Loading [MathJax]/extensions/tex2jax.js

0

2
0

文字

分享

0
2
0

2019《Science》年度十大科學大事

吼猴
・2019/12/31 ・5547字 ・閱讀時間約 11 分鐘 ・SR值 579 ・九年級

2019 年抵達尾聲,每每科學技術的突破與新研究的產生,都讓我們更了解這個世界,也使我們的生活產生巨大的變化。在迎接 2020 之際,照慣例,讓我們一起看看《Science》為今年選出的科學年度大事有哪些?而究竟今年最重大的科學突破是什麼呢?

丹尼索瓦人的長相公開

圖片來源:Science (MAAYAN HAREL)

丹尼索瓦人 (Denisovan) 為 萬年前一支滅絕的人屬,與著名的尼安德塔人 (Neanderthals) 以及現代人曾存在於同時期。過去從其他人種的 DNA 中,可以發現到丹尼索瓦人血緣的蹤跡,證實了這支族群曾廣佈亞洲大陸。但形態部分的資訊一直不足,科學家一直難以得知其長相。

今年 (2019) 九月,科學家透過西伯利亞所發現的丹尼索瓦小女孩遺骸,從小指中的 DNA 之表觀遺傳學資料,配合基因資料庫中對基因表現的認知,重建了丹尼索瓦人的面貌。而研究重建得出的長相,在後續的研究中與已證實屬於丹尼索瓦人的下顎化石進行比對後,發現預測模型與結果近乎完美的相符,顯示本次重建結果的可信度相當高。

延伸閱讀:沒有化石,也能用表觀遺傳學重建丹尼索瓦人的長相?

-----廣告,請繼續往下閱讀-----

Google: 量子霸權已經達標!IBM: 這個嘛…

圖片來源:Google

今年 (2019) 10月,Google 宣告他們研發的量子電腦已可解決一般電腦無法解開的難題,進入了新的里程碑「量子霸權」(Quantum supremacy)。傳統電腦以二位元運作,進行資料編譯、傳輸或儲存;然而量子電腦的量子位元 (qubit) 為「0」、「1」或「同時為 和 1」,能在面對問題時藉由量子波的晃動,使錯誤的解決方案因互相干擾而抵消,最終呈現正確的解決方法。這項設計使量子電腦面對龐大運算時會更快速得出正確的解答,擁有破解當前網路安全協議 (security protocols) 的計算能力。

Google 的研究人員表示,本次發表的量子電腦利用超導金屬製成了具微小路徑的 53 量子位元晶片,在 200 秒內就解決用以測試的抽象問題,相比於傳統電腦計算需耗費萬年成效驚人。對手 IBM 對 Google 的宣稱表示了懷疑,認為現行的超級電腦若以正確的演算法應能在兩天內解決該問題。

成熟的量子計算需使量子位元有自我校正的能力,但當前該技術仍尚未完成。再者,量子計算機設備的擴張更具挑戰。儘管 Google 的成就備受讚揚,應用量子計算時代要真正來臨,可能仍需數十年的研究與努力。

延伸閱讀:量子電腦為何比傳統電腦強大?量子運算的發展又有哪些挑戰呢?

-----廣告,請繼續往下閱讀-----

以腸道細菌戰勝營養不良

圖片來源:INTERNATIONAL CENTRE FOR DIARRHOEAL DISEASE RESEARCH, BANGLADESH

依國際衛生組織 (WHO) 的統計,每年約有 35% 的兒童死於營養缺乏。這項資訊除了暗示人類世界中資源不均的問題外,實際上還存在著某種醫療處境:有些營養缺乏的兒童即使獲得救助並攝取到足夠的食物後,仍無法有效改善營養不良造成的病痛,甚至依舊發育遲緩。

