台灣互動設計團隊打造超厚工的零人樂隊

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

文／唐啟軒

十七世紀被稱為是天才的世紀，我們所熟知的牛頓、克普勒還有波以耳，都是活躍於這個年代。而這些天才們，也讓當代科學有了很大的躍進。但好像聽來聽去，怎麼好像天才都在歐洲，偉大的發現也都是洋人的東西。難道外國的月亮比較圓，歐洲人都是好棒棒，亞洲人都好笨笨嗎？

其實科學的發展，不只是有靠科學家日以繼夜的研究，其實也跟大環境有很大的關係。當時歐洲剛經歷數百年的大航海時期，除了各國在海上的競爭時，對於技術力的要求提高以外，引進美洲作物也解決了長期的糧食不足問題。而資本主義的興盛，更讓歐洲的經濟逆風高飛。在這個歐洲錢淹腳目的年代，物質充足後，人們就開始追求科學或藝術這類較高的目標。

而這個時候，我們的亞洲鄰居在做什麼呢？中國恰逢明朝末年，當時大概就是民不聊生，痛苦指數超高，只差沒有被說是鬼島。這時候就算是崇禎皇帝高呼一聲：「十萬青年十萬肝，GG 輪班救明代！」，大概也不會一群人搶破頭去熬夜做科學研究來救國家的經濟。不過那個年代的中國科學也不是完全沒有新發現，十七世紀初，有個人叫做宋應星。俗話說：「萬般皆下品，唯有讀書高」，從唐代以來，中國最夯的全民運動就是考科舉。而這位宋應星宋先生就是一位專業考生，第一次就通過了鄉試，當時通過率才不到百分之一，差不多就是考上建中的難度。只可惜好景不常，接下來應星他陸續考了十五年的會試都名落孫山。（古代科舉考試，分為：鄉試、會試、殿試三級考試）

話雖如此，十五年之間赴京趕考的過程中，視野也寬闊了許多，後來被聘為縣學教師。任教期間他有感而發：「這些權貴跟書呆子，吃米不知道米怎麼來，會穿絲綢衣服卻不會養蠶，五告逼哀！」。於是他開始動筆記錄下關於耕作、養殖、冶煉、製造……等等生產技術，並將這些記錄整理成書，書名由巧奪天工與開物成務各取二字，即為：《天工開物》。這本書被後世稱為技術的百科全書，許多技術至今仍被使用。雖由技術的角度出發，但像是人工養蠶或種植作物時，可以靠人為的技巧來控制遺傳變因，或是冶煉金屬時排除雜質與氣體等等；都使得當時的生物學、力學、熱學、化學等等科學有了較系統化的解釋。

此外，他也經常做一些科學的實驗。在《論氣》一書中曾記載，「人一息不食氣則不生，魚一息不食水則死」，意指人需要呼吸空氣，而魚離開水則死。並且經由實驗發現，魚即使活在水中，若水不與空氣接觸，則同樣無法存活。此外，陸地上的生物即使在空氣中，若是在不通風的密閉空間依然會死，其稱之為「氣死」，由此可知動物都需要空氣中的某一種特定的氣。當然我們現在都知道，這就是氧氣，而沒有氧氣就會窒息，但在當時那個年代，這樣的理論是十分新穎的，甚至領先了西方世界數十年。

這樣聽起來，東方的天才們其實不輸西方，那究竟是什麼造成如此大的差異呢？在東方，我們經常會問「我學／研究這個有什麼用？」這是一種十分務實的研究態度，但也正因這務實，使得這些技術無法舉一反三，終究沒辦法跨出單一領域的應用，成為一個很完整的學門。把時間拉到近代，證明電磁波存在的赫茲曾在課堂上被學生問到：「電磁波傳送有什麼用途？」，而赫茲聳了聳肩回答：「一點用也沒有。」但在百年後的現在，手機、WiFi、微波爐、eTag 通通都需要用到電磁波。其實有時候我們學習或研究，沒有辦法應用未必就是徒勞無功，只是我們還沒遇到需要用到這些知識的時候，亦或是它只是讓我們完整一個知識拼圖的其中一塊。即使最後真的用不上，但那些對於知識的渴望以及求知的過程，也會是最美的徒勞無功。

