專家眼中的千禧世代：他們真的更擅於應付數位資訊

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

• 文／廖英凱、林希陶

2019 年 11 月中旬，因應選舉的到來，各政黨紛紛提出不分區立委名單，某黨不分區立委名單第一順位，於被提名後針對政策或議題提出部分主張，包括「要求 15 歲以下禁用手機 (兒童眼睛易受傷害，比照先進國家)」¹。

這項主張雖然只有提及禁用手機，而未提到平板、電腦與掌上遊樂器等具有螢幕的數位產品，但國際上確實有一類似政策：

2018 年 9 月起，法國為防止校園霸凌、暴力與色情，以及手機成癮等不良內容，開始禁止 15 歲以下學童在校園內使用手機與平板等數位產品。但身心障礙者的輔助用途、教室與課外活動的教學使用則不受此限。²

「兒童的眼睛較脆弱，易受傷害」是個常見的論述，但限制 15 歲以下的青少兒禁用手機是合理的嗎？難道沒有比起禁用手機更好的使用原則或規範？手機與平板電腦與當代資訊、程式教育息息相關，禁用手機的主張對下一代教育又會產生什麼影響？

兒童醫學的觀點：對幼兒使用數位產品的建議是什麼？

無論是兒童或成人，過量使用數位螢幕或過近距離使用數位螢幕，都會導致近視。惟兒童的視力尚在發展階段，身體器官較為脆弱，勢必要以比成人還嚴格的使用規範予以建議。如：

• 美國小兒科醫學會（AAP）在 1999 年時，呼籲父母不鼓勵讓 2 歲以下幼兒看電視。2011 年時，再次呼籲父母不鼓勵讓 2 歲以下幼兒接觸數位產品。
• 前衛福部部長林奏延醫師總策畫的「華人育兒百科」一書中，竹教大幼教系周育如副教授指出，醫學與教育研究的普遍成果是基於影響視力、影響注意力發展以及排擠運動與人際互動機會等理由，不建議讓幼兒太早或長時間接觸 3C 產品，並建議 3C 產品應偶爾作為娛樂或教育性質的接觸，維持在 30 分鐘為限。

2016 年 11 月，美國小兒科醫學會基於協助家庭平衡數位生活與現實生活之目的，提出兒童從出生到成年的一系列建議與指引，並條列了幾條簡單的原則³：

1. 一歲半以下的嬰幼兒，避免使用視訊聊天以外的螢幕媒體。
2. 一歲半到兩歲的幼兒，若家長想要讓幼兒認識數位媒體，則應選擇高品質的節目。且家長應陪同觀看，以幫助幼兒理解他們所看到的內容。
3. 二歲到五歲的學齡前兒童，每日最多觀看一小時的高品質節目。且家長應陪同觀看，以幫助兒童理解他們所看到的內容，並幫助兒童將所學到的內容運用到真實世界。
4. 六歲以上的兒童至成年，維持一致性的使用時數限制。並確保數位媒體的使用，不會排擠到充足睡眠、體能運動，以及其他維繫健康的必要行為。
5. 在家庭的經營上，制定電子媒體的停用時段，例如吃飯或開車。制定電子媒體的停用空間，例如臥室。
6. 不管在線上或線下都保持尊重他人，持續地與人溝通網路公民義務及網路安全性。

因此，從兒童醫學與教養的觀點來看，五歲以下的兒童，有嚴格限制使用時數的建議，但六歲以上至成年，則並未要求完全阻絕數位產品之使用。且更重要的，應是家長協助選擇優質數位媒體內容、避免時數與內容上的不當使用，並持續投入不仰賴數位媒體的陪伴與互動。

資訊教育的觀點：現代公民應有的數位素養有哪些？

數位媒體不僅止於娛樂用途，將其融入教學亦成為當代教育發展的重點。在眾多數位產品中，手機最為普遍。若 15 歲以下的孩子即禁用手機，對當代資訊教育發展，又會有何衝突呢？

若要回應何謂「先進國家」的做法，不妨借鏡歐盟的規範。歐盟制定了當代公民應有的數位素養（Digital Competence），以利歐盟各國據此設計在學期間的教育政策，其數位素養分有五大類⁴：