經過十年的研究,研究人員發現此情況與腸胃道菌相不成熟有關。標準的援助食物主要以奶粉和大米補充營養,但缺乏使關鍵腸道菌生長的成分。今年一款低成本、主要材料為鷹嘴豆、香蕉、大豆和花生粉的營養補充品被研發推出,以促進腸道菌相的生長、並改善後續的營養吸收。

目前小規模的臨床試驗中,確認之前研究認定的 15 種重要菌種有良好的反應;且孩童的血檢也驗出出更高的血蛋白及體內代謝物數值,顯示這些孩童的身體狀況獲得改善。這些孩童後續將被長期追蹤,若結果理想,將相關的配方推廣至醫院之外,其影響範圍預計會十分深遠。

隕石撞地球,到底會怎樣?生物大滅絕之謎取得線索

圖片來源:DETLEV VAN RAVENSWAAY/SCIENCE SOURCE

宇宙力量何其大,世界末日的電影題材中「隕石撞地球」已成為一個常見的套路,然而事實是人類一直未能還原過去這種浩劫的情景與事件發生的經過。那些滅絕的生物何時死亡、如何死亡,以及後續生態復甦的情況又是如何?一切都在科學家從墨西哥尤卡坦半島(YucatánPeninsula)提取出沉積物岩芯 (sediment core),配以美國挖出的豐富化石,才終能一窺六千六百萬年前的災難修羅場。

-----廣告,請繼續往下閱讀-----

從現已沉於尤加坦海岸 (Yucatán coast)希克蘇魯伯隕石坑 (Cráter de Chicxulub),科學家鑽取了長 835 米的岩芯,重建隕石撞擊時的地表狀況:撞擊引起地震,地震引起海嘯並席捲地表生物。從岩芯中含硫物種的所剩無幾,可以推估遭撞擊的地表當時所有物質都被蒸發,並可能導致全球急速冷卻與黑暗。

但從美國科羅拉多州採集到的花粉、植物化石、動物骨骼等遺跡,可知生態復甦速度也頗快。該隕石撞擊事件標示了白堊紀的終結以及古近紀的開始,蕨類和小型哺乳動物倖存。該地棕梠樹在隕石撞擊後的 1000 年內就取代了蕨類的地位、在 30 萬年內則由核桃類植物成為強勢物種。哺乳動物的體型與多樣性於 10 萬年間增長兩倍,甚至部分體重可達 50 公斤。

海洋生態在 萬年內恢復運轉,但因撞擊造成的海洋酸化減少 50%海底有機質,而抑制了海洋生物的生長近百萬年。

延伸閱讀:恐龍輓歌—壓垮白堊紀末生物生存的最後一根稻草

-----廣告,請繼續往下閱讀-----

新視野號成功拍到古伯帶天體 Arrokoth

圖片來源:NASA/ROMAN TKACHENKO

NASA 耗資 億美元的「新視野號」 (New Horizons) 探測太空船於成功探測了天體 2014 MU69 的資料,成為人類史上探測過最遠的星體。這個小行星位於海王星外的古柏帶 (Kuiper belt),一個距離地球 66億公里遠,預估長達 36公里寬的物體。原本被暱稱為 Ultima Thule(中文可譯為「天涯海角」或「終極遠境」),因為用字上有爭議(與納粹有關),而後正式被命名為 “Arrokoth” ,源自美國原住民波瓦坦語 (Powhatan)與阿爾岡昆語 (Algonquian) 的字彙,意指「天空」。

Arrokoth 外觀猶如雪人,由兩個球狀天體接合形成。大球約為小球體積的三倍大。依科學家推論,這兩個球狀天體應是各自形成後,才又碰撞接合再一起。

延伸閱讀:終極之遠,新視野號在古柏帶探測星體

真核生物身世之謎被解開了?

圖片來源:IMACHI AND NOBU ET AL.

