蹲下去，站不起來的退化性關節炎

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

退化性關節炎長久以來都被視為是一項由老化帶來的致命傷，對症治療方式僅有紓解疼痛而已。事實上，這是一種完整獨立的關節疾病，多種可能導致軟骨損壞的危險因子已獲確認。退化性關節炎的起因機制研究相當活絡，研究員應該可以在未來幾年內找到新的治療標靶，並研發出對抗退化性關節炎的專門藥物。

軟骨與關節的退化

退化性關節炎是最常見的關節疾病，特徵是軟骨損壞並擴散到所有的關節結構，尤其是骨頭與滑膜組織的部份。覆蓋在關節最外層骨質上且可互相滑動的軟骨會越來越薄、進而碎裂，最後完全消失，引發疼痛與喪失行動能力的嚴重殘障。

研究員目前仍不了解這個退化機制，該機制因而成為主要的研究目標。

多個危險因子已獲確認

軟骨損毀是一種與年齡、新陳代謝失調、壓力過大、某些關節疾病或軟骨天生脆弱有關的真實病理過程。遺傳是一項可能的危險因子，特別是手部退化性關節炎。

機械性壓迫如承載過重、常背載重物、過於激烈的身體活動，都會損毀軟骨。某些解剖性異常或創傷後遺症（關節骨折、被忽略的扭傷、脫臼、半月板剝落）也會導致軟骨損傷。其他影響關節的疾病如軟骨鈣化、骨頭壞死症與類風濕性關節炎，同樣也會引起軟骨損毀。因肥胖症而引起的新陳代謝失調似乎也會造成軟骨損毀，例如肥胖者得到手部退化性關節炎的比例是一般人的兩倍（註一）。

退化性關節炎的診斷方式是臨床檢查，醫生透過關節 X 光照射來觀察連結骨頭的關節空隙縮小情形。為了觀察病情的嚴重性與惡化速度，尤其是非脊柱部分的狀況，最好每一到兩年定期檢查一次。

65 歲以後常發生退化性關節炎

在法國，未滿 45 歲即罹患退化性關節炎者僅有 3%，65 歲以上的患者佔 65%，80 歲以上的患者則高達 80%。發病頻率隨部位而有所不同：

– 退化性脊椎關節炎：最常發生在 65 到 75 歲的人身上（70% 到 75%），但症狀最不明顯；
– 退化性手指關節炎：手指是第二常見的好發部位（60%），其結果是不可逆的變形；
– 退化性膝關節炎與退化性髖關節炎：分別佔 65 歲至 75 歲人口的 30% 與 10%，它們最易使人喪失活動能力，因為受到影響的是承載人體重量的大型關節。

其他關節也可能受影響，但肩膀、手肘、手腕、腳踝的退化性關節炎較為罕見。

無法預測的變化

軟骨病變不會隨時間減弱，其演進也是非線性的，有時速度非常快，例如可能不到五年就須安裝人工髖關節。但退化性關節炎也可能在許多年之內慢慢變化，而沒有引發嚴重的殘障。

兩個無法預期的階段會不斷交替：在慢性階段中，會有不同的日常性困擾，疼痛較為溫和，但不時有伴隨關節發炎的強烈疼痛發作，此時疼痛感強烈，從早上便出現，有時也會在夜間出現。在慢性階段中，醫生會建議病人保持規律的身體活動，但疼痛發作時，應讓關節休息。事實上，軟骨損毀就發生在此階段。

僅進行對症治療

目前只存在減緩疼痛的對症治療，尚無任何可保護軟骨的抗退化性關節炎療法。藥物治療始終必須配合非藥物性的治療。止痛藥可對抗疼痛。最主要的藥物是 Paracetamol，但也可使用其他適合不同疼痛程度的藥物。

若出現發炎情形，口服、凝膠或藥膏形式的非類固醇抗發炎藥物（AINS）都很有用。為了進入另一個治療階段，醫生也會將類固醇滲透劑這種強效抗發炎藥物直接注射到關節中。一般而言，同一關節每年的注射次數限於三次。

某些所謂的長效治療，在疼痛持續時，能較緩慢但持久地舒緩病人的疼痛，其效果可維持將近六個月，但多半十分微弱。這類藥物包括硫酸軟骨素、硫酸葡萄糖胺、酪梨與大豆的非皂化物或是 diacerhéine。

其他可維持六個月的鎮痛辦法包括被稱為粘稠補充療法的玻尿酸注射，就是注射一種成份近似生理滑膜液的粘稠物質。關節清洗則運用在膝蓋上，在局部麻醉的情況下，可使用生理食鹽水清除軟骨殘留物。科學文獻對這些技術效果的爭議性都有記錄。

