人類的寶寶只要午餐晚了一點送來，就會吵鬧，但企鵝寶寶就很能保持「冷」靜。像一團完整毛球般的國王企鵝寶寶，非常適應寒冷的氣候。但當它的雙親離開去尋找食物時，企鵝寶寶就必須獨自等待，度過長達五個月沒有食物的時間。為了要了解幼鵝在這段期間裡，如何節省能量，研究人員在十隻3到4個月大的企鵝體內，裝上記錄器，記錄胃、胸腔和脂肪的溫度，長達七個月之久。結果顯示，幼鵝體內的溫度，在寒冷或雨天禁食期間，下降達到15˚C，這對十公斤的企鵝大寶寶而言，驟降程度非常驚人。過去發現體溫在寒冬中降低最多的是澳洲蟆口鴟，而它的體重也才僅僅500克。小企鵝在吃低溫食物時，體內溫度也會下降，例如當企鵝雙親帶著滿口的魚歸來，企鵝寶寶吃這些已經被咀嚼過的食物時，體溫會下降達15˚C。
資料來源：ScienceShot: Baby Penguins Know How to Chill Out [16 August 2011]
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
說到用兩隻腳走路的鳥類，就不得不提企鵝。企鵝用兩隻腳在冰上搖搖晃晃走路的樣子非常可愛。在水中卻可以自由自在地高速游泳、追捕魚，這兩種樣子帶給人的印象有非常大的不同。
話說，企鵝意外地可以走很長一段距離。牠們會在地上蒐集石頭來作巢，所以當然要可以走到築巢的地點。通常企鵝類的繁殖群會位在距離海岸線幾百公尺的地方，但有時會在距離海岸 3 公里以上的內陸，想像企鵝排成一列搖搖晃晃地走 3 公里，實在是可愛至極。
說是這樣說，但是走 3 公里，我們人類都覺得有點遠了，企鵝真的可以搖搖晃晃走過去嗎？
牠們的走路方式感覺效率很差，好像很累。企鵝走路時腳會使用的力量以及計算其所需能量的研究顯示，企鵝的走路方式一如外表印象，效率很差。大概所有人都會覺得「我想也是」吧，但我們不妨來仔細思考為什麼會效率很差。
在討論企鵝的步行時，首先得要知道的是其獨特的體型。企鵝看起來是用兩隻腳站著，腳感覺極端的短。大概因為身上的毛色彷彿穿著燕尾服一樣，總覺得像是人類的喜劇演員一般。
但是牠嚴格說來並不是「站著」。看企鵝的骨骼圖（圖一）就很清楚。髖關節跟膝關節強烈彎曲的姿勢，以人類來說就是「蹲著」。換言之，企鵝時時刻刻都是蹲著的，連走路時也是蹲著的狀態。試著自己蹲著走路看看，就會像企鵝那樣搖搖晃晃地。牠們搖搖晃晃的姿態，背後的祕密就是體型與姿勢。
而由此延伸，企鵝的步行方式非常沒效率的理由，可能就是身體橫向搖擺和轉動幅度非常大。搖擺跟旋轉的動作，對前進而言怎麼看都是不必要的舉動，但是根據之前的研究，其實企鵝不搖晃反而效率會更差。之前也說過雙足步行的動能跟位能要有效率地轉換，才能有效率地運動，但企鵝似乎是用橫向搖擺的動作來進行這種能量轉換。
也就是說，企鵝走路效率不佳的理由，跟牠們這種體型跟姿勢有關。
企鵝的腳確實很短，以現在還活著的企鵝種類來說，體型最大的皇帝企鵝的體重將近 20 公斤，和澳洲的平胸鳥類鶆䴈幾乎相同，然而比較這兩種鳥類的腿長的話，鶆䴈的髖關節大概在 80 公分高的位置，而皇帝企鵝大概在 30 公分高左右。明明體重差不多相同，企鵝的腳的長度卻只有鶆䴈的一半以下，步行效率差也是沒辦法的事。
本章已經反覆提過好幾次，腿愈長一般來說會步行速度愈快、效率也愈好，企鵝的短腳和蹲下的姿勢非常不適合走路，這點沒有人能否定。
企鵝的腳會這麼短，恐怕是為了在寒冷地帶保住體溫。雖然也有棲息在熱帶的企鵝，但多數企鵝都棲息在極地，在水中跟地面上不失去體溫就是牠們最重要的課題。四肢末梢要是比較長，就會因為體積的表面積變大，容易失去體溫。所以在寒冷地帶演化的物種，耳朵等突出部位通常都會比較小。
