《國家地理雜誌》中文版回來了！

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

把整隻結凍的火雞一口氣丟到熱油裡會怎麼樣？把家裡的熱水瓶鎖死並不斷加熱會怎麼樣？把各種髮膠、定型液、香水點燃會怎麼樣？這些你可能老早就想在家裡試試看卻不敢做的瘋狂實驗，全都能在國家地理頻道《街頭科學實驗室》裡看個過癮！

主持人提姆蕭（Tim Shaw）善於引爆各種生活中常見的易燃物，並把各種意想不到的東西放進微波爐、急速冷凍、加熱、壓縮、從高處拋下，讓人看了膽戰心驚，卻有一種從小到大的心靈渴望獲得滿足的感覺，究竟這些神奇又瘋狂的實驗是如何被設計，又怎麼確保安全與實際操作呢？帥氣高大的Tim到底是怎麼樣的人呢？

台灣最大科學社群－泛科學很榮幸可以和專訪到提姆蕭，就讓從小就有從高樓拋摔物品、引爆火藥嗜好的J編（好孩子不要學）替各位揭露Tim Shaw的瘋狂實驗秘辛吧－（請自行切換雙語頻道）

J：在《街頭科學實驗室》裡的大型科學實驗中包含了不同領域的科學原理，請問製作團隊是怎麼設計那些大型科學實驗的呢？

提姆：我們節目團隊共四個人，我們設計了超多大型科學實驗。事實上，很多實驗是利用類似的科學原理，用各種不同的方式來包裝這些科學讓民眾易於理解。

（舉滅火器冰淇淋的例子）我們一直都知道你可以把CO₂收集在袋子裡，滅火器噴射之後你就會得到乾冰。好的，現在有了乾冰，我就會想：我們該怎麼利用這個乾冰來設計一個可以讓民眾印象深刻的科學表演？然後我們就想到大家都愛冰淇淋！太好了，我們來個乾冰冰淇淋！所以我們就從滅火器裡取得的乾冰做出冰淇淋，就出現了這個令人印象深刻的表演。

J：所以你們怎麼確定那些實驗的安全性呢？

提姆：喔！我們不確定啊！

（J編大驚）

提姆：工作團隊中有些經驗比較豐富的人，會在正式開拍前測試，但即使如此還是無法預測在開拍當下會發生什麼事，而且大型實驗的成本很高，不可能測試太多次。所以正式來的時候你必須躲得遠遠地－安全距離的兩倍遠，特別是會爆炸的實驗！有時候你甚至覺得自己退太遠了，但這是必要的，因為我們節目中還包含了路過來觀賞實驗的民眾，他們可能不知道那些滾燙的水或冷凍的氣體有多危險！

我們很擔心一件事，就是觀眾看完之後想自己在家裡面嘗試這些實驗。一些實驗我們在節目中不去公開做法就是這個原因，科學非常有趣，但你必須謹慎行事。

有時候我們也會出錯，（這時提姆喊了一下坐在隔壁桌的技術顧問吉米，問他搞錯的機率大概多少），大概兩成或一成的機率會猜錯實驗結果，有些表演在實行前我們也不完全知道會發生什麼事。你知道的，我們沒有那麼多錢去做同一個實驗三次（動輒燒掉一台車子）然後再實際拍攝，所以有些實驗我們只試驗一次，看會發生甚麼事，然後就在錄影的時候向觀眾解釋其中的科學原理，這就是我主要的工作。

這節目本質上是個秀，我們會在街上邀請路人來參與，也會有人看到就主動過來參與；我現在就可以在餐廳裡（提姆指向對面桌陌生的用餐民眾）找幾個人對他們說：「嘿！快來看我在做什麼！你們看這裡有滅火器，我要用滅火器做冰淇淋喔！蹦！」

 J：請問你在和其他領域的科學家合作時有沒有遇到什麼困難呢？

提姆：常常會遇到困難，但我非常享受找尋答案的過程，我並不會（因為自己是工程學出生）對其他科學感到害怕，我也不害怕向別人坦承「我不知道」；承認自己「並不知道」是一件很酷的事情。我知道自己的知識事實上很有限，如果你問我太過深入的物理原理，我大概完全沒有頭緒，但我會去閱讀，然後我就能理解它。

我知道我的長處在哪裡，我善於解決問題、有縝密的邏輯、有自己的創意。我和其他工程師的思考方式不太一樣，有時候我跟他們溝通也有一些問題，你知道有些工程師的腦袋常是這個樣子（敲桌子），他們常常沉浸在自己的領域裡面，在既有的框架裡思考。但我不喜歡被既有的知識限制，我喜歡跳脫既有框架思考，但有些工程師太不懂變通了，他們常常只專注於前人的發現和理論，但我認為有些事情就是要多去玩、多去試，然後你才知道會發生什麼事。

J：你曾經在玩實驗時出過錯嗎？

提姆：當然，我年輕時做的實驗不勝枚舉，而且常常發生意外。

J：談談最糟的一次經驗吧！

提姆：呃……（提姆停頓了兩秒，似乎因為太多事例不知道該講哪一個）…實在太多了，我曾經想要試驗不同的化學反應；以前上學的時候可以在學校取得鉀、鎂……各種你想要的化學物品，學校感覺就一副「來拿吧！拿去吧！」完全都不擔心會發生恐怖行動。我的科學老師幾乎什麼都給我，隨我們高興地實驗，所以我常常燒掉自己的眉毛。還有一次我想在我房間裡用釘子做實彈射擊，然後他就穿透了我房間的磚牆，我就眼睜睜看著它穿透牆壁，傻在那裡。

