深度攝影機與即時3D建模技術

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

十九世紀初，倫敦一家樂器行走出來一位十幾歲的學徒，他握著剛領到的工資，興奮地又來到附近的舊書攤買書。這一次他的目光被一本描述伏打 (Alessandro Volta) 所作電學實驗的書給吸引住，但他身上的錢不夠，而且這是本法文書，他還得再買本辭典才能看得懂。他還是下定決心將手中的錢給老闆當訂金，並在之後攢夠錢時將書與辭典買回家。

研讀之後，他找了哥哥一起打造書中所述的伏打電池，但只剩零錢不夠買所需的銅片。他靈光一閃，根本不用買，就拿手上的銅板便士 (penny) 取代就行啦！這就是惠斯登，從小就努力追求新知，並展露發明的天份。

他的發明橫跨不同領域。除了在自己的本行上發明六角形手風琴，他也是全世界最先發明 3D 圖片顯示裝置的人──他讓左右兩眼同時各自觀看 45 度角的反射鏡，而產生立體效果。他發現不同的金屬放電時產生的火花，透過稜鏡會呈現各自特有的光譜，為光譜學開啟了先河。他還發明一種矩陣加密法 (Playfair cipher)，而廣被軍隊採用，直到第二次世界大戰初期仍被部分英軍使用。

不過他奉獻最多的還是在電磁學方面。他將電線從中切開，接上萊頓瓶，再用快速旋轉的鏡子測量跳過電線缺口的火花延遲的時間，而估算出電流的速度。雖然他得出的數值比真正的電流速度還快了 50%，但他所發明的旋轉鏡卻在後來物理學家測量光速時派上用場。他和威廉・庫克 (William F. Cooke) 於 1837 年共同發明電報，不但成為最早的發明者，並且在兩年後沿著鐵路建造了世界上第一條商用電報線路。他改良別人的設計而發明的「惠斯登電橋」(Wheatstone bridge) 至今仍被廣泛用來測量電阻。他也是最先在發電機中用電磁鐵取代永久磁鐵，而成為能產生大電流的工業用發電機的發明人之一。

惠斯登靠著自學，從一個樂器行的學徒變成一位多產的發明家，還成為英國皇家學會的一員，可說是事在人為的最佳例證。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。

報導/江書賢

在生活中各種時刻，拿起智慧型手機把所見的人事景物拍攝下來，或者透過網路攝影機和朋友視訊通話，對於許多人來說已經是生活不可或缺的部分。在不知不覺間，我們常常是透過屏幕來觀察實體世界；另一方面，我們更是經常透過屏幕來瀏覽網路等資訊世界裡的訊息。既然兩者都常常透過同樣一種媒介和我們接觸，資訊和實體兩個世界愈來愈加緊密的結合，便是一個不讓人意外的趨勢。例如我們藉由掃描印在實體物品上的QR code，來讀取連結的資訊，或者是用手機拍了照片以後，使用Line等軟體把相片加上可愛的熊大與兔兔貼圖，像這些把來自資訊世界裡的文字或者影像，附加在來自真實世界的物件影像上的需求，將會更加普遍的成長。

擴增實境(Augmented Reality，AR)是將電腦、網路等資訊世界中的虛擬影像（尤其是３Ｄ影像），和實體世界中的物品互相結合，並且實現使用者與虛擬影像物件之間互動的技術。想像我們手拿一張圖片，在手機鏡頭或Web cam前面輕輕一晃，屏幕中所顯示的影像，除了出我們手拿著實體圖片以外，還憑空長出一些3D的虛擬物件，比如說飛碟或機器人，會追著我們手拿的圖片跑，甚至我們可能可以和這些虛擬3D影像進行互動，是不是很有趣呢？又或許是拿著某個商品的包裝盒，屏幕中的包裝盒上就會浮現出盒內商品的３Ｄ影像，比起印刷在平面上的包裝照片來說，能更增加消費者和包裝商品的接觸感。擴增實境的技術，想必在未來的物聯網中將會是一項商品銷售競爭上的利器。

