美味的牛排其實是殺人兇手？

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 安麗紐崔萊 委託，泛科學企劃執行。

• 作者／陳亭瑋

在農業大規模革命、跨國貿易興起之前，夏秋季豐收的農產品經常為人們帶來另一種煩惱：該怎麼將新鮮的蔬菜水果保存到天寒地凍的冬天享用呢？

利用各種方式將食物中的水份減少，防止微生物或酵素所造成的腐敗變質，是人類很早期就會使用的食物保存方法。時至今日，乾燥技術除了用於保存食物，也用於減小體積、減輕重量方便食品包裝與運輸，而由此也發展出許多便利的食品，如咖啡粉、泡麵等，攜帶方便、沖泡熱水就能夠食用。

而乾燥的方式有分許多種，可被分為兩大類：自然乾燥與人工乾燥。

自然乾燥法：利用環境的陽光與風

自然乾燥法利用環境中的陽光、風來替食物乾燥，主要包括日曬、風乾、陰乾。常見柿餅、蘿蔔乾、香菇、筍乾、葡萄乾等就是以日曬來製成；傳統新竹米粉則是以風乾來乾燥。

既然是利用環境能量，優點就是不耗能、最為經濟、操作簡單，也不需什麼技術或設備就可以進行。但主要的缺點就是「天有不測風雲」，需要依賴環境氣候，有太陽或大風才方便進行。由於自然環境不易控制，難以掌握乾燥速率、衛生條件、場地需求大、需要人工輔助整理等，因此不利於大量生產。

人工乾燥法：人工提供熱源，利用空氣加熱乾燥

自然乾燥需要依賴自然環境的條件，而人工乾燥當然就是人工以各種技術，提供想要加工的食品適合的乾燥環境囉，一般會有不同的壓力環境，以傳導、對流、輻射，或以電磁波加熱的方式乾燥食品。這裡的技術種類非常多，受限於篇幅，本篇主要介紹在常壓下，以空氣為媒介的乾燥技術，其他如加壓乾燥、減壓乾燥、電磁波乾燥就暫不介紹了。

最古老的人工乾燥法被稱為「窯式乾燥法」。簡單來說，就是設置一個密閉空間，分成上下兩層，上層是待乾燥的食物，下面擺放爐火熱源，經由熱空氣將食品慢慢地烘烤至全乾。這個乾燥法常見於乾燥水果等食品。現在也有用同樣原理推出的小家電「食物乾燥機」，讓你在家裡就可以自製果乾或是肉乾等。

新興乾燥技術：噴霧乾燥與折射窗乾燥

前面介紹的乾燥法，主要處理的成品是屬於顆粒體積較大者，大如蔬菜乾、水果乾，小如肉丁、砂糖等。如果要處理相對液態或糊狀等產品又該怎麼辦呢？以下要介紹兩種常應用於液狀食品的乾燥技術。

噴霧乾燥法（Spray Drying）

「噴霧乾燥法」（spray drying）的特性就是由噴霧器擔當了重要角色。機器內的噴霧器會將液狀或糊狀的原料噴出為小液滴，藉由熱空氣作用，在幾秒鐘的時間內將小液滴乾燥為細粉狀。噴霧乾燥機主要分為空氣加熱與循環系統、噴霧裝置、乾燥倉本體以及產品回收裝置。

因為液滴表面積大、乾燥速度很快，實際上食品本身的溫度不會升到很高，對於保存食品原有的營養有很大的幫助，常用於食品、飲料、保健食品和藥品的製作。這個方法製作的常見產品有奶粉、咖啡粉、豆漿粉、蛋白粉等，只要加水就可以飲用的粉末。

折射窗乾燥法（Refractance Window Drying）

另外一種更嶄新的食品乾燥方法則是「折射窗乾燥法」（Refractance window drying），將想乾燥的材料放在透明聚脂膜的「折射窗」上，折射窗下有使用 95-97℃ 的熱水作為熱源，同時會抽風去除多餘水分，最後把薄膜和材料分離就完成乾燥啦！

雖然步驟有點多，但實際上因為同時有傳導、對流、輻射三種導熱模式介入，所以進行乾燥的速度相當快；又以熱水做為熱源，產品溫度也不會升到太高，因此適合使用於對溫度敏感、需要保存更多營養成分的產品。有研究指出，可藉由「折射窗乾燥法」保留植物蔬果類產品容易流失的天然色素分子，也能保留植物蔬果中較多的營養價值。此乾燥技術不止應用於食品工業，亦可見於保健食品、製藥、化妝品等各方面的應用。

食品科學中的乾燥方法非常多種多樣，不同的乾燥方式亦有不同的適用對象、與成本考量。如何選擇適合的乾燥方法，應用於加工品，其中也牽涉到許多專業。而隨著食品科學的進展，過往天然食品經過加工後，必然會損失許多營養元素的情況，已經越來越能夠避免。

