移動的網路技術，bestLINK讓你即時收看媽祖遶境！

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

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

在現代社會，如果我們到咖啡廳或其他公共場所，打開筆電坐下來後，通常的第一句話都是「請問這裡有 Wi-Fi 嗎？」。

沒除了 4G、5G 行動通信以外，Wi-Fi 是我們日常生活中常用的上網方式。那麼，Wi-Fi 到底有什麼特點呢？

首先，來解釋一下幾個常見的名詞：Wi-Fi、WLAN、802.11。

你或許都聽過這些詞，特別是 Wi-Fi，但它們之間有什麼差別呢？

LAN 是 Local Area Network，區域網路的意思。通常指的是像一間網咖這樣的範圍。而 WLAN 就是 Wireless LAN，無線區域網路，這是現在的主流用法。而 802.11，則是專門針對區域網路中無線部分的技術標準。而 Wi-Fi 呢，則可以看作是 802.11 這個技術標準的口語化說法。而 Wi-Fi 的 logo 一黑一白，與太極圖非常相似並非巧合，其 logo 衍生自太極圖，就是想取其相容於任何設備、平台，不管在哪裡都能順利連上網的意象。

有人說 Wi-Fi 在現代已經像空氣、陽光、水和電一樣，成為不可或缺的基本需求。

除了 Wi-Fi 我們還介紹 MIMO 這個關鍵技術，如果對更多技術細節感興趣，或是想聽聽像 Bluetooth 是以國王名字命名的科技小故事，都歡迎在留言告訴我們，期待與你們繼續分享更多有趣的科技知識！

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

參考資料

• https://www.facebook.com/photo.php?fbid=10167518354985072&set=pb.679030071.-2207520000.&type=3
• The History of WiFi | Purple
• 無線網路將取代有線網路－802.11n 簡介

她是全球知名好萊塢影星，同時也是發明「展頻技術」（Spread Spectrum；過去稱為秘密通訊系統）的關鍵人物，更被人尊稱為「Wifi 之母」、「藍牙之母」，鮮明的性格、亮麗的外表（她真的很漂亮）、才能與智慧，造就了海蒂．拉瑪戲劇性的一生。

海蒂．拉瑪（Hedy Lamarr，1914－2000）的原名為海德薇希．愛娃．瑪麗亞．基斯勒（Hedwig Eva Maria Kiesler），是個出生於奧地利的匈牙利猶太後裔，父親是維也納知名的銀行家，母親則為一名鋼琴家。

為夢想勇敢前進電影產業

少女時期的海蒂．拉瑪被電影吸引，便毅然決然放棄了當時仍在學習的通訊專業，退學後的她學了鋼琴、芭蕾，幸運地被導演馬克斯．萊因哈特挖掘，將她帶到了位於柏林的表演學校，先是由場記員做起，闖蕩電影界。

1930 年，年僅 17 歲的海蒂．拉瑪出演了她的第一部電影，之後陸陸續續拍攝了多部作品，其中讓她從此聲名大噪的，是在 1933 年的捷克電影《神魂顛倒》（Ecstasy），劇中她不畏世俗眼光，為戲裸泳及全裸在森林奔跑，這也使她成為了第一位在螢光幕前全裸出鏡的女主角。事後海蒂．拉瑪回憶起這部作品：「你用你的想像力，便可以看到任何女演員及她的裸體。」

成名不久後，她便結識了第一任丈夫——弗里茨．曼德爾，是一名奧地利的軍火商。由於生意上的往來，海蒂．拉瑪因此可以在招待客戶時，從旁聽聞丈夫與買賣方之間的交談，這便促成了她擁有無線電通訊知識的機緣。

儘管生活富裕，然而婚後的海蒂．拉瑪並不快樂，處處遭受限制，甚至連熱愛的電影產業也被禁止涉足。1930 年代納粹滲透奧地利，海蒂．拉瑪堅決反對納粹，但身為猶太人的丈夫卻與希特勒及墨索里尼等法西斯主義份子做交易、打交道，終於讓海蒂．拉瑪下定決心逃離不愉快的婚姻生活。

