發現世界「看不見的」科學

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

所以……你的博士研究到底在做什麼？

面對這可怕的大哉問，到底該如何回答？長篇大論地引用數據？把厚實的論文印出來叫他自己看？還是用無盡的簡報攻勢表現專業？面對一般大眾，這樣的解釋方式實在不夠親民，常常聽完解釋依舊一頭霧水。科普作家 John Bohannon 於是異想天開，決定鼓勵科學家們把論文「跳」出來，這瘋狂而有趣的想法讓「歌舞論文」（Dance Your Ph.D.）的比賽於焉誕生。

你以為他們在開玩笑？拜託，他們可認真了！這場比賽由《科學》（Science）期刊舉辦，從 2007 年開始舉辦至今，每年都會收到為數眾多的投稿，比賽要求參賽者用舞蹈的方式跳出自己的論文，並需要附上淺顯易懂的解釋，最重要的是，研究者絕對要親自下場舞出一段，才算是符合規定喔。

你是不是覺得這個比賽很不可思議、難以想像呢？廢話不多說，先上一段 2013 年的得獎影片《精子大戰》（Sperm competition between brothers and female choice）。

這篇生物領域的論文是在研究紅色原雞（red jungle fowl）豐富多元的性伴侶選擇以及精子間的愛恨情仇。由於雌性的紅色原雞會擁有多個性伴侶，因此，如何讓雌雞順利受精以完成傳宗接代的大任，便成為了精子們拚死拚活要達成的目標。

在影片中，我們可以看到雌雞首先找到了第一隻伴侶（A 雞），而後又出現另外兩隻雄雞，其中一隻雄雞（B 雞）跟雌雞的原伴侶（A 雞）有兄弟關係，另一隻（C 雞）則無。在一番激烈的纏鬥後，兩隻雄雞都順利地與雌雞完成交配的動作，而在交配的過程中，B 雞產生了更多的精子。

接著畫面一轉，我們可以看見穿著緊身衣的舞者們在草地上歡樂地搖擺，表現出精子成功進入雌雞體內後一片和樂融融的景象。接著，滾著透明充氣大球的卵子小姐出現了，精子們前仆後繼的朝她撲去，想要衝破氣球進入卵子。為了真實呈現精子的運動情形，舞者們更奮不顧身地跳入水中、使出全力游動，只為一獲芳心。

那麼，最後究竟是由哪邊的精子勝出了呢？可愛的卵子小姐拒絕了為數眾多的 B 雞精子，轉而對 C 雞的精子敞開懷抱。雖然身為兄弟的 B 雞製造了更多的精子，但非親非故的 C 雞最終卻使卵子有更高的受精機率。

看不過癮嗎？接下來為你隆重呈現 2015 年的化學類以及觀眾票選最愛的得獎影片《守護之網》（the NETs）：

這部影片演出了有關於免疫系統的研究，在片中，我們可以看到一群戴著白色面具的女生，她們正是我們免疫系統的中嗜中性球細胞（Neutrophil granulocyte），也是白血球中為數最多（約占40~75%）的一群守護者。每天都有約 10¹¹ 個嗜中性球細胞從骨隨的幹細胞中產生，它們攜帶著可以抵抗細菌的酶，而片中的女生挺著胸膛四處張望的模樣正是嗜中性球細胞在我們身體中盡責巡邏的模樣。

忽然之間，身穿黑衣的細菌們賊頭賊腦地出現，他們迅速地交疊在一起，象徵他們進入身體後快速的複製能力。而後，當他們高高跳起的同時，也釋放出有毒的化學物質去傷害健康的組織。嗜中性球細胞是首批迎接細菌的免疫細胞，她們團結地手拉著手，釋放出致命的酶，將細菌們圍困並消滅。這其實是嗜中性球在遭遇外來病菌時的防禦方式，透過解開細胞核中的染色體螺旋並釋放出去，形成一個網狀結構稱為嗜中性胞外網狀結構（Neutrophil Extracellular Traps, NETs）將細菌團團包圍，讓細菌無法擴散。然而，為了保護我們免受感染，她們最終犧牲了自己以完成细胞死亡程序（NETosis）。

而尿酸鈉鹽（monosodium urate, MSU）出現時，也會刺激嗜中性球細胞啟動細胞死亡程序，在影片中，當頭戴銀冠的尿酸鈉鹽出現時，我們可以看見嗜中性球細胞完美地阻止了邪惡的陰謀，為身體阻擋下痛風性關節炎（gouty arthritis）等會產生結晶的疾病。

但是，嗜中性粒細胞並非永遠都是忠誠的守護者，在某些極端的情況下，她們反而會成為傷害身體的兇手。當身體罹患自體免疫性疾病（如：狼瘡 Lupus、多發性硬化 Multiple Scerlosis、ANCA 血管炎 ANCA vasculitis 等）時，厲害的細胞死亡程序會轉而攻擊自身的健康細胞，帶來一場意料之外的戰爭。而在影片最後，我們可以看見原本健康的細胞也因為攻擊而死亡。

