生態文創：屏東縣「出賣」六大蟲魚鳥獸

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

「屏東縣跨域數位爭霸戰實戰競賽」頒獎典禮暨成果展於11月19號完美落幕。為培育屏東青年數位能力，屏東縣政府特別推動「跨域數位人才培育計畫」，主題包含「AVR 應用」、「數位光影技術」、「智慧物聯」、「自媒體影音串流」及「數位媒體應用」五大類，以透過學習數位工具提升履歷競爭力。更延伸計畫辦理「屏東縣跨域數位爭霸戰實戰競賽」，參賽隊伍都是在屏東就學或就業之青年報名，提供競賽總獎金30萬元，鼓勵與培育屏東的數位人才發揮創意，將屏東的故事透過數位方式展現出來。

本次參賽作品精采多元，展現屏東青年設計的創意及數位能量。包括影片拍攝屏東美食美景的「屏安米樂」及「做伙憩屏東」，利用線上展覽介紹屏東單車路線的「屏東單車旅遊趣」，以及獲得潛力獎的團隊「Animation Pingtung」、「斯卡羅」及「禁忌之戀」，第三名則是由透過線上迷宮遊戲的模式融入屏東各個區域的特產、美食的「屏藏物語」，第二名則是製作了年底即將啟動的屏東數位青創中心外牆，運用非常吸睛的光雕影像結合屏東元素的「光點屏東∞斑雕共構」，第一名殊榮則由屏東科技大學餐旅管理系的「鐵橋記」獲得，同學們運用實境解謎搭配Line機器人，透過遊戲方式介紹高屏溪的歷史。

每個團隊皆發揮獨特創造力，在課程中從0到1扎根數位技能、從無到有創造屬於自己的成果，屏東青年人才有目共睹，展現屏東縣政府陪伴青年，提供良好的創業環境與資源，有望未來提升屏東競爭力！

墾丁除了是台灣第一座成立的國家公園之外，也是遠近馳名的觀光景點。從高鐵左營站離開之後，四處都是三五好友、家庭出遊，以及大包小包的行李，我的筆電、背包等開會行頭一整個顯得格格不入。這次匆匆忙忙來墾丁的目的，是與墾丁國家公園合作討論處理陸蟹過馬路的問題。這些陸蟹平時生活在離水不遠的陸地上，到了產卵的季節，成千上萬的母蟹抱著卵，冒著生命危險穿越馬路，前往海中釋卵。這個過程當中，不少陸蟹因路殺(roadkill)在釋卵之前便死於輪下，因此，墾丁國家公園管理處邀請我們來集思廣益。

面對任何路殺議題之前，最重要是先清楚的瞭解目標物種的習性以及現場的各種狀況，才能針對這些特性對症下藥。簡單的說，這個前置原則就是「因材施策、因地制宜」。不僅要先清楚的瞭解陸蟹，也要實地到現場去看看狀況。

港口社區的陸蟹與威脅

港口社區位於恆春半島東岸，縣道200甲和台26線的交叉口，除了到佳樂水和衝浪的遊客，觀光客比較少到這裡來。港口社區附近的陸蟹共記錄過7科22種，其中以奧氏後相手蟹(Metasesarma aubryi)和中型仿相手蟹(Sesarmops intermedium)為主[1]。奧氏後相手蟹的釋卵與月週期有關，大約會在每年農曆五月至九月的24日到29日間，清晨三點到六點。其中會有一天的高峰期，這一天的數量會比其他天數總和還要多上許多，數量可達萬隻以上[2]。除了路殺的威脅，中型仿相手蟹還因為在水族館能充當聖誕島紅地蟹(Gecarcoidea natalis)販賣，而面臨獵捕的問題。

