關於 勁戰引擎溫度 ，我們在網路上蒐集到這些相關的討論、資訊與評價

[狂人新聞台] 最極限的賽事：在兩萬次換檔和兩千八百萬次火星塞點火之間

＃小編：保時捷911 RSR必須在利曼賽道上承受極端壓力，但保時捷911 RSR就是為此而生的

2020年9月20日周日，下午2點7分，在利曼24小時耐力賽（Le Mans 24Hours）現場，保時捷車手Laurens Vanthoor駕駛保時捷 911 RSR，轉進維修通道。最後一次進站，僅僅數秒鐘時間，Manthey團隊為最大馬力為515 PS的92號賽車加滿油，清潔擋風玻璃，更新補滿車手水瓶，車子便回到路面，六缸水平對臥引擎轟然咆嘯，恢復活力後離開維修站。Vanthoor衝回13.626公里長的賽道上。油門直踩、奔向Dunlop彎，在後續的彎道路緣上保持衝勁，以最大加速度通過Tertre Rouge彎後，直奔第一個減速彎而去，接著剎車猛踩─如此不斷重複著。長達24小時的賽程中，保時捷911 RSR必須在利曼賽道上承受極端壓力，讓因蘊高壓而生的科技成果，接受不留情面的殘酷考驗。

保時捷GT車隊資深性能工程師Romain Gineste表示：「我們的車款必須在比賽過程裡，應付約兩萬次換檔。別忘了：不是只計算比賽所需就夠了─變速箱必須在每次練習賽和排位賽中也發揮作用。」在更前幾年，所有車隊都會在利曼耐力賽前的週五，換上全新的傳動系統，但自2018年起，整週比賽時所用的機械零組件都必須維持與賽前相同一組。Alexander Stehlig說：「我們確實注意到這點，因為我們也必須時時關注團隊的工作量。零件會在預試後更換，並留在車上直到完成比賽。如此技師便能在賽前的週五，專注在必要的重點，在漫長比賽中發揮最佳水準。成果也清楚證明了這做法的價值，許多車隊也比照辦理。」

這樣的安排代表了保時捷911 RSR搭載的變速箱，必須經歷額外七千多次換檔，並且必須始終以彈指間完成的速度完美運作。在 911 的序列式6速變速箱中，換檔僅需15毫秒。如此一來，4.2升水平對臥引擎具備的高扭力，便能讓魏薩(Weissac)出廠的賽車以幾乎毫無滯礙地全力衝刺。Alexander Stehlig再解釋：「當前的911 RSR 不像以前的車款，以氣動系統換檔，而是使用機電驅動，不只更加精確，最重要的是：更快。」Romain Gineste笑道：「這方面的表現，因此非常優異。在24小時耐力賽期間，六缸引擎的火星塞大約完成28,000,000次點火，每一次都能轉化成極大化的推進力。」

煞車踩得晚的人能跑得更快更持久：這是保時捷為911 RSR開發煞車系統時的不敗金律。在利曼24小時耐力賽，每圈將有13次機會讓煞車系統發揮效用。當車手們衝向狹窄的彎道時，例如：著名的穆桑直道（Mulsanne straight）的兩大減速彎，或是進到穆桑彎道時，必須一次又一次地重踩煞車。整場比賽中，共須踩下約4,000次煞車踏板。

煞車當下，煞車片及鋼製煞車碟的溫度飆升，超過攝氏400度，此時，先進的散熱系統介入，在數公尺距離內迅速冷卻系統。Alexander Stehlig表示：「長達24小時的賽事，煞車的效能將被推往極限。但，整場比賽，我們的煞車僅需維修一次，證明煞車系統十分優異。」經驗豐富的工程師如他，必須排除任何可能的風險：「安全是我們的最高準則，至少須更換前軸煞車。由於零組件已預先裝配，更換時無須超過一分鐘時間。

