「頭殼壞去」真的沒救了？讓微型電子網格進入體內修復大腦

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

本文由科技部補助，泛科學獨立製作

艾瑞克索圖（Erik Sorto）是一名癱瘓十年的身障者，但他同時也是類似患者們的新希望。2013 年艾瑞克不顧家人反對，毅然報名接受了一場腦部手術。現在的艾瑞克有如科幻小說中的角色，只要他想像抓取東西的樣子，安裝的機械手臂就會執行他的命令。

過去雖然也有少數身障者透過腦機介面（brain-computer interface，簡稱 BCI） 操控機械，但這些受試者的植入體，所接受的信號多來自連結脊椎與肌肉的前運動皮質區，只能被動記錄訊號。而艾瑞克是第一位在後頂葉皮質層內（產生肢體運動意念的區域）植入晶片，讓機械主動理解使用者意圖的人。

加州理工學院的神經科學教授、也是這次實驗的首席研究員理查安德森（Richard Andersen）解釋，從使用者的意圖出發，不僅較符合人性，也能讓機械手臂作用的速度更快，艾瑞克所做的是讓機械手臂理解他的最終目標，而不是操控所有運動細節。舉例來說，當我們伸出手臂拿起一杯水時，你不會去思考每一個關節或肌肉該如何伸展、或拆解每個動作，你只想著要拿到那杯水而已。

透過數據累積，讓手臂知道你想做甚麼

在研究初期，研究人員先透過核磁共振技術，觀察當艾瑞克產生抓取等動作等意念時，頂葉皮層內兩個最活躍的區域。在此之後便植入 2 個微電極陣列，裡面各自包含 96 個電極，能夠記錄單一神經元的活動。此外，在艾瑞克的頭骨上有兩個金屬基座，能夠接收電極收到的信號，並連接機械手臂。

術後一個月，艾瑞克就開始了與團隊的合作。在第一個實驗中，工作人員先做出某些手勢，讓艾瑞克在腦中想像、模仿做出這些動作的感覺，並藉由不同的動作，觀察哪些神經元會對特定動作有反應。長期研究下來，團隊能夠不斷校準神經元與動作間的關係，針對位置、移動軌跡及特定運動等類別歸納出一套演算法。此外，安德森表示，即使系統沒有接收到完整的信號，也能透過演算法與過去的數據，自動補足需要的信號，這也會讓使用者操作起來更便利，減少失誤的次數。

頂葉皮質會是最佳解答嗎？

過去腦機介面（BCI）的開發，多根基於美國布朗大學腦科學研究所主任約翰多諾霍（John Donoghue）對運動皮質的前瞻研究。­多諾霍認為這次的實驗確實證明了頂葉皮質可以提供較有用的信號，但現階段他無法肯定頂葉皮質就是念動控制最好的選擇，因為目前的實驗成果雖好、但還不夠好，團隊尚未得知如何得到更精準的控制手段。

實驗的首席研究員安德森也曾提議結合來自運動皮質與頂葉皮質的兩種訊號，透過交叉判斷讓機械手臂的判讀更清晰，然而多諾霍則表示，結合不一定會帶來增值效果。他提到，當我們試圖用手拿起杯子時，會用到多達 80% 的大腦，上述兩種皮質只占了一部分，且傳遞出的訊號其實相當類似，因此不排除其他部分的大腦有可能蘊藏了更關鍵的數據。

依然努力著的艾瑞克

在學界熱烈討論的同時，艾瑞克仍舊繼續著他與機械手臂間的實驗。在這兩年中，他的熱情絲毫未減，並致力提升操控的精準度，他練習玩了 6700 多次的剪刀石頭布，因為這些對常人而言簡單的動作，都是重要的突破。雖然過程辛苦，但艾瑞克終於在今年實踐了他長久以來的目標：透過機械手臂拿起啤酒，並暢快的痛飲一番。未來，他還想嘗試刷牙、刮鬍子等更精細的動作。

