當科技讓時尚跳脫紡織的局限

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

嫘縈布料讓庶民女性也能擁有絲綢般的華美奢侈，但它的身世在在顯示出二十世紀追求平民奢華的美夢終究只是虛有其表：關於這份工作，人們看到的不是安全、高薪的實質保證，而是打扮光鮮亮麗的工人形象。儘管美國政府對紡織及服裝業勞工提供的保護未盡周全，但在二十世紀前半，勞工團體仍然在某些方面取得了重大的進展，尤其是國際女裝服飾工會。

然而，二戰結束後幾年內，美國國務院做出的決策為服裝製造業打開移往海外的大門，抹殺了過去幾十年來好不容易取得的成就。在這些發展進行的同時，出現了一種全新的布料：其纖維完全由石油提煉製成，且形式及樣貌多元，可塑性極高。就像其他象徵戰後進步的時代圖騰一樣，這種布料形象百變，很多時候看似要打破傳統服裝的框架，實際上卻羅織出另一種陷阱，使人深陷其中。它，就是尼龍。

要是尼龍絲襪能再流行就太好了

棉襪滿足不了男人的胃口

──〈要是尼龍絲襪能再盛行〉（When the Nylons Bloom Again）
出自百老匯音樂劇《不再失禮》（Ain’t Misbehavin’）

一九三九年十月二十四日，尼龍絲襪在德拉瓦州的威明頓市（Wilmington）初次上市，四千雙在三小時內就搶購一空。杜邦公司的化學專家華萊士．休姆．卡羅瑟斯（Wallace Hume Carothers）在一九三五年發明了這種聚合物，卻在兩年後自殺身亡，無緣親眼見到尼龍輝煌的成功。尼龍本來是該公司「己二酸己二胺鹽縮合產物」（hexamethylene diamine—adipic acid condensation product）的品名，又稱尼龍六（nylon 6），簡稱六，後來用來泛指聚醯胺（polyamide）。尼龍很快就被應用在商業上，先是成為牙刷刷毛的原料，接著是女性褲襪。與嫘縈不同的是，尼龍完全由石化原料提煉而成，但一九三九年的紐約世界博覽會上，卻標榜尼龍純粹由「碳、水、空氣」製成。這項產品號稱能修飾女性的腿部線條以滿足男人的慾望，於是新奇的尼龍絲襪立刻造成轟動。一九四○年五月十六日，四百萬雙尼龍絲襪在美國各大百貨公司上架，短短兩天內就銷售一空。

美國加入二戰後，尼龍成為軍用物資列入管制，被徵用來生產降落傘、輪胎簾布、繩索、蚊帳及吊床等物品。女性沒有絲襪可穿，就用裸色化妝品塗在腿上，再用眉筆在小腿後側畫上絲襪縫線。一九四五年，尼龍絲襪終於重回市場，吸引無數美國女性爭相排隊購買，但在嚴重供不應求的情況下，各地引發「尼龍絲襪暴動」（nylon riots），其中最著名的一次發生在匹茲堡，一萬三千雙的絲襪竟有多達四萬人爭搶。

對美國女性而言，終戰意味著尼龍絲襪可望重返市場以及高薪工作的結束。一九四二到一九四四年間，美國女性大量進入勞動市場，在勞工部婦女局及有組織的婦女團體推動下，雇主開始僱用女性來從事過去只有男性能做的工作，例如開堆高機、焊接、挖水溝，以及在鋼鐵廠、造船廠、兵工廠當女工等。有些人是首度投入勞動市場，第一次接觸這些工作內容；有些則是從過去的低薪工作「高升」。為了支援身兼母職的勞動婦女，政府還設立托兒所，並提供熱騰騰的午餐。

「這些婦女認為，她們既然有能耐在國家危及之際奉獻一臂之力，應該也有機會在恢復和平後繼續養家活口。」記者露西．葛林鮑姆（Lucy Greenbam）寫道。然而，早在戰爭結束前，工會及戰爭人力委員會（War Manpower Commission）就不斷鼓吹女性放棄工作，政府日間托兒的經費也被取消。工會的資歷原則（seniority rules）規定戰爭期間的勞工必須將工作讓給自沙場歸來的退役軍人。政府發起大規模的宣傳運動，呼籲婦女離開職場，回歸家庭。