我們通常會運用如安全車階段更換煞車，避免影響比賽排名。」911 RSR上的水平對臥六缸引擎，經性能平衡（BoP）「馴化」後可達515 PS，但這並非是唯一利器，在利曼24小時耐力賽中，避震器必須承受多次重擊，卻沒有一絲明顯損傷。其力學設計默默吸收因路面不平整而產生的數千次振動。Romain Gineste引用更令人印象深刻的數據說明：「行經路緣石的時候，減震系統被壓縮到極限再恢復的次數，每圈多達20次，減震系統在整個賽事中，總共吸收接近7,000次直接衝擊。」來自米其林的賽道胎吸收了部分的水平作用力。在賽道持續乾燥的情況下，處處是挑戰的24小時內比賽內，只能使用60個輪胎。當這場艱辛的耐力賽完成，所有零件的表現都達到要求，最佳的結果就是取得應有的獎勵：在利曼賽道上大肆慶祝。

#Porsche #LeMans24Hours #RSR

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

是有些不甘心。這幾天想《師父》裡師娘在陳師父背上說的話：「天津人以本地女子為榮，聽見被休，會罵你不成材。天津女子的好接不住。」
⠀
訪問前潘和我有志一同，都不想對著宥儀再複述那些頭銜了，什麼富比世 30 under 30，什麼 Gucci 有史以來最高點閱覽貼文，什麼旅居紐約藝術家，這種台灣之光大敘述的光照見的從來不是他們本人，而是其他人的自卑。為此，我們決定前往宜蘭而非攝影棚，那是小江的現居也是老家。羅東女子的好接不住，訪問沒人讀，是讀者不成材。本來是這樣想的。
⠀
每個星期一編輯部有場小會，春節前併到連假前一天開。我們會討論哪篇內容要再推一下，文上了之後有什麼沒料到。宥儀這篇原先的封面是我最愛的，小江走在愛人住處邊的田埂上，身上穿著她說「平常穿去超市」的粉紅氈毛外套，紫色毛線耳罩。大家平常看她頂著藍色頭髮穿豹紋戴羽毛拍照，但她不只是那個樣子的。想讓大家看見江宥儀不披掛武器的樣子。本來是這樣想的。
⠀
但想到她開著車，載著我們在宜蘭亂繞的樣子。2018 年她失蹤那次，也是這樣自己開一台車，從紐約逃走。那一年她的作品被《GLAMOUR RUSSIA》抄襲，同時鬱期低迷，我印象最深的卻是同時期爆出的另一則新聞：一堂課學費一萬九的彩妝師李敏被踢爆資歷造假，自稱在紐約、東京時裝週擔任過首席化妝師的她其實只是學員。
⠀
那時，宥儀在臉書轉了相關新聞，說了些什麼我忘記了，只記得我們對假贗的藝術家那種同仇敵愾 —— 說是笑他們說謊過了頭，其實也不只，有點是笑自己努力了多久連個說謊的人一半成就都比不上。那也是不甘心。
⠀
不成材的是我。不敢再托大，辜負小江一片誠心和她坦誠以訴的故事，還是換了她在個展開幕那天盛裝出席的樣子。其實沒有什麼比什麼不好，只是我本來太以這篇訪問為榮了。訪問前，心想小江回台這陣子連做十幾場訪問，一定很累很無聊，準備了幾組心理測驗，把訪題藏在裡頭。有一題請請她想像站在森林深處的湖泊邊，望見對岸一隻動物，那是什麼？她說是一隻灰色兔子。
⠀
「這個心理測驗我好像大學時候做過。」她說。我心想好險，我有準備別的，她卻又說自己當時的答案和現在不一樣。
⠀
「以前，剛走進森林的時候遇見的好像是藍色的兔子。現在變成是在湖泊邊遇到。」
⠀
「好唷。這個心裡測驗說在森林遇見的動物是別人眼中的妳，在湖泊對岸看見的動物是內心真正的妳。」
⠀
「嗯！嗯！！」我們對看，心有感應。
⠀
