台灣有一些學校，手機訊號一格都沒有
學生開瀏覽器要等三秒，老師要用 ChatGPT 要開熱點借網路，ChatGPT 偶爾還是轉圈圈
這不是邊緣案例，這是某些地方的日常
沒網路，就用不了 AI 工具，就直接被排除在這波浪潮外面
我最近在想一個問題：這有沒有辦法解？
現在可能真的有了
Gemma 4 是什麼，為什麼這次不一樣
Google 在 4 月 2 號悄悄放出 Gemma 4
Gemma 跟 Gemini 的關係，就像 iPhone SE 和 iPhone
iPhone 是旗艦，效能最強，但你得訂閱 Apple One、接受 Apple 的規矩
iPhone SE 是縮小版，效能稍弱，但重點是：它是你的，你買斷它，你帶著走
Gemini 是 Google 的雲端 AI，你用、你付費、資料通過 Google 伺服器
Gemma 是開源的，Google 把技術拿出來讓你自己跑，授權 Apache 2.0——完全免費、可以商用、可以改裝，沒有隱藏條款
四款模型，像四種車
Gemma 4 一口氣出了四款，用車來比：
| 模型 | 大小 | 硬體需求 | 適合誰 |
|---|---|---|---|
| E2B | 2.3B 參數 | RTX 3060，約 NT$7,000 二手顯卡 | 偏鄉學校、低預算 |
| E4B | 4.5B 參數 | 12GB 顯卡 | 小型機構、NGO |
| 26B-MoE | 26B 但只用 4B 運算 | 40GB+ 顯卡 | 教育局、縣市端 |
| 31B | 31B 全力運算 | 40GB+ 顯卡 | 研究機構、大型部署 |
偏鄉學校最可能用的是 E2B——體積小，跑得動，硬體要求低到有點意外
Intelligence-per-parameter：班上最會考試的小腦袋
Simon Willison，Open Source 圈很有名的工程師，研究完 Gemma 4 說了一句：
「intelligence-per-parameter 有史以來最強」
白話講？
想像班上有個學生，腦容量比別人小，但每一格都用得比別人有效率，考出來的成績比腦容量大三倍的人還好
Gemma 4 31B 的 benchmark，可以挑戰 20 倍大的對手——這是這次最讓人意外的地方
但要講清楚：E2B 是小車，能力大概是 ChatGPT 3.5 的水準，不是 GPT-4，教科書的問題可以答，複雜推理別期望太多
開源的意義：送你一台車，不是租車
雲端 AI（Gemini API、ChatGPT API）是租車
你付月費，車好開，但你要一直付，車不是你的，車廠說改規則就改規則，資料從你手裡過、從人家伺服器過
Gemma 4 是送你一台車
一次買斷，之後不需要月費，車停在你院子裡，要怎麼開是你的事，資料不用離開你的地盤
對學校來說，這個差異很關鍵
學生的學習紀錄、問答記錄，不應該存在別人的伺服器上
啟動只需要兩行指令
這是我第一次看到有點傻眼的部分
如果電腦有裝 Homebrew，啟動 Gemma 4 就這樣：
brew install llama.cpp
llama-server -hf ggml-org/gemma-4-E2B-it-GGUF
完成，瀏覽器開 http://localhost:8080，你就有一個可以對話的 AI 了
llama.cpp 是開源的「播放器」，Gemma 4 是「MP3 檔案」——你要的是找一個好播放器跑你的音樂，不是每次都去串流平台借
模型大概 5GB，一顆普通 USB 隨身碟就放得下
偏鄉學校怎麼用
具體方案長這樣：
在有網路的地方，先把模型下載到 USB，5GB 左右
帶到學校，USB 插進一台有顯卡的電腦，啟動 server
教室裡其他 30 台電腦透過校內網路連上去
全程不需要外網，斷網照常用
Gemma 4 在教育場景能做的事：
- 學生拍課本照片，問「這道題怎麼解」（E2B/E4B 有視覺能力）
- 語音輸入問問題（有語音理解能力）
- 支援 140+ 語言，中文英文都在其中，小語種品質需要實測才知道
- 老師可以串接題庫、字典，讓 AI 不只聊天，還能主動查資料
成本比較：一年就回本
| 雲端 API 方案 | Gemma 4 本地部署 | |
|---|---|---|
| 初始成本 | NT$0 | NT$30,000–50,000（一台電腦） |
| 每月費用 | NT$3,000–10,000（依用量） | NT$0 |
| 一年總成本 | NT$36,000–120,000 | NT$30,000–50,000 |
| 資料隱私 | 送到雲端 | 不出校園 |
| 離線可用 | 否 | 是 |
一年之後，雲端繼續付費，本地邊際成本趨近零
對預算緊的學校來說，這差距很實在
誠實說：不是萬能藥
幾個限制直說：
E2B 的回答品質，大概是 ChatGPT 3.5 等級——不是最新的 GPT-4，你期待它幫學生寫論文或解複雜推理，會失望
需要一台有獨立顯卡的電腦——RTX 3060 起跳，大概 NT$30,000–40,000 一台，學校現有的 10 年前桌機跑不起來
同時使用人數有限——E2B + RTX 3060 大概同時服務 5–10 個學生，30 人同時問要排隊，或者需要更好的顯卡
第一次需要有人設定——之後學校自己維護沒問題，但第一次安裝需要懂一點技術的人來
140 語言不代表每種都一樣好——中英文是訓練最多的語言，小語種品質還需要實測
不是買服務，是帶能力過去
這件事最值得想的不是技術規格，是底層邏輯
雲端 AI 的商業模式，是讓你依賴它——持續付費，資料留在它那裡，你沒辦法對不喜歡的地方說不
開源本地部署是另一種邏輯——你帶著能力走，能力是你的，資料是你的，決定是你的
對偏鄉學校來說，這兩種邏輯的差異不只是錢，是更根本的事：
這個工具是你能掌控的，還是你只是它的用戶
一顆 USB，插進學校的電腦，不需要網路，不需要月費，學生的資料留在教室裡
技術真的能做到，而且做法比想像中簡單
資料來源
- Hugging Face: Welcome Gemma 4 — 官方技術文件，模型規格、部署方式、授權說明
- Simon Willison: Gemma 4 分析 — 「intelligence-per-parameter 有史以來最強」評語出處
- 硬是要學: Gemma 4 五大亮點 — 五大亮點整理、中文解讀
- Google Gemma 4 Model Collection — Hugging Face 官方模型頁面，含 GGUF 量化版本