對尼龍襪的瘋狂搶購，或許是不少女性在面對自己人生選項被壓縮時，藉以發洩滿腔怒火的管道。然而諷刺的是，這種對合成纖維及其所預示的美好事物的新興狂熱，反而加速了美國服裝製造業的衰敗。

——本書摘自《穿過了》，2023 年 10 月，時報出版出版，未經同意請勿轉載。

法國在路易十四的打造下成為時尚中心，即使過了百年，依然擁有絕對性的影響力，正如美國第二任總統約翰亞當斯（John Adams）於一七八二年寫道：

在巴黎的首要之務，永遠是先派人去找裁縫、假髮師傅跟鞋匠。
這個國家已經確立了它在時尚界的主宰地位，其他任何地方的衣服、假髮、鞋子在巴黎通通上不了檯面，此為法國向歐洲各國課徵關稅的眾多管道之一，對美國也不例外。
維持並提升國家在時尚方面的影響力，是法國王室政策相當重要的一環。

路易十四與柯爾貝推行的諸多政策不只為國家帶來豐碩的經濟成果，對內也滿足了政治上的需求。在路易十四手中，服裝成了一種精妙的控制手段，某些服飾成為寵臣的象徵，比方說由路易十四親自設計、綴有金銀刺繡的「裘斯特克」（just-aucorps à brevet）藍色絲綢外套，一次僅容許五十名貴族穿著，且只有穿上它的人才能跟隨路易十四外出打獵，是爭取他青睞的難得機會。能夠貼身接觸君王，對貴族而言是最重要的事。

路易十四本人就是這場宮廷古裝大戲的主角。他熱愛芭蕾舞，曾在宮廷舞劇中飾演太陽神阿波羅而獲得「太陽王」稱號，並持續領銜演出許多劇碼，藉此秀出他那雙據說非常自負的健美小腿。

他腳上的鞋子（不是靴子）將美腿的線條展現得淋漓盡致，在他執政期間風靡一時，尤其是那雙紅色高跟鞋。

但路易十四扮演過最偉大的角色終究還是他自己，就跟瑪莉蓮夢露（Marilyn Monroe）一樣，以精湛到位的演技展現出真正自我。事實上，他的著裝流程才是宮廷內最精心策劃的儀式。路易十四有所謂「早朝」的接見慣例，全程總共有六輪，由特權人士依序進入寢宮向他請安，可看出其地位高低及受寵程度，但幾乎所差無幾。能夠出席早朝並獲得接近國王的機會，是每個朝臣夢寐以求的無上殊榮。

前兩輪接見時，路易十四還躺在床上：先是他的婚生與私生子女，接著才是最受寵的貴族。

他一起身，負責宮廷內務的內廷大臣與首席寢宮侍從便將長袍擺好，接著讓下一批人進來；等他穿上鞋子，再開放下一輪。

王室內務總管及首席衣袍侍從兩人一左一右拉住衣袖，脫下他的睡衣，再小心翼翼替他換上內廷大臣遞上的日常服，由首席貼身侍從及衣袍侍從各自替他套上兩邊的袖子，接著繼續穿鞋、佩劍、披上外袍。

這一連串行禮如儀的動作不禁讓人想起遠古蘇美神話中掌管愛與生育的女神伊南娜（Inanna）：她決定去冥界找姊姊厄里斯奇格（Ereshkigal），途中必須穿過八道門，每一道都得脫下一件衣服才能通過。

儘管這些繁文縟節都是路易十四自己一手立下的規矩，但朝臣百官無不恪守，就連他死後也不例外。

法國王室對於人民穿著打扮及階級流動的焦慮並非在路易十四掌權期間才浮現。事實上早從十五世紀開始，政府就制定了一連串的禁奢令，從法律條文中便可看出端倪。一四八五至一六六○年間通過了十八項法令，意圖管制法國民眾的衣著及飾品穿戴。

例如，一五一四年頒布的法律在前言中開宗明義指出：「絕對嚴禁所有人，包括平民及非貴族人士……利用穿衣風格或服裝打扮假冒貴族之頭銜。」這兩百年來，法國君主試過各種手段，包括限定貴族才能使用絲綢、禁止將金銀用於織品（從而導致貴金屬無法轉入國庫或在市面流通）、建立顏色位階制度等。

