內爾哈洞窟——石灰岩溶洞中的古老岩畫│環球科學札記(24)

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 / 張之傑

和平號第一○一回約有乘客一千人，不少已七老八十，年紀最大的一位已九十四歲，一百多天下來，難道沒人有個三長兩短？有倒是有，不過沒人喪亡。我們臨下船時，有位船上的職員說：「你們一○一回真幸運！」

六月四日，風浪很大，整天覺得暈暈的。晚餐到四樓進餐，有四位台灣團員在門口等候，我們一起進去，八人的桌子我們佔了六席。一位團員告訴我，行動不便的C先生，因前列腺問題，尿不出尿來，他們同室的三位年輕人（也六十幾了）把他抬到醫務室，導尿後已躺了一天。

七月二十九日，午餐後在八樓散步，發現有位日本畫家中村洋一用毛筆為人畫像。我們過去了解一下，才知道要領號碼牌。我們拿到十二號，當時他正為二號作畫。請他畫像要自備紙張，到小賣部去買，已賣完了，只好用複印地圖的反面充當畫紙。時間還早，內人要去上日語課，約定下午三時由我帶著號碼牌和畫紙到八樓會合。

我們到達時，早已過了號。中村先生作畫極快，畫一張小畫不過三、四分鐘，我們拿出那張 A3 的銅板紙，他並沒拒絕。狼毫落紙有聲，不到五分鐘就勾勒出兩人的神情，還落上款，寫上日期。有位北京畫家曾對我說，用毛筆作素描最難，沒想到在船上遇到了。中村先生臨下船才為人作畫，而且只畫一天，我們剛好趕上，不是緣分是什麼？

我們剛取到畫作，突然響起廣播：「有人因急症，將在硫磺島海域送醫，八至十樓甲板關閉，以便直升機降落。」這是啟程以來從沒遇到過的事，不免引起大家關注。急症病人應該是日本人，如果是華人，我們應該有所耳聞。事後才知道，果然是位日本老先生，他午餐時心臟病發作，已送往醫務室。

同一天惜別晚宴，船上的所有工作人員，包括我們的管家、常見的餐廳服務生等，和從沒見過的廚物人員，都唱著歌，揮著手，出來和大家告別。是的，一○三天旅程即將結束，已是勞燕分飛的時候了。

晚宴後響起廣播：「因天候不佳，送醫行動延至明晨六時。明日清晨八至十樓甲板關閉，以備救難直升機降落。」翌日（七月三十日），不到清晨六時就響起廣播：「救援行動已結束，和平號將繞行硫磺島一周，然後繼續航行，抵達橫濱時間不變。」

救援行動不許靠近，有位游先生以長鏡頭錄下整個救援過程，秀出錄影給我看。和平號八樓甲板太小，不能降落，國際救援組織的直升機垂吊下一人，病人早已躺在擔架上，直升機將救援者和擔架一起吊到機內，隨即飛往硫磺島急救，再轉往日本。游先生對我說，這趟救援一百萬日元跑不掉。

吃過早餐，約七時四十分，到八樓甲板，發現和平號向南航行，已繞到硫磺島西側，島上的火山口清晰可見。海濱噴氣口噴出的氣體，似乎可以聞到硫磺氣味。有位日本乘客站在船舷窗前，合十對著硫磺島膜拜。二戰時美日曾在此血戰，雙方傷亡慘重，日軍戰死二三七八六人。和平號完成救援工作繞行硫磺島一周的目的已不言可喻。

從海上救援，想起每月一次的逃生演習。四月二十日我們一上船，還沒收拾好行李就響起逃生訓練（演習）的廣播。此後乘客每月演習一次，工作人員每週演習一次。雖屬例行工作，但不怕一萬，就怕萬一，如果發生船難，這樣的演習應可發揮作用。

逃生演習所有乘客必須參加，各人取下房間衣櫃頂層的救生衣，穿綁整齊，到八樓指定地點集合。管家負責將各個房間的人清空。經過刷ID卡，確認所有的乘客皆已到齊，響過幾次逃生警報後結束，整個過程約一小時。環球期間我們作過四次逃生演習，但從沒真正登上過救生艇。

和平號的救生演習，悉依「國際海上人命安全公約」（SOLAS公約）的規定執行。SOLAS公約的訂定，和鐵達尼事件有關，一九一二年鐵達尼號擦撞冰山沉沒，二二二四名人員死難一五一四人，此事引起國際關注。一九一四年，通過SOLAS公約，經過多次修訂和補充，已擴展至郵輪安全的各個方面，要求極為嚴格。

SOLAS公約規定，郵輪配置的救生設備數量，必須為滿載人數的百分之一百二十五；水密艙高度需延伸至最高一層連續水密艙壁甲板；所有的救生艇必須能在發出棄船信號三十分鐘內，載足全部乘客和用具降落水面。鐵達尼號事件死亡眾多的主要原因，是救生艇不足，水密艙高度太低，以及船員和乘客欠缺逃生演練所致。

和平號的救生艇懸掛在九樓船舷外側，每側封閉式二艘，敞開式五艘，都有螺旋槳，這些救生艇是供乘客逃生用的。技術工人每天不停地在救生艇及其懸掛架爬上爬下，作各種檢查和上漆工作。六月十一日我們參觀八樓船頭的駕駛艙時才知道，船上掛著的滾筒狀設備，原來是塑膠救生筏，卸除外殼，落入海中就會自動充氣張開，這是供船員們用的。

如今科技進步，藉著雷達和聲納，只要小心謹慎，就可以防止觸礁、撞船或撞冰山一類的事發生。藉著氣象雲圖和天氣預報，可避開颱風或颶風。唯有意外事故所引發的火災難以避免，這從SOLAS公約有關防止火災的條款特別多、特別細可以看出端倪。

