真實版《魔鬼剋星》與鬼屋的六大要素

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／迪恩．柏奈特 Dean Burnett
• 譯者／鄧子衿

如果說某人沉迷於血漿、恐怖片和超自然現象，我們心中對於這個人的印象，可能是有雙凹陷發紅的眼睛、面容枯槁、舉止焦躁不安、頭髮雜亂、身體骯髒。

但是杜德斯完全不同，他是個和藹可親、氣色健康的泰恩塞德人（Geordies，當地人自稱），留著俐落短髮，性格樂觀活潑，而且堅忍不拔，很可能是因為一直有人嘲笑他的興趣和信仰吧。談話時，他中途暫停，去把鑽進箱子的貓薩克斯救了出來，他完全就不是個陰險恐怖的人。但是他熱愛血漿、恐怖片和鬼魂，為什麼？

「那些讓我害怕的事物總能吸引我。」貝瑞的解釋就是這麼簡單。最早因害怕而顫抖的記憶是在七歲時，當時他和奶奶住在諾森伯蘭（Northumberland）安貝爾的海邊。

「堂姊莎拉也和我在一起，她告訴我附近碼頭和海濱步道上發生的鬼故事，說是有個僧侶鬼魂會嚇人，我總是被這些故事嚇著。」十三歲時他重訪故地，莎拉讓他看了生平第一部恐怖電影《養鬼吃人2》（Hellraiser II），那是一九八○年代最血腥恐怖的施虐受虐電影。他被嚇著了，看了一半就跑掉，不過隔天又回來看完，接下來在那裡的每一天都看，因為貝瑞說，由恐怖帶來的顫抖與快樂實在是太強烈了。

這個故事聽來像是有個小孩受到堂姐的心理霸凌，實情可能就是如此，但是貝瑞所描述的過程符合刺激轉移理論（excitation-transfer theory）。

強烈的刺激，特別是來自於恐懼、「戰鬥與遁逃」反應，或是其他能夠讓身體內腎上腺素大爆發的，都會引發強烈的興奮感，同時在恐懼的來源消失後，對於刺激的敏感程度依然維持在高檔（整個系統要花點時間才會恢復正常）。因此之前普通的事物變得能夠帶來刺激感，因為你的腦部閥值已經「調高了」，任何東西帶來的感覺都會更強烈。恐怖事物帶來的刺激感轉移至普通平凡的事物上，所以才有「刺激轉移」這個名稱。

此外，腦部的報償系統不只在好事發生時會活躍，壞事（正式地說是「負面」的事）停止時也會。你的腦部會下意識地說：「不管那是什麼，我都不喜歡，還好現在已經沒有了，能夠避免實在是幹得好，來一點愉快的感覺吧。」這時很高興能夠好好活著的腦便體驗到了報償感，殘留的刺激感又讓報償感增強。如果你在電影院中見過看完恐怖片頭暈眼花而渾身顫抖的人，他們可能就是這樣。

另一個重要的元素則是安全。你多少需要知道自己是安全的，那個眼前的危險並非真的，否則你只會嚇到而已，因為本來就該嚇到啊。從災難中存活下來的人，鮮少會「喜歡上」地震或火災。貝瑞的經驗相當嚇人，但發生的地點是自己可以信賴的家庭中，以致保有控制權，使得這種受到驚嚇而沒有陷入危險的狀況，更像是有趣的經驗，因此也就喜歡上了。

貝瑞也熱中於找尋鬼魂。他相信有鬼，但是並不相信自己曾經見過，所以許多週末他會去傳說中鬧鬼的房子或城堡，同時帶上各式各樣現代抓鬼者能夠拿到的儀器。這種熱情似乎也來自他對於恐懼感的享受。

「我不知道自己看到鬼魂時會怎樣。我猜如果真的看到幽靈或死人，完全會嚇死吧，也就是說會嚇到命都沒了。不過有趣的是在於顫抖的感覺，午夜時分在空蕩城堡中的感覺，探頭到一片漆黑的房間中，這時會血脈賁張、腎上腺素爆發、寒毛直豎，這種感覺真是愉快，會上癮。」

並不是只有貝瑞會這樣，許多科學家都認為找尋刺激是一種明顯的人格特質，而且有遺傳證據指出，他們的報酬途徑反應比較不敏銳，換句話說，他們需要玩命體驗所引起的強烈刺激，才能夠得到你我喝一杯好咖啡或特製三明治所獲得的愉悅感。

不過喜歡血又是怎麼來著的？享受害怕的感覺是一回事，但是從來都沒有親眼見過鈍器用各種方式重擊身體的人，卻能從觀看這種場景中感到樂趣，還真是令人擔心。人們真的不會排拒這種場景嗎？許多人會的，他們真的害怕血腥場面。但還是有許多人喜歡這一套，讓性虐待色情片成為一項賺錢的類別。

說到鯊魚，浮現在腦海中的不外乎是「海面上鐮刀狀的背鰭」、「有著尖銳牙齒的血盆大口」、「聞到海水中的鮮血便發狂」的恐怖印象。

很多電視節目、電影帶給人們對於鯊魚不必要的焦慮，然而事實上，在現實生活中被鯊魚攻擊的機率是微乎其微，等同於被雷劈中的 30 倍（跟中大樂透差不多喔）。以機率來看，比起被鯊魚咬，你更該擔心的是在燈紅酒綠的城市裡被路人咬傷。

鯊魚真的會吃人嗎?

