電磁學奇才：麥可．法拉第 (Michael Faraday)

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

2023 年 7 月 23 日，來自南韓的研究團隊發表了《The First Room-Temperature Ambient-Pressure Superconductor》，宣示著世界上第一個室溫常壓超導體被成功發明。文章剛刊登到 arXiv 上，便掀起了全球各地的研究熱潮，不少媒體競相報導，科技市場、各種概念股也沸騰著。那麼，「室溫超導體」究竟是何方神聖？

超導體——能源損耗的救星？

相信大家對於這個詞並不陌生、卻又不甚熟悉。在中學時代理化課，我們接觸過「導體」這個詞；在關注科技業或者財經新聞時，可能接觸過「半導體」這個詞。而「超導體」（superconductor）究竟是什麼？

首先，「超導」是一種物理性質，在距今大概一百多年前便被發現。最早可以追溯到 1911 年，科學家發現：將汞（水銀）透過液態氦冷卻至 4.2 K（相當於 -268.95 °C）時，電阻將完全消失，這便是「超導現象」的開端。因此，「低溫」似乎是開啟新世界的一把鑰匙。而電阻消失有什麼幫助？

事實上，我們生活周遭的一切都是在無窮的損耗中進行的，以電子產品和通訊設備為例，這些電路元件與器材的運作源於電流，亦即導線內部電子的游動，但這個傳輸過程是耗能的，因為電子會不斷與導線內壁的原子碰觸、摩擦，從而消耗到不少能量，同時也意味著導線壽命會隨時間衰減。電路損耗的能量與電阻成正比（P = I²R），如果電阻消失了，那意味著損耗的電熱能也將消失，這將大幅提升電子在線路中的傳輸效率，從電力傳輸、通訊、發電機，到交通工具、家用電器等層面，使用效能都將顯著提升。

到了 1933 年，物理學家發現：當物質低於臨界溫度變成超導體時，會具有「完全抗磁性」，也就是原本應該穿過物體本身的磁力線會巧妙地從旁「繞過」，這個現象被稱為「麥斯納效應」（Meissner effect）。這個效應帶來了超導體的「懸浮」性質，也就是在不用任何外力的接觸下，在足夠的低溫環境中、超導體便可以藉由抗磁性讓物體「懸浮」而起。我們知道，凡是有接觸便有摩擦力的產生，而摩擦力會損耗不少熱能，因此，如果可以不透過外力接觸而操控物體、就意味著沒有了摩擦力、也就可以不再擔心能量的損耗。

簡而言之，我們可以歸納「超導體」具有下列兩大特性：

• 超導電性：在臨界溫度以下，電阻消失，意味著能量損耗可被降至最小值。
• 完全抗磁性（麥斯納效應）：在臨界溫度以下，磁力線被排斥於物體之外，意味著超導體可具有懸浮特性。

科幻電影中，那些飛快如光的磁浮列車、懸空而起的滑板、或者看似反重力的幽浮，這些都可以透過超導實現，因此，未來世界很可能充滿著各個類型的超導設備。即使在今日，相關的應用也已出現，比如日本便在數十年前研發出「超導磁浮列車」（SCMaglev），2015 年測試的最高時速即達到每小時 603 公里，刷新了地表上速度最快的列車紀錄。

室溫超導體——物理學的聖杯

然而，你或許也發現了，「超導體」並非唾手可得，至少需要「低溫」這個條件，又或者「高壓」 。

而低溫不僅僅是冰點這樣的溫度，而是接近「絕對零度」（0 K，即 -273.15 °C） 的「極低溫」，因此，開發出「高溫超導體」成為了物理學家的重要目標，而這裡的「高溫」並不是讓水煮沸、會讓你燙傷的溫度，而是指高於絕對溫標 77 K（-196.2 °C，即液態氮的沸點）的溫度。這個對人類來說已是難以想像的低溫、對超導體而言卻是相對的高溫。截至 2023 年，人類所開發出最高溫的超導體是一種名為 lanthanum decahydride（十氫化鑭，LaH₁₀）的化合物，其臨界溫度是 250 K（-23 °C），在 200 GPa（相當於接近兩百萬大氣壓）的環境下才得以實現超導特性。