請與我們一同期待新興的萃取與乾燥技術，能夠帶來哪些更健康、更營養的食品吧！

秉持科學嚴謹精神，安麗紐崔萊研究植物營養的科學家們持續革新技術，為了從植物蔬果中萃取最多的營養價值，從原物料篩選到萃取生產，每道程序皆嚴格把關。在萃取階段，安麗紐崔萊以獨家萃取技術——「噴霧劑乾燥法」與「折射窗乾燥法」，保留植物蔬果中最多的營養素，提供消費者營養充足、純淨安全的保健食品。

本文由 安麗紐崔萊 委託，泛科學企劃執行。

1. 施明智、蕭思玉、蔡敏郎（2017 年 9 月）。食品加工學，188-213。
2. Refractance window drying of foods: A review
3. Refractance window drying of fruits and vegetables: A Review

COVID-19（俗稱：武漢肺炎、新冠肺炎）肆虐全球，此一疾病由 SARS 的親戚，冠狀病毒 SARS-CoV-2 所引發，本文之後稱為「SARS二世」。

和 SARS一世相比，SARS二世的致死率較低，但是傳播能力更好，感染人數較多，死亡人數也更多。然而也有專家警告，考慮到疾病不同的型態，兩者的殺傷力不宜直接比較。

冠狀病毒家族有很多成員，各自以不同動物為宿主，至少有 7 種會感染人類，引發呼吸道的症狀。

• 4 種病毒 OC43、HKU1、229E、NL63 主要感染上呼吸道，造成的症狀比較輕微，類似一般感冒；
• 2 種病毒 SARS 和 MERS 主要攻擊下呼吸道，也就是氣管、支氣管、肺臟，引發的症狀嚴重，患者死亡機率較高。

最新現身的 SARS 二世不但能感染下呼吸道，也不放過上呼吸道。攻擊下呼吸道和 SARS 一樣，能引發肺炎等重症，而感染上呼吸道則類似流感，使其能輕易傳染給別人。

也就是說，SARS 二世綜合兩種特色，同時具備 SARS 的殺傷力，以及流感的傳染力，是極為適應人類的傳染病。

SARS 二世抵達人體後先接觸上呼吸道，才有機會再前往下呼吸道。不過有些患者狀況沒這麼單純，病毒直接穿越他們的喉嚨進入肺部，因此不太影響上呼吸道，沒什麼咳嗽、發燒的症狀，卻直接在下呼吸道發展成肺炎。

SARS 主要感染下呼吸道，殺傷力雖高，傳播卻受到限制，要等到出現症狀以後才會傳染。SARS二世也能在上呼吸道大量複製、繁殖，組裝新的病毒，使得感染者尚未產生症狀以前，就已經有強大的傳染能力，而且口水中的病毒量非常高。

SARS 二世的感染能力很強。SARS 二世和一世一樣，都以自己表面的 S 蛋白質（spike protein）和細胞的 ACE2 受器結合，但是 SARS 二世的接附能力是 10 到 20 倍。

另一方面，SARS 二世的 S蛋白質有個特殊的位置，能讓宿主細胞的 furin 酵素作用，把 S 蛋白質處理過（概念上類似開罐器，打開病毒的外殼，讓病毒的內容物更輕易進入宿主細胞），能使得病毒更容易入侵細胞。

• 延伸閱讀：讓武漢肺炎席捲人類的關鍵變異有哪些？和穿山甲有關嗎？

表面上，SARS 二世整體的殺傷力不強，SARS 的致死率較高，但是愛荷華大學的 Stanley Perlman 認為事情不能直接這麼看。

許多人感染 SARS 二世後，其實是因為病毒沒有進入肺部，症狀才不嚴重；一旦病毒順利深入呼吸道，SARS二世的殺傷力可能不遜於 SARS一世。

病毒入侵肺部以後，除了感染細胞導致的直接傷害以外，也有機會引發細胞激素風暴（cytokine storm），使得免疫系統過度反應，間接造成肺部的重傷害。呼吸道以外，SARS二世也有機會感染其他組織和器官，像是心臟、腎臟、精子、眼睛、腦部、腸道等等，引發腎衰竭、心律不整、血栓、腦炎等衍生問題。

• 延伸閱讀：不只是武漢「肺炎」！心血管、腎、腦、肝、腸等器官也可能出問題

有些學者認為 SARS 二世會往殺傷力降低的方向演化，不過至今仍沒有見到證據，也無法保證事情一定會這樣發展。這是一種已經極為適應人類的病毒，它的各項面貌，完全是屬於這個時代的產物。至少在現在，沒有人能肯定它未來的演化方向。

• 本文轉載自新公民議會〈武漢肺炎肆虐之道：傳染像流感，殺傷似SARS〉

延伸閱讀

• 族群大、傳播強、致死少、很難好，讓武漢肺炎威脅超越流感
• 冰島追蹤武漢肺炎：重症比例極低，大量無症狀才是疫情全貌？
• 輕微到無症狀的感染者，可能是許多傳染的關鍵源頭？
• 病毒可能空氣傳染，減少接觸、戴口罩有助防範
• WARS症狀出現的前一兩天，病毒最多，傳播最強
• 台灣前100例WARS，有無症狀的傳染風險差不多

• Profile of a killer: the complex biology powering the coronavirus pandemic

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。