沒告訴她我每次做這個心理測驗，遇見的都是蝴蝶。森林裡是蝴蝶，湖泊對面看見的還是同一隻蝴蝶。這樣是什麼意思？其實什麼占卜星象面相我二十六歲之後一概不問不信。舊年最後一天，為自己土法煉鋼地努力最後一次，亦是為戒：天津人以本地女子為榮，天津女子的好接不住，可也要好好讓別人懂得才行。
⠀
⠀
⠀
#
⠀
—— 請想像自己走進了一片廣袤的沙漠，一個人。走著走著，妳忽然看見前面有個立方體。妳覺得，那個立方體有多大呢？
⠀
—— John Yuyi：大概，長寬高都三、四公尺左右吧？
⠀
⠀
當我告訴她，這題心理測驗的答案意味著自我意識的大小，她哦了一聲，接著問：但那是在一片很大很大、看不見邊際的沙漠吧？
⠀
十分鐘前，她開著向男友借的車，載我們到距離她們宜蘭住處不遠的一座橋，說這次回台灣，閒暇時就和愛人走這座橋邊的河堤。一邊說，一邊把車子髒話般地停在橋上，「這邊就是這樣，車子停這裡不會有人管，很隨性的。走吧！」
⠀
我分不清南北，她卻清楚地指著堤岸遠處某個方向，說羅東在那裡。她的父親就是羅東人。不過，江宥儀是在北投長大的，自我認同也是台北女生，從小她就很羨慕「那種放假的時候有鄉可以返」的人，卻沒想到因為疫情，從去年三月回來到此刻，是她 2015 年之後待在台灣最久的一次。
⠀
「感覺很像《Inception》裡面那台廂型車。在國外我已經打架打那麼久了，回到台灣發現怎麼廂型車還沒掉到橋下。」她說。
⠀
⠀
她熱愛自駕，在紐約時車用租的，一個人可以往南開到華盛頓。回台灣，她總是開母親的 Wish，不過今天剛好家裡要用車，只好開口和男友借。談童年，她最早的記憶是怕生，說自己直到五歲才戒掉奶瓶。當哥哥已經在幼稚園裡叱吒風雲，開始上學的她每天一被母親送下車就開始哭，哭到放學母親來把她接走。不得已，母親只好把她交給外公外婆帶。
⠀
來到北投外婆家的江宥儀依舊恐懼分離，外公洗澡的時候她蹲在氣窗旁看守，外公出門的時候她爬上鐵窗，盯著他走到再也看不見的街道盡頭。
⠀
外婆家頂樓是座宮廟。小時候江宥儀會躺在廟內地上，看飛進刺繡簾子裡的蝙蝠，在窗台上留下糞便。外公會叫：不要躺在這裡，菩薩要騎馬回來了，妳擋到路了。這次回台北辦個展，一半時間在宜蘭，另一半就在這棟北投老家，廟依舊在，只是成了江宥儀的工作室，蝙蝠也已經不再來了。
⠀
早在創作以前，她就玩紋身貼紙。外婆曾對她說「不要玩那個傷風敗俗的」，想不到江宥儀往後正是以 temporary tattoo 揚名國際，入選富比世 30 Under 30 Asia。自稱物極必反、長大之後到處跑一定是因為小時孤僻，但又提起成名後有次出差到巴賽隆納，工作方提供的飯店房間無比高級，夜裡她卻焦慮地抓著被子，不敢待在床上，把自己塞到床和牆壁的縫隙裡睡。
⠀
⠀
「我覺得我們家的人都是快樂冠軍，一整坨人都充滿愛與溫暖。我算是裡面情緒比較不對勁的。」她長年做心理諮商，在躁期和鬱期之間試著駕駛自己。走紅之後，有兩、三年她甚至無法「在腦中 process 目前在進行什麼事」。2018 年，她在一趟又一趟的航班之間情緒崩潰，決定逃走，又一個人租車、頭也不回地開，開到朋友們在網路上 PO 尋人啟事、開到 NYPD 從她唐人街的租屋破窗而入。
⠀
「或許疫情對我們這種蹦蹦蹦的人而言，是個很好的藉口。在紐約，很多人是沒有勇氣休息的。」嘴上說蹦蹦蹦，右手也用力往左手打三下，BPM 180，這是江宥儀所謂「紐約做事的節奏」，本來也內化成她的節奏了。
⠀
