雖然這時代是電子學時代，不過大部分的朋友可能除了小時候的燈泡實驗，就沒有創造過自己的電路還是裝置了。簡單的電路除了主動元件-像是LED或是馬達等以外，主要是電阻跟電線的接合。不過因為需要焊接或是使用麵包板，對一般人來說並不方便。
這影片介紹了怎麼利用黏土來做電路的方式，黏土其實是一些固體跟液體的混合，可以做的材料其實在廚房都找的到，只要控制成分像是鹽或糖的比例，就可以控制做出來的黏土的導電度，因為黏土的特性很容易跟任何東西疊合或是相接，所以簡單地把一些主動元件插在不同黏土的堆疊上，就可以創造出不同的電阻與線路接合的電子裝置。
雖然是簡單的應用，不過讓電路創造過程可以在自己的手上實現，是很難取代的體會，尤其是可讓小朋友體會這種創造的樂趣。有興趣的朋友可以試看看喔！
本文原發表於科學影像Scimage
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
想像一下，你和朋友在咖啡廳聊天。這看似簡單的互動，其實包含一個基本的通信模型喔。你是傳輸端（transmitter），朋友是接收端（receiver），而環境中的其他聲音則構成了通道（channel）。這三者共同組成了基本的通信模型。在接下來的文章中，我們將深入探討這個模型的每一個部分，並了解它們如何影響我們日常的通信體驗。
以上就是數位通信系統的三大支柱：傳輸端、通道和接收端的簡單介紹。實際上，它們的功能遠不止於此，整個通信系統的複雜程度超乎想像。除了數位物理層的演算法和電路設計外，還涉及類比電路、網路層等不同面向，真的是一門博大精深的領域。
通信技術致力於解決全球數十億人每天遇到的實際問題。如果你對於挑戰高難度的數學、物理、演算法問題感興趣，這將是一個充滿寶藏的領域。成功解決這些挑戰，不僅具備巨大的商業價值，更能推動通信科技的進步，提升全人類的通信體驗。你是否已經躍躍欲試了呢？
更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！
討論功能關閉中。
本文轉載自顯微觀點
拆開任何現代電子產品，都可以發現印刷電路板（Printed Circuit Board, PCB）的踪影。從地球外的人造衛星、最新款 iPhone 到傳統桌上型電話，印刷電路板都在其中乘載元件、傳遞訊號，因此也被稱為「電子產品之母」。
臺灣是舉世聞名的 PCB 出口大國，儘管出現廠商逐廉價勞動力外移的趨勢，臺灣企業的市占率依然超過三成，位居全球第一。
在追求精密化、提高良率的產業進步過程中，分析 PCB 切片顯微影像是不可或缺的步驟。要看得細膩真確，則有賴 PCB 樣本製備及影像判讀，兩項需要精密操作、耐心和敏銳判斷力的技術。
現年 85 歲的白蓉生，是兩岸 PCB 業界備受尊敬的分析技術權威，曾獨立經營《電路板資訊雜誌》8 年，並擔任臺灣電路板協會《電路板季刊》總編輯 25 年。他磨練 PCB 切片檢驗與判讀能力 40 餘年，持續對業界分享他的獨門 PCB 顯微分析心得。
自 1980 年代以來，白蓉生公開發表超過 800 篇圖文並茂的 PCB 檢測技術文章，並擔任國內外重要廠商的技術顧問。他不藏私的經驗分享，促成 PCB 製造商的技術躍進與營業成長。
PCB 檢測過程中，光學顯微檢驗是最為基礎，也提供最多資訊的步驟。進入顯微載物台之前，PCB 需要經過切片取樣、封膠、研磨、拋光、微蝕等步驟。其中切片與研磨、拋光需要格外細緻的操作能力，才能在顯微鏡下呈現清晰平整的切面。
