年年有「餘」的年菜該怎麽辦？專家告訴你如何選擇與保存年菜

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

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《食物中毒要人命！常見致病菌與症狀解析（圖文懶人包）》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

北市素食餐廳的食物中毒事件已造成二死四危急，引發眾人關注。食物中毒可能是因為食物內含有細菌、病毒、或寄生蟲，當這些病菌持續在腸胃道理作亂、生長，就會引發不適。另外，食物中毒也可能與細菌製作出的毒素有關。

食物中毒的症狀

食物中毒算是個很廣泛的說法，包含了各種不同的細菌或病毒感染，多數在幫表現症狀的初期，我們還不知道究竟是哪一種細菌或病毒造成的，因為一般食物中毒還輕微的時候，就是腸胃炎的症狀。患者會肚子絞痛，想要跑廁所，開始有腹瀉症狀。這時要注意自己的糞便是純粹水便，還是含有血絲或大量的血便，這與猜測致病原有關係，要記得就診時告知醫師腹瀉的狀況。另外，還要告知有沒有發燒、嘔吐等情形。

另外，我們也需要注意這些噁心嘔吐及腹瀉症狀發生的時間點，不同的細菌或病毒造成症狀的時間不一樣，有的短至三十分鐘內患者就開始上吐下瀉，有的則是要過上一星期才發病。不過通常是吃到含有病菌的食物後一到三天發病。

多數的食物中毒症狀並不嚴重，很多人會覺得自己只是腸胃不舒服一下下，拉個幾次就會過去了。然而如果有以下狀況，最好趕快就診：

• 脫水嚴重：尿尿的量變少，覺得頭暈目眩，嘴巴很乾
• 一直吐：什麼東西都吃不了，一進食就吐
• 一直拉：成人拉肚子超過兩天，或是小孩拉肚子連續一天，就算是嚴重了。如果是新生兒，只要看到腹瀉，最好還是就醫。看到血便也是要就醫。
• 肚子很痛或發燒
• 家人發現患者意識狀況變差，或發現有複視，皮膚變黃等等狀況。

引起食物中毒的知名病菌及其特色

接下來我們來看看幾個容易引起食物中毒的細菌或病毒。

• 大腸桿菌（E. coli）

最常見的狀況是吃到沒有完全煮熟的絞肉，像是沒煎到全熟的漢堡排。不過大腸桿菌也會出現在受到污染的蔬菜（像是生菜沙拉）、水果、或生水之中。

• 沙門氏菌（Salmonella）

沙門氏菌存在沒有煮熟的肉類與蛋類食物，或是喝到沒有完全經由巴斯德滅菌過程的乳製品。

• 金黃色葡萄球菌（Staphylococcus aureus）

備餐的時候沒有先洗手，而處理食物後沒有再經過烹煮，像是切肉片肉排，切三明治或包裝三明治，就可能讓人因金黃色葡萄球菌而食物中毒。

• 產氣莢膜桿菌（Clostridium perfringens）

產氣莢膜桿菌存在自然界，可以形成具有耐熱性的孢子，有些甚至在沸水中仍能存活許久。因此，除了生肉、蛋類、奶類可能含有產氣莢膜桿菌外，土生土長的蔬菜、穀類也可能含有產氣莢膜桿菌。當燉煮的肉湯、肉汁放在室溫一陣子，沒有放到冰箱冷藏的話，可能會引起食物中毒。

• 肉毒桿菌（Clostridium botulinum）

這屬於少見但容易致死的食物中毒。肉毒桿菌是存在自然界土壤與水源的常見細菌，如果沒有藉由煮沸煮熟來殺死肉毒桿菌的話，是無法停止其生長的。最容易造成食物中毒的狀況有兩種，一種是吃到沒有正確保存的醃漬物或罐頭食物，尤其是居家自己醃漬的小品，無論是醃菜、醃魚、醃肉，都可能會導致肉毒桿菌滋生。另一種傳染途徑是讓小於一歲的幼童吃到蜂蜜或玉米糖漿，裡面的孢子可能含有肉毒桿菌而造成幼兒食物中毒，記住記住，千萬不要以為讓幼兒吃蜂蜜很營養喔，會因為感染肉毒桿菌而致死的。

肉毒桿菌會影響神經肌肉的控制，造成的食物中毒特色是患者的視力出現複視，講話講不清楚，肌肉無力，無法吞嚥，有這種狀況務必趕緊就醫。

• 李斯特菌（Listeria）

李斯特菌可以存在未經巴斯德滅菌過程的牛奶及乳酪中，也會存在於豆芽、瓜類、和香腸熟肉裡。

• 諾羅病毒（Norovirus）

諾羅病毒的傳染能力很強，只要碰到帶有諾羅病毒的餐桌表面、再將食物送往口中，就可能感染。因此只要有個人感染諾羅病毒，很容易在與他人共餐的同時藉由分享食物、備餐等狀況而傳給其他人。

