人人都能即時轉播－智慧型行動視訊監控技術

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

（模擬場景）

「噹～現在空氣品質不佳，請注意氣喘」，我朝手上的 Apple Watch看了一眼，身旁的阿嬤拿著iPad，慌張地點完iPad上的紅點，Siri的聲音響起：「您的分數是37分，接下來請書寫『帕金森氏症』五字…」。前排一臉疲憊的少年手上的 iPhone 顯示昨晚的睡眠時間僅有2小時…

今年，蘋果宣布要用iPhone跨入臨床實驗的那一刻起，「An “Apple” a Day Keeps the Doctor Away」 的意思，再也不一樣了

用facebook和twitter掌握最即時的國際疫情

從來沒有想到，手機也能辦到這種事。

2009年，神秘的流感在墨西哥爆發，捷運上乘客劇烈的咳嗽，痛苦地彎下腰來，車上的屏幕顯示了醫師束手無策的困境；2014年的西非，死神般的伊波拉病毒遊走於村落之間，七孔流血的軀體就躺在村子口，慌張的村民倉皇而逃。如果你就在當地，要怎麼知道你現在，此時、此刻、安全嗎？

滑手機，就對了

就像太陽花學運時，手機成了攝影機，人人都是在地記者，每則推文都是第一手報導，在疫區當地也是如此。行動科技讓流行病學的報告隨時地更新在Facebook裡；Instagram上就能找到最新的疫情照片；醫生能在wiki裡查到最新的醫學知識。行動科技加入了醫學領域，開啟了醫學版的大數據時代 [1]。

用iPhone加入全球的臨床醫學計畫！

「An “Apple” a Day Keeps the Doctor Away」 這句話在開始有了完全不同的意義！今年的春天，Apple公司發表了一套開放軟體－”Research Kit” [2]，與各大醫學院合作，設計了針對五種疾病的App，分別是氣喘；帕金森氏症；糖尿病；乳癌和心血管疾病，讓iPhone的使用者，能夠很輕易加入這項疾病的醫學研究，替未來的醫藥開發貢獻個人的心力 [2]！

而這些醫學App也完美地利用了智慧型手機的優勢，以美國羅徹斯特大學（University of Rochester and Sage Bionetworks）所開發的「mPower」App，就設計了用手指敲擊螢幕的遊戲，以玩樂的方式了解帕金森氏症患者的病情進展 [3]。而美國西奈山伊坎醫學院 (Mount Sinai, Weill Cornell Medical College)為了幫助氣喘患者所設計的「Asthma Health」，不僅能記錄發作時的資訊（比方說每回接了丈母娘的電話，氣喘就必定會發作），更能提醒使用者在地的空氣品質，讓使用者能夠事先就避開會引發氣喘的環境 [4, 5]。

在正式發表之前，醫學院的研究群和Apple的開發者們心中都充滿了擔憂，如果都沒有人想加入醫學計畫，要怎麼辦？宣布Research Kit正式上線後的隔天，答案揭曉了！僅僅24小時，簽署加入帕金森氏症研究的民眾居然已經超過一萬人 [6]！這麼驚喜的民眾參與程度，再加之全球使用iPhone的使用者多達數億人，可以想像的是，利用iPhone所收集的資訊的研究成果，絕對是非常令人值得期待的！

除了看起來很炫，還有什麼獨樹一格的優點呢？

想像以下的場景：一位靦腆的大學宅男，尷尬地看著問卷上的問題…「3) 請問您一天運動多長的時間？4) 請問您一週的性行為有幾次？…」他看了看面前那位甜美的護士小姐，終於填下了正確的為了表達男子氣概的誇大錯誤答案。真實性、即時性、便利性！正是利用智慧型手機取得數據的最大優勢，而且由於智慧型手機能夠顯示使用者的生活模式，更提供了前所未有的獨特資訊比對性 (例如每次用手機瀏覽PanSci的網頁後，血壓就會急遽的升高！) [5]，這些看似神乎其技的資訊連結，都是傳統的臨床試驗所無法收集到的資訊！

