月亮臉、水牛肩，原來是皮質醇濃度過高！——庫欣氏病症狀與治療

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

沒多少人比阿威更懂得如何吃的健康又營養了。

阿威是一名營養師，平常就在醫院裡為病患衛教，如何根據自己的身體狀況調整飲食。自己更是三餐注重營養均衡，而且保持固定運動的習慣，使得二十多歲的他顯得體格精實、容光煥發！但是這幾個月來，阿威照鏡子時卻發現臉部越來越腫脹，腹部脂肪也多了起來，游泳圈都快要形成了！這對年輕的阿威來說很不能接受，認為是自己的飲食和運動還不夠努力，於是更注意減少熱量及油脂的攝取，而且從每周運動三次增加為五次。

在如此努力之下，腹部脂肪略有改善，體重也回復到原有的水平，但就是那張臉的浮腫始終無法消退，在醫院裡也常常被同事虧說最近是不是變胖了？為什麼再怎麼拼命就是瘦不回來呢？專業的阿威抓破頭也想不明白，直到發現自己的一雙大腿上也出現了又黑又粗的條紋，就像是婦女生完小孩產生的妊娠紋一樣；前胸和手臂上也冒出了大量的痘痘，這才驚覺自己是不是生病了……。

—–

肥胖、無月經、多毛……這和腎上腺有什麼關係？

20 世紀初，一些醫師發現某些女性有著獨特的症狀表現，包括肥胖、無月經，以及多毛症，而這些症狀被發現與腹腔裡腎上腺的腫瘤有關。很多病患在切除腎上腺腫瘤之後，症狀就有明顯的改善。但有些病患在切除了單側腎上腺之後，在切下來的腎上腺裡卻找不到腫瘤，而病患的症狀也沒有改善。這類病患往往死的很早，死後解剖發現另一側沒有被切除的腎上腺竟然比正常的大了一倍，就好像是代償被切除那一側的功能似的。

1932 年，美國神經外科醫師庫欣（Harvey Cushing）發現一群病人也有著這樣的表徵：肥胖、無月經（女性）、性慾減退（男性）、多毛症、身體上有條紋或紫斑等等……，但是這些病人的腎上腺並沒有腫瘤，反而是位於頭部深處的腦下垂體發現了腫瘤。

庫欣氏症

為什麼同樣的病症，有些是由腎上腺產生的腫瘤引發，有些是由腦下垂體的腫瘤所引發呢？從切除一側的腎上腺後，另一側會變的肥大來推論，很可能是腦下垂體分泌了某種物質會刺激腎上腺的增長與分泌。

這個物質過沒多久就被發現了，1933 年，化學家科利普（James Bertram Collip）從腦下垂體分離出「促腎上腺皮質激素」（Adrenocorticotropic hormone, ACTH），作用是刺激腎上腺分泌「糖皮質激素」（Glucocorticoid）。

從此，這個疾病的起因被歸納為兩類，一種是「原發性」，也就是腎上腺本身分泌過多糖皮質激素：另一種是「次發性」，是由於腦下垂體分泌過多的促進激素而使得腎上腺被動的分泌過量。

肥胖、無月經（女性）、性慾減退（男性）、多毛症、身體上有條紋或紫斑等等……，這一籃子症狀被稱為「庫欣氏症候群」（Cushing’s syndrome），而由腦下垂體引起的次發性糖皮質激素分泌過多的疾病則被命名為「庫欣氏症」（Cushing’s disease）。

糖皮質激素，你到底是何方神聖？

同樣是在 1930 年代，美國化學家肯德爾（Edward Calvin Kendall）從腎上腺當中分離出六種物質，並且將它們命名為物質 A~F。到了 1948 年，物質 E 已經被命名為「可體松」（Cortisol），並且被利用來注射於風濕性關節炎（Rheumatoid arthritis）的患部當中。原本關節腫痛得無法行動的病患，在治療數天過後都獲得了改善，變得能夠自由行走。肯德爾引此和另外兩位科學家獲得了 1950 年的諾貝爾生理及醫學獎。

