霍金對蟻人：量子西洋棋之戰

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

量子糾纏的生活比喻：情感的同步

想像一下，你有一位從小就非常要好的朋友，無論他做什麼，你都感同身受。他吃下午茶，你也立刻想來一份；他開心，你也情不自禁地微笑；他難過，你也跟著心情低落。你們之間的情緒達到了百分之百的同步。雖然你們身處不同的地方，但似乎有一條無形的線將你們連接在一起。

這種神奇的連結，正是量子力學中的量子糾纏（Quantum Entanglement）。在微觀的量子世界裡，兩個曾經互相影響的粒子，即使相隔萬里，依然可以保持同步的狀態。一旦其中一個粒子的狀態被測量，另一個粒子的狀態也會立即確定，這種現象挑戰了我們對於時空和因果關係的理解。

角動量守恆與粒子自旋

要理解量子糾纏，我們首先需要了解角動量守恆和粒子的自旋。想像一顆靜止的砲彈，突然爆炸成兩個旋轉的碎片。根據角動量守恆定律，兩個碎片的旋轉方向必須相反，才能使總角動量保持為零。

在量子力學中，粒子的自旋類似於這種旋轉，但並非真正的物體旋轉，而是粒子固有的一種量子性質。一個自旋為零的粒子衰變成兩個帶有自旋的粒子時，兩者的自旋方向必須相反，以維持角動量的守恆。

然而，與宏觀世界不同的是，量子粒子的自旋狀態在被測量之前，處於一種「疊加態」，也就是說，它們同時具有多種可能的狀態，直到測量發生，狀態才被「塌縮」為確定的值。

EPR悖論：量子力學的挑戰

1935 年，愛因斯坦、波多爾斯基和羅森提出了著名的 EPR 悖論。他們認為，量子力學對於自然的描述並不完備，因為它無法預測單個粒子的確切狀態。他們設想，如果兩個粒子處於糾纏狀態，測量其中一個粒子的自旋方向，另一個粒子的自旋方向就立即確定，無論兩者距離多遠。

這似乎暗示著訊息以超光速傳遞，違反了相對論。然而，他們認為，應該存在一些「隱變量」來決定粒子的狀態，而不是量子力學的機率性描述。

貝爾不等式與實驗驗證

為了檢驗 EPR 悖論，物理學家貝爾在 1964 年提出了貝爾不等式。該不等式提供了一種方法，可以通過實驗來區分量子力學的預測和隱變量理論。

1972 年，約翰·克勞澤和他的同事首次進行了實驗驗證，結果支持量子力學的預測，違背了貝爾不等式。這意味著，量子糾纏的現象是真實存在的，粒子之間的連結不需要透過任何已知的訊息傳遞。

之後，阿蘭·阿斯佩等科學家進一步完善了實驗，消除了可能的漏洞，堅定了量子力學的立場。2022 年，克勞澤、阿斯佩和安東·塞林格因在量子糾纏領域的貢獻，共同獲得諾貝爾物理學獎。

「鬼魅般的超距作用」的理解

量子糾纏挑戰了傳統物理學對於因果和現實的理解。愛因斯坦稱之為「鬼魅般的超距作用」，因為它似乎違反了光速的限制。然而，現代物理學家認為，量子糾纏並不傳遞任何可用於通信的訊息，因此不違反相對論。

糾纏粒子之間的連結被視為量子系統的整體性質，而非個別粒子的屬性。當我們測量其中一個粒子時，整個系統的波函數發生了變化，導致另一個粒子的狀態也被確定。

量子糾纏的應用與未來

量子糾纏不僅僅是理論上的奇觀，它在實際應用中也展現了巨大的潛力。安東·塞林格成功地利用量子糾纏實現了量子隱形傳態，將一個粒子的量子態傳輸到遠方的另一個粒子上。

此外，量子糾纏在量子計算和量子通信中扮演關鍵角色。量子計算機利用糾纏態進行超高速的計算，而量子通信則提供了無法被破解的加密方式，保障訊息的安全。

結語：量子世界的奇妙之旅

量子糾纏揭示了自然界深層次的連結，挑戰了我們對於現實的直覺認知。儘管我們無法在宏觀世界中直接感受到這種現象，但它真實地存在於微觀的量子世界中，影響著未來科技的發展。

在這個充滿光與生命的宇宙中，我們的存在其實與一種看不見的力量密切相關，那就是量子力學。沒有量子力學，太陽將不會發光，地球上的生命將無法誕生，甚至整個宇宙的運行規則都會截然不同。這些微觀層次的奧秘深深影響了我們日常生活的方方面面。

