眼動辨識：新生物安全系統

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

蜂窩中，擔任「送葬者」的蜜蜂能在同伴死去的半小時內找到屍體，牠們是怎麼做到的呢？

蜂窩中的送葬者，靠味道找出屍體？

蜜蜂是一種社會性昆蟲，一個蜂窩中有幫忙照顧新生兒的保母，當然也有專門處理死去同伴的「送葬者」（undertaker）。這些工蜂有著很敏銳的嗅覺，能在同伴死亡後 30 分鐘內找到牠們，並把屍體帶離蜂巢。

死亡半小時遺體通常還沒開始散發出腐敗的典型氣味，要在漆黑曲折的巢穴中鎖定目標，靠得是某種特殊的香氣分子——碳氫化合物（cuticular hydrocarbons; CHCs）。這種化合物是昆蟲外表皮上蠟質塗層的一部份，有點類似我們洗完澡後塗的保濕，主要功能在維持身體的水分。

當蜜蜂還活著時，這些分子會持續散發到空氣中，方便彼此互相辨識。

遺體的加工實驗

科學家發現，當蜜蜂死去且體溫下降後，釋放到空氣中的費洛蒙也變少了。換句話說，屍體所散發的 CHCs 比活體還要少。為了證明這個理論，他們決定幫屍體加熱，然後連同普通屍體放置在蜂巢裡。

很快地，工蜂們在半小時內便清出了正常屍體；然而，即使只是增加個 1~2℃，這些加工後的屍體往往需要花費數個小時，才會被這些送葬者發現。

溫度影響了 CHCs 的發散

為了證明影響工蜂判斷的要素是 CHCs 的減少而不單純只是屍體的溫度高低，團隊又把死去蜜蜂身上的 CHCs 洗掉後加熱，放置在蜂巢內。這回，工蜂們正常發揮，90％ 以上的遺體都在半小時內被清除了。

經過這個加熱實驗，我們可以知道工蜂要能準確判別哪裡有需要清除的遺體，主要靠的是個體身上 CHCs 的發散量，而溫度，是影響 CHCs 發散的重要關鍵。因為加工屍體所散發的 CHCs 和活蜂濃度相同，讓工蜂誤以為死去的同伴仍活著，進而延遲了遺體被清除的時間。

參考資料

• How ‘undertaker’ bees recognize dead comrades

「就是看了很生氣啊！這種事情不是應該趕快解決嗎？怎麼會只能呼籲降低車速呢？」

看到台灣原生貓科動物石虎屢屢遭路殺（road kill）的消息而憤怒難受，蔣雅郁不是第一個，但她可能是第一個擁有應用力學加生化工程背景的博士，在台中的中興大學機械工程學系任教，而且更重要的是，她是位忠實的貓奴。

避免路殺只能放慢車速？創造友善的公路系統吧！

2016 年 8 月，蔣雅郁剛卸下倫敦大學生物化學工程學系博士後研究員的身份，從英國回到台灣。雖然她在歐洲的研究機構工作多年，但一直很關注台灣的議題。去年 11 月 3 日，一篇公視新聞網的報導《瀕絕石虎命喪國道 今年全台累積已七起》讓她發了火。「今年已經發生七起了？！我還是不懂到頭來，唯一能做到的方式叫做：大家放慢車速？積極作為呢？」而朋友在臉書下回的一句「哪會有積極作為」，讓她下了決心。

「老實說，這在工程上不難啊！」蔣雅郁認為，應用工程科技，用主動的方式讓用路人減速、或是用光波、聲波來減緩動物從淺山移動至馬路危險區域，增加雙方反應的時間差，或是讓動物根本不要上到路面，這些都不需要什麼高科技，身為資深貓奴，使命感讓她試圖扭轉石虎慘死輪下的命運。「我這個人很簡單，有貓我就推！」她說。

