你對大數字有「感覺」嗎？一本電子書檔案有多大？一間國家圖書館有多少藏書是合理的？——《一輛運鈔車能裝多少錢？》

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

• 本文轉載自科技大觀園，原文為《用烏賊與科普的魅力，讓教室爆滿——專訪清華大學生命科學系焦傳金教授》
• 作者 / 科技大觀園特約編輯｜陳亭瑋

實驗進行中，一隻烏賊被放入透明的水族箱，其中一側被隔出了左右兩個小隔間，分別放有一隻與兩隻蝦。水族箱中烏賊看清了兩邊的活蝦後，可以自由選擇游進哪一個隔間，伸出腕足捕捉可口的食物。在烏賊游進其中一個隔間後，另一邊就會被關閉，因此每次都只能選一邊。

問題來啦，一隻蝦 v.s. 兩隻蝦，換做你是烏賊，會如何做決定呢？

這是清華大學生命科學系特聘教授焦傳金在去 (2020) 年所發表的研究成果，證實了烏賊具有「相對價值感」的概念。做為海產店、夜市小吃的盤中常客（而且還很好吃），烏賊也懂得數數，擁有「數感」，能夠分辨得出 2 比 1 來得多，一般情況下當然是選兩隻蝦啦。但經過特別訓練的烏賊，能夠「記得」一隻蝦可以代表不只一隻蝦，因此在後續實驗中，產生了烏賊覓食偏好一隻蝦，勝過了兩隻蝦的結果。

解密烏賊的決策邏輯

「實驗室的每個人，都有 T 恤上面是有墨汁的。」

談起飼養繁瑣，需要海水又每天都需要活餌，還三不五時受驚噴墨，養殖難度可說鑲金邊等級的烏賊，舉手投足間標準學者氣質，一派溫文儒雅的焦傳金，迸發出強大的熱切。他分享自己的觀察，大眾對於烏賊、章魚這類頭族類動物往往充滿好奇，也常常被用在塑造外星人、異形的形象。除此之外，在冰冷理性的實驗室，學生焦慮煩悶時也常去到「花枝房」，觀看水族箱中優游、表皮花紋瞬間變換的烏賊，療癒抒解心情。

烏賊又名花枝、墨魚，屬於頭足類軟體動物。多數人最熟悉的頭足類動物，除了餐桌上好吃的海鮮，最有名的大約就是德國奧伯豪森（Oberhausen）水族館的「章魚保羅」了。2010 年的世界盃足球賽，章魚保羅連續「成功預測」了賽事的勝利隊伍，引起了許多注目風靡。而焦傳金開始烏賊研究的起點，其實就是源自於大家的這個好奇：無脊椎動物到底能有多聰明？牠們的「聰明」擁有跟人類做決定一樣的邏輯特色嗎？

焦傳金在 2016 年的研究發表就揭露了烏賊具有「數感」，覓食找東西吃的時候，明顯看得出來烏賊會選擇數量較大的那一邊。而更有趣的是在後續實驗中，團隊讓烏賊從兩隻小蝦與一隻大蝦裡做選擇。最後實驗發現，烏賊的選擇，會跟當下的飢餓程度有很強的關聯。烏賊如果處於比較飢餓的狀態，就會鋌而走險選擇一隻大蝦，以獲得高風險高報酬；沒那麼餓的時候，則會選擇兩隻小蝦，穩健獲利。可以說，這樣的選擇邏輯，即使是人類，也無法做得更好了。

而在相對價值感的實驗中，團隊先以 0 對 1 訓練烏賊，在烏賊選擇 1 隻蝦那格的時候，當場會再額外多提供一隻活蝦，經過六次訓練，再以 1 對 2 測試烏賊會如何選擇。沒有經過訓練的烏賊主要偏好數量較多──也就是兩隻蝦那格；但曾經受訓記得「1 隻蝦不只是 1 隻」的烏賊，則對於一隻蝦那格展現了明顯的偏好，而這樣的覓食習慣改變，在經過一個小時後進行的實驗中顯示，仍然保留了下來。

什麼是「相對價值感」？焦傳金舉例：「一瓶礦泉水，如果是在沙漠中走了三天了，第一次遇到一罐礦泉水，那價值就會非常的高。」同樣的物質，在不同情境中的價值會改變，這樣的相對價值感在人類的決策中，佔有很重要的比例。而焦傳金的研究更證實了，在動物──甚至是無脊椎動物的行為中，也存在著相對價值的概念。

