西方傳統的催情食品

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

黃瓜 CONCOMBRE

黃瓜可以只做成冷盤沙拉，也能在鹽水、英式醃菜中展現出多種滋味，甚至可以煮成配菜。它的滋味比看起來的要複雜許多：很明顯它有綠質及強烈的葉綠素滋味，但也有碘和奶油味。沒有交集的兩個世界，讓這種蔬菜能往兩種滋味方向去發揮！

正確切削黃瓜：善用皮與苦味的微妙平衡

黃瓜外皮呈綠色並略帶苦味，想當然爾也有葉綠素滋味⋯⋯我們去皮不是為了美觀，而是要除掉這種苦味。又或者，我們可以刻意保留全部或部分黃瓜皮，對這有點侵略性的味道做進一步運用。經過斟酌的苦味能帶來無可否認的餘韻，也讓這種蔬菜含水量相當高的芳香特性變得複雜。薄荷、蒔蘿、青蘋果等「綠色」食材會凸顯出黃瓜的清新。

籽肉的碘香秘密：黃瓜與海鮮、乳製品是絕配

為何把黃瓜的果肉跟籽吃進嘴裡時，能感受到碘味和奶油味呢？答案是因為醛類^*1，存在於麵包皮和多種油裡。出乎意料的是，黃瓜能跟海藻、牡蠣、麵包和奶油做組合。為了發揮這些香氣，我們不妨將乳酸化合物（芒果、荔枝等）搭配帶乳香的乳狀食物（如希臘優格，這解釋了希臘沙拉醬﹝Tzatziki﹞^*2 之所以成功的原因。或是藍紋乳酪、昂貝爾藍紋乳酪﹝Fourme d’Ambert﹞、馬斯卡彭乳酪也可以），以及一些像孔德里約（Condrieu）這樣帶奶油香味的酒。有了黃瓜內部的果肉跟籽，這些組合就保證成功。

*1：主要為 (E,z)-2,6- 壬烯醛、2-壬烯醛（non-2-énal）。

*2：譯注：以希臘優格和黃瓜碎粒為主要材料的沙拉。

來試試吧！甘納許巧克力黃瓜

• 準備甘納許：煮滾 300 毫升的水，加入 1 克洋菜粉，離火並倒進 150 克的黑巧克力碎片攪打混合，再倒進容器裡約 1 公分高度，隨後放進冰箱至少一小時。
• 準備黃瓜：將黃瓜（用果汁機）榨成汁。提取 150 毫升，取其中一半與 1 克洋菜粉和一茶匙糖一起煮沸。離火，將剩下的另一半加進去，放涼後小心地倒在巧克力甘納許上（約 0.5 公分高），然後放進冰箱。
• 擺盤：切成固定長度（約 6 公分長，1.5 公分寬）。可和黑巧克力圓脆片（Tuiles）一起食用。

不同變化：富含葉綠素的活力蔬果汁

選擇未處理過的小黃瓜，連皮榨汁，增強青綠及微苦滋味。這種富含葉綠素的果汁可以調味油醋汁、雞尾酒（琴酒等）和西班牙冷湯。可以將果汁冷凍在冰塊盒裡供多次使用。

——本文摘自 拉斐爾．歐蒙（Raphaël Haumont）、提耶里．馬克思（Thierry
Marx），《料理滋味創意地圖：法國材料物理化學專家聯手米其林主廚，15種香調、80種常見蔬果食材的氣味因子，探索 1,500 種創新風味搭配！》，2024 年 8 月，積木文化，未經同意請勿轉載。

第一間自助服務商店的出現

在 20 世紀的頭數十年，包括自助服務在內的新式雜貨店營運方式，徹底改變了食品的購物模式，這種轉變在城市中尤其明顯。1917 年，田納西州的孟菲斯市成立了美國的第一間自助服務商店，這間店是克拉倫斯．桑德斯（Clarence Saunders）的小豬商店（Piggly Wiggly）。