預防食物中毒

• 擤鼻嚏、咳嗽、抽菸、上廁所之後，請記得都要好好洗手
• 如果是備餐的人，請好好清洗蔬菜及水果，用來備餐的表面及餐具也都要在準備食物之前好好清洗。
• 肉類、蛋類等務必都要好好煮熟，不要讓生肉或未煮熟的肉或肉汁去污染到其他食物。
• 不管是煮過的食物或生肉，不要任其停留在室溫內超過兩小時，放兩個小時後的食物都不安全，請儘早把食物冰到冰箱。解凍的食物要趕快煮一煮，不要放在室溫過久。
• 保存食物的時候，生的肉類要與蔬菜水果、煮過的食物、或加工食物分開擺放。
• 買含有沙拉醬、美乃滋的食物沒吃完一定要冰起來。
• 不知道放了多久的食物請丟掉。一打開有味道，或是罐頭蓋子鼓起的一定要丟掉。

預防食物中毒的重點是自己常洗手，並好好保存食物，備餐時也要用心。

• 本文轉載自 Care Online 照護線上《食物中毒要人命！常見致病菌與症狀解析（圖文懶人包）》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

• 文／林芸寬、張愷丰、張庭瑀、郭亮均、林詠真 

最新研究：寵物與新生兒健康的密切關聯

現代家庭飼養寵物的比例逐年上升，貓狗已成為人類最親密的夥伴。農業部最新（2023）的資料發現，臺灣飼養貓狗的比例上升，家犬較上一期（2021）增加 19%；家貓較上一期增加 50%。然而，許多新手父母常擔心，飼養貓狗可能會影響新生兒的健康，像是引發呼吸道過敏等疾病，但近期的科學研究提供了相對令人安心的解答。 

科學家發現，飼養貓狗也許有益家庭中新生兒的健康。最新研究證實，家中貓狗不僅能增添樂趣，更能減少新生兒感染呼吸道疾病的機率。早在 2012 年，就有芬蘭研究團隊追蹤鄉村地區 397 名新生兒，自出生到一歲的健康狀況，發現有飼養貓狗家庭中的新生兒，較少感染呼吸道疾病。研究詳實記錄貓狗與新生兒的互動頻率，及其對新生兒健康的影響。

腸道菌相的力量：微生物如何提升寶寶免疫力

今（2024）年聖路易華盛頓大學兒科團隊發表在《Pediatrics》的最新研究，分析新生兒的就醫紀錄，並透過對父母的訪談，探討「親餵母乳」、「家中飼養貓狗」、「新生兒醫療需求」三者間的關係。研究發現，親餵母乳且家中有飼養貓狗的新生兒，出生六個月內對醫療服務的需求相對較低。華盛頓大學團隊推測，這可能是貓狗身上的微生物 ，增加了環境中微生物多樣性，並影響新生兒的免疫力。 

環境中微生物多樣性，與新生兒免疫力的關係為何？至今仍是未解的問題，但根據現有的研究，這很可能與新生兒體內「腸道菌相」的差異有關。「腸道菌相」是胃腸道中的微生物群落，由細菌、病毒和真菌組成，它們在我們的免疫系統發展中扮演了重要角色，特別是在生命的早期階段，對腸道的健康和功能有著深遠的影響。

為何養狗的新生兒感染率更低？

2023 年的一項研究，進一步探討環境中微生物多樣性與新生兒免疫力之間的關係，揭示腸道菌相的多樣性在在影響了新生兒的健康。研究顯示，家中飼養狗的新生兒，其腸道中的梭桿菌、科林氏菌和瘤胃球菌等菌群明顯較多，這些菌種的豐富性有助於免疫系統的發育，也可能有助於減少新生兒過敏與氣喘的風險。

有趣的是，這份研究也提到，對於喝配方奶的新生兒而言，其腸道菌相的組成與養狗有關，「與狗接觸」可能成為他們獲取環境微生物的替代途徑，補充因缺乏母乳餵養而缺少的微生物，從而幫助免疫系統的發展。

目前研究雖無法直接證實接觸貓狗可以增強免疫力，但可以確定的是，接觸貓狗的小孩，腸道內的微生物多樣性高，也比較不容易生病，新手父母可以不用太擔心養狗對小孩發育的影響。同時，與狗接觸還能改變嬰兒腸道中的微生物組成，這或許有助於減少呼吸道疾病的發生風險。

資料來源： 

1. https://www.moa.gov.tw/theme_data.php?theme=news&sub_theme=agri&id=9418
2. https://publications.aap.org/pediatrics/article/130/2/211/29895/Respiratory-Tra ct-Illnesses-During-the-First-Year
3. https://www.nature.com/articles/s41390-024-03200-9
4. https://onlinelibrary.wiley.com/doi/epdf/10.1111/cea.14303