如何煎出一塊完美的牛排？

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 Panasonic 委託，泛科學企劃執行。 

炸雞、牛排讓你食指大動，但別人做的總是比較香、比較好吃？別擔心，只要掌握關鍵參數，你也可以做出完美料理！從炸雞到牛排，烹調的關鍵就在於溫度的掌控。讓我們一起揭開這些美食的神秘面紗，了解如何利用科學的方法，做出讓人垂涎三尺的料理。

美味關鍵 1：正確油溫

炸雞是大家喜愛的美食之一，但要做出外酥內嫩的炸雞，關鍵就在於油溫的掌控。炸雞的油溫必須維持在 160 到 180℃ 之間。當你將炸雞放入熱油中，食物的水分會迅速蒸發，形成氣泡，這些氣泡能夠保證你的炸雞外皮酥脆而內部多汁。

水的沸點是 100℃，當麵衣中的水分接觸到 160℃ 的熱油時，會迅速汽化成水蒸氣。這個過程不僅讓麵衣變得酥脆，也能防止內部的雞肉變得乾柴。

如果油溫過低，麵衣無法迅速變得酥脆，水分和油脂會滲透到食物中，使炸雞變得油膩。而如果油溫過高，水分會迅速蒸發，使麵衣變得過於硬或甚至燒焦。

美味關鍵 2：焦糖化與梅納反應

另一道美味的料理——牛排。無論是煎牛排還是炒菜，高溫烹調都會帶來令人垂涎的香氣，這主要歸功於焦糖化反應和梅納反應。

焦糖化反應是指醣類在高溫下發生的非酵素性褐變反應，這個過程會產生褐色物質和大量的風味分子，讓食物變得更香。而梅納反應則是指醣類與氨基酸在高溫下發生的反應，這個過程會產生複雜的風味分子，使牛排的色澤和香氣更加迷人。

要啟動焦糖化反應和梅納反應的溫度，至少要在 140℃ 以上。如果溫度過低，無法啟動這些反應，食物會顯得平淡無味。

油溫與健康

油溫不僅影響食物的風味，也關係到健康。不能一昧地升高油溫，因為每種油都有其特定的發煙點，即開始冒煙並變質的溫度。當油溫超過發煙點，會產生有害物質，如致癌的甲醛、乙醛等。因此，選擇合適的油並控制油溫，是保證烹調健康的關鍵。

說了這麼多，但是要怎麼控制溫度呢？

科學的溫度控制

傳統電磁爐將溫度計設在爐面下，透過傳導與熱電阻來測溫，Panasonic 的 IH 調理爐則有光火力感應技術，利用紅外線的 IR Sensor 來測溫，不用再等熱慢慢傳導至爐面下的溫度計，而是用紅外線穿透偵測鍋內的溫度，既快速又精準。

而且因為紅外線可以遠距離量測，如果甩鍋炒菜鍋子離開爐面，也能持續追蹤動態。不會立即斷開功率關掉，只要鍋子放回就會繼續加熱，效率不打折。

好的溫度感測還要搭配好的溫度控制，才能做出一流的料理。日本製的 Panasonic IH 調理爐，將自家最自豪的 ECONAVI 技術放進了 IH 爐中。有 ECONAVI 的冷氣能完美控制你的室溫，有 ECONAVI 的 IH 調理爐則能為你的料理完美控溫。

有 ECONAVI 的 IH 爐不只省能源、和瓦斯爐相比減少碳排放，更為料理加分。前面說了溫度就是一切的關鍵，但是當我們將食材投到熱鍋中，鍋中的溫度就會瞬間下降，打亂物理與化學反應的節奏，阻止我們為料理施加美味魔法。

所以常常有好的廚師會告訴我們食物要分批下，避免溫度產生太大變化。Panasonic IH 調理爐，只要透過 IR Sensor 一偵測到溫度下降，就能馬上知道有食材被投入並立刻加強火力，讓梅納反應與焦糖化反應能持續發揮變化。而當溫度回到設定溫度，Panasonic IH 調理爐也會馬上將火力轉小，透過電腦 AI 的迅速反應，掌握溫度在最完美區間不劇烈起伏。

不僅保證美味關鍵，更不用擔心油溫超過發煙點而導致油品變質，讓美味變得不健康。

舒適的烹飪環境

最後，IH 爐還有一個大優點。相比於瓦斯爐，因為沒有使用明火，加熱都集中在鍋具。料理過程更安全，同時使用者也不會被火焰的熱氣搞得心煩意亂、汗流浹背，在廚房也能過得很舒適。而且因為熱能集中，浪費的能源也更少。

為了更多的功能、更好的效能，我們早已逐步從傳統按鍵手機換成智慧型手機。一樣的，在廚房內，如果你想輕鬆做出好料理，同時讓烹飪的過程舒適愉快又安全。試試改用 Panasonic IH 爐，一起享受智慧廚房的新趨勢吧！👉 https://pse.is/649gm5