「可體松」（Cortisol）就是最重要的一種「糖皮質激素」（Glucocorticoid）。它的作用是在身體裡引發一連串的「打或跑反應」，是身體面對壓力的重要應對方式。

葡萄糖！葡萄糖！葡萄糖！

可體松（Cortisol）使得身體釋放大量的葡萄糖（Glucose）進入血液當中，方便大腦及肌肉可以隨時使用它們。於是肝臟分解脂肪組織並大量製造葡萄糖，而負責降低血中葡萄糖濃度的「胰島素」（Insulin）的功能則被抑制了。

可體松也幫助血管收縮和血壓上升，讓人準備好大幹一場。

罹患庫欣氏症的病患，由於上游腦下垂體不斷的刺激，即使生活沒什麼壓力，體內的可體松卻總是居高不下，這對身體帶來了一系列糟糕的變化。

首先是血中葡萄糖居高不下，但胰島素的作用失常，使得細胞沒辦法有效的利用葡萄糖，長久以來陷入惡性循環，造成糖尿病；同時細胞們不斷向大腦發送飢餓的訊號，讓人越吃越多，造成肥胖。可體松也會使身體的脂肪重新分佈，變得更容易堆積腹部脂肪，造成中心型肥胖。

它同樣會抑制身體的免疫反應，這樣的抗發炎效果讓它在對抗發炎性疾病像是風濕性關節炎上大受歡迎，但長久下來會使個體更容易受病菌所侵襲。此外，可體松也會抑制性慾、造成勃起障礙、抑制排卵造成不孕，畢竟在生死存亡之秋，可不能浪費精力在繁衍後代嘛！

—–

內分泌科醫師立刻就安排阿威住院檢查了，血中「可體松」（Cortisol）濃度果然高到不像話，下一步檢測出「促腎上腺皮質激素」（ACTH）的濃度也很高，暗示源頭很可能來自於上游的腦下垂體。

腹部的電腦斷層顯示出兩側的腎上腺都均等的肥大，但沒有腫瘤，看樣子庫欣氏症是八九不離十了。但是在腦部的核磁共振當中，腦下垂體的腫瘤並不是那麼的明顯，只在腦下垂體右葉隱隱約約看見一個 0.5 公分大小的小瘤。

於是放射科醫師為他施行了「下岩樣竇採樣」（Inferior petrosal sinus sampling）。由於腦下垂體的左右葉會分別將生產的激素分泌到兩側的下岩樣竇（靜脈系統的一部份），於是醫師從股靜脈穿刺進入靜脈系統並伸入導線，經過一陣峰迴路轉後，終於到達位於腦部深處的下岩樣竇，並在左側和右側分別採樣。檢查數值顯示右側下岩樣竇的促腎上腺皮質激素（ACTH）果然比左側的高，腦下垂體右側的小腫瘤是病因的可能性大增。

最後神經外科醫師接手，為阿威施行「經蝶竇腺體切除術」（Transsphenoidal hypophysectomy），從鼻腔伸入手術器械並穿過顱底的頭骨進入顱內，並切除大腦底部的右側腦下垂體。

術後追縱阿威體內的可體松濃度逐漸回到正常，經過數個月後，像是麵包超人般的大餅臉也漸漸消退，終於不用再每天嚴格限制飲食、激烈運動，卻還要被人問「你是不是變胖了？」

參考資料：

1. V C Medvei. “The History of Cushing’s Disease: A Controversial Tale.” Journal of the Royal Society of Medicine 84 (1991): n. pag. Web.
2. Dina Aronson, MS, RD. “Cortisol – Its Role in Stress, Inflammation, and Indications for Diet Therapy.” Today’s Dietitian, Nov. 2009. Web.
3. Mary Bellis. “History of Cortisone – Edward Calvin Kendall.” Inventors. About.com, n.d. Web.
4. Michael Randall. “The Physiology of Stress: Cortisol and the Hypothalamic-Pituitary-Adrenal Axis.” DUJS Online. N.p., 03 Feb. 2011. Web.

＿＿＿＿＿＿＿＿＿＿＿
你是國中生或家有國中生或正在教國中生？
科學生跟著課程進度每週更新科學文章並搭配測驗。來科學生陪你一起唸科學！