科學家發現新種「陰莖蟲」

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

上帝造物最有效率的時期：寒武紀大爆發

大約五億四千萬年前，埃迪卡拉紀世界毀於一旦，在「寒武紀大爆發」這演化史上最重要的一刻，戲劇性的遭到掃平。寒武紀大爆發是驚人的生物超新星爆炸，自此動物（也就是會到處跑、會吃其他生命維生的生物）世界才真正誕生。

儘管之前那停滯不變的時代裡也有化石暗示動物的出現，但在埃迪卡拉紀混濁海洋的主宰者，仍是活動力不佳、外觀呈碎形（fractal）的生物。這一切都在寒武紀揭幕時徹底改變。動物迅速分化，推翻原本的古怪生命型態，以五花八門的更古怪生命型態取而代之。

雖然寒武紀大爆發未能列入正統五大滅絕事件之一，但它的確可能標記著複雜生命歷史上，頭一回類似的集體大型死亡事件，和我們一般的認知完全不同。

如果說，在紐芬蘭與其他地方，埃迪卡拉紀那些被遺忘的生物看起來像外星人塗鴉，那麼在寒武紀大爆發取代它們的那些花枝招展的生物，看起來就像是外星人本身。海洋裡突然擠滿奇詭的生物，牠們的模樣勝過最狂野的迷幻藥夢境；事實上，寒武紀有一種動物的確命名為「怪誕蟲」（Hallucigenia），還有一種是五隻眼睛、該長嘴巴的地方卻長了根手臂狀怪異附肢的「歐巴賓海蠍」（Opabinia），研究者首度在科學會議中介紹牠時，獲得滿堂哄笑。

還有別的，比方說怪到可當經典的「奇蝦」（Anomalocaris），樣子像是有波浪狀外表的魔化龍蝦，當我們想像牠在一般生命體系中的定位時，總被引得忍不住對牠瞇眼細查。這些長得面目全非的生物如今停靈在博物館展覽室裡，又在藝術家筆下散發誘人魅力，提醒我們這顆行星從降生至今，已有過許多全然不同的世界，雖然技術上它一直是同一顆「地球」。

上述某些動物界的實驗只是實驗而已，某些實驗失敗了就再也不會重現，其他有的比較成功；那些源自於寒武紀大爆發的怪異生物裡頭，其中一個說不定就是我們的老祖宗，牠是兩寸長、長得像文昌魚、其貌不揚的「後斯普里格蟲」（Metaspriggina）。

寒武紀以來，動物影蹤處處可見，造成化石紀錄裡突然的轉變，這種看似自發的現象讓達爾文傷透腦筋。後來經過一百多年的研究，學者發現所謂「大爆發」並不是發生在極短時間內，但以地質學角度來看，這效率仍高得驚人。

學界仍對大爆發的成因爭論不休，學者說法包括：因為海洋中含氧量上升（氧氣可能是由生物自己出產），所以能支持動物更有活力的生活方式；其他學說的推測性更強，比如說：視覺的出現讓掠食者與獵物的零和競技場突然大放光明，點燃掠食者間軍備競賽的引線。

然而，在熱熱鬧鬧的寒武紀大爆發裡頭，前一個短暫世界的悲傷故事卻無人聞問，那些被遺忘的神祕形體永遠從世上消失。動物世界急遽膨脹之後，海底下那些肉墩墩的奇怪葉狀生物和氣球般的蛞蝓形生物，就再也無影無蹤了。

熱鬧背後的陰影：埃迪卡拉生物大滅絕

「這是因為生物演化出新行為，最終導致的一場大滅絕。」范德比大學（University of Vanderbilt）古生物學家、埃迪卡拉紀專家達勞（Simon Darroch）如是說。

我在巴爾的摩一場地質研討會上與達勞談話，他是個稚嫩而可親、說著流利正規英語的科學家。他在一群蓄山羊鬍、稍顯孤僻、出沒於全美各地地質研討會的美國中西部中年男子裡，特別顯眼。

寒武紀大爆發之前的奇異世界，是個禪意花園，充滿長在海床上的陌生碎形生物，以及吸附在微生物蓆（microbial mat）上拼布似的奇怪團狀物；長久以來，古生物學家都對這個世界的消失大惑不解。不過，達勞和同僚在 2015 年宣布解決這個古老懸案，答案就是生物大滅絕。

