用科技引進自然光

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

「趕快下來、房子要倒了！」隨著工地主任一聲大喊，居民慌亂逃出。接著，基泰大直建案隔壁的公寓，就像坐電梯一樣往下陷落，原本的 1 樓，如今已成為地下室。

除了基泰大直案，台灣各處都偶有聽聞發生天坑、房屋沉陷等事件，這些災害，似乎又常常是地下工程惹的禍。

但這次事件是怎麼發生的？軟弱的地盤真的不適合蓋房子嗎？我家或你家，也會遇到嗎？

為什麼土壤會崩塌？

為什麼土壤會崩塌？大家應該都有過在海邊堆沙子的經驗，當砂子堆到一定的角度後，沙堆表面的沙子就會開始不穩定，這時如果繼續堆沙，沙子就會坍方。

土壤的「剪力強度」會使土壤坍塌到一定程度後就不會繼續坍塌，讓土壤的斜面與地面形成一個角度。所謂的剪力是指將物體推往相反方向的外力，例如用剪刀剪紙，或是用手撕紙。而土壤的剪力強度，指的是防止土壤發生平移破壞的阻抗，剪力強度愈大，代表愈不容易發生坍塌。

剪力強度的大小則受到土壤的顆粒形狀、大小分配比例、緊密程度以及凝聚力所影響。例如由不同形狀與大小的顆粒混雜而成的土壤，彼此之間的摩擦力比只有相同大小顆粒的圓形土壤，強度還要高。或是含水量較少的黏土，比含水量高的黏土黏滯性還高，凝聚力更強，因此剪力強度比較高，更不容易坍塌。

若是開挖基地的土壤剪力強度不足，很難形成垂直度高的壁面，這個時候若是沒有足夠的空間設立明挖邊坡，就需要擋土壁來擋住側向的砂土，保護開挖面，讓工程順利進行。

大家在這次事件一直聽到的「連續壁」，是一種常見的地下擋土設施，就可以擋住側向的沙土。開挖建築地下室前，常會在基地周圍施作一圈連續壁，阻擋地下水與土壤，再進行開挖工作。由於連續壁適用範圍廣、可以擋水、所需空間不大，對臨房影響較小，常被用在軟弱黏土以及都市密集區的工程。而連續壁的貫入深度，通常是開挖深度的 2~3 倍。

以台北市為例，根據臺北市建築工程基礎開挖安全措施管理作業要點，在有鄰房的狀況下進行地下開挖，深度只要達 8 公尺以上就要採用連續壁擋土工法。這些連續壁不僅能用來保護工地，還可以成為未來完工後，建築物地下室的永久外牆。

那麼，這次事件又發生了什麼事呢？

大直民宅坍塌事件是怎麼發生的？

為了抵擋側向土壓力與水壓力，通常擋土壁還需要配合基地內的支撐系統。常見的施工流程首先會在施作擋土壁之後打入中間柱，並且開挖第一階土方。接著在中間柱上架設一層臨時性的水平支撐與施工構台，才會繼續往下開挖下一階土方，重複這樣的步驟直到挖至設計深度。全部開挖完成後，最後在底面鋪設混凝土底版，由下往上開始施作地下室結構。

這次基泰大直事件中，基地位於軟弱黏土地盤。當開挖作業進行到一定深度後，連續壁外側的土壤重量，超過連續壁底部黏土的抵抗力，開挖底部失去平衡。外部的黏土沿著破壞面流動，湧入開挖區。緊接著，基地內的土壤連同中間柱被湧入的土壤向上抬起。當中間柱被向上推之後，橫向的水平支撐也隨之崩解，失去保護連續壁的作用，最後失去側向支撐力的連續壁朝基地內擠進破壞。

災難如連鎖反應，除了基地結構被破壞，基地外側的土壤也會因為向開挖區內流動，導致地面大量沉陷，蓋在上面的房子，也就是這次事件中受害的民宅，隨之下陷。這種工程災害稱為「隆起破壞」。

過程雖然是這樣，但導致這次事故發生的確切原因，目前還在調查當中。可能是調查與設計單位對地質狀況的判斷過於樂觀，連續壁的設計貫入深度不足，或是因施工不慎，導致連續壁與支撐系統並沒有完全發揮作用。

