【Gene思書齋】革新世界經濟的第三次工業革命

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

在現代戰爭中，無人機的角色越來越不可忽視。從俄烏戰爭到中東衝突，無人機已經從戰場的輔助工具，逐步成為戰術的核心力量。例如，伊朗對以色列的空襲，以及胡塞組織在紅海對美軍的攻擊，無人機的身影隨處可見。這些無人機不僅成本低廉，還具有驚人的靈活性，從偵查、干擾到實施精確打擊，它們的功能無所不包。

舉例來說，在 2024 年 4 月伊朗對以色列的空襲中，伊朗發射了 170 架無人機與數百枚導彈。雖然以色列防空系統成功攔截了絕大部分攻擊，但一枚防空導彈的成本往往是無人機的數倍甚至數十倍。同樣的情況發生在 2023 年底，胡塞組織利用僅需 2000 美元的無人機攻擊美國驅逐艦，而美軍為了防禦，使用了造價高達 200 萬美元的標準型導彈。這些數字顯示出，在不對稱作戰中，無人機的高性價比給傳統武器帶來了巨大挑戰。

這樣的發展讓各國紛紛投入無人機技術的研發與應用，美國的「地獄計劃」（Hellscape）便是其中之一。該計劃將數千艘無人潛艇、無人水面艦和無人機投放到台灣海峽，藉此增加中國艦隊登陸台灣的難度，並將整個海峽變成「地獄」。此外，美國也在研發無人機與有人戰機的協同作戰，透過無人機在前方吸引敵方飛彈，保護戰機的安全。

台灣的無人機發展之路

那麼，台灣在這股無人機浪潮中扮演什麼角色呢？

根據《華盛頓郵報》的報導，美軍印太司令部的新司令塞繆爾‧帕帕羅四星上將表示，美國正計畫打造「地獄計劃」，一旦中國朝台灣發動進攻，美國將派出數千艘無人潛艇、無人水面艦和無人機，封鎖台灣海峽。這樣的防禦策略突顯了無人機在現代戰爭中的關鍵地位。

儘管台灣尚未完全掌握無人機技術的核心，但政府已意識到其重要性。2023 年底，經濟部成立了無人機產業發展專案辦公室，目標是讓台灣成為「無人機民主供應鏈的亞洲中心」，並在 2030 年達到 400 億元的產值。這項計畫無疑展示出台灣在無人機產業上雄心勃勃的願景。

無人機技術的核心：通訊

要掌握無人機，首先要掌握的是其通訊技術。無人機的發展歷史顯示，通訊技術的突破是其成長的關鍵之一。早期的無人機僅能進行簡單的視距內操作（VLOS），但隨著科技的進步，現在的無人機已經可以進行超視距操作（BVLOS），這大大提升了它們的戰術應用範圍。

大疆是中國無人機技術的領導者，其發展的 2.4G 高清圖傳影像系統「Lightbridge」便是無人機技術的重大突破。這一系統能夠將無人機拍攝的畫面即時傳回給操作員，並維持一定的解析度與低延遲。這意味著無人機不再僅僅依賴肉眼操控，而是能夠進行更遠距離、更精確的任務。

然而，2.4GHz 的頻段雖然穿透力強，但也面臨頻率擁擠的問題，容易受到干擾。為了解決這個問題，現代無人機開始使用 5.8GHz 頻段。這一頻段雖然傳輸距離較短，但資料傳輸速度更快，抗干擾能力也更強。在這兩個頻段之間，大疆開發的 OcuSync 2.0 技術能夠自動切換，確保始終使用最佳的訊號頻段，提供穩定的飛行控制和圖像傳輸。

這些技術上的突破使得無人機在戰場上變得越來越不可或缺。例如，無人機不僅能進行偵查和打擊，還可以通過蜂群技術同時發動多點攻擊，擾亂敵方的防空系統。無人機之間的通訊技術也發展迅速，無論是表演性的燈光秀，還是軍事上的蜂群作戰，無人機都展現出極大的應用潛力。

