保護腦袋都靠它！——安全帽的科學技術

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

你騎自行車時會戴安全帽嗎？

今年 4 月起日本新規上路，所有騎士不分年齡，騎自行車都必須戴上安全帽，自行車用品店安全帽的銷量直線上升，熱門產品更賣到缺貨。

台灣目前道路相關法規僅規定機車、電動（輔助）自行車要戴安全帽，一般沒有電力輔助的腳踏自行車，還未特別規定要戴安全帽。

自行車的安全帽到底防護效果如何，得要從設計看起；最近的新科技 MIPS 號稱能降低側撞與旋轉衝擊，什麼是旋轉衝擊？什麼是 MIPS 呢？

都柏林大學腦創傷模型

想要知道這樣摔、那樣摔會有什麼下場？這就需要用假人頭來分析；最著名的實驗模型就是「都柏林大學腦創傷模型」（University College Dublin Brain Trauma Model , UCDBTM）。

UCDBTM 最初發表在 2003 年，是使用男性屍體的腦袋進行「電腦斷層掃描」（computed tomography , CT）和「核磁共振」（magnetic resonance imaging , MRI），開發模擬頭部幾何形狀及頭內部壓力反應的模型，透過一系列屍體衝擊測試，進行參數調整，觀察不同衝擊對於大腦和腦脊液（CSF）體積和剪應力的影響。

在研究的 3D 有限元素模型（three-dimensional finite element model），以大約 2 萬 6 千個六面體元素，來代表頭皮、顱骨、軟腦膜、腦鐮、腦幕、腦脊髓液、灰質與白質、小腦以及腦幹，也就是整個頭部重要的組成都涵蓋進去了。

安全帽衝擊測試

2022 年 5 月在《Scientific Reports》上的一篇研究，團隊利用先前提到的 UCDBTM 假人頭模型試砸，目的是想了解頭部撞擊的旋轉加速度。為什麼要那麼在意旋轉衝擊？

在全球車禍直接撞擊造成腦部損傷的機率較小，相比之下，側撞和旋轉衝擊才是最可怕的傷害方式，這是因為人在車禍中會有自主閃避的反應；物理上來說，我們就是身處在移動中的慣性狀態，所以旋轉衝擊，特別是導致腦部受損和致命傷的主要原因。

而在這篇安全帽衝擊研究，團隊選了 3 種已上市的自行車安全帽 ，每種各買 4 頂來 PK，這三款安全帽分別是：

1. 一般有「貼合棘輪機制」、「EPS 保麗龍」內襯的自行車安全帽。為最常見的安全帽規格，而棘輪的位置在後腦杓，轉動可以調整鬆緊，讓安全帽貼合頭部不會任意鬆脫。
   
2. 採用「多向衝擊保護系統」（Multi-Directional Impact Protection System）簡稱 MIPS，MIPS 是一層安裝在安全帽內部的保護裝置，當頭部受到衝擊時，減震層可以提供 1 到 1.5 公分  多方向的移動空間，利用在安全帽內部滑動，緩衝側面撞擊或是旋轉所造成的作用力。
   
3. 安裝數個裝著低黏度無色「礦物油」的「熱塑性胺甲酸乙酯 TPU」囊袋，利用這些囊袋緩衝頭部衝擊。

戴著安全帽的假人頭依序被送上「單軌掉落支架系統」之後，再分別以每秒 6.5 公尺的衝擊速度（時速每小時 23 km）自由落體撞擊貼上 80 粒度（grit）砂紙、45 度角的鐵砧表面上，模擬自行車摔車時的高摩擦衝擊狀態。

以實驗的結果來說，作為對照組的【一號】安全帽表現整體來說比較差，雖然一號傳統安全帽在線型加速度控制能力，不輸【二號】，但【二號】與【三號】所加持的旋轉控制科技，表現明顯出色；【二號】的減震層和【三號】的礦物油囊袋，不僅降低了線性和旋轉加速度的峰值（最大值），還減少腦部灰質與白質所受的衝擊。顯然 MIPS 以及類似這類防側撞和旋轉衝擊的新科技，確實有明顯的保護效果。