在這之前，美國消費者買賣日常食品的流程，與 20 世紀美國人習慣的方式截然不同。店員通常會從櫃檯後的貨架上為顧客取貨。

此外，雖然雜貨店也會出售一些易腐損食品，但主要販賣的還是罐頭和其他加工產品。大部分的屠夫和農產品雜貨商，通常會在不同的商店經營特定的業務。從 1920 年代開始，越來越多大型雜貨店把鄰近的肉舖和農產品店併入他們的店裡。

雜貨店透過「合併」變身成超市

在這些「合併」的商店中，顧客只要進入一間商店就能買到許多種不同的食物，不再需要花時間前往 3 個不同的地點購物。儘管合併商店越來越普遍，但自助服務一開始只有應用在分裝好的食品上。

在多數商店中，購買肉類的方式和傳統肉舖差不多，商店中會有一個肉舖櫃檯，由男性店員提供切肉和銷售等完整服務。顧客會在肉舖櫃檯前排隊，告訴店員他們想要買的具體部位和重量。在這種交易過程中，顧客有機會詢問屠夫哪些肉是新鮮的，烹飪方式應該是烤還是煎。

屠夫會取出需要的肉塊，切下顧客想買的量再包裝好。在購買農產品時，顧客會於陳列在商店中的大量蔬果中挑選產品，拿去給農產品區的店員稱重並裝袋，接著在收銀台計算價格。

把易腐損商品整合進超市後，零售商獲得了機會，可以把整間店的品質都展現給消費者看，藉此吸引消費者並建立顧客忠誠度。相較於分裝好的食品，消費者比較常購買的是易腐損產品。

如果雜貨商能提供各種高品質的蔬果和肉類，顧客光臨這間商店的頻率就會高於其他商店。在購買罐頭食品、盒裝麥片和瓶裝商品等雜貨時，無論在哪裡購買，獲得的都是同樣的商品。單就這些產品而言，商店只能靠著較便宜的價格和較多元的品項來勝過其他店家。

「展示櫃」展現商品多樣性吸引消費者

易腐損產品則不同，這些產品的品項會隨著季節變化，有時甚至每天都不同，這種多樣性是許多購物者對商店感興趣的原因之一。

由於改變之後的肉舖與農產品銷售區具有繽紛的「天然之美」，又有機會用充滿吸引力的方式展示，所以這兩個區域變成了商店的「展示櫃」。

在 1920 到 1930 年代，雜貨手冊和行業雜誌不斷強調新鮮農產品在超市企業中的重要性：易腐損產品「透過視覺對消費者產生了最大的吸引力」。

商品的「最佳位置」能成功吸引消費者

雜貨業的主流行業雜誌《先進雜貨商》在 1935 年指出，沒有任何商品「能像新鮮蔬果一樣，如此自然地吸引顧客的注意並刺激食欲」。另一篇文章則主張「種類繁多的新鮮蔬果，以吸引人的方式展現出天然色澤和新鮮度」，消費者將會因此受到吸引，走入商店。

商店甚至可以用「外觀看起來特別新鮮或特別好的商品」，來合理化商品的價格為什麼比其他商店更昂貴。雜貨商認為架上蔬果的外觀是影響銷量的最重要因素，他們如何用有吸引力的方式陳列農產品，也會使整間店的氛圍產生變化。

因此，他們往往會把農產品區設置在商店的「最佳位置」，通常會是入口附近。農產品與肉類的顏色對雜貨店的營運來說之所以會這麼重要，不只是因為這些顏色能使商店內部顯得更明亮，也因為顏色是顧客判斷食物品質的關鍵指標，他們會依此決定要不要購買特定商品。

——本文摘自《秀色可餐？：所謂的新鮮和健康，都是一場精心設計》，2023 年 6 月，今周刊，未經同意請勿轉載。