化學災害的幕後英雄：化學技術特工出動！（上）

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

• 文／雅文基金會聽力師 張晏銘 

絕大多數的人都曾有這樣的經驗，在吵雜的捷運車廂內戴起耳機，不自覺調大音量，讓自己全然沉浸在音樂／影片／Podcast／Clubhouse 的世界裡；又或是前一天晚上參加演唱會、派對，與朋友在 KTV 盡情高歌，隔天卻出現耳鳴、耳悶、聽不清楚，通常不用理會過個幾天就沒事了，但是真的⋯⋯沒事嗎？

神不知鬼不覺的噪音風險

乍看之下這似乎不是一個大問題，但隨醫療科技進步，從 2006 年開始便有學者發現，在噪音出現的當下神經便可能直接產生「神經毒性」，進而出現不可逆的傷害，即使隨著時間對聲音的敏銳度看似已經恢復如常，但對聽力早已造成潛在損害^[2][3]。

從物理學的角度來看，聲音是一種能量，它會傷害耳朵有三個原因：

1. 音量大小
2. 暴露時間的長短
3. 距離聲音的遠近。

如果能控制暴露音量、時長及距離，便可將傷害的可能降低。

被動式降噪抵抗高頻噪音

在過往從聽力「防護」的角度出發，一般耳鼻喉科醫生、聽力師或聽語相關專業人員，都會建議大家在挑選耳機時，宜優先挑選具有降低噪音功能的耳機，而耳機採用的降噪技術，一般會分為主動式降噪及被動式降噪。

被動式降噪（passive noise cancellation, PNC），又稱為物理性降噪。與其說是降噪，更貼切的說法是「抗噪」。因為這類型耳機的工作原理，是通過外在材料／器具，對我們的耳朵進行物理性的「隔音」而非消除噪音或降低噪音。一般來說就是透過高密度的耳罩或耳塞材料（如高密度海綿等）阻隔外噪環境，防止噪音進入耳朵。被動抗噪耳機可以有效阻隔能量較小、傳遞能力較差的高頻噪音，像是口哨聲、塑膠袋摩擦聲等。 

在耳機材料相同的情況下，可以遮住耳殼及耳道的耳罩式耳機的被動抗噪效果最好，其次是可以密合耳道的入耳式耳機；而貼耳式耳機則因密合度最差而效果最不理想^[4][5]。 

圖示
耳機類別	耳罩式	入耳式	貼耳式
抗噪能力	最佳	中等	最差

利用反向聲波的主動式降噪

主動式降噪（Active noise cancellation, ANC）與被動式降噪在原理上大不相同，它並非是把噪音「阻擋在外」，而是透過耳機麥克風分析外界持續性噪音（例如冷氣聲、捷運引擎聲等）後，運用內建晶片進行處理並產生一個與噪音相同但振幅卻完全相反（相位相反）的聲波來做抵銷（圖二）。當兩個信號大小完全相同卻處於反向（相位相反）時，便會產生完全破壞性干涉，使兩個信號相互抵消。此時聲波便不再產生，我們自然就聽不到噪音了^[6]。

 主動式降噪耳機的「副作用」？  

在網路上搜尋主動式降噪耳機的使用心得，有些使用者反應「配戴主動式降噪耳機後，會出現耳鳴、耳悶或頭暈的現象」，因此難免會有主動式降噪耳機會傷害聽力的疑慮，但事實上主動式降噪耳機最早是為了幫助飛行員降低「飛機引擎聲」造成的噪音傷害而研發的，因此從技術層面上來說，它本身並不具有危害性，甚至從另一個角度來說，它可以降低使用者因「噪音導致的身心健康問題」，那耳悶跟耳鳴又是怎麼產生的？

耳悶感 

很多人都有坐飛機的經驗，當飛機爬升時會有耳悶的感覺，這是因為耳內外壓力改變，中耳腔的鼓膜處緊繃狀態，同時緊繃的鼓膜也讓低頻聲音難以進入耳朵。主動式降噪耳機 主要在抵消低頻噪音，因此部分使用者的大腦可能會誤判現在是「壓力產生變化」，進而產生頭痛和耳悶感^[7]。

 耳鳴 

耳鳴產生的原因非常多，且好發於各年齡層，但由於多數人耳鳴狀況不嚴重，也並非 24 小時都會耳鳴，因此很難在一般生活情境下察覺耳鳴的狀況；然而，當我們戴上抗噪耳機、耳塞或在一個非常安靜的環境下，原本很小聲的耳鳴便容易被凸顯出來，導致使用者覺得耳鳴的狀況增加。 

 只有小孩才做選擇，享受和健康都兼顧

降噪耳機讓聆聽者能更清楚接收音樂，避免音量過度放大^[8]。此外，聆聽的時間長度也十分重要；近年來有些耳機有所謂的「自動音量控制」系統，透過耳機本身或相對應的 App，來監控使用者的使用時間。一旦發現使用過久，便會進一步限制使用者可聆聽的音量，讓音量漸漸變小。

