想要在人群中吸引大家的目光嗎？製造些自己的糟糕八卦吧！

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

間接互惠的要件之一：聊八卦

間接互惠（indirect reciprocity）的概念認為，受益者並不是直接回報給同一位利他的施恩者，而是會把恩惠轉給其他人。A 幫助 B，B 再幫助 C，C 再幫助 D，依此類推。於是，恩惠就能在社群裡傳出去，遲早也能回到 A 身上。種下的因，總有一天能得到最後的果。

而且這還能談到下一個層次：如果有個 Z，在 A 幫助 B 時，親眼見證了這件事，發現 A 是個慷慨的好人，他也會因為想和 A 建立關係，所以願意幫助 A。於是，就算這兩個人無法符合直接互惠所需要的「後會有期」條件，也能因為整個群體的利他行為而受益。樂於助人，自己就更可能得到幫助，至於那些不想幫助別人、只想貪小便宜的人，則是可能遭到懲罰或受到排擠。像這樣的間接互惠，是人類一種格外複雜的合作形式，需要兩項其他動物都辦不到的條件。

第一項條件是，不管互動雙方的行為是慷慨是自私，除了需要有目擊者親眼看到，還必須能把這項寶貴的資訊，分享到整個群體共有的資料池。也就是說，社群成員得愛聊八卦才行。如果大家都能知道某個人不值得信任、總是只接受別人幫助卻都不回報，等到下次這個人又碰上麻煩，社群成員就不會再伸出援手。

英文有句諺語說「騙子發不了財」（cheats never prosper），但不能說完全正確：騙子常常在短時間內還是能得逞，特別是在那些規模比較大、大家彼此比較不認識的社群；只是遲早仍然會東窗事發，讓自己名聲掃地。所以，想讓間接互惠的機制不被那些只想貪小便宜的人搞垮，聊八卦就是一個關鍵的必備條件，而且無論是營火旁、或是茶水間，人類實在是哪裡都能聊。事實上，相較於其他靈長類動物是用理毛之類的活動來建立關係，人類是以閒嗑牙、聊八卦取代了這些活動。

像這樣把個別成員的行為，拿來在社群裡大談特談（就像是一個由閒聊建立起的社群網路），就會打造出一套名聲系統，可用來判斷適不適合試著和某個人合作。某人對待他人慷慨大方，就能建立良好的名聲；老愛占別人便宜，也就會惡名遠揚，讓人知道以後可得敬而遠之。行為友善的人，其他人在未來幫助他們的機率也會比較高，於是在天擇的機制裡就能占點上風。所以說到頭來，仍是演化塑造了人類的心理，讓我們在意自己的名聲，聊八卦就成了確保大家別心存僥倖的機制。

在一個會聊八卦的社會裡，生活的第一守則就是要小心自己做的事；或者更重要的是，要小心自己做的事給別人的觀感。於是，人類社會也就成了一個人人都在猜測別人想法的社會——須推斷別人的動機與態度，評估自己的行為在他人眼中的樣貌，好維護自己在外的名聲。我們所謂的「良心」就是這樣的產物之一：內在的這股聲音，警告我們可能有人在看，要我們想想別人可能的觀感，好讓自己免受社會的制裁。

——本文摘自《人類文明：生物機制如何塑造世界史》，2024 年 05 月，天下文化出版，未經同意請勿轉載。

在市面上，我們常會看到號稱運用量子力學原理的商品或課程，像是量子內褲、量子能量貼片、量子首飾、量子寵物溝通、量子速讀、量子算命、量子身心靈成長課程等等。有人說，量子力學代表了意識具有能量，藉由調整心靈的共振頻率，就能保持身心健康，只要你利用量子力學原理進行療癒或冥想，就能提昇自己的能量，人能長高、身體變壯、每次考試都考一百分；又像是，量子力學就代表一種信息場，讓你跟別人有心電感應，只要轉念，讓宇宙能量幫助你，你就能發大財還能避免塞車。也有人說，別人吃一個下午茶，你也馬上吃一個下午茶，別人喝一杯咖啡，你也馬上喝一杯咖啡，別人跟家人吵架，你也馬上找一件事跟家人吵架，這就是量子糾纏。