隱私！隱私！隱私！

個人隱私永遠是各種資料庫最重要的考量，而且利用iPhone收集醫學資訊的作法是前所未有的，也因此所遇到的問題也是前所未見，例如在台灣，如果iPhone的使用者未滿20歲，能參與醫學研究計畫嗎？跨國的醫學研究要如何規範呢？科技發展得太快速，各國的法規是否能迎頭趕上反倒成了最大的問題 [7]。

在中文的市場上，尚未出現類似「Asthma Health」或「mPower」的App，這是一種契機，特別是在台灣有著豐富的醫學專業人才（連首都市長也是～）及資訊軟體的實力，就讓我們期待，不久的將來，會有人應用 Research Kit 開發出中文市場的應用來改變這個世界吧！

本文感謝PAFERS Tech, Ernest Chiang以及國立中山大學, Lin Szu-Yin協助

本文轉載於作者部落格 <Wei-Lun的日常科學分享> 和FB粉絲團  <Wei-Lun的日常科學分享>

參考文獻

1. “Grand Challenges in Digital Health” Front Public Health, 2015, 3, 134
2. Apple官方網頁，Research Kit介紹
3. Apple官方網頁，mPower介紹
4. Apple官方網頁，Asthma Health介紹
5. “Apple’s Research Kit Development Framework for Iphone Apps Enables
6. Innovative Approaches to Medical Research Data Collection” Journal of Clinical Trials, 2015, 5
7. “The big medical data miss: challenges in establishing an open medical resource” Nature Reviews, 2015, 16, 253
8. “An Apple a day keeps the research ethics committee away?” Research Ethics, 2015, 11, 2

報導/陸子鈞

智慧型手機輕巧便利的特質已成功地席捲消費市場，在幾乎人手一支智慧手機的今日，若能結合攝錄影音與網路傳送的功能，就能即時轉播重要活動或緊急事件，讓手機搖身一變為迷你型的媒體轉播站。工研院資通所所研發的「智慧型行動視訊監控技術」正是扮演背後的推手，使用者透過 iOS/Android 手機或專業型可攜式發佈設備，傳送即時影音至雲端伺服器匯集儲存，並即時同步分享這些匯集的頻道給電腦或是手機/平板的使用者，並整合GPS 以及電子圖資系統，使用者可掌握發佈現場的時間、空間、影像、聲音等重要資訊。

資通所游人諭副組長說：「這套系統起初是2006年一場創意競賽中的作品，目標客群是一般消費者，讓每個人拿起手機，就可以作影音的即時LIVE分享，打造個人媒體服務，並透過回饋內容創作者的精神創造多贏互利的營運模式。」然而，這樣的技術及商業模式在當時的環境仍太新，並不容易支撐這個服務的推動。

事實上，除了消費娛樂導向之外，新聞媒體、急難救護、維安保全等專業導向應用更迫切地需要這樣的技術。而在研發團隊持續精進無線串流穩定技術之下，大幅降低在車速行進間的串流斷線率，讓使用者在不穩定的網路下，依然保有好的收視體驗。團隊首先在視訊監控應用中找到利基，針對像保全、維安等高端的應用，開發出以警政功能為核心的雲端視訊監控平台。這套雲端平台具高擴充性，可提供大規模影音串流的存取與儲存；更重要的是，平台包含了串流存取安全控管技術，能阻隔99%常見類型網路攻擊，安全可靠。本平台獲警政署採用，以分散式架構提供全國縣市員警都能使用此服務，實際應用於多次重要事件，指揮官可彙整事件現場狀況，提昇調度效率，成效獲得長官肯定。