真核生物的起源一直是科學家爭論不休的問題。而就在 2019 年,日本一支研究團隊歷經過 12 年的努力,對真核生物的起源取得了一個重大的線索。這支研究團隊從深海沉積物中培育出了微生物 Prometheoarchaeum syntrophicum strain MK-D1,這是種最近被認可為阿斯加德微生物群 (Asgard) 的古細菌。

-----廣告,請繼續往下閱讀-----

其基因體定序的結果顯示,有部分基因片段是過去科學家以為只有真核生物中才會發現的。經 DNA 分析後,科學家推論,阿斯加德微生物群或其遠古親戚很可能與真核生物的起源有關,意味著生物分類學的三域說(古細菌、細菌、真核生物)有可能併作兩域,真核生物成為古細菌域底下的分支,古細菌域與細菌域唯二併立。這大膽的推論目前證據尚嫌不足,還有待更多證據出現。

能醫治多數囊狀纖維化患者的藥物終於出現!

圖片來源:FANGYU LIU/JAMES LEE/ROCKEFELLER UNIVERSITY

今年 10 月,罕見遺傳性疾病:囊狀纖維化 (cystic fibrosis, CF) 的治療藥物 Trikafta 終於通過驗證進入臨床療程。囊狀纖維化是由於第7對染色體長臂上 CFRT (cystic fibrosis transmembrane conductance regulator) 基因的缺陷造成的基因突變造成的遺傳性疾病,會造成呼吸道、胰臟、腸胃道、汗腺等外分泌腺體器官的功能異常,患者的平均壽命 40 歲。囊狀纖維化依種族而有不同程度的發病率,由於歐美種族帶因者較高,北歐裔白人發病率最高達 1/3,200,而亞裔帶因者比率較少,發病率僅有 1/31,000

新藥 Trikafta 結合多種針對不同 CFTR 蛋白缺陷的藥品,適用於高達 90% 的患者,將囊狀纖維化轉為能受控制的慢性病。但現今 Trikafta 藥品成本所費不貲,一年標價超過 30 萬美元,且需要終身服用;批准使用的年齡段(需大於12 歲)也有所限制,另外尚有 10% 的病患不適用該療程,皆是需要持續研究的方向。

伊波拉病毒感染者的一線希望

圖片來源:BAZ RATNER/REUTERS

從 1976 年起肆虐全球至今的伊波拉病毒,長久以來都缺乏有效的治療藥物,而今終於出現了一線曙光。今年 (2019) 確認 mAb114 REGN-EB3 兩種抗體藥物在早期治療的情況下,可大幅降低致死率。

-----廣告,請繼續往下閱讀-----

這兩種藥物分別取自於 1996 年倖存者身上分離出來的抗體,以及由模擬人類免疫系統的小鼠所產生的三種抗體的其中一種。科學家於試驗中比較四種藥物,發現使用其他兩種藥物僅有約 50%的存活率,而接受該兩種藥物的患者有超過七成的存活率。

自與伊波拉相遇,人類終於出現了有效的療程。本次發現的藥物效果顯著,提高了患者的生存機會,但在疫情第一線抵抗伊波拉,還需鼓勵畏懼檢測的人們及早尋求治療,以有效抵抗伊波拉。

延伸閱讀:伊波拉不再是不治之症?兩種抗體藥物取得一線曙光

人工智慧終於也征服了多人卡牌遊戲?

圖片來源:JASON SOLO/THE JACKY WINTER GROUP

人工智慧(Artificial intelligence, AI)於目前最受歡迎的撲克遊戲:無限注德州撲克 (Texas hold’em)中首次擊敗了世界頂級玩家,意味著 AI 已能攻克玩家無法獲得完整資訊的多人遊戲。AI 在遊戲領域稱霸看來也只是時間問題,2007 年起已經有 AI 程式在西洋棋中攻無不克;而 2016 年 AlphaGo 更是打敗了圍棋的頂尖棋手。

