古代的權力遊戲—商王如何制霸天下?

本文與 TRPMA 台灣研發型生技新藥發展協會合作，泛科學企劃執行

我們知道癌症是台灣人健康的頭號公敵。 為此，我們花了很多時間介紹最新、最有效的抗癌方法之一：免疫療法。

免疫療法中最重要的技術就是抗體藥物。科學家會人工製造一批抗體去標記癌細胞。它們就像戰場上的偵察無人機，能精準鎖定你體內的敵人——癌細胞，為它們打上標記，然後引導你的免疫系統展開攻擊。

這跟化療、放射線治療那種閉著眼睛拿機槍亂掃不同。免疫療法是重新叫醒你的免疫系統，為身體「上buff (增益) 」來抗癌，副作用較低，因此備受好評。

但尷尬的是，經過幾年的臨床考驗，科學家發現：光靠抗體對抗癌症，竟然已經不夠用了。

事情是這樣的，臨床上醫生與科學家逐漸發現：這個抗體標記，不是容易損壞，就是癌細胞同時設有多個陷阱關卡，只靠叫醒免疫細胞，還是難以發揮戰力。

但好消息是，我們的生技工程也大幅進步了。科學家開始思考：如果這台偵察無人機只有「標記」這一招不夠用，為什麼不幫它升級，讓它多學幾招呢？

這個能讓免疫藥物（偵察無人機）大進化的訓練器，就是今天的主角—融合蛋白（fusion protein）。

融合蛋白是什麼？

免疫療法遇到的問題，我們可以這樣理解：想像你的身體是一座國家，病毒、細菌、腫瘤就是入侵者；而抗體，就是我們派出的「偵察無人機」。

當我們透過注射放出這支無人機群進到體內，它能迅速辨識敵人、緊抓不放，並呼叫其他免疫單位（友軍）一同解決威脅。過去 20 年，最強的偵查機型叫做「單株抗體」。1998年，生技公司基因泰克（Genentech）推出的藥物赫賽汀（Herceptin），就是一款針對 HER2 蛋白的單株抗體，目標是治療乳癌。

這支無人機群為什麼能對抗癌症？這要歸功於它「Y」字形的小小抗體分子，構造看似簡單，卻蘊藏巧思：

• 「Y」 字形上面的兩隻「叉叉」是敵人偵測器，能找到敵人身上的抗原特徵，並黏上去，稱為抗體結合區「Fab 區域」。
  
• 「Y」 字形的「尾巴」就是我們說的「標籤」，它能通知免疫系統啟動攻擊，稱為結晶區域片段「Fc 區域」。具體來說，當免疫細胞在體內巡邏，免疫細胞上的 Fc 受體 (FcR) 會和 Fc區域結合，進而認出病原體或感染細胞，接著展開清除。

更厲害的是，這個 Fc 區域標籤還能加裝不同功能。一般來說，人體內多餘的分子，會被定期清除。例如，細胞內會有溶酶體不斷分解多餘的物質，或是血液經過肝臟時會被代謝、分解。那麼，人造抗體對身體來說，屬於外來的東西，自然也會被清除。

而 Fc區域會與細胞內體上的Fc受體結合，告訴細胞「別分解我」的訊號，阻止溶酶體的作用。又或是單純把標籤做的超大，例如接上一段長長的蛋白質，或是聚乙二醇鏈，讓整個抗體分子的大小，大於腎臟過濾孔的大小，難以被腎臟過濾，進而延長抗體在體內的存活時間。

偵測器（Fab）加上標籤（Fc）的結構，使抗體成為最早、也最成功的「天然設計藥物」。然而，當抗體在臨床上逐漸普及，一個又一個的問題開始浮現。抗體的強項在於「精準鎖定」，但這同時也是它的限制。

第一個問題：抗體只能打「魔王」，無法毀掉「魔窟」。 

抗體一定要有一個明確的「標的物」才能發揮作用。這讓它在針對「腫瘤」或「癌細胞本身」時非常有效，因為敵人身上有明顯標記。但癌細胞的形成與惡化，是細胞在「生長、分裂、死亡、免疫逃脫」這些訊號通路上被長期誤導的結果。抗體雖然勇猛，卻只能針對已經帶有特定分子的癌細胞魔王，無法摧毀那個孕育魔王的系統魔窟。這時，我們真正欠缺的是能「調整」、「模擬」或「干擾」這些錯誤訊號的藥物。

第二個問題：開發產線的限制。

抗體的開發，得經過複雜的細胞培養與純化程序。每次改變結構或目標，幾乎都要重新開發整個系統。這就像你無法要求一台偵測紅外線的無人機，明天立刻改去偵測核輻射。高昂的成本與漫長的開發時間，讓新產線難以靈活創新。

為了讓免疫藥物能走向多功能與容易快速製造、測試的道路，科學家急需一個更工業化的藥物設計方式。雖然我們追求的是工業化的設計，巧合的是，真正的突破靈感，仍然來自大自然。

在自然界中，基因有時會彼此「融合」成全新的組合，讓生物獲得額外功能。例如細菌，它們常仰賴一連串的酶來完成代謝，中間產物要在細胞裡來回傳遞。但後來，其中幾個酶的基因彼此融合，而且不只是基因層級的合併，產出的酶本身也變成同一條長長的蛋白質。

結果，反應效率大幅提升。因為中間產物不必再「跑出去找下一個酶」，而是直接在同一條生產線上完成。對細菌來說，能更快處理養分、用更少能量維持生存，自然形成適應上的優勢，這樣的融合基因也就被演化保留下來。

科學家從中得到關鍵啟發：如果我們也能把兩種有用的蛋白質，「人工融合」在一起，是否就能創造出更強大的新分子？於是，融合蛋白（fusion protein）就出現了。

以假亂真：融合蛋白的HIV反制戰

融合蛋白的概念其實很直覺：把兩種以上、功能不同的蛋白質，用基因工程的方式「接起來」，讓它們成為同一個分子。 

1990 年，融合蛋白 CD4 免疫黏附素（CD4 immunoadhesin）誕生。這項設計，是為了對付令人類聞風喪膽的 HIV 病毒。

我們知道 T 細胞是人體中一種非常重要的白血球。在這些 T 細胞中，大約有六到七成表面帶有一個叫做「CD4」的輔助受體。CD4 會和另一個受體 TCR 一起合作，幫助 T 細胞辨識其他細胞表面的抗原片段，等於是 T 細胞用來辨認壞人的「探測器」。表面擁有 CD4 受體的淋巴球，就稱為 CD4 淋巴球。

麻煩的來了。 HIV 病毒反將一軍，竟然把 T 細胞的 CD4 探測器，當成了自己辨識獵物的「標記」。沒錯，對 HIV 病毒來說，免疫細胞就是它的獵物。HIV 的表面有一種叫做 gp120 的蛋白，會主動去抓住 T 細胞上的 CD4 受體。

一旦成功結合，就會啟動一連串反應，讓病毒外殼與細胞膜融合。HIV 進入細胞內後會不斷複製並破壞免疫細胞，導致免疫系統逐漸崩潰。

為了逆轉這場悲劇，融合蛋白 CD4 免疫黏附素登場了。它的結構跟抗體類似，由由兩個不同段落所組成：一端是 CD4 假受體，另一端則是剛才提到、抗體上常見的 Fc 區域。當 CD4 免疫黏附素進入體內，它表面的 CD4 假受體會主動和 HIV 的 gp120 結合。

