減鹽食品風潮

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

海鹽巧克力、玫瑰鹽奶茶……很多甜點常會加鹽，鹹鹹甜甜的食物很香，而且不知道為什麼，甜的東西加點鹽，反而比較好吃，而鹽當中的鈉元素，是鹹味最主要的來源。

味覺中的「鹹」味，扮演著對美食的感受和保護的機制！跟著「神廚賽恩師」一起了解鹹味的應用吧！

味覺故事——鹹味的古往今來

人類從什麼時候開始會使用鹽來調味的呢？其實並沒一定的說法，但可以想像，會跟海水有關。

從海水得來的白白結晶體，成了早期人類用來取得鹽的方法，我們從「煮海為鹽」的這句成語，可以做証實。

也因為鹽取得不易，又是家庭必備食品，因此，在古代，鹽就只能讓政府專賣，有時還作為稅收。而古代羅馬帝國士兵的薪水，也曾是用鹽來支付哦！

節目中分享，在華人當中，最會用鹽的族群，應該算是客家人了吧！而這又跟時代背景有關係。因為戰爭的關係，族群希望遠離戰亂，為了避難遷徒而保存食物，到後來變化成利用鹽醃起來、做出各種著名的料理，客家人不愧是用鹽的高手哦！

全新第三季《神廚賽恩師》

公共電視科普節目《神廚賽恩師》 ，結合科學、廚藝與食育教育，引領大眾用有趣的方式、從 Science-科學角度讓大眾了解傳統廚藝「伙房 36 法」中的科學知識。第三季節目於 2023 年 2 月 3 日起，每週五晚上 6 點在公視主頻首播，公視 3 台每週五晚上 7 點首播，重播時段為公視主頻每週六早上九點三十分與公視 3 台週日晚上六點播出。

▸《神廚賽恩師》第三季將於 2/3（五）起，18:00 在公視主頻首播

 其他播出資訊

▍ 公視頻道每週五晚間 18:00、公視三台每週五晚間 19:00 （首播）

▍ 公視頻道每週六早上 09:30、公視三台每週日晚間 18:00 （重播）

▍ 並將於公視+ 影音平台完整上架　敬請期待

▍ 烹調中蘊含科學原理，一起發現料理中樂趣

鹽是我們生活中不可或缺的一部份。小時候媽媽煮菜鹽用完時，請你去巷口幫她買一包鹽、跟朋友打球破皮擦傷後，用生理食鹽水清理傷口、為了減肥而吃水煮雞胸肉，只能加點鹽當作調味，在我們人生中的各個階段都能發現鹽的身影。

近年來，鹽的種類更是推陳出新，五花八門，從牛排的好夥伴玫瑰鹽，到近幾年很火熱的鹽之花，令人不禁好奇，我們所吃的到底是什麼鹽，玫瑰鹽的成分有玫瑰嗎？鹽之花跟花有什麼關係？這一切都要先從鹽的生產過程講起。

鹽是怎麼來的？

鹽的主要成分是氯化鈉 (NaCl)。

除了我們熟知的海鹽以外，依照生成環境還可分成井鹽、湖鹽、岩鹽與礦鹽。井鹽是來自於地下的濃縮海水，湖鹽是湖水蒸發後所得的沉積礦物質，而岩鹽及礦鹽則是海水因地殼變動流經山壁洞穴或地下，經蒸發結晶後形成。

海水製鹽是歷史悠久且普遍的一套做法。生產海鹽一般所採用「曬鹽法」方法如下：

1. 先將海水引入蒸發池，在蒸發的過程中，滷水^註1被濃縮且鹽度漸漸升高，低溶解度的雜質，如氧化鐵 (Fe₂O₃)、碳酸鈣(CaCO₃) 及粗石膏 (CaSO₄) 等逐漸析出沉澱，待鹽度達 25 波美^註2，滷水就呈飽和狀態。
2. 滷水達飽和後注入結晶池，稍加曝曬便會析出氯化鈉結晶，但要避免過度濃縮使其鹽度超過 30 波美，因為此時滷水會開始析出鎂類雜質，成為「苦滷」。
3. 待氯化鈉結晶完成後便進行「收鹽」。鹽工會先「鬆鹽」（將結晶之鹽層打鬆），接著「耙龍」（將打鬆的鹽耙成長龍）最後用特別定製的「鹽籠」盛裝，曬鹽的工作到此大致告一段落。

然而，曬鹽法易受日照或降雨因素影響，而且需佔地廣大的鹽田。

隨著工業技術的發展，製鹽有了另一種選擇。離子交換膜電透析法以電力驅動海水中的正負離子，透過具有孔徑選擇性的陰陽離子交換膜，過濾掉不要的陰陽離子、並濃縮海水，之後再導入蒸發罐繼續蒸發結晶以產製精鹽。這個技術雖然耗能且設備成本高，但不受天候因素影響，因此產能穩定，且純度高、用地少。

以台灣的製鹽歷史來說，主要是以曬鹽法為主，但由於氣候條件不佳及成本考量，國內鹽場已於 2002 年全數停產。如今台鹽僅從澳洲進口的粗鹽，在通霄精鹽廠進行精製。

我們吃的是什麼鹽？

了解鹽的生產過程之後，我們或許可以就某些鹽的名稱推測它的來源或生產過程。但日常生活中，鹽的種類五花八門，有許多名字聽起來好像很厲害的鹽，但其實我們對於其生產過程及成分一知半解。