為何加熱後會産生香氣？

透過加熱會產生梅納反應和焦糖化反應。

加熱烹調如炒、烤、煮可產生香氣，而且可能產生新的風味。這個現象和透過梅納反應或焦糖化反應（見本書 P107）去生成香氣息息相關。

• 梅納反應

梅納反應是糖和胺基化合物的化學反應，1912 年時由法國科學家 Maillard（梅納）所提出故得名。當用平底鍋煎烤肉或魚，或者用烤麵包機烤吐司時，食材會變成褐色並散發出好聞的焦香味，這些現象都與梅納反應有關。

• 因原料和温度不同，會產生各種香氣

雖然統稱為梅納反應，但因食材中所含的胺基酸和糖的種類以及加熱時的溫度不同，所產生的香氣分子類型也會不同。例如，胺基酸的一種「白胺酸」和糖所產生的化學反應裡，用 100°C 加熱時會產生香甜如巧克力般的香味，而用 180°C 加熱時則會產生烤起司般的香味。

而另外一種胺基酸「纈胺酸」在 100°C 時會產生如裸麥麵包的香味，而在 180°C 時則會產生高刺激性的巧克力般香氣。實際上食物中不僅僅含有一種胺基酸，而有各式各樣的種類，因此加熱時產生的香氣範圍相當廣泛。其複雜的香氣造就了食物新鮮出爐時的美味。

• 醬油和味噌

梅納反應雖然較容易在高溫下發生，但其實也可在長時間的低溫下發生。例如日本料理的經典調味料醬油和味噌便是很好的例子。這兩者的褐變及香氣的生成與熟成過程中的梅納反應有關。此外，使用醬油和味噌去烹調可更容易引起梅納反應。

• 香氣的原理

一些研究顯示，梅納反應所產生的氣味甚至與食物的美味及濃郁度有關。此外，近年來有一些非常有意思的研究也顯示梅納反應產生的香氣會影響人體的自律神經系統，活化副交感神經，具有緩解焦慮或緊張的情緒和使人放鬆心情的可能性。

圍繞著火爐烤肉之所以會讓參加者感到放鬆和和諧的氣氛，說不定就是受到了加熱香氣的影響呢。

咖啡豆、焙茶為何聞起來那麼香？

烘烤會使成分產生變化，產生造就美味的關鍵香氣。

• 什麼是烘烤

「烘烤（Roast）」是不使用油脂等介質，用乾煎去加熱的方法，除了減少水分改變口感外，運用此手法的目的多為希望藉著加熱去產生新風味。例如，烘烤過程中產生的香氣在創造咖啡和焙茶的美味上就扮演了重要的角色。

• 咖啡香氣的變化

咖啡是世界三大飮品之一，在世界各地擁有合適氣候和地理條件的許多地方都有栽種。咖啡的魅力來自於其複雜的香氣和風味，目前已在咖啡中發現了超過 800 種的香氣分子。

各種咖啡生豆品種和不同產地間的成分差異顯而易見，但在烘烤前，就算是再知名產區的生豆也不會有 「咖啡香」 。親身嘗試過實戰體驗 4（見本書 P41）的讀者應該能體會到。通過烘烤，生豆中所含的脂質、碳水化合物、蛋白質、綠原酸、咖啡因、葫蘆巴鹼等成分會產生變化並確立香氣的特徵。

在淺焙階段會產生醋酸等淸爽的風味，但隨著烘烤程度加重，經過前頁所提到的梅納反應所產生的呋喃類的甜香會隨之增加，同時會產生酚類的煙燻香氣以及吡類的烘烤香氣（芳香偏焦的香氣），創造出濃厚的風味。即便是使用相同條件的生豆，因烘烤程度不同，香氣也可能大不相同。

• 棒茶香氣的變化

焙茶也是可品嘗到烘烤香氣的飮品。與咖啡一樣，焙茶中含有吡類和呋喃類等香氣成分。

焙茶當中，發源自石川縣金澤市的「棒茶」香氣濃郁，以石川縣為中心廣受歡迎。其最大特點是，它不像普通的焙茶用茶葉來製作，而是烘烤茶莖所製成。

棒茶香氣的分析報告顯示，其香氣濃烈的秘密就來自於莖。比較葉和莖的胺基酸含量後發現，莖的含量是葉子的 1.5 倍。因此，梅納反應較旺盛，可產生很多吡類的分子。讓「棒茶」香氣逼人的秘密就在於胺基酸。此外，棒茶還含有香葉醇和芳樟醇等花香調的香氣。厚實的烘烤香氣搭配花香造就了棒茶迷人的香味。

葡萄糖與各種胺基酸以 100°C 加熱時所產生的香氣：

——本文摘自《飲食的香氣科學：從香味產生的原理、萃取到食譜應用，認識讓料理更美味的關鍵香氣與風味搭配》，2022 年 8 月，麥浩斯，未經同意請勿轉載。