什麼是「可變性原則」？它如何讓 SpaceX 一飛沖天？——《造局者：思考框架的威力》

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

北極星黎明：開創商業太空漫步的新紀元

2024 年 9 月 10 日，載人航太任務迎來了歷史性的突破。由美國富豪賈里德·艾薩克曼率領的四名太空人，乘坐 SpaceX 的獵鷹九號（Falcon 9）火箭和龍飛船（Crew Dragon），開始了為期五天的「北極星黎明 Polaris Dawn」任務。這次任務實現了人類首次商業太空漫步，並打破了過去五十年人類距離地球最遠的紀錄。這也是美國四十多年來首次推出的新設計太空衣，進行了「人體測試」。

這次任務的成果不僅僅令人振奮，還為未來的商業航太業開啟了新的篇章。為了解這次突破的意義，我們先一起來體驗「北極星黎明」任務的精彩旅程。

這位賈里德是何許人也？

賈里德·艾薩克曼，現年 4 1歲，是一位白手起家的美國富豪，擁有零售支付公司的成功經歷。他還是一名充滿冒險精神的飛行家，駕駛輕型飛機創下環球飛行的紀錄，並且會操縱戰鬥機與進行特技飛行。他甚至創辦了「私人空軍」公司德拉肯國際，為美軍訓練飛行員。

賈里德對飛行的熱愛讓他不斷追求新的高度，最終使他與 SpaceX 合作，共同邁向更遙遠的天空。2021 年，他啟動了「靈感四號 Inspiration 4」任務，選擇了三名來自不同背景的一般人，與他一同踏上三天的太空旅程。這次任務向世界展示，普通人也有機會踏上太空，而不僅僅是經過嚴苛訓練的專業太空人。

然而，賈里德並不滿足於此。他希望飛得更高、更遠，甚至挑戰從太空船內走向船外，完成首次商業太空漫步。這便是「北極星黎明」任務的起源。

太空漫步的挑戰

太空漫步並非簡單地穿上太空衣、打開艙門便能完成。以國際太空站為例，太空人在漫步之前需要進入氣閘艙（Airlock），一個介於太空站內部和太空之間的小房間。在氣閘艙中，太空人需要進行數小時的「預呼吸（Pre Breath）」過程，以降低大氣壓力，適應太空衣中的低壓環境，並避免潛水時常見的減壓病風險。

然而，SpaceX 的龍飛船並未設計氣閘艙，這意味著要讓太空人進行漫步，就必須將整個太空艙降壓至真空狀態，再在太空漫步結束後重新加壓。因此，團隊對龍飛船進行了大幅改造，增強了生命維持系統，並安裝了更多氮氣與氧氣槽。

此外，SpaceX 原先設計的太空衣是艙內使用的（IVA Suit），僅用於緊急情況下保護太空人，並不適合太空漫步。為了這次任務，SpaceX 不得不設計一款全新的艙外太空衣（EVA Suit），這是美國自四十年前以來首次設計新型艙外太空衣。

北極星黎明任務的突破

在完成了艱鉅的準備工作後，「北極星黎明」任務終於在 2024 年 9 月 10 日順利升空。這五天的旅程充滿挑戰與創舉，為商業航太寫下了新的篇章。

任務的前兩天，重點是進入 1400 公里高的軌道，這是自 1972 年阿波羅 17 號以來人類距離地球最遠的記錄。此外，兩名任務專家莎拉·吉利斯（Sarah Gillis）和安娜·梅農（Anna Menon）也成為飛得最高的女性。

在完成軌道調整後，第三天的重頭戲——商業太空漫步正式開始。龍飛船內部的氣體被排空後，賈里德和莎拉輪流將身體探出艙外，進行了一系列新太空衣的測試，而其餘兩名組員則留在艙內監控系統。這次太空漫步雖然並未像電影中那樣「漫步」在太空，但其意義非凡，因為這是由私人資金支持的商業艙外活動。

科學研究與未來展望

除了太空漫步之外，任務組員還進行了多項科學實驗和技術測試，包括微重力對人體各器官的影響研究，這些研究對於人類未來長時間在太空生活至關重要。此外，團隊還測試了星鏈（Starlink）雷射通訊技術，以提高太空中數據傳輸的效率。

在任務期間，任務專家莎拉·吉利斯還在太空中用小提琴演奏了《雷伊主題曲》，並通過星鏈技術將影片傳送回地球，與全球音樂家合作完成了一場跨越時空的演出。

任務的最後一天，龍飛船安全返回地球，成功在墨西哥灣降落，為這次史無前例的太空任務畫上了圓滿的句號。

北極星黎明的意義

對於熟悉太空史的朋友來說，這次的太空漫步似乎並不如 1960 年代的雙子星任務那樣驚險。然而，真正的突破在於「商業」二字。這次任務由賈里德自掏腰包資助，展示了商業公司在航太探索中的潛力，就像 SpaceX 在過去二十年所取得的成就。