厲害了吧。 病毒以為自己抓到了目標細胞，其實只是被騙去抓了一個假的 CD4。這樣 gp120 抓不到 CD4 淋巴球上的真 CD4，自然就無法傷害身體。

而另一端的 Fc 區域則有兩個重要作用：一是延長融合蛋白在體內的存活時間；二是理論上能掛上「這裡有敵人！」的標籤，這種機制稱為抗體依賴性細胞毒殺（ADCC）或免疫吞噬作用（ADCP）。當免疫細胞的 Fc 受體與 Fc 區域結合，就能促使免疫細胞清除被黏住的病毒顆粒。

不過，這裡有個關鍵細節。

在實際設計中，CD4免疫黏附素的 Fc 片段通常會關閉「吸引免疫細胞」的這個技能。原因是：HIV 專門攻擊的就是免疫細胞本身，許多病毒甚至已經藏在 CD4 細胞裡。若 Fc 區域過於活躍，反而可能引發強烈的發炎反應，甚至讓免疫系統錯把帶有病毒碎片的健康細胞也一併攻擊，這樣副作用太大。因此，CD4 免疫黏附素的 Fc 區域會加入特定突變，讓它只保留延長藥物壽命的功能，而不會與淋巴球的 Fc 受體結合，以避免誘發免疫反應。

從 DNA 藍圖到生物積木：融合蛋白的設計巧思

融合蛋白雖然潛力強大，但要製造出來可一點都不簡單。它並不是用膠水把兩段蛋白質黏在一起就好。「融合」這件事，得從最根本的設計圖，也就是 DNA 序列就開始規劃。

我們體內的大部分蛋白質，都是細胞照著 DNA 上的指令一步步合成的。所以，如果科學家想把蛋白 A 和蛋白 B 接在一起，就得先把這兩段基因找出來，然後再「拼」成一段新的 DNA。

不過，如果你只是單純把兩段基因硬接起來，那失敗就是必然的。因為兩個蛋白會互相「打架」，導致摺疊錯亂、功能全毀。

這時就需要一個小幫手：連接子（linker）。它的作用就像中間的彈性膠帶，讓兩邊的蛋白質能自由轉動、互不干擾。最常見的設計，是用多個甘胺酸（G）和絲胺酸（S）組成的柔性小蛋白鏈。

設計好這段 DNA 之後，就能把它放進細胞裡，讓細胞幫忙「代工」製造出這個融合蛋白。接著，科學家會用層析、電泳等方法把它純化出來，再一一檢查它有沒有摺疊正確、功能是否完整。

如果一切順利，這個人工設計的融合分子，就能像自然界的蛋白一樣穩定運作，一個全新的「人造分子兵器」就此誕生。

CD4免疫黏附素問世之後，融合蛋白逐漸成為生物製藥的重要平台之一。而且現在的融合蛋白，早就不只是「假受體＋Fc 區域」這麼單純。它已經跳脫模仿抗體，成為真正能自由組裝、自由設計的生物積木。

融合蛋白的強項，就在於它能「自由組裝」。

以抗體為骨架，科學家可以接上任何想要的功能模組，創造出全新的藥物型態。一般的抗體只能「抓」（標記特定靶點）；但融合蛋白不只會抓，還能「阻斷」、「傳遞」、甚至「調控」訊號。在功能模組的加持下，它在藥物設計上，幾乎像是一個分子級的鋼鐵蜘蛛人裝甲。

一般來說，當我們選擇使用融合蛋白時，通常會期待它能發揮幾種關鍵效果：

1. 療效協同： 一款藥上面就能同時針對多個靶點作用，有機會提升治療反應率與持續時間，達到「一藥多效」的臨床價值。
2. 減少用藥： 原本需要兩到三種單株抗體聯合使用的療法，也許只要一種融合蛋白就能搞定。這不僅能減少給藥次數，對病人來說，也有機會因為用藥減少而降低治療成本。
3. 降低毒性風險： 經過良好設計的融合蛋白，可以做到更精準的「局部活化」，讓藥物只在目標區域發揮作用，減少副作用。

到目前為止，我們了解了融合蛋白是如何製造的，也知道它的潛力有多大。

那麼，目前實際成效到底如何呢？

一箭雙鵰：拆解癌細胞的「偽裝」與「內奸」

2016 年，德國默克（Merck KGaA）展開了一項全新的臨床試驗。 主角是一款突破性的雙功能融合蛋白──Bintrafusp Alfa。這款藥物的厲害之處在於，它能同時封鎖 PD-L1 和 TGF-β 兩條免疫抑制路徑。等於一邊拆掉癌細胞的偽裝，一邊解除它的防護罩。

PD-L1，我們或許不陌生，它就像是癌細胞身上的「偽裝良民證」。當 PD-L1 和免疫細胞上的 PD-1 受體結合時，就會讓免疫系統誤以為「這細胞是自己人」，於是放過它。我們的策略，就是用一個抗體或抗體樣蛋白黏上去，把這張「偽裝良民證」封住，讓免疫系統能重新啟動。

但光拆掉偽裝還不夠，因為癌細胞還有另一位強大的盟友—一個起初是我軍，後來卻被癌細胞收買、滲透的「內奸」。它就是，轉化生長因子-β，縮寫 TGF-β。

先說清楚，TGF-β 原本是體內的秩序管理者，掌管著細胞的生長、分化、凋亡，還負責調節免疫反應。在正常細胞或癌症早期，它會和細胞表面的 TGFBR2 受體結合，啟動一連串訊號，抑制細胞分裂、減緩腫瘤生長。

但當癌症發展到後期，TGF-β 跟 TGFBR2 受體之間的合作開始出問題。癌細胞表面的 TGFBR2 受體可能突變或消失，導致 TGF-β 不但失去了原本的抑制作用，反而轉向幫癌細胞做事。

它會讓細胞骨架（actin cytoskeleton）重新排列，讓細胞變長、變軟、更有彈性，還能長出像觸手的「偽足」（lamellipodia、filopodia），一步步往外移動、鑽進組織，甚至進入血管、展開全身轉移。

更糟的是，這時「黑化」的 TGF-β 還會壓抑免疫系統，讓 T 細胞和自然殺手細胞變得不再有攻擊力，同時刺激新血管生成，幫腫瘤打通營養補給線。

為了對抗這個內奸，默克在 Bintrafusp Alfa 的結構裡，加上了一個「TGF-β 陷阱（trap）」。就像 1989 年的 CD4 免疫黏附素用「假受體」去騙 HIV 一樣，這個融合蛋白在體內循環時，會用它身上的「陷阱」去捕捉並中和游離的 TGF-β。這讓 TGF-β 無法再跟腫瘤細胞或免疫細胞表面的天然受體結合，從而鬆開了那副壓抑免疫系統的腳鐐。

告別單一解方：融合蛋白的「全方位圍剿」戰

但，故事還沒完。我們之前提過，癌細胞之所以難纏，在於它會發展出各種「免疫逃脫」策略。

而近年我們發現，癌細胞的「偽良民證」至少就有兩張：一張是 PD-L1；另一張是 CD-47。CD47 是癌細胞向巨噬細胞展示的「別吃我」訊號，當它與免疫細胞上的 SIRPα 結合時，就會抑制吞噬反應。