不管是被動式抗噪、主動式降噪或音量時長控制，都可以有效幫助我們留意及監控使用習慣，因此在挑選耳機時，除了音質及蓄電量考量，我們也應該著重挑選具有上述功能的耳機，當然，若能上述三者兼具，那對耳朵能起到的防護作用自然會最大。 

1. World Health Organization. (2020年3月1日). Deafness and hearing loss. 擷取自 World Health Organization: https://www.who.int/news-room/fact-sheets/detail/deafness-and-hearing-loss
2. Fernandez, K. A., Jeffers, P. W., Lall, K., Liberman, M. C., & Kujawa, S. G. (2015). Aging after noise exposure: acceleration of cochlear synaptopathy in “recovered” ears. Journal of Neuroscience, 35(19), 7509-7520.
3. Liberman, L. D., & Liberman, M. C. (2015). Dynamics of cochlear synaptopathy after acoustic overexposure. Journal of the Association for Research in Otolaryngology, 16(2), 205-219.
4. Hodgetts, W. E., Rieger, J. M., & Szarko, R. A. (2007). The effects of listening environment and earphone style on preferred listening levels of normal hearing adults using an MP3 player. Ear and hearing, 28(3), 290-297.
5. Kuo, S. M., Chen, Y. R., Chang, C. Y., & Lai, C. W. (2018). Development and evaluation of light-weight active noise cancellation earphones. Applied Sciences, 8(7), 1178.
6. Harris, W. (2008). How Noise-canceling Headphones Work. How Stuff Works, https://electronics. howstuffworks. com/gadgets/audio-music/noise-canceling-headphone3. htm.
7. Andy G.(2021年1月28日). Are Noise-Canceling Headphones Safe? 擷取自 HEADPHONESTY : https://www.headphonesty.com/2020/09/are-noise-canceling-headphones-safe/
8. Liang, M., Zhao, F., French, D., & Zheng, Y. (2012). Characteristics of noise-canceling headphones to reduce the hearing hazard for MP3 users. The Journal of the Acoustical Society of America, 131(6), 4526-4534.

文 / 粒腺體、亞坦尼斯

近日社群上出現了違法進口中國製口罩，和台灣製口罩的送檢報告，引起了一番「 CNS14775 不是醫療級口罩的標準！」、「為什麼不測阻擋病毒的效率？」的論戰。

BUT 這其中的觀點充滿了迷思，恐怕只會越吵越混亂。那麼，這些爭論中有那些迷思呢？

我們先把結果摘要在這裡：

• 迷思 1：「口罩應該測阻擋病毒的效率，而不是阻擋細菌的效率！？」
• 回應：

1. 臺灣醫用口罩規範 (CNS14774) 中，對所有等級的醫用口罩都不用針對阻擋病毒的效率進行評估。為什麼呢？我們下一點說明。
2. 因為病毒會附著在口水、飛沫上，所以實務上應該要量測阻擋該類型粒子的能力，而非病毒本體；所以口罩其實不需要測阻擋病毒的效率。

• 迷思 2：「CNS14775 不是醫療級口罩的標準，CNS14774 才是？」
• 回應： CNS14774 是醫用口罩標準的總綱，等同於一篇文章的摘要，其中包含實驗方法、細項分類等。而 CNS14775 是其中一項實驗方法。換言之， CNS14774 是評斷醫用口罩的摘要、開場白； CNS14775 是教導廠商如何評斷醫用口罩的實驗方法； CNS14774、CNS14775 都可算是醫用口罩的標準文件。

那到底醫用口罩的規範是什麼？明明也需要阻擋病毒的口罩為何不測病毒阻擋效率呢？除了過濾效率，你知道一片合格的口罩還需要注意哪些事嗎？看到這裡還沒離開相信你是很有耐心的智人，那就聽我們娓娓道來吧！

口罩檢驗怎麼做？

臺灣對於醫用口罩的規範說明文件是什麼？答案是 CNS14774（醫用面（口）罩 Medical face masks），其中提及合格的醫用面（口）罩，須通過：

• 抗合成血液穿透性（阻擋血液噴濺，沾染到口、鼻腔等）
• 細菌過濾效率（阻擋細菌等）
• 次微米粒子防護效率 （阻擋比細菌更小的東西，如氣溶膠等）
• 壓差（測量流體在口罩兩側的流通性；換言之，確保戴了口罩後，還能呼吸）
• 防焰性

