我被一個朋友喜歡過

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

許多少男少女們，在情場上總是會有過這樣的經歷，面對自己喜歡的人，一下子覺得自己有機會和對方終成眷屬，一下子卻又掉入絕望的深淵裡，內心的小劇場不斷的上演，那個千辛萬苦、那個煎熬，是我們每個人有過，苦澀而甘醇的青春回憶。

記得在期末考周的某個傍晚，天空時雨時晴，天邊還畫出了一道美麗的彩虹，我和一個朋友約了晚餐，就在這樣陰晴不定的天氣裡。在吃晚餐時，他和我聊了聊最近的困擾。當然，為了保護當事人，故事我做了小小的修改。

他：「我最近還蠻困擾的耶……，有一個異性朋友對我很好很好，她似乎對我有意思，好幾次明示暗示我。」

我：「這聽起來不是蠻好的嗎？」

他：「可是我並不打算接受她的感情啊……我現在沒辦法愛上她，這對她來說是一個傷害……」

我：「嗯，這聽起來真的蠻困擾的。你有沒有嘗試過疏遠她呢？」我學起了諮商師的口吻，卻又一面展現出了八卦的本性。

他：「可是我又很需要她這個朋友，覺得被陪伴還蠻快樂的，只是就單純只是朋友的陪伴而已。」

我：「所以，你是不是有時候對她很好，有時候又疏遠她呢？」

他：「對啊對啊！」

我：「這樣來說，她應該會更放不下對你的情感，反而會越陷越深喔！還記得嗎？我們學普通心理學，講到操作制約（operant condition）的部分時，老師曾經提過，當有時會獲得獎勵，有時卻得不到獎勵時，老鼠反而更容易被制約成功呢！」

他聽到這裡，眼神突然閃出了光芒，彷彿頭腦被光束穿過的柯南一樣，點頭如搗蒜的回著：「對耶對耶！」。其實啊，許多好人、駝獸們，往往也是被這樣養出來的。一下子覺得自己有機會贏得女神芳心，一下子又陷入了悲傷絕望當中，但是每當女神偶爾略施恩惠，又突然覺得自己好像有希望了，於是就在這樣的一高一低當中來回擺盪，久久不能脫離苦海（嘆）。

要講起操作制約的研究，就不得不提到伯爾赫斯·弗雷德里克·斯金納（B.F.Skinner）了。伯爾赫斯·弗雷德里克·斯金納在心理學史上是一個很有名的人物，他終生奉行行為學派，所謂的行為學派，是心理學發展早期的主流學派。在當時，因為科學技術還沒有現在進步，沒有功能性磁振造影（fMRI，functional magnetic resonance imaging），沒有紀錄神經細胞的膜片箝制（patch clamp）技術，心理學家無法直接測量腦中的變化，只好忽略意識不談，把意識視為一個黑盒子。而伯爾赫斯·弗雷德里克·斯金納就是行為主義的主流人物之一。

關於斯金納，有一個有趣的小故事，不過我們留到後面再談。

所謂的操作制約，指的就是：「當一個個體主動探索環境，而受到環境給予的回饋之後，會進而調整自己的行為。」聽起來很文謅謅，簡單來說就像是小孩子罵髒話時，大人會處罰他，小孩子就會減少罵髒話的頻率；小孩子乖乖做家事時，大人給他吃糖果，小孩子就會更常去做家事了。

斯金納曾經設計了一個箱子，來研究操作制約的現象，後代的心理學家把它稱作斯金納盒（Skinner Box）。在這個箱子裡面，有一個槓桿（lever），當這個槓桿伸出來時，如果老鼠剛好去摸到這個桿子，就會有食物掉下來。對老鼠而言，這就像是小孩子獲得糖果一般的愉悅，於是老鼠就會更頻繁地去碰桿子，也就會獲得更多的食物了。於是，透過操作制約，斯金納訓練出了一隻會碰槓桿的老鼠。這聽起來似乎是個常識，但是在那個時代，這樣的研究是很劃時代性的。

