HOW TO 舉辦公民共識會議？

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

本特輯由 教育部青年發展署 委託，泛科學企劃執行

「審議民主」目的是促成公眾對政策進行知情而理性的討論，而為因應疫情發展，線上審議被認為更加切合時代趨勢，教育部青年發展署透過優化線上審議民主的過程，期望未來參與公共事務不再受到疫情或地域的影響與限制。

自疫情開始以來，促使人們生活型態轉變，更凸顯數位治理、網路社會、創新應用的重要性，然而線上審議之相關研究不足仍需深入探討。因此，以線上審議之可行性及具體操作模式為背景，透過「109 年 Let’s Talk 討論議題」及「如何透過數位方式（「小校聯盟」、「數位學伴」）改善偏鄉教育資源？」為主題，共辦理 5 場，每場 2 小時的審議民主線上會議，邀集審議公民及主持人共 14 至 16 位，另安排 5 位審議觀察員，總共 88 位民眾參與，運用數位會議工具、即時通訊軟體，不僅帶動民眾參與線上審議的風氣，也為線上審議增添寶貴的研究成果，形塑青年公共參與文化並實踐數位民主。有關研究結果將在 4 月底前，於青年署官方網站公開，歡迎有興趣的民眾點閱。

此外，為因應線上審議推展，青年署以電玩、打怪等元素，策劃「青年打通關！審議來闖關」免費線上課程，讓學習可以不受時間、空間的限制，輕鬆累積知識，課程教材已於「e 等公務園+學習平臺」、青年署「超牆青年 E 學院」、YouTube 頻道以及泛科學院等網路平臺上架。

除了線上課程，審議民主實體培訓也即將於 5 月 1 日至 2 日在臺北舉辦，有興趣的青年夥伴，只要符合報名資格（18 至 35 歲），趕緊在 4 月 18 日前至報名網頁報名。

領袖典範：辛辛納圖斯與華盛頓

COVID-19（武漢肺炎、新冠肺炎）席捲全世界之下，台灣的防疫表現非常好。但是政府某些手段，卻令人質疑有侵犯人權的問題。另一方面，一些人認為防疫成功，是由於台灣人民尚未擺脫威權時代舊習，習慣服從權威，自我限制自由，成熟的民主社會不該如此。

究竟該如何理解台灣防疫的本質？一篇金融時報 (Financial Times) 的讀者投書提到「辛辛納圖斯式」這個名詞，令我恍然大悟。

辛辛納圖斯 (Cincinnatus) 是 2400 多年前，羅馬共和時期的一位領袖。羅馬面臨危機時，他臨危受命成為集權的獨裁者，順利帶領羅馬走出困境。危機結束後，他主動放棄權力，退休回家，安享晚年。

上述情節未必完全符合歷史事實，但是不論真實的辛辛納圖斯如何，他被建構的歷史故事，成為羅馬人人稱道的政治聖人樣板，流芳百世。帶領美國獨立的第一任總統華盛頓，便被稱作當代的辛辛納圖斯；美國城市辛辛那提也是為了紀念他。

法國大革命後成為集權領袖，隨即登基皇位的拿破崙，則是華盛頓與辛辛納圖斯的反面樣板。

台灣防疫的堅實基礎——民眾自發投入

要理解台灣防疫的本質，必需知道台灣是怎麼成功的。普遍認為，追蹤接觸者 (contact tracing) 是台灣防疫的關鍵法寶，每次鉅細彌遺的疫調足跡，卻往往讓人質疑是否過頭，每過一段時間就起一次爭議。

服從國家機器的權威，確實是疫調和追蹤能成功的條件。然而，台灣防疫的成功，追蹤只是金字塔的上層。如果沒有那麼詳盡的追蹤，台灣防疫的結果將不如現在，會有社區流行，但是規模應該有限，和多數國家相比仍然為不錯的結果。

台灣防疫金字塔的底層基礎是什麼？我想是大部分民眾，將防疫視為勝利目標明確的戰爭在投入。

台灣不論什麼政治立場、社會背景的人，大部分都認為防疫是重要的事（主張的手段可以截然不同就是）；政府之外，基層有非常多自發性的防疫小單位，政府與民間各式資源也交叉支援。這才是台灣防疫能成功的堅實基礎。

照其他國家的狀況，光靠台灣民間的自發防疫行為，就足以將感染源的數量壓制到夠少，不會進入指數成長期，在此之下，實施口罩、消毒等防疫措施，足以令疫情不至於失控，滿分 100 的話大概有 70 分水準；疫調、追蹤等手段則是錦上添花，再將感染源壓制到零，超過 90 分。

台灣從政府到基層人民，求生意志非常強烈，將武漢肺炎視為目標明確的戰爭在打，每一階段的成功，又提供正向回饋的成就感，抗戰愈來愈帶勁。

基層缺乏凝聚力，人心愈來愈殆盡

相比之下，多數疫情失控國家的目標糊裡糊塗，將瘟疫視為一場不情願的麻煩戰爭，即使某些方面投入大量資源，成效不彰之下，人心愈來愈殆盡，許多民眾自我安慰「戰爭總有結束的一天」，那麼面對一個死亡率未滿 1%，年輕就是抵抗力的傳染病，當下也就不值得那麼在乎了。

以基層傳統雄厚的美國來說，近年遭遇的變局是有目共睹。美國大城市人口眾多、組成多元，表面上人人自由，實際是基層凝聚力大不如前，面臨傳染力強的病毒危機時，城市無法有效應對，成為病毒繁衍的溫床，再源源不絕輸出其他地區。也難怪美國整體的疫情無法降溫，隨時又會大爆發。

不只需要不戀棧權力的領袖，還需要一群高素質的公民

相比於沒有經歷過威權統治的美國，台灣社會整體上確實更加服從政府權威，對防疫有正面影響，但是這與帝國治下的草民自願放棄自由，本質上是截然不同的情境。

回顧人類歷史，如古希臘城邦、羅馬共和、建國前的美國、第二次世界大戰的英國等社會，由素質足夠、自主性高的「公民」組成，成員們單兵戰鬥力強，碰上重大危機時，卻會將權力集中給少數領袖調派，先以當下困境為目標，因為這樣才能充分發揮每個單兵的價值，有效解決危機。

而這些社會的領袖多半是「辛辛納圖斯式」，危機解除以後便還權於民，告老還鄉，讓鄉民們回歸自主性高，單兵戰鬥力強的日常。此一模式曾經協助許多社會度過危機，我想，這就是台灣正在演出的劇本。

要成就一場坎尼會戰，不只需要一個漢尼拔，還需要一個法羅。羅馬不是一天造成的，如今瘟疫戰爭仍在進行，要成就一場辛辛納圖斯式的勝利，不只需要一個不戀棧權力的辛辛納圖斯，還需要一群高素質的羅馬公民。

• 本文轉載自新公民議會《集權卻不威權獨裁—台灣「辛辛納圖斯式」防疫》

延伸閱讀

• 為什麼台灣在某一天，不可能有640位無症狀感染者？
• WARS無症狀感染者，會傳染，隔離14天可以拖到傳染高峰過去
• 陳建仁和6國專家的COVID-19經驗與展望
• 一直待在家快悶壞啦！嚴格的防疫管制，什麼時候才能放鬆？
• 日本不太檢驗，靠三密策略壓制病毒？
• 短篇  地中海地區最早，威尼斯的隔離防疫系統

參考資料

• 金融時報讀者投書《台灣揭示對抗武漢肺炎的辦法（Taiwan has shown the way in the fight against Covid-19）》

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