為此，總部位於台北的漢康生技，決定打造能同時對付 PD-L1、CD-47，乃至 TGF-β 的三功能生物藥 HCB301。

雖然三功能融合蛋白聽起來只是「再接一段蛋白」而已，但實際上極不簡單。截至目前，全球都還沒有任何三功能抗體或融合蛋白批准上市，在臨床階段的生物候選藥，也只佔了整個生物藥市場的 1.6%。

漢康生技透過自己開發的 FBDB 平台技術，製作出了三功能的生物藥 HCB301，目前第一期臨床試驗已經在美國、中國批准執行。

免疫療法絕對是幫我們突破癌症的關鍵。但我們也知道癌症非常頑強，還有好幾道關卡我們無法攻克。既然單株抗體在戰場上顯得單薄，我們就透過融合蛋白，創造出擁有多種功能模組的「升級版無人機」。

融合蛋白強的不是個別的偵查或阻敵能力，而是一組可以「客製化組裝」的平台，用以應付癌細胞所有的逃脫策略。

Catch Me If You Can？融合蛋白的回答是：「We Can.」

未來癌症的治療戰場，也將從尋找「唯一解」，轉變成如何「全方位圍剿」癌細胞，避免任何的逃脫。

本文與 Perplexity 合作，泛科學企劃執行

「Hello. I am… a robot.」

在我們的記憶裡，機器人的聲音就該是冰冷、單調，不帶一絲情感 。它們的動作僵硬，肢體不協調，像一個沒有靈魂的傀儡，甚至啟發我們創造了機械舞來模仿那獨特的笨拙可愛。但是，現今的機器人發展不再只會跳舞或模仿人聲，而是已經能獨立完成一場膽囊切除手術。

就在2025年，美國一間實驗室發表了一項成果：一台名為「SRT-H」的機器人（階層式手術機器人Transformer），在沒有人類醫師介入的情況下，成功自主完成了一場完整的豬膽囊切除手術。SRT-H 正是靠著從錯誤中學習的能力，最終在八個不同的離體膽囊上，達成了 100% 的自主手術成功率。

這項成就的意義重大，因為過去機器人手術的自動化，大多集中在像是縫合這樣的單一「任務」上。然而，這一場完整的手術，是一個包含數十個步驟、需要連貫策略與動態調整的複雜「程序」。這是機器人首次在包含 17 個步驟的完整膽囊切除術中，實現了「步驟層次的自主性」。

這就引出了一個讓我們既興奮又不安的核心問題：我們究竟錯過了什麼？機器人是如何在我們看不見的角落，悄悄完成了從「機械傀儡」到「外科醫生」的驚人演化？

這趟思想探險，將為你解密 SRT-H 以及其他五款同樣具備革命性突破的機器人。你將看到，它們正以前所未有的方式，發展出生物般的觸覺、理解複雜指令、學會團隊合作，甚至開始自我修復與演化，成為一種真正的「準生命體」 。

所以，你準備好迎接這個機器人的新紀元了嗎？

只靠模仿還不夠？手術機器人還需要學會「犯錯」與「糾正」

那麼，SRT-H 這位機器人的外科大腦，究竟藏著什麼秘密？答案就在它創新的「階層式框架」設計裡 。

你可以想像，SRT-H 的腦中，住著一個分工明確的兩人團隊，就像是漫畫界的傳奇師徒—黑傑克與皮諾可 。

• 第一位，是動口不動手的總指揮「黑傑克」： 它不下達具體的動作指令，而是在更高維度的「語言空間」中進行策略規劃 。它發出的命令，是像「抓住膽管」或「放置止血夾」這樣的高層次任務指令 。
• 第二位，是靈巧的助手「皮諾可」： 它負責接收黑傑克的語言指令，並將這些抽象的命令，轉化為機器手臂毫釐不差的精準運動軌跡 。

但最厲害的還不是這個分工，而是它們的學習方式。SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。但這還只是開始，研究人員在訓練過程中，會刻意讓它犯錯，並向它示範如何從抓取失敗、角度不佳等糟糕的狀態中恢復過來 。這種獨特的訓練方法，被稱為「糾正性示範」 。

這項訓練，讓 SRT-H 學會了一項外科手術中最關鍵的技能：當它發現執行搞砸了，它能即時識別偏差，並發出如「重試抓取」或「向左調整」等「糾正性指令」 。這套內建的錯誤恢復機制至關重要。當研究人員拿掉這個糾正能力後，機器人在遇到困難時，要不是完全失敗，就是陷入無效的重複行為中 。

正是靠著這種從錯誤中學習、自我修正的能力，SRT-H 最終在八次不同的手術中，達成了 100% 的自主手術成功率 。

SRT-H 證明了機器人開始學會「思考」與「糾錯」。但一個聰明的大腦，足以應付更混亂、更無法預測的真實世界嗎？例如在亞馬遜的倉庫裡，機器人不只需要思考，更需要實際「會做事」。

要能精準地與環境互動，光靠視覺或聽覺是不夠的。為了讓機器人能直接接觸並處理日常生活中各式各樣的物體，它就必須擁有生物般的「觸覺」能力。

解密 Vulcan 如何學會「觸摸」

讓我們把場景切換到亞馬遜的物流中心。過去，這裡的倉儲機器人（如 Kiva 系統）就像放大版的掃地機器人，核心行動邏輯是極力「避免」與周遭環境發生任何物理接觸，只負責搬運整個貨架，再由人類員工挑出包裹。

但 2025 年5月，亞馬遜展示了他們最新的觸覺機器人 Vulcan。在亞馬遜的物流中心裡，商品被存放在由彈性帶固定的織物儲物格中，而 Vulcan 的任務是必須主動接觸、甚至「撥開」彈性織網，再從堆放雜亂的儲物格中，精準取出單一包裹，且不能造成任何損壞。

Vulcan 的核心突破，就在於它在「拿取」這個動作上，學會了生物般的「觸覺」。它靈活的機械手臂末端工具（EOAT, End-Of-Arm Tool），不僅配備了攝影機，還搭載了能測量六個自由度的力與力矩感測器。六個自由度包含上下、左右、前後的推力，和三個維度的旋轉力矩。這就像你的手指，裡頭分布著非常多的受器，不只能感測壓力、還能感受物體橫向拉扯、運動等感觸。

EOAT 也擁有相同精確的「觸覺」，能夠在用力過大之前即時調整力道。這讓 Vulcan 能感知推動一個枕頭和一個硬紙盒所需的力量不同，從而動態調整行為，避免損壞貨物。

其實，這更接近我們人類與世界互動的真實方式。當你想拿起桌上的一枚硬幣時，你的大腦並不會先計算出精準的空間座標。實際上，你會先把手伸到大概的位置，讓指尖輕觸桌面，再沿著桌面滑動，直到「感覺」到硬幣的邊緣，最後才根據觸覺決定何時彎曲手指、要用多大的力量抓起這枚硬幣。Vulcan 正是在學習這種「視覺＋觸覺」的混合策略，先用攝影機判斷大致的空間，再用觸覺回饋完成最後精細的操作。

靠著這項能力，Vulcan 已經能處理亞馬遜倉庫中約 75% 的品項，並被優先部署來處理最高和最低層的貨架——這些位置是最容易導致人類員工職業傷害的位置。這也讓自動化的意義，從單純的「替代人力」，轉向了更具建設性的「增強人力」。

