宇宙的膨脹速率有多快?看科學家怎麼絞盡腦汁,找出新一代「宇宙學標準模型」
宇宙的膨脹速率有多快?看科學家怎麼絞盡腦汁,找出新一代「宇宙學標準模型」

大型星系團MACSJ 0717.5+3745:針對這類星系團以及其他大型宇宙結構的研究,揭露出科學家對宇宙的假設存在著令人不安的矛盾。

宇宙的膨脹速率有多快?我們周遭的宇宙究竟聚積了多少物質?科學家使用兩種方法來回答這些問題。一是觀察早期宇宙並推演至今日,另一是直接觀測鄰近的宇宙區域。但是現在出現問題了:這兩種方法一再產生不同的答案。對這些差異最簡單的解釋是,我們的測量方法在某種程度上並不正確。

不過,越來越多的研究人員傾向考慮另一種令人震驚的可能:這種雙雙發生於理論預測與觀測之間以及早期與晚期宇宙間的「張力」(tension),可能反映了宇宙學標準模型中的某種深層缺陷。由於該模型概括了我們對宇宙的認識與假設,發現並修復此缺陷,可能會澈底改變我們對宇宙的理解。

無論如何,隨著新的太空和地面望遠鏡更清楚觀看宇宙,天文學家覺得這答案可能會在未來十年出現。2011年諾貝爾物理獎得主、美國約翰霍普金斯大學的天文物理學家黎斯(Adam Riess) 說:「追究這些張力的源頭,是一種了解宇宙的絕佳方式。這雙重僵局讓我們能聚焦於非常具體的測試上,而非只是泛泛地搜尋一般資訊而已。」

黎斯預期這批新望遠鏡將開啟第三代精準宇宙學(precision cosmology)。從1990年代至21世紀初的第一代精準宇宙學,利用哈伯太空望遠鏡(Hubble Space Telescope)和美國航太總署(NASA) 的威金森微波異向性探測器(WMAP)更精準測量宇宙最古老的光,即宇宙微波背景(cosmic microwave background, CMB)。

位於智利又徑八公尺的望遠鏡和美國夏威夷兩座又徑十公尺的凱克(Keck)巨型望遠鏡亦參與了第一代的精準測量。

這些觀測站共同幫助宇宙學家制定了宇宙學標準模型,認為宇宙是由5%的普通物質、27%的暗物質和68%的暗能量所構成。宇宙學標準模型能夠以驚人的準確度,解釋我們所觀察星系、星系團和其他大尺度結構及其隨著時間演變的大部份情況。諷刺的是,宇宙學標準模型的成功凸顯了一件尷尬的事實:我們並不清楚95%的宇宙之確切性質。

根據歐洲太空總署(ESA)的普朗克衛星和各種地面望遠鏡更精密測量CMB,第二代精準宇宙學雖然支持宇宙學標準模型,但也揭示了其中的矛盾。測量的重點轉移到減少所謂的系統誤差:因實驗或設備設計問題而反覆產生的誤差。

NASA
圖/ NASA官網

隨著哈伯太空望遠鏡的繼任者韋伯太空望遠鏡(James Webb Space Telescope, JWST)成功發射至深空部署,第三代精準宇宙學才剛登場。在地球上的無線電波望遠鏡陣列,例如位於智利亞他加 馬沙漠的西蒙斯(Simons)天文台,以及未來將建置於亞他加馬與南極,各由21座碟型天線和50萬具低溫冷卻探測器組成的CMB-S4,應該能以超越普朗克衛星的精準度來測量CMB。

第三代精準宇宙學的核心儀器將是凝望大片天空的望遠鏡。其中第一座可能是ESA即將於2023年發射又徑1.2公尺的歐幾里得(Euclid)太空望遠鏡,視野將橫跨大約1/3的天空,研究其間數十億個星系的形狀與分佈,觀測結果將與NASA預計於2025年發射的羅曼(Nancy Grace Roman)太空望遠鏡的觀測相銜接。羅曼太空望遠鏡的又徑是2.4公尺,視野比哈伯太空望遠鏡廣100倍左右。此外,位於智利的魯賓(Vera C. Rubin)天文台在2020年代中期啟用後,將以8.4公尺的鏡面以及一具擁有30億像素、迄今為天文學建造的最大相機,每隔幾個晚上掃描整片天空。美國耶魯大學的天文物理學家納塔拉真(Priyamvada Natarajan)說:「這些都是獨立的觀測站,因此不會受到雜訊和系統特性的限制。即使在設計上出現了系統誤差,我們也應該(能夠)找出它。」