J：你有什麼實驗計畫是你一直想做但還沒有真的試過的嗎？

提姆：有一個我很想做做看的計畫，我稱它為「飛天掛勾」（skyhook），我甚至已經把草圖畫好了，你可以抓著它飛在天空上就這樣（提姆伸直左手做出超人飛翔的姿勢）。它最酷的地方是你可以像超人一樣憑空固定在一個沒有任何接著點的掛鈎，要做這個實驗我們需要超導體；當你用液態氮把它的溫度降低到一定的溫度的時候它就會產生磁性，所以我們就像做漢堡一樣，把超大磁鐵放在超導體上，然後降低超導體的溫度，磁鐵就會飛起來，然後我們再讓一個人抓住浮起來的磁鐵，他就會飛在半空中，挂在一個完全懸空的物體上。

但這個實驗非常危險，要是溫度沒有控制好，大磁鐵就會掉下來，然後你就會在大磁鐵和超導體間被夾成肉餅，所以我們到現在都還沒有做這個實驗，但我真的超想做的！

J：假如我下星期要去參加一場派對，我超想讓所有人對我印象深刻，有沒有甚麼可以現學現賣的速成科學表演呢？

提姆：喔！我要講其中一個我最喜歡的實驗，但它有點危險，你先拿一支點燃的火柴，把它放進微波爐裡再倒扣杯子蓋住，然後啟動微波爐，它開始加熱時候你就會看到火焰飛升到杯子頂端。

J：我看過那一集耶！

提姆：好，那我再教你另一招，你可以把燈泡放到微波爐裡，然後點亮燈泡。

喔，對了！還有一招，你需要一杯威士忌，還有一杯水，還有一個紙杯墊（或者名片）–最好使用shot glass效果比較好。把水倒扣在杯墊上，然後在疊在威士忌的杯子上，小心抽掉杯墊之後你就會看到兩種液體在互換。這只是運用非常簡單的科學原理，但看起來超酷！

經過了這次的採訪，我們發現原來《街頭科學實驗室》並沒有太過艱深的科學原理，有許多甚至可以應用在在家裡自己試試看，設計實驗的重點其實還是要跳脫思考框架，也可以用相同的科學原理嘗試多種變化，接觸不同領域的知識，並且不斷去試、去玩，或許你也可以設計出令人印象深刻的科學表演喔！（但天馬行空的同時也要注意安全，謹慎地看待科學實驗）

最後想請大家分享一下，無論是在生活中、實驗室或是舞台表演，有看過哪些精彩的科學實驗表演呢？那些表演是不是都偷偷用了相同的科學原理呢？

文 / PanSci z編

透過頂尖攝影師的鏡頭，《國家地理雜誌》將我們的視野擴展到世界的每個角落，再搭配上精緻的資訊圖表（infographic），讓讀者可以清楚了解這自然世界或者人類科技是如何運作的。去年中文版停刊，不少追求新知的讀者感到可惜，沒想到不到一年，它就回來啦！而且還有符合新時代閱讀習慣的數位版雜誌。

國家地理學會在1888年成立之後，不久就發行了《國家地理雜誌》月刊，2001年在台灣也發行了中文版，可惜在2012年中文版停刊。今年中文版復刊，由大石國際文化出版，正逢國家地理學會成立125週年，除了呈現新風貌（增加電子版雜誌）之外，也會將過去125年累積的影像檔案，精選與台灣歷史及國家地理學會會史有關的影像，舉辦「國家地理125年經典影像大展」。

電子版《國家地理雜誌》不受紙本印刷的限制，增加了內文語音功能、影音多媒體、還有可以互動的圖表，使讀者能更了解圖表呈現的資訊。另外，因為沒有版面限制，所以收錄的影像比紙本還多，而且尺寸更大，更能呈現頂尖攝影師鏡頭捕捉的精采瞬間。電子版還有中英對照的功能，很適合想參考原文的讀者使用。iPad版電子雜誌在APP Store 現正免費中，快去下載來體驗看看！

http://www.youtube.com/watch?v=MU187HvQbtg

創會125年的國家地理協會也累積了不少珍貴影像記錄。大石國際文化的母公司－美國國際數據集團（International Data Group, IDG）的創始合夥人熊曉鴿先生提到，他參觀過國家地理協會的資料庫，裡頭99.9%的資料都未曾公開，還包括很多自1920年代之後，國家地理對台灣社會的影像記錄，連1993年兄弟象總冠軍時彩帶灑下的畫面也收錄在其中，見證了台灣職棒輝煌史。

http://www.youtube.com/watch?v=3bKulc0xrOg

將近一世紀的台灣影像，還有國家地理協會探索世界125年的紀錄，將從9/18起，到11/24，在華山1914文創園區推出「探索無限 – 國家地理125年經典影像大展」，除了展示「阿富汗的綠眼少女」、「勘鐵達尼號海底照」等知名作品之外，還有歷史資料、舊雜誌、動物攝影機等難得一見的展品。