任務中進行的大量技術測試和科學研究，證明了這不僅僅是富豪的太空旅遊，而是一次充滿挑戰的科學與技術驗證任務。這些經驗和技術將成為未來挑戰月球與火星的重要基石。

「北極星黎明」任務雖然已經結束，但賈里德的太空夢還在繼續。這只是「北極星計畫」的第一步，未來還有至少兩次任務正在籌備中，其中第三次任務將搭乘 SpaceX 的星艦（Starship），進行首次載人飛行。

隨著技術的進步和更多私人資金的投入，還可以期待人類接下來在商業航太領域能取得更多突破。在未來，要來趟真正的太空之旅，看來除了熱愛科學，還需要努力賺錢了。

歡迎訂閱 Pansci Youtube 頻道 鎖定每一個科學大事件！

2023 年 11 月 24 日，馬斯克（Elon Musk）創辦的 Neuralink 公司在官方推特上發布了一則耐人尋味的影片，標題為「Please join us for show and tell」（請加入我們的展示與分享）。這預告了他們將於 11 月 30 日美國時間晚間六點（台灣時間 12 月 1 日上午十點）舉行一場備受矚目的發表會。

回顧過去，Neuralink 曾展示過令人驚艷的技術突破，例如監測豬的腦波，以及讓猴子裝上他們開發的 N1 晶片，用腦控玩經典遊戲《乒乓》（Pong）。這些成果已經讓全球為之震撼。事隔 18 個月，這次的發表會是否會帶給我們更多驚喜？是否能看到人類親自裝上 N1 晶片，直接用大腦來「展示與分享」呢？

遺憾的是，這一刻還未到來。但馬斯克在開場時就揭露了一個令全場歡呼的消息：在這段時間內，他們持續進行了更多猴子的植入實驗，甚至研發了假大腦模擬器進行離線測試。在確保一切安全和動物福祉的前提下，他們已完成所有備查文件。順利的話，將於六個月內獲得美國食品藥品監督管理局（FDA）的核准，進入人體實驗階段。他本人也表示，若情況允許，他不排斥成為第一個植入 N1 晶片的人。

無限猴子定理與腦機介面

提到猴子打字，不免讓人想到數學和哲學上的「無限猴子定理」。這個定理由法國數學家埃米爾·博萊爾（Émile Borel）於1913年在一本討論機率的書中提出。他假想：如果有無限多隻猴子和無限多次的打字機會，最終有可能打出莎士比亞的《哈姆雷特》。機率雖然極低，但並非零。

這個定理也被簡化為：即使只有一隻猴子，只要擁有無限次的打字嘗試，也可能產生任何文章，儘管牠完全不知道自己在打什麼。這與這次Neuralink發表會上的猴子展示，有著異曲同工之妙。

然而，馬斯克開發腦機介面的目的，並不是讓我們與猴子溝通。在發表會上，他再次強調了Neuralink的使命：打造一個「高頻寬、泛用型的人機介面」。簡單而言，就是加速我們與智慧裝置的互動方式。

馬斯克的願景：與 AI 共存

現今，AI 技術日新月異，能夠生成精美的圖片、回答各種問題，甚至編寫程式，而且進步速度只會越來越快。馬斯克強調，如果人類希望在未來的物種競爭中與 AI 並駕齊驅，最好的策略就是「打不贏，就加入它們」。

目前，人類之所以在進步速度上遠遜於 AI，他認為主要原因在於人類接收和輸出數位資訊的速度有限。我們最快的方式是閱讀、打字、觸控或語音輸入，但與 AI 透過聯網搜尋數位資訊僅需毫秒相比，我們簡直像是石器時代的原始人。

因此，他主張透過腦機介面的植入，我們將能以媲美 AI 的速度與電腦互動、聯網，甚至與 AI 協作、駕馭它們。試想，當你能用腦控操作手機和智慧裝置時，還會想用手指滑動輸入，鬧出一堆打錯字的笑話嗎？擁有這種超能力的你，還需要擔心 AI 搶走你的工作嗎？

我們與賽博格的距離

然而，想到要將晶片植入大腦，難免讓人聯想到各種賽博龐克作品中的可怕後果。例如，《Cyberpunk 2077：邊緣行者》中的「賽博精神病」、或是《刀劍神域》中可能燒毀大腦的完全潛行裝置。將自己改造成半人半機械的賽博格（Cyborg），著實令人卻步。