反無人機系統的崛起

無人機的迅速發展同樣引發了反制無人機技術的需求。反無人機系統（C-UAS）大致可分為兩種類型：軟殺與硬殺。軟殺主要是針對無人機的通訊進行干擾，利用無線電干擾槍發射強大訊號覆蓋 2.4GHz 和 5.8GHz 頻段，使無人機失去控制。而硬殺則是直接摧毀無人機，例如使用火力攻擊或網子捕捉。

以色列本古里安大學的教授格拉‧維斯提出了一個新的思路：透過無人機的飛行軌跡來追蹤操作員的位置。由於無人機的動作會隨著通訊信號的強弱變化，這些變化可以用深度學習模型來分析，從而反推出操作者的位置。這一技術目前的準確率已經達到 78%。

此外，美國的軍工企業開發了一款名為「路跑者 M」（Roadrunner-M）的自殺無人機。這款無人機不僅能像飛彈一樣追蹤目標，還能在完成任務後自動返航進行回收，降低了作戰成本。

台灣無人機產業的未來

儘管台灣無人機產業的起步較晚，但政府和產業界已經意識到其巨大的潛力。無人機不僅僅是一種武器，它還可以成為通訊網路的關鍵節點。例如，雷虎科技的 T-400 無人機不僅用於軍事，也正與中華電信合作，將無人機作為訊號中繼站，在災害發生時提供通訊支持。

隨著 5G、B5G 及 6G 的發展，無人機將成為未來通訊基礎設施的重要組成部分。台灣無人機產業的發展不僅關係到國家安全，更涉及到未來的數位基礎建設。無論是在軍事還是民用領域，無人機的應用將越來越廣泛，未來有望成為台灣科技產業的一個重要支柱。

總而言之，無人機技術正在改變戰場生態，而台灣也正在積極參與這場技術革命。隨著更多資源的投入，台灣有機會在全球無人機市場中佔有一席之地。無人機的發展並不僅僅是一場技術競賽，還是一場關乎國家安全與經濟未來的戰略賽跑。

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

在現代社會，如果我們到咖啡廳或其他公共場所，打開筆電坐下來後，通常的第一句話都是「請問這裡有 Wi-Fi 嗎？」。

沒除了 4G、5G 行動通信以外，Wi-Fi 是我們日常生活中常用的上網方式。那麼，Wi-Fi 到底有什麼特點呢？

首先，來解釋一下幾個常見的名詞：Wi-Fi、WLAN、802.11。

你或許都聽過這些詞，特別是 Wi-Fi，但它們之間有什麼差別呢？

LAN 是 Local Area Network，區域網路的意思。通常指的是像一間網咖這樣的範圍。而 WLAN 就是 Wireless LAN，無線區域網路，這是現在的主流用法。而 802.11，則是專門針對區域網路中無線部分的技術標準。而 Wi-Fi 呢，則可以看作是 802.11 這個技術標準的口語化說法。而 Wi-Fi 的 logo 一黑一白，與太極圖非常相似並非巧合，其 logo 衍生自太極圖，就是想取其相容於任何設備、平台，不管在哪裡都能順利連上網的意象。

有人說 Wi-Fi 在現代已經像空氣、陽光、水和電一樣，成為不可或缺的基本需求。

除了 Wi-Fi 我們還介紹 MIMO 這個關鍵技術，如果對更多技術細節感興趣，或是想聽聽像 Bluetooth 是以國王名字命名的科技小故事，都歡迎在留言告訴我們，期待與你們繼續分享更多有趣的科技知識！

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

參考資料

• https://www.facebook.com/photo.php?fbid=10167518354985072&set=pb.679030071.-2207520000.&type=3
• The History of WiFi | Purple
• 無線網路將取代有線網路－802.11n 簡介