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

• 雅文兒童聽語文教基金會 研究員 林桂如

如果平衡感好，不僅可以輕易維持單腳站立的金雞獨立姿勢，還可以像韓國防彈少年、Twice 天團的成員們一樣，迅速變換舞蹈動作，也不至於跌出鏡頭外！

只是，你知道嗎？平衡感和臉蛋無關，更不只依靠眼睛和大腦！我們的耳朵，其實是維持身體平衡息息相關的要角。許多平衡感不佳的人，最後往往發現問題出在他們的耳朵上，箇中原因便是當內耳出現問題，將可能導致平衡跟著出現異狀，例如：步履不穩、搖晃，天旋地轉的眩暈，讓人站也不「適」、坐也不「適」。

聽覺和身體平衡的關係

如欲維持良好的身體平衡，將有賴聽覺系統中前庭系統（vestibular system）將接受到外界刺激，經前庭神經將刺激信息傳入相應的腦幹內的前庭神經核和小腦，再經視覺系統（visual system）和體感覺系統（somatosensory system）傳送至腦內更高層次的中樞神經系統處理，最後以運動神經系統做出反應。

國外相關研究指出，如果聽力受損時，前庭系統功能很可能也會有損傷，以致出現協調與平衡能力上的問題，甚至阻礙聽覺障礙（以下簡稱聽障）者的動態平衡（dynamic balance）（如：跑步、踢球）、靜態平衡（static balance）（如：單足站立）和協調能力的發展¹。因此，鑒於當聽力損失程度越重，其前庭功能失調的風險也越高，反映在生活中的表現可能為較晚學走、學習或從事關於平衡的活動時常受挫，故建議當個人的純音平均聽力閾值（pure tone threshold）超過 65 分貝以上者，宜進一步進行前庭功能測試²。

適度運動可促進平衡表現，聽覺障礙者亦然！

在諸多研究上顯示，相較正常聽力者，聽障者的靜態與動態平衡上均有明顯表現較差的情況。然而，在比較聽障運動員與正常聽力者的平衡表現時，結果卻顯示聽障運動員在動態平衡能力和正常聽力者相當，甚至更好，惟靜態平衡能力中的表現仍明顯比正常聽力者差；進一步比較一般聽障者與聽障運動員間的平衡表現，亦發現聽障運動員有較好的反應時間、移動速度及靜態平衡能力³。

從上述可知，藉由後天規律、適度的運動，除了可改善平衡表現和運動能力，亦能促進心理發展和社會技能⁴，並預防失衡導致的意外或傷害發生，這樣的成效在聽障者身上亦可見一斑⁵。

面對平衡感欠佳的孩子，宜留意其聽覺狀況、整體發展與適時引導！

    平衡感與生活自主有關，平衡感不佳的孩子，很可能無法自行走路、跑步或上/下樓梯，進而影響整體學習與適應。在平衡感欠佳者的孩子中，除了存在於自身的神經、前庭、肢體動作發展因素，也可能與個體所處的後天環境中家長過度保護、提供的環境刺激過少有關。

    當遇到平衡感不佳的孩子時，除了應留意其聽力發展外，亦建議定期參考「兒童健康手冊」分齡發展檢核，或各縣市衛生局提供的「學前兒童發展檢核表」加以留意。同時，亦鼓勵家長多提供兒童早期動作發展的經驗，如：當孩子可以放手行走時，酌量減少推車乘坐或手抱的機會，此外，也可善用共融遊戲場的遊戲設施加以探索，並可透過居家平衡小遊戲，如：練習墊腳尖、維持平衡；一隻手牽扶上/下樓梯；在柔軟的物體面（如：枕頭）上站立；玩需要經常轉頭的活動來提高前庭視覺反射功能（如：走路去拿一個球並把它放回桶中）等，幫助孩子從遊戲中練習平衡感！

1. Chilosi, A., Comparini, A., Scusa, M., Berrettini, S., Forli, F., & Battini, R. (2010). Neurodevelopmental disorders in children with severe to profound sensorineural hearing loss: A clinical study. Developmental Medicine and Child Neurology, 52(9), 856-862.
2. ²Castiglione, M., & Lavender, V. (2019). Identifying red flags for vestibular dysfunction in children. The Hearing Journal, 72(3), 32-35.
3. 高賡祖、林威秀（2020）。兒童與青少年聽覺障礙者平衡能力之探究。中華體育季刊，34（4），249-258。  
4. Vidranski, T., & Farkaš, D. (2015). Motor skills in hearing impaired children with or without cochlear implant – a systematic review. Collegium Antropologicum, 39, 173-179. 
5. Hartman, E., Houwen, S., & Visscher, C. (2011). Motor skill performance and sports participation in deaf elementary school children. Adapted physical activity quarterly, 28(2), 132-145.