SRT-H 在手術室中展現了「專家級的腦」，Vulcan 在倉庫中演化出「專家級的手」。但你發現了嗎？它們都還是「專家」，一個只會開刀，一個只會揀貨。雖然這種「專家型」設計能有效規模化、解決痛點並降低成本，但機器人的終極目標，是像人類一樣成為「通才」，讓單一機器人，能在人類環境中執行多種不同任務。

如何教一台機器人「舉一反三」？

你問，機器人能成為像我們一樣的「通才」嗎？過去不行，但現在，這個目標可能很快就會實現了。這正是 NVIDIA 的 GR00T 和 Google DeepMind 的 RT-X 等專案的核心目標。

過去，我們教機器人只會一個指令、一個動作。但現在，科學家們換了一種全新的教學思路：停止教機器人完整的「任務」，而是開始教它們基礎的「技能基元」（skill primitives），這就像是動作的模組。

例如，有負責走路的「移動」(Locomotion) 基元，和負責抓取的「操作」(Manipulation) 基元。AI 模型會透過強化學習 (Reinforcement Learning) 等方法，學習如何組合這些「技能基元」來達成新目標。

舉個例子，當 AI 接收到「從冰箱拿一罐汽水給我」這個新任務時，它會自動將其拆解為一系列已知技能的組合：首先「移動」到冰箱前、接著「操作」抓住把手、拉開門、掃描罐子、抓住罐子、取出罐子。AI T 正在學會如何將這些單一的技能「融合」在一起。有了這樣的基礎後，就可以開始來大量訓練。

當多重宇宙的機器人合體練功：通用 AI 的誕生

好，既然要學，那就要練習。但這些機器人要去哪裡獲得足夠的練習機會？總不能直接去你家廚房實習吧。答案是：它們在數位世界裡練習。

NVIDIA 的 Isaac Sim 等平台，能創造出照片級真實感、物理上精確的模擬環境，讓 AI 可以在一天之內，進行相當於數千小時的練習，獨自刷副本升級。這種從「模擬到現實」（sim-to-real）的訓練管線，正是讓訓練這些複雜的通用模型變得可行的關鍵。

DeepMind 的 RT-X 計畫還發現了一個驚人的現象：用來自多種「不同類型」機器人的數據，去訓練一個單一的 AI 模型，會讓這個模型在「所有」機器人上表現得更好。這被稱為「正向轉移」(positive transfer)。當 RT-1-X 模型用混合數據訓練後，它在任何單一機器人上的成功率，比只用該機器人自身數據訓練的模型平均提高了 50%。

這就像是多重宇宙的自己各自練功後，經驗值合併，讓本體瞬間變強了。這意味著 AI 正在學習關於物理、物體特性和任務結構的抽象概念，這些概念獨立於它所控制的特定身體。

不再是工程師，而是「父母」： AI 的新學習模式

這也導向了一個科幻的未來：或許未來可能存在一個中央「機器人大腦」，它可以下載到各種不同的身體裡，並即時適應新硬體。

這種學習方式，也從根本上改變了我們與機器人的互動模式。我們不再是逐行編寫程式碼的工程師，而是更像透過「示範」與「糾正」來教導孩子的父母。

NVIDIA 的 GR00T 模型，正是透過一個「數據金字塔」來進行訓練的：

• 金字塔底層： 是大量的人類影片。
• 金字塔中層： 是海量的模擬數據（即我們提過的「數位世界」練習）。
• 金字塔頂層： 才是最珍貴、真實的機器人操作數據。

這種模式，大大降低了「教導」機器人新技能的門檻，讓機器人技術變得更容易規模化與客製化。

當機器人不再是「一個」物體，而是「任何」物體？

我們一路看到了機器人如何學會思考、觸摸，甚至舉一反三。但這一切，都建立在一個前提上：它們的物理形態是固定的。

但，如果連這個前提都可以被打破呢？這代表機器人的定義不再是固定的形態，而是可變的功能：它能改變身體來適應任何挑戰，不再是一台單一的機器，而是一個能根據任務隨選變化的物理有機體。

有不少團隊在爭奪這個機器人領域的聖杯，其中瑞士洛桑聯邦理工學院特別具有代表性，該學院的仿生機器人實驗室（Bioinspired Robotics Group, BIRG）2007 年就打造模組化自重構機器人 Roombots。

有不少團隊在爭奪這個機器人領域的聖杯，其中瑞士洛桑聯邦理工學院（EPFL）特別具有代表性。該學院的仿生機器人實驗室（BIRG）在 2007 年就已打造出模組化自重構機器人 Roombots。而 2023 年，來自 EPFL 的另一個實驗室——可重組機器人工程實驗室（RRL），更進一步推出了 Mori3，這是一套把摺紙藝術和電腦圖學巧妙融合的模組化機器人系統。

Mori3 的核心，是一個個小小的三角形模組。別看它簡單，每個模組都是一個獨立的機器人，有自己的電源、馬達、感測器和處理器，能獨立行動，也能和其他模組合作。最厲害的是，它的三條邊可以自由伸縮，讓這個小模組本身就具備「變形」能力。

當許多 Mori3 模組連接在一起時，就能像一群活的拼圖一樣，從平面展開，組合成各種三維結構。研究團隊將這種設計稱為「物理多邊形網格化」。在電腦圖學裡，我們熟悉的 3D 模型，其實就是由許多多邊形（通常是三角形）拼湊成的網格。Mori3 的創新之處，就是把這種純粹的數位抽象，真正搬到了現實世界，讓模組們化身成能活動的「實體網格」。

這代表什麼？團隊已經展示了三種能力：

• 移動：他們用十個模組能組合成一個四足結構，它能從平坦的二維狀態站立起來，並開始行走。這不只是結構變形，而是真正的協調運動。
• 操縱： 五個模組組合成一條機械臂，撿起物體，甚至透過末端模組的伸縮來擴大工作範圍。
• 互動： 模組們能形成一個可隨時變形的三維曲面，即時追蹤使用者的手勢，把手的動作轉換成實體表面的起伏，等於做出了一個會「活」的觸控介面。

這些展示，不只是實驗室裡的炫技，而是真實證明了「物理多邊形網格化」的潛力：它不僅能構建靜態的結構，還能創造具備複雜動作的動態系統。而且，同一批模組就能在不同情境下切換角色。

想像一個地震後的救援場景：救援隊帶來的不是一台笨重的挖土機，而是一群這樣的模組。它們首先組合成一條長長的「蛇」形機器人，鑽入瓦礫縫隙；一旦進入開闊地後，再重組成一隻多足的「蜘蛛」，以便在不平的地面上穩定行走；發現受困者時，一部分模組分離出來形成「支架」撐住搖搖欲墜的橫樑，另一部分則組合成「夾爪」遞送飲水。這就是以任務為導向的自我演化。

這項技術的終極願景，正是科幻中的概念：可程式化物質（Programmable Matter），或稱「黏土電子學」（Claytronics）。想像一桶「東西」，你可以命令它變成任何你需要的工具：一支扳手、一張椅子，或是一座臨時的橋樑。

未來，我們只需設計一個通用的、可重構的「系統」，它就能即時創造出任務所需的特定機器人。這將複雜性從實體硬體轉移到了規劃重構的軟體上，是一個從硬體定義的世界，走向軟體定義的物理世界的轉變。

更重要的是，因為模組可以隨意分開與聚集，損壞時也只要替換掉部分零件就好。足以展現出未來機器人的適應性、自我修復與集體行為。當一群模組協作時，它就像一個超個體，如同蟻群築橋。至此，「機器」與「有機體」的定義，也將開始動搖。

