比凍齡更重要！女性最佳的凍卵年齡

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

• 作者／照護線上編輯部
• 本文轉載自 Care Online 照護線上《卵巢早衰恐不孕！及早檢測卵巢功能，積極把握卵實力，專科醫師圖文懶人包》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

「醫師，我有卵巢早衰的現象，所以打算凍卵，但是聽說每天都要打排卵針，讓我好猶豫……」李小姐說。

「打排卵針是為了促使卵泡發育，才有辦法取得較多的卵子。」醫師說，「現在也有一針抵多針的友善排卵針，施打一次效果可以持續一週，便利性較高，也可大幅減少打針的次數。」

在台灣，每十對夫妻中大約有兩對會遭遇不孕的困擾。大新婦產科診所生殖中心陳志宏院長指出，「如果沒有避孕超過一年都沒有懷孕，就算是不孕症。至於 35 歲以上的婦女，如果超過半年還沒有受孕，便要盡快尋求專業的協助。」

有許多因素會導致不孕症，卵巢早衰是個常見的原因。陳志宏院長說，卵巢早衰通常沒有明顯症狀，患者往往是在接受檢驗後，才驚覺有卵巢早衰的狀況。

卵巢早衰的原因可分成先天因素和後天因素，大部分是先天因素，例如在出生之後，卵巢的細胞存量就比較少。陳志宏院長說，後天因素包括卵巢發炎、卵巢手術、壓力過大、作息不正常、吸菸等。

年輕女性發生卵巢早衰時，大多沒有明顯症狀，還是有規則的月經。陳志宏院長說，部分女性可能會發現月經週期縮短，本來是 28 天來月經，當卵巢功能衰退時，可能變成 26 天、24 天、甚至 21 天就來月經。月經週期縮短可能是卵巢早衰的徵兆，但是有些人的月經本來就不規則，所以也不會發現月經週期縮短的狀況。

卵巢早衰對生殖能力有顯著的影響，陳志宏院長說，除了卵巢存量過少，卵子品質也會下降，導致患者懷孕機率降低，而受精後的胚胎也可能無法順利發育。

有生育規劃的女性一定要留意卵巢早衰的問題，陳志宏院長說，抽血檢測抗穆勒氏管荷爾蒙（AMH）可以評估卵巢功能，抗穆勒氏管荷爾蒙（AMH）由卵巢中的小卵泡分泌。抗穆勒氏管荷爾蒙（AMH）的正常範圍在 2 ng/ml 至 5 ng/ml，當抗穆勒氏管荷爾蒙（AMH）小於 2 ng/ml 就代表卵巢功能衰退。

另一個評估方式是由陰道超音波檢查大於 2mm 的小卵泡數量，陳志宏院長說，若小卵泡數量減少，代表卵巢庫存下降。

及早了解卵巢功能，積極把握卵實力

「隨著年紀增長，卵巢功能將持續衰退。」陳志宏院長說，「女性可以透過抗穆勒氏管荷爾蒙（AMH）或超音波評估卵巢功能，預作生育規劃。如果打算晚一點生育，或已經發現有卵巢早衰的現象，可以考慮凍卵，保存卵實力。」

在較年輕的時候取卵，能夠一次取到較多卵子，而且卵子的品質比較好。陳志宏院長解釋，舉例來說，在 30 歲時，也許凍 8 至 12 顆卵，未來就有機會成功生下一個活產寶寶；到了 40 歲，可能要凍 20 至 40 顆卵，才有機會成功生下一個活產寶寶。而在 30 歲時，可能只要取一、兩次卵就足夠，但在 40 歲時，便需要多次取卵。

陳志宏院長提醒，「建議育齡年齡的女性要了解自己的卵巢功能，及早做好生育規劃。」

無論是要凍卵或是做人工生殖都需要從卵巢中取出卵子，而得先施打排卵針。陳志宏院長說，傳統的作法是使用短效型排卵針，每天一劑，連續施打 7 至 10 次。患者可以在家自行施打，或者回醫療院所施打。

如果很怕打針、不敢自己打針、或時間無法配合的患者可以考慮使用可以一針抵多針的友善排卵針。陳志宏院長說，施打後，醫師可依患者個情況追加短效型排卵針，對患者而言方便性較高，也比較友善。

根據臨床試驗，可以一針抵多針的友善排卵針的懷孕率、活產率皆與短效型排卵針無顯著差異。患者可以和醫師討論，選擇合適的方式。

從月經來潮到取卵大約是兩個禮拜，陳志宏院長說，如果要凍卵，就是直接把卵子凍起來，等到適當的時間再解凍、受精；如果要作人工生殖，大概會在取卵後 3 至 5 天植入。