那麼你可能最擔心的是，我家會不會也遇到相同問題，買房前是不是也要挑地質？

常見的開挖災害有哪些？

這邊要先說明，其實不同的地質，需要對應不同的考量與施工工法，我們應該因材施工。而不同地質，也會面臨不同的挑戰與風險。例如基泰大直的隆起破壞，容易發生在軟弱黏土進行的開挖工程，而在透水性良好的砂質土壤中，則可能會因為地下水位差，發生管湧與砂湧等災害。

什麼是管湧呢？它指的是地下擋土壁因為施工不慎導致壁面出現裂縫，在裂縫處將容易形成透水路徑。如果沒有即時修補裂縫，滲出的水流會愈來愈大，並夾帶砂土，形成滲流管道。水流夾帶砂土持續湧入開挖基地，就會使得擋土壁外側逐漸被掏空，導致上方鄰近道路及房屋沈陷。

而砂湧，也是另一個容易發生在砂質地盤的災害，這種現象主要發生在基礎開挖時，基地內側與外側水位落差很大。水位差會使地下水由擋土壁底端上湧，當上湧水流的壓力大於開挖面底部土壤的重量，水壓會將基地內的土砂舉起，冒出開挖面，進而導致開挖基地的破壞。

不過除了先天的地質問題，擋土壁與支撐系統，也可能會因為設計與施工上有所疏失，使得擋土壁牆身的強度不夠或位移太大而發生破壞。

話說回來，這些軟弱地盤，是不是根本就不適合蓋房，爛泥扶不上牆，不對，是爛泥扶不住牆呢？

軟弱地盤真的不適合蓋房嗎？

就像蛋糕不是只有蛋，建築的地盤不只有土壤，而是由土壤、地下水及空氣所組成。依照不同的比例及成份，有著不同的特性。若是地質沒辦法讓蓋在上面的建築物穩定安全，就是所謂的軟弱地盤。

軟弱地盤通常位於沖積平原、湖沼地或是人工回填區。這些地方的土壤因為沒有經過地質變動等物理作用，通常由軟弱黏土、沉泥、或是鬆散的砂土所構成。例如台北盆地是河流所形成的沖積平原，因此大部分的地區都是屬於軟弱地盤，而桃園、台中的地質則穩固許多。

直接在軟弱地盤上蓋房子，就像將建築蓋在豆腐上，不僅施工時容易發生災害，建築也可能會因為自身的重量而沉陷。但隨著都市發展，所需要的土地大量增加，我們很難完全避免在這類地盤上興建工程，因此工程師會利用各種方法，來克服困難的地質條件。

軟弱地盤並不是完全沒有辦法蓋房子，我們可以選擇深基礎，透過數十公尺長的基樁，穿過軟弱土層，將建築固定在更深處的堅硬岩盤上。

或是透過地盤改良，改善土壤的特性，防止破壞、液化以及沉陷等問題發生。

除了加入岩隱村習得土遁忍術以外，地盤改良的方式非常多，同樣需要依據地盤的性質、改良的方向以及工程的類型來選擇最適合的工法。這裡介紹幾種台灣常見的地改方式。

第一種是振動夯實，這種方法是利用機械振動等外力，使基地土層的密度增加，加強支撐力，減少發生沉陷或液化的可能，這種方法適用在非黏性的土層。

第二種，排水預壓工法。這種方式則是在蓋房子前，在基地加上額外的載重，同時也可以搭配排水帶，縮短土壤孔隙水的排水路徑，讓水更容易排出，進而增加土壤的壓密速率，減少土壤內的孔隙與含水量，克服未來建築完成後的沉陷問題。

第三種，也是在都市建築中最常見的地盤改良，是深層攪拌工法，利用特殊機械，透過高壓噴射或是機械攪拌等方式，在地層中注入水泥，並同時攪拌土壤，讓水泥與周圍的土壤拌合成固結體，與原本的地層組成複合基地，以提高土壤強度，我們常聽到的地盤改良樁，就是屬於這種工法。