蔣雅郁養過四隻貓，也養過狗，都是領養來的。一開始爸媽也不太同意，但後來因為出國唸書，貓交給爸媽照顧，就像網路上流傳的有趣故事一樣，養著養著爸媽也成了愛貓一族。因為石虎瀕臨絕種，讓蔣雅郁更深入了解了路殺議題，才發現包括白鼻心、金門水獺、蛇類…..等太多動物都死於不友善的公路系統。「那就讓公路系統變友善吧！」，她想。

先從哺乳類開始設計的原因，倒不是真的只是因為愛貓愛石虎，而是因為哺乳類體型比較大、可以偵測到的訊號比較多，像是紅外線、熱感應跟聲感應都比較可行。就在看到公視新聞的當天，蔣雅郁打電話到農委會特生中心，但一開始沒連絡上致力於推動石虎保育的林育秀研究員，兩個禮拜後，心急的蔣雅郁正想再打過去，就先接到林育秀打來的電話。「如果當初雙方都發懶，放著不聯繫，這段合作可能就不會開始」，幸好兩個人都有著不放棄的性格，合作就此展開。特生中心與她打算從中小型的食肉目動物開始，設計出能夠救牠們一命的友善公路系統，未來也可以應用在兩棲類跟爬蟲類上。

要創造友善動物的公路系統，當然不能跳過公路主管單位。於是她們也拜訪交通部公路總局，沒想到一拍即合，公路總局也答應加入合作，計畫似乎水到渠成。

拯救石虎的重重關卡：設計要跨域、設備要在地

話說好萊塢電影塑造英雄的手法，通常是讓英雄出場先去救一隻貓，完成一件簡單又能展露英雄氣息的任務，只是現實生活中，拯救石虎的任務沒那麼簡單。蔣雅郁表示，設計感測器，要結合多種功能，彼此要能互相搭配。她們計畫是讓在遠方行駛的車輛在經過路殺熱點之前，感測器能先感測車速，發出警示，若偵測到路旁有動物，設置在路旁的設備就先打出光波跟聲波，讓動物先靜止，製造出時間差，不要上路被車撞。不過這也沒那麼簡單，例如紅外光雖然可以偵測動靜，但紅外光對某些動物可能有不良影響，於是也不能拿來就用。至於聲波，也得考慮如果動物聽久了，會不會習慣，於是就沒用了？

另外，這設備發出的光跟聲音會不會破壞周邊棲地，對植物跟微生物、以及小型爬蟲類帶來負面影響？這些關於生態學與動物休眠的知識，蔣雅郁不熟，所以更需要跨領域的專家加入合作。除了前面提到的特生中心石虎保育團隊以外，野生動物急救站還有路殺社的研究員也都加入了這個計畫，團隊中就只有蔣雅郁一個人是工程出身。公路總局則是道路專長，並協助評估感應元件架設上的問題。

就算設備元件沒問題，更難的是「操作」。雖然是淺山地區，但石虎跟淺山動物出沒處旁邊其實是有住家的，如果要打聲波或光波，可能會干擾居民，而若要把設備建立在私有地上，要取得土地也是難關。問題一波波湧上，就一個個解決吧！團隊拜訪熱點區域的鄉長跟里長，並請公路總局協調，目前已選定兩條示範道路作為試辦路段，一個在集集，一個在苗栗。

然而，試辦也不是說蓋好兩個月之後，沒有路殺就是好棒棒。公路總局希望前一兩年是測試期，但如果設備放上路面，沒辦法放了再一直調校，得先自己找塊地來模擬。「我沒有自己的地可以做前測，替代方式是先用 Arduino 做一個可移動的版本」蔣雅郁說，她以及學生已經開始實驗，以取得可靠參數，實驗將進行兩年。

當然，蔣雅郁也調查過國外有沒有類似的解決方案？不過她目前看到的都是被動的，不像團隊這個方案是主動的。另外這些國外方案都聚焦於提醒人類，而不是動物。當然，她認為即使如此，國外的對人警示標示還是比台灣的明顯，是可以改進的方向，例如當車輛進入熱點，就主動提示駕駛放慢速度。國外也有使用閃光來直接警告動物，但主要是設置反光板，將車燈的光折射到山裡，這做法奏效的前提是道路得是直線的，如果是連串彎路的話就沒用，而台灣的山路卻是彎來彎去。