從「實體探索」到「數位代理」

我們一路見證了機器人如何從單一的傀儡，演化為學會思考的外科醫生 (SRT-H)、學會觸摸的倉儲專家 (Vulcan)、學會舉一反三的通才 (GR00T)，甚至是能自我重構成任何形態的「可程式化物質」(Mori3)。

但隨著機器人技術的飛速發展，一個全新的挑戰也隨之而來：在一個 AI 也能生成影像的時代，我們如何分辨「真實的突破」與「虛假的奇觀」？

舉一個近期的案例：2025 年 2 月，一則影片在網路上流傳，顯示一台人形機器人與兩名人類選手進行羽毛球比賽，並且輕鬆擊敗了人類。我的第一反應是懷疑：這太誇張了，一定是 AI 合成的影片吧？但，該怎麼驗證呢？答案是：用魔法打敗魔法。

在眾多 AI 工具中，Perplexity 特別擅長資料驗證。例如這則羽球影片的內容貼給 Perplexity，它馬上就告訴我：該影片已被查證為數位合成或剪輯。但它並未就此打住，而是進一步提供了「真正」在羽球場上有所突破的機器人—來自瑞士 ETH Zurich 團隊的 ANYmal-D。

接著，選擇「研究模式」，就能深入了解 ANYmal-D 的詳細原理。原來，真正的羽球機器人根本不是「人形」，而是一台具備三自由度關節的「四足」機器人。

如果你想更深入了解，Perplexity 的「實驗室」功能，還能直接生成一份包含圖表、照片與引用來源的完整圖文報告。它不只介紹了 ANYmal-D 在羽球上的應用，更詳細介紹了瑞士聯邦理工學院發展四足機器人的完整歷史：為何選擇四足？如何精進硬體與感測器結構？以及除了運動領域外，四足機器人如何在關鍵的工業領域中真正創造價值。

AI 代理人：數位世界的新物種

從開刀、揀貨、打球，到虛擬練功，這些都是機器人正在學習「幫我們做」的事。但接下來，機器人將獲得更強的「探索」能力，幫我們做那些我們自己做不到的事。

這就像是，傳統網路瀏覽器與 Perplexity 的 Comet 瀏覽器之間的差別。Comet 瀏覽器擁有自主探索跟決策能力，它就像是數位世界裡的機器人，能成為我們的「代理人」（Agent）。

它的核心功能，就是拆解過去需要我們手動完成的多步驟工作流，提供「專業代工」，並直接交付成果。

例如，你可以直接對它說：「閱讀這封會議郵件，檢查我的行事曆跟代辦事項，然後草擬一封回信。」或是直接下達一個複雜的指令：「幫我訂 Blue Origin 的太空旅遊座位，記得要來回票。」

接著，你只要兩手一攤，Perplexity 就會接管你的瀏覽器，分析需求、執行步驟、最後給你結果。你再也不用自己一步步手動搜尋，或是在不同網站上重複操作。

AI 代理人正在幫我們探索險惡的數位網路，而實體機器人，則在幫我們前往真實的物理絕境。

立即點擊專屬連結 https://perplexity.sng.link/A6awk/k74… 試用 Perplexity吧！ 現在申辦台灣大哥大月付 599(以上) 方案，還可以獲得 1 年免費 Perplexity Pro plan 喔！(價值 新台幣6,750)

◆Perplexity 使用實驗室功能對 ANYmal-D 與團隊的全面分析 https://drive.google.com/file/d/1NM97…

• 林百尉　中央研究院民族學研究所
• 柯維盈　中央研究院歷史語言研究所
• 劉致慧　中央研究院歷史語言研究所
• 陳光宇　紐澤西州立羅格斯大學
• 黃銘崇　中央研究院歷史語言研究所

1928 至 1937 年間，中央研究院歷史語言研究所（以下簡稱史語所）於河南安陽小屯村周圍進行 15 次發掘，發現晚商時期的大量遺存，包括宮殿宗廟區的大型建築基址、西北崗的大型王陵、墓葬、祭祀坑等遺跡，以及青銅、陶、玉、骨等遺物，首次在考古學上證實以安陽小屯為中心的區域，是晚商的都城殷墟。除此之外，更發現了兩萬多片甲骨，包括 1936 年發現大量未經擾動的甲骨層、備受學者矚目的 YH127 坑，^[1]目前皆收藏於史語所。

過去學者對甲骨塗色現象多有關注，然而，由於缺乏科學儀器及技術，長期限於肉眼辨識顏色種類，以及推測顏料成分。近年，我們系統性整理史語所藏殷墟甲骨上的塗色現象，並採用拉曼光譜分析其顏料成分，首次揭開甲骨色彩與顏料的神秘面紗。

甲骨塗色現象的肉眼辨識記錄及其限制

甲骨塗色的記錄，始於 1910 年羅振玉《殷商貞卜文字考》記錄甲骨文字塗朱、墨；其後，王襄（1925）、容庚（1933）等著錄皆有提及塗朱、墨的現象。^[2]對史語所發掘甲骨文字所塗顏色的觀察，始於 1929 年董作賓〈新獲卜辭寫本後記〉，將所見塗色分為朱、墨兩種。屈萬里在《殷虛文字甲編考釋》中，更將顏色分為朱、墨、赭、淡紅、黃、紫等色。張秉權對 YH127 坑甲骨進行復原、綴合和考釋，出版《殷墟文字丙編》，以單版甲骨為單位，逐版記錄甲骨文字的塗色與褪色狀況，分成硃、褐、墨三種顏色，並直言其顏料成分有待定性分析。^[3]

除了史語所 1928 至 1937 年發掘的甲骨之外，1950 年後殷墟的考古發掘繼續進行，陸續出土許多甲骨。其中，最有名的兩次發現為 1973 年於小屯南地發現五千餘片甲骨、1991 年於花園莊東地 H3 坑出土 659 件龜腹甲、25 件背甲和 5 件卜骨，分別著錄於《小屯南地甲骨》與《殷墟花園莊東地甲骨》，並有塗朱、塗黑等現象的記錄。^[4]

2014 年，林宏明在檢視大量甲骨彩照之後，認為過去學者所判斷的顏色，可能受到埋藏環境及時間的影響，且無法確定是否為商人所塗原色，因此主張僅以塗朱、塗墨區分即可；而其學生林雅雯則認為褐色與朱、墨有顯著差異，提出甲骨塗色應有朱、墨、褐三色。^[5]

以上對甲骨塗色現象的記錄，皆為肉眼辨識，並未透過科學技術和方法進行顏料成分的定性分析。肉眼辨識的缺點，除了在人對顏色的感知和判斷標準不同之外，甲骨所塗顏料經過多年地下埋藏，可能導致嚴重的褪色，進一步使得今日學者肉眼辨識的顏色，不見得是晚商製作甲骨時所施用的顏色。除此之外，肉眼辨識僅能推測顏料材質，無法予以證實。因此，透過當代科學技術和方法進行顏料成分的定性分析，成為進一步討論甲骨塗色現象及其可能意義的突破點。 

拉曼光譜用於分析甲骨所塗顏料的可行性與突破性

過去使用科學方法檢驗顏料性質的研究，僅有 Benedetti-Pichler 透過傳統濕化學分析法，刮下普林斯頓大學所藏甲骨上的紅色顏料，推測其為硫化汞，存於自然界的硃砂。^[6] 然而，這種侵入式方法不僅方法繁複、造成文物耗損，且僅能測出顏料可能的成分元素，而非分子結構。

