先別管3C科技了，讓我們來聊聊科學吧！

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

（本文同時刊載於 dr. i 部落格 Facebook）

一個平凡的下午，工作累了捧著一杯剛煮好的咖啡走到陽台，看到的是對面大樓外牆排列得井然有序的長方形窗戶，和陽台邊的柵欄，一樣是有規律地重複著同樣的間隔。環顧我們的生活空間，好像規律性的結構無所不在，例如樑柱、磚瓦和地磚等等的各種人造物體，很容易地讓人誤以為只要是有規律的結構，一定就是人造的。而大自然中難道就不存在這樣的規律嗎？其實有的，最典型的例子就是晶體（Crystal）。

什麼是晶體？講講生活中常見的例子很多，料理中常用到的糖和鹽都是晶體，還有金屬、水晶和寶石等等。

意外發現不凡的晶體

一般人認為，晶體是所有固體最基本的特徵，並且是由「原子或分子按照一定的週期性，在空間排列成具有一定規則的幾何外形的固體。」至少很多教科書都還是這麼寫著。

但是在1982年的一項發現，顛覆了這個說法，而這個發現就是「準晶體（Quasicrystal）」。

1982年四月的一天早晨，當時在美國標準技術研究所（NIST）客座研究的以色列籍科學家丹.舍特曼（Dan Shechtman）在實驗室中用晶體學觀測鋁錳合金時，發現了一個不可能出現的繞射圖（圖2）。繞射圖是材料學家常用的一種技術，他們用高能量的光線像是X射線或是電子束照在晶體上，當這些光線穿透過晶體後打在螢幕上，所得到的就是晶體繞射圖，而分析它就能夠得知這個晶體的型狀和結構。

話說回來，為什麼舍特曼所觀察到的繞射圖不可能出現呢？因為長久以來，科學家認為晶體必須要是有週期性地排列，才能延續性地填滿整個平面或空間，而如圖3所示，某些幾何形狀像是五角形是不可能週期性地排列，所以被認定無法成為晶體。而舍特曼在實驗室裡看到的繞射圖顯示晶體擁有五角形的對稱性，正是先前科學家認為不可能存在的晶體結構。

舍特曼十分瞭解這個發現所蘊涵的意義，當下很興奮地從實驗室衝到外面走廊上，找人想要分享這個天大的消息，但是走廊上空無一人，他只好再乖乖地回實驗室做進一步地確認。接下來不管他用什麼方式去確認，證據都確實顯示了這個突破性的發現。

 排山倒海而來的質疑

若你以為科學界會因為舍特曼的發現而歡聲雷動，那可就大錯特錯。當時所有科學家都強烈斥駁他的實驗結果，很多人第一時間斷定是實驗出錯才有可能得到這個結果。

而接下來兩年的時間，他不斷辛苦地捍衛自己的實驗結果，並持續承受其他科學家包括同事們的批評甚至輕蔑，嚴重到當時研究機構的負責人將他趕出團隊，認為整個團隊因他而蒙羞。另一位強烈的反對者是鼎鼎大名的物理學家，並且得過諾貝爾獎兩次的萊納斯.鮑林（Linus Pauling），他到死前都公開嚴厲地反對特舍曼的研究主張。

一直到兩年後，才陸續有科學家願意接受他的發現，並提出佐證。後續研究顯示，原來該晶體的結構跟另一種數學家所發現的結構相同，叫做「潘洛斯圖案（Penrose Tiling）」（圖5）。

準晶體的特性

潘洛斯圖案（圖5）是由英國劍橋大學的數學物理學家羅傑.潘洛斯（Roger Penrose）所發現。這個圖案有什麼樣的特性呢？其中很重要的就是它的對稱性。

這個世界所存在的對稱性分為三種，第一種對稱是所謂的「平移對稱（Translational symmetry）」，就是把一個圖案往某方向直線移動，如果它能和原來的圖案重疊，我們就說它有平移對稱性。除了平移對稱外，還有「旋轉對稱（Rotational symmetry）」和「鏡像對稱（Reflection Symmetry）」，前者是指你可以對著某中心旋轉圖案某固定角度，它能和原來的圖案重疊，而後者是指將圖案對著一條線對折後，圖案可以重疊。所有的對稱都可以用這三個項目來分類。

很特別地，潘洛斯圖案具有「五角形旋轉對稱（5-fold rotational symmetry）」和「鏡像對稱」，但是卻沒有「平移對稱」，也就是說它沒有一般科學家對於晶體所要求的週期性。這個圖形全由兩種菱形不斷地拼接而成，而且如果有人在一個固定面積裡數這兩種菱形的數目，它們的比例會剛好趨近於著名的「黃金比例（Golden Ratio）」。

