馬唐屬的雜草（Crabgrass）如何霸佔土地

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

本文由行政院環境保護署毒物及化學物質局之推動化學物質綠色生活知識教育平臺計畫企劃，泛科學執行

• 文/林宇軒

這些年，除草劑躍上新聞版面的時候，形象往往都相當負面。像是新聞報導中偶見有人誤食用劇毒且沒有解藥的除草劑「巴拉刈」；或是農藥大廠孟山都的專利除草劑「嘉磷塞」，因為沒有警告消費者健康風險，在美國被許多民眾控告而且被判敗訴。

你可能很疑惑，這些歸類為「除草劑」的農藥到底是何方神聖？這篇文章就要跟大家一起來認識除草劑可能的風險，以及我們又該怎麼減少接觸，來保護自己。

除草劑的任務：消除令人頭痛的「雜草」

在農業生產過程中，會影響收成的生物，其實大多可以找到對應的農藥來處理。農藥根據處理的問題，可以分成好多類，而使用最多的是以下三大類：除草劑專門處理雜草；殺菌劑專門處理微生物；而殺蟲劑則是專門處理害蟲。

除草劑是農業生產過程中需求最大的一類農藥。對農友們來說，要處理雜草很不容易，一方面雜草常常都生命力強健，可以耐受高鹽、高低溫、淹水、貧瘠等各種惡劣的環境，種子產量多，又常可以在土壤中休眠很久之後才發芽。

因此就算割草了，因為根系還在，那些草類也很容易重新長回來；即使累一點，將雜草連根拔起，從其他地方還是會飄來源源不絕的種子，防不勝防。

只要雜草出現在自家園子裡，如果不妥善處理，有時候不只是影響農作收成，還可能讓農夫在收割時要花額外的力氣，去剔除一起收割下來的雜草，農夫們因此對那些在自家農田、果園搶養分的雜草恨得牙癢癢。

因應雜草春風吹又生的除草劑

正因為雜草「春風吹又生」的特性，除草劑也成為農夫們不能不求助的幫手。除草劑的種類多樣，不過共通點是藉由干擾雜草正常生理運作，來達到殺死雜草的效果。

除草劑可以根據除草的效果，分成選擇性除草劑和非選擇性除草劑兩類。有名的選擇性除草劑如 2,4-D（2,4-二氯苯氧乙酸），低濃度可以當作植物生長調節劑，高濃度可以殺死雙子葉植物，只留下單子葉植物；而非選擇性除草劑就是可以將所有的雜草全部殺死，例如文章開頭提到的巴拉刈和嘉磷塞就是屬於這類，不過如果作物和雜草物種太接近，這類除草劑也可能影響作物，所以常需要把種植和噴灑的時間錯開，或者是改種具有抗藥性的基改作物。

這些高效率除雜草的化學物質，有很多種類可以選擇，而且使用方便，只要簡單稀釋，再噴灑到園子裡長雜草的地方，幾天後雜草們就會枯黃死去，比起割草、拔草還要累半天，簡單省事許多。

也正因為除草劑太厲害了，所以也被用在很多農地以外的地方，只要不希望長滿雜草的地方就有可能使用除草劑，來維持環境的整齊感，像是道路兩旁、公園、住宅區、校園、水溝、魚塭等地方，甚至是清明掃墓前，除草公司選擇使用除草劑來清理墓園也時有所聞。

除草劑的爭議與科學研究

除草劑可以說是處理雜草問題最有經濟效益的方式，也因此需求量極高。根據《上下游》的調查統計，2016 年全臺農藥銷售量有 47% 是由除草劑貢獻，幾乎是農藥銷售量的一半，而用量最高的前幾名都是非選擇性除草劑，如巴拉刈和嘉磷塞。但儘管除草劑好用，近年來卻有越來越多的報告指出，這些熱門除草劑可能對人體健康有負面影響。

首先，近年來常出現在新聞畫面的除草劑莫過於巴拉刈。這種除草劑在農業上其實相當好用，除了成本低、效率高，在環境中分解迅速，不會有殘留污染的問題。然而巴拉刈只要發生誤食就會嚴重傷害身體無法挽回，至今巴拉刈沒有任何的解藥可以拯救。因此禁用巴拉刈漸漸成為世界趨勢。農委會也已經在 2018 年 2 月停止進口，預計在 2020 年 2 月起全面禁用巴拉刈。

