垂直起降無人機──《知識大圖解》

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

飛天車的革命性技術：從無人機到 eVTOL

你知道嗎？今年巴黎奧運，大家終於能親眼見證那個在科幻電影中反覆出現的夢幻交通工具——飛天車。這項技術或許會改變我們的通勤方式，讓塞車成為歷史，隨時隨地想飛就飛。

德國公司 Volocopter 將在巴黎奧運期間推出空中計程車服務，來驗證飛天車的可行性。這不僅僅是技術創新，Volocopter 還強調他們的飛天車非常環保，而且噪音極低，不會像直升機那樣帶來城市上空的巨大噪音轟炸。其實，不只是 Volocopter，包括現代汽車在內的多家汽車製造商也都宣布加入這場飛天車的競賽。

那麼，飛天車會是未來十年交通工具的主角嗎？這項技術值得投資嗎？還是僅僅是商業噱頭，實際需求並不大？如果你對這些問題感興趣，那我們就需要先了解一些背景知識。

首先，什麼是飛天車？2023 年 6 月的巴黎航空展上，Volocopter 展示了他們的成品，取名為 VoloCity。雖然名字是由「速度」（velocity）而來，但 VoloCity 其實並不是真正的車，而是一種電動垂直起降飛行器（eVTOL）。這類飛行載具更像是放大版、可以載人的多軸無人機，是私人飛機和直升機之外的另一種選擇。

儘管 eVTOL 看起來像是大型無人機，但它可能徹底改變現有的飛行載具生態系統。傳統飛機和直升機由專業飛行器製造商生產，而 eVTOL 則結合了無人機和電動車的技術，使得更多企業可以進入這個市場，並且設計變得更加多樣化和創新。例如，奧迪和空中巴士在 2018 年推出了一款模組化概念飛天車「Pop.Up Next」，能在汽車和 eVTOL 之間自由切換。

此外，摩根士丹利預測，2040 年全球 eVTOL 市場規模將達到 1 兆美元，2050 年更會達到 9 兆美元。這些數據顯示，投資這個領域可能會是一個明智的選擇。

飛天車的噪音與環境挑戰

飛天車不僅技術上有所創新，它的噪音控制也十分值得期待。與傳統直升機相比，eVTOL 的電動系統使其運行噪音大幅降低，這也是它的一大優勢。然而，儘管如此，我們仍需關注飛天車噪音對環境和健康的影響，尤其是在城市中頻繁起降時可能帶來的問題。

至於飛天車的起降地點，現有的直升機停機坪、大型建築物或停車場的屋頂都可以被改建為 eVTOL 的起降點。一些公司甚至設計出可以在任何平坦表面起降的飛天車，真正實現了「門到門」的夢想。

當然，這一切的實現還有待更多的試驗和技術驗證。目前，歐盟航空安全總署（EASA）規定，飛天車的安全標準必須與大型噴射客機相當。至於巴黎奧運期間的示範飛行，儘管目前仍在等待最終許可，但這已經是朝著飛天車商業化運營邁出的一大步。

飛天車的夢想正在逐漸成為現實，你會考慮搭乘嗎？

在現代戰爭中，無人機的角色越來越不可忽視。從俄烏戰爭到中東衝突，無人機已經從戰場的輔助工具，逐步成為戰術的核心力量。例如，伊朗對以色列的空襲，以及胡塞組織在紅海對美軍的攻擊，無人機的身影隨處可見。這些無人機不僅成本低廉，還具有驚人的靈活性，從偵查、干擾到實施精確打擊，它們的功能無所不包。

舉例來說，在 2024 年 4 月伊朗對以色列的空襲中，伊朗發射了 170 架無人機與數百枚導彈。雖然以色列防空系統成功攔截了絕大部分攻擊，但一枚防空導彈的成本往往是無人機的數倍甚至數十倍。同樣的情況發生在 2023 年底，胡塞組織利用僅需 2000 美元的無人機攻擊美國驅逐艦，而美軍為了防禦，使用了造價高達 200 萬美元的標準型導彈。這些數字顯示出，在不對稱作戰中，無人機的高性價比給傳統武器帶來了巨大挑戰。

這樣的發展讓各國紛紛投入無人機技術的研發與應用，美國的「地獄計劃」（Hellscape）便是其中之一。該計劃將數千艘無人潛艇、無人水面艦和無人機投放到台灣海峽，藉此增加中國艦隊登陸台灣的難度，並將整個海峽變成「地獄」。此外，美國也在研發無人機與有人戰機的協同作戰，透過無人機在前方吸引敵方飛彈，保護戰機的安全。