良好的 PCB 切片樣本，可以將整個切面維持在同一個焦平面，均勻呈現孔道的鍍銅品質、不同金屬間介面的良窳，整個水平面上的顯微景觀都維持清晰對焦。透過尋找細微瑕疵，來改進 PCB 的製造過程。
「在放大 1000 倍、3000 倍後，都可以維持切面對焦的樣本，才是合格的切片樣本。」
—在每一篇技術文章都分享數十張顯微影像的白蓉生如此強調。
白蓉生以業界檢驗分級 QC（Quality Control, 品質管理）, QA（Quality Assurance, 品質保證）, FA（Failure Analysis，故障分析）為案例，「合格的 FA，追求整個切片視野的焦聚一致，一覽無遺。一般 QC 或 QA 人員，慣於接受觀察球面樣品，對於看不清楚的部分不了了之。」
他指出，業界常見的球面切片無法得到清晰的全面影像，是研磨與拋光的技術與耐心不足。焦點起伏不定的切面無法展現細節中的魔鬼，工程師自然也無法精進製程、更換材料以祛除瑕疵，。
現任職欣興電子技術顧問的白蓉生，在廠內建立 FA 切片師的培訓與考試機制，30 年來僅有 20 多人合格。製備合格切片之後，影像判讀是分析製程的必須能力，因此白蓉生設立與 FA 切片師並行的 FA 判讀師制度，迄今也只有 20 多人合格。
白蓉生感嘆，「切片與判讀都需要下苦功練習，30 年來只有 3 個人獲得切片師與判讀師雙料合格。」
—來向他學習切片與判讀技術的，往往是 PCB 業界的資深工匠或管理階級，要放下既有經驗與身段並不容易。
白蓉生笑說，「來學切片判讀的，常常是經理或副理，對專業經驗自視甚高。但他們所學愈深，就愈是謙遜。登堂入室，才發現前方學海無涯。」
隨著顯微技術演進，業界流行使用電子顯微鏡觀察切片，認為看愈小愈好。白蓉生卻堅持以光學顯微影像作為判讀依據。因為在電子顯微鏡下，只有黑白影像，無法利用顏色分辨不同材質。
白蓉生說「用電顯判讀的結果，無法分析顏色。我認為都是胡說，像是文盲在看書。儘管能看到很小的顆粒，分析人員也只能看著黑白影像說：『那是雜質』。」
切換明視野、暗視野、偏光干涉等光學技術，再搭配透視與立體顯微鏡的組合，PCB 切片中不同金屬在白蓉生鏡下呈現明顯對比，相同金屬也會因為歷經不同處理而呈現不同顏色。電鍍銅與化學銅的差異、電鍍與焊接的品質，都在白蓉生的顯微影像中一覽無遺。
除了基本的明場自然光，白蓉生也分享他常用的顯微技巧：以明場光源搭配干涉，在最暗與最亮的偏光下可獲得透視效果。明場兼用偏光與干涉可以使銅面呈現立體效果，且電鍍銅會呈現藍色易於分辨。採用偏光與干涉的單純暗場則能呈現最佳的材質對比效果。
白蓉生強調，「因為能看出金屬介面的細緻型態，我們才能知道技術要如何改進。」
—「而不是把顆粒都標籤為『異物』，說服自己製程、材料很完美，失去進步的機會。」
在白蓉生指引的工藝改革下，原本表現平庸的欣興電子成為精密載板的重要國際供應商。他得意地說，「我們製作的 Daisy Chain 載板佈線連貫強韌，承受 500 次熱漲冷縮測試之後，電阻增加不到 5%。技術紮實到連 Nvidia 這種頂級客戶都大吃一驚。」
欣興電子雇用白蓉生為顧問後，他追求精進的態度製程水準帶來革命般的改變。白蓉生回憶，早先欣興電子的產品良率不到八成，「或許剛好可以維持公司運作，但也無利可圖。」