目前學界常見的其他分析方法，包括氣相色譜—質譜聯用分析法（GC-MS）、傅里葉轉換紅外光譜分析法（FTIR）、核磁共振法（NMR）以及 X 射線螢光光譜法（XRF）；然而，如學者所指出，這些方法或需進行化學預先處理、或易受不同因素干擾、或無法進行物相分析等。因此，非侵入式、高效的拉曼光譜（Raman Spectra），成為受到重視的分析方法。^[7]

1928 年，印度科學家拉曼（Chandrasekhara Raman）發現，光線穿透透明液體時有散射現象，散射光的波長與原入射光不同，此一現象被稱為拉曼效應。波長改變的數值，反應分子內部的化學鍵振動（包括轉動）與不同能階的間距。因此，入射光與散射光的頻率移動差距，與分子的化學鍵與構成元素，有一定的密切關係。換言之，透過某一特定化合物入射光與拉曼光頻率之差所得光譜，等於該化合物的分子指紋（molecular fingerprint）。  

由於拉曼散射強度僅為入射光的千萬分之一，直到雷射器問世，能提供優質、高強度的單色光，方推進其研究與應用。拉曼光譜儀結合共聚焦顯微鏡及雷射器，形成精準微量取得分子指紋的理想組合，可迅速辨識樣品中的各種化合物。自 2000 年代技術成熟之後，拉曼光譜已被學界大量用於分析考古所出土無機質類（包括陶瓷、玻璃等）、有機質類（包括竹木漆器、紡織品、紙質等）以及複合類（包括壁畫、彩陶等）文物，進行顏料成分鑑定、膠料及有機殘留物鑑定、胎體分析，以及真偽鑑別；其中，顏料成分鑑定被廣泛用於壁畫、紙本手稿、漆器、陶器，以及青銅器等，為學者提供關於古代文物所塗顏料種類、來源、製作方法，以及彩繪復原的重要材料。^[8]

過去學者對甲骨塗色現象多有關注，然而，由於缺乏科學儀器及技術，長期限於肉眼辨識顏色種類，以及推測顏料成分。使用拉曼光譜分析甲骨所塗顏料，不僅具有技術上的可行性，更在相關研究上具有突破性。近年，我們系統性整理史語所藏殷墟甲骨上的塗色現象，由本所文物維護實驗室採用拉曼光譜進行分析。

實驗採用美國 Horiba Jobin Yvon 所出產 iHR320 拉曼光譜儀，採用共焦型—夾縫空間率波法，搭配 Olympus LMPLFLN 50x/0.50 物鏡或 PLL 80x/0.80 物鏡及 CCD 感光元件（1024×256 pixels）偵測儀，搭配 632.8nm 雷射光源約 17mW，物鏡下有效雷射能量約在 1.29-0.11mW 之間，將甲骨直接置於物鏡下進行顯微拉曼分析。此種無損分析方法，不須取樣或事前制樣作業，可針對甲骨刻辭塗色殘留區域進行分析。每件樣本分析前，須以單矽晶片校正光譜。進入分析過程後，先以 10x 物鏡觀察顏料殘留集中區域、避開纖維或汙染物干擾，再以 50x 或 80x 物鏡獲取圖譜分析位置，至少採集 1-5 次拉曼圖譜。條件設定如下：夾縫寬度（front entrance）約 100-400μm、光柵（grating）設定值為 1800 grooves/mm、曝光時間（Exposition）為 2-20 秒（sec）、掃描（Accumulation）次數皆為 1 次，可偵測波長範圍（wavenumber）為 100-4000cm-1。

綜上所述，透過非侵入式的拉曼光譜對甲骨所塗顏料進行成分鑑定，不但不必對甲骨進行任何化學前置處理作業，對甲骨刻槽中大小僅數微米的顏料顆粒，亦能借助顯微鏡，精準、迅速地獲得散射光譜。截至 2021 年，我們已檢測了史語所藏甲骨 48 片，並將所得結果與數據庫對照，確認甲骨所塗顏料的化學成分。^[9]

史語所藏甲骨上的色彩與顏料

本文精選史語所藏甲骨中，肉眼辨識色彩鮮明、具代表性，且經拉曼光譜分析證實，含括硃砂、赤鐵礦、碳黑、針鐵礦等不同顏料成分的 4 片甲骨，針對其形制、塗色分布、塗色刻辭內容，以及實驗分析顏料所得成果，逐片進行介紹。

由於下文將介紹甲骨上的塗色分布，在此先介紹龜腹甲的部位，以便讀者對照文字敘述與甲骨彩照，找到拉曼分析的刻辭位置。我們採用陳夢家《殷墟卜辭綜述》所繪龜腹甲線圖，^[10] 並於其上標示不同部位名稱（圖 1）。以下，針對本文所選 4 片甲骨，逐一進行介紹。

一、R041287（碳黑）

此版為一龜腹甲殘片，左右甲橋、下半部皆殘泐，表面有多處剝蝕，下端有一裂縫；全版長 13.7 公分、寬 12.2 公分。刻辭塗色部分，正面明顯塗黑；背面除左側占辭明顯塗黑，而首甲、中甲卜辭則呈現深褐色。甲骨正面及背面塗黑的刻辭均屬於生育事類，卜問商王武丁的三后之一——婦好分娩的時間和嬰兒性別，而武丁親自觀兆，並於占辭慎重推測丁日或庚日生男，而壬戌日則生女。然而，正問的驗辭「三旬又一日，甲寅娩；不嘉，惟女。」一段，記錄婦好是在 31 天後的甲寅日生出女嬰，生女不嘉，可見商人對於生男有所期待。^[11] 我們透過拉曼光譜分析本段驗辭中，位於正面左首甲和中甲交界處「甲」字（圖 2-1 A），發現其拉曼特徵峰值為 1365.8、1585.3 cm^-1（圖 2-1），為含碳黑顏料的特徵（圖 2-2），故判斷此處塗黑為碳黑。

圖 2-1　R041287 碳黑拉曼分析圖譜。 　　　　A. R041287 正面分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 50x 物鏡下顯微照片。

圖 2-2　碳黑顏料樣品拉曼圖譜，拉曼特徵峰值為 1329.7、1581.1cm-1， 　　　　參考標準樣為 Kremer47710-碳黑色粉。

二、R044327（硃砂）

此版為一龜腹甲殘片，甲橋及下半部多有殘泐，長 23.8 公分、寬 20.7 公分。刻辭塗色部分，正面從中甲以降，前甲與後甲部位皆塗紅；正面首甲兆序和背面首甲刻辭同為塗黑，應是同組。塗紅之刻辭皆屬於建築事類，記錄貞人「爭」於壬子日及次日癸丑，卜問上帝是否順祐興築城邑一事，占卜次數高達 35 次；癸丑日亦卜問上帝是否順祐商人遷入此邑，高達 20 次；可見商人對此次「作邑」、「宅邑」之重視。「癸丑卜，爭貞：帝弗若？」一段屬於「宅邑」正反對貞的反問，位於左前、後甲交界，左後甲殘泐之處。我們透過拉曼光譜分析其中橫跨齒紋的「貞」字（圖 3A），發現其拉曼特徵峰值為 200.6、252.8、342.5cm^-1，為硃砂（硫化汞）的特徵峰，故判斷此處塗朱為硃砂（圖 3）。