神經科學的聖杯：大腦

像這樣的研究，其實也是科學家認識神經系統、大腦運作的起點。

談及神經科學研究最終的「聖杯」人類的大腦，焦傳金眼神發亮。焦傳金做為神經科學家，研究主題無論是烏賊的價值判斷、軟絲的視覺溝通密碼，抑或視神經科學的研究，都圍繞著神經科學的核心探索：大腦是如何運作的？

「所有東西以物質論來說，都是一樣的，但為什麼生物、動物會這麼不一樣？」焦傳金一句話道出了生命世界最大的謎團，也是最引人入勝之處。

討論到以章魚做實驗的可能性，焦傳金興致勃勃，表示如果有機會，會希望探索神經系統發達的章魚是否真的具有「意識」。他也說明，相較於底棲性、身體內有硬質骨板的烏賊，章魚的活動範圍更加廣泛，實驗錄影紀錄較為困難，而且章魚僅有口器「牙齒」的部分有硬質結構，全身皆為肌肉，逃脫能力極為高強。

像章魚、烏賊這類頭足類動物，為什麼會發展出如此複雜的神經系統？一般認為，動物會演化出複雜的神經系統，可能與社會行為有關，無論是爾虞我詐的社會關係、各種合縱連橫、選擇策略獲得優勢，都需要複雜的決策能力。但除了軟絲有社會性，會藉由改變表皮花紋顏色彼此溝通；同樣屬於頭足類的烏賊與章魚都屬於獨居的動物，只有在繁殖期會與同族有交流。

較常見的推測認為，相較於其他有殼的軟體動物，頭足類沒有外殼保護，身體充滿蛋白質非常「好吃」，生存演化出現的生存之道，就是發展出複雜的行為策略，包括偽裝、噴墨、噴射推進，以避免被捕食，而複雜的神經系統，也是由此而來。焦傳金也特別說明，這個問題在科學上很難驗證，很可能最終都不會出現標準答案。

但焦傳金認為，科學的趣味與意義，就隱藏在這個試圖解答疑問的過程中。

對於大自然與科學的探索，多數的基礎研究起初獲得解答的時候，也都不具應用性，更像是一種心靈層面的滿足感：「做基礎科學，是一種探索真理的過程。你有一個問題，這個問題可以做實驗來回答，那晚上就可以安心睡覺。」

如何將科學帶給一般大眾

對焦傳金而言，這樣的滿足感，不應該侷限於科學家、研究者，更應該有機會讓所有的人都有機會一睹為快。焦傳金表示，當然不需要每個人都很懂科學，但提升國民素養，科普就是最好的方式。此外，科學家如果只專注自己的領域中，就只能影響同領域的同行。但科普將資訊分享給一般的社會大眾，成功的話可以影響的範圍就會很大，是很愉快的事情。

清華大學的「當代認知神經科學：腦與心智」，焦傳金透過淺顯易懂的比喻與連結，成為清大最受歡迎的通識課程。焦傳金分享，從事科普最大難處在於，要做到淺顯易懂卻又引人入勝。而其中最需要的，就是需要豐富的想像力，找到適合的語言，將艱深的科學發現轉換成大家可以聽得懂的比喻，使用日常生活的連結、慣用的用字用詞，讓聽眾接收並且理解。科普成功與否的關鍵之一，在於需要「有趣好玩」，因為通常科學內容並非對於大眾直接「有用」的，所以需要加入可以引發大家的興趣的元素。而最大的難處還在於，知識含量「含金度」高的時候，通常就不容易理解、也不容易產生趣味。該如何讓知識含量不減，又增加趣味，箇中取捨就像場拔河。

此外，「熱情」也是進行科普活動需要加入的元素。焦傳金解釋，透過鏡像神經元的作用，情緒會互相感染，如果講者選擇自己喜歡的題目講得很嗨，就可以吸引別人的注意力。一定要說服自己，是真的喜歡才去講，懷著溫度，就可以影響他人。

多接觸海洋，就是關懷海洋議題的起點

說到以科普影響他人，近年來海洋議題越來越受到關注，焦傳金也在課程中讓學生實際計算「海洋酸化」（Ocean acidification）的案例，探討海洋議題。

他說明，近年來大家越來越重視溫室氣體排放造成的全球暖化議題，也開始瞭解到升溫攝氏 1 到 2 度對於世界的影響極為巨大，但另一個同步發生卻容易遭忽視的主題，則是二氧化碳溶入造成的海洋酸化。在過去 200 年間，海洋的 pH 值降低了 0.1 到 0.2，數字上看來變化不大，但實際上，pH 值代表著氫離子濃度的對數關係，實際上如果 pH 值由 8.1 降到 8，在氫離子濃度上就有了超過 25%的改變，勢必會影響許多海洋生物像是珊瑚、貝類的鈣化作用，現在已經出現生物外殼骨架脆化與變薄的情況，對許多生物的生存造成很大的影響。