現在欣興電子的高階 IC 載板良率已穩定超過 9 成 5，股價也成長超過十倍。白蓉生笑說，「我沒有因為公司股票賺錢！我原本就不想要賺大錢，因為錢多了沒用，只是徒增煩惱。」
話雖如此，白蓉生也坦承，「當年創立《電路板資訊雜誌》是生活所需，因為從安培離職，沒工作就沒收入啦！」
從資深工程師轉為科技月刊發行人兼總編輯，白蓉生的生活更加忙碌，全副精神都浸泡在 PCB 技術知識的研讀和傳遞中。
他回憶，當時他自己擔任總編輯兼送報生，手稿交由妻子與另一位打字員處理，在沒有網路的時代，每一期要繳出 5 萬字圖文並茂的稿子。除了努力訪問國內廠商、專家，也要大量編譯國外刊物內容。當年雜誌收入以廣告費為主，每個月可以得到超過 20 份廣告委託，在沒有前例的科技月刊市場上，開拓出意外佳績。
《電路板資訊雜誌》從 1988 年發行至 1996 年，白蓉生在 8 年間自力編譯、採訪、寫作，從早晨六點到午夜睡前，都在蒐集資料、勤奮筆耕。
「我一周六天都在編雜誌，沒有應酬娛樂，也沒請過病假，因為連生病的時間都沒有！」
—月刊生涯的辛勤讓白蓉生難以忘懷。
雜誌停刊之後，白蓉生享受了兩年退休生活，發現自己閒得發慌。他受邀擔任臺灣電路板協會（Taiwan Printed Circuit Association, TPCA）的顧問及《電路板季刊》總編輯，繼續研究、傳授電路板顯微影像的判讀方法，以及細緻的製程改善技巧。
《電路板季刊》迄今已發行 100 期，白蓉生也成為華語世界最重要的電路板知識傳遞者。
懷有珍貴 PCB 分析知識與技術的白蓉生，在兩岸業界深受重視，是各大廠商極力邀請的講師。他的判斷力不是來自學校或公司的教育體系，而是靠著多年來的勤奮自學。
白蓉生說，他少時家貧，因此就讀師範學校以省下學費，還能領錢和白米幫助家境。但師範學校學歷不如一般大學（當時師範學校專門培育小學校教師，僅需 3 年教育），心有不甘的白蓉生在小學任教三年後，考上中興大學化學系，同時擔任小學老師和大學生。
白蓉生在大學畢業後進入中華航空擔任化學工程師，反覆的電鍍工作並未帶給他成就感，他於是轉職美商安培電子（Ampex）。1969 年起，白蓉生在安培電子大量接觸 PCB 製造與檢測的第一線作業，開啟了鑽研 PCB 分析判讀的專業道路。
1969 年，安培電子於桃園設廠，是臺灣 PCB 生產王國的發軔時刻。白蓉生在此接觸到國內最先進的 PCB 工藝。他樂於在下班之後繼續研究檢測材料，探索各種慣例外的顯微方法，逐步建立自己的 PCB 切片檢查技巧。
除了 PCB 製造工藝的獨到見解，對文學的喜愛也是白蓉生筆耕不輟的動力來源。他說，自己求學時力求節儉，一直步行上學，超過 40 分鐘的漫漫路途是他背誦古文的時間，對文學的興趣、寫作的欲望隨著路程逐漸滋長。
對於中年轉行，成立沒有前例可循的專業技術雜誌，白蓉生笑稱，「當初發行頭幾期雜誌就燒完 6 萬塊積蓄，我還真不知道能不能回本。」
從技術專家、顧問到專業刊物總編輯，白蓉生拓展並傳承 PCB 分析工藝將近半世紀。他至今保持30年前「永晝方塊每隨飯，長夜蟹文伴枕眠」的強韌動力，投入 PCB 檢測、寫作與講課，建構低調踏實的臺灣電路板工藝文化。
他認為，電子產業是臺灣立國基礎，業界訓練可以彌補產學落差，但好學、勤奮與謙虛的心態是學校或企業不能代勞的，得要由年輕世代主動保持。端正的學習心態結合不藏私的深入技術指導，能養成更多專業人才，使電路板工藝精進，提升業界整體價值。
討論功能關閉中。