「我們以為，生物大滅絕需要非生物性的因素來推動，像是小行星撞擊或是長期火山活動；但證據顯示，有些生物自身會造成環境改變，導致大量複雜的真核生命的滅絕。我覺得相當類似人類現在的作為。」

有一種特定的新行為似乎應為這場動亂負最大責任：挖地洞。紐芬蘭與其他地方的奇特幾何生物，必須身處富含有機質、鋪著噁心但不被擾動的微生物泥的海底來存活。一旦寒武紀大爆發正式揭幕，動物占據地表後就開始在海床亂翻亂攪；對前朝埃迪卡拉紀那些待在海底、從平靜汙泥層中吸收養分的拼布似的奇怪團狀物而言，這簡直是大災難。

沒得吃、沒得住：面對動物出現，被淘汰的埃迪卡拉生物

事實上，這些岩層中生物鑽孔的生痕，成了地質學家標記寒武紀的起點。這些洞穴的始作俑者可能是所謂的「陰莖蟲」（penis worm，這不是在開玩笑），牠們翻騰著鑽過原始海床，把埃迪卡拉紀生物棲息地給毀了。

在地質學家眼中，這些鑽孔標誌著地層的質變，與過去數十億年形成的無生物鑽孔的岩層明顯不同，可以標誌著地層間的質變；接下來五億年的岩石紀錄裡可能都找不到類似的改變，直到人類為了尋求礦物和化石燃料，在岩石上打出數英里深的大洞為止。

寒武紀大爆發的動物新貴開始過濾海水，並將更多過去懸浮在水層中的有機碳送往海床；換句話說，牠們開始拉屎了。結果呢？前代埃迪卡拉紀的怪異碎形葉狀生物一下子發現自己浮在乾淨得嚇人的海洋裡，沒有東西可吃。

另一方面，寒武紀新型動物抽出水中含碳懸浮物送到海床掩埋，促進海中溶氧量增加；當時海中生物之間軍備創意競賽不斷加劇，大幅增加的溶氧量可能更強化這個情況，把慢悠悠的可憐生物遠遠拋在後頭。

藉由濾淨海洋，地球變得更適合更多動物生存，並刺激出生物學上更瘋狂的實驗。處在一個觸手、外骨骼和利爪等軍武不斷出現的世界裡，拼布團狀物或不會動的碎形藻類還能有希望嗎？

溫室效應，只是又一次生命改變世界的「歷史重演」

有種想法尤其流行在非科學家之間，人們以為「我們對地球破壞之嚴重已達地質規模」，只是人類自我中心的傲慢想像；這種想法其實誤解了生命歷史。從地質史來看，微小的創新就可能讓地球化學整個重組。因此現在人類對環境造成的影響，當然可能與寒武紀大爆發那些濾食性動物一樣有影響力。

「這想法沒什麼大不了，但人們卻很難接受。我覺得是因為我們不認為自己在天地運作中有那麼重要，」達勞說：「可是這兒有個例子，五億年前發生過非常類似的事。很多人把過去生物大滅絕的滅絕速率，跟現在我們逼使物種滅絕的速率相比，而這兩者都是由新行為的演化，與生態系裡的新工程所造成。」

寒武紀挖地者為了自己的利益，將微生物蓆的世界重新塑造；人類也已將一半的陸地開墾為農業用地。我們甚至開始改變海洋的化學性質，用二氧化碳將它酸化，從農業腹地裡洶湧溢出的氮肥與磷肥使得整片大陸棚缺氧。當前這些令人眼花撩亂的科技，放眼整個生命史上，有什麼飛躍性創新能與之相比？答案大概只有寒武紀大爆發時生物層出不窮的新花樣。再怎麼說，我們的重要性應當都不會輸給陰莖蟲吧。

「我在想，這裡就是個生態工程造成生態危機的例子，」達勞說：「面對『歷史正在重演』的事實，我們不應該感到很訝異、很震驚，或是很不能置信。生物是一股非常強大的地質力量。」

本文摘自《地球毀滅記：五次生物大滅絕，誰是真凶？》，天下文化出版。