當然，這樣的研究還沒完。斯金納很好奇，如果不要每次都給食物，是否也能訓練出老鼠壓槓桿的行為呢？於是斯金納嘗試了四種方式，分別為：固定比率（Fixed-Ratio）、變異比率（Variable-Ratio）、固定時距（Fixed-Interval）、變異時距（Variable-Interval）。前面那種每次都給食物的制約方式是連續增強（continuous reinforcement），而這四種不固定給予的方式則稱為間歇增強（intermittent reinforcement），以下我將一一介紹這四種不同的方式：

1. 固定比率：每間隔一定次數給一次獎勵。例如，老鼠每按15次槓桿，才會得到一份飼料。
2. 變異比率：平均每間隔一定次數給一次獎勵，平均值不變，但是什麼時候會給飼料是無法預期的。例如老鼠平均每按八次會給飼料，可能分別是在按壓4次之後給第一次，之後再按壓9次之後給第二次，之後再按壓7次之後給第三次，之後再按壓12次之後給第四次。雖然在第幾次給飼料是不固定的，但是平均起來是每8次會給一次飼料。
3. 固定時距：固定每按一定的時間給一次食物，例如老鼠每按壓20秒槓桿，就給一次飼料，中間無論按多少次都不會得到飼料。
4. 變異時距：平均按壓一個固定時間，會得到一次飼料，和變異比率相同，會給飼料的按壓時間是不固定的，但是平均起來給的時間會是固定的。

神奇的事情發生了，斯金納發現，這四個制約方式，訓練老鼠所花的時間，由短到長分別是固定比率、變異比率、固定時距、變異時距。但是無論如何，這四種訓練方式，所需時間都比每次都給食物的連續增強來得更有效。

於是啊，可憐的駝獸們，就如同斯金納盒裡的那群白老鼠一般，雖然久久才得到對方的一次回饋，但是就因為那一次偶然的回饋，於是更拚了命的向對方示好，接送、宵夜、修電腦，好人好人當到老……。

不過啊，事情也沒有我們想像的那麼悲觀啦。當那些老鼠，長期以來都沒有獲得飼料之後，牠們按槓桿的行為就會漸漸地被削弱（extincted）。雖然我們不能像老鼠一般，等待著對方不再回報的一天，然後才漸漸放下；但是我們可以設好停損點，到了一定程度還得不到對方的回應，就主動地離開對方，並且一段時間不再接觸對方，讓自己對對方的迷戀漸漸降低下來，重新找回自己生命的意義與價值，也許你會發現，真正適合你的人就在你身邊，只是你之前沒有注意到而已；也許你會發現，雖然你沒有和她在一起，但是她其實並不那麼適合你，只是你無形之中，被對方給制約了而已。

至於那個斯金納的故事嘛……事情是這樣子的。斯金納終身奉行行為學派，始終不願意去討論意識這個東西，即使到了很老的時候仍然如此。傳說中，有一天，年邁的斯金納在搭電梯，進來了一個研究生，他本來要按二樓，後來改按了三樓，他邊換樓層邊說：「我改變心意了 （I change my mind）」，斯金納聽到之後，就很不悅地說：「你改變了你的行為，卻沒能改變你的想法（You can’t change your mind, you change your behavior）」。

斯金納就是這樣一個熱愛心理學、堅信行為主義的心理學家。雖然在他年邁時，行為主義早已因為不談論心智、意識，被批評的體無完膚，但是他仍然熱愛自己畢生的研究；而他的研究也成功預測、解釋了許多心理學的現象，至今仍然被每個家庭的父母、幼稚園的老師、7-11的老闆、飲料店的業者……流傳著。沒錯，超商集點卡、幼稚園乖寶寶卡等等，全都是操作制約的實際運用呢！

延伸閱讀

• Ferster, C.B., & Skinner, B.F. (1957). Schedules of reinforcement. New York: Appleton-Century-Crofts.