本文轉載自LIS線上教學平台。

文 / Gilver

主持人 / 鄭國威  開幕致詞 / 鄭國威、曾聰邦、徐挺耀
科創卡司 / 丸幸弘、彭啟明、蔡宇翔

「科學太重要了，不能只交給科學家。」這是泛科學總編輯鄭國威在去年的論壇上說過的話。今年，他再補充一句：「科學家太重要了，所以不能讓他只鑽研科學！」科學傳播或者說科普，簡而言之就是將少數人擁有的高深知識，轉變成人人都能掌握的素養。當今社會面臨的諸多問題，如氣候變遷、糧食、貧窮、政府失能、能源、水資源等等，都在科學創業家的努力之下逐漸逼近解答，因此科學家不能只在象牙塔裡鑽學問。

深感科學傳播與科學素養的重要性，並為了提高大眾對科學的興趣，泛科學與國立臺灣科學­教育館繼2013年「開放吧！科學」之後，再度合作舉辦年度科普盛會。今年以「蛻變吧­！科學」為主題，關注台灣科學與創業結合的可能與挑戰。

Part1. 科創夥伴來致詞

https://youtu.be/znik4DF3mkM

「科學家太重要了，不能讓他只鑽研科學。」– PanSci總編輯‧鄭國威

「我堅持奮戰五十餘年，致力於科學的發展，用一個詞可以道出我工作最艱辛的特點，就是失敗！」 這是發現絕對零度、創立開爾文溫標，並在數學物理、熱力學、電磁學、彈性力學、以太理論和宇宙理論各方面都有重大貢獻的科學家 William Thomson Kelvin 的語摘。開爾文出生在一個堅信許多錯誤觀念的時代，例如說他認為引力收縮是天體唯一能源，並經由換算太陽引力位能得出地球年齡只有數億年的結論，也宣稱過任何比空氣重的物體都不能飛。

「『科學太重要了，不能只交給科學家。』這是我在去年的論壇上說過的話，今年我要再補充一句：『科學家太重要了，所以不能讓他只鑽研科學！』」科學傳播或者說科普，簡而言之就是將少數人擁有的高深知識，轉變成人人都能掌握的素養。當今社會所面臨的諸多問題，例如氣候變遷、糧食、貧窮、政府失能、能源、水資源等等，都能在科學創業家的努力之下逐漸逼近解答 (可見《富足》一書)。「科學家不能只在象牙塔裡鑽學問。」鄭國威說。

科學家和創業家共享著許多特點，雖然總是極少數的人成功，但世界正是由這極少數的人改變。今天這場「蛻變吧！科學」係由台灣科學教育館、台灣數位文化協會共同主辦，是泛科學第二次主辦的大型年會，在此感謝 科教館 的支持，以及這場活動的贊助單位：網路直播由 通泰媒體應用公司 架設，恆星級的贊助單位 cacaFly聖洋科技 及天工開物、海洋級的贊助單位石尚集團、Readmoo電子書店、國航科技、CAVE教育團隊；森林級贊助單位包括視群傳播、艾絲資訊 iFit、遠見天下文化教育基金會、KKTIX、經濟新潮社、小牛頓及科學少年；最後是媒體贊助的單位，有BBC知識、Discovery探索頻道雜誌、科學人雜誌、民視科學再發現、民視科學補給讚、專業App資訊網站 PunApp最棒app、PunNode科技創業新聞網和NPOst公益交流站，感謝這些贊助的媒體單位。

「科學不一定得是工作，它也是種能力。」–科教館主任秘書‧曾聰邦

國立科學教育館長期致力於青少年科學能力的培養。「我們看著這些孩子有的變成大學教授、研究員、醫生或工程師，他們所熱愛的科學變成他們生活的一部份。同時，還有好大的另一部份變成了其他職業，像律師、銀行員、法官、公務員等。」

科學不一定得要是工作，它也是種能力。有一群人開始做一些不一樣的事情，將科學透過轉換、客製化、賦予價值，促使它成為行業。什麼樣的人能做這樣的事？接下來三位要來和我們分享的講者，他們將科學變成了不同的風貌和價值，即將給我們的腦袋給予另類的啟發；而在8月23、24一樣在科教館舉辦的科學玩意節《科青站起來，科學動起來》，也歡迎大家來參加！預祝今日研討會順利成功。

