打開駕駛的第三隻眼

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

「耶耶耶！駕照到手了！」經過一整個月的努力，我終於考到了汽車駕照，在歡欣鼓舞一陣後，更興奮的就是要選車買車了，但我心中仍有些不安，畢竟是原車原場考照，教練教了許多竅門，才能順利過關，之後實際上路真的就能安穩無憂嗎？特別是教練曾說過：「開車不撞到東西不算厲害，還要不被別人撞到才算厲害。」

因此，我期望能買一輛比較安全的車，好彌補自己經驗的不足。我的表姊小華是汽車公司的業務經理，跟他買、聽他的建議準沒錯。一通電話聯絡好，我找了一天下午去表姊的店裡看車。

後照鏡的誕生：傳奇女賽車手 + 他的鏡子？

第一次來到表姊的辦公室，除了東張西望外，我看到表姊桌上貼著一張美女照，而且是黑白的，我好奇地問：這是誰啊？「呵呵！他可是我的偶像啊！」 小華姊答道。

他叫多蘿西‧萊維（Dorothy Elizabeth Levitt），是英國第一位女賽車手，也是女性主義的先鋒，在上（20）世紀初的英國汽車才發明不久，開車的男生少，開車的女生更是罕聞。當時極少人可以接受女生開車，就連他的老師都嫌棄他是個女生，很不情願地教導。而且，早期的學車不僅要會開，還要會維護保養修理，與今日車手只專注於操駕大大不同。

他在 1903 年開始出賽，前幾次比賽只能算累積經驗，好強化自己的駕駛技術與車體機械調校，經過多次努力才開始打入名次與獲取獎金。到了 1905 年他從倫敦開到利物浦，成為當時最遠程的女駕駛，2 天後他又締造另一項紀錄，成為當時速度最快的女車手，並且還教導過丹麥亞歷山大女王及其公主如何開車，當時只有上流社會人士能接觸、購買汽車。

1909 年 Dorothy Levitt 出了一本冊子《The Woman and the Car》（女人與車），內容主要集結了他 1903 年到 1908 年間在週報上的專欄文章，教導女生當如何駕駛汽車。而他也在書中也提到女生當如何注意自身安全，例如獨自旅行時應該帶一把自動手槍來防身，然後在開車時應該把一面隨身手鏡掛在便於觀看的地方，觀察車子的後方，以策安全。

事實上，這正是汽車後照鏡（back-view mirror 後視鏡）的概念起源。

不過 Dorothy Levitt 只是在手冊上提及，而後在 1911 年的印地 500 車賽（Indianapolis 500-Mile Race, 印第安那波利斯 500 英哩大賽）中，奪冠的車手就為自己的車配置了後照鏡，之後比賽中其他車手也紛紛仿效跟進。直到 1921年 Elmer Berger 取得了後照鏡的專利、並開始大量生產之後，商業銷售的汽車才開始配備後照鏡。

初期的後照鏡跟賽車相同，只有配備觀看正後方的後照鏡，這在當時已經足夠，因為當時的汽車公路多半只有一線道，隨著路面的拓增、車輛的增加，相鄰車道的狀況也必須顧及，有了靠近駕駛的左側後照鏡，不久之後也加上右側後照鏡，最初左右後照鏡還不同大小，但不美觀。現在的車子都已是左右外型對稱的設計。

「原來有這樣的發展歷程啊！確實有左右中後照鏡，開車才會感到安全啊！」我有些領略，而小華姊接著補充：「除後照鏡外，相近時期還有了擋風玻璃，在擋風玻璃還沒出現前，人們認為只要帶個護目鏡就好，後來受傷的人多了，發現護目鏡是不夠的，才有了擋風玻璃，一樣是種安全防護設計。」以上這些，已經是基本的基本了，現在的汽車，有更多先進的安全設計，例如安全氣囊（Air Bag）、緊急煞車系統（ABS，源自飛機機輪煞車設計）等，特別是影像感測器（Image Sensor）普及後，使操駕安全性再提升。

有了後照鏡卻還是有「視線死角」該怎麼辦？

但就算後照鏡已經發展成熟，有在開車的人都知道，汽車仍有一些後照鏡無法克服的死角；這該如何突破呢？目前最常見的其中一種克服倒車視線不良的方法，便是將影像感測器裝設在車尾的「倒車監視鏡頭」，這樣在倒車的時候就可以看到車後影像，再加上超音波測距，俗稱倒車雷達的輔助，就可以知道與碰撞物之間的距離，避免碰撞。

再更進一步，由於左右後照鏡依然有視線死角，因此近年來的新車款，也開始在左右後照鏡埋設影像感測器，增加駕駛的觀察視野，稱為側邊視角（side view），甚至有從上方往下看的鷹眼視角（eagle view），快速全覽車的四周是否有碰撞物。

