如何預測來年楓糖漿的產量？

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

• 文／Carol Hsu｜生科系畢業，目前工作與臨床試驗相關。喜歡植物，想要小丑魚。

今早，我想來點麥當勞的美式煎餅配咖啡?

等等，你是不是忘記給我楓糖漿。

其實，楓糖漿( Maple Syrup )可不只是搭配美式煎餅的小角色。在加拿大，人們更加楓糖漿視為國寶，楓糖漿更有著「液體黃金」的響亮稱號。

楓糖漿不只擁有甜而不膩的好滋味，更是富含維生素以及胺基酸等養分，且具有高營養價值，有益於身體健康；此外，相較於其他糖類，楓糖漿的熱量也較低，因此食用時較不會為身體帶來過多的負擔。

那麼，楓糖漿究竟是如何製成的？又是從何而來的呢？

鑿開楓糖樹幹收集汁液，甜滋滋糖水就此攻佔餐桌

早在 17 世紀時，居住在北美大陸的印地安人，就已經開始食用楓糖漿。

在印第安語中，楓糖叫做「Sinzibuckwud」，意思是「汲取自樹木」 （Drawn from the wood )。在春天來臨時，他們會將糖楓樹（sugar maple）剖開或是鑿洞，藉此收集樹幹的汁液，並且將其加熱蒸煮，蒸發掉多餘的水分，熬製成我們所熟知的楓糖漿。

楓糖漿主要成分是蔗糖（sucrose），但是楓樹的汁液，是含有葡萄糖、有機鹽類、胺基酸、酵素等有機物質。楓糖漿嘗起來有著不同風味，除了因為來自不同樹種、地區之外，還有在於這些成分比例上的不同。

那麼，這甜甜的楓樹汁液又是如何形成的呢?

夜晚結凍、白天融化，溫差大讓楓樹汁液被擠出

有別於普遍認知中，植物輸導組織中的木質部（xylem）是負責運輸水分及礦物質，韌皮部（phloem）負責運送養分。這含有蔗糖的楓樹汁液，是源自於楓樹木質部的汁液（sap）。

在北美大陸，冬季與春季的交替之時早晚溫差很大，溫暖的白天與凍結的夜晚週期地更替，此時，楓樹中的水分正處於凍融循環之中，不斷地結冰、融化，然後再結冰。

當午夜來臨，環境溫度降低，此時楓樹中木質部的水氣遇冷結凍成冰；到了白天，溫度漸漸升高，夜晚形成的冰融化，進而導致樹幹中的氣體膨脹，對於外壁產生壓力，這壓力會將楓樹汁液從根部推向莖頂，然後從最近的出口離開樹幹。因此，在收集糖楓樹汁液時，若是對糖楓樹施加壓力，可是能獲得正常產量的三倍以上的楓樹汁液呢！

可不是所有的楓樹都能用來製作糖漿。在眾多種類的楓樹種中，糖楓、紅楓以及黑楓最常被拿來製作楓糖漿，其樹幹枝葉的含糖量平均有 2~3%；以糖楓樹為例，其汁液的含糖量大多落在 2 至 3 %，含糖量較高的樹汁液還可以達到 5 至 6%甚至 10%。

那影響楓糖漿的產量及甜度的因素是什麼呢？

天氣因素、種子產量，都會影響楓糖甜度與產量

影響楓糖汁液含糖量的因素，除了樹種間的差異，另一因素則是取決於楓樹冬季時儲存多少的糖。楓樹枝液的糖分，主要是來自於秋冬時儲存於根部的養分，楓樹在秋季時落葉及儲備養分，待春季時，再將養份分解，提供給初生的新芽。

像楓樹這種耐蔭樹種，會傾向在冬季貯藏較多的糖。只要照射到足夠的陽光及擁有充足的水分和養分，楓樹就可不斷地行光合作用，製造出更多的糖。這糖份的產量，是遠比自身生長所需的量來的更多，因此才能在樹蔭遮蔽的貧瘠時提，維持基本生命所需。

此外，楓樹汁液在樹幹中的流動也會受到夜晚結凍與白天溶融的溫度差所影響，對於楓糖漿生產者而言，出太陽的時候，是收集楓糖汁液的好日子，因此，3、4月時的最高溫與最低溫溫差，會影響楓樹汁液的產量。

不只有天氣因素會影響楓糖產量，近期研究指出，楓樹種子的散播量，在楓糖漿產量預測上扮演著重要的角色。

研究團隊收集了過去 17 年來佛蒙特州 28 個站點，楓糖漿的產量以及糖楓樹總種子含量，結果發現，當楓樹的種子產量爆發時，隔年的楓糖漿的產量都會下降，因此可知，楓糖漿的產量會隨著糖楓樹種子的產量增加而降低。

楓樹汁液所含的糖以及種子需要的養分，都是由楓樹中的碳水化合物合成，因此樹木生產大量種子的時候，其所能生產的楓糖的量就大幅降低。

雖然楓樹種子產量明顯影響楓糖漿的產量，天氣對於楓樹汁液的影響仍是不容小覷的。因此，如果把種子的產量、天氣以及溫度都一起列入考慮的話，或許就能更準確預測明年楓糖漿的產量囉！