值得一提的是，為稽查犯罪事件，辦案人員從蒐集監控影片查找案件相關證據，已成為辦案不可或缺之必要程序，但投入之大量人力與時間成本實為沈重負擔。雲端平台之高擴充性與負載性，可分散派送視訊處理運算工作，提昇影片處理速度；並提供視訊處理功能，像是臉部辨識、人潮流動計算、車牌辨識、物件追蹤…等智慧化視訊分析處理功能，減少警力負擔並節省辦案時間。

此技術已實際應用在 2012 總統/立委大選、2010 台北國際花卉博覽會、2009 台北國際聽障奧運會等大型應用場域，也支援集會遊行、保全維安等勤務。警員只要拿起智慧手機就能快速回報事件現場狀況，雲端平台也能匯集固定式網路攝影機、車載監控系統成為視訊來源，同時兼顧行動監控之機動性與固定監控之廣域性，讓維安沒有死角。

未來研發團隊希望繼續深耕技術，如強化影音編解碼/播放效能、無線傳輸安全性、更便利友善的操作介面、結合更多產學界的智慧化視訊處理功能等，並提供容易整合之SDK 於國內安防安控、娛樂媒體等產業可快速導入，結合行業化的需求，為服務加值。

技術專頁:行動千里眼

更多創新技術歡迎瀏覽解密國家寶藏

台灣曾為了反媒體壟斷鬧得沸沸揚揚，或許有些信奉資本主義相信有錢的大爺只要付得起價格，啥都能買的人，可能還不明白《美麗新世界》（Brave New World）作者赫胥黎（Aldous Leonard Huxley ，1894－1963）的這句名言：「 大規模生產……如果用來生產物資，這種方法很了不起；如果用來複製思想，那就不太妙了。」

還好，這本在2010年榮獲《財富》（Fortune）編輯最愛商業書籍、《紐約客》（The New Yorker）書評最愛書籍、Amazon.com年度商業與投資類十大好書、《華盛頓郵報》（The Washington Post）年度五大好書、《出版者周刊》（Publishers Weekly）年度十大好書的《誰控制了總開關？》（The Master Switch: The Rise and Fall of Information Empires）能夠告訴你，為什麼反媒體壟斷對全民利益非常重要！

《誰控制了總開關？》作者吳修銘（Tim Wu）是台裔美人，畢業於哈佛法學院，現任哥倫比亞大學法學教授、美國聯邦貿易委員會顧問，2002年吳修銘因反對過濾及篩選網路資訊的技術，提出「網路中立性」 （Net Neutrality）理論而聲名大噪。2006年獲選《科學人》（Scientific American）雜誌 50 名具影響力的科學家，2007 年獲選為「哈佛大學最有影響力的100名畢業生」。他的父親生長於台南市，而他曾在台灣南部住過一段時間，非常喜歡台南小吃，尤其是鱔魚麵。

吳修銘在《誰控制了總開關？》仔細研究了整個媒體發展史，從電話、無線電、廣播、電視、第四台、電影、網際網路到智慧手機。吳修銘用深入淺出且流暢生動的文筆，帶我們進入媒體發展的世 界。這些科技帶給我們很多便利，每當我們進入一個媒體科技的新世界，就很難想像沒有這些便利的世界長什麼樣子了，我們的日常生活、社會結構也產生了極大的改變。有些爸媽沒了iPad就不曉得該如何應付吵鬧的小孩。雖然主要是談媒體創新與壟斷的政治、社會、經濟議題，但《誰控制了總開關？》對資訊科技的介紹，也足以把它視作科普書。

吳修銘經過多年研究，發現一種「壟斷－創新」的循環不斷出現：先是新創科技出現，各種可能性應運而生，逐漸地先見之明之士應用這個科技建立了一個媒體帝國，開始壟斷通訊，切除雜音，要求人們以符合帝國利益的方式使用媒體。《誰控制了總開關？》帶我們進入了風起雲湧的媒體帝國，儘管這些媒體帝國暗潮洶湧，可是一般人民和消費者卻可能看到風平浪靜的表面，對許多改變不僅後知後覺，常常也不知不覺。

閱讀全文：

到底是誰控制了總開關？