馬甲，勒出來的美麗

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

……昨晚妳在我房間過夜，現在床單聞起來都有妳的香味。

─紅髮艾德（Ed Sheeran）〈妳的樣子〉（Shape of You）

女人內衣的祕密

Bustle 網站上分享的〈十七種在分手後照顧自己的方法，用最健康的方式找回前進的動力〉其中第五項是：「把所有東西都洗過一遍，例如你一直不想碰的衣物、毛巾、（尤其是）床單等等。而且你知道嗎，如果這段感情談了很久，錢對妳來說又不是問題的話，建議直接換件新的床單，高紗織數的那種。但說真的，把前任的氣味以及存在感澈底從所有纖維製品上消除掉，確實是不錯的開始。」

許多電子及傳統雜誌都不斷重申這一點。生活達人們也一致認為根除痕跡才是療癒情傷的重點。

關於這帖處方，首先必須注意到當今世上許多地方，床單跟性愛有著密不可分的關係。「床單」（sheet）一詞最早出現在一二五○年，泛指寢具，出自「Schene vnder schete, and þeyh heo is schendful」這句話，大致翻譯就是「她在床上的樣子美麗動人，但卻是個妓女。」說到 sheet 這個字早期的用法，在七五○年左右原本指的是繃帶，到了一○○○年前後延伸為裹屍布，從此只要提到傷口及屍體就少不了它，後來才演變成情人的窗簾布。到了一三四七年，從喬叟的詩句更可以看出，它已經成為普遍的日用品，甚至是種權利：「他們不知羽絨與漂白的床褥為何物」（No down of fetheres ne no bleched shete Was kyd to hem.）。

床單跟貼身衣物一樣，最初以亞麻布製成，直到十八世紀晚期廉價、大規模生產的棉布問世才被取而代之。因為這層緊密的關係，亞麻布在中世紀成為床單及內衣的借喻，衍生出「襯裡」（lining）、「收納毛巾或床單桌布的壁櫥」（linen closet）、「女性內衣」（lingerie）等字詞。在法國，「亞麻」（linen）一詞在十三世紀時從形容詞轉為指代亞麻家用品及內衣的名詞，成為普遍用法。

中世紀富裕人家的財產清單開始列出貼身衣物，其所用的布料通常比外衣更細緻。相較於床單、裹屍布、桌布、餐巾及「toualles」（某種可兼作毛巾的餐巾）等常見亞麻家用品，用來製作內衣的亞麻布料在此時雖屬少見，但就連窮人也不陌生。十七世紀的亞麻布商兩者都賣（前者稱為「linger」，後者叫做「lingerie」）；十七至十八世紀的法國人將之分別稱為「大亞麻布」（gros linge）及「小亞麻布」（menu linge）。某本十七世紀的辭典甚至列出各種不同類型的亞麻織品，包括桌巾、細麻布、厚麻布、日用及夜用麻布等。

到了十八世紀，穿內衣成為女性普遍的習慣，但當時的內衣跟現在卻不太一樣。一七六○年代，細心嚴謹的夏姆伯格夫人（Mme de Schomberg）整理了一張清單，列出她衣櫃裡的所有物品，可看出她擁有襯裙、襯衫、斗篷（睡袍）、無袖短披肩、裙褶（裝飾襯裙的褶邊）、帽子、長襪等各式各樣的貼身衣物，構成她為數頗豐的庫藏。

現代內衣要等到衛浴發明後才順勢興起。當時女性為避免悶熱引發私處念珠菌感染，大多不願穿緊貼胯下的衣服，這種情形要等到她們有辦法定期沐浴、清洗衣物之後才有所改善。直到二十世紀早期，歐美地區的婦女依然穿著內有襯裙的長裙；燈籠褲（又稱長內褲）自十五世紀以來只有歐洲上層社會的女性偶爾會穿，但這股風潮到了十七世紀基本上已經消失殆盡。這種褲子長及膝蓋，穿法是在腰間及兩膝分別以絲帶或繩子束緊，形成燈籠狀的褲管。至於當代女性內衣則要等到兩種殖民時代的產物——棉花及製造橡皮筋所需的橡膠——興起後才得以問世。

儘管外型跟現代內衣截然不同，但在中世紀歐洲人的想像中，這些貼身衣物就跟床單一樣，暗示著不可告人的非法關係。用亞麻布料來指代「內衣」最早的紀錄出現在十四世紀的某部編年史：「他們身穿如牛奶般潔白的內衣，逃之夭夭」（Alle þei fled on rowe, in lynen white as milke）；而在一六○七年某齣詹姆斯一世時期復仇悲劇中，它成為男女幽會時所穿的服裝：「他與公爵夫人在夜裡穿著內衣相會。」