-----廣告,請繼續往下閱讀-----

德州撲克由於無法確知其他玩家擁有的手牌,被視為比棋盤遊戲更嚴峻複雜的遊戲。2019 年 月,來自賓夕法尼亞州匹茲堡卡內基梅隆大學 (Carnegie Mellon University in Pittsburgh) 的團隊宣告他們製造的 AIPluribus,成功在多人遊戲中擊敗了世界一流的玩家。

Pluribus 的玩法在雙人與多人對戰時略有不同,在雙人對戰時著重尋求「不輸」的途徑,即使用納什均衡 (Nash equilibrium) 的策略,保證了對手平均而言會變得更糟,除非他們也使用完全相同的策略。但在牌局中有數名玩家的情況下,則難以確保這樣的策略奏效,因此 Pluribus 只是尋求在已知情況下最有效的玩法。

延伸閱讀:AlphaGo成為「棋靈王」是有多厲害?人工智慧未來又要怎麼走?

 

最後揭示今年度今年科學年度突破大事,Science 票選的科學大事的第一名:就是於 2019 年 月 10 日晚間公布來自於 M87 星系的黑洞相片啦!

終於看到你!人類幫黑洞拍的第一張照片

你看到地獄大門了嗎?
圖片來源:EHT COLLABORATION/CC 4.0

巨大的黑洞無所不在、無處不有,然而過去人類僅能藉著黑洞的引力與周圍物體互動意識到它的存在,沒有辦法直接看見黑洞本身。直到今年四月,事件視界望遠鏡 (Event Horizon Telescope, EHT) 團隊發布了一張驚人的黑洞 「像」圖:照片中,一個黑色的中心被光圈環繞。

目睹黑洞影像的當下,身作黑洞攝像團隊成員的海諾·法爾克 (Heino Falcke) 表示自己宛如「看著地獄的大門」。 EHT 為結合世界各地的研究團隊,於各地使用電波望眼鏡觀測共同目標:M87 星系黑洞的電波波段其中特別鎖定毫米波),來增進其解析力。這張黑洞照相驗證了廣義相對論,與許多科學家數十年來的研究成果。

延伸閱讀:

本文編譯自 〈2019 BREAKTHROUGH of the YEAR 

-----廣告,請繼續往下閱讀-----
文章難易度
吼猴
5 篇文章 ・ 0 位粉絲
臺大農業化學系出生。什麼都想嘗試,什麼都想創造。 但最深沈的渴望莫過於將生活的喜悅與驚奇分享給眾人,無論是狗狗貓貓的萌照、曲折離奇的故事,又或是總能帶給人新奇有趣的科學冷知識。 決意以溫柔真誠的言語將這個世界的驚奇,分享給想知道的人們。

0

1
0

文字

分享

0
1
0
ECU: 汽車大腦的演化與挑戰
鳥苷三磷酸 (PanSci Promo)_96
・2025/07/02 ・3793字 ・閱讀時間約 7 分鐘

本文與 威力暘電子 合作,泛科學企劃執行。

想像一下,當你每天啟動汽車時,啟動的不再只是一台車,而是一百台電腦同步運作。但如果這些「電腦」突然集體當機,後果會有多嚴重?方向盤可能瞬間失靈,安全氣囊無法啟動,整台車就像失控的高科技廢鐵。這樣的「系統崩潰」風險並非誇張劇情,而是真實存在於你我日常的駕駛過程中。

今天,我們將深入探討汽車電子系統「逆天改運」的科學奧秘。究竟,汽車的「大腦」—電子控制單元(ECU),是如何從單一功能,暴增至上百個獨立系統?而全球頂尖的工程師們,又為何正傾盡全力,試圖將這些複雜的系統「砍掉重練」、整合優化?

