以科學說浪漫，在《冷浪漫》

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

文 / 羅佩琪、廖英凱

七位講者、四百位現場觀眾、上千位全球收看網路直播的網友，在三月三十日這天，一起聊了整晚的……科學！

創立兩年半的Pansci泛科學，三月三十日晚上在科教館舉辦了成立以來規模最大的活動《科仔七分熟》，邀請七位講者，進行七分鐘的科學演講。這場與台灣科學教育館合辦的活動，除了創下泛科學現場參與活動人數之最，也在通泰媒體的協助下全程網路直播，超過7,300次的瀏覽量；活動現場也邀請十八個科普相關贊助單位擺攤，分享科普書籍、電子叢書、生物模型及3D列印機等科學產品。不論是人數、型式及規模，這場實體活動都是泛科學成立以來最大的挑戰與突破。

用歷史揭開序幕：回顧國內最大科普網站Pansci發展

主持人，同時也是泛科學的共同創辦人鄭國威，首先帶大家回顧了泛科學過去兩年半的歷史及現況。在去年二月Makiyo事件、Linsanity的夾殺下，泛科學上兩位專家討論美國牛肉的安全問題，為台灣觀眾提供了第三種選擇，也創造了開站以來瀏覽量的最高峰。目前，泛科學的單月獨立訪客已突破13萬，平均每天有超過兩萬次的文章點閱，總文章數也達到兩千七百八十篇－就算沒有新文章，一天看七篇，一年也還看不完！

去年四月開始，泛科學也從虛擬網路扎根至實體活動，陸續舉辦了《成大Pansci Talk》、小規模定期科學聚會《M.I.C.微型點子對撞機》及台灣偏鄉高中的巡迴演講《PanSci 360－科學有梗》，並成立子網站《Pansci天天問》，提供民眾一個開放的科學問答平台。

泛科學的招牌開胃菜：全場自我介紹

簡單的介紹結束後，正式進入科仔七分熟的流程，但主角還不是講者，而是──台下的觀眾！「全場隨機自我介紹」是Pansci的招牌流程，藉由自由傳遞麥克風，握到麥克風的人就必須進行自介，但當晚的規則稍做了修正，因為……現場主動舉手搶著自介的人就把名額用完了！

每個人的背景都不相同，也都有屬於自己與泛科學相識的獨特故事：有在TED×Taipei聽到Z編演講而認識泛科學的工程師、對AI互動網站有興趣而搜尋到 Pansci的設計師、因為關心氣候變遷而關注泛科學的研究生，也有直白的對主持人表白：「我覺得你很好笑……不，是幽默」的澳門僑生。有趣的是，現場其實有不少新結識Pansci的夥伴：兩週前才知道Pansci的國中數學老師，在自介時展示了他用活動文宣做的摺紙；而一位原本只為姬十三而來 的大陸同學誠實的表示之前沒聽過Pansci，「但是，今天來了知道你們在做什麼，覺得很感動」。

不論是科學背景、非科學背景，認識泛科學半小時或兩年半，今晚我們都在這裡，一起聊科學。

科仔7分熟

（點選收看各段演講摘要）

• Dr.i －科學家？藝術家？ [YouTube]
• 程威銓－ 這才是分手の心理學 [YouTube]
• 于小雅 －蝴蝶效應，青斑蝶的奇幻旅程 [YouTube]
• 蔡宇哲－睡中有醒，醒中有睡 [YouTube]
• 林怡萱－博物館如何為科學說故事 [YouTube]
• 李佳懷－也許只是偶然 [YouTube]
• 姬十三－浪漫的溫度 [YouTube]

講者 × 觀眾：線上與現場開放式互動問答

演講結束後的觀眾Q&A時間，來自網路直播的網友及現場聽眾踴躍地針對七位講者提出了有趣的科學與非科學問題：

對於「少年Pi的奇幻旅程」中栩栩如生的動物，李佳懷老師透露電影中上百隻的飛魚可以先以動物標本開一個模，複製後再做修改，但是每一隻都一定要不一樣，而當觀眾提問那大型動物如長頸鹿該怎麼辦時，李老師則打趣地說那就要請在座有位從事獸醫的觀眾幫忙、「若動物園有長頸鹿過世時」麻煩通報一下了。在台日青斑蝶遷徙的主題中，蝴蝶姊姊余小雅則為觀眾解惑蝴蝶遷徙是否可能透過交通工具、氣流等非自願因素，以及因雄性蝴蝶的聚集現象，導致目前觀察到遷徙的蝴蝶均是雄性的現象。