科學證實戴帽更安全！

2018 年刊登在《事故分析與預防》期刊（Accident Analysis & Prevention）的薈萃分析研究，從 1989 年至 2017 年的 55 項研究，共 179 個效果估計；結果顯示，使用安全帽可將頭部損傷減少 48％，嚴重頭部損傷減少 60％，創傷性腦損傷減少 53％，面部損傷減少 23％，造成死亡或重傷的總數減少 34％。

總之，科學實證強烈建議騎自行車必須佩戴安全帽。

只是在台灣這種亞熱帶氣候，夏天悶熱考驗也是避不掉的，另外也有不少反對強制立法配戴安全帽的人表示，不想要在騎 Ubike 時被強制戴「共用」安全帽，覺得很不衛生。而且覺得強制規定戴安全帽，反而會降低大眾使用自行車替代汽機車的都市減碳目標。

回到開頭，日本新規已上路，所有騎士不分年齡，騎自行車都必須戴上安全帽，而台灣目前還只有機車、電動自行車要戴安全帽；台灣該跟上，還是維持現況呢？

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

注意看，只有聰明的人才看得到這個女生戴了隱形安全帽。
看不到嗎？沒關係，看完本文大家都會變成聰明人。

騎腳踏車最煩的事情，除了要一直踩踏板以外，大概就是戴安全帽了吧！什麼？你說臺灣現在根本沒人平常在街上騎腳踏車在戴安全帽的？很明顯就是因為超不方便又超不舒服，所以大家都懶得戴。但是安全帽又的確能夠保護我們的頭部，免於遭受撞擊，於是瑞典的兩個女生花了七年時間，在去年推出：隱形的安全帽！

畢竟傳統的安全帽不僅體積很大沒地方放，外觀又很醜，還會壓壞髮型，用悶熱的泡沫塑膠做成，很不舒服。於是革命性的產品就誕生了！同樣能保護頭部卻沒有上述那些缺點。這個發明在2011年奪下哥本哈根Index設計大獎。來看一下實體展示：

看完大家應該明白，是一個安全氣囊的概念。像一條圍巾的Hövding 內建電池、加速計和陀螺儀，當然還有半導體晶片。當檢測到使用者頭部發生大幅度動作時（如遭遇碰撞、跌倒），會立即向安全氣囊模組發送警示訊號，安全氣囊可在十分之一秒內充滿氦氣展開，包裹住頭部。

會不會擔心你如果坐在辦公室裡，結果不小心就打開了呢？因為這個圍巾是要充電的，很貼心的也有設計電源開關，不需要的時候關閉電源就行了。但是如果你擔心像一些犯罪影集演的一樣，隨便就被人從樓梯推下去了話，整天開著也是沒問題，只是就要每天晚上充電了。

其實就算不關電源，正常狀況下也是不會打開的。那系統要怎麼判別你真的遇到危險的意外呢？他們過去幾年蒐集了正常騎腳踏車的震動圖譜，還有用假人進行了一連串的意外實驗，因此你蹲下來幫腳踏車打氣、或是緊急煞車都不會開啟安全氣囊。

以下為一些意外狀況的震動圖譜：

最後要注意的事情就是，如果有人從陽台上拿一個花盆砸你，這個隱形的安全帽就幫不上忙，因為你沒有瞬間改變速度。（可能要被砸到倒地以後，安全氣囊才會彈開）所以颱風天還是傳統安全帽比較保險。

網路上的評價說400歐元(約台幣一萬六)的售價太高，就看你願不願意花這麼多錢保護自己的生命囉！（去年的價格是600歐元）因為這種安全氣囊是一次性的產品，雖然部分保險公司有提供使用過後再換新的服務。

但我最大的感想是，不愧是瑞典人的發明，在臺灣夏天的話不就熱死了？

最後一張圖，這大概就是九把刀說的：「即使跌倒了，姿勢也要很豪邁。」

參考資料：

• 商品官方網站
• 商品DM
• 半導體科技報導