除此之外，塑膠微粒也是較受忽視的海洋議題。隨著大眾開始關注海洋廢棄物，近年來有越來越多研究顯示，塑膠材料進到海洋中後，經沖刷撞擊成為微粒，會由海洋循環進入大氣、進到循環中再被帶到陸地。如美國的國家公園自然野地中，已經有許多地方，可以找到這些塑膠微粒，塑膠微粒勢必將由冷門的海洋議題，逐漸進到我們的視野中。

談及海洋議題，當然也不能不聊聊，近期在臺灣引發諸多論戰的大潭藻礁保護與天然氣第三接受站的爭議。焦傳金畢業自中山大學海洋生物科技暨資源學系，由海洋研究的相關背景，他表示自己自然比較傾向讓藻礁能受保護，但也主張世事並無絕對，保育也不應只能與臺灣的用電需求、經濟發展硬碰硬二者不相容。臺灣該如何由其中走出平衡之路，將有賴於全體齊心協力的智慧。

對於藻礁議題讓台灣輿論充滿紛擾，焦傳金態度樂觀：「大家總算知道什麼是藻礁了，從海洋教育的角度來講，如果因此而更認識海洋環境、關心海洋環境，引發大家對這件事情的關注，還是有正面意義的。」台灣四面環海，但受限於過去的管制因素，大家對於海洋是較為陌生的。他也期待，有越來越多人投入海洋的活動，增加與海洋的接觸，發揮台灣作為海洋國家的優勢。

說到度量衡，大家應該都還記得國中學的秦始皇「車同軌、書同文、統一度量衡」，but，秦老大訂下的度量衡放到現在早就不合用了，那我們如今用的單位又是從何而來呢？

這個故事，就要從法國大革命開始說起了。

法國大革命革掉了皇室，也革掉了舊制

話說這法國大革命呢，不只革掉了法國王室，由社會各階層組成的國民公會也想要將老舊的度量衡制度一起革掉。

巴黎科學院於是接下了這份重任，將「赤道─北極」的子午線長度作為標準，嘗試訂出公尺的長度。（你問我他們為什麼要用這個標準？沒什麼道理，他們開心XD）

要用子午線當標準，首先得量出子午線有多長，於是乎呢，巴黎科學院花了六年的時間，一步一腳印用工人智慧來測量，再取長度的千萬分之一當作「一公尺」。

不過，有這個比例還不夠，總不能每次要用都得量一次子午線，於是，他們以活性小、不易失去電子的「鉑」做出公尺原器，從此，一公尺有多長，全都由鉑製棒棒說了算。

同時間，巴黎科學院也定義出公斤的大小，並以容易計算、便於轉換的十進位制概念全面更新了長度、面積、體積、重量等單位，這套 2.0 升級版系統，就是「米制系統」。

獨改制不如眾改制，一起變身吧！

由於升級版系統實在是挺好用的，周邊國家看到之後也紛紛敲碗求更新。

於是，在 1875 年 5 月 20 日，法、俄、德等 17 個國家，簽下了「米制公約」，協定共同使用並遵守這一套系統。

這一天，便成了世界計量日，從此以後，你的公斤就是我的公斤、我的公尺就是你的公尺！

現在，為了追求更穩定的計量方式，人造物們已經全數退場了（沒錯大棒棒現在只是展示用），但米制仍然是最通用的計量系統喔！

正確用法：我就是要斤斤計較！統一單位才準確

錯誤用法：用什麼都好啦反正都半斤八兩

泛科市集工商時間！

歡慶世界計量日，各種尺規小物特別特價中！

2021/5/20 23:59 前追蹤泛科市集的帳號還可以獲得專屬折扣碼喔！

延伸閱讀

1. 一公尺究竟有多長？從單擺到相對論，公尺制的精彩變身史！
2. 度量衡革命，計算方法也跟著全新革命│《電腦簡史》 齒輪時代（十七）
3. 一小口也能當單位？讓伊麗莎白一世看不下去的野蠻傳統——《從奈米到光年：有趣的度量衡簡史》