也就是說，透過合適的地盤改良、基礎形式與開挖工法，軟弱地盤也是能蓋房子的。

如果你對你家，或是你想要買房子地方的地質很好奇，那事不宜遲……就來介紹查詢看看你家地質吧。

我該怎麼知道我家的地質？

依照經濟部地質法的規定，只要是政府機關或公營事業所辦理的地質調查，都需要將調查結果提交給中央主管機關。而這些資料都會被上傳至中央地調所建置的公開平台——工程地質探勘資料庫，也就是說，如果你家附近曾經有公共工程進行過地質調查，就可以在上面找到鑽探資料。

另外，政府也公布了全台的地質分佈資料、土壤液化潛勢區以及活動斷層的分佈，資料都公開在網路上，有興趣的觀眾可以上去查看，更瞭解自己的居住環境。除此之外，國家地震研究中心甚至有有簡單的試算方式，可以評估自家住宅的耐震能力。

當然這些公開資料，只能作為工程設計的初步參考，還是需要請專業的地質調查公司進行鑽探與實驗，才能比較完整地瞭解基地的地質。因為即便知道自己家裡附近的地質類型，地質條件還牽涉到各種土壤參數，工程設計和施工品質也有重大的影響。此外，像順向坡角、土石流及易淹水潛勢區這類危害很大的地方，一般民眾原本也鮮少將此列入尋覓住處的考量。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

• https://www.pcc.gov.tw/cp.aspx?n=BDB0…
• https://news.pts.org.tw/article/655460
• http://www.twce.org.tw/modules/freeco…
• http://www.twce.org.tw/modules/freeco…
• https://www.champmon.com.tw/H-1.htm
• https://udn.com/news/story/123732/742…

西元前 206 年，項羽率軍進入秦國的都城咸陽，縱火焚燒秦始皇所建的阿房宮，大火延燒了三個月。唐代的杜牧，寫過一篇著名的賦——〈阿房宮賦〉，藉著阿房宮被焚的事，抒發自己對時局的憂心。

〈阿房宮賦〉一開篇，就敘寫阿房宮的宏偉壯麗：「覆壓三百餘里，隔離天日。……五步一樓，十步一閣。廊腰縵迴，簷牙高啄。各抱地勢，鈎心鬥角。」這就是成語「鈎（勾）心鬥角」的出處。

在〈阿房宮賦〉中，鈎心鬥角的原意，是形容宮殿建築群的錯綜複雜。當它成為成語，卻帶有貶意，用來比喻人與人間各用心機，明爭暗鬥，互相排擠。讓我們造兩個句。

商場上經常鈎心鬥角，你要當心留意才是。

他的個性單純，哪懂得政治上的鈎心鬥角。

接下去讓我們談談中國傳統建築，以及杜牧為什麼用鈎心鬥角來形容建築群的錯綜複雜？首先要了解，中國傳統建築都是木造的。受到材質（木材）的限制，單一建築不可能蓋得太高大，所以宮殿、寺院都由一大群建築構成。北京的故宮就是個例子，它由 980 幢房屋構成，壯觀極了。

中國傳統建築的牆面缺少變化，以群體建築的屋頂變化，使之豐富多彩。傳統建築的屋頂至少有八種基本樣式，以此為基礎，可以變出更多花樣。以中正文化中心來說，中正紀念堂、國家劇院、國家音樂廳的屋頂就各不相同，有機會的話不妨注意看看。

除了龐大的屋頂，中國傳統建築還有如鳥翼般，向外（出簷）、向上翹（起翹）的屋簷。出簷的目的是為了遮蔽風雨，起翹的目的是為了採光。為了支撐出簷、起翹的屋簷，我們的祖先發展出一種特殊的支撐系統——斗拱。斗，指方形的木材，而拱是略為彎曲的木材。斗和拱縱橫交錯，層層疊疊，逐層向外伸出，托起出簷、起翹的屋簷。

杜牧為什麼用鈎心鬥角形容建築群的錯綜複雜？鈎心的心，指宮室本身。鬥角的角，指屋簷角。當建築物密集，從遠處望去，眾多建築物的屋簷和屋簷角上下錯落，當真像在比試爭鬥似的。從這個自創的詞彙，可以看出杜牧的才思。

元朝以前，屋簷較長，所以斗拱特別顯眼，但殘存的極少。日本建築是中國建築的一個支系，從日本的古建築，可以看出中國魏晉或唐代的建築風貌。