探測星空:地面上有多座無線電波觀測站可觀測宇宙微波背景(CMB),例如南極望遠鏡。

刻劃距離階梯的尺度

黎斯希望能找到化解哈伯張力(Hubble tension)的方法,哈伯張力指的是對哈伯常數H0(即宇宙 的膨脹速率)的不同估計所引發的爭議。黎斯主持「以超新星與H0來測定暗能量的狀態方程」(SH0ES)研究計畫,目標是利用宇宙距離階梯(cosmic distance ladder),從第一梯級的天體開始測量退行速率,然後逐級而上,觀測越來越遙遠的天體隨著空間膨脹而運動的狀況,以測定H0的數值。

第一梯級主要測量地球到鄰近造父變星(Cepheid variable)的距離,這類特殊恆星的脈動與其內 在光度(intrinsic luminosity)成正比,脈動的時間越長,該造父變星就越亮。這種變異週期與光度的特定關係使造父變星成為所謂的「標準燭光」,可做為測定銀河系與鄰近星系間距的基準。 標準燭光也構成了宇宙距離階梯上第二梯級的基礎:天文學家藉由比較測量造父變星的估計值與 另一類更強大的標準燭光「Ia型(讀做one A)超新星」(SNe Ia),進而衡量更遙遠星系的距離。

再往上走,天文學家利用在更遠星系中所找到的Ia型超新星,來建立距離與星系紅移(redshift) 的關係;由於紅移是衡量天體退行速率的指標,藉此結果便可得出H0的估計值。

univers
(影像來源:NASA/CXC/CfA/M. Markevitch (X光), NASA/STScI, Magellan/U. Arizona/D. Clowe (光學圖和透鏡圖), ESO WFI (透鏡圖))
圖/ 科學人

去年12月時,黎斯談到,「在歷經數年深入研究此問題後」,SH0ES團隊和萬神殿+ (Pantheon+)團隊宣佈,匯整了Ia型超新星的大量數據,並進行近70項分析。這些數據包括觀測37個宿主星系中的造父變星,這些星系還包含42顆Ia型超新星,比2016年SH0ES研究的超新星數量多了一倍有餘。黎斯和論文其他作者認為,這項研究可能代表哈伯太空望遠鏡的最後一搏,這座受尊崇的望遠鏡其測距能力已達極限,無法再幫助他們攀上更高梯級的宇宙。現在這組超新星包含從1980~2021年在鄰近宇宙中「觀測到所有已知合適的Ia型超新星」。

經過他們分析,H0在每百萬秒差距的範圍內達到每秒73.04±1.04公里(即每326萬光年內每秒擴張的公里數)。

這個數值與用另一種完全不同的方法所得到的數值相差甚遠。該方法著眼於宇宙歷史的另一端: 在大霹靂後約38萬年發生的再複合(recombination)時期;以光來說,該時期的宇宙變得透明起來。經過宇宙後續的膨脹,當時所釋出的光,現在已拉伸到微波尺度,形成了無所不在且可偵測的CMB。CMB上微幅的溫度起伏與偏振,呈現出一項重要的訊號:從宇宙誕生不久到再複合時期聲波所走的距離。

對精準宇宙學而言,此長度是個很有用的度量,可透過包含宇宙常數的冷暗物質(ΛCDM)模型 (也稱為宇宙學標準模型)推演到當今宇宙,估計出H0的數值;ΛCDM的Λ(讀做lambda)代表宇宙常數,CDM代表冷暗物質,「冷」指的是暗物質粒子相對緩慢移動。一年前發表的最新分析,結合了來自普朗克衛星以及亞他加馬宇宙學望遠鏡(Atacama Cosmology Telescope)和南極望遠鏡(South Pole Telescope)兩座地面儀器的數據,得出的H0數值為67.49±0.53。

從統計學的意義來說,這兩個估計值的差異達到五個標準差(σ,讀做sigma),意味著統計上只有大約百萬分之一的機率產生這樣的狀況。黎斯表示:「這當然達到了人們應該認真看待的地步,而科學家也確實嚴肅面對這項差異。」

宇宙有多不均勻?

universe shutterstock
universe shutterstock
圖/ ShutterStock

研究人員開始認真看待另一張力,是關於稱為S8的宇宙參數,它取決於宇宙中物質的密度,以及物質因分佈不均而聚積結塊的程度。對S8的估計也同時關乎對CMB與鄰近天區的測量,這兩者分別歸屬宇宙歷史首尾兩端。先從CMB推算出早期宇宙的S8值後,再以ΛCDM外推算出現今值約為 0.834。

