把一整頭豬包進宇宙大燒賣？！不論好吃，先搞懂裡面包了什麼

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

聖誕市集是德國自 14 世紀以來的傳統：寒冬裡，露天攤販聚集，銷售應景美食、裝飾和手工藝品，周遭或許還歌舞喧騰。^[1]有個去享受年節氣氛的 16 歲少女，坐在市集的金屬圍籬上。附近 3 名年輕人正把玩著從酒吧偷來，尖端有塑膠鏢頭的飛鏢。他們原想閃避旁人，以策安全，直接往泥土裡扔；但不知怎地飛鏢竟朝少女而去……。^[2]

眼睛創傷

根據統計，平均每 10 萬人，就有 810 人眼睛創傷需要治療。兒童與青少年是眼睛最容易受傷的年齡層，約佔該器官穿刺傷患者總數的 25%。不過有別於此案，傷患以男性居多。過去的文獻討論過魚鉤、榴槤及飛鏢等，各種物品導致眼球部份穿刺傷的案例。飛鏢的結構，分為 4 個部位：鏢頭、鏢身、鏢桿和鏢翼。大多數的傷害，都是由鏢頭或鏢翼所致。^[2]

眼睛的構造

眼睛的外層結構，包括眼睫毛、眼瞼、肌肉、腺體、淚膜（tear film）和結膜（conjunctiva）等，功能是保護內層；內層由外而內，則可大略分為3個部份：^[3]

1. 鞏膜（sclera）與角膜（cornea）：兩者都由膠原蛋白所構成，排列方向不規則處呈白色，所以鞏膜亦稱眼白；相對地，角膜是透明無色，負責2/3的光線折射。^[3]
2. 葡萄膜（uvea）：又細分成以顏色擋光，確保光線只進入中央瞳孔的虹膜（iris）；控制水晶體形狀的睫狀體（ciliary body）；以及佈滿血管，為水晶體供給養分的脈絡膜（choroid）。^[3]
3. 水晶體（lens）、玻璃體（vitreous body）和視網膜（retina）：除了上述的角膜，另外 1/3 的光線折射，是由水晶體擔當。穿透它們的光，會通過黏稠的玻璃體，聚集於視網膜，再透過神經把訊號送去腦部。^[3]

眼科證詞

少女的眼球 12 至 4 點鐘方向範圍內，鞏膜穿孔，虹膜脫垂。治療前，沒有拍照存證。手術出院後，視力只剩 1%。法庭上，2 位該醫院的眼科醫師表示，這種傷害應該與飛鏢的鏢頭無關，時機不可能那麼湊巧。他們還說，除非少女被東西以 100 公里的時速打到，不然就是自己跌撞桌邊。可是後面這個假設若屬實，受到衝擊的大概不只眼球，更何況少女堅稱沒有摔倒。^[2]

飛鏢射豬眼

輪到美茵茲大學（Johannes Gutenberg-Universität Mainz）的法醫提供專業意見時，他們決定實測。首先，要準備飛鏢和眼珠。同為射擊類的「玩具」，軟氣槍（softair gun）產生的動能介於 0.5 至 7.5 焦耳之間，≥ 0.5 焦耳在德國就會被當作武器管制。相對地，飛鏢雖能超過此門檻，卻完全不受限制，所以購買與持有均無問題。^[2]至於眼珠的部份，基於倫理、成本、相似程度和取得的難易度，鑑識科學時常用豬作為人體替代品。^[4]

材料備齊後，法醫在 10 公尺高的落管（drop tube）底部，放置屠宰場廢棄的豬眼，讓飛鏢從中墜落。他們發現用金屬鏢頭的話，會穿破眼球；塑膠鏢頭則輕微傷害角膜。再來，他們手持鋼鐵鏢頭、塑膠鏢頭，以及塑膠鏢頭磨損的飛鏢，朝豬眼射去。大概是經驗不足，嘗試了超過 50 次，非常漏氣地僅有少數幾次擊中。最後總算有一次，在射擲塑膠標頭磨損的飛鏢時，造成與少女眼珠雷同的傷害。整體而言，從 5 公尺外射擊，鏢頭的動能可以達到 0.84 焦耳，具有軟氣槍的殺傷力；而鏢翼不會穿刺豬眼，頂多劃壞角膜表面。^[2]