在逃離到倫敦後，結識了老牌電影公司米高梅創始人之一路易．梅耶，他與海蒂．拉瑪簽訂了一份長達七年的影視合約，前往美國踏上好萊塢演藝之路。她由於電影《神魂顛倒》受到不少批評，也是在此時將名字改為我們所熟知的海蒂．拉瑪。隨後便在好萊塢參與多部影視作品，出演許多受人歡迎的電影，成為家喻戶曉的女星，紅極一時。

1940 年海蒂．拉瑪在聚會上認識了鋼琴家喬治．安塞爾，就在兩人聊天時，她想起了軍火商前夫曾與納粹官員談起如何操控魚雷的內容……。

發明展頻技術

就在某次聽安塞爾彈奏鋼琴時，看著按壓不同琴鍵就能使聲音有所變化，於是海蒂．拉瑪聯想起，直接用無線遙控魚雷，就很容易使之被相同頻率的信號干擾，造成魚雷偏離目標，既然改變鋼琴鍵能直接改變聲音，那麼同理，如果是直接改變無線電信號的頻率就能改變發出的信號！若不停地隨機改變信號頻率，因敵人干擾而影響魚雷的機會就會減少很多。

做為專業且優秀的音樂家，安塞爾想出了具體的實施方法，他曾使用了 16 架自動演奏鋼琴創作了《機械芭蕾》（Ballet Mecanique）一曲，而自動鋼琴的原理為，以打孔紙卷來記錄音譜，透過裝置捲動紙軸，紙卷上的孔位與驅動機械連動，使相對應的裝置擊琴鍵，從而演奏出音樂。

運用自動演奏鋼琴的原理，在魚雷的接收器和艦船發射器內安裝相同編碼的滾筒，在兩者同步運轉時調整頻率，就可以達成透過載波快速切換不同頻率，使得接收端與發射端產生偽隨機（後稱此技術為跳頻展頻；Frequency-hopping spread spectrum, FHSS）。

兩人在 1941 年時向美國專利商標局（USPTO）提出專利申請，並將這項技術發明命名為「秘密通訊系統」（Secret Communications System），隔年順利通過，專利號為 2292387，就是我們現在的展頻技術（Spread Spectrum），值得一提的是，他們共使用了 88 種頻率，而鋼琴鍵數就是 88。

由於該技術是由演員與音樂家所發明的，期望為戰爭貢獻心力的兩人，此項發想在當時難以說服軍方使用。但兩人還是將專利無償提供給美國軍方使用，也自行支付相關的專利維護費用，而當時的電子科技發展仍無法支持這樣的技術，一直到冷戰時期，電晶體發明後才真正被運用於軍事上。

成為無線電通信技術發展的基礎

日後展頻技術被應用到眾多無線電通信中，分碼多工存取（Code Division Multiple Acces, CDMA）、無線區域網路（WLAN）、Wi-Fi 與藍牙都是基於此技術發明出的。

海蒂．拉瑪與安塞爾並沒有繼續深入研究他們的發明，而上述新技術與海蒂與安塞爾的專利雖有相通之處，但都沒有觸及其專利權，兩人終其一生未因此專利獲得任一分錢，即便至近年 ，這項技術還是被許多專利所引用。

在這項發明專利公布的 56 年後，1997 年兩人的成就才終於獲得電子前線基金會（Electronic Frontier Foundation；EFF）榮譽技術獎章殊榮，2014 年兩人被選入美國發明家名人堂，直到現代，海蒂．拉瑪才真正獲得世人廣泛的認同。

後記：

在讀完海蒂．拉瑪的故事後，筆者思考起，儘管海蒂．拉瑪不像大眾所熟悉的發明家、科學家，擁有豐富的學識背景，甚至是圈子裡優秀出眾的學者，然而她從生活中發現了他人不曾想過的，也確實把它實踐了，讓以為距離遙遠的科學發明，也有了浪漫親近的一面。

• 維基百科—海蒂．拉瑪
• 好萊塢美麗影星與秘密通訊技術的發明者—海蒂．拉瑪
• United States Patent and Trademark Office
• 維基百科—展頻