從鄰近天區測量S8涉及一連串不同方法。其中最令人信服的是弱重力透鏡(weak gravitationallensing)觀測,它測量大片天區中暗物質與普通物質的重力效應,如何扭曲數以百萬計散佈其間的星系之平均形狀。天文學家使用了千度巡天(Kilo-Degree Survey)的最新數據,把天空覆蓋範圍從350平方度提高到777平方度(相較之下,滿月的跨度只有0.5度而已),估計出S8約為0.759。

從早期宇宙和晚期宇宙推算S8的估計值,其張力已經從2019年的2.5σ增長到現在的3σ(發生這類 狀況的機率相當於1/740)。德國波鴻魯爾大學(Ruhr University Bochum)的天文學家希爾德伯蘭
特(Hendrik Hildebrandt)說:「此張力不會自動消失,只會把局面弄得更僵。」

還有另一種方法,藉由統計某空間體積中質量最大的星系團數量就能估計出S8的值。這種方法很直接,例如天文學家可利用重力透鏡來估算出S8。

此外還可透過研究星系團在CMB的陰影計算出星系團的數量,這得歸功於桑尼耶夫-沙多維契(Sunyaev-Zeldovich)效應,即CMB光子與星系 團中的熱電子碰撞而散射開來,在CMB中形成與星系團質量成正比的陰影。

2019年一項研究使用了南極望遠鏡的數據,估計出S8為0.749,同樣地,比起從CMB與ΛCDM得出的估計值相差甚遠。納塔拉真指出,如果對這些星系團質量的估計偏差了約40~50%,這些數值就可以調和,儘管她認為,這樣大幅的修正不太可能發生。她說:「關於這些測量,我們的技術並 沒有那麼糟糕。因此,這是另一種內部的不一致,也是另一個指出異常的現象。」

期待新利器打破僵局

在這些張力的拉扯下,宇宙學家自然會焦急看待來自新一代天文台的全新數據。例如美國普林斯頓大學的史伯哲(David Spergel)熱切期盼,天文學家能使用JWST來研究紅巨星分支(red-giant- branch)上最明亮的恆星,這些恆星具有明確的光度,可做為標準燭光來測量星系的距離(可以 把它當做宇宙階梯上的一道獨立梯級)。芝加哥大學的傅利曼(Wendy Freedman)和同事在2019 年便運用這項技術來估計H0,發現其數值正好介於早期和晚期宇宙估計值的中間。史伯哲說:「目前紅巨星分支頂端恆星的數據所呈現的誤差槓,使其能兼容於兩種可能。」

天文學家除了計畫使用JWST來重新校準哈伯太空望遠鏡觀測過的造父變星,還瞄準芻蒿變星(Mira star),期望有助於在宇宙距離階梯上打造出另一道嶄新梯級;就如同造父變星,芻蒿變星的光度-週期關係對宇宙製圖(cosmic cartography)大為有利。

JWST可能會化解或增強H0張力,而透過研究物質的聚積與結塊,歐幾里得、羅曼與魯賓等天文 台觀測所得的廣域巡天數據,也可能對於S8張力有同樣的效應。預期來自這三座望遠鏡的大量數據,將可大幅縮減S8的誤差槓。納塔拉真說:「這些統計數字的精準度將大為提升。」

與此同時,理論學家趁機在雙重僵局的張力下大顯身手。黎斯說:「這是理論學家的遊樂場。當你拋出一些實際觀察到的張力時,他們玩得比我們更盡興。」

而稱為早期暗能量(early dark energy, EDE)的理論想法,最近獲得大量關注。在ΛCDM模型中, 暗能量只在宇宙歷史的相對晚期、大約50億年前才開始主導宇宙的發展。但是史伯哲說:「我們不明瞭為何暗能量是構成現今宇宙的主要成份?也因為不清楚為何它在今天這麼重要,所以或許 在早期宇宙它也扮演重要角色。」這就是在早於再複合時期前便引入暗能量效應的原因之一。

universe shutterstock
universe shutterstock
圖/ ShutterStock

即使暗能量在那些時期只佔了宇宙總能量的10%,也已足夠促成宇宙早期的加速膨脹,導致再複合時期提前發生,因而縮短了太初聲波可穿越的距離。這項機制的淨效應將能緩解H0張力。

史伯哲說:「我發現這些模型最有趣的是,它們可能是錯的。」宇宙學家不但提出EDE模型,還 預測了CMB光子的功率譜受EDE影響而調整的模式。今年2月,法國巴黎索邦大學普朗克合作團隊的成員加利(Silvia Galli)和同事發表了對普朗克衛星和地面望遠鏡觀測CMB的分析結果,結果顯示在統計上更傾向於EDE而非ΛCDM。