什麼？這比賽也太有趣了吧！我想參加！

你的舞蹈細胞是不是正在你體內咆哮？別急，想要參加這個比賽有些事情必須要特別注意。首先，參賽的論文內容須與「科學」相關，領域包含物理、化學、生物以及社會科學，如果不確定自己的論文是否符合標準，可以詢問比賽小天使協助判斷。 再者，參賽最重要的一點是讓評審「了解」你的論文究竟在做什麼，評審包含有科學家和藝術家，將依據作品的科學價值、藝術價值以及兩者結合的創意度去進行評分。所以，作品不但要清楚易懂，更要有豐富的內容和有趣的呈現方式。

聽起來是不是不太容易呢？這樣需要多才多藝的比賽可不是人人都能勝任的呢，不過，就算無法參賽也沒關係，這一屆的比賽正如火如荼地進行中，快快去看今（2016）年的參賽影片，為他們投下你珍貴的一票吧！

編按：2017年的比賽投票也進入倒數階段，快來看看有哪些作品吧！目前第一名的是「開發應用於法醫學的生物感測器。」（演屍體的人看起來很有事XDDDDDD）

參考資料：

1. Science launches the 2016 ‘Dance Your Ph.D.’ contest By John Bohannon Science [2016-06-02]
2. The “Dance Your Ph.D.” Contest
3. Dance your PhD 2013 winner: Sperm competition between brothers and female choice
4. Audience choice award & Chemistry prize winner! Dance your PhD 2015: the NETs
5. Cedric Kaiwei Tan, “The effect of relatedness on sexual dynamics. Studies of red junglefowl and fruit flies.” , University of Oxford, 2012
6. Nakazawa D, Kumar S, Desai J, Anders HJ, “Neutrophil extracellular traps in tissue pathology.“ Histol Histopathol. 2016 Sep 5:11816., DOI:10.14670/HH-11-816

一、摘要

網路發展徹底轉變科學研究訊息的流通，不論是收集、應用或傳播都有不同以往的新方法，社會大眾對資訊公開的要求也相對提高。「公開取閱」（Open Access）可以在網路上提供免費科學電子刊物、可以提供研究資料讓更多人再利用，藉此支持科學研究、創新，提高其對社會的影響力。

二、背景

1990 年代全球資訊網（World Wide Web）的突飛猛進開創科學刊物傳播上的新契機，刊物發行者順應潮流投入大筆資金建造網路傳輸，並將既有資訊數據化，目前大約 95% 的刊物都可在網上閱讀。「公開取閱」的概念是要科學相關刊物透過網路免費流通，也希望公家出資贊助的研究能因此更加透明化，獲得最有效的利用，藉此促進研究與創新。

擴展科學刊物及資訊之閱讀管道對廣大社會和經濟有很大助益。2011 年 3 月英國大學科學部部長特別為此召開圓桌會議，承諾未來會將擴展研究刊物及資訊閱讀管道納入「透明化議程」（Transparency Agenda）。「公開取閱」是其中備受矚目的推動方式之一，本專題將分別檢視其優點和推動時可能面臨的挑戰。

三、公開取閱期刊發表

科學期刊是傳遞科學資訊的重要管道，發行者將文章收錄期刊之前會先進行同儕評鑑（peer review），審議過程完成後才開始製造、發送刊物並建檔。

刊物訂閱模式

傳統上，刊物發行者向圖書館和個別讀者收取訂閱費以換取所提供的服務，然近幾十年來，訂閱費漲幅超過通貨膨脹率，加上圖書館預算下降，讀取刊物資訊越發不易。2004 年下議院科技委員會（House of Commons Science and Technology Committee）對此提出建議，目前研究人員、圖書館員、高等教育機構、贊助單位和刊物發行者已聯手合作，希望能改善刊物資訊的取閱管道。雖然情況已有大幅進展，但許多人仍相信訂閱型態可能是科學研究傳遞並發揮影響力的最佳模式。

一些研究人員、贊助單位和高等教育機構認為訂閱費阻礙英國研究社群的發展，許多小型大學研究人員因為資源不足無法獲得同等資訊取閱管道，而人民平均所得較低的國家也可能因為無法負擔昂貴的訂閱費而難以取得相關資訊。刊物發行者對此予以反駁，強調訂閱模式價錢合理、效益高，研究圖書館可節省其他開銷來補足訂閱費，另一方面也表示，為了讓開發中國家能同享資訊，目前網上已特別設立免費或收費低廉的取閱管道供其使用。

2011 年 9 月英國政府成立獨立工作小組探討擴展閱讀管道的最佳方式，預計將於 2012 年春公布結果與建議。許多研究人員、贊助單位和高等教育機構相信「公開取閱」是此中關鍵，也是最能有效提高研究影響力的管道。

公開取閱科學刊物的推動緣由

支持公開取閱概念的人表示，收取公家贊助經費所獲得的研究知識本來就應該免費回饋社會，再者，免費取閱研究資訊還可促進知識轉化性與流通性，對經濟和社會有很大助益。根據最近一項研究數據顯示，公開取閱能大幅提高研究與開發的獲利，以政府、英國全民醫療系統（NHS）、中小企業、公司行號和大學為例，20 年內預計可達 1 億 8 千 4 百萬至 3 億 8 千 6 百萬英鎊之間。

