「車禍」成為全球年輕人的主要死因？我們能做些什麼？

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

在德國一條限速100的路上，深色的川崎LE650C機車，以每小時約60公里的速度前進。右前方路口，一輛大紅的現代i10轎車突然探頭，左轉後旋即煞車，卻仍撞個正著。轎車車頭左邊損毀，前方擋風玻璃與駕駛座側窗間的A柱變形。時年46歲的機車騎士騰空飛起，高大的軀體翻滾過對方的引擎蓋，^[註1]由另一側落地。^[1]

升主動脈擴張

在醫院裡，男子抱怨胸部、脊椎和手臂等多處疼痛。他的陰囊血腫；右邊第1至8根肋骨後方斷裂；^[1]右側血氣胸（haemopneumothorax），胸膜腔中有血液和空氣；^{[1, 2]}右後腹膜挫傷；兩邊手肘、左手掌和左手腕骨折；而且血壓偏高，但在住院期間逐漸穩定。^[1]

男子回到家，依然頭疼、疲憊和失眠。意外的9個月後，他因為高血壓，而去做檢查。心臟超音波顯示升主動脈（ascending aorta）擴張，醫師懷疑是主動脈瘤（aortic aneurysm）。又過了3個月，男子還沒等到已經安排的手術，便不幸辭世。^[1][註2]

驗屍

男子死後驗屍的時間，距離車禍已有1年左右。^[1]從解剖可見其心臟外面的心包，累積了800毫升的血液；^{[1, 3]}心臟過重，左心室的室壁肥厚；而且主動脈撕裂，部份血管壁的層與層分開。法醫綜合以上，判定他死於剝離的主動脈破裂後，所導致的心包填塞（pericardial tamponade）。^[1]不過，無法確定升主動脈的擴張，算是受傷引起的假性動脈瘤（pseudoaneurysm），還是血管壁無力且腫大的真性動脈瘤（true aneurysm）；^{[1, 4]}只知道破裂流出的血液，後來使心臟壓力過大，而無法正常運作。^{[1, 3]}同時，放射科醫師重新檢視車禍後的電腦斷層影像，注意到當初病歷沒有描述的特徵：有一道鐮刀狀的東西，圍繞著升主動脈，意味著該處管壁血腫。^[1]

保險理賠

胸部創傷引起的慢性主動脈剝離和假性動脈瘤，並不常見。男子過世後，保險公司起先不願理賠。^[1]耶拿大學附設醫院（Jena University Hospital）的法醫與放射部門，以及擅長行車安全的德凱集團（DEKRA）專家，於是合作提出下列論點，來證明車禍和死亡的關係：^{[1, 5]}

1. 交通事故重建：他們利用警方的蒐證照片和行車速度等有限資料，在PC-Crash事故重建軟體中，模擬意外發生時，男子從機車座位、轎車引擎蓋，到地面的整個位移路徑（如圖）。由此推論手臂、肋骨和腹部等處受傷的原因，是兩車衝撞、與地面撞擊，還是戳到機車手把等。^[1]
2. 撞擊速度：當人體遭到高速撞擊，胸腔變形，主動脈壁的內膜與中膜可能剝離，血液便在它們之間累積。研究指出，雙方行車的相對速度高於每小時50公里時，會明顯增加汽機車衝撞後主動脈剝離和破裂的機會。^[1]（請注意本案的兩方車輛幾乎呈直角，而非前後追撞，所以計算相對車速時，不該拿數據互減。）另外，在每小時24到37公里的台車撞擊測試中，17具受試的屍體，有5具傷到主動脈。^[6]根據警方的筆錄，男子表示他騎乘的速度約每小時60公里；而專家團隊則認為此處應以每小時55公里來考量。^[1]
3. 創傷性主動脈剝離：曾有文獻記載8起創傷性主動脈剝離的個案，診斷時間點的範圍甚廣，從意外後7天至18年都有。一名20歲的駕駛，因車禍而左胸瘀青疼痛。X光片上看來沒有骨折，^[1]但血液在胸膜腔中累積，即血胸（haemothorax）。^{[1, 2]}約莫2年後，他才被診斷出假性動脈瘤。^[1]也就是說，車禍對主動脈的影響，不一定會馬上浮現。
4. 高血壓：高血壓既為主動脈剝離的危險因子，也可能是車禍使主動脈受傷後的症狀，所以無法單從這點，斷定前因後果。然而，電腦斷層影像上的那個鐮刀的形狀，似乎是急性主動脈創傷的結果。此外，男子的主動脈沒有中膜壞死（medial necrosis）等，高血壓造成剝離時的相關問題。^[1]

保險公司在瞭解跨領域專家的上述分析後，終於同意理賠。^[1]

備註

1. 根據驗屍報告，男子身高184公分，體重約90.4公斤。^[1]論文未提及從意外發生到死亡之間的一年，他是否有體重變化，所以此處僅概略描述。
2. 個案報告的作者不曉得男子為何沒有馬上開刀。^[1]

1. Muggenthaler H, Bismann D, Eckardt N, et al. (2023) ‘Delayed occurrence of traumatic aortic dissection? Biomechanical considerations and literature’. International Journal of Legal Medicine, 137, 353–357.
2. Hansen-Flaschen J. (11 APR 2018) “Hemothorax“. Encyclopedia Britannica.
3. ‘Cardiac Tamponade’. (22 OCT 2021) Cleveland Clinic.
4. Lopez-Jimenez F. (19 OCT 2022) ‘Pseudoaneurysm: What causes it?’. Mayo Clinic.
5. ‘DEKRA History’. DEKRA. (Accessed on 29 APR 2023)
6. Muggenthaler H, Bismann D, Autsch A, et al. (2023) ‘Stabbed by motorcycle? Reconstruction of an unusual traffic accident’. International Journal of Legal Medicine, 137, 601–607.