雖然意外地能走很長距離，但企鵝仍然主要屬於在寒冷地區游泳的鳥類，為此演化出的短腿跟蹲著的姿勢，必須讓身體左右搖晃走路來補足才更有效率。
——本文摘自《鴿子為什麼要邊走邊搖頭？》，2023 年 8 月，晨星出版，未經同意請勿轉載。
你的手機能無線充電嗎？不過，雖說是無線充電，但還是得要放在充電盤上，由充電盤連結一條電線，這樣的充電方式，想必跟大家期待的「真．無線充電」有落差。
好消息是，有人提出一種藉由捕捉空間中的無線電波、獲得電能的無線充電方式，所以代表這些電能是完全免費的！但……這是真的嗎？
現在我們已經可以透過無線網路串連全球的資訊，但是遠距能量傳輸卻尚未成真。
當代的無線通訊裝置，舉凡手機電話、wifi 網路、無線電、衛星定位等，都可以靠著不斷地發射無線電波來交換訊息。不過其實仔細想想，無線電波、電磁波其實就是不斷變化的電磁場。既然可以透過磁場變化來傳遞能量，那這些強大的電磁波網絡，是不是也可以拿來傳遞電能呢？
實際上還真有類似的例子，一百年前最早的收音機竟然完全不需要插電！礦石收音機只需要天然礦石、金屬針、線圈和一些電線，就能收到附近廣播電台送出的訊號，轉換成聲音並放出。
那麼為什麼沒有沿用至今呢？主要就是效率的問題。礦石收音機需要不斷調整金屬針接觸礦石的位置，還得拉長長的天線來捕捉更多的無線電波；市售的礦石收音機玩具，甚至附有一條長長的鱷魚夾電線，可以接到大型金屬家具，產生更清楚、更大聲的聲音。當然這種收音機很快就被以電驅動的真空管收音機取代了。
2021 年初小米曾發表過隔空充電技術專利，利用指向型遠距充電，系統會先定位出手機的位置，再透過多個天線組成的陣列將電波瞄準發射給手機，克服電磁波發散的問題，據稱能在數公尺內進行無線 5W 的無線充電，雖然還不到快充，但也算是革命性突破。不過目前還在技術發表階段，尚未正式推出。
再換個角度思考，能量在傳遞的時候會向四周發散，而我們生活周遭到處都是會發出電磁波的 3C 產品，那能不能反過來，捕捉這些由其他電器溢散的電磁波，並轉為能量呢？
還真的有人這麼做了。收集這些廢能，並轉化成可用電能的技術，就稱為「無線射頻獵能」。近十年來，有許多相關的技術與研究，不過效率大多還未到達實用階段。
就在今年一月，美國麻州大學團隊發表了一種可以用於無線射頻獵能的線圈手環，而且功率竟然比一般的線圈天線高十倍以上。
有趣的是，其實他們當時並不是在研究無線充電，而是如何使用 LED 快速閃爍來傳遞訊息；這種名為可見光通訊 VLC 的技術，有望成為未來 6G 通訊的方式。但發現到，這種技術需要 LED 以每秒數百萬次的頻率閃爍，過程中會釋放出大量不可用的無線電波，浪費掉許多能量；於是轉念一想，嘗試用線圈收集這些逸散的能量，降低傳訊時的能量浪費。
研究團隊發現，當線圈靠近金屬片時，收集能量的效率會變得更好。透過反射增強訊號，金屬片吸收環境中的電磁波再向外放出；隨著金屬片面積越大，攔截到的電磁波也越多，收集能量的效果也越好。
但是無線充電就是要擺脫這些笨重的金屬板，於是研究人員開始拿生活周遭的 3C 產品來進行實驗。從獵能的功率來看，效果最好的依序是筆電、平板、手機。這和預期的一樣：面積越大，獵能效果越好。
然而，意想不到的是，實驗效果最好的，竟然是人體！
推測這是因為人體中含有大量水分，其容易導電、被極化的特性有助於蒐集空間中的電磁波。人體就是一根巨大的共振天線，能增加無線電訊號的發射效率，同樣的道理，也可以用來收集環境中的無線電波能量。
研究團隊將線圈手環的設計稱為「Bracelet+」，是第一個借助人體的獵能裝置；後續又嘗試將線圈做成戒指和手環，希望能打造出輕便的隨身獵能裝置。
