焚紙燒香，祈求平安卻求來汙染─節電嘉義市篇

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／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我們生活在一個高度依賴科學與技術的社會，但幾乎所有的人對科學與技術都一無所知。

——Carl Sagan（1934-1966）美國天文學家、科普作家

在「日常生活範式的轉變：從紙筆到 AI」一文裡，筆者談到 50 年來的科技發展完全改變了我們自己日常生活的方式，如筆者已經不再用紙筆寫文章、不在圖書館裡找資料、旅行不需要攜帶地圖、在家逛街購物、買股票不需要透過券商下單、與親友及科學月刊通訊都是瞬間達成、⋯⋯等等。最近人工智能的正式登場更可能讓人人成為寫文章高手，讓讀者懷疑這篇文章是不是筆者自己寫的。

除了這些有形的日常生活方式的改變外,事實上還有一些無形、沒有改變我們生活方式的科技正在我們家中發生的。其中最明顯的就是電視, 我們看電視的方法還是一樣, 但年輕的讀者可能不知道不管從軟體或硬體來看, 電視機已經完全不再是 1970 年代的電視機了。我們在這裡就來談談這些偷偷摸摸進入我們家庭生活的三大無形改變吧，免得被名科幻小說及科普作家薩根（Carl Sagan）嘲笑：我們生活在一個高度依賴科學與技術的社會，但幾乎所有的人對科學與技術都一無所知。

電視機

早期的電視機是由真空管及陰極射線管（CRT）組成的，體積膨大。1940 年代，半導體器件的發明使得生產固態電子器件成為可能，它比熱真空管更小、更高效、更可靠、更耐用、更安全、更涼爽、更經濟。從 1960 年代中期開始，熱電子管可以說完全被晶體管取代。然而直到 21 世紀初，陰極射線管（也是一種真空管）仍然是電視監視器和示波器的基礎。

1982 年，愛普生（Seiko Epson）發布了第一台用液晶（liquid crystal）當平面顯示器（display）的液晶電視（LCD TV）；1984 年，愛普生又發布了第一台全彩袖珍液晶電視。夏普（Sharp）於 1988 年推出第一台商用液晶電視；第一台電漿（plasma）電視於 1997 年出現。電漿電視畫面是透過顯示器上面畫素（Pixel）點發光，不是像液晶電視機在畫面後面照光，因此在畫質方面比液晶顯示器強多了，但因在價格上沒辦法競爭，早已被淘汰掉了，最近被類似的有機發光二極體（organic light emitting diode, LED）電視機取代。

除了硬體外，電視影像訊息的傳播編碼（coding）也大異於前：早期使用類比訊號（analog signal）編碼，現在則使用數字（digital）。後者在其開發時就立即被認為是自 1950 年代彩色電視出現以來，電視技術上之一項創新進步的重大變革。類比廣播到數字廣播的轉變始於 2000 年左右；經過多次及多年的拖延，美國終於於 2009 年 6 月 12 日正式取消無線類比電視廣播，台灣也已於 2012 年 7 月全面廢除無線類比電視廣播,改用數位電視。詳情請參見高畫質數位電視。

電燈泡

我們一般都將發明燈泡的功勞歸於愛迪生（Thomas Edison），事實上早在他 1879 年申請專利之前，英國發明家就已經知道用弧光燈當燈泡。但愛迪生不但將白熾燈泡商業化，並發明了將電力帶入住家所需的整個系統——發電機、電線、保險絲、燈的開關。1904 年出現了取代碳絲燈泡之更亮的新型鎢絲燈泡，1913 年發現在燈泡內放入氮氣等惰性氣體可以提高壽命，沿用至今。 

電燈照明的原理是因為任何溫度不為絕對零度的物體，總是不停地對外放出各種頻率的輻射能（見「科學家如何找到黑體輻射光譜，引發 20 世紀初的量子革命？」）。不幸的是：這些不同頻率的輻射能中只有非常少的一部分是可見光，因此利用鎢絲加熱來照明的電燈效率非常低（見「電燈的效率」）。

