空污到底哪裡來？五大網路工具立刻上手|數位時代 BusinessNext

空污到底哪裡來？五大網路工具立刻上手

空氣污染越來越嚴重，想要更清楚掌握空汙狀況，可以試試這五大網路工具。

前不久4月7日的中國沙塵暴污染，雲林台西PM10一度飆高至近每公尺900微克。今天4/29台灣又籠罩在一片空氣污染之中。

4月7日的空氣污染，主要是中國北方來的沙塵暴。環保署指出可能是改制爲空氣品質指標（AQI）以來最糟的記錄，24小時平均值首次達到最嚴重的「褐爆」等級。第二天可以明顯看到停在戶外的車子都是濃濃的灰塵凝結。

民眾對台灣的空氣品質關注度，跟颱風、氣象溫度已經不相上下。而且不僅必須關心傳統的空氣污染PM 2.5，PM 10也是一個會出現的項目。

台灣空氣污染的四大來源

分境外飄入、跟境內產生兩個方向。藉由客觀的數據觀測，釐清污染的來源。如果是境外飄入的，我們是無能為力。但如果是境內自己產生的，清楚原因，就能知道如何改善、有效監督。

一、中國北方境外飄入的空氣污染

最常見於秋冬開始，到春天。主要是中國冬天燃煤取暖、工廠排放、汽車等空污造成。加上冬天的東北季風從中國南下台灣，而將PM 2.5帶到台灣。

下圖（圖一）是今天2018/4/29日的中國、亞洲區空氣污染情況。很巧的，手頭也保存了一張2016年同一天4/29的空氣污染圖（圖二），極其類似。

圖一：中國、日韓、台灣 AQI 空污圖2018/4/29

圖二：2016/4/29空污圖

二、沙塵暴

4、5月時，中國北方的沙塵暴常會引起PM 10等級的空氣污染。特徵是天空會比PM 2.5更灰暗，第二日可以看到明顯的落塵在汽車等。

三、台灣海峽船隻

台灣海峽位居亞洲的船舶要道，南下、北上的船隻甚多。這些大型貨輪、郵輪、漁船、軍艦、航空母艦等，多是燃燒污染性比較高的原料，也多沒有管制排放品質。在對流不好的日子，也會貢獻西部城市的空氣污染。

圖三：台灣週遭船舶動態2018/4/29 11:20AM

四、境內污染

台灣自己產生的空氣污染當然也是造成現在空氣品質時常不佳的原因之一，貢獻的來源有火力發電廠、六輕、工廠、汽機車排放等，禍首是誰大家爭辯不休。但是其實都是貢獻之一。

本文首圖是2016年10月28日台灣的空氣品質狀況，當日空氣最糟的地方，不用明說一般人也能猜測到污染源是哪裏。

預測、監測空氣品質自己來

基於一些奇怪的考量，原本應該是不難，客觀可以說清楚的空氣污染預測、來源、持續力。

環保署、地方政府各說各話，有時候對於境外來的污染也不敢講清楚。

跳開那些政治口水，為了自己、家人的健康，現在資料、工具很多，也很方便。充分運用，可以輕鬆地預測到空氣的變化，跟現在的空氣品質。

一、環保署空氣品質監測

還是必須給環保署一點鼓勵，就資料面、監控設備端，目前他還是提供了台灣最先進、跟精準的監控資料、跟網站。仍然是值得使用的網站。

環保署空氣品質網站的缺點是更新時間一小時，刷新率不高，另外就是麥寮六輕附近的數據時有爭議。

圖四：環保署空氣品質監測網

網址：https://taqm.epa.gov.tw/taqm/tw/

二、G0V零時空污觀測網

G0V 組織結合了環保署、中研院、民間 edimax 空氣盒子資料，自行架設的空污觀察網，介面簡潔。也有細部資料，是重要的空氣品質觀察工具。

圖五：G0V空污觀測網

網址：https://airmap.g0v.asper.tw/v5/#/map

三、民間空氣盒子空氣品質監測

中研院還有民間公益人士哈爸、訊舟科技等自行合作推出的空氣盒子觀察站計畫，從原本的全台一千台設備的目標，到現在，由於民間自費買設備，熱烈參與。這個微型觀測站的計畫，已經超過3,000個，遍布全台，甚至外島。發起的故事可見科技新報的報導。

民間空氣盒子的計畫，雖然設備的精準度不如環保署的專業監測站，而且只有針對PM 2.5、溫度、溼度。但是由於參與者已經超過3,000個，因此地域細節的資料比較深入，可以看到小範圍區域內的空氣品質。以及目前它的資料6分鐘就更新一次，讓民眾對空氣品質的動態掌握度可以大幅提高。

圖六：空氣盒子監測網

圖七：空氣盒子實際

網址：https://airbox.edimaxcloud.com/

四、AQI全球空氣品質監測

如果要看是不是境外飄入的空污，那麼全球性的AQI空氣品質網站是很好的選擇。

像今天4/29的空氣污染就可以歸屬於中國，除了中國現在的空氣情況。下面介紹的風向網站windy.com能更加證實。

圖八：全球AQI空氣品質監測

網址：http://aqicn.org/here/hk/

五、Windy風向觀測

如果搭配G0V、或是空氣盒子空污觀測動態，通常能看到空氣從好變壞的過程是從那個方向開始。例如4/29早上的台北市，空氣都在良好的狀態，到了9點半左右，就從台北的西方，開始PM 2.5快速上升（見圖七）。

再參照圖八的風向，就可以知道，西部原本就是飄著中國來的西風，所以帶來空污。台北則是到9點半之後，風向稍微改變之後，才讓西風帶入中國的空氣污染。附帶一提的是，Windy這個網站，不僅能看到現在的西部風向、風力，也有未來風向預測圖。資料包含PM10、二氧化硫等都能觀測。

圖八 Windy 風向觀測

善用資料、網站，大家都能是空氣品質達人

以前的日子，前一天或是出門前看氣象預報看是否需要帶傘、要穿什麼。在空氣品質不佳的時代，善用這些開放的資料、工具，能決定自己或是小孩的活動模式。

如果更有心，還可以花點錢加入空氣盒子監控站計畫。貢獻居住地的空氣品質狀態給社群以及其他民眾參考。

本文授權轉載自：科技新報

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。