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／照護線上編輯部
• 本文轉載自 Care Online 照護線上《肌肉不是愈大愈好，小心讓人猝死的「肥厚型心肌病」（圖文懶人包）》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

肥厚型心肌病是種因為心臟肌肉的變化而帶來的問題。通常是因為基因體顯性遺傳，影響了肌小節的肌纖維排列，導致心臟肌肉變得肥厚，尤其是左心室與右心室之間分隔的心肌最容易出現肥厚變化。除了心肌變肥厚，還會讓左心室變得僵硬、延展性小，因此帶來不少問題。

心臟肌肉變得肥厚，會出現什麼問題嗎？

當聽到心臟肌肉變肥厚，或許有人會誤以為這是件好事，會讓心臟肌肉變得功能更強大，其實不然。左心室的任務是在舒張時接收從左心房來的血液，再收縮將心室內的血液送往主動脈。過度肥厚的心臟肌肉會讓左心室的空間變小，承收不了太多的血液，阻擾了血流的正常運行，讓心肌還要收縮地更出力才能運送血液進主動脈。左心室內阻力變高的時候，同時也會影響二尖瓣的功能，血液更容易逆流回到左心房。

就算沒有阻塞心臟血流運行，心肌在收縮的時候並不會因為心肌變肥厚而有力，反而是變得比較僵硬，比較難適當地延展。當血流從左心房送往左心室時，心臟肌肉需要延展，才有利於”hold”住足量的血液。當心肌變得肥厚僵硬的時候，左心室難以延展讓血流進入，之後左心室能打出去送往主動脈的血液量就變少了。

另外一個影響到的是心臟肌肉纖維的排列，若從顯微鏡下觀察肥厚型心肌病者的心臟肌肉排列，會看到心肌細胞排的並不規律，亂亂的，與正常狀況排的整整齊齊的樣子並不同。因此，這些不整齊的心肌排列會影響到心臟內電路訊息的傳遞，甚至更容易刺激出心律不整。

肥厚型心肌病的症狀

許多患者並不知道自己有肥厚型心肌病，因為症狀可能不嚴重，會甚至根本沒有症狀。若有症狀，常常是從青春期之後開始出現。

• 運動時，吃飽飯後，或活動量大的時候，感覺到胸痛及喘不過氣
• 容易在運動中或運動後感到疲憊，頭重腳輕，快暈倒的樣子
• 心跳突然變很快，撞擊很大的感覺，也就是心律不整

肥厚型心肌病的併發症

雖然有些人帶有造成肥厚型心肌病的遺傳基因，卻一輩子都沒有症狀；也有些人雖然有症狀，但並不嚴重，不需要每天服用藥物控制。基本上，多數肥厚型心肌病患者可以有與一般人相同的預期壽命年限，也能維持不錯的生活品質，但還是要注意幾件事：

• 心因性猝死

肥厚型心肌病會引發心室頻脈等心律不整，因此是 35 歲以下突發心因性猝死最常見的原因。有些運動員突然在田徑場上猝死的原因就是肥厚型心肌病。

• 心臟衰竭

心臟是個幫浦，將血液送往主動脈，再到全身。心臟衰竭代表心臟身為幫浦的功能變差了，無法打出足量的血液到主動脈。前面提到肥厚型心肌病會讓左心室的空間變少，延展彈性變小，進入左心室的血液變少，也就比較難打出足量的血液進到主動脈，因而導致心臟衰竭。

肥厚型心肌病的檢查與治療

當醫師從患者家族病史、個人病史、身體檢查等狀況懷疑有肥厚型心肌病的可能時，會安排心臟超音波檢查，看看是否有心室中膈變肥厚的證據。針對有家族遺傳史，但自身無症狀的人來說，可以考慮在 30 歲之後定期每三年接受心電圖與心臟超音波檢查。

在治療方面，要看患者的臨床症狀與心臟超音波檢查的結果而定。對沒有症狀的患者來說，調整生活習慣，減少劇烈運動活動或許就已足夠。另外一定要讓患者了解，務必「避免脫水」。因為有肥厚型心肌病的時候，進到左心室的血流本身就比較少，若再因為喝的水分不足脫水，在炎熱天氣下脫水，或使用了利尿劑或血管擴張劑，都會讓症狀加劇。

對已有胸痛、喘不過氣的人來說，可以用乙型阻斷劑藥物或鈣離子阻斷劑，放慢心跳速度。心跳速度慢一點，可以增加左心室放鬆舒張的時間，盡量增加左心室內的血流量，之後左心室收縮打出血液的效率會比較好。

如果藥物的成效不彰，要考慮侵入性治療，像是利用手術或燒灼方式改變心室中膈的厚度，減少心肌肥厚造成心室空間減少的影響。萬一患者家族裡有人曾有心因性猝死，本身曾經暈倒好幾次，曾有心律不整，或有嚴重的臨床症狀，就要考慮放置心臟節律器來避免猝死。若肥厚型心肌病已經造成心臟衰竭，心臟移植就成了治療選項之一。

• 本文轉載自 Care Online 照護線上《肌肉不是愈大愈好，小心讓人猝死的「肥厚型心肌病」（圖文懶人包）》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