雖名為鷹眼視角，但並不是真的從身車上豎起一個竿子，由上往下俯瞰，而是在車的前後左右都裝設影像感測器與相關側距，將車四面感測到的資訊組合起來，從而顯現完整的車外圍圖像。

但若是開車的時候，還要分別一直切換這些鏡頭功能，這樣不僅麻煩、也是危險駕駛的行為啊（抖）。

所以做車的人們就開始思考，該如何將這些鏡頭的影像整合在一起呢？於是也有了3D影像整合技術的開發。3D影像整合技術指的是透過多鏡頭的整合、影像無縫拼接、行駛狀態偵測辨識等等，在低速、高速的移動行駛下就能一鍵操作，將車側與車後的180度廣域視野無縫還原在車內的大屏幕中。

前前後後都照顧到了，這樣就萬無一失了嗎？

聽到這裡，我說：「幾乎全車外圍都看盡了，這樣就應該萬無一失了、絕對安全了吧？」

小華姊卻說：「還沒還沒，安全設計不僅於此，你有沒有想過「底盤下」呢？當我們的車行經凹陷、凸起路面時，如果我們有辦法先知道底盤下的狀況，我們是否就可以避免一些震盪或意外的發生呢？」他接續說。

「這個意思是說…難不成我們還在車底下安裝鏡頭嗎？不過底下這麼黑，有辦法看到嗎？」我困惑地說。

小華姊再說：「其實呢，台灣就有自主開發一種叫做「底盤透視」的影像技術，是利用軟體演算法，在透明化之虛擬車底部，呈現鏡頭所擷取之影像，讓駕駛看到像是車輛底下這些肉眼看不到的地方。」

我說：「哇！那以後我要開車停上我家的機械停車位、開車去洗車，或是回外婆家那個小到不能再小的鄉間小路，我就再也不用害怕壓到不知名的障礙物啦！真是太強大的神器了。好了，夠完美了，應該不會出事了。」「還不夠！」小華姊答。

有了影像感測器後，更重要的安全技術也開始展露，由於半導體技術的進步，繪圖處理器晶片（GPU）運算力一日千里，過去無法進行即時影像辨識運算的，如今可以做到了。

將配備 GPU 晶片的車用電腦裝置到車上後，搭配人工智慧（AI）、機器學習（ML）、深度學習（DL）、類神經網路（ANN）等智慧軟體演算技術，車用電腦可以對擋風玻璃外的景象進行研判，哪個是正滾過來的礦泉水空瓶？哪個是臨時滾到路上的皮球？車用電腦都可以加以辨識，並透過抬頭顯示器，將該物標示出，甚至加上提示文字，提醒駕駛當注意。

「這招實在太強了！」我真希望我的車也有。

小華姊又說，由於這些投影標註改善我們在現實世界開車的安全性，有助於現實運作的就被稱為強化現實（AR），或稱擴增實境，當然相關技術還有混合實境、虛擬實境、增強虛擬等等。

「太厲害了，原來 AR 還能做這樣的混合應用！那我希望之後可以讓開車過程變得更有趣！例如邊開車邊抓寶可夢，或是邊成為勇者邊鬥惡龍～」聽到 AR 我的心已經飛到了遊戲中的異世界了。

小華姊輕輕地拍了一下我的腦袋「遊戲回家陪你用 VR 玩啦，在路上開車要專心！」突然他又換了個若有所思的表情喃喃自語道「不過讓開車過程遊戲化倒是不錯的主意耶，從多蘿西‧萊維的鏡子、到 HUD 應用在擋風玻璃上，都是從跨域到讓汽車產生革新的過程，或許設計得宜，不只不會讓用路人分心、反而能更創新？！讓我來趕快把這個點子筆記筆記之後或許⋯⋯」

「小華姊！午休時間結束囉！」雖然很捨不得驚擾到如此認真的小華姊，但我實在太迫不及待想試駕新車了。

「啊啊也是也是，那走吧！我帶你去看看我們有哪些車款，配備哪些安全功能，讓你這個新手安心上路開車！」

《做車的人》系列內容由裕隆集團委託，泛科學企劃執行

延伸閱讀：

• 日本推倒第一張骨牌 汽車的無鏡時代（Mirrorless)可能加速來臨
• 全球第一輛全透明跑車，一眼能穿車裡在幹啥

第一天上班要遲到了！條紋襯衫雖然有點皺，但只有這件洗過，先穿再說。剩兩個紐扣還沒扣上，先奔到玄關從鞋櫃找出很久沒穿的皮鞋，把右腳粗魯地塞進鞋裡……哎呀！烤好的吐司還放在桌上，來不及了！用左腳單腳跳進屋裡，拿了吐司，嘴巴咬著，再跳出來，背起背包，門一甩！就朝公司奔去！