指控駁回

法醫大費周章的實驗，證明亂擲飛鏢的確有釀禍的機會；然而眼科醫師與少女的說辭大相逕庭，警方當時在聖誕市集又沒找到證物。因此，少女的指控終究遭法院駁回。結案之後，法醫團隊在期刊上發表個案報告，比較飛鏢和軟氣槍的動能，並以英國強制使用安全帶後，眼部創傷數減少 11.1% 為例，強調預防性法規的重要性。^[2]

1. Wilson A. (30 NOV 2018) ‘A brief history of Christmas markets’. The Guardian, Australia.
2. Germerott T, Mann N, Axmann S. (2021) ‘Penetrating eye injury by dart’. International Journal of Legal Medicine, 135, 573–576.
3. Pradeep T, Mehra D, Le PH. (01 MAY 2023) ‘Histology, Eye’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
4. Matuszewski S, Hall MJR, Moreau G, et al. (2020) ‘Pigs vs people: the use of pigs as analogues for humans in forensic entomology and taphonomy research’. International Journal of Legal Medicine, 134, 793–810.

上篇提到，在這波嚴峻的缺蛋危機中異軍突起的無蛋「旦糕」，就是有業者利用南瓜泥、豆漿、豆腐、腰果或果醬等食材取代蛋，研發出各式各樣的「旦糕」，包括布朗尼或杯子旦糕等，做出來就和一般的蛋糕非常相似。

其標榜以蔬果取代雞蛋做出的甜品更低脂，含有豐富營養素及植化素，獲得許多年輕女性、運動員客群青睞。加上自西方風行的「Vegan」（純植物）的概念日漸盛行，該業者在這場缺蛋潮中成為最大贏家^[1]。

烘焙需求轉變，使雞蛋替代物的市場增長

確實近年來，因消費者健康意識提升或受食安問題等影響，在烘焙需求上有所轉變，包括健康問題如苯酮尿症、雞蛋過敏；公共衛生問題如禽流感；飲食偏好如全素者；以及生產者是否能持續供應雞蛋等因素。

根據 Egg Replacers Market 報告，2020 年雞蛋替代物市場價值約為 14 億美元，預計到 2025 年將達到 16 億美元（2019 年預測），顯然雞蛋替代物的市場日益增長。

沒有雞蛋的「旦糕」逐漸受到重視，食品科學家在積極尋找各式各樣的雞蛋替代物製作旦糕，並且希望利用這些替代物所製作出的旦糕質地，能夠接近真的蛋糕^[2]。

製作旦糕的材料——雞蛋替代物

在雞蛋對蛋糕有多重要？缺蛋可以做無蛋「旦糕」——上篇有提到，雞蛋在蛋糕中所提供的功能，所以雞蛋的替代物，也需要有這些相似的特性才行，目前常見的雞蛋替代物主要分為三大類：

一、蛋白質類

又區分成動物來源或植物來源的蛋白質：

• 動物來源：如乳清蛋白，乳清蛋白可提供吸水、黏著或彈性、乳化和起泡等功能特性，可作為蛋糕中的蛋之完全或部分取代物。
• 植物來源：如鷹嘴豆蛋白或大豆蛋白等，這些植物蛋白皆具有乳化性，能幫助起泡安定、凝膠、風味結合及黏度增加。

二、食品添加物

通常使用親水性的膠體或乳化劑兩種食品添加物：

• 親水膠體：通常被歸類於增稠劑，可改善產品之親水性、保水性、黏稠度等，以增加產品的安定性，延長保存期限，如玉米糖膠（xanthan gum）及關華豆膠（guar gum）等。
• 乳化劑：屬於界面活性劑，具有乳化、 起泡、消泡、分散及潤滑等作用。可提高產品品質、延長保存期限、防止食品變質及改善食品風味等，如脂肪酸蔗糖酯（sucrose fatty acid ester）和乳酸硬脂酸鈉（sodium stearoyl lactylate）等^{[2, 3]}。

三、其它食品原料

大多數為含有豐富多醣類的膠質，以奇亞籽和亞麻籽為例：

• 奇亞籽：在水溶液中可形成黏液或膠體，是由木糖、葡萄糖和葡萄醣醛酸所組成的支鏈多醣，具有強大的增稠效果，已被用於代替蛋糕中的蛋和油。
• 亞麻籽：亞麻籽殼中含有亞麻籽膠，膠主要成分為多醣類和蛋白質，具有良好的親水與親油性，以及高保水性及高乳化性，已廣泛應用於食品及化工製藥業^{[4, 5]}。