然而，量子到底是什麼？跟身心靈、宗教和玄學真的扯得上關係嗎？是否真能幫助你維持健康又賺大錢呢？

在這一系列影片裡，我們就要來討論，量子力學的原理為何？背後又是基於哪些科學的研究成果。等你看完之後，相信對於量子力學跟上述五花八門商品究竟有沒有關係，心裡自然會有所答案。

量子力學和意識有關？

坊間常會聽到量子力學跟意識有關的說法；或許也是因為這樣，量子力學被許多身心靈成長課程甚至玄學拿來作為背書。但，量子力學真的是這樣子嗎？

說到量子力學跟意識的關係，我們就必須來看看，量子力學最著名的實驗之一，20 世紀的物理學大師費曼（Feynman）甚至曾經說過，這個實驗「包含了量子力學的核心思想。事實上，它包含了量子力學唯一的奧秘。」它，就是雙狹縫干涉實驗。

雙狹縫干涉實驗

現在我拿的器材，上面有兩道狹縫，中間間隔了非常短的距離。等一下，我們會讓雷射光通過這兩道狹縫，看看會發生什麼事。

我們看到，雷射光在打向雙狹縫之後，於後面的牆上呈現有亮有暗的條紋分布，這跟我們在國、高中學過的波的性質有關。

在兩道光波的波峰相會之處，會產生建設性干涉，即亮紋的位置；而暗紋的部分，則是來自破壞性干涉，是兩道光的波峰和波谷交會之處，亦即，光的效應被抵銷了。

在歷史上，雙狹縫干涉實驗占有非常重要的地位。19 世紀初，英國科學家、也是被譽為「世界上最後一個什麼都知道的人」的湯瑪士．楊（Thomas Young），利用雙狹縫實驗，證明了光是一種波。

那麼，如果我們拿不是波的東西，來進行雙狹縫實驗，會看到什麼結果呢？讓我們試驗一下。

現在我手邊有一堆的彈珠，前面是用紙板做成的兩道狹縫，後面則是統計彈珠落點的紙板。我們讓這些彈珠朝狹縫的地方滾過去，並在彈珠最後的落點劃下記號；若在同樣位置的記號越多，就代表有越多彈珠打中該位置。

在丟了一百顆彈珠之後，我們可以看到，扣除掉一部份因為路徑被擋住、通不過狹縫的彈珠之外，彈珠最終抵達的位置，大致分別以兩道狹縫的正後方為最多，呈現兩個區塊的分布，不像先前光的雙狹縫干涉實驗中，出現明暗相間的變化。

所以，我們得到結論：若是拿具有物理實體的東西進行雙狹縫實驗，因為其一次只能選一邊通過，所以落點最終只會聚集在兩個狹縫後方的位置；而且要是行進的路徑不對，還可能會被擋住。

至於波的情形，那就不同了，只要狹縫的大小適當，波可以同時通過兩個狹縫，並互相干涉，產生明暗相間的條紋。

換言之，是波，還是物質，兩者在雙狹縫實驗的表現是截然不同的。

只不過，以上的實驗似乎並沒有什麼太令人感到意外的地方，我們也看不出來，它跟量子，還有意識，到底有什麼關係？事實上，若要真正顯示出它的獨特之處，就要來看電子的雙狹縫干涉實驗。

電子的雙狹縫干涉實驗

我們知道，電子是組成原子的基本粒子之一，而原子又組成了世間萬物。可以說，電子是屬於物質的一種極微小粒子。

在電子的雙狹縫干涉實驗，科學家朝雙狹縫每次發射一顆電子，並在發射了很多顆電子之後，觀察電子的最終落點分布會怎麼呈現。

既然電子是物質的微小粒子，那麼在想像中，應該會跟我們前面使用彈珠得到的結果差不多，電子會分別聚集在兩道狹縫後方的區域。

從實驗的記錄影片中可以看到，在一開始、電子數量還很少的時候，其落點比較難看得出有明顯規律，但隨著電子的數目越來越多，我們慢慢能夠看出畫面上具有明暗分布，跟使用光進行雙狹縫實驗時得到的干涉條紋，有著類似的結構。