• 文／王子宜｜雅文基金會 聽力師

世界衛生組織 ( WHO ) 統計，目前全球約有 5% 人口正接受聽力復健措施，如：助聽輔具協助，並預估到 2050 年前，將有 2.5 億人口存在一定程度的聽力損失，並有近 700 萬人，聽力度數已影響日常聆聽需介入，也就是說每十人就有一人需要助聽輔具協助，顯示聽力問題持續存在，影響人數逐年提升，且為全球重視議題。除了受損後的介入處遇外，預防更勝於治療，WHO 也發現全球約 11 億人面臨噪音性聽損風險，且相關防護裝置的使用仍不普及，可見噪音暴露是為有損聽力健康之高風險因素之一。

有什麼方式可以幫助我們遠離噪音傷害呢？因應而生的就是「聽覺防護工具」，可以是使用被動式降噪的耳塞，或是現在風行的耳機搭配主動式降噪設計，那到底主動和被動，哪一個降噪效果比較好呢？用這些防護工具有沒有需要注意的地方？以下就讓我們來探探究竟。

被動式降噪

被動式降噪的操作方式是將聲音傳入耳朵的通道堵住，盡可能降低進到耳朵裡面的音量，但我們如何知道各款耳塞的降噪能力呢？可透過產品提供的 NRR 值估算，NRR ( Noise Reduction rating ) 值指的是噪音衰減率，若要評估環境中使用耳塞後耳內仍有的噪音量，可利用原廠提供的 NRR 值做簡單計算如下

依照耳道共振的特性，當我們將耳道口以各式耳塞塞住，雖塞入深度及耳塞材質仍有影響，但研究顯示可產生的降噪音量為高頻多於低頻 ( 如下圖 )，尤其在 3000-6000Hz 處可達最佳降噪效益，此段頻率也恰為噪音型聽力損失前期，耳蝸毛細胞先受到損傷的區段吻合，由此可見雖然各家抗噪耳塞的設計及佩戴方式不進相同，但只要在可能有噪音暴露風險的聆聽環境中使用抗噪耳塞，就能夠減低使耳蝸毛細胞受損，進一步產生不可逆聽力損失的風險。

剛剛提到耳塞的材質、密合度及使用方式也會相應的有不同降噪表現，以下舉兩種常見耳塞供讀者參考。

3M 耳塞

3M 廠牌推出各種造型及佩戴方式的防護工具，主要可分為耳罩式和塞入式兩種，右圖為市面常見的橘色塞入式耳塞，原廠提供的 NRR 值為 29 分貝，平均來說，各塞入式耳塞的 NRR 值約落在 25-33 分貝間，詳細降噪效果請見參考資料 4。

非塞入式矽膠耳塞

此種耳塞的使用方式為利用將矽膠的延展性，密封住耳道口，即不用將耳塞塞入耳道內，提升佩戴舒適性，部分耳塞可透過清洗方式清潔並重複利用，各家廠商的抗噪能力不盡相同，網路搜尋商品資訊，平均降噪能力 ( NRR值 ) 落在 20-40 分貝間。

主動式降噪

How Does Noise Cancelling Work? | Built In

主動式降噪的操作原理簡單來說就是透過降噪系統產生與外界噪音相等的反向聲波，以破壞性干擾原理消除噪音，因此需先由耳機麥克風收集並分析外部聲源後，才能複製並產生反向聲波來進行降噪，對於持續出現的噪音，如：風切聲、交通工具運轉聲效果較佳，但若是突然出現的噪音，如：他人聊天對話，則會因來不及進行運算分析，降噪效益較有限。

研究統計，主動式降噪音量平均為 30 分貝，針對重複性的低頻噪音有機會達 60 分貝的降噪量，但因麥克風濾波設計，主動式降噪技術對於高於 1000Hz 的音頻處理較弱，也就是說他主要能夠降低的外部干擾多為低頻噪音。目前幾家耳機大廠皆有針對主動式降噪搭配藍芽串流的耳機設計，若佩戴方式為耳道 ( 塞入 ) 式，因不像耳罩式耳機多了被動式透過耳罩多一層降噪的設計，所以在高頻方面的效益會稍弱一些，建議讀者可依據聆聽情境、使用需求及佩戴舒適性做綜合考量。

隨著聽力保健意識抬頭，科技的快速發展也幫助我們有更多的防護工具選擇，然這些抗噪工具並非萬能，在使用上也會有其不便利之處，如：雖目前研究皆顯示主動式降噪為安全有效的技術，但有部分個案對低頻反向波刺激大腦時會相應有頭暈的症狀、若在馬路行走時使用，當外部噪音都被消除時，會有交通安全上的疑慮。

想達到聽能保健之成效，除了有效利用工具之外，在日常生活的一些細節調整，如把握 66 原則：「在聆聽個人音訊裝置時，音量須小於 60% 且每天不超過 60 分鐘」，也能幫助自己在享受聲音的同時，有效避免面臨噪音性聽力損失的風險。

參考資料

1. https://www.ctwant.com/article/257729
2. NRR Rating – Custom Protect EarCustom Protect Ear
3. Niloofar Ziayi Ghahnavieh, Siamak Pourabdian, and Farhad Forouharmajd, 2018. Protective earphones and human hearing system response to the received sound frequency signals.
4. https://multimedia.3m.com/mws/media/1064417O/3m-hearing-line-card.pdf
5. 聽不聽，由你決定：降噪技術背後的奧秘 – Samsung Newsroom 台灣
6. How Does Noise Cancelling Work? | Built In
7. How do noise-cancelling headphones work? – How It Works (howitworksdaily.com)
8. 聽覺照顧雲 (psa.org.tw)