筆者在「太陽能與光電效應」裡探討了「二極體」（diode）的物理，其用途甚廣（如整流器及控制器等）。它可以透過光來發電製造太陽面板；它也可以透過電來發光——「發光二極體」（light emitting diode, LED）——製造上面提到之有機發光二極體電視機及二極體燈泡。因我們可以用不同材料來控制發出來之輻射在可見光範圍，所以二極體燈泡效率比傳統鎢絲燈泡高得非常多：例如前者只需 18 瓦特就可達到後者 100 瓦特（W）的亮度。加上它不使用高溫，壽命也因之比較長；但因其製造成本高，所以直到最近美國才宣布禁售傳統鎢絲燈泡，強迫使用二極體燈泡¹。

發光二極體需要在直流電下運作，一般家用二極體燈泡設計在低電壓 1.2－3.6V 之間。然而，為了變壓方便及減少輸送過程中的能量浪費（見「高壓危險」），全世界電力公司都用高電壓的交流電輸送電力，到住宅區附近的變電所後再減壓到 120-240V，因此二極體燈泡的設計非常不同於傳統燈泡：它的首要任務是將高電壓交流電降壓整流為低壓的直流電。除此之外，因固態線路特性，它也必須考慮電壓及電流的穩定、散熱等問題，因此在設計上比鎢絲燈泡複雜多了，成本也貴得多。

家庭電話

與電視機及燈泡相比，家庭電話可以說是改變最少的；事實上自從行動電話普及後，許多家庭已不再使用固定的家用電話，改變了我們日常生活的方式。但仍有不少像筆者一樣頑固的長者保留家用電話的，他們將發現：雖然現在的電話機比以前的加了很多功能，如來電顯示、留言、無線分機等,但其基本結構還是保留在 1962 年世界博覽會上首次以商品名「按鍵音（Touch-Tone）」推出的按鈕撥號（也就是說 1970 年代的電話現在還是可以用的，也還可以在市面上買到）。

傳統電話系統通話依賴於兩個節點間的直接物理連接，在通話中這條線是不能斷的。為了覆蓋廣泛的地區，任何兩點間都直接連線當然是不可能的，因此出現了稱為「電路交換」（circuit switching）的呼叫切換技術。早期的呼叫切換是由電話接線員來完成的，但隨著電話覆蓋範圍的擴大，美國電話及電報公司（AT&T）開始推出機械交換系統，人們可以從家裡手動撥打其它號碼，不再需要人工操作員接通。到 1978 年左右，完全自動化終於消滅了電話接線員這一職業。

自從互聯網（Internet）及一種可用寬頻連線進行語音通話的互聯網協定語音（voice over internet protocol, VoIP）出現後，網路語音（VoIP）電話開始慢慢侵食傳統的家庭電話。不像電視機及燈泡，事實上傳統的家庭固定電話是有其優點，如不受斷電及不穩定網路的影響等，但因網路語音電話成本較低及較高彈性，美國聯邦通訊委員早在 2022 年 8 月就宣布不再要求美國電信公司提供銅線固定電話服務，因此相信傳統的電話系統不久將在美國消失了²。

電路交換技術的一大缺點是：兩點一旦連接在一起，別人便不能再使用那整條電路³，浪費了有限的資源。現在網路語音電話的交換網絡依賴於「分組交換」（packet switching）技術。分組交換概念是波蘭裔美國工程師巴蘭（Paul Baran）於 1960 年代初提出，首先使用於美國國防部的阿帕網（ARPANET）。使用者透過網路傳送檔案時，先將檔案分割為較小的數位「資料包」（packet）形式來進行傳輸。每個資料包都有一個包括來源位址、目標位址、資料包數量和序號等的資料包頭，因此它們可以各走其獨立路線(網路節點負責指揮交通)，發送者和接收者之間沒有必要（也從未）直接連接在一起，可以充分且更有效率地利用傳輸媒體。數位資料包到達目的地後，經組合再透過數據機（modem）將數位數據轉回電話線的類比訊號，傳到傳統的電話上。

以前傳統電話因為要用實體電線接到區域交換總機，所以可以從區域號碼知道這支電話的所在地；網路語音電話只要連接到任何一個網路節點就可以，所以家用電話號碼可以隨搬家移動到別的區域（例如台北的 02 區域電話號碼可以在阿里山出現），因此區域號碼已經失去其區域的意義。