「我們一路跟失敗搏鬥。」–台灣數位文化協會執行長‧徐挺耀

「去年到現在我們有許多成長，像是人力變成了兩倍多……1.5個人變成了3個人，再加上專欄作者就更多了啦。」徐挺耀跟鄭國威一起做了很多事，像是PunNode和許多類似的網站，Pansci也是在一個個計劃被做出來的過程中的產物。「我們一路跟失敗搏鬥，雖然不敢說很成功，但至少是台灣最大的最有效的科學社群了，還請各位繼續支持。」未來，泛科學可能會往社會企業的發展進行，希望未來能服務更多喜歡科學的人，期許能像來自日本的Leave a nest的丸幸弘先生一樣做到永續經營！另外，我們也邀請到國內的科學創業者：彭啟明老師和天工開物的蔡宇翔總監分享他們的經驗。除了領22K，還是有許多機會、可能性存在的。

Part2. 科創卡司來分享

科學創業的希望之巢：Leave a nest

https://youtu.be/7ARNn0jWRP8

帥氣瀟灑的丸幸弘博士 (Dr. Yukihiro Maru) 為 Leave a nest（株式会社リバネス）公司的創辦人暨執行長。學術研究時代，他研究單胞藻(Chlamydomonas)的光合作用及熱帶豆科植物的根瘤形成。2001年取得博士學位後，有鑑於國內博後們對生涯的茫然，他和大學時代玩樂團的十五位同學，一起走進校園演示實驗，大受好評。隔年，他沒成為教授，反而創立公司成為執行長。去年鄭國威總編輯在泛科學上刊載的訪問文章《博士後只能賣雞排、等教職？Leave A Nest 揭示的另一條康莊大道》就有數十萬次的瀏覽，超過七千人在臉書按讚。

丸幸弘博士認為，日本(及台灣)面對兩個大問題：年輕人對科學失去興趣，以及科學研究職缺越來越難爭取，是他創辦 Leave a nest 的動機。Leave a nest在2002年6月成立，成員都是科學家，公司的核心視界是為：”Advancing Science and Technology for Global happiness.” 這和科學家的使命是雷同的。

Leave a nest 的科學家們來到各個學校進行科學工作坊和演示，並發行科學刊物供中學生閱讀。丸幸弘博士認為，「科學工作坊是科學溝通的訓練，商業也同樣需要這種傳播技術。」他將公司定位為 HR training platform (=人事專員訓練平台) ，科學家和參與的學生在訓練下成為具有潛力的未來領導者，其後進入企業、踏入學術，或者創業(start-up)。

公司目前44名成員，平均32歲，碩士、博士都有。公司內的發展主意非常多樣化，例如 Shuhei Tsukada先生致力於發展植物產食餐廳、亦做為科學傳播之地，這個點子後來得到2011年的優良設計獎 (GOOD DESIGN AWARD)；另一個例子是Yuji Kukuda先生以科學研究為根據，以生態餵養產出的沖繩高級豬肉農場。公司做為一個培育科學創業的場所，提供了他們發展的平台。

丸幸弘博士接著介紹了一些公司成員的故事。岀雲充先生(Mr. Mitsuru Izumo)利用眼蟲 (Euglena sp.) 具有葉綠體、能夠消耗二氧化碳、產生高養分的特性，成立生物科技創業公司EUGLENA；跨IT產業的例子像是 Bioimpact 公司，為研究者蒐集他們需要的資料；跨電機的例子，例如 Ory Labortary 研發遠端溝通機器人，能讓使用者在兩地間實境溝通，借助科技的力量將人與人之間的社交關係拉近，改善例如醫院的病患的社交困境；跨大資料時代和微生物學的例子像是 GeneQuest，能夠提供大量的生物 DNA 分析資訊。

最後，丸幸弘博士舉出他所認為創業該如何開始–從問題(Question)出發，發現問題；接著用熱情 (Passion)去研究它，繼而用任務 (Mission)去解決它，最後是創新 (Innovation)，產生新的價值和概念，這個過程簡稱為QPMI: Innovation Wheel Model。