針對不孕，目前的生殖科技有幾種方式可以輔助，例如吃排卵藥、人工受孕、試管嬰兒，各種方式的適用族群與成功率各不相同，需要經過專業的評估。陳志宏院長說，以大新婦產科診所生殖中心為例，每位患者都有個案管理師，醫師也會根據每個人的狀況提供個人化的療程，增加懷孕成功的機率！

• 本文轉載自 Care Online 照護線上《卵巢早衰恐不孕！及早檢測卵巢功能，積極把握卵實力，專科醫師圖文懶人包》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

高度傳染性的 COVID-19（武漢肺炎、新冠肺炎）席捲全球，為了防疫，全世界許多人被迫減少外出，增加待在家裡的時間。有種說法是，大家關在家裡沒事做，生小孩的機率會上升，真的嗎？

瘟疫與出生率的關係複雜，不過由經驗推論，事態的發展方向很可能恰恰相反。

過往經驗：西班牙流感等浩劫以後……

歷史記錄指出，在戰爭、饑荒、瘟疫之類的災難增加死亡率以後，生育率短期內會下降，一段時間後才會恢復。以影響遍及全球的「西班牙流感」來看（照現在的流行，可稱之為「1918 年新型流感」），它短期內導致不少人死亡，也改變人口組成，減少生殖力，幾年後才恢復。

如美國在 1918 到 1919 年的出生率降低了 13%。然而，西班牙流感在第一次世界大戰末爆發，隨後大戰結束。1920 年以後出生率的增加，也可能與大戰結束有關，不單純是傳染病的影響。

有些研究發現，嚴重地震、颶風過後的 1 到 5 年生育會增加。經歷出乎意料的死亡以後，父母有意願把去世的人生回來，而死亡後的新生命也有某些象徵意義。

不過不同傳染病的性質不同。西班牙流感主要傷殺對象是處於繁殖年齡的年輕人，不難預期會影響生育。但是武漢肺炎主要攻擊老人，多半對年輕人的健康影響有限，未成年人的死亡數更是很少。如此狀況下，父母和寶寶都少有損失，父母不需要把小孩「生回來」，因此這部分對生育率的影響應該有限。

在21世紀初影響生育率的關鍵是？

時代背景、社會狀況、經濟，是影響生育的關鍵因素。

瘟疫過後生育率的增減要和原本的狀況比較，然而如今的「現狀」和從前差異很大。目前經濟比較發達，帳面教育程度高的國家或地區，生育率本來就已經不高，平均 1 位女生生 2.1 個小孩，還有地區低於 1.3 個小孩。

經濟相對發達的地區更加重視生活品質。大家都被關在家裡，使得媽媽（與爸爸）在家的負擔明顯加重，顧小孩就很耗精力，或許會影響生殖的意願。

社經較有優勢的家庭，生寶寶會考慮比較多事。瘟疫重創經濟後，未來的不確定性上升，會令人減少長期計劃，肯定也會減低生小孩的意願。不久前 2008 年的經濟蕭條，就曾經導致生育率降低。

中低收入的國家或地區，處境不同。這些地方傳統上有兩大因素促進生寶寶：第一，生出來的小孩能作為不用付錢的勞動力；第二，小孩長大後可以成為父母年老後的依靠。

然而隨著時代變遷，最近這些地方的生育率多半也有下降，不過經濟假如恢復，生育率也有機會回升。但是時代力量畢竟和以前不同，大時代整體趨勢是，大量人口由鄉村移動到城市，使得家庭觀念轉變，以及避孕增加，都會減少生育。

綜合推測，瘟疫以後的嬰兒潮極不可能發生，至少在高收入國家，短期內的生育率只會萎靡。而中低收入國家的出生率，近幾十年來持續下跌的趨勢，也不太可能在疫情結束後從根本上逆轉。

撒哈拉以南的非洲國家比較難預期。它們生育率的整體趨勢也是下降，不過經濟與人口結構相比之下轉變較小。這些地區的經濟仰賴出口導向，更容易受到國際合作或保護主義的政策影響。它們也將影響未來幾年，全世界的人口組成。

本文轉載自新公民議會〈武漢肺炎會造成嬰兒潮嗎？很可能不會〉

延伸閱讀

• 黑死病、西班牙流感到 COVID-19，瘟疫如何重塑社會貧富？
• 一直待在家快悶壞啦！嚴格的防疫管制，什麼時候才能放鬆？
• 要不要生孩子，我決定！從生育看女性權利展現

參考資料

• The COVID-19 pandemic and human fertility

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。