對了，楓樹喜歡寒冷的環境，太過炙熱的環境，對於楓樹的生長以楓糖漿的產量都會造成衝擊。在享用楓糖漿帶來的美味同時，也別忘了好好愛護地球，一起減緩全球暖化的速度。

1. Rapp, J. M., & Crone, E. E. (2015). Maple syrup production declines following masting. Forest Ecology and Management, 335, 249-254.
2. Duchesne, L., Houle, D., Côté, M. A., & Logan, T. (2009). Modelling the effect of climate on maple syrup production in Québec, Canada. Forest ecology and management, 258(12), 2683-2689.
3. Pallardy, S. (2008). Physiology of woody plants Third edition.
4. http://susan-plant-kingdom.blogspot.com/2014/11/maple-syrup.html
5. https://www.sciencedaily.com/releases/2014/11/141103102440.htm
6. https://botanistinthekitchen.blog/2013/03/18/maple-syrup-mechanics/

隨著台灣的飲食日漸西化，相信吃過美式鬆餅（pancake）的朋友一定不少。鬆餅可以配果醬、奶油、巧克力醬，但是筆者最愛加了楓糖漿的鬆餅。

美洲大陸食用楓糖漿的歷史已經數不清了，從北美的印地安人（North American Indians）的口述歷史中可以得知，他們很早就懂得在春天來時，在糖楓（sugar maple）樹上鑽孔，收集樹汁（篩管韌皮部[phloem的]汁液）再加熱蒸發製成楓糖漿。

一般來說都是在春天來時製作，此時糖楓把儲存在根部的養分分解成為蔗糖（sucrose），經由篩管運輸到地上部分，提供樹木本身長出新芽與新葉使用。由於葉片是植物主要進行光合作用的器官，如糖楓這類落葉喬木，在秋天的時候會把葉片裡面的養分分解後運輸到根部儲存，接著開始落葉；因此，等到春天來時，在新芽尚未長成新葉時，便需要根部提供養分。所以，這時候樹汁的量是最多的，裡面的糖份也相對較高。

雖然糖楓可以生產到百歲，但是，因為每棵樹每季大約只能產出一公升的楓糖漿，因此，楓糖農夫們最關心的就是：到底明年的楓糖產量如何？要製成上面這樣一瓶甜蜜蜜的楓糖漿可不容易。糖楓包括了三種品種的楓樹：糖楓（the sugar maple，Acer saccharum）, 黑楓樹（the black maple，A. nigrum）以及紅楓樹（the red maple，A. rubrum）。糖楓要長到三十到四十歲的才能開始採樹汁，每棵樹最多只能鑽三個孔。每棵樹每年春天只能產出35-50公升的樹汁，而這個樹汁還要加熱濃縮20-50倍，才成為我們看到的楓糖漿。真的是滴滴皆辛苦啊！

楓糖的產量要從兩個角度去看，一個是樹汁的多寡，另外一個是樹汁的品質。由於楓樹的樹汁裡面只有2-3%是糖份，再濃縮是必需的手段，但是樹汁裡糖份的百分比也很重要。雖然百分之二跟百分之三好像只相差百分之一，但是在濃縮的過程中，含有百分之三糖份的樹汁，當然可以少濃縮很多囉。

過去，楓糖農夫們經常試著用今年的天氣來預測來年楓糖漿的產量。但是，最近哈佛大學的研究團隊，在收集了十七年的資料，分析以後發現：真正對楓糖漿產量影響最大的，不是天氣，而是糖楓的種子產量。

研究團隊收集了十七年來Vermont地區的氣候、楓糖漿產量，以及當地糖楓的種子產量。他們發現，在2000年、 2006年、與2011年這三個年份，糖楓樹們產生了大量的種子，而2001年、2007年、2012年楓糖樹汁的質與量都下降了。

糖楓大約每二到五年就會來一次種子大爆發（mast seedling event），由於楓樹的種子是靠風傳播，因此當種子大爆發時，就會看到滿天的迷你竹蜻蜓在飛翔。而滿天的迷你竹蜻蜓起飛之後，接著就是糖楓樹汁產量下降。

不過，雖然種子的產量是主要影響糖楓樹汁的產量的因素，天氣還是有些影響的。主要影響糖楓樹汁的產量的天氣因素包括當年三月的最低溫與最高溫，以及四月的最高溫。當研究團隊把種子的產量、三月最低溫與最高溫，以及四月的最高溫一起列入考慮時，大約可以預測79%的糖楓產量上的變數了。其實仔細想想，種子的產量影響來年樹汁的質與量，並不意外。怎麼說呢？因為形成種子的時候，植物一定會把大部分的養分都灌注到種子上，這樣在種子離開親本以後才能有足夠的養分對抗可能的逆境。而每年植物也只有一樣多的日子可以吸取養分、進行光合作用，所以當種子大爆發的時候，也就意味著大部分的養分都拿去結子了，當然留在根部用來形成來年的樹汁的部分就減少囉！

最後，哈佛的團隊也告訴大家，今年Vermont的糖楓們種子產量並不多，因此只要天氣沒有太大的變化，明年對糖楓農夫們來說，應該會是個好年頭。

參考文獻：

• Wikipedia. Maple Syrup.
• 2014/11/3. Maple syrup production declines after big seed year. Science Direct.

原刊載於作者部落格 老葉的植物王國