「利用你的專長，去獲取利益；別只是當個接收者，要當個迎接挑戰的行動者。」丸幸弘博士總結道。

天空的寶藏：從觀天象到企業化

https://youtu.be/OG2d16-mpHg

天氣，過去被認為是由老天所掌握。天空到底有什麼寶藏，可以讓彭啟明先生開一間公司？

彭啟明先生是氣象專家，也是第一位民間氣象公司的創辦人，天氣風險管理開發公司總經理。過去他所做的研究是「全球冷卻」–人為排放的汙染物懸浮微粒將陽光反射，使得雲量增多，反射更多的熱量，以及聖嬰/反聖嬰等地球大氣循環變動。至於在國立中央大學的研究工作，主要是東亞地區的沙塵暴、生質燃燒和空氣汙染。

彭啟明在陽明山約1100m處山頂的量測站估量雲裡的水，計算本地汙染和從來自外地的汙染比例，並用模組預估中國哪些地區對台灣的酸雨貢獻多少，更協助環保署建立二代酸雨測站。他研究的另一個主題沙塵暴 (霧霾)，不但會造成民眾健康負擔，也引響半導體工廠曾經使得韓國工廠停工停學，卻促使南科台股漲停板，他的研究使得幫助企業得以進行氣候模式預估，減少因天氣帶來的損失。

許多強國用超級電腦公開他們的高品質資料，成為現在公司的資料庫型態。關注環境的問題，已經演變到跨縣跨國跨界。氣象和我們的生活有什麼關係呢？例如，每月平均蛋價逐年增加這個現象，彭啟明研究了天氣和蛋價的關聯，發現天氣冷的時候蛋價會漲。比較今年(2014)的蛋價變異和去年變異不大、價格卻差很大，推測出這應該是人為影響。雖然天氣變動大會影響到許多事，但也經常成為產業調漲價格的好藉口。

近幾年，彭啟明成為了Open Data聯盟的會長，一面希望政府公開氣象資料，一面促成了台灣英國open data發展交流與合作。氣象法修正以及網路的發達，再加上全球巨量氣象資料的公開，使得獲得核可的天氣分析師可以公開預測資訊，進而建立本土區域性氣象預測模式流程。因為它能夠加以客製化、做加值服務，因而創造氣象產業，今後不再只有中央氣象局可以發布預測。

「其實這間公司一開始是參加創業比賽得名獲得了140萬資本，就去登記創辦天氣公司。」彭啟明說道。公司服務的項目有賽鴿、高價雨傘商品指數、高鐵、交通部公路總局天氣防災，現在準確率已可達八成。至於提供給企業的，是面對氣候風險的行動，像是CSR、營運持續管理、氣候風險揭露等等都是公司在做的事情。另外，彭啟明也在推動企業也應該公布氣候風險對自己造成的威脅，例如在美國，可口可樂公司最怕乾旱，它就應該要多投注一些在這上面。

「科學可以改變整個社會，把事情做得更精準。」彭啟明的理想就是立足台灣，做一個地球企業；更了解地球、與災害共存，和新一代年輕人找到新的機會。

互動的溫度：天工開物

https://youtu.be/SnbcvALBd84

天工開物技術總監－－蔡宇翔先生，一開始是技術硬體方面的幕後人員，少有機會到台前走跳，今天來和大家分享科學技術背景的人如何擁有更多的可能。他在修畢電機系課程之後成為了工程師，但工作幾年之後忽然倦於生活的一成不變，遂而決定去學3D動畫，後來才發現「互動」這個產業的存在。

天工開物在做什麼？ 它是一間創意互動設計公司。互動有許多面向，像是許多不同介面的電玩/手機遊戲，是訊息傳達的過程，我們想要顛覆訊息傳達的傳統印象。例如俗稱的”WINDOW SHOPPING”是一種單向傳遞訊息的展示，但若結合互動科技的元素，透過更多不同溝通的方式，將能讓真正的window shopping得以實現！在展示方式上加上互動科技的例子，像是HERMES在東京旗艦店的櫥窗：模特兒的影片輕輕對絲巾吹氣，展示品牌的質感和意涵。另一個例子 NIKE的運動鞋櫥窗則以跳高遊戲創造互動式平台，拉近消費者與櫥窗展示的距離。

 藝術和商業身處在業務光譜的兩端，中間經歷公共藝術/博覽會博物館/商業公共空間/旗艦展示店/商業娛樂空間/公關行銷直到商業。我們在光譜上的優勢是不同面向的緊密配合，對客戶精細的分析、創意會議後進入製作、實測、安裝、驗收、到最後的保固維修的程序。以下將介紹幾個案例。

