今天吃堅果了沒?

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

「您去找家庭醫學科或牙科做年度健檢時，可以進行漱口檢測。」2023 年 8 月《口腔健康前沿》（Frontiers in Oral Health）期刊加拿大論文的共同作者，誠心推薦：「這個簡單的口腔發炎評估工具，能於任何診所實施。」「優良的口腔衛生，跟定期看牙一樣，總是備受推崇，特別是看在此證據的份上。」通訊作者也在一旁幫腔。^[1]所以，他們到底是研究什麼口腔疾患？ 誤會大了，重點是心臟病啊！

研究設計

研究團隊招募了 18 至 30 歲之間，不抽菸、BMI 小於 30 kg/m²，沒有高血壓與心血管疾病，且常規藥物不會影響相關功能的 16 名男性跟 12 名女性，總共 28 名受試者。其中女性採樣時間必須在月經頭 2 天；口服避孕藥使用者為服用安慰劑期間；^[註]其餘避孕方式則一律排除。研究團隊希望藉由篩選的條件，盡力避開老化、個人宿疾、特定生理差異等，各種會干擾結果的因素。^[2]

人都找好之後，試驗步驟大致如下：8 小時內避免運動和攝取任何咖啡因或酒精，並且除了飲水外，禁食 6 小時。正式採樣當天，先測量身高、體重，用自來水潄口 10 秒，吐掉；稍候2分鐘，又以 10 毫升的生理食鹽水漱個 30 秒，再吐進 20 毫升的唾液收集管，送驗口腔嗜中性白血球計數（oral neutrophil counts）。接著平躺至少 10 分鐘，以心電圖測量心律；然後維持同樣的姿勢，測量血壓、脈波速率（pulse wave velocity）和肱動脈血流介導舒張（brachial artery flow-mediated dilation）。^[2]

口腔嗜中性白血球計數是牙齦發炎程度的指標。檢體與 4% 的甲醛混合，冷藏於 4°C 的冰箱內直到檢驗，不得超過2天。經過離心機高速轉動處理後，除去上層澄清的液體，將沉澱的細胞與 500 µl 的 Hank’s 平衡鹽溶液混合。以 4 µg 的吖啶橙（Acridine orange）染劑，為其中 250 µl 的細胞上色，並靜置於室溫的暗房裡 15 分鐘。取出稀釋 10 倍，於顯微鏡下放大 200 和 400 倍，以血球計數盤（haemocytometer）輔助，肉眼計算嗜中性白血球的數量。^[2]

另外，脈波速率是感測脖子與大腿內側的脈搏，以二者的距離和脈波傳導的時間差計算速率，進而瞭解動脈的硬度：^{[2, 3]}脈波速率愈快，代表血管壁愈硬。肱動脈血流介導舒張則是暫時阻塞血流再放行，透過超音波取得影像，以上臂肱動脈直徑變化的百分比，來反映其內皮功能的情形。^[2]

漱口檢測的原理

受試者雖然沒有已知的口腔問題，但是某些其實有程度不等的牙齦發炎。研究團隊從上述諸多檢測的結果，歸納出一個明顯的現象：當口腔發炎愈嚴重，嗜中性白血球計數愈高；肱動脈舒張的變化就越小，即血管內皮功能越差。其他項目則沒有特別的關聯。^[2]

他們解釋，這是因為細菌組成的生物膜，也就是牙菌斑（dental plaque），所分泌的代謝物，滲透過牙齦溝（sulcus）上的連接上皮（junctional epithelium），擴散進入血流。於是，口腔發炎就變成系統性的發炎。此時，系統內的發炎性細胞素（inflammatory cytokines）濃度上升，因而減少血管內皮的一氧化氮（nitric oxide）產量，間接削弱血管舒張的能力，久而久之就容易得到動脈粥狀硬化（atherosclerosis）。^[2]

比起繁複或侵入性的心血管檢測，漱口絕對方便舒適許多。不過，現在這個前驅研究的規模甚小，因此論文的通訊作者表示，期望未來能納入牙周病患者，進一步探索不同程度的牙齦發炎，與心血管疾病的關係。^[1]

備註

口服避孕藥每份有 28 顆，其中 21 或 24 顆含荷爾蒙，其餘的則為安慰劑。^[4]

1. Gillham AB. (18 AUG 2023) ‘A simple mouth rinse could spot early heart disease risk’. Frontiers Science News.
2. Hong K, Ghafari A, Mei Y, et al. (2023) ‘Oral inflammatory load predicts vascular function in a young adult population: a pilot study’. Frontiers in Oral Health, 4:1233881.
3. ‘Measurement of pulse wave velocity’. (03 JUL 2013) NHS Health Research Authority, U.K.
4. ‘The pill (combined oral contraceptive pill)’. (JUN 2023) Healthdirect Australia.