好像忘了帶什麼，不過算了。天氣真好！第一天上班一定要有好的開始，趕快先更新 FB，讓好友（雖然沒幾個）來按個讚幫我集氣！好痛！？我怎麼倒在地上了？定睛一看，一個穿著制服的高中生也跌坐在地上，好像長得有點可愛。難道！難道這就是傳說中日本動漫的定番！？我的人生原來是這種設定啊！

「大叔！走路可以看路嗎？不要以為長得帥就可以那麼莽撞好嗎？」–這句話應該等等就會從她嘴裡說出來吧，我們兩個應該會就此成為不撞不相識的冤家情侶吧！一定是這樣的吧！

「你還好嗎？有哪裡受傷嗎？」一位長得蠻帥但沒有我帥的傢伙，帶著歉意下車，比我先一步扶起高中生。「我沒事，但對不起，為了我，你的車……」「沒關係，有保險，人沒事最重要。」看來這傢伙為了避免撞到人，緊急讓車子轉了彎，撞上了停在路旁停車格裡的車。沒想到那麼強的撞擊下，車子竟然只有前頭潰縮，車門完全沒受影響，人也好好的可以走下車。

身為科青的我，看這傢伙的車子前頭撞慘了，卻心中法喜充滿地覺得是一件好事。這當然不是因為他竟然先我一步扶起高中生，而是因為這代表撞擊時，大部分的能量都轉移到汽車上，並且由車體吸收了，而不是讓我（或他）那禁不起折騰的軟綿綿大腦跟內臟來承受。1950 年代以前，車廠都認為車子越剛硬越好，後來才發現要是真的只求一路硬到底，或許撞擊時車體真沒什麼事，反而把大部分的衝擊留給了坐在車子裡頭的駕駛跟乘客。車子在設計時要能用精準的材料、搭配精準的形狀，才能讓金屬、塑膠、或其他複合材料產生最好的潰縮效果，同時又能維持駕駛與乘客區的完整不變形，這就需要從物理學上著手。

一般來說，汽油車燃燒產生的能量中，只有 20% 是用來驅動，剩下都以廢熱型態流失了，但讓約兩噸重的車子快速移動起來，要花的能量還真不少。當遇到緊急狀況，這股能量就得轉移才停得住。要嘛車子可以安全煞停，把能量透過輪胎轉移到路面，不然就是得將能量轉移到車身上，彎折以金屬為主的外側車身結構。以車子前側結構來說，大約只有 50 公分左右的潰縮距離，根據我看過的 minutephysics 這部影片的計算，由於 E=½ mv^2，如果車子時速為 60 公里，那能量約為 28 萬焦耳，代表若在這情況下撞擊，50 公分的潰縮車身以及裡頭的元件約略得承受 60 公噸的力，相當於太空梭主引擎 ¼ 的的推進力。裡頭的駕駛跟乘客大概會體驗有如戰鬥機駕駛或太空人在離心力訓練時所承受的力，但由於衝擊分散、時間拉長，所以還能受得了。

如果車子超硬，以至於能量快速轉移到駕駛或乘客身上，那恐怕就得面對 15 倍以上的殺人力道了……哎呀，我真是的，怎麼突然就進入科普狀態了！？我該趕緊把這台車的車牌號碼跟車型給記起來，馬上報案，別讓這個自以為比我帥的傢伙跑了才對。我一看，原來是台納智捷U5，這不就是前些日子大陣仗把車送去西班牙，接受法規撞擊測試的那台新車嗎？我記得測試場叫做 IDIADA，是江湖七大武器…..阿不對是全球七大車輛測試中心之一，位於西班牙巴塞隆納近郊，是獲得 Euro NCAP 歐洲新車評測計畫組織認可、好棒棒的測試場。

說到 Euro NCAP，前陣子有網友到政府成立的公共政策網路參與平臺發起連署「臺灣增設TW-NCAP議題」，很快就超過附議人數 5,000 人之門檻，我當時也鍵盤支持了。畢竟在台灣，上市的車子只代表過了及格的基本關，但哪一台更能保障安全？因為到現在都還沒有車輛碰撞的透明資料，所以只能一邊抱怨一邊猜（然後一邊酸）。

因為有參與連署，我對 Euro NCAP 也算是略懂略懂。Euro NCAP 成立，至今剛好滿 20 年，他們由歐洲多個政府和多個汽車工業機構組成，雖是民間發起，但獲得政府支持，秉持「獨立性」與「公開性」原則，旨在帶來零傷亡的交通。要做到這點，NCAP 必須比法規還要嚴謹與完善，以 Euro NCAP 為例，共分有成人保護、兒童保護、行人保護及安全輔助等共 4 個主軸，其中包含了 19 項主要的評價測試與 51 項的主觀評價。