第一顆「汽車大腦」的誕生

時間回到 1980 年代,當時的汽車工程師們面臨一項重要任務:如何把汽油引擎的每一滴燃油都壓榨出最大動力?「省油即省錢」是放諸四海皆準的道理。他們發現,關鍵其實潛藏在一個微小到幾乎難以察覺的瞬間:火星塞的點火時機,也就是「點火正時」。

如果能把點火的精準度控制在「兩毫秒」以內,這大約是你眨眼時間的百分之一到千分之一!引擎效率就能提升整整一成!這不僅意味著車子開起來更順暢,還能直接省下一成的油耗。那麼,要如何跨過這道門檻?答案就是:「電腦」的加入!

-----廣告,請繼續往下閱讀-----

工程師們引入了「微控制器」(Microcontroller),你可以把它想像成一顆專注於特定任務的迷你電腦晶片。它能即時讀取引擎轉速、進氣壓力、油門深度、甚至異常爆震等各種感測器的訊號。透過內建的演算法,在千分之一秒、甚至微秒等級的時間內,精準計算出最佳的點火角度,並立刻執行。

從此,引擎的性能表現大躍進,油耗也更漂亮。這正是汽車電子控制單元(ECU)的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)。

汽車電子控制單元的始祖—專門負責點火的「引擎控制單元」(Engine Control Unit)/ 圖片來源:shutterstock

ECU 的失控暴增與甜蜜的負荷

第一顆 ECU 的成功,在 1980 年代後期點燃了工程師們的想像:「這 ECU 這麼好用,其他地方是不是也能用?」於是,ECU 的應用範圍不再僅限於點火,燃油噴射量、怠速穩定性、變速箱換檔平順度、ABS 防鎖死煞車,甚至安全氣囊的引爆時機……各種功能都交給專屬的 ECU 負責 。

然而,問題來了:這麼多「小電腦」,它們之間該如何有效溝通?

-----廣告,請繼續往下閱讀-----

為了解決這個問題,1986 年,德國的博世(Bosch)公司推出了一項劃時代的發明:控制器區域網路(CAN Bus)。你可以將它想像成一條專為 ECU 打造的「神經網路」。各個 ECU 只需連接到這條共用的線路上,就能將訊息「廣播」給其他單元。

更重要的是,CAN Bus 還具備「優先通行」機制。例如,煞車指令或安全氣囊引爆訊號這類攸關人命的重要訊息,絕對能搶先通過,避免因資訊堵塞而延誤。儘管 CAN Bus 解決了 ECU 之間的溝通問題,但每顆 ECU 依然需要獨立的電源線、接地線,並連接各種感測器和致動器。結果就是,一輛汽車的電線總長度可能達到 2 到 4 公里,總重量更高達 50 到 60 公斤,等同於憑空多載了一位乘客的重量。

另一方面,大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。更別提這些密密麻麻的線束,簡直是設計師和維修技師的惡夢。要檢修這些電子故障,無疑讓人一個頭兩個大。

大量的 ECU 與錯綜複雜的線路,也讓「電子故障」開始頻繁登上汽車召回原因的榜首。/圖片來源:shutterstock

汽車電子革命:從「百腦亂舞」到集中治理

到了2010年代,汽車電子架構迎來一場大改革,「分區架構(Zonal Architecture)」搭配「中央高效能運算(HPC)」逐漸成為主流。簡單來說,這就像在車內建立「地方政府+中央政府」的管理系統。

-----廣告,請繼續往下閱讀-----

可以想像,整輛車被劃分為幾個大型區域,像是車頭、車尾、車身兩側與駕駛艙,就像數個「大都會」。每個區域控制單元(ZCU)就像「市政府」,負責收集該區所有的感測器訊號、初步處理與整合,並直接驅動該區的馬達、燈光等致動器。區域先自理,就不必大小事都等中央拍板。

而「中央政府」則由車用高效能運算平台(HPC)擔任,統籌負責更複雜的運算任務,例如先進駕駛輔助系統(ADAS)所需的環境感知、物體辨識,或是車載娛樂系統、導航功能,甚至是未來自動駕駛的決策,通通交由車輛正中央的這顆「超級大腦」執行。