由此可知，要開發出「高溫超導體」實屬不易，發明出「室溫」、「常壓」的超導體基本上更是難上加難。且液態氦、液態氮這些低溫材料都是需要一定的成本，再加上要定溫保存更是不易，因此，倘若室溫超導體能被成功發明，這意味著不僅能大幅降低成本、還能大幅提升運作效能。

LK-99——睽違已久的聖杯、或是泡影？

回到文章一開始的新聞：2023 年 7 月下旬，韓國科學技術研究院 （KIST）以李石培、金智勳為主的研究團隊宣稱他們開發的材料「LK-99」在「室溫」、「常壓」環境下具有超導特性。這次的實驗紀錄號稱：他們的 LK-99 材料具有室溫超導特性，且上限可以到達 400 K（127 °C）這名副其實的「高溫」，並且是在正常大氣壓力下完成的——這遠遠勝過上一個高溫超導體 250 K、200 GPa 的紀錄；不僅如此，這個「LK-99」製作過程超乎想像地簡易，基本上待在實驗室不用三天就可以完成！擁有這麼良好特性、且製作過程又特別上手的超導材料如果被證實，勢必掀起第四次工業革命。

讓我們先來看看這個團隊在論文中的研究內容：首先，這個「LK-99」是近似於 Pb₉Cu(PO₄)₆O 的化合物，從化學式來看，可以發現鉛（Pb）、銅（Cu）、磷（P）這些都是不難到手的化學元素。而製作過程基本上就是研磨、混合、加熱、密封、抽真空等步驟，來回大概三天以內、就能生成 Pb₉Cu(PO₄)₆O，也就是 LK-99。根據他們的論文所述，這個晶體結構的形變會在材料內部產生應力，從而在特定截面產生「超導量子阱」（superconducting quantum well，SQW），致使材料產生了超導特性。這一系列過程都在常溫、常壓下進行的，且LK-99的超導特性可以維持到攝氏 127 度的高溫。

簡單來說，這個 LK-99 的超導性質與溫度、壓力無關，而是肇因於晶體本身，特定的結構形變導致了物質產生超導現象。在他們發布的影片中，可以看見灰黑色的 LK-99「部分懸浮」在磁鐵上，這是他們用來佐證「完全抗磁性」(麥斯納效應) 的證據，之所以沒有完美地懸浮是因為晶體的雜質所導致；此外，他們也宣稱測量結果顯示零電阻率，也就是電阻完全消失的「超導電性」。當「零電阻率」、「完全抗磁性」這兩個條件充分具備後，LK-99 便可以被視為一個成功的室溫超導體。

在論文推出後，世界各地的學術機構與實驗室開始著手復現 LK-99 的製備過程、並競相發表研究成果，短短不到兩週時間，關於 LK-99 的復現實驗以及理論相關的研究已經有二十多項。然而，截至目前（2023 年 8 月 10 日）為止，尚未有成功復現、且通過同行審核被登上期刊的成果（論文發表在學術預印本網站 arXiv，一般需要通過同行審核才有機會被刊登在期刊）。實驗的成果不盡相同，有些證明了 LK-99 的懸浮與抗磁性、有些證明了零電阻率，但也有一些只有觀測到電阻的跳變、有些甚至沒有觀測到任何結果。