關於睡眠與心理的提問，蔡宇哲老師則解釋了清明夢在臨床上可以治療睡眠困擾的功效，以及介紹以電流刺激前額葉而達到操控夢的研究，並說明做夢其實是很累的事情，在心理學上，夢境可透過後設認知的過程幫助我們了解自己，更達到紓解壓力的效果。在今日交往年紀越來越低與分手越來越頻繁的現狀提問中，在國中擔任輔 導老師的海苔熊則認為早點戀愛其實有助於了解異性的思考方式，若要降低分手可能性，不如努力多提供些安全感吧！

一位國小老師觀眾則發問如何在學校推廣科普，林怡萱認為教育不應把科學與人文、社會截然而分，也以都柏林博物館的例子期待台灣能有更多科學家、藝術家共同合作，把科學變成像看電影一樣的事，讓更多人可以了解科學裡面的故事。橫跨科學與藝術的Dr.i也以自身經驗建議對跨界有興趣的朋友，在跨領域對話時，要能持續溝通、重視邏輯與文化差異，並提醒藝術家在發揮創意的同時要能回歸實際，而科學家們不能只聚焦於機能性更要重視視覺帶來的感受。

每一個意猶未盡的七分鐘演講，源於開放的科學點子。是久經沉澱的情感，是百般梳理的想法，是一再錘鍊的字句，是精粹昇華的未來願景。在這將近三小時的活動中，融合了各個領域，激盪著腦力與創意，也開拓了視野。期望這場活動能成為發掘有趣的科學與科學家們的契機，期望這場活動能讓更多人了解科學愛上科學。科 學有著很開放的本質，他不只在象牙塔中更在美術館裡，不只在書本期刊上更在每場甜蜜的夢中，不只是闊談辯論更流連於每個怦然心動的吻痕上，無論你來自何種領域，讓我們繼續「開放吧！科學」！

活動手冊

影像集

本次活動由下列單位支持舉辦

主辦單位：國立臺灣科學教育館、台灣數位文化協會｜PanSci 泛科學
協辦單位：果殼網
網路直播/網站贊助：通泰媒體應用有限公司
恆星級贊助單位：積木文化、cacaFly 聖洋科技
海洋級贊助單位：BBC知識Knowledge、石尚集團、遠見．天下文化教育基金會、科學再發現、PunApp
森林級贊助單位：貓頭鷹出版社、經濟新潮社、探索頻道雜誌、漫遊者文化、商周出版、WIRED.tw、時報出版、Registrano、Readmoo電子書店、國航科技、視群傳播、小牛頓

文 / 羅佩琪

演講的開始，來自中國科學松鼠會及果殼網的創辦人姬十三跟大家玩了個遊戲，要台下三百多位觀眾「用右手握住你身邊人的左手」，雖然戲稱這其實是給大家一個彼此搭訕的機會（還因此跟大家要到了感謝的掌聲），但也同時讓大家感受到一件事：手的溫度容易感知，但，內心的溫度呢？

世俗總認為科宅們的內心是低溫、冷靜的，這當然是一種偏見，科宅表達情感時當然也會有高溫、熱戀的時候──雖然，表達方式的確是比較含蓄、曲折、甚至古怪。姬十三與一群朋友們，因此寫了《冷浪漫》這本書記錄下科宅們的浪漫。

姬十三將冷浪漫技巧化成「獵人的敏銳、詩人的心靈、工匠的手藝」的三種技能，具體體現如：用數學公式決定最適合交往的求愛者序位、

[

  陌生, 愛

          )

這首以開/閉區間完成的小詩、甚至自製空氣淨化機的情人節禮物……正當大家嘖嘖驚奇之時，姬十三一句結語，讓在場所有科宅們驚醒：「要浪漫……死宅是沒有前途的！」。

http://www.youtube.com/watch?v=YG5DQrV-Vr8

本次活動由下列單位支持舉辦

主辦單位：國立臺灣科學教育館、台灣數位文化協會｜PanSci 泛科學
協辦單位：果殼網
網路直播/網站贊助：通泰媒體應用有限公司
恆星級贊助單位：積木文化、cacaFly 聖洋科技
海洋級贊助單位：BBC知識Knowledge、石尚集團、遠見．天下文化教育基金會、科學再發現、PunApp
森林級贊助單位：貓頭鷹出版社、經濟新潮社、探索頻道雜誌、漫遊者文化、商周出版、WIRED.tw、時報出版、Registrano、Readmoo電子書店、國航科技、視群傳播、小牛頓