戚風旦糕的製作流程

然而上述的那些替代物，很少會單一使用，常會多種搭配一起使用，效果更佳，至於製作方式就以常見的戚風蛋糕為例。

戚風蛋糕一開始製作時會將蛋白與蛋黃分開攪拌，形成蛋白霜和麵糊兩部分，戚風旦糕也是，其流程為：

1. 蛋白霜：將乳清蛋白粉（或植物來源的蛋白）和水混合均勻後打至濕性發泡，再分次加入白砂糖，並繼續打至硬性發泡（可在前一分鐘加入 SP 拌至均勻）。
2. 麵糊：將所有粉料（含膠體或乳化劑）過篩，加入已拌均之卵磷脂、油、水、糖中。
3. 將蛋白霜和麵糊兩部分拌均成蛋糕麵糊，倒入鋁製活動烤模中，以特定時間和溫度烤焙，最後取出倒扣於架上冷卻即完成。

上述的做法中出現做烘焙常會聽到的 SP（surfactant powder），其實就是一種乳化劑，通稱為「蛋糕乳化劑」或「蛋糕起泡劑」，在大陸被稱作「蛋糕油」^[3]。

與雞蛋蛋白性質相似的全素食材 aquafaba

沒有蛋，就需要使用多種食品添加物來幫助旦糕膨大及穩定，然而許多人為了製作天然無負擔的旦糕，還是會拒絕使用食品添加物。

通常他們所使用的食材，大多是亞麻籽粉、香蕉泥、蘋果泥或花生醬等，但是這些食材的味道本身就很有個性，做出來的成品也很難百分百像真蛋糕，使用上會有所限制。

不過近年來出現了一個神奇的食材稱作 aquafaba，名字是由拉丁文的水（aqua）和豆（faba）所組成，是一種具黏性液體，這個食材就是煮過的鷹嘴豆水。

2014 年，法國廚師 Joël Roessel 發現，鷹嘴豆罐頭的水（含蛋白質）與雞蛋蛋白頗為相似，具有乳化、起泡、黏合、凝膠和增稠等功能特性，甚至可打成全素的蛋白霜。

如此，aquafaba 從食品廢棄物變成有價值的材料，而且成本不高，也許未來會成為全素、無麩質的新興烘焙材料也說不定^{[2, 6]}。

想看 aquafaba 怎麼打成豆蛋白霜嗎？可以點此連結觀看影片 ：
BEGINNER’S GUIDE to Aquafaba! | Minimalist Baker Recipes

健康美味的植物基產品已成趨勢

近年植物基飲食、減碳風潮席捲全球，根據市調機構 Innova Market Insights 的全球食品市場調查，植物基產品以每年近 20% 的速度成長，市場潛力大。

植物基產品除了要求口感擬真與美味之外，營養價值也受到重視^[7]。這次的缺蛋危機雖然還不知道會持續多久，但也意外讓美味的植物基旦糕被更多重視健康的消費者所關注。

1. 嚴雅芳，2023。不怕缺蛋！無蛋奶甜點「綠帶」在民生社區異軍突起。經濟日報。
2. Yazici, G. N. and Ozer, M. S. 2021. A review of egg replacement in cake production: Effects on batter and cake properties. Trends in Food Science and Technology 111: 346-359.
3. 梁麗卿，2003。無蛋蛋糕製作技術之研究。國立屏東科技大學食品科學系碩士學位論文。屏東。
4. 邱恩亭，2018。添加奇亞籽對無麩質蛋糕品質之影響。國立臺灣海洋大學食品科學系碩士學位論文。基隆。
5. 蔡佩珊，2017。探討添加亞麻籽粉對無麩質蛋糕營養價值與品質之影響。國立臺灣海洋大學食品科學系碩士學位論文。基隆。
6. 尹嘉蔚，2017。【素食替身】鷹嘴豆水變蛋白霜　Aquafaba做蛋糕唔用雞蛋白一樣得。香港01。
7. 劉家瑜，2023。低碳飲食！工研院打造全台首顆植物荷包蛋 口味、營養兼顧。民眾日報。