從亨利四世到路易十四在位期間，教會講道更進一步強化禁奢法的立意，要求每個人按照地位階序著裝，不可踰矩。

禁奢法是否真能奏效令人懷疑。以散文著稱的哲學家蒙田（Montaigne）認為此舉適得其反。他寫道：「我們的法律試圖規範愚蠢而虛榮的食衣開銷，反而弄巧成拙，」因為這些法令「只會激起大家更想花錢的欲望。」但就在路易十四於一七一五年逝世後，禁奢法隨之廢弛，彷彿打開了水閘，追逐時尚的浪潮正式從上流社會解放，傳入民間。

奢華的衣物不再是貴族的專利。在服裝類型全面解禁，人人皆能仿效的情況下，貴族只能在風格樣式上作文章，藉由不斷變化的細微差異來與大眾做出區隔。

套句盧梭（Jean-Jacques Rousseau）一七六一年小說《新愛洛伊絲》（The New Eloise）核心人物聖波洛（Saint-Preux）的話：「舉目所及，人人不分貴賤，衣著大同小異；若非公爵夫人慧眼獨具，能看出資產階級女性所不敢模仿的風格特色，幾乎無從區分貴族與平民。」這種「一眼看出風格特色的本事」加快了十八世紀法國服裝樣式變化的腳步，而現代時尚之濫觴，即源自於這種日益加速的演變週期。

社會上各階層總是緊跟著上層人士的風向爭相模仿。大眾對時尚的議論尤其激烈，是因為有關服裝的爭辯已經演變成一種「代理人戰爭」，實際上的問題核心是舊制度一成不變的地位階序正逐漸被日益顯著的社會流動取代。社會階層產生新的可塑性，使某些人感到惴惴不安，服裝便成了代罪羔羊。

戲劇家埃德梅．鮑索（Edme Boursault）在一六九○年推出的《伊索寓言》（Les Fables d’Esope）寫道：

巡佐太太要是穿得起，

就會濃妝豔抹，打扮得像個老鴇；

皮條客的妻子為了給人留下好印象，

穿得跟律師太太一樣端莊；

律師太太甚至膽敢

模仿議員夫人的神態樣貌；

就連議員夫人也毫無顧忌，

與議長夫人爭妍比美。

紀錄顯示，法國在路易十四之後確實繼續立法規範布料的用途，但這些法令只是證明了當時社會鋪張炫富的風氣愈演愈烈，一發不可收拾。僕人的制服被貴族拿來當成宣揚聲望的工具，貴族間的地位之爭最終促使政府在一七二四年立法禁止穿著制服的僕人使用綴有金銀裝飾的絲襪。

羅什在一份針對巴黎財產紀錄的詳細研究中明確點出，整個十八世紀，巴黎各個社會階層─舉凡貴族、專業職人、工匠、店舖業者、工人及家傭等─在服裝上的消費都有所增長：「每一種社會類屬（social categories）皆陷入不斷加速的變化更迭之中。」

路易十四時期興起的時尚出版業方興未艾，自一七○○至一八○○年間，法國有多達五十種不同的雜誌期刊在市面上流通，跟服裝有關的書籍亦出現爆炸性的成長，十八世紀後半的出版量比起前半世紀足足超出五倍以上。因此法國作家夏爾．佩羅（Charles Perrault）一六九七年出版的改編童話《灰姑娘》（Cinderella）在此時大受歡迎，或許也不足為奇。

故事描述女主角透過一襲優雅禮服及精美便鞋的穿針引線，從可憐的廚房女傭飛上枝頭嫁給國王，成為皇后。新衣的魅力產生強大的吸引力，盜竊衣物的罪行亦隨之增加。

一七六○至一七六九年間，巴黎的一千七百起審判案件中，就有九百多起（占整體的五成二）與衣物及亞麻織品有關。服裝出租變成熱門行業，假如灰姑娘真有其人，她只需要租件禮服就能脫離苦海，從無名小卒搖身一變枝頭鳳凰，但實際上的社會底層並沒有如此幸運。

某位名叫拉方丹（Lafontaine）的人大吐苦水，說他把衣服租給那些「閱人無數的女性」（暗指妓女），最後她們卻穿著這些衣服死在醫院或牢裡，害他足足損失了四千五百里弗（livre）。

——本文摘自《穿過了：從人類服裝史發掘全球製衣體系背後的祕辛》，2023 年 10 月，時報出版，未經同意請勿轉載