防止惡化的方法

以下是遏止病情惡化的必要方法，必須依病況與退化性關節炎發生的部位進行個人化的調整。建議採用的方法如下：

– 若體重過重，需減重；
– 在未出現發炎狀況時，規律從事和緩的身體活動，例如每週三次去散步一小時；
– 避免擔載重物；
– 依自身健康狀況調整周圍環境，例如藉助浴缸中的扶手，或者將廚房中的廚具放在伸手可及的範圍內；
– 當症狀加劇時，準備一根拐杖；
– 罹患退化性膝關節炎者，應穿著矯正型鞋墊等等。

安裝人工關節

用以取代病變關節的人工關節需透過外科關節置換手術來安裝。當髖關節和膝蓋病變過於嚴重時，可換裝人工關節。雖然它通常能明顯改善生活品質，但平均效能僅約十五年左右。

邁向抗退化性關節炎的標靶治療

辨識退化性關節炎的機制

長久以來，退化性關節炎都被視為是軟骨損壞，但它實際上卻是一種破壞性與發炎性的症候群，與多種風險因子相關。科學家不再討論普遍性的退化性關節炎，而是依病人的狀況來討論「各種退化性關節炎」，例如年紀引發的退化性關節炎、過度肥胖造成的退化性關節炎、關節疾病帶來的退化性關節炎等等。這些情形會導致各種不同的病理機制，造成關節組織如骨頭、軟骨與滑膜組織之間有不同的分子信號介入。對這些機制的瞭解，可讓醫生在未來幾年內，在診斷時擁有病情進展的預測性生物指標，同時可讓醫界找到新的治療標靶，以期根據病人的狀況，將照護與治療個人化。

抗發炎、刺激軟骨或骨頭的製造

在等待新治療標靶的同時，醫藥界也在評估多種抗發炎分子藥物。區域性發炎似乎確實與軟骨退化有關。因此，當發炎因子如第一介白素（interleukine 1）或腫瘤壞死因子 -α（TNF-alpha）等細胞激素（Cytokines）在特定區域出現時，便成為潛在的治療標靶。研究員已經做過抗發炎因子的單株抗體測試。第一介白素的測試結果令人失望；目前正在進行對抗腫瘤壞死因子 -α 的測試，尤其是針對退化性膝關節炎與手關節炎的藥物 adalimumab。

其它分子藥物則以刺激軟骨的製造為目標，例如生長因子 FGF18 可刺激 chondrocyte（一種會生產軟骨的細胞）製造軟骨基質（matrice cartilagineuse），或是刺激似乎也在進行同樣活動的蛋白多醣（lubricine），方法是將這些重組分子注射到關節腔內。研究員目前已在進行人體試驗，希望能獲得結構性的成果，達到修復軟骨或使軟骨穩定的目的。

其他對骨頭有特定療效的分子也用於退化性關節炎的測試中，例如已上市的 Zoledronic acid 或 strontium ranelate 是用來治療因骨質脆弱而造成的骨質疏鬆症。研究員目前正在評估這些藥物對人類退化性膝關節炎的療效。

替代變質的軟骨

研究人員的另一項目標是修復病變的軟骨，甚至利用直接注射到關節中的細胞移植來替換軟骨。目前正在進行軟骨細胞與生物材料結合的試驗，希望能製造出半人工軟骨或幹細胞。

第一種情況是設計能與人體相容的支架材料，讓移植的軟骨細胞可圍繞此支架增生、製造新的軟骨基質。初期動物實驗的結果令人振奮，尤其是健康軟骨受創後的治療。可惜的是，當發炎情況嚴重時，再加上骨頭與滑膜組織有問題，就不易進行移植。

其他團隊則針對脂肪幹細胞進行研究。這些從脂肪組織中取出且尚未分化的細胞，能在關節環境與其它不同生長因子的影響下，變成軟骨細胞。由法國蒙貝利耶（Montpellier）大學醫學中心統籌的歐洲抗退化性關節炎合作計劃（ADIPOA），正依此方向進行初期退化性關節炎治療效果的研究。初步結果令人鼓舞，但也証實幹細胞對軟骨的主要效果在於其強大的抗發炎能力，而非分化成軟骨細胞的能力。但要証實這些治療策略對人體的功效，並使之合法化，尚需多年時間。

＊註一：參見 Yusuf E, Nelissen RG, Ioan-Facsinay A, Stojanovic-Susulic V, DeGroot J, van Osch G, Middeldorp S, Huizinga TW, Kloppenburg M Ann Rheum Dis. 2010 Apr;69 (4) :761-5

作者：駐法國代表處科技組
資料來源：L’arthrose, une maladie à part entière—法國國家衛生暨醫學研究院（INSERM）線上資訊 [2012-04]

轉載自國科會國際合作簡訊網 [2012-07-02]