蕎麥麵醬汁的演變史：從味噌到關東醬油——《蕎麥麵、鰻魚、天婦羅、壽司：江戶四大美食的誕生》

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

日式高湯的香氣能讓人放鬆身心，促進食慾

高湯中不僅含有鮮味，還隱藏著「香味」的秘密，必須好好傳承下去。

• 費工的高湯香氣

提到日常生活中用水萃取材料香味的作業，應該非萃取高湯莫屬了吧。日本料理會從昆布和柴魚片等乾燥的食材當中，用相對較短的時間去萃取高湯。

萃取高湯的意義不僅只於獲得麩胺酸和肌苷酸等 「鮮味」 而已。高橋拓兒氏＊所撰寫的論文〈從廚師觀點看日本料理的魅力〉 中描述了使用昆布和柴魚片萃取出的「頂級高湯」之香氣的價値。

＊高橋氏的總論當中介紹了「頂級高湯」的三個關鍵要素：

1. 水的硬度為 50 度
2. 自昆布中萃取鮮味成分的溫度和時間
3. 從柴魚片中萃取鮮味成分的溫度和時間

「來自昆布的抹茶、焙茶、鱉甲生薑^[註]、西洋梨、西芹、烤麻糬、桂花香氣」 以及 「來自柴魚片的玉米、棉花糖、瓜果、巧克力、大茴香、肉桂」 這些香氣為第一道高湯帶來了深度以及上等的質感。製作高湯用的昆布和柴魚需要耗費相當多的時間和精力去加工。而正是由於上乘的鮮味和香氣相輔相成，才得以形成高湯的風味。

註：一種生薑料理。新生薑水煮後擠乾水分再用糖水煮至上色，最後加點醋即成。

• 能令人放鬆心神的高湯香氣

近年來有一些針對高湯的研究十分有意思。實驗顯示 「自昆布和柴魚萃取出的香氣可以促進自律神經系統中副交感神經的活動，減少主觀的疲勞感」 。也就是說，有很多聞到日式高湯香氣的人，會感到放鬆且有消除疲勞的效果。＊

＊〈高湯對人類自律神經活動和精神疲勞的影響〉森瀧望等，日本營養和糧食學學會雜誌，第 71 卷，第 3 期（2018 年）

我們已經知道，對高湯的嗜好（偏好）是自童年的飮食習慣所養成的。但由於這個實驗的受試者僅限於日本國內的學生，因此結果可能無法討用於所有人身上。

然而，就思考 「烹飪的香氣」 所帶來的心理價値這方面而言，這仍然是一項有價値的研究。將來在食品領域，可能會越來越重視香氣對精神上的影響。

• 高湯香氣讓人「上癮的感覺」

對人類來說，構成美味的要素主要有下列四種：

1. 生理需求（針對維持身體機能所必需的營養素感受到美味）
2. 飮食文化（來自熟悉的飮食文化和飮食習慣，從對食物產生的安全感中感受到美味）
3. 資訊（從產地及品牌、媒體評價等資訊感受到美味）
4. 大腦的獎勵系統（當慾望得到滿足時，因神經系統帶來愉悅感所感受到的美味，會產生一種上癮的感覺）

在一項使用柴魚高湯的實驗中，發現柴魚高湯是一種很有可能產生 4 （大腦獎勵系統）具高度獎勵感上癮性的食品。＊且如果去除柴魚高湯的「香氣」，就不會產生上癮的感覺。柴魚高湯的「香氣」以及鮮味，是為人類帶來高度滿足感和強烈美味快感時不可或缺的要素。全世界現在已認可了低脂美味的日本料理的價値，而做為日本料理基底的高湯，其滋味以及 「香氣」 當中隱藏著許多秘密。

＊〈探究高湯的美味〉山崎英惠，化學與教育第 63 卷，第 2 期（2015 年）

紅茶和煎茶為何有著不同香氣？

主要是由於製造方法的差異。不同的發酵過程會產生不同的香味。

優質茶的魅力當然在於其豐富的香氣。我們從山茶科山茶屬植物「茶」的葉子中可萃取出各式各樣的香氣分子並享受其香氣。靜岡的煎茶帶有淸新的靑草香氣，印度大吉嶺紅茶帶有濃郁的果香。就算全都統稱為 「茶」，所帶有的香氣也是形形色色，種類相當廣泛。而為何茶的香氣會有所不同呢？

• 發酵過程產生不同香氣

第一個因素是製造方法的差異。當然，因茶樹品種、產地和茶葉收穫時間點的不同，香氣也會有所不同。然而，製造過程中的「發酵」程序對茶葉香氣變化的影響是最大的。

雖說是發酵，但並非是釀造酒或醋時的微生物發酵。＊製茶的發酵，是原本茶葉中所含的兒茶素被氧化酶的作用氧化，導致顏色和香氣產生變化的過程。

＊普洱茶等「後發酵茶」是先經過和綠茶一樣的殺菁、揉捻處理後，再進行微生物發酵去產生獨特的香氣。

• 煎茶的香氣

煎茶（綠茶）為 「不發酵茶」，紅茶為「全發酵茶」。在製造煎茶（不發酵茶）時，一開始會先加熱茶葉，使茶葉喪失酵素活性，以防止發酵。因此可保留新鮮茶葉所帶有的淸香。煎茶中含有被稱為「綠葉揮發物」（見 P37）的「葉醇」、具有海苔般的香氣的「二甲硫醚」、聞起來像堇菜的「β－香堇酮」等成分。

