治療這樣做

骨質持續流失，將使骨折風險升高，而且骨折常在毫無預警的狀況下發生。為了預防骨折，骨質疏鬆症患者務必及早接受治療，改善骨密度。黃駿豐醫師說，建議可以優先使用促進骨質生成的藥物提升骨密度，然後可使用減少骨質流失的藥物來做長期治療。

由於骨質會隨著時間流失，且骨折再度發生的風險高，因此當務之急就是要透過積極治療提升骨密度，切勿任意中斷治療，黃駿豐醫師說，「門診有位女性患者在 60 歲時因為意外骨折，才發現自己有骨質疏鬆症，在手術後開始接受治療，持續了 5、6 年，狀況都很穩定、下背痛也獲得明顯改善。後因疫情沒有回診追蹤，前一陣子就在跌倒後發生手腕骨折，為生活帶來許多不便。」

除了藥物治療之外，骨質疏鬆症患者也要做好日常保養，黃駿豐醫師叮嚀，飲食方面要攝取足夠的鈣質與維生素 D。中華民國骨質疏鬆症學會建議，針對停經後婦女骨質疏鬆症患者，每日建議的鈣質攝取量為至少 1200 毫克。50 歲以上男性之骨質疏鬆症患者，每日建議的鈣質攝取量為至少 1000 毫克。所有骨質疏鬆症患者的每日維生素 D 攝取量為至少 800 國際單位（包含飲食及額外營養補充）。此外，黃駿豐醫師也建議患者戒菸、戒酒，避免加速骨質流失，並和醫師討論適合從事的運動，量力而為。

骨質疏鬆團隊聯合照護更全面

由於骨質疏鬆症患者常會面臨多種問題，而需要各種專科的協助，黃駿豐醫師說，恩主公醫院具有骨鬆性骨折聯合照護中心，整合骨科、家醫科、復健科、神經外科、內分泌科、風濕免疫科等專科醫師，以及護理師、物理治療師、個案管理師等專業，提供患者骨折手術後完整、全面的骨質疏鬆症照護。

在台灣，民眾接受雙能量X光吸收儀（DXA）檢測骨密度的比率偏低，黃駿豐醫師提醒，停經婦女和骨質疏鬆症高風險族群可以主動和醫師討論，透過檢查了解自己的骨密度，假使有骨質疏鬆症，或者是低骨密度的狀況，便要及早介入，預防骨折發生！

1. Downey C, Kelly M, Quinlan JF. Changing trends in the mortality rate at 1-year post hip fracture – a systematic review. World J Orthop. 2019;10(3):166-175. Published 2019 Mar 18. doi:10.5312/wjo.v10.i3.166

• 本衛教訊息由台灣安進協助提供

• 本文轉載自 Care Online 照護線上《舉水瓶就骨折！停經婦女注意骨密度，及早檢測、積極治療，醫師圖文解說》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接