面對科技進步帶來的轉變－《富足》讀後感

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

我們可能很難想像未來的生活之面貌，因為總是有意想不到的科技產生，不過科幻小說家還是能讓我們充滿想像。究竟科幻小說家想像的未來又有多真實呢？來讀讀 美國日裔科學家加來道雄（Michio Kaku）的《2100科技大未來：從現在到2100年，科技將如何改變我們的生活》（Physics of the Future: How Science Will Shape Human Destiny and Our Daily Lives by the Year 2100）這本既科幻又科普的好書吧。

雖然說《2100科技大未來》是要預測未來近一百年的科技發展，不過其大半內容，主要還是要介紹現代最尖端的先進科技，以及那些尖端高科技在未來的發展。 這個任務，最有資格的執行者之一，就是作者加來道雄。和凱文．凱利（Kevin Kelly）的《科技想要什麼》（What Technology Wants）偏重哲學式思考不同的，《2100科技大未來》更在乎的是科技的務實發展；其預測的未來也比《富足：解決人類生存難題的重大科技創新》 （Abundance: The Future is Better Than You Think）預測的還更長遠，而且不像後者還需顧及政策面（請參見〈究竟科技想要什麼？〉和〈理性樂觀的富足〉）。

加來道雄是紐約市立大學理論物理學教授，超弦理論（Superstring）的奠基者之一。他同時是Discovery頻道《科幻成真》（Sci Fi Science: Physics of the Impossible）的節目主持人。他主持了兩個廣播節目：《探索》（Explorations）和《奇幻科學》（Science Fantastic），在超過140個廣播電台播出。他還著有《穿梭超時空》（Hyperspace）、《愛因斯坦的宇宙》（Einstein’s Cosmos）、《電影中不可能的物理學》（Physics of the Impossible）、《NEXT 20 years and after》（Visions）、《平行宇宙》（Parallel Worlds）等書，大多也有繁體中文版。

加來道雄推估，我們人類社會將會在科技大幅飛躍下，在百年內進入第一型行星文明。至於啥是行星文明？加來道雄指出，那是能夠充分控制居住行星能源來源的文 明。我們現在的文明，大概是一個0.7型的行星文明。第二型文明可能開發恆星輸出的全部能量。而進入第三型狀態以後的文明，將已經探索過星系內的多數地 方。

加來道雄探討人類文明的幾個進展方向，分別是「電腦的未來──心靈控制物質」、「人工智能的未來──機器的興起」、「醫學的未來──完美與超越」、「奈米 科技──萬物始於虛無？」、「能源的未來──來自眾星的能源」、「太空旅行的未來──奔向眾星」、「財富的未來──贏家和輸家」、「人類的未來──行星文 明」。

不過，科技始終來自人性，即使未來人類文明進展至行星文明，人類還是會深受穴居人原則的約束，也就是說我們演化千萬年而來的原始慾望（娛樂、情感、社交等），仍然不會受到高科技的改變，而且會繼續影響我們的行為、決策和選擇。

加來道雄指出，在電腦的未來中，軟性電子紙會當道，而類似Google眼鏡的也將進展至隱性眼鏡的地步。晶片將會在功能更為強大下繼續縮小，而且在生活中 各種物品中無所不在。不過加來道雄也提到晶片的縮下有其物理限制，並嚴正警告矽谷該設法準備面對，否則矽谷也會淪落成下一個鐵鏽地帶。未來甚至會出現可以 接收腦波的晶片，然後控制的物體移動和運作，我們就可以念力控制物質，未來人類就會像神話中的天神般！

《2100科技大未來》揭示的未來世界，機器人無處不在，雖然它們未必都以人形現身。機器人漸漸取代單調的工作，並代替我們去從事危險的工作。台灣未來老 齡化社會最大的隱憂是老年照護，而未來機器人可以勝任這個工作。而人工智能，也要對人類友善，以免人類淪為機器人的奴隸。

未來我將可以便宜地取得自已的全基因體（書中用「基因組」一詞）的序列，瞭解自己罹患疾病的風險，還可以為「體質」量身訂做藥物和療法呢（請參見〈從基因標靶藥物，到實現個人化醫藥的未來基因體醫療〉）。生物醫學家還能夠利用幹細胞加上3D列表機印出完整的人體器官（請參見〈第三次工業革命的自造者時代〉）。甚至還利用基因療法來改善自己或下一代的遺傳，不過這在生物倫理學界仍有極大爭議（請參見〈人性正義的反對完美〉），我想加來道雄這位物理學家有點太單純了。

《2100科技大未來》還預測出可以隨時監控癌細胞晶片，在我們吃喝拉撒睡時守護我們的健康。其實，儘管所有動物都難逃一死，不過並非所有動物都會經歷老 化（例如海龜等爬蟲動物，不是老死，而是因為意外、饑餓或被獵食而死），因為只要我們掌握這些動物不老的秘密，我們就能減緩老化、延長壽命。

未來科學家和工程師會開發出利用分子、甚至原子層次的奈米裝置。在醫療方面，癌細胞在被上述晶片測偵出時，就利用奈米裝置巡航我們身體，把癌細胞找出並消 滅它們。雖然晶片可能無法再更為強大下繼續縮小，但是量子電腦或是DNA電腦出現可以取代晶片的不足。可程式化材可能將會讓《魔鬼終結者第2集》 （Terminator 2: Judgment Day）中可以改變形狀的殺手機器人可行，不過與及用來當殺手，我們將會用可程式化材來製造建築、家具等等吧，還可視使用情況或心情調整形狀和結構呢。