• 作者 / 張之傑

拜寧族的火焰舞，起源於慶祝新生嬰兒誕生，或迎接收穫季節，或緬懷逝去的祖先，此外也是男孩的成年禮儀式。火焰舞只允許男子參加，女子和兒童不許參加甚至觀看。

我們到達時，有些村童在廣場靠近小溪處，用枯枝落葉燃起小規模野火，學習大人的火焰舞，即踩火活動。我忘了清明掃墓時因煙燻而眼睛不適的教訓，因靠得太近，再次被薰得眼睛紅腫發痛，一度睜不開眼睛。

這時一位老奶奶帶領一些村童坐在地上，身上披著撕開的香蕉葉，從頭披到腿部。她雙腳踏著竹筒梆子，用木棒連續敲擊，口中念念有詞。另一批身上披著香蕉葉、臉上和手臂上塗著白粉的村童，根據敲擊的韻律在原地踏步跳躍。

參訪過高林村，吃過村民們為我們準備的食物，天色已漸漸暗下來。根據《船內新聞》，這天十七時五十五分日落。太陽下山後，小廣場開始清場，不再有孩童嬉戲。四周也劃出界線，不許觀眾近前。村民將一堆柴火搬到廣場中央。當天色更暗些，小廣場一側響起叩叩叩的木杵敲擊聲，應合著嘔嘔嘔伊呀、嘔嘔嘔伊呀的呼喊聲，火焰舞即將開始了。

這時柴火已經點燃，這是廣場中的唯一光源。黑影幢幢中，十幾位舞者（實際上是降神者）只能看出頭上插著兩片顏色較淺，狀如鳥翼，上有環狀紋的裝飾，其餘一團烏黑，什麼也看不出來。直到看到業餘攝影家李枝福先生用高感光度長鏡頭拍下的照片和錄影，才知道個大概。

火焰舞暨神秘又神聖，行前工作人員一再交代，火焰舞有很多禁忌，如不許詢問等，可是高感光度的長鏡頭讓我們略窺其奧秘。舞者們從頭部到臀部，披著香蕉葉等新鮮植物，披裹得像隻穿著蓑衣的猩猩。頭上套著鳥喙狀裝飾物，可能是保護頭面部的。陰部戴著護具，看不出是用什麼做的。大腿上裹著香蕉葉，小腿上裹得較厚，狀如圓滾滾的綁腿。腳上似乎也墊著植物莖葉。

至於頭上插的兩扇繪有環紋的鳥翼狀裝飾物，少數變異成其他形狀，譬如長方形或團扇形，上頭畫著十字架。還有人圍在兩扇狀如合攏起來的貝殼的圓筒中，材質可能是用竹篾編成，上頭有深淺相間的圖案，圓筒頂端插有一根黑白相間、相當長的的朝天錐。

十幾位舞者站在樂者（擊搗木杵者）的對側，中間隔著柴火堆。隔一段時間就有人添加柴火，使之維持旺度。起先一位舞者踏著奇異的舞步走出來，繞著熊熊的柴火堆擺動身軀。舞者忽然衝進火推，踏出及踢出的火星迸散，四周隨之響起驚呼聲。接著出場的加多，有時幾位舞者接二連三地躍入火中。少數幾位還在火堆上站立有頃，令人怵目驚心。

我漸漸看出來，舞者大多踢著火，而非踏著火而過。踢起來的火星飛揚，營造出舞者被火焰包裹的效果。圍著兩扇狀如合攏起來的貝殼的圓筒中的舞者，似乎沒見有人躍入火中。為了存真，我用手機錄了幾段。正觀看著，有位當地人過來用英語對我說：「你們要上車了。」看看腕表，十九時三十分，距離預定的上車時間還有十分鐘。

摸黑走向停車場，回頭一看，廣場上擠滿了人，比我們的人多上好幾倍，看來附近村村莊的人都來了。火焰舞還會繼續下去，據說要跳到深更半夜。工作人員拿著手電筒照明，一位日本工作人員帶我上了一輛全是華人的車，等了一段時間才湊齊人數。十九時三十五分開車，一路沒有一盞路燈，麵包車一輛接一輛，利用車燈照明，在山路上蜿蜒，二十時三十分回到碼頭。

回到船上，利用中華電信的大旅行家方案，將手機的無線連結，連上筆電，將今晨和平號停靠拉包爾前寫好的一封信寄給家人和友人。信件如下：

各位：

今天是七月二十四日，將停靠巴布亞新幾內亞新不列顛島的拉包爾。和平號每到一個地方的前一兩天，往往播映與該地有關的電影。前天播映《聯合艦隊司令長官山本五十六》，從中可以看出端倪。

二戰時，日軍攻佔拉包爾，利用戰俘（包括國軍戰俘）營建強固工事，駐紮十一萬日軍，企圖進攻澳洲。一九四三年，山本五十六自拉包爾飛往布干維爾島視察，因密碼破譯，途中遭美軍擊落。

美軍隨即圍困拉包爾，阻斷其補及，但圍而不攻，日軍困守拉包爾直到戰敗投降。一九九四年，拉包爾火山大爆發，拉包爾舊城和港口悉遭摧毀，舊城區一帶海濱至今仍滿是鏽蝕不勘的日本軍車等裝備。

和平號停靠拉包爾，將攜帶大批募集的物質捐給村民。村民為了迎接和平號，將表演只有節慶才有的火焰舞。此行可說是日本人憑弔拉包爾古戰場，甚至悼念陣亡將士。船上的二百多名華人乘客，看出其底細的可能沒有幾人。

八時四十分於和平號七○六○室室

當日二十一時四十分開船，航向橫濱。