而另一個充滿爭議的除草劑則是嘉磷塞，是孟山都的專利農藥，由於有效又便宜，自 1974 年上市至今，已經是全世界用量最大的除草劑。嘉磷塞的急毒性低，不太會有急性中毒的問題；近年則有研究指出，長期暴露可能使動物發育不完全，以及可能提高惡性淋巴癌的風險。因而在 2015 年，國際癌症研究中心（International Agency for Research on Cancer, IARC）將嘉磷塞從「2B 類致癌物」升級為「2A 類致癌物」。也就是說嘉磷塞在動物實驗上有充分致癌證據，但對人類致癌的證據有限。但聯合國糧農組織與世界衛生組織共同組成的農藥殘留專家委員會（Joint Meeting on Pesticide Residues, JMPR）和歐盟食品安全局，則認為嘉磷塞沒有致癌風險。

嘉磷塞的危害尚無定論，不過從 2016 年開始，美國有上萬民眾紛紛對孟山都提起告訴，認為嘉磷塞要為他們罹癌負責，而孟山都並未揭露健康風險資訊。截至目前為止，雖然有部分案件孟山都敗訴，但仍有許多案件持續上訴中，尚未定案。

該如何減少除草劑的使用？環保署「非農地之環境雜草管理指引」

農業生產過程中少不了除草劑的使用，如果完全不使用除草劑，可能會大大影響許多作物的產量。大家也許會對除草劑有些擔心，不過政府有在把關農產品的農藥殘留劑量，只要在購買時認明「有機農產品標章」「TAP 產銷履歷農產品」，就可以減少暴露除草劑的風險。

有鑑於農田之外許多公私場所、公園、道路、社區等環境也會使用除草劑以維持環境整潔，環保署集合各部會與專家意見研訂「非農地之環境雜草管理指引」，已於 107 年 6 月 29 日提供中央各部會、直轄市政府、縣市地方政府參考。環保署化學局協助地方政府有效管理非農地環境雜草，降低除草劑的使用風險。目前主要分為「法制面」與「執行面」兩個部分，提供環境雜草管理指引及非農地環境雜草管理自治條例草案，供各級政府參考，目前臺北市、高雄市、宜蘭縣已訂定轄內的除草劑管理自治條例。雲林縣也已公告禁用除草劑之適用對象及區域，桃園市已制定草案並預告，花蓮縣、苗栗縣、屏東縣亦著手研擬草案。

如臺北市即於 105 年 8 月 31 日公布施行「臺北市除草劑管理自治條例」，辦理查核、督導、申報、追蹤環境用藥及除草劑產品售出後之流向，避免濫用、誤用影響環境生態或人體健康。

除此之外，環保署化學局執行面上並持續編列預算推廣非農地環境雜草管理，107 年輔助共計有基隆市政府、桃園市政府、新竹市政府、臺中市政府、雲林縣政府、臺南市政府、花蓮縣政府及臺東縣政府等 8 個縣市政府及 2 個非營利組織（Non-Governmental Organization, NGO）提出辦理相關宣導；108 年共輔助 11 縣市及 3 個非營利組織相關之專案計畫。輔助各地方政府舉辦許多宣導說明會，向各地方政府承辦人員、各社區發展協會和居民、清潔隊隊員、病媒防治業者和環境用藥業者，介紹除草劑的危害和雜草適合的管理使用方式。如荒野保護協會舉辦的「108 年非農地禁用除草劑演講暨採食野草應用班推廣計畫」，由環保署化學局指導，在各縣市舉行多場「非農地禁用除草劑」巡迴演講，讓民眾認識以管理取代除草劑的觀念，減少對除草劑的依賴。

這些宣導活動，希望透過提供有效管理雜草的策略，推廣綜合環境雜草管理代替除草劑使用，來減少除草劑的整體使用量。具體的作法例如：在雜草開花前就要除草，以機械、人力，甚至放牧動物除草。或者是利用不同覆蓋程度的草皮，來蓋住土壤表層，避免雜草種子生根等積極作為。雖然說推動非農地環境雜草不使用除草劑改用人工除草，有可能增加非農地環境之除草的成本，但是這些措施，能進一步減少大眾暴露於除草劑的風險，降低環境污染，及維護環境生態，達成綠色化學滅毒目標。