現實中的鯊魚不像電影中所演的一般，會主動「獵捕」人類。國際鯊魚攻擊檔案顯示，過去 60 年來鯊魚攻擊次數和人類下水活動的數量有著緊密的關係。鯊魚並不會像獵殺海豹一樣，主動衝上岸攻擊人類，也就是到目前為止並沒有觀察到主動取食人類的行為。換句話說，鯊魚攻擊很可能通常是出自於誤認人類為海豹、海獅等平時的食物或是試探性的咬咬看。若牠們主動獵捕人類，受傷者應該更多，因為當人類在牠們的地盤上游泳時，是個緩慢、無防備的目標。

環境因素也會影響到被攻擊的風險，當鯊魚追逐魚群或海豹游到淺灘附近，靠近遊客的地方時，人們更容易遇到鯊魚，也增加了被鯊魚攻擊的風險。或許我們可以反過來透過觀察環境因素，像溫度、浪潮、天氣狀況來預測鯊魚是否會出現，藉此達到減少被攻擊的機會。

(嚼嚼~)這不好吃，吐掉(呸~via GIPHY

並非所有的鯊魚都會咬人

提到鯊魚，多數人的反應就是「咬人」。但事實上，不是所有的鯊魚都有危險性，「鯊魚攻擊」、「被鯊魚咬」在科學上的定義就和「哺乳類攻擊」同樣廣泛，然而沒有人會將狗咬人和倉鼠咬人混為一談。源自於娛樂媒體的錯誤印象，讓我們對鯊魚貼上錯誤的標籤。

在五百多種鯊魚之中，只有十幾種會真正對人類造成威脅，而其中所有致命的鯊魚攻擊事件幾乎都出自這三種鯊魚之口——大白鯊 (Carcharodon carcharias)、鼬鯊 (Galeocerdo cuvier)、公牛鯊 (Carcharhinus leucas)

• 編按：原公牛鯊學名誤植，於2019/8/30更正

實際上，這三種鯊魚在演化、棲地、行為上都是非常不同的，以演化的觀點來看，鼬鯊和公牛鯊的關係，就如同狗和兔子的差別，在 6 千 5 百萬年前分家，而這兩種鯊魚和大白鯊的關係，則像是狗和袋鼠，必須追溯到更遙遠的侏儸紀，恐龍稱霸陸地、鳥類還沒誕生、靈長類的起源甚至還要再等上 1 億 1000 萬年的時代，就已經田無溝水無流了。

 

知己知彼：認識鯊魚、遠離攻擊

要保持水中活動的安全，了解活動地點的狀況是很重要的。尤其是有關於鯊魚攻擊，要妥善預防救需要了解該地分布的鯊魚種類以及其習性，不管是牠們的行為還是生活習慣，都能有助於減少被攻擊的危險。以美國東岸的鯊魚攻擊紀錄為例：在麻薩諸塞洲發生的鯊魚攻擊事件，兇手幾乎都是大白鯊，牠們體型巨大、生活在寒冷水域之中，主要的獵物是海獅跟海豹。有說法指出，被它們攻擊可能是因為大白鯊從水面下往上看時，把趴在衝浪板上的人誤認成海獅。而在美國較南方的卡羅萊納洲發生的攻擊事件，兇手則多半是黑邊鰭真鯊 (Carcharhinus limbatus) 及公牛鯊。

黑邊鰭真鯊並不是美國南方鯊魚攻擊事件最主要的犯人，牠們通常取食鯡魚等群聚性的魚類。公牛鯊在鹹水和淡水中都能生存，常常在河口發現牠們的身影，相較起黑邊鰭真鯊，牠們的體型更大、更有力，被牠們攻擊所留下的傷口相較之下也更為嚴重，有時候甚致會致死。

鼬鯊一樣是體型巨大的種類，也是致死性攻擊事件的主要肇事者，喜歡在火山島岸邊的海域活動，像夏威夷和留尼旺島，牠們也常闖進有衝浪客和戲水者活動的淺水域。

鯊魚百百種，我們知道的還很少

雖然普羅大眾都知道鯊魚，但實際上我們對牠們的認識不多，甚至是錯誤的，在生物學觀點上對牠們的了解也僅止於皮毛罷了，在 500 多種的鯊魚之中，有一類住在深海名叫軟鱗鎧鯊，在胸鰭後面有個特別的袋狀構造。牠們之中只有兩種有過採集紀錄，其中之一在30年前的智利，另一次則發生在近幾年的墨西哥灣。我們還不能確定袋狀構造的功能為何，科學家們推測是用以儲存發光液體，來誤導牠們的掠食者親戚——亮尾擬小鰭鯊 (Euprotomicroides zantedeschia)，一種會從腹部腺體分泌發光液來吸引獵物的鯊魚。

鯊魚百百種，有著很高的多樣性，從其貌不揚的歐氏尖吻鮫 (Mitsukurina owstoni)，到緩慢濾食的鯨鯊 (Rhincodon typus) 。即使鯨鯊是地球上最大的魚類，我們還是必須為瀕危的牠們設立托兒所，照顧上千隻牠們的幼魚。有些深海鯊魚則是潛水者眼中的夢幻物種，例如巨大的六鰓鯊，生活在 100 公尺以下的海底，以腐肉為主食，但也可能獵捕深海的其牠動物。

台灣的海洋資源豐富，鯊魚的種類自然也不在話下，周圍海域共發現 130 種鯊魚，大部分的種類都是嬌小、不具攻擊性的種類。雖然也有具危險性的公牛鯊、雙髻鯊出現的紀錄，但大家也不用擔心，只要保持安全距離、不在牠們身邊逗留，牠們也不會主動攻擊人類喔！

參考資料

1. The conversation — Shark Week looms, but don’t panic
2. 維基百科 — Great white shark  
3. 臺灣物種名錄 
4. 台灣魚類資料庫