取代GPS的新一代導航定位系統

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

眾所周知，狗狗有著一副靈敏的好鼻子，能夠感知周遭環境變化，然而不僅如此，最近更有研究指出，牠們可能還具有另一項隱藏能力——自動導航功能。這項功能就像狗體內擁有能感應磁場的羅盤，可讓牠們利用地球磁場推算陌生地形上的捷徑。

新研究發現，狗從陌生地折返回原點的方式有兩大類：一是隨著氣味依循原路回去的「原路折返」，二是從全新的路跑回來的「偵查折返」，其中有些採用偵查折返的狗會在回程時出現「沿著南北軸短跑」的現象，出現這種行為的狗，更有機會以最短的路徑回到牠們的主人身邊。

磁感悄悄出現？曾經發現狗會「定位」

「（導航能力）這是第一次在狗身上發現」，研究海龜磁感與導航的生物學家凱瑟琳．羅曼 (Catherine Lohmann)^註1 如此說道。

她提到，跟鳥類等遷徙動物比起來，對於狗身上導航能力的研究其實相對少得多。英國斑戈大學^註2研究鳥類導航的生物學家理查．荷蘭 (Richard Holland) 則附和道：「這是洞察狗如何建構牠們對於整個空間的畫面的機會。」

不過關於狗、其他動物甚至是人類「或許能夠感知地球磁場」這樣的情形，其實早已有過一些線索。2013年，已經研究磁接收 (magnetic reception) 30年的捷克學者海尼克．布爾達 (Hynek Burda)^註3 和他的同事就表示，狗在排尿和排便時會傾向將自己定為南北向，而同時，因為這樣的行為與標記和辨認領地有關，所以布爾達將這種定位校準解釋為「能夠協助狗釐清現在的位置與周遭的相對關係」。

然而，這種穩定不變的校準（白話文：知道東西南北），跟導航能力其實是兩回事。

隨意跑開後，狗竟然能從一條完全陌生的路折返？

在新的研究當中，布爾達的學生卡提捷娜．班尼迪克托瓦 (Kateřina Benediktová) 先將攝影機和 GPS 追蹤器放在4隻狗身上，然後再帶牠們到森林裡，接著讓狗四散而去，去追尋平均約 400 公尺外的動物氣息。

有趣的是，GPS 追蹤器顯示狗在回程路上（跑回向牠們的主人）出現兩種行為：一是「原路折返 (dubbed tracking)」，可能就是隨著氣味以沿著牠來時的路程回去；另一則是「偵察折返 (scouting)」，也就是從一條全新的路跑回來。

當卡提捷娜將獲得的實驗結果資料給布爾達看時，布爾達發現了一個奇怪的特性：在偵察折返的途中，狗會突然停下然後先向著南北軸跑個 20 公尺左右，才再又開始往回跑。那種短暫的 20 公尺小跑有點像是要校準磁場方向的模樣，但卡提捷娜還沒有充足的資料可以肯定這樣的推論。

於是他們擴展了這項研究計畫，幾乎人人都有養一隻獵犬的狩獵管理與野生動物學系^註4的同事也投入研究，3年來透過27 隻流浪狗進行數百次實驗。

在進入森林實驗時，研究團隊會試著避免給予狗其他能夠辨識方向的線索。只要情況允許，狗都會被帶到從沒去過的森林裡的一處，如此一來牠便不能依靠熟悉的地標來找路。同時主人會在牠開始漫步時就躲起來，以免狗是藉由看見主人而跑回來。另外，由於狗跑回來時，風向很少是從主人吹向狗的，所以氣味也不太會造成影響。

研究人員仔細看了 223 例的偵查折返狀況，發現狗會在回程時平均漫步約 1.1 公里的距離，而這當中有 170 次出現了「狗先停下，再掉頭沿著南北軸跑 20 公尺」的情形。同時，研究者們也指出，出現這種行為的狗，更有機會以最短的路徑回到牠們的主人身邊。「我真的對這樣的實驗結果感到蠻震撼的」羅曼如此說道。

內建羅盤判斷最短回家距離？！其實不太意外

布爾達認為狗之所以會沿著南北軸跑是為了釐清牠們的方向，「這是最合理的解釋」他說。

羅曼則表示，這個行為的意義在於狗可能能夠記得牠們之前的移動路程，然後再藉由參考體內的磁場羅盤，來釐清回家的最短路徑。

之後布爾達和卡提捷娜也開始嘗試另一種實驗方法，他們打算在狗的項圈中放入磁鐵，干擾磁場，然後觀察這樣是否會妨礙狗狗辨識方向的能力。這樣的想法與 1980 年曾經發表在《科學》期刊上的一篇爭議性實驗類似，當時的實驗是針對人類，研究者將磁鐵放入蒙眼受測者的眼罩中，實驗結果發現磁鐵似乎會擾亂人類直覺的方向感¹。

不過羅蘭大學^註5專攻狗隻行為的亞當．米克洛希 (Adam Miklósi) 則認為，要設計磁感的實驗其實是相當繁複的，因為很難排除其他感官，讓一隻動物完全只依靠一種感知來做出行為。