一個值得注意的部分是：即使韓國研究團隊的論文中宣稱他們觀測到 LK-99 的抗磁性，也有不少團隊復現 LK-99 的懸浮特性，然而，這並不能斷定它來自於「麥斯納效應」。事實上，不少磁性物質都會有「抗磁性」，這來自於微觀的分子磁矩；但超導體所具備的是由宏觀「超導電流」產生的「完全抗磁性」（注意：本文目前為止強調的都是「完全」抗磁性），甚至能因麥斯納效應產生的磁通量而「固定懸浮」在同一位置（即使將底座磁鐵 180 度反轉，它也應當平穩地懸浮在相同的角度——這背後是複雜的量子機制，而非磁場或靜力平衡的結果）。另一方面，即使一些實驗發現了該物質有「零電阻」的結果，但這並不全然等同於「零電阻率」，因為如果測量的尺寸過小、也是會有量測不出電阻的可能性。因此，目前大部分的研究指向大概是：LK-99 或許具有抗磁性，但並未被證實存在有明確的超導行為。

歷史借鏡與未來展望

事實上，物理學家對於室溫超導的聖杯之旅一直以來從未間斷。舉例而言，2020 年，美國羅徹斯特大學以迪亞斯（Ranga P. Dias）為首的團隊便號稱開發出了一種名為 carbonaceous sulfur hydride 的超導材料，利用鑽石生成，並在 288 K (15 °C)、267 GPa 的環境下具有超導特性，甚至登上《自然》期刊，但該論文在兩年後因為統計分析結果的瑕疵而被撤銷；2023 年初，該團隊再次宣稱開發出了以 lutetium hydride（氫化鑥）為主的超導材料，這次的結果更令人驚豔——在 294 K (23 °C)、1 GPa（約莫一萬大氣壓）下便具有超導特性。可惜的是，該論文後來也因為涉嫌抄襲與偽造數據而被撤下。

科學最重要的一個評判標準就是它必須是「可證偽的」（falsifiable），對於從事實驗的科研人員而言，一個發明是否能被確立最關鍵的要素便在於實驗「可復現」（repeatable） 與否。如果一個實驗無法被成功復現，便很難說服學界接受研究成果。目前看來，南韓團隊所研發的 LK-99 可能無法算是成功的室溫超導體，不過我們也無需氣餒；儘管 LK-99 的超導行為目前尚未被成功復現與證實，但多少也給人們開闢一條研究蹊徑。

人類對於室溫超導體的探索從未間斷，物理學家們也嘗試以各種材料進行研發、希冀能儘早將璀璨的遠景付諸現實。雖然人們所憧憬的那種像科幻片中先進且便捷的「未來世界」可能不會在明天就來臨，但以當前科學日新月異的發展步調來說，也許已是指日可待。

功與工作

有些大家慣用的字彙常常會被專業學科借用，專家賦予這些字新的定義，比平常的意思更具體、也更有技術性。物理學有個例子是「功」（work）。如果向一個粒子施加定力，並推動一段距離，你所做的功就定義為施力（沿著粒子運動方向的分量）乘上粒子移動的距離。

這是個很具體的物理量，實際上也是能量的一種形式。做多少功，物體的能量就會增加多少。顯而易見的，這個定義和日常生活中我們對工作（work）的理解有點相關：世人為了完成一些目標（大多是想獲取金錢報酬），而費心費力工作。

不過，物理所講的功有明確的意義，使用的範圍也很清楚；相較之下，平常大家說的工作的意思就有些模糊，泛指很多事情。

動力與動量

動量（momentum）這個字看來不太一樣。物理學的動量是 γmv（相對論的珈瑪符號乘上物體靜止質量、再和物體速度相乘），是一種量化方式，用來描述粒子以已知速率往某個固定方向持續前進的傾向。若粒子的速率遠比光速小，γ會非常接近一， 所以能省略掉。

而更廣義的動力（momentum）用來指稱政治運動，或其他社會變動及政策背後的推力。同樣的，一件事的動力愈大，也暗示它愈難停下。不過，這些領域都沒有明確定義何謂「動力」。

物理學中的「場」

到目前為止，我試著不要太常用一些字，但在之後的章節這些字會很常出現。其中一個就是「場」（-eld）。通常場是一片平坦土地的代稱，上頭種了些植物，可能有農夫在照顧，也許還會有幾頭乳牛。