乘著這波汽車電子架構的轉型浪潮中, 2008 年成立的台灣本土企業威力暘電子,便精準地切入了這個趨勢,致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台。他們專精於開發電子排檔、多功能方向盤等各式汽車電子控制模組。為了確保各部件之間的溝通順暢,威力暘提供的解決方案,就像是將好幾個「分區管理員」的職責,甚至一部分「超級大腦」的功能,都整合到一個更強大的硬體平台上。

這些模組不僅擁有強大的晶片運算能力,可同時支援 ADAS 與車載娛樂,還能兼容多種通訊協定,大幅簡化車內網路架構。如此一來,車廠在追求輕量化和高效率的同時,也能顧及穩定性與安全性。

-----廣告,請繼續往下閱讀-----
2008 年威力暘電子致力於開發整合 ECU 與區域控制器(Domain Controller)功能的模組化平台 /圖片來源:shutterstock

萬無一失的「汽車大腦」:威力暘的四大策略

然而,「做出來」與「做好」之間,還是有差別。要如何確保這顆集結所有功能的「汽車大腦」不出錯?具體來說,威力暘電子憑藉以下四大策略,築起其產品的可靠性與安全性:

  1. AUTOSAR : 導入開放且標準化的汽車軟體架構 AUTOSAR。分為應用層、運行環境層(RTE)和基礎軟體層(BSW)。就像在玩「樂高積木」,ECU 開發者能靈活組合模組,專注在核心功能開發,從根本上提升軟體的穩定性和可靠性。
  2. V-Model 開發流程:這是一種強調嚴謹、能在早期發現錯誤的軟體開發流程。就像打勾 V 字形般,左側從上而下逐步執行,右側則由下而上層層檢驗,確保每個階段的安全要求都確實落實。
  3. 基於模型的設計 MBD(Model-Based Design) 威力暘的工程師們會利用 MatLab®/Simulink® 等工具,把整個 ECU 要控制的系統(如煞車),用數學模型搭建起來,然後在虛擬環境中進行大量的模擬和測試。這等於在實體 ECU 誕生前,就能在「數位雙生」世界中反覆演練、預先排除設計缺陷,,並驗證安全機制是否有效。
  4. Automotive SPICE (ASPICE) : ASPICE 是國際公認的汽車軟體「品質管理系統」,它不直接評估最終 ECU 產品本身的安全性,而是深入檢視團隊在軟體開發的「整個過程」,也就是「方法論」和「管理紀律」是否夠成熟、夠系統化,並只根據數據來評估品質。

既然 ECU 掌管了整輛車的運作,其能否正常運作,自然被視為最優先項目。為此,威力暘嚴格遵循汽車業中一本堪稱「安全聖經」的國際標準:ISO 26262。這套國際標準可視為一本針對汽車電子電氣系統(特別是 ECU)的「超嚴格品管手冊」和「開發流程指南」,從概念、設計、測試到生產和報廢,都詳細規範了每個安全要求和驗證方法,唯一目標就是把任何潛在風險降到最低

有了上述這四項策略,威力暘確保其產品從設計、生產到交付都符合嚴苛的安全標準,才能通過 ISO 26262 的嚴格檢驗。

然而,ECU 的演進並未就此停下腳步。當ECU 的數量開始精簡,「大腦」變得更集中、更強大後,汽車產業又迎來了新一波革命:「軟體定義汽車」(Software-Defined Vehicle, SDV)。

-----廣告,請繼續往下閱讀-----

軟體定義汽車 SDV:你的愛車也能「升級」!