撞擊測試中，最主要的兩種就是「正面 40% 偏位撞擊」跟「側面撞擊」，看看衝擊時產生的能量能否被保險桿、車廂周圍鈑件及車體結構樑（A、B、C 柱）給吸收，讓車裡的人受到的傷害降至最低。我印象深刻，納智捷U5的正面40%偏位碰撞結果令人驚艷：A、B 柱幾乎無變形，前、後車門均可正常開啟，前座椅也可順利前後滑移，駕駛可以順利脫離，沒隨著車體受到嚴重擠壓，滿分 16 分的前撞 ODB64 測試中，納智捷 U5 拿下 15.085 的高分。難怪這個傢伙車子雖然撞了，但人看起來一點事也沒有啊。

比較台灣法規標準以及 Euro NCAP 的差異，以 40% 前置偏撞來說，Euro NCAP 採用的標準為時速 64 公里，跟台灣的時速 56 公里比起來，看別小看這每小時 8 公里差異，因為E=1/2mv^2，在這速度下，撞擊力量會差到 30%，要靠駕駛座前方 40% 的部分區域來集中吸收，這就是說車體要用的剛性強度要超過 30% 以上，這可沒辦法偷工減料啊。

另外，最重要的當然不是車子變形還是損毀，而是人還能不能好好的。在 Euro NCAP 的測試中，測試員會透過遍佈假人全身的感測器，計算出每個部位遭受到的傷害值，然後套用不同的計算方式，如法規標準、各國 NCAP 的不同規定，就可以得到合格還是不合格，或是各國 NCAP 的單項評價得分。以 Euro NCAP 胸部壓縮量的分數來舉例，若超過 42 mm 則為 0 分，低於 22 mm 即可以獲得滿分 4 分。納智捷U5在西班牙的測試結果中，在駕駛的胸部壓縮量為 25.02mm，副駕駛則為 18.19mm，算是落在非常高的標準內啊！

不過若要拿 Euro NCAP 的最高五顆星，沒在歐洲上市的納智捷是辦不到的。要獲得 Euro NCAP 核可進行整套 Euro NCAP 條件測試，得先在歐洲上市才行，不然相關實驗室也沒有義務承接車廠委託進行 Euro NCAP 規格的碰撞，為車輛背書。另外，要在成人保護、兒童保護、行人保護及安全輔助四個項目的表現都各別拿到五顆星，才能算是真正的五顆星，這是為了防止有些車廠將資源集中投入於某一項目上，舉例來說，若某車的成人保護項目達到五顆星，但行人保護卻只有四顆星，車廠最高的星等也就只能獲得四顆星。

等等！我怎麼又開始科普起來了？！我該先幫還沒來的警察把目前的狀況更全盤掌握一下。雖然這傢伙人沒事，被他撞的那台車的側面就不太好了。看到這台車的樣子，只能說好險車上沒人。不過側面碰撞發生時，車體變形也無法吸收太多側撞的動能，所以車體結構就必須夠強，不然乘客的空間被入侵過多，下場都不會太好。側撞的檢視重點就是看車側支柱（也就是 B 柱）變形成什麼樣，還有車門跟座椅對乘客的影響多大。一般來說，車子設計時會將受力點盡量控制在 B 柱下半部，來減少頭部、頸部及胸腔的傷害，因此 B 柱從側邊看為特殊的S型。

說了這麼多，突然覺得身體好像涼涼的……咦？我的手怎麼變成透明的了？？？我的身體、我的腳，怎麼也都透明化啦？？？

「這位先生！這位先生！你醒醒啊！」那個開納智捷的傢伙語氣緊張地輕拍著我的身體，但我一動也不動。不對啊！我明明就在這裡啊！喂！！！我怎麼越飄越高了？？？

「剛才就是他，嘴裡咬著吐司、一邊看手機，一邊沒看紅綠燈就衝著過馬路，把我也撞到馬路上，還好你緊急避開了我們兩個。」

「雖然我沒撞到他，但他好像自己突然休克了啊！」開納智捷的傢伙跟高中生的對話聲音越來越小，我漸漸聽不到了……只聽到高中生的最後一句：「而且……他為什麼下半身只穿著內褲啊？」

這是《為美好的世界獻上祝福！》的劇情吧！？

早上出門真是太匆忙了啊！（用透明的手拍透明的額頭結果直接穿過去了啊！！）下輩子讓我開納智捷上班吧！（明明只是要寫文說明納智捷 U5 在西班牙的碰撞測試結果，結果一直想著 howhow！howhow！howhow！，寫出來就變成這樣了。）

《做車的人》系列內容由裕隆集團委託，泛科學企劃執行

延伸閱讀

• 見見葛拉漢，這位撞不死的男人