第一個案例「香檳三」：在香檳3 這間 Disco Pub裡，男廁被加上了互動裝置。當男士在投影幕的一側小解時，小便斗會根據收到的尿液量，在投影幕上灌溉出一朵小花，同時顯示在外頭通道的投影幕上。這樣的設計雖不至於色情，卻帶有一種PUB式的曖昧，非常符合這個場所。

第二個案例「多運動」：測試民眾的跑步能量，跑得越快能量越大；互動螢幕上還會隨機出現一個代表玩家的「運動靈」，跑完以後還可以跟它合照。玩家在互動體驗之後，走出來喝公司的商品。

第三個案例「晨昏山水」：它是一個互動劇場的建案。透過模擬晨昏變化的建築劇場，民眾能以旋鈕控制、體驗不同時節下建築模型的氣氛，提供住戶對未來的家的想像。

第四個案例「蜃樓」：它是黃心健老師在霧峰林家古蹟的創作計畫，結合3D投影、建築投影、舞蹈戲劇等光影元素，短短兩天內的活動得到熱烈回響。

除了這幾個例子，台北市的行動夢想館也是第一個以行動裝置導覽、手機影音互動的展館。

「技術是一把劍，心中無劍、手中也無劍才是最高境界。」蔡宇翔認為，一味追求科技反而會模糊互動設計的焦點，應將呈現方式自然地融入互動之中。一個有趣的國外範例是德國柏林的TOUCHED ECHO，模擬1945年轟炸機轟炸的現場。他們在欄杆埋入像是助聽器的骨傳導裝置，民眾只要倚在欄杆上、摀著耳朵，就能透過震動將聲音傳導到觀眾耳中。我們也以這個案例期許自己。

明代宋應星寫了《天工開物》，裏頭寫道：「士子埋首四書五經，飽食終日卻不知糧米如何而來；身著絲衣，卻不解蠶絲如何飼育織造。」科學對蔡宇翔來說不是什麼獨門的學問，比較像是生活中的道理，我們可以保有好奇心，去發覺生活中處處的小小科學，這是他的工作生活對科學的體認。

Part3. 現場開放Q&A

https://youtu.be/BgIjsfcUa3g

以下登場人物代號分別為： 「P」=鄭國威 (泛科學總編輯) 「曾」=曾聰邦 (科教館主秘) 「徐」=徐挺耀 (數位文化協會執行長) 「丸」=丸幸弘 (Leave a nest 執行長) 「彭」=彭啟明 (天氣風險管理開發公司總經理)「蔡」=蔡宇翔 (天工開物技術總監)

Part3.1. P編主持時間

P：Leave a nest 12年以來遇到最大的挑戰?

丸→ 就是今天。(笑) 我在大學時，老闆總是緊盯著我有沒有做實驗、有沒有進度、有沒有Data，同時一邊又在外面的學校奔走、積極舉辦工作坊，因此睡眠相當少。現在公司有44名成員，雖然各自領域相當不同，但我完全沒有進行管理。他們很自由，也很熱情投入，Leave a nest這個平台支持著他們更早達到他們的創業夢想。我們是夥伴、支持者、也是培養者，leave a nest就是以這樣的視界出發。

P：從一個專業科學教育領域人員的角度來說，您認為台灣的科學教育足以培養出更多科學人才嗎? 這是否應該是社會應該發展的方向?

曾→ 要成為一個真正可能的科學創業者，不能僅從科學教育出發，許多相關需要的能力和課本並不相關。跨域整合的能力是創業不可或缺的，包含基本的法律和商務能力。計畫的規劃和執行能力，也是需要的人格特質。科教館僅是提供科學能力的提升。

P：創業前後的生活有什麼不一樣？天氣公司有沒有新的計畫？有往其他國家進軍的目標嗎?