如果今天你想要好好的切食物，該用什麼樣的刀呢？

大家馬上想到的，應該不外乎就是金屬或是陶瓷吧？自古以來要製作工具，這兩個材料一定是首選，直到當代貪圖方便而使用的塑膠刀叉之外，好像想找不太到其他更好的替代方案了。

但是最近，有一群研究人員打破了大眾的想法和材料科學的界線——用木頭製作的刀來取代金屬。

10 月 20 號，這一群來自馬里蘭大學的材料科學家們在期刊《Matter》上發表了一種全新的加工方法，可以把跟木材大幅強化，製作成餐刀等工具。這把刀的硬度不只跟一般的牛排刀不相上下，可以輕鬆地切開 8 分熟的牛排，還可以多次使用、洗滌、有效的回收再利用，整個產品製造過程的能源消耗也比金屬或陶瓷低非常的多，有望在未來取代這類餐具。

比金屬和陶瓷更環保的選擇：木材

當你環顧生活周遭需要以「堅硬」為訴求的材料，你會發現它們大部分都是人造或經過加工的，因為想製作堅硬的物品，最怕的就是整個物理結構上有裂痕、中空或缺口等等瑕疵，只要有以上任何一種，工具的耐久度就無法維持多久，然而天然材料通常都有這種缺陷，例如木頭內部會有中空導管，石頭內則會有導致它容易剝落或裂開的天然紋理。

所以物質多半都都需要經過高溫冶煉才能夠成為堅硬的材料，例如光是製造陶瓷，就需要將陶土加熱到幾千度的高溫，而在這個講求環保的時代，有時候又要考慮產品的碳足跡……不用說，從地球土壤中開採鐵礦和陶土所耗費的能源，絕對與使用天然材質相對多很多。

所以這群研究人員把腦筋動到了陪伴原始人類到現在、樸實無華的木頭身上，他們覺得人類還沒發揮木頭 100% 的能力。

請給我木材！人類尚未 100% 發揮它

好幾千年來，人類就不斷地想在木頭身上動手腳，但是在工具和建築上，木頭的加工通常只限於蒸氣曲木和壓縮法，用這種方法處理的木頭都會有個問題，在一段時間過後，木頭本身會有些許的回彈（定型）。

要知道為什麼就得先了解木頭！

木頭最主要的成分是纖維素，雖然平常可能無感，但纖維素其實有相當高的強度與密度比，表面上看起來是一個輕量又堅固的超理想材質，只看數字的話，甚至凌駕於大部分的高密度建築材料如水泥、金屬等等。但是我們目前加工木頭的方式，都無法把木材的材料潛力發揮到極致，部分是因為纖維素其實只佔了木材的 50%，除此之外還包含半纖維素、木質素等物質，這些聚合物主要是作為介質，而非提供強度，但如果將這些東西去除掉，整個木頭結構會變得容易崩壞。

所以研究團隊找到了方法，移除木頭內比較脆弱的物質，但是仍保留纖維素的結構，這個技術可以把原本木材的硬度整整強化 23 倍，並打造出比不銹鋼刀還鋒利 3 倍的餐刀。

兩步驟加工：讓「普通木材」變「超硬木材」

第一步是將木頭浸泡在添加了特定化學物質的水中，並加熱到攝氏 100 度，以去除部分木質素。失去木質素的木材會變得較為柔軟、具有彈性甚至還會黏稠；以往的木材加工通常不會將這個方法用在木材上，除了如上述提到的結構問題外，還會有使用溶劑的毒性問題，但研究人員研發出了毒性較低、還能重複使用的溶劑。

第二步是對木頭進行高溫加壓，去除水分並讓其材質更為緻密，確保不會有結構上的缺陷，連樹木中原本被導管佔用的空間都能夠去除。

藉由這兩個步驟，他們有辦法去除木頭原本的結構問題，而經過這樣處理後的木頭還可以裁切成想要的形狀，然後再塗抹礦物油延長壽命、也隔絕水分讓纖維素不要再吸水，以免洗滌餐具降低刀子的鋒利程度。

木材應用百百種！「五金材料」的新未來？

同樣的手法可以用來製作其他工具，例如和金屬釘子一樣堅硬的木頭釘子，一樣可以釘穿 3 塊木板，但是好處是木頭釘子不會有生鏽的問題，除了釘子之外，還有很多東西可以用這種木頭材質製作，例如更耐用的木頭地板。

儘管目前這個技術的使用還只是存在於實驗室環境中，但是不可否認的是，我們還沒有發揮木頭百分之百的實力，只要這個技術成熟，加上樹木可以種植並回收的特性，在未來每個人都可以分配到的超級強化木材資源或許可以凌駕於金屬，或只是打造出打不壞的木製球棒、堅不可摧的小木屋、輕量化的木頭汽車和飛機、或者是一把堪比鋼刀的超強木刀。

阿銀，你的木刀原來是這麼來的啊 ？

參考資料

2021，《Hardened wood as a renewable alternative to steel and plastic》