研究人員詢問了男人及女人所謂的「純友誼」是什麼-得到了差異極大的答案

直男能跟女人能發展出純友誼嗎？日常生活經驗告訴我們，男女間的純友誼絕對是有可能的，而且是稀鬆平常的-男人跟女人一起生活、工作、玩在一起，而且似乎還不會情不自禁地睡在一起。然而，這種柏拉圖式的共生模式的可能性只是一種表面假像，只是一支掩蓋無數兩性吸引衝動冒上表面的優雅舞蹈。

新研究指出這種可能性或許有些依據-我們認為我們可以跟異性發展純友誼，但是與異性發生超友誼關係的機會可是時時隨伺在側，等著在最不恰當的時機發生。

為了要研究所謂的異性純友誼-這個議題在電影裡被探討的次數比在實驗室還多-研究人員把88對異性大學好友請進了…實驗室中。隱私可是很重要的，想想看要是其中一方一直偷偷愛著另一個人的事情被爆發了會造成什麼影響。為了得到誠實的回答，除了遵循標準的匿名跟保密協定，這些成對的好友也被要求，在對方面前口頭承諾不會討論實驗內容，即使是在離開研究單位後。這些好朋友們被分開訪問，每個人都被問了一系列他們是否對對方有（或是沒有）超友誼感覺的問題。

結果顯示男人跟女人看待異性友誼的方式大為不同。男人較易被異性友人吸引，且認為他們的異性友人也被他們所吸引-當然這只是場誤會。實際上，男人用自身感覺來衡量自己對異性好友的吸引度，而非女性的實際感覺。基本上，男人認為超友誼的好感是種雙向關係，因而看不清異性好友到底對他們有沒有興趣。

女人也搞不清楚她們的異性友人在想什麼，因為女人通常不被她們的異性好友吸引。女人認為她們與異性友人間彼此都缺乏吸引力。結果，男人高估了他們對異性友人的吸引力，而女人低估了她們對異性友人的吸引力。

男人較易照著他們心中錯誤的相互吸引關係繼續行動。男人、女人同樣都會被有對象或是單身的異性吸引，不管他/她們的交往狀態如何，有感覺就是有感覺，沒感覺就是沒感覺。

不過，男人、女人對那些有可能發展的對象的看法也有所不同。男人不管是跟有對象或是單身的異性都抱有相同期待來場浪漫的約會，而女人對男性友人的交往狀態就較為敏感，且不願與有對象的男人發展。

結果顯示，相較於女人，對男人來說，純友誼是很困難的。這不只是證明了關於男人總是性飢渴而女人總是好傻好天真的刻板印象，也直接證明了不同性別的兩個人，可以對同一段關係有完全不同的體認。男人總認為在他們的異性純友誼關係中可以有一大堆發展超友誼關係的機會，而女人則有完全不同的看法-真的就只是純友誼。

局外人看來，在異性友誼中差異極大的認知可能會造成極複雜的結果-這點是異性友誼當事者所同意的。在之後的研究中，249位成人（大部分為已婚）被要求列出與一位特別異性的異性友誼的正面及負面影響。不同關於兩性吸引的評論（像是可能發展出超友誼關係）被列為負面影響的機率是正面影響的5倍之多。

然而，男人、女人在這點上又抱有不同的看法。男人明顯地較常將異性友誼中的兩性吸引認為是正面影響，而且隨著男人年紀愈大，與女性看法的差異也隨之變大。較為年輕的男人將兩性吸引列為正向影響是女人的4倍，而年紀較大的男人則是10倍。

總結來說，這些研究指出男女對所謂純友誼的定義大不同-而且這些差異的認知可能會造成麻煩。雖然女人似乎真的相信有純友誼，但是男人卻抵擋不了進一步發展的誘惑。而且雖然總體來說兩性都認為純友誼間的相互吸引是較易有負面影響的，但是男人的比例確實較低。

所以，男女間真的有純友誼嗎？如果我們的想法都跟女人一樣，那肯定是有。但要是我們都跟男人的思維一樣，那可能要人口大爆炸了。

資料來源：Men and Women Can’t Be “Just Friends”  – Scientific American [23 OCTOBER 2012]