「公開取閱」在英國和世界各地已漸成趨勢。2009 年時平均大約有 20% 的文獻以「公開取閱」模式流通，目前英國也有越來越多贊助單位採納此模式，其中包括：惠康信託基金（Wellcome Trust）、英國研究委員會（Research Councils UK）和許多高等教育機構等，這些贊助單位都已開始要求研究人員將發表的文章放在網上免費流通。許多索取訂閱費的發行者也適度將公開取閱模式納入自己經營的生意型態，協助研究人員達到贊助單位的要求。公開取閱模式現所面臨的最大挑戰在於如何回收刊物發行所需的開銷，尤其是發行前必須通過的同儕評鑑。

公開取閱科學刊物模式

現行「公開取閱」模式大致可分為兩類，一般認為未來會合併為一類與訂閱模式共存。

• 「綠」公開取閱：文章作者將獲准收錄期刊的文章上存於網路指定儲存庫，文章因此得以免費流通於網上。一些索取訂閱費之期刊發行者要求要有一段 6 ～ 48 個月的「網路禁閉期」，該期間內文章只可見於紙本期刊上，藉此確保刊物發行者能透過訂閱費回收投注的發行經費。
• 「金」公開取閱：向期刊發行者繳交一筆「文章行政處理費」（article processing charge，APC）後，文章可即刻免費流通於網路上。這是目前許多索取訂閱費之期刊發行者對旗下發行的一些期刊所採行的混和型「公開取閱」模式。

「公開取閱」意指文章在網路上免費任人閱讀，但深一層來說，這代表的是解除某些著作財產權的限制，允許資訊重新被利用。智慧財產權期刊 Hargreaves Review on Intellectual Property 於 2011 年報告中曾指出，現行與出版有關的智財法在某些層面上有礙經濟成長與創新發展，其中一例為：對「文字探勘」（text-mining）和「資料探勘」（data-mining）的限制。公開取閱則不受限於此。

「綠」模式與「金」模式的可續性

在「綠」模式之下，發行刊物所需的花費仍需由索取訂閱費來承擔，然不論是否訂閱期刊，任何人都可透過網路儲存庫取得刊物文獻。高等教育機構在此模式之下所需負擔的費用較高，除了訂閱費用之外，還須出資贊助網路儲存庫的運行。然而，支持者強調公開取閱在研發上的盈利足以超越這樣的投資。為了取得最大獲利，此模式的「網路禁閉期」必須越短越好，然而索取訂閱費之刊物發行者則無法苟同，擔心這樣的開放模式會造成訂閱數量銳減，影響訂閱收入，最終導致刊物缺乏財力無法發行。許多期刊的訂閱數量已不如以往，但目前尚且無法證實這是否與公開取閱的推動有關。歐盟贊助的研究已深入探討此間關連性。

在「金」公開取閱模式之下，發行刊物所需的花費透過「文章行政處理費」由讀者轉嫁到作者身上，一般這筆費用會由作者的研究贊助單位或學術機構來負擔。相較於「綠」公開取閱模式，英國研究委員會 RCUK 以及一些刊物發行者認為此模式的財務運作較符合商業模式，可行性高。然而，要在英國全面推行「金」公開取閱模式需要一筆高達 7 百萬英鎊的基本費，包含高等教育機構必須因應籌措的「文章行政處理費」預算，以及贊助單位、高等教育機構和刊物發行者之間通行的「文章行政處理費」運作體系。

即便如此，「金」公開取閱模式能否全面推動仍有高度不確定性，除了未來演變方向不易預測之外，整體刊物發行費會隨之增加或減少亦不得而知。高等教育機構在此模式下所需負擔的刊物訂閱費應該會下降，所省下的費用洽可挪用於文章行政處理費。然而，文章行政處理費因刊物不同價差大，開銷的節省與否不易計算。舉例來說：一般文章行政費大約為 1,500 英鎊，但最高也可能達 3,000 英鎊。近來一份報告分析高等教育機構從訂閱模式轉為「金」公開取閱模式可能經歷的開銷變化 ── 當文章行政費平均略低於 2,000 英鎊時，這筆開銷洽可由省下的訂閱費來補足；索費比 2,000 英鎊低廉許多時，機構能省下大筆開銷；但當費用超過 2,000 英鎊時，機構所需承擔的開銷將會比原來的訂閱費高出許多。

索取訂閱費的刊物發行者強調，知名期刊文章行政處理費必須包含處理大量退稿件的開銷；但一些研究贊助單位、圖書館和公開取閱發行機構表示，這些發行者是以目前訂閱模式所得獲利來設定文章行政費，並非真正從處理費用的角度來計算。另有一些研究社群擔心「訂閱 ─ 公開取閱」混合型模式會演變為「雙重收費」 ─ 訂閱費加上文章行政費，造成研究機構的負擔變大。索取訂閱費的發行者回應表示，訂閱費勢必會隨「金」公開取閱模式的廣泛推動而隨之遞減。

[下一頁]