相信各位都跟筆者一樣，討厭那種不知道自己都吃了什麼的感覺，現在我們就來一探究竟，我們平常吃的是什麼鹽吧。

精鹽

精鹽大概是我們最熟悉的一種鹽了，從便利商店到大賣場都可以看到它的蹤影。

精鹽在過去主要是由滷水析出雜質後，經過多次蒸發再結晶而得，作工相當繁複，是既珍貴且重要的物資，因此在許多文明中都曾把鹽做為薪水來配給，甚至「薪水 (salary)」的英文就是由「鹽 (salt)」所演變而來的。

現在則可透過離子交換膜電透析技術，只需六小時就可得到高純度的精鹽，普遍用於烹調及食品加工。

玫瑰鹽

喜馬拉雅鹽是一種產於巴基斯坦喜馬拉雅山脈的岩鹽，據說是西元前 320 世紀亞歷山大出征此地時，發現馬匹在舔岩壁，這個巨大的鹽礦就此公諸於世。

岩鹽含有豐富的礦物質，因而呈現出各式各樣的色彩。喜馬拉雅鹽含有鐵、鉀、鈣、鎂等礦物質，使其具有如玫瑰般粉紅的色澤，因此又被稱作玫瑰鹽。

玫瑰鹽相較於一般精鹽更有益健康的說法一直沒少過，但其論點並沒有科學上的支持，例如：有廠商宣稱玫瑰鹽鈉含量較低且含有 84 種微量元素，有益身體健康，但研究指出，其實玫瑰鹽的氯化鈉含量與一般精鹽差不多都是 98%，營養成分相差無幾，對於健康沒有額外的助益。

有廠商指出玫瑰鹽燈能吸收空氣中水氣並放出負離子，進而淨化空氣中的灰塵及過敏原，達到改善情緒的效果，但此論點同樣沒有獲得科學上的證實。

鹽之花

在曬鹽的過程中，海水會被導入蒸發池中等待結晶，此時會有部分的海鹽於滷水表面結晶析出，神奇的是，這些從表面析出的氯化鈉晶體一個個都是中空的四角柱 （金字塔），而他們會因為水分而黏在一起，遠遠看起來就像雪花一樣，因此被稱作「鹽之花 (Fleur de sel)」。

鹽之花結晶的氣候條件嚴苛，產量非常稀少，且必須耗費大量人力，在它沉積前以傳統工法採收，而這也反映在它的價格上，鹽之花可說是目前市面上最貴的鹽之一。

由於鹽之花沒有經過純化及精製，氯化鈉含量明顯比一般精鹽還要低，且礦物質含量更高，使得其風味相較一般精鹽更有層次。不同產地的鹽之花，則因為氣候及地理條件上的差異，在成份及口味上各具特色。

此外，鹽之花的含水量也比一般精鹽高出不少，這使得它在口中的溶解速度較慢，味道能能夠在口中持續較長一段時間，因此只需要加少少的量，就能大大的提味，這可能也是為什麼一般會建議在烹煮完成後再加入調味，以避免鹽之花因高溫而失去它應有的滋味。

日常生活中鹽的種類實在族繁不及備載，無法在此一一詳述，像是夏威夷鹽、日本藻鹽、猶太鹽……等等，依其產地的氣候條件、鹽分來源及生產方法，有著各式的風味。下次在貨架上看到不知名的鹽時，不妨試著了解它背後的故事，為生活增添一點風味。

• 註 1 : 進入製鹽過程的海水稱為滷水。
• 註 2 : 波美度(°Bé)是表示溶液濃度的一種方法，以波美比重計所測得。

1. 余光華，台灣的鹽業發展，《科學發展》，457，81 (2011)
2. 七股：鹽的故鄉
3. 鹽的故事：海鹽在臺灣–四面環海的先天優勢？
4. 臺鹽通霄觀光園區
5. 台鹽早已不產鹽 粗鹽原料全進口
6. Salt association: White Salt Production
7. 薪水是鹽塊？古代鹽好貴重
8. Abrar ul Hassan et al., Pak. j. sci. ind. res. Ser. A: phys. Sci, 60(2), 67-61 (2017)
9. howstuffworks: How Salt Works
10. Bad Science Debunked: Your Worst Day Ever: David Avocado’s Himalayan Salt Debunked
11. Medical News Today: Does pink Himalayan salt have any health benefits?
12. Time: Does Pink Himalayan Salt Have Any Health Benefits?
13. Noa SAINZ-LÓPEZ and Tomaz BOSKI, Bull. Soc. Sea Water Sci., Jpn., 73, 76－80（2019）
14. Noa SAINZ-LÓPEZ and Tomaz BOSKI, J. Coast. Res, 35 (6): 1200–1214 (2019)
15. thespruceeats: What Is Fleur de Sel?
16. 林裕森(2017)。歐陸傳奇食材。台北市 : 積木文化。

＿＿＿＿＿＿＿＿＿＿＿
你是國中生或家有國中生或正在教國中生？
科學生跟著課程進度每週更新科學文章並搭配測驗。來科學生陪你一起唸科學！