「這樣操作的難處在於為了要百分之百證明磁感，或是任何一種感知，你必須排除所有其他的感知。」

而米克洛希亦說道，其實「狗能夠利用磁場來辨識方向」並不是太令人吃驚的事，因為這似乎是一種古老的能力，而且可能出現在任何會橫越大片土地的哺乳動物身上。羅曼也贊同道：「你會期望動物在狩獵之後能夠藉這種方式回家，顯然能在狗身上看到應該滿合理的。」

註解： 

1. 時任北卡羅萊納大學 (The University of North Carolina at Chapel Hill) 生物系的助理教授。
2. Bangor University。
3. 為布拉格捷克生命科學大學 (Czech University of Life Sciences Prague) 的感官生態學家 。
4. The department of game management and wildlife biology, Czech University of Life Sciences Prague。
5. Eötvös Loránd University。

1. Baker, R. R. (1980). Goal orientation by blindfolded humans after long-distance displacement: Possible involvement of a magnetic sense. Science, 210(4469), 555-557.

本文主要編譯自：Dogs may use Earth’s magnetic field to take shortcuts

• 作者／海倫‧湯姆森；譯者／洪慧芳

告訴你確切位置的「位置細胞」

1960 年代，倫敦大學學院的神經學家約翰．奧基夫（John O’Keefe）開始探究「一般導航能力的祕訣存在於海馬迴」這個概念。

為了驗證這個理論，奧基夫趁著老鼠在開放空間行走時，研究牠們的大腦。他想知道老鼠探索環境時，哪些神經元是活躍的。他在老鼠的海馬迴裡植入一組薄電極，海馬迴可以記錄個別神經元與相鄰神經元通訊時所產生的微小電位尖波。

奧基夫利用這項技術時，發現有一種細胞只有在動物處於特定位置時才會發動。每次老鼠經過那個地方，那個細胞就會「啪」一聲發動。它附近的另一個細胞似乎只關心另一個不同的位置。只要老鼠走到那個地方，它就會「啪」一聲發動。下一個細胞只會跟著另一個位置產生反應，依此類推。

這些細胞的活動組合可以告訴你老鼠的確切位置，精確度在五平方公分內。奧基夫將這些細胞命名為「位置細胞」（place cell），並顯示它們如何一起告訴大腦的其他部分：「這是我目前的所在位置。」

位置細胞不只告訴大腦目前所在的位置，還能接收其他資訊

後續的數十年間，科學家發現位置細胞不只做這項任務。它們附近有個區域叫「內嗅皮質」 （entorhinal cortex），位置細胞也會從內嗅皮質的另外三種細胞接收資訊。

整合資訊到認知圖中的網格細胞

其中一種細胞稱為網格細胞（grid cell），是由梅－布里特．莫澤（May-Britt Moser）和愛德華．莫澤（Edvard Moser）這一對前夫妻檔發現的，他們兩人都是出生在挪威西海岸外的偏遠島嶼上。

他們兩人發現，導航能力有部分是依賴我們能夠思考自己如何移動，以及我們來自何處。

想想你在停車場中走向售票機、然後再折返回車子的方式。梅—布里特．莫澤和愛德華．莫澤發現，網格細胞是負責把這些資訊整合到認知圖中的神經元。

為了理解網格細胞是如何運作的，你可以想像一片地毯上布滿了六邊形所組成的網格，狀似蜂巢，你在裡面走動。你抵達網格中任一個六邊形的邊角時，那個網格細胞就會發動。把網格稍稍移向地毯的另一端，當你抵達六邊形的邊角時，就會換另一個網格細胞發動，依此類推。這些細胞建立了一個通用的空間地圖，持續為你的所在位置以及某些地標之間的相對距離提供最新資訊。

你與牆壁、邊界的相對位置，邊緣細胞來告訴你

位於內嗅皮質的另一種細胞是邊緣細胞（border cell）。這些細胞告訴你，你相對於某些牆壁和邊界的位置。例如，你的南方附近有一堵牆時，某個邊緣細胞會發動。你介於兩堵牆之間或靠近懸崖邊緣時，另一個邊緣細胞會發動。

轉向時，發動「頭向細胞」

為了讓你掌握資訊的全貌，邊緣細胞也與頭向細胞（head direction cell）共用空間。頭向細胞顧名思義，是指動物的臉部轉向特定方向時才會發動的細胞。

總和來說，我們如何找到目的地呢？

關於我們如何四處遊走，目前大家最普遍接受的理論是：大腦儲存著位置細胞在特定位置的發動型態，以便我們回到那個位置時，可以把它們當成指引。

例如，想像一下，你逛街一整天後去取車。這時位置細胞受到頭部方向、身體移動、周圍環境的影響，劈哩啪啦地發動。它們指引著你移動，直到當前的活動型態符合儲存的型態。瞧！你找到車子了。

不過，故事尚未結束。儘管腦內有這些活動，但腦內的羅盤不僅於此。關於導航能力之謎，這裡還缺了一塊拼圖。那一塊非常重要，失去它時，可能攸關生死。

• 下一篇《當大腦找不到地標參照，荒山野徑就能迷路迷到致命——《錯把自己當老虎的人》下》我們將談到腦內導航能力中，攸關生死的大腦構造。

——本文摘自《錯把自己當老虎的人》，2019 年 7 月，漫遊者文化。