大膽創新的研發計畫，化不可能為可能——《輝瑞登月任務：拯救人類的疫苗研發計畫》

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／艾伯特．博爾拉 Dr. Albert Bourla 博士
• 譯者／廖月娟

各國疫苗分配失衡

大多數高收入國家都是第一批下訂單，以確保 2021 年一整年的疫苗供應無虞。歐洲、美國、日本與英國等多個國家都訂購了我們的疫苗。

遺憾的是，很多國家因為對 mRNA 技術沒有信心，或是由於其他藥廠承諾會在當地生產，決定完全使用其他疫苗，特別是中等收入與低收入國家。我們在當地的團隊盡了全力，可惜沒能改變這些國家領導人的想法。我看著 Excel 表格，發現分配給高收入國家的疫苗數量高得不成比例，實在令人憂心。

我親自和沒有向我們訂購疫苗的中、低收入國家接洽。我寄信給這些國家的領導人，同時我們在當地的團隊則繼續努力，但是大都沒有成功。到了 2020 年 10 月，即使在這場新冠疫苗競賽中，輝瑞顯然已經拔得頭籌，又有幾個國家向我們預購疫苗，但是訂購的中、低收入國家仍然不夠多，疫苗分配比例依然失衡。

關於美國多訂購的那一億劑

不過，當疫苗獲得證實有效之後，情況就有了變化。首先，已經訂購一億劑疫苗的美國政府與我們接洽，表明要再買一億劑。幾個月前，當我們能夠供應的疫苗產量即將售罄時，早已經告知曲速行動，最好再多訂購一億劑。然而，他們拒絕了。我親自打電話給曲速行動的領導團隊，告訴他們歐洲已經訂購兩億劑，為了謹慎起見，他們也應該這麼做。還記得我當時說，如果美國政府無法從一間美國公司獲得疫苗，豈不是挺尷尬？我還強調，輝瑞將尊重承諾，嚴格依照已經確認訂單的順序來分配疫苗。換句話說，如果他們日後改變主意，想要多訂疫苗，我們也不會從已經下訂單的國家那裡調動產量過來，結果還是遭到曲速行動拒絕。

然而，現在他們要求再多訂購一億劑，而且還要我們立即交貨。問題是，我們前六個月的預計供應量都分配好了，很難在六月前額外生產出美國政府要的一億劑疫苗，但是 2021 年下半年交貨就沒問題。然而，出於其他原因，談判陷入僵局。

這時，川普總統的女婿兼白宮顧問傑瑞德．庫許納（Jared Kushner）打電話給我，想要解決這個問題。

我們原本以為再提供美國一億劑疫苗是很單純的一件事。根據我們已經達成的協議，美國政府可以額外添購疫苗，但是官僚主義作祟，從中阻礙疫苗採購流程。此一時彼一時，現在由於疫苗已經獲得核准，他們沒辦法或者是不想依照當初疫苗等待核准時的協議下訂。我則是不願重啟談判，總覺得這像是潘朵拉的盒子，畢竟先前我們花費好幾週談判才達成協議。這時，抨擊川普政府沒有購買足夠疫苗的聲浪愈來愈大。庫許納打電話來了解問題。我向他解釋情況，並且要求在合約中新增條款以重啟談判。

庫許納指出，這些事情實在荒謬，並承認這是官僚主義的問題，他會再打電話給關鍵人物。

秉持平等原則

多虧庫許納的介入，事情終於解決了。幾天後，經過幾次的電話溝通，我們的律師擬出一個雙方都同意的解決方案。但是，交貨時程表的問題再次浮現。庫許納態度強硬，要求增購的一億劑疫苗必須在 2021 年第二季全部交貨。如果答應他的要求，我們就得把原來要給加拿大、日本與拉丁美洲國家的疫苗先調給美國，但是這些國家都比美國更早下訂單，也在等待第二季可以取得疫苗。因此，我拒絕他的要求，兩人吵得臉紅脖子粗。我還提醒他，我早就和曲速行動的負責人施勞威說得一清二楚，我們不會把其他國家的疫苗調給美國，先前簽訂第一份協議時甚至低聲下氣的請求曲速行動增購疫苗，但他們一再拒絕。

