誰需要瓢蟲保鏢？

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

要打架可以，但不要打臉啊啊啊！！！

試著在腦袋裡想像一下，打架的時候你第一個目標會先打哪裡呢？

過往研究顯示，男人與男人之間一言不合就開打的情況相當稀鬆平常，因此臉部掛彩什麼的都只是小事。而流行病學數據也告訴我們，男性因為打架導致臉部受傷的比例，比女性高出 68～92％（不是說好不打臉的嗎？）。

既然臉這麼重要，下頜骨（mandible）又是一個很容易在打架時骨折的區域，有沒有什麼方式可以妥善保護它？——或許你可以考慮像海格一樣留個濃～濃～的鬍子！

怕痛嗎？要不要考慮留個鬍鬚？

自古以來，有鬍子的男性都被認為比較陽剛、有男人味，就像雄獅那頭帥氣的鬃毛一樣。以前，你可能只會覺得「這些人留鬍子是想耍帥吧？」，但在看完今年（2021）搞笑諾貝爾和平獎的得獎研究之後，你會知道這些鬍子可沒這麼簡單 ಠ_ಠ

今年搞笑諾貝爾和平獎，由美國猶他大學（University of Utah）的研究者 Beseris、Naleway、Carrier 獲得，他們發現擁有濃密的鬍子除了讓你看起來男性氣質 +10％，還能讓你在實戰中防禦力 +30％！

想模擬濃密的鬍鬚？試試羊毛吧！

為了知道人類鬍子的防禦指數到底有多少，研究團隊首先以短纖維環氧樹脂化合物（short fiber epoxy composite）作為材料，建構出人類的骨頭模擬物。而後再用羊皮、羊毛模擬出人的皮膚、鬍子，並將這些模擬物分為三組：毛茸茸的毛、修剪過的毛、無毛，用以代表著有濃密鬍鬚、修剪過鬍鬚、拔除鬍鬚（furred, sheared, plucked）這三種狀態的人類男性。

在製作好毛茸茸這些模擬物後，我們還缺少一個最重要的東西：拳頭。而落錘重量衝擊試驗機（drop weight impact tester，型號為 Instron Dynatup 8250）就是研究團隊們用來代替拳頭的進行落錘衝擊實驗的完美物品。

毛茸茸的毛，防禦力 +30％ 的關鍵

在使用了落錘重量衝擊試驗機後，研究團隊發現相較於「修剪過的毛」或「無毛」這兩種樣本而言，「毛茸茸的毛」確實可以吸收更多重量衝擊，提供下方的骨骼模擬物較好的保護力。

我們可以從圖 A 較為平緩的黑色曲線看出，當落錘掉下來時，「毛茸茸的毛」具有緩衝效果，衝擊力達到高峰耗費的時間長，吸收重量衝擊的效果較好，灰線也顯示這坨濃密的毛能吸收的能量比「修剪過的毛」、「無毛」兩組來得多。而圖 B、Ｃ 則告訴我們，若使用「修剪過的毛」、「無毛」樣本進行實驗，落錘釋放的力會在短時間內達到高峰，毛髮吸收的能量也沒有「毛茸茸的毛」來得多。

鬍子防禦力有限，珍惜下頜骨才是上策

上述數據告訴我們，「毛茸茸的毛」能比另外兩組多吸收將近 30％ 的能量，但這是否代表著我們留了濃密鬍子後，就能成為一個不怕痛的耐打高手嗎？事實可能並不盡然。

研究團隊表示，濃密的鬍鬚雖然能減少臉部皮膚、肌肉的傷害，也能保護臉部骨骼脆弱的區域免於骨折危機，但魔鬼藏在細節中——你的鬍鬚並不是羊毛啊！在本次研究中使用的羊皮、羊毛其實相當毛茸茸又厚實，即使能作為一個好的模擬物，但在缺乏人類臉部毛髮粗細、密度、厚度數據的情況下，並沒有辦法 100％ 保證它能代表我們。

此外，不同人種的臉部毛髮也略有差異。擁有中東與北歐血統的人們，能夠長出厚實、濃密的鬍鬚；然而東亞、美洲印地安人的臉部毛髮卻相對稀少。後續仍需要進行更多的研究，確定這些毛髮究竟是如何影響衝擊力道，或許也可以透過建立毛髮纖維模型並以程式模擬的方式達成研究目的。總而言之，在更多研究數據出來之前還是先別輕舉妄動，小心防禦力沒加成，反而讓自己破相啦！

1. E A Beseris et al., Impact Protection Potential of Mammalian Hair: Testing the Pugilism Hypothesis for the Evolution of Human Facial Hair,Integrative Organismal Biology, Volume 2, Issue 1, 2020.
2. The 2021 Ig Nobel Prize Winners

有種植盆栽的家庭，對介殼蟲這類生物可能會相當熟悉。每一年、每隔一陣子，我家中便會出現一群群白色的臀紋粉介殼蟲，聚集在一塊，吸食著植物葉片、莖的汁液。牠們的身體扁平橢圓，表面因布滿了蠟質粉狀分泌物而呈白色，看似柔軟而脆弱。