這樣的結果，著實令人困惑。直覺來想，既然電子是一顆一顆發射的，它勢必不可能像光波一樣，同時通過兩個狹縫，並且兩邊互相干涉，產生明暗相間的條紋。

但無可否認，當我們用電子進行雙狹縫實驗時，最後得到的結果，看起來就跟干涉條紋沒什麼兩樣。

對這出人意表的觀測結果，為了搞清楚發生什麼事，科學家又做了更進一步的實驗：

在狹縫旁放置偵測器，以一一確認這些電子到底是通過哪一個狹縫、又如何可能在通過狹縫後發生干涉。

這下子，謎底就能被解開了――正當大家這麼想的時候，大自然彷彿就像在嘲笑人類的智慧一樣，反將一軍。

科學家發現，如果我們去觀測電子的移動路徑，只會看到電子一顆一顆地通過兩個狹縫其中之一，並最終分別聚集在兩個狹縫的後面――換言之，干涉條紋消失了！

在那之後，科學家做過無數類似的實驗，都得到一樣的結果：只要你測量了電子的路徑或確切位置，那麼干涉條紋就會消失；反過來說，只要你不去測量電子的路徑或位置，那麼電子的雙狹縫實驗就會產生干涉條紋。

在整個過程中，簡直就像是電子知道有人在看一樣，並因此調整了行為表現。

在日常生活中，若有人要做壞事，往往會挑沒人看得到的地方；反過來說，當有其他人在看，我們就會讓自己的言行舉止符合公共空間的規範。

量子系統也有點像這樣，觀測者的存在與否，會直接影響到量子系統呈現的狀態。

只不過，這就帶出了一個問題：到底怎麼樣才算是觀測？如果我們在雙狹縫旁邊只放偵測器不去看結果算嗎？我們不放偵測器只用肉眼在旁邊看算嗎？或是，整個偵測過程沒有人在場算嗎？

這就是量子力學裡著名的觀測問題（measurement problem）。

結語

在量子力學剛開始發展的數十年，有許多地方都還不是那麼清楚，觀測問題就是其一。在歷史上，不乏一些物理學家，曾經認真思考，是否要有「人的意識」參與其中，才能代表「觀測」。

如果真是這樣的話，那麼「意識」就存在非常特別的意義，而且似乎暗示人的意識能夠改變物質世界的運作。

可以想見地，上述出自量子力學觀測問題的猜測，後來受到部分所謂靈性導師跟身心靈作家的注意，於是，形形色色宣揚心靈力量或利用量子力學原理進行療癒、冥想或身心靈成長的偽科學紛紛出籠，直到近年都還非常流行。

另一方面，可能因為量子兩個字帶給人一種尖端科學的想像，坊間琳瑯滿目的商品即使跟量子力學一點關係都沒有，也都被冠上量子兩字；除此之外，商品宣傳裡也常出現一堆量子能量、量子共振等不知所謂的概念，不然就是濫用量子力學的專有名詞如量子糾纏、量子穿隧等，來幫自己的商品背書。只要有量子兩字，彷彿就是品質保證，讓你靈性提升、身體健康、心想事成。

對此，我就給三個字：敢按呢（Kám án-ne）？

事實上，量子力學至今仍是持續演進的學問，我們對量子力學的理解也隨時間變得越來越豐富。現代的物理學家，基本上不認為我們可以用意識改變物質世界，也不認為「意識」在「觀測」上佔據一席之地，甚至可以說正好相反，人的意識在觀測上根本無關緊要。

不過，我們不會那麼快就直接進入觀測問題的現代觀點。在之後接下來的幾集，我們會先從基本知識開始說起，循序漸進，讓你掌握量子力學的部分概念。而在本系列影片的最後一集，我們才會重新回到觀測問題，並介紹量子力學領域近幾十年來在此問題上獲得的進展。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！