然而，庫許納不肯讓步。在他看來，美國無論如何都得優先拿到疫苗；不過對我而言，平等才最重要。他還堅持，一旦我們的疫苗可以從卡拉馬祖工廠出貨，必須先給美國額外的一億劑，再給其他國家。他提醒我，他代表政府，他們會設法貫徹自己的意志。

「悉聽尊便，傑瑞德，」我說：「我寧願日本首相是向你抱怨東京奧運取消，而不是向我客訴。」

幸好，我們的生產團隊繼續創造奇蹟。他們提交新的生產時程表給我，看來我們得以在 4 月至 7 月間增加產量，滿足美國添購疫苗的要求，卻不必削減給其他國家的疫苗。有了這個兩全其美的辦法，我們總算簽訂合約。兩天後，庫許納從海湖莊園（Mar-a-Lago）打電話給我，感謝我的合作，這次風波終於圓滿落幕。

——摘自《輝瑞登月任務：拯救人類的疫苗研發計畫》，2022 年 3 月，天下文化。

近一百六十萬人的研究發現，輝瑞 – BNT疫苗保護力超過九成

疫苗的三期試驗裡，儘管受試者多達萬人。但細分到人數較少的族群（如：糖尿病患者）時，由於特定族群的人數稀少，其保護力數據之可信度，仍有局限性。

以色列是新型冠狀病毒瘟疫（COVID – 19）中，疫苗覆蓋率最高的國家之一。其百萬人的施打數據，在 02/24 發表於《新英格蘭醫學期刊/ New England Journal of Medicine》 [1]。其大規模施打的研究成果，非常值得作為台灣疫苗政策、國境管理的參考和依據。

整體保護力高達 94 %！

科學家選了近 60 萬名（596,618人）接種兩劑輝瑞 – BNT 疫苗者，並從無施打疫苗的民眾中，挑選了年齡、性別等變因接近的族群做為對照組（人數亦為 596,618 人，且各族群人數相近）。藉由百萬人的對照，評估疫苗在不同年齡、族群，或時間的保護力。

表 1 為接種第 2 劑後第 7 天起計算的疫苗保護力（針對有症狀之感染）。整體保護力約 94%，而各組間的保護力相當接近，亦在九成以上（若罹患多種慢性病等高危險因子，保護力似乎略有降低）。顯示輝瑞 – BNT疫苗在真實世界裡，保護力極高！同時對高齡者、高危險族群，更展現了可靠、可信的高保護力。

依時間觀察，顯示約在施打第一劑後第 12 天出現保護力（疫苗組和對照組的被感染曲線開始出現不同，參考圖 1）。

預防重症、住院率等

疫苗最主要目的是降低住院、避免重症，以減輕醫療負擔。數據顯示，輝瑞 – BNT疫苗預防患者住院的效力達 87% 、預防重症的能力更高達 92% [1]，顯示疫苗能協助減輕醫護壓力，大幅降低病人惡化的困境。

研究限制

在報告的最末，團隊提出了研究限制：

• 以色列很少南非突變株（B.1.351）的感染者，故本研究無法證明疫苗對南非突變株的效力。
• 英國突變株（B.1.1.7）在以色列境內快速擴散（在數據截止前數日，80% 的新增患者是被英國突變株病毒感染），故本研究應可間接支持疫苗對該突變株的效力。

輝瑞 – BNT 疫苗在以色列裡，超大規模的研究，展現了驚喜的效果。且各小組裡的人數都達數萬人，其疫苗對於脆弱族群的保護力，有了堅實的證據力。

保持冷靜，繼續前進。Keep Calm and Carry On.

1. Noa Dagan, M.D., Noam Barda, M.D., Eldad Kepten, Ph.D., Oren Miron, M.A., Shay Perchik, M.A., Mark A. Katz, M.D., Miguel A. Hernán, M.D., Marc Lipsitch, D.Phil., Ben Reis, Ph.D., and Ran D. Balicer, M.D. (2021) BNT162b2 mRNA Covid-19 Vaccine in a Nationwide Mass Vaccination Setting. New England Journal of Medicine. DOI: 10.1056/NEJMoa2101765

其他疫苗的保護力，看影片就能知道啦！