我念物理系，現在是電影修復師──「不務正業」徵文

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…

• 作者/Laurie McNeil and Paula Heron ｜北卡羅萊納大學教堂山分校／西雅圖華盛頓大學
• 編譯/常雲惠 ｜紐西蘭懷卡托大學運動休閒研究所學士後，紐西蘭公務員。目前定居紐西蘭，為科普讀物譯者。

如果你是位物理教授，你也許是循著傳統的路徑，一步步地走到今天的位置：

物理系畢業，物理碩士、博士、博士後研究，然後應徵上一個終身教職。

你或許會認為，你目前的學生，大多數也將追隨著你的腳步，所以你應該好好教導他們，為他們將來成為物理教授而做好準備。如果你是這麼想的，那麼你就錯了！

根據美國物理聯合會（American Institute of Physics，縮寫為 AIP）統計研究中心（Statistical Research Center）的資料顯示，美國的物理系畢業生中，最後大約只有 5%會成為物理教授；即便是留在學術界，也有很多人會轉戰例如工程或資訊科學等相關領域。大多數的物理系畢業生，其實並不會留在學術界，而是走進各行各業，從事各種多樣類型的工作。這些工作機會，有半數左右是來自私人企業（圖一為新近大學畢業生第一份工作的統計資料）。

幾乎沒有任何物理課程，是專門為這些「非物理學術工作」而設計的。對於一些需要科學訓練的職務，物理系的畢業生，以及他們的雇主都一致認為，大學為社會新鮮人提供的訓練與準備並不夠充分。同樣的問題，對於新科物理博士，也一樣適用（參見《今日物理》，1995年6月號，第13頁）。

在畢業一年之後，將近半數的物理博士，並不在學術單位任職。而在完成博士後研究之後，有更高比例的人，移往私人公司或政府部門任職。

在接受問卷調查時，任職於私人公司的物理系畢業生表示，除了熟悉的物理知識之外，他們還經常需要一些額外的技能，例如團隊合作、科技寫作、電腦程式設計、在其它領域運用物理知識、產品的設計與開發，以及複雜的專案管理等等；圖二列舉了這些技能。然而，對於大多數學物理的人來說，在整個教育養成過程中，很少有課程是為了這些技能而做準備。

2014 年，美國物理學會（American Physical Society，縮寫為 APS）與美國物理教師協會（American Association of Physics Teachers，縮寫為 AAPT），共同組成物理系大學部學程改進聯席專責小組（Joint Task Force on Undergraduate Physics Programs，縮寫為 J-TUPP）來檢視這方面的不足。

我們與 J-TUPP 小組的同事（主要是來自學術界或產業界的物理學家），一起思考兩個大問題：

下一個世代的物理系畢業生，應該具備哪些技能與知識，才能應付未來職涯裡的多樣要求？以及物理系該如何修改他們大學部的課程，才得以更有效地幫助學生？完整的報告請參見美國物理學會於 2016 年十月出版的《物理 21》（Phys 21: Preparing Physics Students for 21-st Century Careers）。

我們以多管齊下、多方探索的方式，試著回答這兩個問題。為了能描繪出更明確的圖像，我們參考了其它學會、教育機構、政府部門與私人企業的研究報告；我們也訪談了許多相關人士，例如物理系畢業，但任職於非學術領域的物理學家，以及負責開發創新大學學程的研究人員；以及委託針對物理系畢業生與其雇主的研究計畫等等。

此外，我們不僅仔細參考由 AIP 的統計研究中心（Statistical Research Center）與物理學生學會（Society of Physics Students，簡寫為SPS）先前所發表的研究報告《職涯途徑計畫》（Career Pathways Project），也委託進行一系列的個案研究，探討系所在修改大學部課程與其畢業生的職業準備度之間的關聯，希望藉此找到一些可行的策略或建議。

物理系畢業生需要些什麼？

我們得到一個初步結論是，物理系畢業生所具備的彈性、解題能力，以及接觸過許多新科技的經驗，是他們受到雇主歡迎的原因。

然而，如果在電腦計算分析工具或程式方面，特別是一些廣受業界採用的軟體系統，他們能多具備一些相關知識與技能；或是擁有實習或專題研究的經驗，能讓他們在實際的產業工作中更快上手；或是熟悉物理觀念、實際應用與產品創新三者之間的關聯等等，都能讓他們在就業市場中，更受歡迎。