「回台灣選擇待宜蘭，可能也是因為這樣吧，很遠離城市，溫度、濕度都是以前熟悉的。我覺得，盡可能減少各種接觸的時候，自己離自己比較近一點。」
⠀
⠀
⠀
#
⠀
—— 又繼續向前走近，妳慢慢看見了立方體的全貌。它是什麼材質做的呢？
⠀
—— John Yuyi：金屬，上面拋光但是沒有到鏡面的程度。有點像最近在世界各地出現的神祕金屬柱的材質。
⠀
—— 在立方體旁邊，放著一道梯子。妳覺得，那是一道什麼樣的梯子？多長，有多少階？它和立方體的距離大概是多少呢？
⠀
—— John Yuyi：就一般那種在裝潢的時候會看到的，很 rough 的梯子。我的展場也有看到的那種。和立方體距離很近啊，感覺爬上去之後就可以直接對立方體做些什麼事。
⠀
⠀
她說她不相信渾身正能量的人。無數朋友來來去去，至交只有三、四個，稱其為「愛人朋友」。她覺得自己就像他們：敏感，糾結，內心有尚未梳理的掙扎。這樣的性格在家中是異類，「我媽就是個完全沒有黑暗面的人欸。我後來發現我身上很多事情，都可以用我和我媽的關係來解釋。」
⠀
立方體的材質暗示性格的質地，而一旁的梯子是與朋友的關係。一路上，江宥儀不只一次用「市井小民」來形容自己的出身：受僱日商公司的父親、身為業務的母親、在市場賣甜不辣的阿祖、在鐵道旁堆石頭，方便居民橫越鐵軌抵達田埂的祖父。即便如此，雙親卻堅持定期帶兄妹倆出國旅行，看看世界。一直到高中，江宥儀放學後都還會到畫室。那畫室也沒有特別創意發想藝術，有點像是安親，不同年齡的人在教室裡做自己的事情。
⠀
江宥儀的事情是畫畫。在那裡，她接觸到法國藝術家 Niki de Saint Phalle 的作品，照著描，喜歡上頭千軍萬馬的顏色。後來在紐約，江宥儀最經典的那頭藍髮的藍，也像是 Niki de Saint Phalle 畫裡會用的色彩。
⠀
⠀
進實踐念服裝設計，是她第一次覺得自己平凡。同學們奼紫嫣紅，有底子，有錢，在班上江宥儀自覺是個「性格充滿缺陷的雙魚座」。那時她景仰一位同樣是雙魚座的老師，那老師做事條理分明、幹練成熟。江宥儀問她，該怎麽做才可以變得像她一樣？老師回答：「妳以後也會慢慢變成這樣的。」
⠀
在系上，很多事情顯得理所當然，例如當模特兒。直到大學才敢一個人睡、還必須開燈的江宥儀，因為身高夠，常在同學的作品裡當 model。關於被拍攝、裸露、展示自己，她是在那時才開始適應。
⠀
「我覺得一直到那時候我才釐清對於裸露的感受，不再拘泥於定義上的道德，相信性感、淫蕩或不體面，跟裸露這個行為本身都沒有關係。」最早最早，掌鏡的都是朋友，拍裸體照算有個相對放心的開始。再後來畢業，她又找了其他畫室去作人體素描模特，漸漸覺得身體被觀看是件「還好的事」。
⠀
她說，她是被擔任模特兒的經驗打開的。「原生家庭會決定妳一開始的眼界，讓妳不知道很多事情，到了二十多歲才漸漸曉得。小時候不會覺得自己比父母更聰明，但到了某個時間點，真的發現自己比他們更知道什麼正在 going on。」
⠀
⠀
江宥儀開始使用 Tumblr 的時候，那裡還只是一個僅有英文介面的小眾社交平台，不過也已經具有延續至今的特徵：不靠演算法決定動態牆內容、不強烈將作品與個人身份聯繫，藉由與 Facebook 的「分享」性質稍有不同的「轉格」，讓即使沒有社交關係聯繫的創作者也容易被群眾分享而看見，沖淡「創作源頭」對一件作品的影響力。她看上它「創作大於個人」的特性，開始把自己的作品發表在那裡。「那是對創作滿友善的地方，不像現在很多是賣臉、賣優越感。」她也喜歡 Tumblr 當時用戶多為歐美族群的狀態：「那時就覺得台灣真的太小了，很多目光都向內觀看著自己。我不喜歡這種感覺。我確實想要被關注，但不是這樣的關注。」