未來的汽車,會越來越像你手中的智慧型手機。過去,車輛功能在出廠時幾乎就「定終身」,想升級?多半只能換車。但在軟體定義汽車(SDV)時代,汽車將搖身一變成為具備強大運算能力與高速網路連線的「行動伺服器」,能夠「二次覺醒」、不斷升級。透過 OTA(Over-the-Air)技術,車廠能像推送 App 更新一樣,遠端傳送新功能、性能優化或安全修補包到你的車上。

不過,這種美好願景也將帶來全新的挑戰:資安風險。當汽車連上網路,就等於向駭客敞開潛在的攻擊入口。如果車上的 ECU 或雲端伺服器被駭,輕則個資外洩,重則車輛被遠端鎖定或惡意操控。為了打造安全的 SDV,業界必須遵循像 ISO 21434 這樣的車用資安標準。

威力暘電子運用前面提到的四大核心策略,確保自家產品能符合從 ISO 26262 到 ISO 21434 的國際認證。從品質管理、軟體開發流程,到安全認證,這些努力,讓威力暘的模組擁有最高的網路與功能安全。他們的產品不僅展現「台灣智造」的彈性與創新,也擁有與國際大廠比肩的「車規級可靠度」。憑藉這些實力,威力暘已成功打進日本 YAMAHA、Toyota,以及歐美 ZF、Autoliv 等全球一線供應鏈,更成為 DENSO 在台灣少數核准的控制模組夥伴,以商用車熱系統專案成功打入日系核心供應鏈,並自 2025 年起與 DENSO 共同展開平台化量產,驗證其流程與品質。

毫無疑問,未來車輛將有更多運作交由電腦與 AI 判斷,交由電腦判斷,比交由人類駕駛還要安全的那一天,離我們不遠了。而人類的角色,將從操作者轉為監督者,負責在故障或斷網時擔任最後的保險。透過科技讓車子更聰明、更安全,人類甘願當一個「最弱兵器」,其實也不錯!

-----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。

0

2
0

文字

分享

0
2
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-----

討論功能關閉中。

0

1
0

文字

分享

0
1
0
從 MiniLED 到 QLED:量子點技術如何改寫螢幕的未來?
PanSci_96
・2024/11/17 ・2235字 ・閱讀時間約 4 分鐘

量子點:從顯示技術到量子計算的革命

顯示面板的技術一直在進步,從最早的液晶顯示(LCD),到日益火熱的 MiniLED,再到正在被熱烈研發中的 MicroLED。隨著像素越來越小,螢幕畫質的進步讓人驚嘆不已。然而,現在有一項技術,它並非透過縮小像素來提升畫質,而是以更純淨的顏色帶來視覺上的革命—那就是「量子點技術」(Quantum Dot)。

量子點技術不僅為我們的螢幕帶來更好的顏色,甚至還有可能在量子電腦的未來發展中扮演重要角色。究竟這些小到幾奈米的半導體晶體是如何改變我們的世界?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

什麼是量子點?

量子點是一種半導體奈米晶體,其直徑僅為幾奈米大小,也就是僅包含數百到數萬個原子。在這麼小的尺寸下,量子力學的奇妙特性開始影響顆粒的物理性質。這些量子點能夠吸收特定波長的光,並根據自身大小發射出頻寬極窄的單色光。這也意味著,透過控制量子點的大小,我們可以精確地調整它所發出的顏色。

這項技術在顯示領域中得到了應用,稱為量子點顯示技術(QLED)。QLED 螢幕通常使用藍光 LED 作為背光源,再經由塗有量子點的薄膜來產生鮮艷的紅光和綠光,以此混合出更飽和的色彩,並提供更廣的色域。此外,由於減少了傳統彩色濾光片的使用,QLED 螢幕也更為省電且光效更高。

-----廣告,請繼續往下閱讀-----

MiniLED 與 MicroLED 的比較

要了解量子點技術的優勢,我們首先需要認識當前的顯示技術:MiniLED 與 MicroLED。

MiniLED 雖然名字聽起來和 MicroLED 相似,但它們的工作原理和應用有所不同。MiniLED 屬於有背光結構的面板,主要用於電腦和電視螢幕市場。它的顯色能力優秀,且通過調整背光區域的亮度,可以產生高對比度的畫面,甚至能呈現比傳統 LCD 更黑的黑色。

相比之下,MicroLED 則是無背光的技術,利用紅、綠、藍三種顏色的小燈泡直接發光,這些燈泡小到可以嵌入每個像素中。因此,MicroLED 的螢幕結構更薄,並能減少顏色劣化問題。然而,由於技術難度高,MicroLED 目前仍處於開發階段。

量子點的顯色技術有多特別?