舍特曼的實驗終於漸漸地被世界各地的科學家重複，並找到相同的結論。事實上很多人曾經觀測到它，但是卻因為不相信自己實驗的結果而放棄深入追究，所以這也告訴了我們相信自己的實驗是多麼重要。

後來科學家們不只驗證了舍特曼是對的，他們更發現了自然界中更多種合金材料有著相同的結構和對稱性，為了有別於以前傳統科學家對於晶體所下的定義，他們稱這種非週期性的晶體為「準晶體（Quasicrystal）」。科學家並發現，有擁這種結構晶體的合金材料特別堅硬。

這個革命性的發現改寫了所有的教科書。1992年國際晶體學協會把原先對於晶體的定義：「一個由原子、分子或離子，規律且重複性排列所組成的三維圖形」正式改為「任何具有干涉條紋的固體（Any solid having an essentially discrete diffraction pattern）」。舍特曼也因此在2011年獲得諾貝爾化學獎。

藝術與設計

造型和結構均是藝術和設計中不可或缺的元素，不管藝術家對什麼結構有興趣，它一定也被科學家研究過，反之亦然。因此，常常會看到晶體在藝術作品中出現。準晶體特別的對稱性讓它看起來不規律，但其中又暗藏著規律，是很多藝術家或設計師喜歡的圖案，也可以說是科學和藝術交匯的最佳範例。

台灣也看得到由準晶體所啓發的藝術作品。dr. i 今年（2014）在台北信義區的五星級飯店「寒舍艾美酒店（Le Meridien Taipei）」(台北市信義區松仁路38號) 內的一樓大廳，完成了一項動態光雕作品《潘洛斯之夢》，歡迎有興趣的讀者可以前去觀賞！

作品說明：「藝術家以英國天文物理學家羅傑.潘洛斯的潘洛斯圖案為發想，特地為台北寒舍艾美酒店量身設計的動態光影裝置。畫面由兩種平行四邊形所組成，圖案的律動與組合無限延伸，呈現科學與藝術的跨領域交匯，以及藝術家對宇宙間美麗定律的探索。」

參考文獻：

1. The Nobel Prize in Chemistry 2011
2. N. G. de Bruijn, “Algebraic theory of Penrose’s non-periodic tilings of the plane”, Mathematics, Proceedings A 84, 1, (1981)
3. A. L. Mackay, “Crystallography and the Penrose pattern”, Physica 114A, 609, (1982)

（本文同時刊載於平面藝術報《花開 HAGAI》創刊號 2014.4 與 dr. i 部落格）

「越前瞻的科學，越接近藝術；越先進的藝術，越接近科學。（The further art advances the closer it approaches science, the further science advances the closer it approaches art.）」這句由二十世紀美國的名建築師和發明家巴克敏私特.富勒（Buckminster Fuller）的口中講出來的話，對一般人來說似乎是一件很難體會的概念。這麼說，儼然就是在把「科學家」和「藝術家」兩者之間劃上等號。「不可能吧？」我看到了你腦中徘徊的字眼。

讓我們從歷史中找尋這個道理的蛛絲馬跡。首先，將時間倒轉回西元1687年，英國物理泰斗牛頓在他的鉅著《自然哲學的數學原理》中，寫下了「慣性定律」即：「靜者恆靜，動者恆動」；這彷彿是在和早他兩千年的希臘哲人亞里士多德對話，因為亞里士多德對物體的運動學提出過很多理論，那是一個科學和哲學密不可分的時代。再到十五世紀文藝復興時期，看著達文西勾勒出《蒙娜麗莎》的微笑，同一位藝術家也發明了直升機、機關槍、機器人和計算機等等的概念，更別提他那極為寫真的手繪人體解剖圖，好像說著說著，他又像是位科學家，那麼到底這兩者之間的關聯在哪裡？

從實際的角度來說，科學和藝術的發展，均從對生活周遭事物的觀察為原點，形成抽象的概念，而從抽象到具象的實現過程是「技術」，不論是用數學方程式或玻璃試管，還是石雕或顏料，一邊叫做工程，另一邊叫做工藝，因此兩者在活動的本質上其實非常相近。若坐上一艘船跟著時代的洪流順勢而下，我們會看到科學和藝術在起源點是一體的；然而隨著人類文明的演進，兩者並行地發展，經過不同時代和天才們的洗禮和累積，什麼時候它們開始變成互不相干的兩個領域？一顆完整的大腦硬是要被強調是左腦主宰或是右腦主宰，彷彿一個人要被切成半個人似的？