此外，一些所謂的「軟實力」，例如基本的商業概念，如何在團隊中與人合作，或是有效溝通等等，也都有助於他們在職涯上的成功。

傳統的物理系教授，大多致力於確保學生能掌握核心課程裡的物理觀念：

力學、電磁學、熱力學、統計物理、量子力學，以及這些觀念在光學、核物理與凝固態物理的應用。

雖然在學習這些科目的過程中，學生也能習得數值方法、統計分析與實驗方法等相關技能。然而，如何培養學生，在非學術研究與跨領域的環境中，去運用基礎物理觀念，則較為罕見，而這也正是他們在未來的工作中，較可能會遭遇到的情況。

物理系的課程，也需要能提供學生許多相關的科學與科技、工程技能的學習機會，以及從基本觀念來解決真實或複雜情境下問題的機會，例如光學、真空技術、電子學等方面的基本實驗技能，程式設計或電腦軟體模擬的經驗，數據的收集、處理與分析，實驗儀器的偵錯、校準與修復等。雖然，傳統課程與專題實驗室，或多或少地提供了這些技能的學習機會。

然而，在沒有明確的學習目標，或是未能針對某項技能而設計的教學活動，某些學生可能因此而缺少了足夠的訓練。另一個可能的情形是，也許學生已經學會並具備了這些技能，但卻無法體認出它們的市場價值，以及據此來挑選出最合適自己的工作機會。有趣的是，在圖三所列舉出的常見職稱，只有高中物理教師有用到「物理」這個關鍵字。

當物理系畢業生進入職場之後（其實，這也包括就讀研究所，開始著手論文研究計畫），最常面對的挑戰是處理真實世界中，一些複雜、含糊、界線不明的問題。他得自己重新去定義問題，有系統地界定出幾個較小的子問題，進行文獻回顧，據此去制定解題策略或研究方法，來回答他自己設定的問題；研究方法可以是做實驗，也可以是電腦模擬、模型分析，或是不勝枚舉的其它方法。

為了能落實自己的解題策略（或研究方法），他必須明確地知道自己需要哪些資源，並做出決定或建議，從哪個方向開始研究或繼續先前已有的研究，設計並決定後續的步驟，並能從較為寬廣的視野，來看待自己收集的數據。然而，除非他在大學部的課程裡，已經有過相關的學習經驗，並學會相關的技能，否則這很可能他是首次面對一個真實的問題，以及相關的繁雜資料與數據。

掌握儀器、軟體、電腦以及數據分析等能力，是決定職場工作或論文研究是否成功的關鍵因素。

AAPT 所屬之大學部課程改進專案小組（Undergraduate Curriculum Task Force）在最近的一則報告中建議，應將計算物理（computational physics）整合納入大學部的課程中。許多私人企業所廣泛使用的電腦套裝軟體，也都有教育版，僅需極少的費用，甚至免費，即可獲得教育授權使用。

雖然，教育版的功能或許不及完整版，但對學生的學習而言，應該已經足夠。在我們所訪談的畢業生中，幾乎毫無異議，他們一致表達出希望能學習更多與電腦軟體相關的技能。不論在哪個領域工作，數據分析、比較各個模型或假設之間的異同，以及展示實驗成果的能力，對物理系的畢業生而言，都是至關重要的技能。如果他們在就學期間，疏忽了這幾項能力的培養，很容易讓他們在將來競爭的就業市場中，略遜於他們主修工程學門的同學。

整個物理社群（包含學術界與產業界等）都體認到，物理系的畢業生在溝通技能上的需求。我們的整個教學設計，都只集中在同行評審的論文發表上。然而，對於任職於產業界或政府部門的物理學家而言，他們所需要的能力，卻是把自己的想法或研究成果，表達給沒有受過專業科學訓練的聽眾，例如公司的經理、贊助廠商、國會議員、市場推廣人員、技術員或是一般社會大眾。

這群職場新鮮人所需要的表達能力，是能適切地闡述自己的觀念，並能運用文字、方程式、圖表、照片、動畫或其它視覺化工具，來增加強自己的說服力。另一個可能是，他需要把一個複雜的觀念或方法教給別人，還要能判斷這個人的學習成效，從而發展出更有效的教學策略或溝通方法。然而，大多數的物理學課程，即使讓學生有機會擔任論文的共同作者，或是在研討會裡發表論文，對於這些「非學術」的溝通與表達能力的培養，仍然缺乏明確的學習機會。

此外，大多數物理系的課程設計，讓他們的畢業生在就業市場中處於劣勢，例如學程中鮮少關於物理職涯的介紹，如何找工作，如何判斷自己的知識技能是否適合某份工作等等。事實上，相信許多物理系的老師，對於學術界以外的職涯機會，自己也不是很熟悉，因此如何協助學生轉戰到其它領域，對老師本身而言，自然也是一項挑戰。