⠀
往後，當她提起自己在 Tumblr 發布的 temporary tatoo 系列之瘋傳，總會說：其實最一開始只是想要拍出好看的照片而已。
⠀
⠀
想拍出好照片的市井小民開始被稱為藝術家，是在 2018 年接受《i-D》採訪之後。此後爆紅、與 Gucci 合作、在紐約辦展再到入選富比世，同時她唐人街的租屋卻是一間在魚市場上方的老公寓，樓梯都是魚腥味，做案子時和道具們一起睡覺，「也幸好我是市井小民，能屈能伸，平常住這樣的房子，出差的時候我也可以爽住飯店、搭商務艙，不卑不亢地。」
⠀
再回頭來看爸媽，不再是兒時哭著怕別離的眼神，難以相信直到高中她還會和打地舖睡在他們床邊地板。「他們有時候，真的聽不懂我在說什麼。但他們在 boomer 年代，腳踏實地把一件事情做到好⋯⋯他們大可不用帶我們出國，不用送我們去學才藝，但他們決定要做。這件事情那麼平庸，他們也好平庸，可是好偉大。」
⠀
她說，爸媽直到人過中年，仍想為這個世界做點事情，希望自己有用處、對社會有價值。「而且不是為了表達自己才這樣說，是在拜拜的時候跟神明講的。這真的是我非常 value 的價值。」
⠀
⠀
⠀
#
⠀
—— 現在，有一團烏雲在空中。妳覺得，它離妳的立方體多遠呢？
⠀
—— John Yuyi：一抬頭，忽然發現它已經很近了，就快要襲來，這樣的距離。
⠀
—— 它是一團什麼樣的烏雲？規模大嗎？
⠀
—— John Yuyi：滿大，會帶來暴雨的規模。
⠀
⠀
在紐約走紅之後，她大事見盡，諸如和 Anna Wintour 隔桌用餐、上紐約時報 9 頁藝術特輯版、再到促使她 2018 大逃亡的其中一個原因：被《GLAMOUR RUSSIA》 抄襲。2020 年，她把頭髮染黑了，象徵自己紐約時代吿一段落。原本預計 2020 年到東京闖蕩，結果從日本回紐約四個月後，疫情下回到台灣，如今想再出去也不容易。她倒是隨遇而安，在宜蘭常套件運動衣就出門覓食，沒工作的時候也不帶妝。偶爾，男友的弟弟看見她在鏡子前上口紅，還會問：「妳幹嘛啊？」
⠀
除了到河堤散步，她也愛到夜市打靶紓壓。有次和男友在攤位，看到旁邊陌生一家人有兩個小孩，還慷慨起來，把獎品分給他們。
⠀
有了旅外種種成就加持，江宥儀在台灣依然吃得開，工作上有各方藝術家接洽合作，更別提大大小小的採訪十數場。籌備個展《目不見睫》期間，江宥儀台北宜蘭兩頭跑，和我們見面的前一天工作到凌晨三四點，早上六點才就寢。
⠀
「可是我現在已經感覺到狀態不一樣了，」她澄清，「以前光是去洛杉磯也會嚇到，看他們一頓飯吃幾個小時、吃完之後又說要去買 boba。」以為是去旁邊隨便買一下，結果洛杉磯人為了一杯珍奶要開車十幾分鐘。在紐約一天要做三到四件公事的江宥儀很難理解洛杉磯緩慢的步調。
⠀
烏雲的位置和形狀，是內心憂慮之事的規模和距離。台灣的時間流逝更接近她口中的 LA，她不諱言在紐約時周遭人才濟濟的光榮與壓力，讓她這次回台工作無法立刻適應。「全世界所有想要 make it 的人，都聚集在那裡，不能不說那邊的人有一定的性格。台灣人也有自己的性格，我是台灣人所以很明白，但我沒辦法因應各地改變我的標準，因為東西做出去是掛我的名字。在這裡工作要想辦法把團隊的頻率調整到一致，要花一點工夫。」
⠀
⠀