既然要達成虛擬物件和真實物件兩者之間的連結，就必須讓電腦具備能從攝影機所拍攝到的影像中辨識出實體物件的能力。目前比較普遍的是利用QR code標示在實體物件上，但是如果要更普遍的廣泛應用在各種物品上，大家應該不會喜歡見到隨處可見的各種物品都印上死板的黑白方框圖像吧？如果電腦能夠直接辨認出物件上本身就具有的紋理特徵，就可以讓虛實物件之間的整合更加自然而不留痕跡，這就是無圖標AR技術所要達成的目標。

工研院南分院微系統中心視覺互動技術部的陳柏戎經理表示，先前無圖框AR的技術已在外國發展一段時間，技術由外國公司掌握，若是國內的廠商想要將無圖框AR的技術應用在商品上，必須支付很高昂的授權費用，所以目前國內很少廠商能利用這一種技術。工研院為了提供國內廠商的底層技術支援，因此著手進行無圖框AR的自主技術開發。

研發團隊目前的軟體技術開發成果，除了能達成不需要有特定邊框圖案的物件紋理特徵辨識與追蹤以外，更可以容許辨識目標物有超過30度的旋轉，並且容許辨識目標30%的遮蔽，因此電腦能夠更容易的成功辨識物件，不會因為在實用情境下，物品沒有正對著鏡頭，或著因為手拿著物件時不小心遮蔽到一部分的圖樣，就無法成功辨識物品。

相較於QR code 使用方形邊框與黑白圖樣等預先規定的特定圖樣模式來作標示，無圖框AR的技術目標是要能辨識更加自由多樣的圖案或紋理特徵，所以圖樣辨識的演算法必然會比QR code的辨識要複雜上很多，辨識的運算速度因此成為技術開發上的一大挑戰。研發團隊在開發演算法時，必須設計目標物件紋理的不同特徵部位的定義與擷取方式、權重分配，並且考慮辨識目標在各種不同的情境，如光線、旋轉角度、目標物和鏡頭間的距離時，能夠自動選用一組適合的特徵定義方式來進行辨識，才能使執行速度夠快，以符合即時性的要求。

除了目標物件特徵辨識的演算法以外，研發團隊進行的另一項技術開發重點是實體物件的辨識系統與虛擬物件的3D繪圖引擎的整合。目前市面上的3D繪圖引擎有許多不同的廠牌與版本，若國內的產品開發廠商想請國外公司提供無圖標AR技術的服務，經常會碰上兩家公司所使用的軟體不一致的情況，國外的技術廠商不一定會願意為小型的客戶處理軟體的相容性問題，因此會造成技術運用上的障礙。工研院作為促進本國創新科技的研發與技術支援單位，進行自主技術的開發，可以為國內的業者提供無圖標AR系統與其他軟體相容性問題的解決服務，作為國內產業底層技術的後盾，並且促成國內相關廠商的技術合作與整合。工研院所研發的系統目前是在PC平台上運作，現在正把開發目標朝向跨平台的技術延伸，如智慧型手機等行動裝置與嵌入式系統上。

擴增實境(AR)技術的概念已經被提出了十幾到二十年的時間，但是過去因為取像與顯示設備的體積、重量、成本等等硬體的限制，所以仍未充分發展，但是隨著近年來這些硬體設備的快速發展，甚至如Google Glass這些隨身的穿戴式系統也開始崛起，擴增實境的技術未來將有很大的應用空間與成長機會。或許在不久後的將來，人們就可以戴著擴增實境眼鏡上街，像許多科幻電影中機器人的視野一般，眼中所見許多物品旁邊都附帶著凌空的立體虛擬圖像或者文字資訊。

技術專頁:無圖標AR技術 

更多創新技術歡迎瀏覽解密國家寶藏