• 紅茶的香氣

另一方面，紅茶（全發酵茶）在採摘後會經過萎凋並充分揉捻，使其完全發酵。在發酵過程中會累積兒茶素氧化物去氧化其他成分，產生多種香氣分子。胺基酸會因史特烈卡降解生成新的香氣分子，例如聞起來像風信子花香的「苯乙醛」、像玫瑰花香的「香葉醇」、像鈴蘭花香的「芳樟醇」等成分，創造出繁複且強烈的茶葉香氣。

水的硬度對香氣的影響

為了充分萃取出茶葉的香味泡出美味的茶，必須特別留意水的硬度。

硬度是表示水中礦物質（鎂離子或鈣離子）含量的值。由於其他物質很容易溶解於水中，因此除了藥局賣的蒸餾水外，河水、湖水、自來水和井水都會含有礦物質。硬度小於 120 為軟水，超過則為硬水。日本國內大多數區域的自來水皆屬於軟水，硬度在 60～70 度左右。

一般來說，關東地區的水往往比關西的水硬度來得高。水的硬度越高，就越難萃取出茶的味道和香氣，因此不建議用屬於硬水的礦泉水去泡茶。

將新鮮的自來水徹底煮沸，使氯揮發後再去沖泡茶葉。

——本文摘自《飲食的香氣科學：從香味產生的原理、萃取到食譜應用，認識讓料理更美味的關鍵香氣與風味搭配》，2022 年 8 月，麥浩斯，未經同意請勿轉載。

• 作者／飯野亮一；譯者／陳令嫻

天婦羅的普及白蘿蔔泥有功

「酥脆油炸天婦羅，佐以現磨蘿蔔泥，去油解膩滋味好，黃金搭配組合佳。」（《柳》一五一，天保九年，1838）

如同川柳所示，攤販會一邊炸天婦羅，一邊磨白蘿蔔。當時的人飲食清淡，不太吃野味和油類。油膩的天婦羅對於當時的人而言，是非常奇特的食物。天婦羅攤為了方便客人吃完天婦羅清嘴巴，於是提供白蘿蔔泥。天婦羅之所以能普及，白蘿蔔泥功不可沒。

人情本《閑情末摘花》初編（天保十年）中描述了一對從事「門付」工作¹的母女結束了一天的工作，回家路上去攤子買了天婦羅當晚餐的配菜，請老闆用竹殼包起來帶回家。女兒一到家便用燒洗澡水的火爐點火煮茶，要母親吃天婦羅（圖 1）。

阿里（女兒的名字）：「媽媽，茶滾了，吃飯吧！唉呀！天婦羅店是怎麼一回事？居然沒附白蘿蔔泥。我去一趟大馬路上的蔬果行。」

母親：「不用準備白蘿蔔泥了，什麼都不用準備。」當母親說著蔬果行老闆已經睡了時，阿里跑了出去，把蔬果行老闆叫醒，買來斷掉的白蘿蔔，向隔壁的老婆婆借來磨山葵的磨泥器磨白蘿蔔，對母親說：「吃吧！淋上白蘿蔔泥不知道該有多好吃……」。

天婦羅攤會送白蘿蔔泥給外帶的客人，這次卻忘了。女兒特意叫醒蔬果行老闆，借來磨泥器磨白蘿蔔，對母親說「淋上白蘿蔔泥不知道該有多好吃」，要母親吃天婦羅。

天婦羅與白蘿蔔泥：江戶人的日常好滋味

江戶時代的人情本是描繪庶民戀愛故事的小說，插圖經常描繪廚房風景。格局類似現代雅房的大雜院長屋所附的廚房儘管狹窄，卻也一定會畫上磨泥器（圖 2）。這是家家戶戶必備的烹飪工具，這家母女卻窮到連磨泥器都沒有，還得要女兒去借來磨白蘿蔔。這段場景不僅藉由天婦羅表達女兒的貼心，還代表天婦羅要好吃就是必須配白蘿蔔泥。天婦羅配白蘿蔔泥的點子傳承到現在的日式漢堡等食物。

站在攤子前吃天婦羅時，拿起串在竹籤上的天婦羅沾醬汁，搭配白蘿蔔泥是江戶人的吃法。

另外，如同故事所示，當時的江戶居民經常外帶天婦羅回家。江戶人在家附近的天婦羅店買來剛炸好的天婦羅，當作三餐的配菜或是下酒菜。

註解：

1. 在住家商店門口表演才藝換取金錢的藝人。

——本文摘自《蕎麥麵、鰻魚、天婦羅、壽司：江戶四大美食的誕生》，2019 年 11 月，台灣商務