但馬斯克在發表會上指出，其實我們早已是廣義上的賽博格。否則，為何我們每天早上起床第一件事就是滑手機？為何不時低頭看智慧手錶？出門沒帶手機，是否比沒帶錢更讓你焦慮？我們已經如此習慣隨時聯網和人機互動，Neuralink 所做的，不過是提升這種互動的效率。

關於植入大腦的恐懼，Neuralink 以影片中展示的猴子為例。在他們使用高科技機器人進行手術植入後，根本無法從外觀看出牠們有任何植入物。發表會上的工程師甚至半開玩笑地說：「就算我有裝，你也不知道，我的腦後完全沒有痕跡。」

Neuralink 的真正突破：規模化與產品化

其實，腦機介面的想法和研究早已不是新鮮事。早在將近一百年前（1924年），德國醫生 Hans Berger 就首次從人類頭皮上記錄到腦發出的微弱電磁波（Electroencephalography, EEG），並開始發展非侵入性的電極腦波偵測技術。197 3年，UCLA 的 Jacques Vidal 團隊就已經提出「腦機介面」的概念。而 Neuralink 這種侵入式腦電極也非先行者。早在 1990 年代，美國猶他大學的Richard Normann 教授開發了多電極陣列，在猴子腦中植入 100 個電極，嘗試簡單任務。2002年，實驗猴就可腦控滑鼠，2008年甚至能遙控遠方的機械手臂餵食自己，控制「第三隻手」，彷彿蜘蛛人的反派「八爪博士」。

即使是相對不精準的非侵入式腦波偵測技術，只要幾百個電極，就能在人類身上實現控制機械義手的可能性。2018 年，已發展到能讓人腦控打字、玩遊戲，基本上與 Neuralink 透過 N1 植入物讓猴子能做的事情相似。

那麼，這次發表會的看點在哪裡？其實，馬斯克帶著大批工程師報告，真正要強調的重點是「規模化和產品化」。這正是這場發表會的核心，也是馬斯克向來為人所知的魔法：「讓夢想成真」的關鍵部分。畢竟，好點子並不稀奇，最重要的是執行力。不論是 SpaceX、Tesla，或是前陣子轟動一時的機器人 Optimus，他一貫採用「先求有再求好」的思維，不做最強的原型機，而是先拼湊所有技術，做一個最有可能讓消費市場買單的產品。畢竟，兵貴神速，尤其在商用市場上。

關於 N1 晶片，馬斯克形容得很輕巧，就像是幫你的大腦裝上 Apple Watch 一樣。但智慧裝置成癮的你我，應該此時會浮現相同的疑問：手錶和手機的電池效能會越來越低，科技產品每年都會更新軟硬體，當這些「身外之物」來到產品生命週期末尾時，我們總能輕易汰換。但當這個 3C 產品是放在腦膜底下，如何確保它不僅不會故障，還能好好充電，甚至可升級呢？

Neuralink 這次可是有備而來。首先是穩定性的部分，除了上次發表會看到能腦控《乓》遊戲的猴子佩吉外，這次還展示了其他五隻猴子分別進行不同的腦控遊戲。馬斯克特別強調，牠們都很享受這些實驗，包括這次展示腦控打字的 Sake。透過重複性的實驗，穩定性已獲得一定的保證。

續航力方面，團隊已經改良電池效率，並在猴子身上實驗了無線充電的可行性，確保一整天使用無虞。最後，也是最重要的「可升級性」。畢竟，目前的 N1 就如同 iPhone 一代，當技術演進到 iPhone 14 時，應該沒有人想繼續用舊款。因此，發表會上工程師們展示了 N1 晶片的手術過程有多簡易，完全使用手術機器人，輕鬆地在 15 分鐘內自動植入 64 個電極，再安全地把頭蓋骨和皮膚縫合回來。後續無論是軟硬體升級，只需要到他們正在建置的腦機介面診所就可進行。

目前，N1 晶片的製造已在奧斯汀開始產線準備進行量產。只要 FDA 核准，人體試驗成功的話，Neuralink 就有機會成為第一個達成商用化的腦機介面服務商。

競爭對手與未來展望

然而，Neuralink 只是「有機會」成為第一個達成商用的公司。這兩年，不止一家公司追上，甚至彎道超車，推出比 Neuralink 更接近完成品的產品。在這裡先賣個關子，預告下集我們將討論馬斯克的勁敵，以及可能導致 Neuralink 被指控虐待動物的爭議。