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《只要發生過心房顫動，中風風險就大幅上升，藥物治療勿中斷，心臟專科醫師圖文解析》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「醫師，我的手錶有偵測到心房顫動耶！請問這是代表什麼意思呢？」王伯伯掏出手機打開心電圖紀錄。

「你有感到不舒服嗎？」醫師問。

「有時候會覺得心悸，有點頭暈。」王伯伯想了想，憂心地問，「聽說心房顫動會中風，接下來該怎麼辦？」

穿戴裝置愈來愈普及，經常都有民眾因為被偵測到心房顫動而就醫。彰化基督教醫院心臟內科廖英傑醫師解釋，我們的心臟有心房跟心室，心房顫動是心房出現很多不正常的放電，使心房無法正常收縮，並影響到心室收縮的速率。

正常時，心房只有一個點在放電，刺激心臟肌肉收縮。廖英傑醫師指出，如果心房同時有多個點在放電，便沒辦法正常收縮，造成心房裡的血液流動較差，而有可能形成血栓。當血栓隨著血液流出心臟，便可能塞住血管，造成腦中風^[1]、心肌梗塞^[2]、腸中風^[3]、肢體中風^[4]等嚴重併發症。

「心房顫動的症狀差異很大，每個病人都不太一樣。」廖英傑醫師說，「可能完全沒有感覺，也可能感到胸口悶、心跳快、疲倦、頭暈目眩、喘不過氣^[5]。甚至有些患者只要心房顫動發作，就很不舒服，而需要到急診室。」

心房顫動的可能原因很多，年齡是很重要的因素。廖英傑醫師說，高血壓、抽菸、肥胖、心衰竭、心血管疾病、甲狀腺機能亢進等，都跟心房顫動有關係^[6]。

只要有心房顫動，無論是持續發作，或是偶爾發作，都會提高中風的風險。廖英傑醫師說，即使是以前有發作，現在控制很好，心房都沒有再亂跳的病人，中風機會還是偏高。所以一旦發作過心房顫動，就必須用預防中風的角度來思考，接受適當的治療。

預防中風是最重要的治療目標！

心房顫動最重要的治療目標就是預防中風，無論現在是否有心房顫動，或是心房顫動發作頻率的高低，都必須要預防中風。當中風的風險偏高，就建議使用抗凝血劑來做治療^[7]。廖英傑醫師說，「因為年紀大的患者較多，所以大部分心房顫動的病患，都建議要吃抗凝血劑，來預防中風的發生。」

廖英傑醫師指出：「曾經有患者在接受心房顫動的治療後，就很少發作，患者便自己把抗凝血劑停掉，結果停藥之後沒多久就中風了。病患一直說他很後悔，不應該自己停藥，但是已經無法挽回。」

另一個治療目標是讓心房顫動盡量不要發作，降低發作頻率，提升患者生活品質。醫師會根據患者的共病、心臟功能等狀況，選擇合適的抗心律不整藥物，以協助患者恢復正常心律，或考慮電燒治療、冷凍消融術。

現階段也有副作用相對低的抗心律不整藥物，心房顫動患者要依照指示按時服用，不要擅自增加、減少劑量。廖英傑醫師說：「有任何想法都要主動跟醫師溝通，千萬別領了藥不吃，卻又不敢講，而陷入惡性循環。」

「我們都會一再提醒患者，服藥過程中若有不舒服的狀況，要回診跟醫師討論。」廖英傑醫師說，「很多狀況不見得和藥物有關，擅自停藥既無法解決問題，還會增加許多危險。醫師會先釐清狀況，再評估是否需要調整藥物。」

貼心小提醒

心房顫動的發生與心房組織退化有關，可能造成心悸、胸悶、頭暈、無力、喘不過氣等症狀，但也可能沒有明顯症狀。廖英傑醫師提醒，即使心房顫動不常發作，中風的風險仍然持續存在。當患者一旦發生過心房顫動，就必須考慮中風的預防。

在使用抗凝血劑或抗心律不整藥物時，如果有任何問題，都要與醫師討論，擅自停藥會非常危險喔！

• 了解更多心血管疾病用藥知識與風險，前往問診便利貼。
• 了解十年內心血管事件發生風險，前往心血管疾病風險評估。

1. Alshehri AM. Stroke in atrial fibrillation: Review of risk stratification and preventive therapy. J Family Community Med. 2019;26(2):92-97.
2. Violi F, Soliman EZ, Pignatelli P, Pastori D. Atrial Fibrillation and Myocardial Infarction: A Systematic Review and Appraisal of Pathophysiologic Mechanisms. J Am Heart Assoc. 2016;5(5):e003347. Published 2016 May 20.
3. Bala M, Kashuk J, Moore EE, et al. Acute mesenteric ischemia: guidelines of the World Society of Emergency Surgery. World J Emerg Surg. 2017;12:38. Published 2017 Aug 7.
4. Spanos K, Athanasoulas A, Argyriou C, Vassilopoulos I, Giannoukas AD. Acute limb ischemia and anticoagulation in patients with history of atrial fibrillation. Int Angiol. 2016;35(5):510-515.
5. Centers for Disease Control and Prevention / Atrial Fibrillation
6. Centers for Disease Control and Prevention / Atrial Fibrillation
7. Komen JJ, Pottegård A, Mantel-Teeuwisse AK, et al. Oral anticoagulants in patients with atrial fibrillation at low stroke risk: a multicentre observational study. Eur Heart J. 2022;43(37):3528-3538.