（本文由科技部補助「新媒體科普傳播實作計畫－智慧生活與前沿科技科普知識教育推廣」執行團隊撰稿）

責任編輯：鄭國威
審校：陳妤寧

本文由科技部補助，泛科學獨立製作

在1966上映的電影《聯合縮小軍》中，劇情講述一群科學家透過高科技將自己縮小，乘著飛船進入人體中進行治療的冒險故事。雖然電影年代久遠，許多鏡頭與畫面在今日看來有些荒唐，但仍能看出人們對迷你世界的想像與野心。時至今日，雖然我們還無法將人縮小，但在醫療領域，小到足以進入人體執行治療任務的技術已經不是科幻小說中的空想，而是正在實踐的理想。

終極目標：實用醫療

過去十年，已經陸續出現各種研究成果，例如由公牛精子與細菌推進的微型機器人、如海星般遇熱能緊密關閉的顯微夾具、由藥丸包裹的可控制磁球、由胃酸驅動的馬達以及能夠在眼球玻璃體中前進的扇貝型微機械。

這些案例有些還躺在實驗室，有些則已經進入動物實驗，科學家們的終極目標則是投入實用醫療領域。期望這些技術能夠應用在放射性藥物針、清除血塊、組織篩檢、在支架上培養新細胞等等任務，醫界期望能夠在「及早預防」與「精準治療」兩個領域有所突破。

當然，夢想的路上還有許多障礙要克服。在微觀尺度下，科學家們必須重新思考機器人運作的方式。其中又以續航力與動力最為棘手。此外還必須確保這些微小裝置沒有毒性，以免傷及組織，並設計一套在任務完成後，安全分解或離開身體的方式。

如何維持續航力？

關於續航力的問題，微型化不利於傳統的化學電池技術，因為一旦物體小於一毫米，電池的容量就會急遽下降。其中一種替代方案是「無線電力傳輸」，透過無線電波獲取電力，從體外進行發電。但這種做法仍須面對微型化挑戰，因為機器人需要有能夠接收電波的天線，且天線不能太小，同時也要確保電源與裝置的距離不能太遠，避免收不到信號。

此外，也有團隊研製出不帶有電源與天線的「變形細菌芯片」。在芯片兩端有兩個電極，當芯片遇到胃酸變形時，電極便會結合並透過化學作用獲取5～10分鐘的短暫電力。在這期間，裝置本身可以有足夠的電力來發送一組識別碼到肌膚表層的接收器上。

找到持續推進的動力

面對續航力的限制，工程師勢必要尋找新的途徑來讓裝置得到推進的動力，才能到達身體內的目的地。其中一個選擇是透過微型的化學火箭，經由特定反應對象獲取能量，例如胃酸。研究人員也正積極探索生物技術，例如藉由在組織間游動的細菌、或是隨著特定分子的濃度變化信號而前進。

在某些情況下，也可能不需要任何能量載體。約翰霍普金斯大學的大衛格拉西亞斯（David Gracias）與其同事，已經開發出一種星型的微型鉗，能對環境因素產生反應，例如溫度、pH值、或是特定酶的濃度。偵測範圍在直線距離500微米以內，當偵測溫度靠近人的體溫時，微型鉗就會關閉。只要擺放的位置得當，微型鉗便能採集周遭的組織，進行篩檢。微型鉗的應用，可提供慢性腸道疾病患者一種新的篩檢選擇。

格拉西亞斯表示，患者可以透過「服用」大量的微型鉗，讓裝置直接抵達腸道，增加篩檢取樣的面積。與之相對，醫生也能從直腸直接注入微型鉗，稍後再經由患者的糞便回收採樣結果。

精準投放的困難

胃腸道系統相較於其他器官，到達的門檻較低，且能搭配排遺回收裝置。但其他如眼、腦、血液等組織，前往正確位置的難度就高上許多，需要更為複雜的機械設計。

來自蘇黎世聯邦理工學院的布萊德利納爾遜（Bradley Nelson）正致力於視網膜的微型治療裝置。他表示，即使是能夠感應溫度和PH值的最先進微型機器人，都難以抗衡血液中強大的電流，因此這些裝置需要更好的「嚮導」。雖然納爾遜的團隊目前已經能讓攜帶藥物的裝置在視網膜中慢慢擴散，但最終僅有少數能到達患部。團隊希望能夠未來提高投放的精準度，進一步減低藥物的劑量，以減少副作用。