莎士比亞這位才華洋溢的造詞大師，似乎就是在一六○○年寫成的《無事生非》（Much Ado About Nothing）這齣戲中創造出「床笫之間」（between the sheets，在劇本中原指信紙，後來就「床單」一意引申為就寢，暗喻男女交歡）這句話，台詞是這麼寫的：「她寫好了信，把它讀過一遍，卻在字裡行間發現培尼狄克與貝特麗絲的名字剛巧寫在一塊兒。」然而，早在十六世紀，教會就透過某種怪誕的公開羞辱儀式承認了床單與性愛之間的關聯。這項儀式後來隨著英國殖民被帶到北美，通姦者僅以一條白床單裹身，手持蠟燭或木棍，被押到市場或教堂前公開示眾。根據一五八七年的歷史記載，「妓女及其姦夫……裹著被單，在教堂與市場馬車上公開懺悔……遭受眾人斥責。」亞麻一方面象徵著外表的體面，另一方面又扮演蒙蔽恥辱的遮羞布，這種一體兩面的矛盾始終纏繞著它，陰魂不散。

——本文摘自《穿過了：從人類服裝史發掘全球製衣體系背後的祕辛》，2023 年 10 月，時報出版，未經同意請勿轉載。

一直以來，女性的胸部大小常被當作評價女性身材的標準之一，貧乳、巨乳各有所好，但你有想過，胸部的「真面目」究竟是什麼嗎？如果你沒有想過，現在可以讓你看看：

這張乳腺圖一出，便在網路上引起一陣熱議，讓許多人讚嘆人體的神奇。不過，無論胸部多大多小、長得怎樣，女性乳房最主要的功能其實還是哺乳啊！

媽媽呀～媽媽呀～請用母乳保護我

無論是人類、黑猩猩或是乳牛，沒有乳房的存在，身為哺乳類的我們就很難長大成人，這是因為媽媽的乳汁有兩種功能：提供營養與保護。

幼兒可以從乳汁中攝取蛋白質、脂肪、乳糖、鈣質與其他礦物質，來獲得營養。另外，乳汁中含有的抗體及其他具備抗菌功能的酵素，則可以提供幼兒保護。這些提供保護的成分在初乳中特別豐富，所謂初乳，是指嬰兒剛出生時最早吸到的乳汁，其中更含有母親的免疫細胞。

那麼，能夠產出超營養乳汁的乳房又是由哪些組織組成的呢？一般而言，乳房長在胸前，其組成除了外部的乳頭與皮膚以外，底下還包含脂肪組織、結締組織，以及哺乳時會分泌乳汁的乳腺，最底下則為胸大肌、胸小肌。另外還有一些神經、血管、淋巴、懸韌帶等。

• 看完正乳的介紹，想了解副乳請看：

ABCDEFG，胸部大小的秘密

雖然說哺乳功能極為重要，但大家在談論女性胸部的時候，似乎更常用比大小的方式進行討論，那麼，什麼才是「決定胸部大小的關鍵」呢？

決定胸部大小的關鍵，在於乳腺與脂肪細胞的總量跟大小（乳腺約占 1/3、脂肪細胞約占 2/3），以及胸大肌、胸小肌的大小（一般女性偏小，當然還是會有例外）。

所以，如果想讓胸部長大，基本上就是要讓乳腺與脂肪變多或脹大，又或是讓胸肌變大。除此以外，還有一種讓胸部變大的東西，不要太高興，它叫做「腫瘤」。

小叮嚀：近年來，年輕女性有良性乳房腫瘤的比率很高，罹患乳癌的機率也在提高，真的要小心注意！

• 想知道按摩胸部，到底能不能讓胸部長大？

內衣穿還是不穿，這是個好問題

提到乳癌，穿戴胸罩到底會不會增加我們患得乳癌的機會呢？不知道大家有沒有聽過「越常穿戴胸罩，越容易得乳癌？」的這種說法？這種理論強調：因為胸罩很緊，妨礙淋巴循環，導致代謝廢物累積在胸部不易排出，所以胸罩戴得越久，得乳癌的就會風險越高。不過事實上，並沒有證據支持，穿戴胸罩會提高女人患乳腺癌的風險。無論每天穿著幾小時、有無鋼圈、幾歲開始穿，風險是相似的。

• 研究過程可參考〈穿戴胸罩越久越容易得乳癌？〉
• 在台灣，乳癌發生率有愈來愈高的趨勢，想知道更多資訊，請看〈《照護線上》影音：乳癌一點通〉

現在穿戴內衣，其實跟大家很在意的下垂較有關連，乳房下垂是一種自然現象（老化的寫照），上面介紹過乳房組成，其中的結締組織便是用以懸掛乳房、維持乳房位置，除非過度拉伸導致組織斷裂，一般外界因素並不會對它有什麼影響，而如果想要減少結締組織的過度拉伸，不如戴一個合適的胸罩吧！

說了這麼多，對於身為哺乳動物的咱們人類，胸部其實最主要的功用還是育兒哺乳用，只要能夠養活孩子，什麼樣的乳房都好。那你又是媽媽親餵，還是喝配方奶長大的嗎？在母親節前夕，快去關心我們偉大的媽媽吧！