夜路走多了，總匯三明治；公路開久了，總會遇麋鹿（咦？）。

好啦，在台灣不管開車開多久，你都不太可能會撞到麋鹿，但若是在北美、西伯利亞或斯堪地那維亞半島這些高緯度的國家，那實在蠻容易碰上突然衝出來的「麋鹿驚喜包」，一不小心就可能造成車禍慘劇。

在瑞典，平均每天會發生 13 起左右的麋鹿車禍事件，可說是道路安全的一大難題。

於是，為了防止車輛被破壞、為了守護行車的和平，瑞典道路管理局贊助了一項碩士論文研究，希望可以找出減少車禍損害的方法；為此，研究團隊做出了非常可愛的鹿鹿……然後努力撞爆它！

（話說這篇論文的研究對象是肩高可達 2 公尺的那種巨型麋鹿，不是那個拖著聖誕老公公的可愛馴鹿，想知道兩者的差異可以看這篇：「鹿茸」是誰的茸？」）

想守護道路安全？首先，你需要一隻耐撞的鹿鹿

鹿鹿這麼可愛，怎麼可以撞鹿鹿？就算想要守護道路安全，我們也不能夠抓真麋鹿來測試對吧？於是乎，做出一隻既「真實」又「耐撞」的假麋鹿，變成了最重要的功課。

真正動手之前，首先要來蒐集一些背景資料。由於麋鹿本身的個體差異很大，要在野外觀察也較不容易，於是，本研究的作者 Magnus Gens 聯繫了科爾莫登野生動物園（Kolmården Zoo）和其中的獸醫，除了取得資料外，也近距離觀察了兩隻 3 歲左右、已馴化的麋鹿。

每年五月左右，當小麋鹿逐漸成熟、長到差不多一歲時，便會被麋鹿媽媽掃地出門。剛離開母親的小麋鹿們會有些懵懂、容易到處亂晃，也因此帶來交通事故的高峰時期。麋鹿雖然看起來笨重，但其實十分苗條，此外，當牠們被撞擊時，會呈現出「柔若無骨」的狀態，肩膀和骨盆的關節甚至可以用超乎想像的方式詭異地扭轉。而當牠們受到驚嚇或是卡在擋風玻璃上時，有時會劇烈掙扎，並對駕駛造成二度傷害。

親愛的，我為你打造了隻超強無頭麋鹿！

資料收集完成後，就準備要來實行「造鹿大業」了！

首先呢，假鹿的材質可得十分講究，需要耐用、容易取得又接近真實數據，千挑萬選之下，Magnus Gens 決定採用由 Trelleborg Industri AB 所製造的一款又軟又韌，約為蕭氏硬度（Shore）40° 的橡膠「RF 19 Red」。

Magnus Gens 共用了 116 塊橡膠搭配鋼製零件，打造出了超強大的假麋鹿，雖然它的外表實在是不太像頭麋鹿，畢竟沒有毛也沒有頭，不過呢，它能很好地模擬真實麋鹿的組織密度和柔軟度，也解決了舊有模型太硬、太脆而導致撞擊測試失準的問題。

接下來，Magnus Gens 找來了三輛舊車來進行撞擊測試，分別是 Volvo 245 和兩輛 Saab 9-5。關於這撞擊的結果呢，只能說非常令人滿意！因為撞毀的車輛看起來跟真正的車禍車輛看起來有 87% 像，實在是可喜可賀啊！

別小看假麋鹿的力量！交通安全從假麋鹿做起！

看到這裡，你或許會有點好奇：到底為什麼要花這麼多力氣去做假麋鹿呢？

Magnus Gens 表示，研發這種好做、容易維護又耐用的假麋鹿非常重要，因為它能在各個車廠進行車輛安全測試時發揮巨大效用。假設車廠們能根據相同條件進行反覆測試，便能為潛在的買家提供有價值的比較數據。另一方面，如果消費者開始重視相關議題、要求車廠進行安全測試，便能帶來更多資金和支援，進而打造出更加安全的汽車。

所以說，假麋鹿真的是非常重要而且影響深遠的存在啊！難怪在多年後的今天，這個研究能成功拿下 2022 年搞笑諾貝爾中的「安全工程獎」，讓我們感謝假麋鹿們的努力！

另一方面，除了麋鹿之外，世界上還有許多地方都苦於大型野生動物所造成的相關車禍；在澳洲有袋鼠，在非洲有駱駝，因此，相關需求始終存在。不知道，未來會不會有更多人開始研發假袋鼠、假駱駝呢？那想必又將會是一場有趣又有意義的奮鬥吧！

參考資料：

http://www.diva-portal.org/smash/get/diva2:673368/FULLTEXT01.pdf