結論

這些悄悄來的家庭科技中，改變最多的是電視：在軟體（數位訊號傳輸）及硬體方面（平面顯示器）都完全擺脫了舊科技，以全新的面貌在家庭中出現；接觸過舊電視的讀者，應該不難發現影像的改進不可同日而語。燈泡則只改變硬體（二極體燈泡），網路語音電話只改變軟體（分組交換訊號傳輸）。

筆者雖然喜歡新科技，但因一則較貴，再則可能不穩定，而不願做新技術的天竺鼠（實驗對象），對新技術的接受總是很遲的；即使如此，筆者的家庭也已經全面「現代化」了。但是內人除了發現電視機不同及燈泡比以前更接近太陽光⁴外，根本不知道老公花了多少心血將狗窩現代化。

註解

1. 事實上美國早在 2007 年就頒布白熾燈泡禁令，但被川普政府撤銷，該規則於今年（2023 年）8 月 1 日才又生效。台灣經濟部宣佈 2011 年底全面禁售白熾燈，五年內全面更換成二極體燈泡。
2. 但在台灣還不流行。根據名市場研究公司 Future Market Insights 分析：全球住宅網路語音服務市場規模預計將從 2023 年的 221 億美元增至 2033 年的 678 億美元；在預測期內（2023 年至 2033 年），全球住宅網路語音服務需求預計將以 11.9% 的複合年增長率增長。
3. 只要電話不掛斷（如找資料暫停通話），電路就不會、也不能斷；因此原則上如果夠多人在同時用電話，將會將所有的電路線都佔罄了。
4. 太陽表面的溫度約在 6000^°C，鎢絲燈泡大都在 3000^°C 左右操作以增加壽命。

延伸閱讀

• 《我愛科學》（華騰文化有限公司，2017 年 12 月出版）。本書收集筆者自 1970 年元月至 2017 年 8 月在科學月刊及少數其它雜誌所發表之文章，包括本文中所提到之高壓危險（科學月刊，1976 年 5 月）、電燈的效率（科學月刊，1979 年 4 月）、太陽能與光電效應（科學月刊，2013 年 4 月）、高畫質數位電視（科學月刊，2013 年 11 月）等。
• 「科學家如何找到黑體輻射光譜，引發 20 世紀初的量子革命？」，科學月刊，2022 年 7 月號。
• 「日常生活範式的轉變：從紙筆到 AI」，泛科學，2023 年 3 月 8 日。

不活潑的「氬」

氬和氦、氖一樣，不容易和其他物質產生化學反應，在元素之中，被稱為稀有氣體。老是發呆，似乎沒什麼優點。

可是，氬常被注入水銀燈、日光燈和燈泡內。氬可以提高日光燈燈光的穩定性，防止白熾燈的燈絲氧化。而且，因為和氖氣味相投，有時氬會摻入霓虹廣告看板內，負責發出藍色和綠色的霓虹燈光。

雖然氬身為稀有氣體之一，可是其實並沒有那麼罕見。氬在空氣中約占百分之零點九，以極為懸殊的差距僅次於氮和氧，是大氣中第三多的氣體。也因為氬可以用相對較便宜的價格取得，因此受到廣泛的運用。

發現氬的科學家們為氬取了一個不太值得驕傲的名字「不活潑的物質」，然而，其「不活潑」的特性正是它的功能所在。

醫療雷射的用途

氬可以做為手術用的雷射刀，由於肉眼能看見光，所以十分方便好用，也可以透過光纖，甚至在水中使用也沒有問題，氬又有止血作用，深受醫療界重用。此外，牙科醫生有時也會用氬做牙齒美白。氬的特質是不需太高溫就能得到強光。在牙齒表面塗上藥劑再以雷射照射，牙齒馬上煥然一新。令人遺憾的是，牙齒美白的療程並沒有健保給付。

【常溫狀態】氣體　　【原子量】39.948

【熔點】-189.35˚C 【 沸點】-185.85˚C

【密度】0.00017837 g/cm3

【發現】1894 年，英國化學家藍塞

【語源】希臘文 Argon，意思是不工作的。

——本文摘自《原子有話要說！元素週期表》，2023 年 4 月，漫遊者文化出版，未經同意請勿轉載。