確認或反駁此一初步結果,將需要更多、更好的數 據,而這些數據可能很快就會從相同的地面望遠鏡即將進行的觀測中得到。但即使EDE模型經證實更符合觀測數據,並且因此化解了H0張力,也無法緩解S8張力。

針對S8的可能解方也表現出無法同時化解H0張力的困擾。今年3月時,法國蒙特佩利爾大學
(University of Montpellier)的阿貝蘭(Guillermo Franco Abellán)和同事在《物理評論D》發表一項研究,指出S8張力可利用假設的冷暗物質粒子衰變成一個大質量粒子,加上一個「溫暖的」無質量粒子而得到緩解。此一機制將降低以地面望遠鏡觀測CMB外推所估算的S8數值,使其與晚期 宇宙的測量結果更加一致。不幸的是,這樣並沒有化解H0張力。

希爾德伯蘭特說:「這似乎是個 頗為頑強的模式:無論你想出什麼模型來化解H0張力,都會使S8張力變得更糟,反之亦然。雖然有幾個模型並不會使另一張力變糟,但也無法大幅改善。」

新一代宇宙學標準模型

一旦獲得新的數據,史伯哲預見了幾種可能的後續發展。首先,新的CMB數據可能與EDE模型一致,化解了H0張力,而即將開始運作的巡天望遠鏡觀測可以單獨緩解S8張力。這將是EDE模型的勝利,並將大為改變我們對宇宙歷史起始篇章的理解。

此外,也可能發生ΛCDM模型同時化解H0 和S8張力的狀況。這將會是宇宙學標準模型的勝利,但對於希望能做出重大突破而轉移典範的宇宙學家來說,這可能是個苦樂參半的勝利。當然,結果也可能是兩個張力都無法化解。史伯哲說:「第三種可能是隨著數據改善,兩個張力卻變得越來越顯著。那麼EDE就不會是適切答案。」如此一來,ΛCDM模型大概必須重新修改,儘管還不清楚這項工程該如何進行。

納塔拉真認為,張力和差異的存在或許是告訴我們,ΛCDM模型只是一個「有效理論」,此專業術語代表它能準確解釋目前匯整的宇宙觀測數據中某部份資料。「也許實際狀況是,存在一個更深刻、更複雜的理論,而ΛCDM模型就是這(有效)理論,它似乎擁有大多數的關鍵成份。以之前觀測工具的技術水準來說,那個有效理論就有足夠的效力。」

但時代變了,從第三代精準宇宙學強大觀測站所產生的大量數據,可能需要更有創意且更精細的理論才足以因應。

理論學家當然樂於效勞。例如史伯哲推測,如果EDE可以和暗物質發生交互作用(在ΛCDM模型中,暗能量與暗物質不相互作用),這種特殊的假設可以抑制早期宇宙中的物質分佈起伏,進而化解S8張力並顧及H0張力。史伯哲說:「這會使模型更加華麗花俏,但也許這就是大自然的作用。」

身為觀測天文學家,希爾德伯蘭特抱持審慎的心態。「如果有個令人信服的模型可以漂亮地化解 這兩個張力,代表我們已經獲得新一代宇宙學標準模型。但我們還在談論這些張力,並絞盡腦汁思索,這只反映了一個事實,就是我們還不知道新一代宇宙學標準模型。」黎斯贊同:「畢竟,我們所使用的模型奠基於我們對物理學和宇宙的理解,但就暗物質與暗能量的本質而言,這個模型大概有95%是不完整的。如果認為我們遺漏了些什麼,一點也不荒唐。」

重點提要

  • 宇宙膨脹有多快?我們的宇宙有多緻密?天文學界在這兩個問題的關鍵數值:哈伯常數H0和宇宙參數S8,一直以來有所矛盾。
  • 數值差異來自於測量方式的不同,包括記錄早期宇宙遺留下的輻射以及直接觀測現今宇宙的星系,這也可能反映出宇宙學標準模型的深層缺陷。
  • 科學家寄望新一代天文台和韋伯太空望遠鏡產生更精準的大量數據,大幅減少觀測誤差,甚至修改宇宙學標準模型或提出新模型。

延伸閱讀:
〈宇宙常數無定論〉
〈宇宙膨脹不一致?〉
〈直視星空,破解宇宙膨脹〉

本文授權轉載自:科學人

責任編輯:傅珮晴、侯品如

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