當然，檢驗也不能亂做，經濟部標檢局也附了各項檢驗的操作 SOP ，如：細菌過濾效率須遵循 CNS14775 的步驟。

CNS14775 是醫用口罩的實驗方法之一，該文件將說明實驗該如何操作、使用什麼菌株、器材該如何架設等，以確保合格的廠商都用相同的實驗進行評估。

換言之，依台灣的標準 (CNS14774) ，合格的一般醫用面（口）罩，僅要求：

• 細菌過濾效率
• 壓差

若是更高等級的外科手術用（口）罩，還會加上阻擋血液噴濺等要求。

BUT，此時也許你的心中會有個小疑問——怎麼沒有阻擋病毒的評估呢？因為病毒的傳播，是靠口水噴濺的啊！

防細菌，不防病毒？

為什麼口罩的標準中，未撰明須檢測「阻擋病毒」的能力呢？生活場景中，我們臉上的口罩是直接擋住病毒、還是含有病毒的口水？

其實就呼吸道疾病傳染的角度來看：幾乎都是透過帶有病毒的口水飛沫，噴濺到物品或健康人的身上，他們再觸摸口鼻而感染。

換言之，阻擋口水大小的顆粒，是較符合真實世界的需求。而2009年在美國就實際量測人體產生的飛沫顆粒發現，絕大多數的飛沫都大於1微米 (μm)（大於 4μm 佔 46% 、 1~4μm 佔 49% ）[感染控制雜誌，2009]。

而針對現在流行的冠狀病毒瘟疫 (COVID-19) 或過往的流行性感冒，科學界都普遍認可配戴口罩能阻擋口水飛沫的傳播 [Fennelly, K. P., 2020]。

換言之，不論從科學的推論，或是真實感染控制的層面裡，現行口罩的規範（主要針對微米 (μm) 等級的過濾能力）已足以抵禦透過飛沫傳染的疾病（現行的冠狀病毒瘟疫 (COVID-19) 或流行性感冒傳染）；無須強調冠狀病毒的顆粒尺寸來要求口罩的規範。

題外話，倘若要抵禦的是血／體液傳播的傳染病，如：伊波拉出血熱，那麼醫用口罩的規範可能要特別針對血液的防浸透能力了。

口罩只要注意過濾效率就好了嗎？

當然不是。

如果阻擋能力高到連呼吸都有困難，那擋住病毒前，不就悶死了嗎？

所以合格的醫用口罩，不是只看微生物的過濾效率，也要看透氣的能力！所以單就過濾效率來評斷某廠牌的口罩較佳或較差，證據上恐怕不足。

一般而言，阻擋外物的效果越強，口罩兩側的壓力差距越大，口罩的通氣性也越差。如前述圖 (CNS14774) 的敘述中可看到，台灣標檢局對於「壓差」都有規範，其須維持在一定的範圍內，以確保口罩能阻擋外物之餘，使用者仍可正常呼吸。

數字的背後，科學的極限

回顧本次議題在輿論上的爭議，有人看到進口口罩的過濾率比國產口罩高，而認為更應該要買進口口罩；有人看到進口口罩的細菌過濾率較高，而質疑應該要檢驗病毒而非細菌。

經過上述研究與法規的整理回顧，我們認為這次送檢的兩份口罩，確實因進口口罩的過濾率較高，有可能帶來更好的防護效果，但兩則口罩的檢驗結果均符合我國國家標準CNS的要求，足以達到醫用口罩必須有的防護效果。

儘管如此，在此例中網友自發性的送檢口罩，仍須留意取樣偏差的問題。在工業製程上，生產線的可靠度，往往就是取決於良率高低與品質是否一致，若要判斷產線優劣，應基於具統計意義的隨機抽樣調查。

因此縱然網友送檢的口罩有過濾率的高下之分，基於單一個案的檢驗結果的證據力，也遠不足以能推估到整體國家或公司生產口罩品質的優劣，而認定進口口罩的品質較好而值得購買。

然而網友自行送檢的結果，也並非毫不可取而無法採信。許多促成社會變遷的「公民科學」發展，常始於少數熱心公民自發性地發起科學研究、量測環境數值、自費檢驗有興趣的物品。

如美國1970年代起，民眾自發量測水質、送檢兒童玩具成分，而促成了美國環保署與食藥署的法規更迭與管制精進。若願意正面看待網友的送檢結果，這也是可以是個優化「口罩國家隊」的契機，畢竟「國家隊」的對手是病毒，舞台是世界。

當然，無論品質優劣，無論商業或科學，誠信是做人的基本而已。

1. 感染控制雜誌編輯部 (2009)。在高風險單位配戴外科口罩以控制流感病毒的傳播。感染控制雜誌 ； 19卷4期， P261 – 263
2. 賴全裕。外科手術面罩相關標準與效能要求。
3. 國家標準 (CNS) 網路服務系統
4. ASTM F2101-19, Standard Test Method for Evaluating the Bacterial Filtration Efficiency (BFE) of Medical Face Mask Materials, Using a Biological Aerosol of Staphylococcus aureus, ASTM International, West Conshohocken, PA, 2019, www.astm.org
5. Leung, N.H.L., Chu, D.K.W., Shiu, E.Y.C. et al. Respiratory virus shedding in exhaled breath and efficacy of face masks. Nat Med 26, 676–680 (2020).
6. Jayaweera, M., Perera, H., Gunawardana, B., & Manatunge, J. (2020). Transmission of COVID-19 virus by droplets and aerosols: A critical review on the unresolved dichotomy. Environmental research, 188, 109819.
7. Fennelly, K. P. (2020). Particle sizes of infectious aerosols: implications for infection control. The Lancet Respiratory Medicine.