圖3　R044327硃砂拉曼分析圖譜。比對樣本為Kremer-10620硃砂色粉。 　　　A. R044327拉曼分析位置。B. 紅點區10x物鏡下顯微照片。C. 紅點區50x物鏡下顯微照片。

三、R044358（硃砂、碳黑）

此版為一龜腹甲殘片，下半部殘泐，長 17.5 公分、寬 13.4 公分。刻辭塗色部分，首甲正面、自右向左的刻辭，與位於首甲、中甲背面的驗辭，皆為塗紅；位於左前甲正面邊緣的命辭，與位於左前甲背面邊緣的驗辭，皆為黑色；甲骨背面，中甲下方的卜辭為黑褐色；左右甲橋正面皆為黑褐色。刻辭屬於祭祀、氣象事類；正面塗朱大字的部分，卜問乙巳日酒祭下乙（祖乙），商王判斷該祭恐有禍害，應鑿牲祭祖以避禍。驗辭「乙巳酒，明雨，伐；既雨，咸伐，亦雨。卯鳥星」一段，講述乙巳日天亮時正在下雨，進行酒祭、伐牲一人；酒祭進行時，雨停，酒祭結束後，繼續下雨。當天亦兼用、卯兩種殺牲法祭拜鳥星。我們透過拉曼光譜分析位於正面中甲左半部的「既」字（圖 4-1 A），發現其拉曼特徵峰值為 200.8、254.3、343.4cm^-1，為硃砂（硫化汞）的特徵峰，故判斷此處塗朱為硃砂。位於背面中甲左半部的「戠」字塗朱，亦有相同的特徵峰（圖 4-1 C），顯示此版甲骨正背面大字塗紅均為硃砂（圖 4-1）。

圖 4-1　R044358 硃砂拉曼分析圖譜。比對樣本為 kermer-10620 硃砂色粉。 　　　　A. R044358 正面分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。 　　　　C. R044358 背面分析位置。D. 圖 C 紅點區 50x 物鏡下顯微照片。

另外，我們亦分析位於背面左首甲、左前甲的刻辭「九日，甲寅，不酒，雨」，此段驗辭為正面命辭「丙午卜，爭貞：來甲寅，酒大甲」的驗辭，講述於丙午日貞問後九天，即甲寅日，並未酒祭大甲，當天即下了大雨。我們透過拉曼光譜分析其中位於左首甲的「酒」字（圖 4-2 A），發現其拉曼特徵峰值為 1376.7、1580.9 cm^-1，屬於含碳物質的頻帶，故判斷此處塗黑為碳黑（圖 4-2）。

圖4-2　R044358 碳黑拉曼光譜分析。 　　　　A. R044358 分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 50x 物鏡下顯微照片。

 四、R044852（針鐵礦、碳黑、赤鐵礦）

此版為一完整龜腹甲，長 20.3 公分、寬 11.7 公分。刻辭塗色部分，正面首甲和左右甲橋上半部以塗黑為主，僅有卜辭「貞」等個別字塗紅；前後甲所刻卜辭以褐色為主，僅卜辭末「年」字塗黃；背面左右前甲到後甲的卜辭和占辭，以及左右尾甲的卜辭，皆塗黑，有些呈現黑褐色。整版刻辭有官吏和農業等事類，而褐色為主，部分塗黃之卜辭屬農業事類。我們分析位於正面左前甲的「丙子卜，韋貞：我不其受年？」，貞人「韋」於丙子日卜問今年是否豐收，此段為該正反對貞的反問。我們透過拉曼光譜分析「年」字黃色筆畫處（圖 5-1 A），發現其拉曼特徵峰值為 300.6、387.3、471.3、547.2、1086.6，與針鐵礦（Goethite，α-FeOOH）的拉曼特徵峰值（299.3、355.1、386.5、551.8、1303.0 cm-1）相近，故判斷此處塗黃為黃色針鐵礦，主要成分為氧化鐵，是常見的天然礦物顏料之一，又稱土黃（Yellow ochre）（圖5-1）。

圖5-1　R044852 針鐵礦拉曼分析圖譜。 　　　　A. R044852 拉曼分析位置。B. 圖 A 紅點區 10x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 50x 物鏡下顯微照片。

另外，我們亦分析了位於正面左尾甲的刻辭「貞：王其有曰多尹，若？」，此段貞問：商王說過多位尹官，是否吉利順若？我們透過拉曼光譜分析「若」字（圖 5-2 A），發現其拉曼特徵峰值為 227.4、297.9、411.7、1322.4 cm^-1，與赤鐵礦（Hematite，α-Fe ₂O₃）的拉曼特徵峰值（228.25、294.75、299.5、 413.5、1318.37 cm^-1）相近，故判斷此處塗朱為赤鐵礦（圖 5-2）。

圖5-2　R044852 赤鐵礦拉曼分析圖譜。 　　　　A. R044852 塗珠分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。 　　　　C. 圖 A 紅點區 80x 物鏡下顯微照片。

最後，我們透過拉曼光譜分析位於背面左前後甲交界、近千里路處的刻字「𡧊」（圖 5-3 A），發現其拉曼特徵峰值為 1369.6、1587.4 cm^-1，與碳黑的拉曼特徵峰值相近（圖 2-2），故判斷此處塗黑應屬於碳黑（圖 5-3）。

圖5-3　R044852 碳黑拉曼分析圖譜。 　　　　A. R044852 背面分析位置。B. 圖 A 紅點區 50x 物鏡下顯微照片。

結語與討論

綜上所述，我們以拉曼光譜分析塗色甲骨所得成果及其價值，主要有三點：

第一，顏料成分的鑑定。過去對甲骨所塗顏料成分的討論，長期停留在透過肉眼辨識進行推測，無法予以證實；以科學方法進行分析者僅有一例，但該分析技術不僅為侵入式，且缺乏效率及準確度。我們團隊透過精準且非侵入式的拉曼光譜，分析不同顏色的顏料成分，得出以下成果：紅色顏料成分為硃砂或赤鐵礦、黑色為碳黑，黃色則為針鐵礦 （見表一），從而解決學界長期懸而未決的顏料定性分析問題。

第二，顏色種類的確定。過去學者對塗色甲骨進行肉眼辨識，所提出的顏色種類，主要為紅色、黑色和褐色。然而，肉眼辨識受限於個人對顏色感知和判斷標準的不同，且甲骨經多年地下埋藏，常有嚴重褪色現象，故肉眼辨識建立的顏色分類，缺乏客觀、準確的科學基礎。透過拉曼光譜分析所得顏料材質，我們得以證實在紅、黑、褐三色之外，必須加上黃色。關於褐色的來源，過去學者多認為其為紅色顏料褪色的結果；然而，經拉曼光譜檢測，我們發現其為黑色顏料褪色的例子更多。除此之外，我們亦發現部分褐色有其獨立的顏料來源，但仍無法確定其成分為何。儘管如此，透過拉曼光譜分析，我們得以建立具有科學分析基礎的顏色分類。  

第三，提供進一步研究甲骨塗色功能及意義的科學基礎及可能性。過去學者基於肉眼辨識建立的顏色分類，認為甲骨塗色的功能及意義，可能有美觀、區分和宗教等。然而，該顏色分類缺乏客觀性及準確性。我們透過拉曼光譜分析成果建立的顏色分類，不僅為學者提供客觀且準確的科學基礎，更增加了新的顏色種類，提供進一步研究塗色功能及其意義的可能性。