那這樣是不是以後只要綁條線圈在手上，就再也不需要幫手機充電了呢？該線圈手環目前在數公尺的距離外最多可以捕獲微瓦等級的功率，也就是百萬分之一瓦。用這種電壓當然不可能幫手機充電，不過已經足以供應一些低功耗的隨身裝置，像是常見的智慧健康手環，或是負責監控體溫或血糖的元件，甚至類似心律調節器的植入式醫療器材，或許就可以利用該線圈設計，減少充電的頻率。
在 5G 物聯網的架構中，各種居家和隨身裝置必須隨時維持連線，如何為這些獨立、低功耗的裝置供電便成了重要的課題。在這種情況下，如果可以汲取周遭無線電波的廢能，不只可以節省能源，還能免去定期更換電池或充電的麻煩。
目前的 5G 和開發中的 6G 技術，都持續往電磁頻譜中更高頻率的部分去探索，設置覆蓋率更高、頻譜更寬的無線通訊網絡，而這些頻率的電磁波也將為無線充電帶來新的發展機會。
去年在 Scientific Reports 期刊上，有篇研究提出了 5G 網路作為電力網的想法。團隊針對 5G 使用的頻率設計出一種天線以及搭配的電路，可以在 180 公尺外接收到 6 微瓦，為無線電力網的夢想邁出了第一步。
不過，在這波遠距無線充電的熱潮下，市面上也出現許多令人半信半疑的遠距充電技術。
例如 2011 年一家新創公司推出了超音波充電技術，宣稱可以透過空氣的震動替手機充電；然而，雖說超音波充電雖然在原理上可能可以運作，但在充電效率和經濟成本上根本不切實際，對人體健康的影響也相當有爭議。
除此之外，還有一家叫做 TechNovator 的公司推出了前所未聞的量子充電技術，他們宣稱可以透過「能量量子化」來傳輸能量，並且在「空間中創造能量結構」，還不需要任何形式的電磁場，就可以達成 100 瓦的無線充電！至於到底有沒有這麼好的事，就留給各位判斷了。
在所有物品與資訊都以無線網路相連的這個時代，無線的電力傳輸與電力網是關鍵的下一步；能夠有效的無線傳輸能量，才能讓我們生活周遭的智慧裝置擺脫電線的束縛，減少電池的消耗，成為一個自由移動，自給自足的物聯網。
不論是透過可見光、wifi、還是 5G 訊號，無線且遠距的充電與獵能，將來勢必會有讓人驚豔的發展。
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！
會讓人想到這個?
https://monographs.iarc.who.int/list-of-classifications
Magnetic fields, extremely low-frequency 2B 80 2002
Magnetic fields, static 3 80 2002
Radiofrequency electromagnetic fields 2B 102 2013
Electric fields, extremely low-frequency 3 80 2002
Electric fields, static 3 80 2002
人類的寶寶只要午餐晚了一點送來，就會吵鬧，但企鵝寶寶就很能保持「冷」靜。像一團完整毛球般的國王企鵝寶寶，非常適應寒冷的氣候。但當它的雙親離開去尋找食物時，企鵝寶寶就必須獨自等待，度過長達五個月沒有食物的時間。為了要了解幼鵝在這段期間裡，如何節省能量，研究人員在十隻3到4個月大的企鵝體內，裝上記錄器，記錄胃、胸腔和脂肪的溫度，長達七個月之久。結果顯示，幼鵝體內的溫度，在寒冷或雨天禁食期間，下降達到15˚C，這對十公斤的企鵝大寶寶而言，驟降程度非常驚人。過去發現體溫在寒冬中降低最多的是澳洲蟆口鴟，而它的體重也才僅僅500克。小企鵝在吃低溫食物時，體內溫度也會下降，例如當企鵝雙親帶著滿口的魚歸來，企鵝寶寶吃這些已經被咀嚼過的食物時，體溫會下降達15˚C。
資料來源：ScienceShot: Baby Penguins Know How to Chill Out [16 August 2011]
fierycloud