傳統的顯示技術中,無論是 LCD、MiniLED 還是 OLED,它們的色彩顯示都需要依賴彩色濾光片來混合光源。而量子點技術則不然。量子點可以根據顆粒的大小發射出精確且純淨的單色光,其顏色純度遠超傳統濾光片。

-----廣告,請繼續往下閱讀-----

量子點的神奇之處在於,同一種材料可以隨著顆粒尺寸的變化而發射出不同的顏色。這意味著我們只需要製造出不同大小的量子點,就可以得到紅、綠、藍三原色的高純度光源,進而混合出更加鮮豔的色彩。這種「大小決定顏色」的現象,正是量子力學中能階與顆粒大小之間微妙關係的體現。

量子點技術憑顆粒大小精準發光,色彩純度遠勝傳統濾光片。圖/envato

量子力學與量子點的關聯

量子點的顏色之所以能隨顆粒大小改變,是因為量子點內部的電子受到能階的限制。在半導體材料中,電子的能量可以分佈在幾個不同的能階上,當電子從高能階回到低能階時,會以光的形式釋放出多餘的能量。而量子點的尺寸越小,電子能佔據的能階也越少,因此當電子釋放能量時,會放出更高能量的光子,這也導致了更短波長的光,比如藍光。

諾貝爾化學獎與量子點的製備技術

早在幾千年前,工匠們就已經能透過加入不同的金屬粉末來製作出不同顏色的玻璃,但他們並不知道背後的原理。直到 1980 年代,科學家們才發現,這些顏色變化與量子效應有關。2023 年的諾貝爾化學獎,正是授予了對量子點研究做出重要貢獻的三位科學家(分別為巴汶帝 ( Moungi G. Bawendi )、布魯斯 ( Louis E. Brus ) 和艾吉莫夫 ( Alexei I. Ekimov )),他們開發的技術讓量子點的製造變得更加容易且精確。

其中,蒙吉·巴文迪(Moungi Bawendi)開發的製程可以在溶液中精確控制量子點的大小,這使得量子點的性質與應用變得更加穩定且可預測,從而加速了量子點在顯示技術和其他領域的商業化應用。

-----廣告,請繼續往下閱讀-----

量子點在量子電腦中的應用

量子點的應用並不僅限於顯示技術。由於它們能夠透過改變大小來調控各種物理特性,因此又被稱為「人工原子」。這使得量子點在量子電腦中也有巨大的潛力,特別是在儲存與處理量子位元資訊方面。

量子電腦與傳統電腦不同,其運算依賴量子位元,而量子位元可以同時處於多個狀態。要讓量子位元的狀態穩定且能長時間儲存,是量子電腦硬體設計的一大挑戰。量子點因其特殊的能階特性,有望成為量子電腦中儲存量子位元的理想材料。

量子點技術的未來

量子點技術的出現,不僅改變了我們對顯示面板的認知,也為量子計算領域帶來了新希望。隨著技術的進一步成熟,量子點在顯示技術之外,還有可能應用在更多的高科技領域,如光學感測、生物醫學標記等。

如果你對量子點的應用充滿好奇,不妨繼續關注相關的技術發展。也許有一天,這些微小的「人工原子」會成為推動科技變革的核心力量,為我們的生活帶來更多的驚喜和便利。

-----廣告,請繼續往下閱讀-----

歡迎訂閱 Pansci Youtube 頻道 鎖定每一個科學大事件!

-----廣告,請繼續往下閱讀-----

討論功能關閉中。