踏進《目不見睫》展場，最先看到的是撲滿地面的 PU 沙漠，以及從中抽長的白色植物。每片葉子的表面都貼著一隻眼睛，盯著觀展者小心翼翼放下足踝，又小心翼翼地避開它們。一整個房間的沙粒，將近半噸重，要一批一批搬上位在八樓的展場。
⠀
另外兩件作品〈我愛我〉和〈目不見睫〉，尺寸也不小，難以在老家或宜蘭住處組裝，江宥儀把所有零件拆解搬到 Tao Art，在展間裡實地製作。〈目不見睫〉先用一比十模型設計打版之後，印成四公尺長的布料，上頭的藍色頭髮／睫毛是江宥儀借來車機親自縫製的。展原訂在 1 月 6 日開幕，也因為一切費工費時，延後了兩天。
⠀
開展那天，她興奮地引我們到〈電光火石〉其中一件系列作前方，指著石頭上安裝的固態硬碟：「注意這裡！這是我的巧思喔。想要拍照的人，可以藉由這個鏡面反射拍到自己⋯⋯」
⠀
過去，她的作品的形式多是攝影，在照片中被攝者很常是江宥儀自己（的身體）。但在《目不見睫》中的作品則將這個位置讓渡出來，無論是〈那一葉，我們眼神交會〉將觀展者變成被觀看者、或者是〈目不見睫〉中用沒有生命的模特人形取代了主體位置。這份轉變，是轉換環境的結果：
⠀
「以前只能在一個小房間裡面試著展現自己，在資源有限的情況下，只能拿自己來拍。」從表達自己的壓力中鬆一口氣之後，她在這次個展中戲謔地將這個逼視的目光折射給觀者。而當作品不再以平面攝影呈現，它們也不再只能以江宥儀的鏡頭詮釋：「我每天都會看 IG 上 tag 我的人，很喜歡上面的黑色幽默欸。有一個人拍下展場中的陌生人，寫說『前面那個男的在〈我愛我〉這個房間拍了十五分鐘，真的完美地表達〈我愛我〉。』」我就喜歡這種。」
⠀
⠀
一樣是忙碌，但質地不同了。「在紐約，過得好像有一把槍指著妳。但現在，我意識到自己有主控權、可以掌控生活。即使很累，至少是自己可以控制的。」無意之間，她在作品中也更加游刃有餘，將體驗的空間讓給觀者。
⠀
環境鬆開了她，她鬆開了作品。雖然仍是擔憂，作品裡卻多了一份從容。
⠀
⠀
⠀
#
⠀
—— 現在，妳走進了一座森林。步行一段，妳遇見了一隻動物。是什麼動物呢？請用三個形容詞形容牠。
⠀
—— John Yuyi：我遇到豹。無害的，眼睛有點水汪汪的豹。大家的 stereo type 都會覺得豹有攻擊性，但這隻外表看起來友善和萌，牠內心也很害怕。
⠀
⠀
在台灣，和自己一起工作的團隊，有些是在紐約認識的，她喚她們「妹妹」（讀作 ㄇㄟ ㄇㄟ˙）。妹妹們年紀比江宥儀更小，受紐約環境的洗禮，能更迅速接到她的指令。但江宥儀更在意的是她們的眼神。
⠀
「她們眼中那種充滿好奇心的目光，還有積極表現自己的神情，每次看到都覺得，啊我正在吸取她們的日月精華。」
⠀
「我覺得我的心智狀態還是在她們那個年紀。身邊同輩的人有些進入了穩定狀態，但我還是很想繼續挑戰自己的能耐。」
⠀
雖這麽說，這兩年江宥儀在社群上的活動頻率縮減不少。以前她會直播自己吃東西，對著鏡頭說著她所謂「古怪的英文」，但那是 Instagram 上還沒那麼多人的時候。如今，江宥儀覺得直播這件事已經飽和，再做感覺俗了。
⠀
私下，她依然是她，活潑仍舊，只是不再「social media 活潑」。北投老家的停車場樓下就有兩間 KTV BOX，有時停完車，她就自己到裡頭歡唱。回她羅東老家前，我們請她載我們到附近的 KTV BOX 唱一輪，「宜蘭好便宜喔，一首二十？台北一首要三十。」投下硬幣，她點了林曉培〈心動〉、張學友粵語版〈藍雨〉、蕭亞軒〈來自第五大道的明信片〉。