物理系的課程該怎麼安排？

上面那張長長的「物理系畢業生應需具備的知識與技能」清單，應該會嚇壞了所有的物理系師生。然而，物理系的課程該如何安排，才能幫學生在準備就業，以及學會求解薛丁格方程式之間，取得一個平衡呢？

所幸，前述清單中的技能，其學習的管道都不是單一的。各系所可以根據自己的條件，例如教師的專長與背景、財務狀況、學生的人數及其抱負與志向、大學附近的產業生態等等，來擬定適合自己的策略。或許需要重新設計整個課程，或是在原本的課程框架下，融入新技能的學習機會，亦或是針對某些特定技能的培養，開發出新的選修課程。

在 J-TUPP的報告中，我們提供了許多範例，是許多物理系已經採用的方法【註一】。（2001年四月，Barrett Ripin 曾於《今日物理》發表過一篇文章，探討如何透過創新的課程設計，幫助物理系畢業生，培養面對未來多樣性工作的能力。）

大多數的物理教授應該都會認為，他們所開設的標準課程，已經為學生在學習物理知識上，提供了一個堅實的基礎。事實也的確如此。但是為什麼，教授們就在這裏止步不前呢？

事實上，任何一門物理課程，即使只是探討基礎的原理與觀念，也都能從中找到與職涯相關的實際應用。例如，最為抽象的廣義相對論，也都有它的實際應用：GPS全球定位系統。因此，在工業製程或商品設計中應用物理原理，未必需要犧牲基礎物理的嚴謹性。如同先前所討論過的，我們可以把商用產品或儀器，與一般的實驗課程做整合，讓學生可以接觸到業界常用的電腦套裝軟體等。

在溝通與表達能力的培養上，一般的課程，就可以提供許多學習機會。例如，可以讓學生針對課程中的某個主題，或是在參加研討會之後，進行口頭報告。甚至，可以安排社區服務，讓他們有機會面對社會大眾，演講或展示自己的研究成果。此外，這些技能的學習，並非全部都要侷限在物理系裡。

科技英文的寫作與編輯技能，可以透外文系或大眾傳播學系的課程，得到進一步的增強。工學院或商學院的一些課程，可以提供學生基本的商業概念。校園裡的就業輔導室，也是一個重要資源，可以請他們協助，特別針對物理系的學生，傳授他們履歷表的寫作方法，以及求職面談的經驗與注意事項等等。

我們往往容易忽略課外活動，在培養學生專業技能上所能扮演的角色。系所可以舉辦一些小型演講或座談活動，邀請系友回母校，分享他們在各個不同職場上的工作經驗。系友或許還能協助在校生，安排工廠的參訪，或其它校外活動。此外，他們也能鼓勵在校生，多多參與由各個專業團體（例如AIP）所贊助或主辦的研討會或講習課程等活動。設立「小老師」制度，讓學生有正式的教學或助教的經驗，可以去教別的同學或低年級的學弟妹，也是一個簡單的方法，就能幫助學生提升溝通技能。

協同合作與彈性課程

就物理系而言，只需開始與校園內的其它系所或部門合作，例如就業輔導室或創新育成中心，就可以大幅改變現狀。當然，也可以走出校園，與其它的企業或雇主合作，開發設計實習課程，或是以創新或創業為主題的跨領域學習學程（參考 Douglas Arion 在《今日物理》2013 年八月號第 42 頁的文章）。這種系所與企業之間的合作，可以幫助單一主修的學生，接觸並累積多樣的學習經驗與技能。

在工學院，與廠商間的建教合作或實習制度已行之有年。在實際就業之前，學生便已經具備相當的實務經驗，除此之外，實習經驗還能幫助學生，理解到許多「物理之外的技能」的重要性，例如文檔的建置與管理，商務發展等。例如，在科技管理公司實習，學生可以接觸到提案的準備過程、專案的預算控管、企業的組織結構，以及專案的執行等等。在國家級實驗室（如工研院）的技術轉移與法律中心實習，學生則可以接觸到專利、授權以及智權加值與技術商業化等業務。

實習通常有助於學生畢業後的求職機會，而且，能提供實習機會的公司，通常也會是該領域內的大企業，若學生將來有志於在該領域發展，那麼實習的機會，剛好為他們提供了一個很好的舞台。在設計與開發這一類的學程時，系所之間的合作，非常重要，應該妥善地利用工學院、就業輔導中心或商學院等，與校外廠商之間既有的合作關係。