路殺較嚴重的路段為台26線林業試驗所門口到佳樂水售票亭這一段。這一段路是兩線車道，路段不長、路不寬、車流量小、遊客量少，清晨釋卵時車更少，但是一台自小客車經過，可能就會壓死百餘隻。2012年，東海大學與靜宜大學在45天內共蒐集了7,653隻死於路殺的陸蟹屍體[3]。釋卵期間，母蟹會往海的方向前進，人為燈光會影響母蟹導航，讓母蟹在路燈下滯留。路邊的花台、紐澤西護欄、水溝等等，都會成為母蟹釋卵的障礙，延長釋卵所要花的時間。在道路上滯留的時間太久，體型較小的奧氏後相手蟹(2-3 cm)可能因為乾燥脫水而死。

自己的陸蟹自己救

面對這個生態議題，港口社區並沒有等閒視之。在地居民組成巡守隊，巡視非法獵捕、監測陸蟹釋卵的高峰期、並且凝聚更多社區居民的共識，讓陸蟹的釋卵現象成為在地特色，發展生態旅遊。

目前暫定的解決方案如下：(1)移除各種影響母蟹釋卵的因素，包括障礙物拆除、紐澤西護欄挖開口、管制燈光照明、水溝加蓋、維持路面潮濕。(2)釋卵期間封路禁止車輛通行，尤其高峰期，只能步行進入。(3)遇到大量釋卵時，志工協助落入水溝或在燈光下滯留的母蟹移至海岸。我認為以港口社區的案例而言，這些方案足以大幅減輕路殺的數量。

那麼，動物通道呢？

我在之前的文章提過，動物通道的最大的難處在於如何吸引動物使用，所以我都傾向暫且以保守的態度來思考。港口社區的陸蟹案例有幾個需要考量的重點。(1)陸蟹釋卵一直往海邊衝，遇到障礙就努力翻過去，這個特性是否容易接受引導而使用動物通道。(2)對小型陸蟹而言，多走十幾公尺是很要命的事，因此動物通道的密度必須夠高。(3)動物通道的設計，常常因目標物種與現場狀況而不盡相同，不容易一體適用。設計動物通道是一個不斷嘗試和修正的過程，直到成效提高，因此需要一段測試成效的時期。

動物通道絕對不可行嗎？不盡然如此。試著先設置兩三個通道做測試，試著運用光線、水分鹽度、濕度來嘗試引誘陸蟹，如果成效不錯再增加通道的密度。在北部的溪流及台東卑南溪的魚蝦蟹通道設計上，也曾經有過成功的魚梯和蟹道，加上適當的誘導物，效果很有機會大幅提升。因此，個人認為測試幾個通道也無妨，畢竟跟上述的方案不會互斥，如果動物通道可行，對解決問題也是個加分效果。

鄉民可以怎麼做？

目前港口社區因為陸蟹保育而凝聚了不錯的共識基礎，加上墾丁國家公園管理處與屏東科技大學社區林業研究室的協助，我感覺社區的在地保育與發展的各個環節正在逐漸連結。如果各位鄉民有機會到墾丁玩耍，不妨多走幾里路到港口社區走走，多和居民互動，關心一下陸蟹保育的狀況，也不忘給予國家公園和港口社區鼓勵。這會是對這個議題最大的助力，也能更強化居民保育陸蟹共存的信心。

同時，或許你會發現，除了刺激的海上活動、熱鬧的墾丁大街，我們的恆春半島還有一個默默為環境努力的小社區。他們的付出，靜默如山、低吟如海，卻有那山與海的永恆價值與力量。

引用文獻

1. 劉烘昌。2010。墾丁國家公園陸蟹資源調查與經營管理計畫2。墾丁國家公園管理處成果報告。
2. 林芷頡。2010。奧氏後相手蟹降海釋幼之導向行為機制研究。靜宜大學生態學研究所碩士論文。
3. 張宏逢、洪海庭、林佳蓁、陳鈺雯、陳昱玄。2012。那些年我們一起收的螃蟹—墾丁國家公園港口溪陸蟹路殺調查。東海大學生命科學系、靜宜大學生態學系。

延伸閱讀

• 滿州港口社區生態旅遊 Facebook
• 小小魚兒要回家 魚梯好走嗎？
• 幫野生動物過馬路：動物通道可靠嗎？
• 沒有路殺就皆大歡喜了嗎？
• 社區林業生態旅遊、Facebook