這個分水嶺其實發生在不久前的工業革命時期，科技變成了賺錢的工具，為了講求量產和效率，整個社會甚至世界變成了一個巨大的生產線，每個人被分配成為一個單一性質的角色，教育訓練也自然漸漸單一化，於是乎我們都變成了半顆腦袋的動物，科技逐漸遠離了人性。

當然，在大夥兒吃飽飽的情況下，很少人會去反思這個問題。但是，過去的二十年間全球的經濟體經歷了許多次震撼性的打擊，由金融機構在背後支撐的這個生產線社會崩壞，我們不由得重新檢視人與科技的關係。

眼前的我們正處於一個很令人期盼的時代，能夠目睹科學、科技、藝術和生活的再次結合，近期國內也開始掀起了一股跨領域旋風。科技藝術的成形不只是一種流行，而有人類未來生活之必要性。

（本文同時刊載於 dr. i 部落格 和 Facebook）

還記得小時候你對很多大自然的現象抱有強烈的好奇心，例如星星為什麼會發光？夕陽為什麼是橘色？冰塊為什麼會熔化？長大之後，好奇的卻是新款iPhone有什麼新的功能？最近有什麼新的App好用？奧迪最新款的汽車有什麼特殊的性能？

「科學」變成一個遙遠的概念，而「科學家」像是科幻片中才會出現的人類。

這個國家的科學發展出了很大的問題，造成民眾對於科學的冷感和不了解，而民眾對於科學的冷感和不了解，讓民意代表以致於政府，對於科學研究的不重視。

科學和科技是不同的

一般人分不出「科學(Science)」和「科技(Technology)」有什麼差別。科學重的是概念、態度和方法，通常從大自然的物性或現象為出發點去思考，好比說星星為什麼會發光這個問題，就是一個科學問題。而科技則是從工具或技術面為出發點，重的是性能和效率，好比說為了研究星星為什麼會發光，科學家會用天文望遠鏡來觀測遠的星星，望遠鏡的波長和解析度要如何最佳化，就是科技問題。

科學並不受工具和技術的限制，換句話說，它的出現是在考慮用什麼技術和工具之前；一個科學的研究，會包括科技工具的使用，科技其實是科學的副產物。

所有科技，最初都是從科學研究的過程中延伸出來的，最切身的例子就是，網際網路(WWW)和雲端系統(Cloud Computing)，這兩者都是從歐洲核子研究組織CERN所研發出來的科技，目的分別是為了能夠分享數據資料給起它科學家，以及利用分散的電腦資源來分析處理龐大的實驗數據（當然就是現在所謂的「大數據」）。後續因有人把它們商業化，才演變成為與人密不可分的生活產品。然而，很重要的事情是，專利的申請都發生是在商業化之前或在最開始，掌握了專利，等於掌握了主導這項科技的能力。

科學是國家發展的基礎

科學研究所延伸出的科技能改變人類的生活，也能讓一個國家的產業興盛，領先全世界。一個國家如果不重視科學研究，就只能去學習其它國家的技術，回來做微小的改進，這比起從無到有的突破性發明，是完全不同的概念。

台灣從40年前開始靠高科技產業讓經濟迅速起飛，原因是我們比起其它亞洲國家早和西方國家接軌，加上人力成本低的因素，而這些條件早已經不存在。如果要突破現狀，國家的發展策略必須要回歸到最基礎的層面，培養好的科學環境和人才，才能讓科技產業能夠永續和長遠地發展下去。

科技部？科學部？

2014年中華民國政府將原「國家科學發展委員會」（通常簡稱為「國科會」）升級為「科技部」，但是就我來看，從字面上意義來說卻是矮了一截，這也反映出政府重視「科技」大於「科學」（反而英文名稱「Ministry of Science and Technology」比較完整地包含了科學和科技兩項）。以美國為例，他們掌管基礎科學和應用科學（包括科技和工程，除了生物和醫學之外）研究預算的最高行政和審議單位為「國家科學基金會(National Science Foundation)」。請注意，他們用的是「科學」兩字，甚至沒有「科技」。因為他們很清楚一點，沒有紮實的科學發展，不會延伸出能夠改變人類生活的科技。我反倒支持科技部能夠改名為「科學部」。

從歐洲回國後我發現，台灣有很多好的科學家，不是沒人才，而是政府資源的分配和產業策略發展的方向有問題，以致於大學教授們所提的研究計劃方向多趨保守，因為太前瞻的計劃內容容易被否決，多數看到的提案都是以改進現有的某種工業製程為目標，這和許多其它產業所面臨到的困境，即投資人追求短期回收和短視近利是一樣的。

聽起來蠻慘的，有沒有救？我認為是有的，就從多認識科學，多談科學起。它比你想像中還更接近生活，更有趣！