其中，量子穿隧效應是一個看似違背直覺但至關重要的現象，從太陽的核融合反應到基因的突變，這種效應無處不在，甚至還牽動著當今的高科技產業。

什麼是量子穿隧效應？

我們可以將量子穿隧效應比作一個奇妙的穿牆術。想像一下，你身處一個被高牆包圍的城市，牆外是未知的世界。通常，如果你要越過這道牆，需要極大的力量來翻越它，或者用工具打破它。然而，在量子的世界裡，情況並不如此。

在微觀的量子力學世界中，粒子同時具有波的特性，這意味著它們並不完全受限於傳統物理的規則。當一個微觀粒子遇到能量障礙時，即使它沒有足夠的能量直接穿過障礙，卻仍有一定機率能出現在障礙的另一邊，這就是「量子穿隧效應」。粒子彷彿直接在牆上挖了一條隧道，然後穿越過去。

這聽起來像魔法，但它背後有深刻的物理學道理。這個現象的發生取決於量子粒子的波動性質以及能量障礙的高度和寬度。如果障礙較矮且較窄，粒子穿隧的機率就較高；反之，障礙越高或越寬，穿隧的機率則會降低。

太陽發光：核融合與量子穿隧效應的結合

量子穿隧效應的存在，讓我們能夠理解恆星如何持續發光。以太陽為例，太陽內部的高溫環境為核融合反應提供了所需的能量。在這個過程中，氫原子核（質子）需要克服極大的電磁排斥力，才能彼此靠近，進而融合成為氦原子核。

然而，單靠溫度提供的能量並不足以讓所有質子進行核融合。根據科學家的計算，只有約10的 434 次方個質子中，才有一對具備足夠的能量進行核融合。這是一個極小的機率。如果沒有量子穿隧效應，這種反應幾乎不可能發生。

幸好，量子穿隧效應在這裡發揮了關鍵作用。由於量子粒子具有波動性，即便質子沒有足夠的能量直接跨越能量障礙，它們仍然能透過穿隧效應，以一定機率克服電磁排斥力，完成核融合反應。這就是為什麼太陽內部的核融合能夠源源不斷地發生，並且持續產生光與熱，讓地球成為適合生命生存的家園。

量子穿隧效應與生命的演化

除了恆星的發光之外，量子穿隧效應還對生命的誕生和演化起到了關鍵作用。地球上物種的多樣性，很大一部分源於基因突變，而量子穿隧效應則幫助了這一過程。

DNA 分子是攜帶遺傳訊息的載體，但它的結構並不穩定，容易在外界因素影響下發生變異。然而，即使沒有外界因素的干擾，科學家發現 DNA 仍會自發性地發生「點突變」，這是一種單一核苷酸替換另一種核苷酸的突變形式。

量子穿隧效應讓氫原子隨時可能在 DNA 結構中進行位置轉換，從而導致鹼基對的錯位，這在 DNA 複製過程中，可能會引發突變。這些突變若保留下來，就會傳遞給下一代，最終豐富了基因與物種的多樣性。

半導體技術中的量子穿隧效應

除了在宇宙和生命中發揮作用，量子穿隧效應還影響著我們的日常生活，尤其在現代科技中。隨著半導體技術的發展，電子設備的體積不斷縮小，這也讓電子元件的性能面臨更大的挑戰。

在微小的電子元件中，量子穿隧效應會導致電子穿過元件中的障礙，產生不必要的漏電流。這種現象對電晶體的性能帶來了負面影響，因此設計師們需要找到方法來減少穿隧效應的發生，以確保元件的穩定性。

雖然這是我們不希望見到的量子效應，但它再次證明了量子力學在我們生活中的深遠影響。設計更有效的半導體元件，必須考慮到量子穿隧效應，這讓科學家與工程師們需要不斷創新。

量子力學是我們宇宙的隱藏力量

量子穿隧效應看似深奧難懂，但它對宇宙的運作和生命的誕生至關重要。從太陽的核融合反應到基因突變，甚至現代科技中的半導體設計，量子力學影響著我們生活的方方面面。

在這個充滿未知的微觀世界裡，量子現象帶來的影響是我們難以想像的。正是這些看似不可思議的現象，塑造了我們的宇宙，讓生命得以誕生，科技得以發展。當我們仰望星空時，別忘了，那閃耀的光芒，背後藏著的是量子力學的奇妙力量。