此外這個字也可以代表特定的研究領域或專業，往前翻你就會知道我已經用過這個意思了。這兩個意思其實也可以合併使用，像在解釋稻草人為什麼可以獲得終生教職的時候，就會用到。

物理學的「場」有個更技術性，但還是和前面意義相關的定義。物理學家說的場是個物理量，在空間中某個區域的每個點上都有特定的對應值。如果你待在一個房間內，就可以用各式各樣的場來描述這個環境。身為一位物理學家，你或許會這麼做：

首先你要想出一個方式來明確指出房間中的每一個點。有個好辦法是先選定房間地面的某個角落為「原點」。

然後選取交於原點的其中一個牆面，沿著地面平行於這面牆的方向走過一段距離（稱為x）；接著再順著平行另一面牆的方向走一段（稱為y），你就能碰到地上所有的點。進一步的，只要往上走段距離（叫作z），就可以抵達房間內所有的點了。你需要的只有三個數字：x、y、z。

幾種有用的場

現在可以來談談幾種有用的場了。舉例來說，溫度就是一種場，房間裡的每一點都有一個溫度值。假設平均來看，我們說房內的溫度是攝氏二十一度；如果房間中每一處的溫度都和平均值一樣，那麼你得到的就是一個常量場（constant field）：場的值和點的位置無關，也就是和x、y、z沒有關係。

然而，天花板附近的溫度很有可能比地面的高出一點，因為熱空氣的密度比冷空氣小，會升向天花板。我們可以用某個場來描述溫度與高度的關係，好比T(z)，換句話說，溫度T只和高度z有關。

T是z的函數（function。另一個生活常用字「功能」，這次是被數學家借去用了），可能像T(z) =20.5 + 0.5z，這裡的z以公尺為單位、而T以攝氏溫標（℃）為單位，舉例來說。在兩公尺高的房間內，地面的溫度是 20.5 + 0.5×0 = 20.5℃，而天花板的溫度則是 20.5 + 0.5×2 =21.5℃。

至於天花板和地板之間其他每一點的溫度，都可以用這個溫度場的函數計算出來。其他的場可以用來描述不同的事情，好比空氣密度，或甚至是噪音量。

以上所談的場在每個點都只由一個數字代表。這些場有大小，卻沒有方向。因此我們稱它為「純量場」（scalar -eld）。「純量」（scalar）代表只有大小、卻沒有方向的東西。

某些種類的場則擁有方向，我們叫這種場為「向量場」（vector field）。我之前有提到一些向量場的例子，像是大型強子對撞機的磁鐵製造的電場與磁場。這個房間也有重力場這個向量場。重力場在房內的每一點都有個值（力的大小大約是每公斤九．八牛頓），以及方向（指向地面）。

實際上，電場和磁場都是量子場，重力場可能也是，但科學家還不清楚相關理論。在日常用途中這件事常被忽略掉，但如果你在極小的尺度下觀察這些場，就會發現它其實不是個數值連續體，而是底層的量子場中一連串離散（discrete，意思是不連續，如階梯般一級一級，而不是如漸層色彩一樣柔和變化）的量子、或激發（excitation）的總和（疊加）。

這些激發有點像是波又有點像粒子。電磁學的量子理論―量子電動力學擁有兩個場，分別是光子場以及電子場。我們量測到的電磁波，或是獨立的光子及電子，都是這兩個場的激發。這裡我們又看到一個科學家借用日常名詞的例子。很明顯「激發」和平常我們的用法緊密相關，因為量子場論是個扣人心弦（exciting）的理論。

無論是不是量子理論，場的概念都是一樣的。場是個物理量，在你感興趣的空間範圍內的每一點，都擁有對應的值，可能是單純的數值或是很多個量子的總和。

——本文摘自《撞出上帝的粒子：深入史上最大實驗現場》，2022 年 12 月，貓頭鷹出版，未經同意請勿轉載。