⠀
⠀
後來她才告訴我，在個展裡顯得有些特別的〈電光火石〉的來歷 —— 跳脫過去「看與被看」的意涵，也沒有她專擅的轉印貼紙素材，這系列包含三塊石頭、一顆蛋和一塊貝殼，江宥儀在這些物件上貼滿晶片、電路板等硬體元件 —— 剛回台灣，必須在淡水舊家隔離十四天，她發現家裡堆滿了各式各樣的石頭。「應該是我媽和我爸在家裡面有⋯⋯儲存那些東西。我也不知道為什麼！我媽是那種去旅館會蒐集所有牙刷和肥皂的那種人。」我開始相信他們家有市井小民的氣質了。
⠀
前年六月，江宥儀與韓國合作拍攝一組以西元 2000 年科技風格的作品，她聯想到當時的風格，請母親購買了一大批硬體零件，在隔離期間當成拼圖來做。這是她回台灣做的第一件作品，結合家中物品和旅外的自己，誕生於過去她曾經離不開、曾經急於離開、如今又再次回來的地方。
⠀
「你這一題，我大學的時候回答過了。動物是代表自己對不對？」我說不是，她說沒差，反正大學時她的回答不一樣，「我那時回答的是，我遇到一隻藍色的復活節兔子。」
⠀
我說，這一題的答案指的是他人眼中的妳，她一聽笑了，說準欸。
⠀
「其實我內心還是那隻兔子，只是外面披上了一層豹，為了保護自己。在外面的時候，不能讓別人發現妳很害怕啊。」人們總想像大名鼎鼎的 John Yuyi 瀟灑、自信、任性。但其實，只是如她仰慕的大學老師曾說的：慢慢就變成這樣了。
⠀
⠀
車子最後停在羅東老家門前。她指著透天對面的大樓，「以前這邊沒有帝寶，是田。我小時候光是走到田的那一邊，就覺得自己要被綁架了。」透天窗戶，鐵捲門上是她祖父手繪的瓢蟲花紋。「你們知道宜蘭的窗戶有鐵捲門嗎？我也是離開宜蘭之後才知道，這是宜蘭特有的 thing 欸！跟喜互惠一樣。」喜互惠？那是宜蘭的全聯。我們熱烈討論起來，依舊不知道宜蘭為什麼窗戶要裝鐵捲門，要說風大，有比新竹大嗎？
⠀
老家正在出售，離開前她狡黠地從信件口偷看，卻發現裡面有不認識的人。我們急急退開，看著她撥了好幾通電話。五分鐘後她才回頭，說：「原來上個月已經賣掉了，家裡沒跟我說。」
⠀
原來老家已經不是老家了。有些事情，出去再回來才曉得。發動車子引擎，她送我們回車站，「以前我不懂為什麼我媽老是說很討厭宜蘭⋯⋯她是台北人，每次來都說宜蘭天氣很濕。我就會想，這明明就是阿公家的天氣啊？」打方向盤轉出巷子，「但這次回來我懂了。」
⠀
⠀
⠀
⠀
⠀
⠀
披著豹皮的兔子，專訪江宥儀 John Yuyi：
不讓別人發覺恐懼，是為了保護自己啊
https://bit.ly/2LePBCd
⠀
視覺統籌_ 潘怡帆 Crystal Pan
採訪撰稿_ 蕭詒徽
攝影_ 潘怡帆 Crystal Pan
責任編輯_ 李姿穎 Abby Lee
⠀
BIOS monthly
www.biosmonthly.com
instagram.com/bios_monthly
youtube.com/channel/UCckydP8ziXknEtPcySOlDTw
line.me/R/ti/p/@bios_monthly
⠀
⠀
江宥儀個展 ——
目不見睫 Eye Sees No Lashes
facebook.com/events/445624873109564
⠀
地點_ TAO ART（台北市內湖區洲子街 79-1 號 8 樓）
展期_ 2021.1.9（Sat.） - 2021.2.20（Sat.）
時間_ 週二至週六 11:00 - 19:00