《2100科技大未來》指出，受控核融合將完全取代石油的乾淨能源方案，書中清楚並深入淺出地解釋了受控核融合在工程上的可行性及困難處。不少物理學家也對受控核融合在我們有生之年成為實際運作的科技深具樂觀的信心（請參見〈給未來總統的物理課－必須面對的科學真相〉）。還有利用室溫超導體可以做出磁浮科技，未來汽車、列車可以高速在低阻力的情況下行駛。室溫超導體也可以大幅降低電子在纜線內傳輸的耗損，讓未來電力經濟地超長距離傳輸成為可行。

談科技未來，不免俗一定得提到星際旅行。《2100科技大未來》指出，未來利用大空電梯探索《地心引心》（Gravity）中呈現的地球美景，將不再是夢 想而已。而人類下一趟最大探險，將會是火星登陸。我們甚至有可能再利用當時的高科技，改變火星大氣而讓人移居。我們也將會派機器人前往其他太陽系探險。

最後，《2100科技大未來》討論人類的財富未來。加來道雄指出，科學實際上就是經濟繁榮的引擎，也有經濟學家同意並也提出現在的經濟停滯發展就是因為受限科技進展（請參見〈軟柿子不再垂得低低的大停滯〉）。《2100科技大未來》也表示，未來主要的工作將是屬於需要有判斷力與創造力者。機器人將取代只能執行單調重複動作的工人。未來的人生勝利組將是屬於能夠好好用心地利用知識提供有效判斷力的人。

加來道雄卻感嘆現在美國的金頭腦大都跑去華爾街玩財富轉來轉去的炒作遊戲，而非投入科學與工程的研發。當然金融業的資金流動對科技業也很重要，但過猶總是 不及的。再加上，歐美日等先進國政府也因舉債過高而大砍科研預算，而且也有新自由主義論者從沒弄懂，政府才是高風險科研唯一也是最佳的支助者，因為極少有 大企業有能力和心思會想要進行革命性科技的研發，而僅是把政府支持研發出的知識做應用性開發。

我們未來的前途，可能不是科學家和工程師的能力問題，而是政治和經濟能否有足夠的智慧允許科學家和工程師從事未知知識的研究探索。因此，《2100科技大 未來》所樂見的高科技文明的願景，只要在世界各大國政府仍然還有遠見地繼續大力支持和贊助科學研究的情況下，就會是我們人類的實際未來！

本文原刊登於Readmoo.com【GENE思書軒】，並同步刊登於The Sky of Gene。

研究指出，即使不多，對人慷慨能讓人感到富足。

無數的研究指出擁有大筆財富不一定能讓你快樂。一項新研究指出，即使你不富足，對人慷慨解囊還是能讓你感到富足，因此更加快樂。

聽起來好像違背常理嗎？但是並沒有。實驗作者哈佛大學商學院副教授諾頓（Michael Norton）在個性與心理學學會(the Society for Personality and Social Psychology)年會上發表這項研究結果。諾頓副教授說：「慷慨解囊是人們展現財富的一種方式」，他想知道，不富足的人對別人慷慨會是怎樣的情況。

結果，對人慷慨增加了專家所說的「主觀富足感」(subjective wealth)，就是你感到自身富足的程度。諾頓解釋，這種想法就是你會想說：「如果我還夠富足，能對別人慷慨，那或許我的情形並不糟」。研究團隊認為：「我們認為對人慷慨的行為也能給予自己一種富足的感覺，即使他們失去了一些財富，他們卻主觀地認為自己更富足」。

諾頓表示，捐贈也能讓捐贈者感到自己的影響力增加，因此讓他們感到更快樂，因為捐贈行為「滿足了一種表現富足地位的深層渴望」。

在這項新研究中諾頓並未詢問捐贈者捐贈幫助他人是否讓他們感到快樂。「但是我們先前的研究指出人們的確能感到快樂，實際上，他們從進行利社會(pro-social)行為得到快樂」，他表示。

在其中一個研究中，諾頓使用了世界民意調查(Gallup World Poll)，調查參與者過去一年是如何花用意外之財的，以及他們將多少比例的意外之財做慈善用途還有對自己的財務狀況有何感想。

2000位受訪者中有559位過去一年有得到意外之財。排除了三位得到1百萬美金以上的「特例」，平均得到的意外之財是1500美金。其中99個人說他們將3%的錢做為慈善用途。

諾頓藉由問問題來評估主觀富足感。即使是與更多的收入比較，捐贈可以帶來更多的主觀富足感。

他計算，捐贈500美金帶來的主觀富足感等同於額外一萬美金的收入。

在一則相關研究中，諾頓發現那些願意花時間當志工幫助病童或從事其他慈善活動的人比起那些沒當志工的人認為自己有更多的時間。他推論這是因為那些人認為自己有時間幫助他人，因此肯定自己有很多時間。

在捐贈過後感到更為富足是因為對於富有這個概念的認知，喬治梅森大學心理學系的名譽教授James Maddux對此表示認同。這是因為「我覺得我有足夠的錢做捐贈，我一定過得比我想的還富足」，他也補充說：「人們在感到更為富足後也對生活更為滿意」。

這個新研究也與其它比較自身與他人的研究有關聯，Maddux說。「心理層面來說，對人們重要的不是真正擁有多少錢，而是在與他人比較下擁有多少。」

原文來源：Give Away Your Money, Feel Happier? – U.S. NEWS [21 JANUARY 2013]