1. 資訊（Information）：能識別、檢索、儲存、組織和分析數位資訊，判斷其相關性、可靠度與資訊背後的意涵。
2. 溝通（Communication）：能在數位環境中溝通；通過線上工具分享資源；透過數位工具與他人聯繫與協作，與社群和網絡上互動與參與；跨文化意識。
3. 內容創建（Content creation）：能創造和編輯數位內容（從文字處理到圖像和影像處理）; 整合且重新闡述過去的知識和內容；製作有創意的表達方式，輸出媒體和程式設計；理解並合理應用智慧財產權。
4. 安全性（Safety）：理解數位時代的個人防護、資料保護、能安全和可持續的使用。
5. 問題解決（Problem solving）：識別數位需求和數位資源；作出明智的決定，如根據目的與需求，取用最合適的數位工具；通過數位方法解決概念問題；有創意地使用技術；解決技術問題。

再以擅長利用數位科技解決國家治理問題的科技小國愛沙尼亞為例。該國依循歐盟的素養架構，制定出在學期間各級別應具備的資訊設備使用、識別與選擇能力⁵：

1. 基礎學校一級：（國小一至三年級）
   學生在老師的幫助下，選擇合適的數位設備（作者註：不限於手機、平板或電腦等）、技術或方法，解決給定的問題。
2. 基礎學校二級：（國小四至六年級）
   學生能自行評估所選用的數位軟硬體的適用性。並在團隊協作任務中推薦自己評估的數位方案以完成任務。
3. 基礎學校三級：（國中，七至九年級）
   學生能有目的性與創造性地利用數位技術，解決重大問題並改善學習。
4. 高中和職業學校：
   學生能根據面臨的情境，分析應用不同數位技術的成效和影響，並根據分析做出決策與建議。

因此，從「先進國家」的經驗與策略來看，15 歲以前非但沒有禁止手機使用，更在小學起就將各種數位軟硬體的使用，與數位時代的應有的公民素養，作為教學的重要目標。

兒童數位產品使用的「合理抑低」原則

合理抑低（ALARA, as low as reasonably achievable）是一個在安全與風險管理上的原則，常被應用於食品安全、環境保護與職業災害的效益評估。指的是我們應該要設法將各種風險降低，但由於將風險降到零可能會花上無限或過多的時間或資源，因此最好是能將風險降低到某個可接受的程度，如果更進一步降低風險，則所需要的成本花費，遠大過所帶來的效益。

以兒童使用數位產品這件事來看，過度使用數位產品當然會帶來近視、注意力分散、接觸不當內容等風險。但家長可以透過慎選內容、陪伴互動，以及對全家庭數位產品的節制使用來降低風險。如此作法相較於全面禁止，取而代之的是可以透過便捷的數位技術，更高效率、更無界限地取得豐沛的學習資源，並替兒童提早建構數位時代應有的素養。

只可惜，現行對於數位產品的使用原則，並未廣泛收錄於育兒資源中。例如衛福部國健署印製發放的兒童健康手冊⁶，主要聚焦於生理上的病痛，只有收錄了少數「親子共讀」的篇章，但若能持續更新更全面的相關育兒指引，將更有助於協助新手爸媽們迎接家中新成員的到來。

但可惜與現實的是，許多成年人也有手機成癮的問題，且孩子教養過程辛勞，當孩子把注意力放在手機螢幕上時，對父母來說又何嘗不是喘口氣的機會。

因此，如果真的想為了孩子好，與其主張 15 歲以下禁用手機，而因噎廢食地關上了孩子探索世界的數位之窗，延宕我國資訊教育的進步之路。倒不如與公部門合作，強化宣導家長與準家長們陪伴孩子使用數位產品的正確觀念，並打造利於育兒的友善就業環境。

畢竟，這才是民意代表該做的事，不是嗎？

延伸閱讀

• 林希陶. (2015). 禁止兩歲以下幼兒使用3C產品？泛科學.
• 林希陶. (2015). 如何協助兒童青少年建立3C產品使用規範。泛科學.

1. 陳椒華（2019, November 14）。有嚴重誤解的報導!【Facebook文字資料】
2. Smith, R. (2018, July 31). France bans smartphones from schools. CNN.
3. AAP. (2016, October 21). American Academy of Pediatrics Announces New Recommendations for Children’s Media Use.
4. Ferrari, A. (2013). DIGCOMP: A framework for developing and understanding digital competence in Europe.
5. HITSA. (2016, April). ÕPPIJATE DIGIPÄDEVUSE MUDEL [PDF]. Tallinn: HITSA.
6. 衛生福利部國民健康署. 兒童健康手冊