見到的這些介殼蟲族群幾乎都是雌蟲。由於許多介殼蟲可直接行孤雌生殖，也就是不經交尾就能產下後代，因此雄蟲算是相當罕見。雖然行動緩慢，然而雌蟲一生的產卵量可是高達上百粒，繁殖力相當的驚人。臀紋粉介殼蟲在產卵時會分泌大量白色如棉絮般的蠟質卵囊，將卵產於其中，新生若蟲孵化後便鑽出卵囊，開始在植物表面活動。許多的成蟲和若蟲往往喜歡聚集在莖葉、枝條的交界或分支處。

介殼蟲的出現，也陸續吸引其他的昆蟲前來，展現了一場微型生態系裡的互動。

嚐甜頭的螞蟻

首先是被介殼蟲所吸引的熱帶大頭家蟻，開始頻繁的在介殼蟲周圍爬行。熱帶大頭家蟻是熱帶與亞熱帶地區常見的螞蟻，這種螞蟻外表偏深紅色，常築巢於土壤或石縫中，偶爾也會在人類房舍中出現。熱帶大頭家蟻的族群有一項明顯的特色，就是牠們具有工蟻和兵蟻兩種階級。圍繞在介殼蟲身邊的多半是熱帶大頭家蟻的工蟻，此外還有一種體型較大的兵蟻，但在植物上似乎較少見到。

部分半翅目的昆蟲如介殼蟲、蚜蟲、粉蝨等能夠分泌蜜露。螞蟻常在介殼蟲周圍出沒，其實就是為了吸食介殼蟲提供的蜜露。為了這樣的目的，熱帶大頭家蟻會照顧這群介殼蟲，並協助驅趕試圖接近的瓢蟲或寄生蜂等介殼蟲天敵。會產蜜露的昆蟲，特別是蚜蟲，常被比喻成「螞蟻的乳牛」，就像人類飼養牛的情形；乳牛供應鮮乳，人類則負責照料乳牛。

介殼蟲和螞蟻的關係，也與蚜蟲類似。所謂的「蜜露」其實是介殼蟲的排泄物，只是當中仍含有許多未被消化的營養物質，包括醣類、蛋白質、礦物質、維生素等，成為螞蟻嗜食的營養品。而蜜露中佔大部分比例的物質為醣類，因此會帶有甜味。不同種類的介殼蟲或蚜蟲，排出的蜜露成份組成也會略有不同。

然而這些蜜露在較不通風的環境常會引起俗稱煤煙病的病徵，這類情形通常是植物表面長出了一層絨毛狀的物質，就好像抹了一層煤，其是這是因為蜜露孳生了大量真菌類。儘管真菌不會直接危害植物，但是卻會妨礙植物的呼吸以及光合作用，間接的造成植物體生長不良，害處不小。

吃葷的瓢蟲

臀紋粉介殼蟲所吸引來的，可不只是牠們的盟友，還包括了危及身家性命的天敵。在介殼蟲棲息處的附近，植物的葉子上總會出現虎視眈眈的孟氏隱唇瓢蟲。

這種肉食性的瓢蟲，過去是為了生物防治的目的而引進台灣，現在已經變得極為常見。這些瓢蟲嗜食介殼蟲以及介殼蟲的卵，常會出現在公園、校園這類環境，就連一般四、五層樓高公寓中的盆栽都看得到牠們，只要見到牠們出現，幾乎都是伴隨著介殼蟲的發生。孟氏隱唇瓢蟲生性非常的敏感，只要一點點動靜，牠們馬上從枝葉上滾落，讓人無法找著。牠們外表並不醒目，比起一些我們所熟知的瓢蟲，除了體型小，也沒有引人注目的花紋。我們可以從孟氏隱唇瓢蟲的足來判斷牠們的性別，雄蟲的第一對足為橘紅色，雌蟲第一對足則為黑色。

當然如果狹路相逢，熱帶大頭家蟻會攻擊這些試圖捕殺介殼蟲的瓢蟲。但似乎成效不彰，可能是瓢蟲的食量太大了，行動力又強，通常幾隻瓢蟲來訪後，過沒幾週，介殼蟲大軍便幾乎消失無蹤，大概都讓瓢蟲給吃光了。之後再過幾個月，介殼蟲總會再自動冒出來，並且又重覆的引來螞蟻與瓢蟲。

介殼蟲是個龐大的家族，牠們種類繁多、形態各異。有部分種類的介殼蟲因為會固著在植物表面，也就是把身體固定在選定的位置，大半輩子不移動，外表包覆著一層蠟質的「介殼」，所以這群生物因此得名介殼蟲。雖然許多介殼蟲是不少樹木或花卉上的害蟲，其實也有某些種類的介殼蟲具有商業價值。例如有一種取食仙人掌的介殼蟲「胭脂蟲」，原產於中南美洲，採收後萃取之，可以從蟲身獲得紅色顏料「洋紅」的原料。女性愛用化妝品中，某些鮮豔色料的成分可能就是來自該種介殼蟲。

大多數生活於都會環境的人們，可能除了蝴蝶、甲蟲等明星昆蟲物種之外，往往對許多生活於周遭的常見昆蟲視而不見。《自然老師沒教的事6：都市昆蟲記》是第一本以台灣都會環境為出發點的昆蟲專書，專門介紹都會居住環境中的常見或特殊昆蟲，這些出現在都市裡、居所旁，我們身邊隨處可見的昆蟲鄰居，就是本書最重要的主角。

本書獲得 2016 年第 40 屆金鼎獎兒童及少年圖書獎。