今年一月份，蔣雅郁就跟特生中心的夥伴一起去集集跟苗栗的熱點觀察，看有沒有涵洞等生物通道，以及通道是否清空，並請公路總局注意。另外也架設攝影機，看通道是不是真的有動物使用，畢竟目標是減少路殺，各種方案都要試。「目前跟公路總局合作，給計畫團隊的自由度蠻高的，也都同意該趕快來做，因為預防路殺除了保住動物生命，也能減少駕駛為閃避動物而造成車禍」，蔣雅郁說。

物理技術就算解決了，心理感受這關還得過。台灣的淺山區域其實民宅很多，「只是往山上走一點」蔣雅郁形容，她也聽說某個鎮的鄰里長比較支持石虎保育，其他的則不那麼挺。石虎與許多農友之間，充滿愛恨情仇，她也聽過「這種會吃雞的大貓被撞死也好」的說法。所以特生中心的夥伴計畫要加強環境教育，跟農友合作，創造多贏局面。舉例來說，現在越來越紅的「石虎米」就是苗栗通宵楓樹里的農友以友善環境、不噴農藥的方式種植，讓石虎可以安心捕捉會在農田出沒的鳥類、老鼠、野兔。而當石虎可以成為農作物的品牌，也能吸引更多人關心。另外，更有南投中寮地區的農民也自主組成友善農作組織「石虎家族」，至今有超過 31 戶農場加入，希望能讓石虎以及棲地生態成為中寮的驕傲。

為了加快實驗速度，蔣雅郁常自掏腰包買設備，也主動上 PTT 徵才，希望可以找到更多的人來幫忙。「我相信擁有關鍵技術的人不一定在我們同溫層」蔣雅郁認為，關鍵是要讓大家投入，當更多人有參與感，就會發現這件事有多重要，就像她自己一開始只是覺得石虎的消息太悲傷，但後來才知道苗栗道路闢建的問題、棲地破碎對生態的影響，才更加投入。她希望新加入的成員有 maker 與科學家精神，能從車流、車速、車輛預警系統、感測器等方方面面的實作與數據中找到解方。

先前提到，團隊中生態背景的專家現在不少，所以她希望找到至少有一點工程背景的人加入。有些機械工程背景的學生雖然心有餘，但不太理解自己能做什麼事情，特別是該怎樣跟生態的人配合；但蔣雅郁相信，很多生態保育的議題，解決之道就在於跟不同領域的人互相結合。她自己的求學與工作經歷也是一直跨領域：大學念機械、碩士念應用力學，博士去德國念分析科學跟生物化學，在英國則研究化工。當初回台灣面試教職時，也曾被問跨那麼多領域，跟機械有什麼相關？但這反而成為她的優勢。

她應用流體力學，操控流體裡頭的細胞、病毒、抗體來做研究，設計適合生物學家與醫生用的晶片、像是神經細胞連結的平台，讓科學家能觀察單顆幹細胞怎麼分化，提供其她領域專家用更好的工具去回答更困難的問題。也因此她的實驗常常需要跟化學家、生物學家、醫生等合作，跨領域是常態。

蔣雅郁透露，為了加快速度，其實還沒拿到計畫經費，自己就開始做了。接下來她希望能把系統價格降低，學習「空氣盒子」計畫，全部開源（open source），讓住在附近的居民都可以一起參與。目前晶片整合還在設計，但推動至今，蔣雅郁深知這是一個社會改造層級的計畫，不能只靠公部門從上而下，或是小小團隊一頭熱，這樣反而會讓大部分的人民不知道自己可以做些什麼。「如果有機會可以讓大家一起來投入，那就更好了」，她說：「我其實覺得我自己不是這個問題的專業，但我不懂為什麼比我厲害的人沒有跳出來做，所以我就跳出來了」，「現在很多要跟著大家一起學，我也還在學」。