台灣的無人機發展之路

那麼，台灣在這股無人機浪潮中扮演什麼角色呢？

根據《華盛頓郵報》的報導，美軍印太司令部的新司令塞繆爾‧帕帕羅四星上將表示，美國正計畫打造「地獄計劃」，一旦中國朝台灣發動進攻，美國將派出數千艘無人潛艇、無人水面艦和無人機，封鎖台灣海峽。這樣的防禦策略突顯了無人機在現代戰爭中的關鍵地位。

儘管台灣尚未完全掌握無人機技術的核心，但政府已意識到其重要性。2023 年底，經濟部成立了無人機產業發展專案辦公室，目標是讓台灣成為「無人機民主供應鏈的亞洲中心」，並在 2030 年達到 400 億元的產值。這項計畫無疑展示出台灣在無人機產業上雄心勃勃的願景。

無人機技術的核心：通訊

要掌握無人機，首先要掌握的是其通訊技術。無人機的發展歷史顯示，通訊技術的突破是其成長的關鍵之一。早期的無人機僅能進行簡單的視距內操作（VLOS），但隨著科技的進步，現在的無人機已經可以進行超視距操作（BVLOS），這大大提升了它們的戰術應用範圍。

大疆是中國無人機技術的領導者，其發展的 2.4G 高清圖傳影像系統「Lightbridge」便是無人機技術的重大突破。這一系統能夠將無人機拍攝的畫面即時傳回給操作員，並維持一定的解析度與低延遲。這意味著無人機不再僅僅依賴肉眼操控，而是能夠進行更遠距離、更精確的任務。

然而，2.4GHz 的頻段雖然穿透力強，但也面臨頻率擁擠的問題，容易受到干擾。為了解決這個問題，現代無人機開始使用 5.8GHz 頻段。這一頻段雖然傳輸距離較短，但資料傳輸速度更快，抗干擾能力也更強。在這兩個頻段之間，大疆開發的 OcuSync 2.0 技術能夠自動切換，確保始終使用最佳的訊號頻段，提供穩定的飛行控制和圖像傳輸。

這些技術上的突破使得無人機在戰場上變得越來越不可或缺。例如，無人機不僅能進行偵查和打擊，還可以通過蜂群技術同時發動多點攻擊，擾亂敵方的防空系統。無人機之間的通訊技術也發展迅速，無論是表演性的燈光秀，還是軍事上的蜂群作戰，無人機都展現出極大的應用潛力。

反無人機系統的崛起

無人機的迅速發展同樣引發了反制無人機技術的需求。反無人機系統（C-UAS）大致可分為兩種類型：軟殺與硬殺。軟殺主要是針對無人機的通訊進行干擾，利用無線電干擾槍發射強大訊號覆蓋 2.4GHz 和 5.8GHz 頻段，使無人機失去控制。而硬殺則是直接摧毀無人機，例如使用火力攻擊或網子捕捉。

以色列本古里安大學的教授格拉‧維斯提出了一個新的思路：透過無人機的飛行軌跡來追蹤操作員的位置。由於無人機的動作會隨著通訊信號的強弱變化，這些變化可以用深度學習模型來分析，從而反推出操作者的位置。這一技術目前的準確率已經達到 78%。

此外，美國的軍工企業開發了一款名為「路跑者 M」（Roadrunner-M）的自殺無人機。這款無人機不僅能像飛彈一樣追蹤目標，還能在完成任務後自動返航進行回收，降低了作戰成本。

台灣無人機產業的未來

儘管台灣無人機產業的起步較晚，但政府和產業界已經意識到其巨大的潛力。無人機不僅僅是一種武器，它還可以成為通訊網路的關鍵節點。例如，雷虎科技的 T-400 無人機不僅用於軍事，也正與中華電信合作，將無人機作為訊號中繼站，在災害發生時提供通訊支持。

隨著 5G、B5G 及 6G 的發展，無人機將成為未來通訊基礎設施的重要組成部分。台灣無人機產業的發展不僅關係到國家安全，更涉及到未來的數位基礎建設。無論是在軍事還是民用領域，無人機的應用將越來越廣泛，未來有望成為台灣科技產業的一個重要支柱。

總而言之，無人機技術正在改變戰場生態，而台灣也正在積極參與這場技術革命。隨著更多資源的投入，台灣有機會在全球無人機市場中佔有一席之地。無人機的發展並不僅僅是一場技術競賽，還是一場關乎國家安全與經濟未來的戰略賽跑。