彭→ 生活是差不多的。我人生的轉折是在碩博士當研究生的時候，那時候薪資大概跟麥當勞打工差不多，只是在實驗室過生活，埋首學術研究；現在我有休息時間時，我其實也在看PAPER，科學家的養成為我的事業有很大的幫助。現代的年輕人看不到未來，跟他們相比我現在掌握比較多資源，也帶著一批年輕人在前進，我想做一些跨出台灣的事情。如果想要做大，面對廣大的中國市場和兩岸關係可能是需要能夠應對的事情，但其實也不一定要往中國去，還有很多其他國家可以做。我們已經在國外有客戶了，也需要有雄心去做國外預報天氣的年輕人。

P：藝術結合科學再加上互動不確定相當高，如何去評估作品的成效？溝通上藝術家跟技術專家怎麼進行？

蔡→ 我們會試著把工作流程定義清楚，一開始就和客戶溝通好展示需求、空間、使用者身分都定義清楚。像是KPI這種評估機制，我們有參訪流量條款，像是一天門票的收益或是人次，都是一開始就有評估的。而藝術家跟技術專家之間，其實天工開物的成員幾乎都有跨領域的背景！不單單是寫程式，有兩三個專業領域，大家也因此比較可以接納對方的意見，像是服裝設計+程式這個的專業就差很多。黃心健老師也是，雖然他是個藝術家，但寫程式也非常強。

P：你是一個創業狂，你認為台灣的科學創業最大困難是? 投資? 創業視野? 政府?

徐→ 可參見在PUNNODE寫過的這篇文章，講泛科學成立的經過。不像果殼網的姬十三有拿到創投的錢，我們只能和國科會打交道很麻煩、痛苦期很長。你要拿到錢，要跟國家機構打交道，但國家機構跟傳統學術界比較像。現在時代已經變很大，如果能有更高的執行效率，可能促進更多事情發生。其實，國科會也有支持一些跟我們很像的網站建置計畫跟我們很像，但這些網站卻因計畫時間結束而直接終止經營……。眼前的問題非常多，期待泛科學之後會變得越來越大。

Part3.1. 現場開放Q&A

科學創業所最需要的是什麼?是自修還是科學?

如何走到中國以外其他的天空? 老天決定氣象，如果失誤的科學責任怎麼負？

彭→ 要創業是需要學習的，像我當時就是花半年的週末上像是EMBA的課程，要會看財報、產業趨勢，另外大家聽到你要創業，騙子就會開始上門。另外就是很多的不確定性，你的判斷能力會變得很重要，創業有時更需要學廣跟鑽精需要平衡的。此外創業也要做很多公益，是很複雜的。很多事情不要去指望政府可以做到什麼，我們要有自己的判斷。

氣象預報本來就有責任，我們提供的是專業的預報準確度，就服務上如果報錯就不收，不然你給我多點錢、我就幫你買天氣保險。一開始客戶都不解氣象預測為什麼要收錢，後來好的客戶就慢慢可以理解變動度很大的狀況是存在的，這也是需要科學的再教育和傳播。

國際上有哪些成功的科學創業例子？

徐→ TESLA汽車、Elon Musk的太陽能和電動車、列印火箭、再生能源系統等等。我很推薦《富足》這本書，許多科學創業者比較像MAKER(自造者)，不像傳統的工業，大多出自個人的創見主意。泛科學還在往前走、慢慢擴大，丸幸弘也是成功的例子，北京的姬十三也是，其實都有做成功的人。

我是一個大六的醫學系學生，學校的教育模式難以讓學生接觸到創業、擁有自己的一間公司。老師沒有辦法教你怎麼去創業，大多是追求學術界的成就，像是SCI點數。

丸→ 在日本，兩個面向基本上也是分開的，醫學院教育大眾科學，也有另一群人是在追求金錢。
彭→ 我2000年曾拜訪日本一位院士級的前瞻學者，他給我三個字”惡平同”：大家都一樣的現象越來越多。學校並不是一個創意的天堂，學校老師本來就有SCI點數壓力。為了創業要放棄很多事情，商業也需要錢、需要商業模式的演繹，在學校多數是學不到的。創業的過程沒有人告訴你怎麼做，你得自己去學習，你可能也需要去找一些貴人相助，像是丸先生的窩。我們國家有自己的問題，怎麼樣給年輕人機會？坦白來說不要一直在學校裡想這些問題，去外面盡早社會化就有刺激、資源接觸到更多不一樣的知識。

科學思維和藝術的還是會有衝突吧，是否有具體克服的例子？

蔡→ 兩個人遇到意見相左時，我們會找多人一起來討論，創業就是不同的領域提出不同的想法，才會有新的創意。我們公司內部會比較開放的邀請各位給予意見，衝突可能反而是創意的來源。