本次節目由贊助廠商

運利有限公司 https://www.ur-chance.com/
彩騇科技館 https://www.twcolored.com/
快車肉乾 https://www.kuaiche.com.tw/
靜化論 https://www.reeca.com.tw/

贊助播出
----------------------------------------------------------------------------------------------------------------------------------
我們賣車有一個觀念，就是不希望你買了車後
一天到晚因為車的毛病而兩頭跑，花錢花時間花心力！
所以我們先把車從裡到外整理好，降低顧路率
告訴你真實的里程數和車況真相，也負責你的售後服務。
整理中古車的重點之一是 #引擎工作水溫正常，否則開高速、爬坡的時候水溫升得快，就表示拋錨機率高！

用傳統的方法保養水箱，會發生舊液和髒汙殘留，長時間運轉下來可能會讓引擎縮缸，造成吃油、機件磨損及動力損耗的問題，但是Prestone寶適通擁有新科技解決這些問題！
Prestone寶適通水箱清洗更換保養機打破傳統保養的方式，透過大循環水流發揮強勁的清潔效果，更換率超過95%，把舊液、水垢、鏽蝕通通清除掉，散熱效率成長2倍，能延長引擎壽命、節省燃油開銷，超越原廠保養。

這套水箱大循環保養，#科P的賓士車已經試過了，熱車水箱溫度比施作前降了5度，整體性能都表現得很不錯，冷氣也變得比以前冷！散熱比以前更好，真的推薦！

美國Prestone自1927年成立，在九十多年內持續鑽研水箱保養，完美詮釋了同樣的事重複做，你就是專家。
除了水箱清洗更換保養機，還有最新的 #原廠配方水箱精50%，針對車廠提供最適合的長效技術和防鏽能力，沸點高達129度，升溫慢、降溫快，爬坡、高乘載水溫依舊正常，引擎超有力！大家有興趣的話，可以去Prestone各通路試試喔。

以下為抽獎資訊
注意！！ 這次抽獎活動是在FB舉辦哦！留言處還有粉絲優惠！

1.訂閱小施汽車 Youtube https://reurl.cc/4a4VaD
2.追蹤小施汽車FB https://reurl.cc/W376m9
3.追蹤小施汽車IG https://reurl.cc/Dg7yj6
4.於小施汽車FB抽獎貼文 https://reurl.cc/MAg474 底下留言，內容包含：
關鍵字：Prestone寶適通 (打錯字就沒資格囉)
並TAG一名朋友即有資格參加抽獎
範例：@kaka19888 Prestone寶適通

獎品：
大循環水道清洗@1名
原廠配方 水箱精1組(2罐)@3名
Redex PT2 汽油精 1罐@5名
Prestone AS657 強效亮澤雨刷精1罐@12名
截止時間:即日起至2021年/07月28日19:59分59上
(以小施電腦時間為主)
抽獎時間：2021/07/28 於小施汽車FB粉絲專頁直播抽獎
大家影片刷起來！！獎品抽起來！！！


✅了解水箱清洗更換機　 https://reurl.cc/9rLpbY
✅購買原廠配方水箱精　 https://reurl.cc/rg4RvO
🔴修理廠老闆，加入官方LINE或FB諮詢
🟡駕駛人，趕快預約保養廠，讓你的車陪你更久　 https://reurl.cc/3apYkl

以下公告
【影片中若有少許未戴口罩片段 ,部分是在空曠區域以及周圍無五人以上群聚情況下所拍】
【 影片中若未有做到100%配戴口罩 還請各位見諒 】
【 在往後的拍攝中我們將更嚴謹的面對防疫 】
【 正在觀看本片的各位--少出門 戴口罩 保持社交距離】
----------------------------------------------------------------
除了在家,去哪裡都要全程戴口罩。

All members of the public are required to wear a mask at all times
except at home.

外出時は常時マスクを着用。

집을 제외하고 어디를 가든 항상 마스크를 착용해야합니다。

Memakai masker setiap saat terkecuali di rumah。

Trừ khi ở nhà, bạn phải đeo khẩu trang mọi lúc mọi nơi.

จำเป็นต้องสวมใส่หน้ากากอนามัยตลอดเวลาขณะที่อยู่นอกเคหสถาน。

#寶適通#MAZDA#水箱精#水箱水更換#科P#戴口罩 #COVID19 #小施 #小施汽車#二手車

感恩指教訂閱~

開始製作影片後才發現，一部幾分鐘影片的完成需要多少人員的努力與辛勤，絕對跟起初所想的不一樣。

如果您喜歡我們的影片，謝謝大家幫忙分享與訂閱(記得按開訂閱旁的鈴鐺圖案呦~)。

支持小施持續的創作。

希望對於想購買二手車的朋友們有幫助

導覽:

https://reurl.cc/lZ4lj 小施汽車FB粉絲頁

https://reurl.cc/5q6R4G 小施汽車Instagram

https://goo.gl/KJtoiC 部落格商品連結(每2-3天更新)

https://goo.gl/XKWTGw 部落格內關於二手車買賣手法分享連結

https://goo.gl/nM9ZaE 關於二手車的一些簡易的鑑定判別方法分享

https://goo.gl/pgdW4r 老顧客心得分享

https://goo.gl/YXJVPj 二手車相關記事分享

https://goo.gl/YcWS54 二手車小常識分享