目前採用的解決方案，是在裝置外圍添加磁性材料，並透過核磁共振機器，引導裝置到達目的地，此舉已在動物實驗獲得成功，但納爾遜仍想尋找其他不需動用到巨型電磁鐵的方案。目前團隊除了摸索如何透過磁力線圈控制裝置運動所需的物理、數學機制，也開始研究大腸桿菌的鞭毛推進模式，希望將人工鞭毛技術結合到現有的裝置上。

（本文由科技部補助「新媒體科普傳播實作計畫－智慧生活與前沿科技科普知識教育推廣」執行團隊撰稿）

責任編輯：鄭國威
審校：陳妤寧

本文由科技部補助，泛科學獨立製作

微型電子網格能夠如何助神經科學一臂之力？「不同於以往嵌入到體內的一般晶片，機械生物（Cyborg-type）型態的裝置， 將在不久的將來實現。」哈佛大學的化學教授查理斯李柏（Charles Lieber）表示。根據目前植入到實驗鼠大腦中的結果顯示，微型電子網格未來可能可以替人操控義肢、義眼、甚至是協助修復大腦損傷、幫助受損組織的細胞再生。

先縮小，再還原

聽來驚悚，微型電子網格究竟要怎麼進到一顆腦子裡呢？其實只要打針就可以了。實驗團隊從矽奈米線（silicon nanowires）中製造出場效電晶體（field-effect transistors），發現當這些微型電晶體被放置在液體中的時候，會「蜷縮」起來變得更微小。

於是他們將場效電晶體放進食鹽水、並用針筒將食鹽水注射到實驗鼠的大腦中。在注射完成的一個小時後，場效電晶體就會延展、恢復為原本的形狀。「這個手法其實在生物和藥學的領域很常被用到。」哈佛大學的化學教授查理斯李柏（Charles Lieber）表示。

其實 2012 年時，李柏的團隊就打造了可被神經、心臟以及肌肉組織依附生長的矽奈米線支架（silicon nanowire scaffolds），藉此測試這些細胞會如何對外來刺激做出反應。這次新研發出來的微型電子網格同樣是由矽所製成，但外觀更加扁平、形狀更近似於平行四邊形，這些特性都讓它更容易在浸泡至食鹽水時可以蜷縮至小於針頭的直徑。

覺得「遇水則縮」聽起來沒什麼了不起的嗎？那麼來看看這些微型電子網格原本有多大吧－大約為 3 到 4 公分寬，是針頭直徑的 33 倍大！

微型電子網格如何和體內組織好好相處？

想當然耳，「能伸能屈」對於微型電子網格是種非常重要的能力，微型電子網格必須具有彈性，才能和腦部組織互相接合。唯有電子網格能夠保持足夠的柔軟，才能確保它不會傷及體內組織、減少副作用、避免免疫反應發生。
奈米電子學的目標是要能夠擔任細胞外基質的角色去「抱住」細胞們。在李柏的團隊和實驗鼠的努力之下，發現微型電子網格可以和腦細胞良好的結合，甚至可以幫助修補中風或脊髓受損造成的損傷。「這幾乎是達成一種『人工突觸』的程度了。」李柏表示。

看看過往瓶頸，想想未來展望

微型電子網格可扮演感測器的角色，測量藥物如何幫助心臟更加順利跳動。在這種情況下，這類型裝置的最大挑戰都在於促成電子和細胞之間的通訊。以目前的醫療科技發展，醫生其實已可運用電極裝置，去測量大腦或肌肉發出的訊號來嘗試控制義肢，但使用電極裝置的副作用也不少。以為了深度刺激帕金森氏症患者腦部的微型電極裝置為例，疤痕會引起絕緣問題，一旦如此醫生就必須不斷調整電極的位置並重新發出電波訊號，而導致患者的不適。

目前實驗團隊仍在測試微型電子網格能否維持到 3～6 個月的穩定度。而這項技術若要真正被實踐在人體上，恐怕還需要數年的時間。李柏對於未來的技術發展充滿期待，例如幹細胞是否能隨同網格一同注射、或是直接改變網格表面的化學物質讓他們和特定細胞互相結合、或是建造更複雜、但也更高能力的網格。

「如果微型電子網格的能力越高，我們就能對它的應用有越多想像，例如在不用針頭插入的狀況下，就可以藉由植入奈米裝置來監測糖尿病患的胰島素狀況，或是，使用感測器來持續追蹤心臟病風險群病人的血小板生成。」李柏說。