值得注意的是，本文所選四片甲骨中，內容相同的正反對貞或選貞卜辭（前辭、命辭、占辭及驗辭），即同組卜辭，所塗顏色大抵相同。R041287 正面卜辭與背面占辭，同為卜問婦好生育之事，且皆塗黑。R044327 正面大字卜辭，卜問興建、遷入城邑之事，左右正反對貞，且皆塗紅。R044358 的刻辭皆為祭祀、氣象事類，正、背面的同組卜辭，皆塗同色，分別為塗紅、黑。R044852 所刻對貞卜辭皆塗同色；其中，正面大字卜辭，卜問當年豐收與否之事，左右正反對貞，皆為褐色、僅尾字為黃色，且兆序多塗有黃色。同組卜辭塗色一致的現象，原因值得學者進一步研究。

綜上所述，透過拉曼光譜分析甲骨塗色現象，我們得以鑑定顏料成分、確定顏色種類，從而解決學界長期懸而未決的顏料定性分析問題，並建立客觀、準確的顏色分類，提供學者進一步討論甲骨塗色之功能及意義的可能性。本文透過精選具代表性的 4 片塗色甲骨，介紹其形制、塗色分布、刻辭內容，以及拉曼光譜對顏料成分的分析結果，將史語所具代表性的藏品，以及相關最新研究成果呈現於本文，以饗讀者。期能拋磚引玉，未來繼續開展對殷墟甲骨塗色現象及其功能與意義的研究。

表一　本文所選甲骨之拉曼光譜儀檢測結果^*　筆者製表

	史語所典藏編號	檢測位置	檢測刻辭	甲骨文字	拉曼光譜波數cm-1	顏料
1	R041287	正面，左首甲和中甲交界處	三旬又一日，甲寅娩；不嘉，惟女。		1365.8、1585.3	碳黑
2	R044327	正面，左前、後甲交界處	癸丑卜，爭貞：帝弗若？		254.0、342.5	硃砂
3	R044358	正面，中甲左半部	乙巳酒，明雨，伐；既雨，咸伐，亦雨。卯鳥星。		200.8、254.3、343.4	硃砂
		背面，中甲左半部	乙巳夕，有戠于西。		200.3、254.5、343.9	硃砂
		背面，左首甲	九日，甲寅，不酒，雨？		1376.7、1580.9	碳黑
4	R044852	正面，左前甲	丙子卜，韋貞：我不其受年？		300.6、387.3、471.3、547.2、1086.6	針鐵礦
		正面，左尾甲	貞：王其有曰多尹，若？		227.4、297.9、411.7、1322.4	赤鐵礦
		背面，左前後甲交界、近千里路處	庚戌卜，𡧊		1369.6、1587.4	碳黑

^* 每版均檢測多個刻字，本表僅舉數例，並使用粗體、畫底線標明被檢測字。

附錄：本文所引各版甲骨之彩照

註腳

• [1] Chi Li, Anyang (Seattle: University of Washington Press, 1977), 3-157.
• [2] 羅振玉，《殷商貞卜文字考》（玉簡齋石印本，1910），頁 31；王襄，《簠室殷契徵文．考釋．第一編》（天津：天津博物院石印本，1925），頁 2；容庚、瞿潤緡，《殷契卜辭》（1933 年），收入氏著《容庚學術著作全集．第一冊》（北京：中華書局，2011），頁 171、245-246。
• [3] 董作賓，〈新獲卜辭寫本後記〉，收入《安陽發掘報告（第一期）》（臺北：中央研究院歷史語言研究所，1929；1996 年景印一版），頁 212；屈萬里，《殷虛文字甲編考釋》（臺北：聯經出版公司，1984）；張秉權，〈序〉，收入氏編著《殷虛文字丙編．上輯（一）》（臺北：中央研究院歷史語言研究所，1957），頁 3-4。
• [4] 中國社會科學院考古研究所編著，《小屯南地甲骨》上、下冊（北京：中華書局，1980、1983）。中國社會科學院考古研究所編著，《殷墟花園莊東地甲骨》（昆明：雲南人民出版社，2003），頁 1575、1683。
• [5] 林宏明，《甲骨文中的塗朱卜辭研究》（科技部補助專題研究計畫成果報告，編號：NSC 102-2410-H-004-172，未出版，2014 年 10 月 30 日），頁 4；林雅雯，〈甲骨塗辭研究：以塗朱甲骨為核心〉（臺北：國立政治大學中國文學系碩士論文，2016），頁 83。
• [6] Anton Alexander Benedetti-Pichler, “Microchemical Analysis of Pigments Used in the Fossae of Incisions of Chinese Oracle Bones,” Industrial and Engineering Chemistry 9, no. 3 (March 1937): 149-152. 同年，白瑞華（Roswell S. Britton）發表文章介紹前者的研究成果，並據此認為甲骨塗朱的顏料即為硃砂。見 Roswell S. Britton, “Oracle-Bone Color Pigments,” Harvard Journal of Asiatic Studies 2, no. 1 (March 1937): 1-3.
• [7] 郭瑞、楊麗琴、楊璐，〈拉曼光譜法在彩繪文物分析中的應用進展〉，《光散射學報》，第 25 卷第 3 期（2013 年），頁 235-242。
• [8] 馮澤陽、張衛紅、鄭穎、朱鐵權、陳建，〈2000 年以來拉曼光譜在考古中的應用〉，《光散射學報》，第 28 卷第 1 期（2016 年），頁 27-41。
• [9] 柯維盈、林百尉、劉致慧、黃銘崇、陳光宇，〈甲骨刻辭之塗色及其意義——以 YH127 坑為例〉，收入《第二十一屆中區文字學學術研討會論文集》（臺中：逢甲大學中文系，2019 年），頁 1-48；陳光宇、劉致慧、柯維盈、林百尉、黃銘崇，〈甲骨刻辭塗色的拉曼光譜分析〉，收入宋鎮豪主編，《甲骨文與殷商史》新十輯（上海：上海古籍出版社，2020），頁 458-474；陳光宇、劉致慧、何毓靈、柯維盈、黃銘崇，〈殷墟出土甲骨、文物、棺土的拉曼光譜分析〉，《古今論衡》，37 期 （2021.12），頁 73-89；Jhih-huei Liu, Weiying Ke, Ming-chorng Hwang, Kuang Yu Chen, “Micro-Raman Spectroscopy of Shang Oracle Bone Inscriptions,” Journal of Archaeological Science: Reports 37 (2021), doi:102910. Available at ScienceDirect.com: https://doi.org/10.1016/j.jasrep.2021.102910. Jhih-huei Liu, Yuling He, Weiying Ke, Ming-chorng Hwang, Kuang Yu Chen, “Cinnabar Use in Anyang of Bronze Age China: Study with Micro-raman Spectroscopy and X-ray Fluorescence,” Journal of Archaeological Science: Reports 43 (2022), doi:103460. Available at ScienceDirect.com: https://doi.org/10.1016/j.jasrep.2022.103460.
• [10] 陳夢家，《殷墟卜辭綜述》（北京：中華書局，2008），插圖一。
• [11] 本文釋文參考張秉權，《殷虛文字丙編考釋》（臺北：中央研究院歷史語言研究所，1972）；朱岐祥，《殷虛文字丙編選讀》（臺北：台灣學生書局，2021）。