近來相當熱門的大數據（Big Data）領域，已有許多機構開設短期的講習課程或訓練營，提供學生一手的的實務經驗，也能為學生將來進入這個領域鋪路（參見《今日物理》2016年八月號，第20頁）。

然而，對於不希望採取重大變革的物理系而言，若能在傳統課程設計之外，多增加一點彈性，譬如為某個相關的應用領域，多一點預備工作，也能讓學生受益很多。例如降低一些傳統的必修學分，改成與產業界較為相關的選修學分，如凝固態物理、光學等。甚至提供跨系選修的機會，讓學生可以選修工程、生物、統計、資訊科學、演講、商業、科技或創意寫作，甚至是哲學等課程。

這些選修課程，可以是因個別學生而異，也可以是由根據職業領域而規劃，來指定的特定科目。另一個可行的方式，是以某幾個重要的物理觀念為主軸，根據相關的特定應用，來開發新的科目或課程。例如，開設一門以太陽能電池為主題的課程，從而串起量子力學、熱力學、凝固態物理等等相關的基礎物理。或是設計以綠能、水資源或環境保護等議題為主的課程，從這些議題所面臨的挑戰出發，讓學生從既有已知的物理知識，去尋求可能的解決方案。

另一個有助於學生職涯準備的方案是「指標性活動」（capstone activity），例如畢業論文、畢業生研討會，或類似畢業個展之類的活動。在大學四年裡，學生通常曾到專業實驗室裡實習，參與過文獻回顧，或是專題研究等，以及據此撰寫書面報告的經驗。這類「指摽性活動」，只需稍加修改，便能融入我們先前所提及的學習目標，甚至是職涯準備技能，例如商用模擬軟體、專業的繪圖軟體，或電腦輔助設計等。

對系上有什麼好處？

對學生的職涯準備而言，即使是最微小的改變，也需要持續地動用系上大量的人力與各項資源。這麼做，對系上有什麼好處？

首先，如果你針對近年來的畢業生做些研究，看看他們就業的情況，以及目前現有以及未來的學生，對於職涯的前景、看法或興趣等等，那麼你會更了解自己的學生，也因此能更有效地幫助他們，在畢業之後，充分地發揮自己的潛能。

其次，在課程設計中，適切的融入與職業準備相關的教學策略，這能提升系所的聲譽，從而吸引更多各類有才華、有創造力的年輕學子，而不是讓他們選擇其它科系，甚至轉往其它院校就讀。

第三，讓學生接觸實際的應用研究，除了可以提升學習動機與興趣之外，自己也可能因此發現新穎而有趣的研究題材。最後，對那些少數選擇研究所，準備繼續深造的學生而言，他們也具備了許多有助於從事研究工作的技能。

總結來說，我們相信，你與你所屬的系所都應該聽從我們的建議，因為我們有兩個共同的願望。首先，我們都希望能更有效率地幫助我們的學生，讓他們有能力去面對二十一世紀職涯上的多樣選擇與快速變遷。其次，每一個系所都希望享有在達成第一個願望之後，接踵而來的許多好處，用最簡單的話來說，就是「利人利己」。如果我們之中有足夠的人數，願意朝著這個方向一起努力，那麼我們有信心，我們所熱愛的「物理系」會持續地在二十一世紀裡成長而茁壯。

• 本文感謝Physics Today (American Institute of Physics) 同意物理雙月刊進行中文翻譯並授權刊登。原文刊登並收錄於Physics Today, November/2017 雜誌內(Physics Today 70, 11, 38 (2017); https://physicstoday.scitation.org/doi/abs/10.1063/PT.3.3763)；原文作者Laurie McNeil and Paula Heron。中文編譯：常雲惠 老師，Teacher in Cambridge Primary School, Cambridge, New Zealand
• Physics Bimonthly (The Physics Society of Taiwan) appreciates that Physics Today (American Institute of Physics) authorizes Physics Bimonthly to translate and reprint in Mandarin. The article is contributed by Laurie McNeil and Paula Heron, and are published on Physics Today 70, 11, 38 (2017); https://physicstoday.scitation.org/doi/abs/10.1063/PT.3.3763). The article in Mandarin is translated by Ms. Marleen Charng, Teacher in Cambridge Primary School, Cambridge, New Zealand .

本文轉載自《物理雙月刊》原文為〈為物理系學生做好面對二十一世紀職涯發展的準備〉