最後，還是不免俗要說，使用農藥必定有利有弊。如何好好的管理農藥農用、控制使用量，避免健康風險的同時，又能夠兼顧農業經濟效益，是我們應該好好關注的事。

本文由行政院環境保護署毒物及化學物質局之推動化學物質綠色生活知識教育平臺計畫企劃，泛科學執行

參考資料

1. 認識雜草篇 – 台大農藝系雜草管理研究室
2. 除草劑篇 – 台大農藝系雜草管理研究室
3. 【找回草生力！ 除草劑濫用傷土系列報導】 – 上下游
4. 常用除草劑之特性與應用 – 農委會農業藥物毒物試驗所
5. 嘉磷塞－食品藥物專區－衛福部食藥署
6. 不是說會致癌嗎，為什麼台灣要開放嘉磷塞的農藥殘留容許量？ – 食力
7. 嘉磷塞致癌風險報告曝光！孟山都施壓四年破功，年年春黑洞終露曙光 – 上下游
8. 除草劑嘉磷塞是否致癌？歐盟看法不同 – 上下游
9. Evaluation of the impact of glyphosate and its residues in feed on animal health – EFSA
10. Toxicological Profile for Glyphosate – 美國毒物與疾病註冊局（ATSDR）
11. 環保署毒物及化學物質局 107 年度環境雜草管理成果整理
12. 環保署毒物及化學物質局 108 年度非農地雜草管理教育推廣活動 – 講師培訓暨學校、社區巡迴說明會計畫書

延伸閱讀

• 讓作物可以抗殺草劑，真的是萬靈丹嗎？ -泛科學
• 嘉磷塞爭議》不放寬了！食藥署暫緩增修嘉磷塞標準，公民團體肯定，盼日後納入公民參與 – 上下游
• 劇毒農藥巴拉刈禁用不變，農委會：代噴制度推不動，農友：不噴農作銷路更好 – 上下游
• 【我們的島】向除草劑說再見 台三線除草大隊展現決心 – 環境資訊中心
• 非農地禁用除草劑　基市辦理除草示範 – 台灣好新聞
• 化學農藥減半十年為期　引進農安環安食安正能量 – 農傳媒
• 農藥十年減半，每公頃需減量至6.3公斤│農委會祭三大策略 每三年檢討一次

• 文／呂宏耘

前一篇我們提到政府很努力地明訂標準，幫民眾把關，那麼究竟一個合格的農藥，是怎麼研發出來，又經過多少的嚴格檢視呢？

人類發展農業至今日，在市面上飽受汙名化的農藥，其實是各種農產品的守護者，站在第一線和害蟲們對抗著。防治的範圍從微生物、寄生蟲到雜草或野鼠等不一而足，倘若失去農藥這個田間管理工具，在很多情況下我們恐怕連見到農產品的機會都沒有。談到農業發展時，農藥的使用與演變是很重要的環節，農藥研發也走向更嚴格的管制。

然而，究竟怎樣的農藥才算是品學兼優、安分守己的好農藥呢？農藥開發又需要跨過哪些門檻呢？

怎樣才能成為合格的好農藥？

農藥可以分為兩大類別：化學農藥和生物性農藥，而現行化學農藥的比例又較生物性農藥高出許多。在化學物質的世界，「藥」與「毒」往往僅有一線之隔。現今的農業發展，對於農藥會有怎麼樣的要求與考驗呢？怎樣才能成為合格的「好」農藥呢？

第一要點：農藥本分的功能效率

要做為農藥使用，最重要的是有效率的完成任務。說起農藥，大家想到的功能無外乎除蟲、除草等功能。實際上，農藥的功能還包括殺線蟲、植物生長調節、除螺等功能。（參考：我國農藥管理及其展望）

第二要點：良好的專一性

一個合格的好農藥，理想狀況是要能夠專一的完成任務，不會造成多餘的損傷。專一性高的農藥不會危及鳥類、人畜或其他非目標生物，對生態環境相較安全。為了盡量做到專一性，現行的化學農藥中，就有許多產品是針對某些植物效用較強的「選擇性除草劑」。另外有些生物農藥也具備專一性，例如「蘇力菌」這種細菌產生的孢子含有特定的毒素可以殺死蝶蛾類幼蟲，卻不會殺死蜜蜂，更不會對哺乳類動物造成影響。

第三要點：適當的代謝速度

農田多為開放的環境，農藥在這樣的環境中，會因外力被分解或擴散；隨著不同的環境，能持續維持功能的時間也會隨之變化。

除了功效及專一性之外，是否能夠在環境中代謝亦是重要考量。如果農藥無法在環境中自行降解，將會影響到附近的生態。但代謝速度也不是越快越好。試想家裡的殺蟲劑如果兩天就失效，對於使用者來說必須經常性的補噴，會有多惱人！而農藥也是如此。因此，我們在田間使用農藥，是希望農藥的代謝速率「剛剛好」最好。

一種好農藥的誕生：康胖（compound）進京趕考記

每種化學物質屬性大不相同，要達到功能有專一性又代謝得剛剛好，如此的高標準，宛如讓社會新鮮人找一份錢多事少離家近、睡覺睡到自然醒的工作：就算單一項目能夠達標，要全數交集那可不容易啊！

農藥的開發從實驗室到田間應用相當艱難如同進京趕考一般，所有的康胖們（康胖：compound）需通過層層關卡考驗，才有機會脫穎而出。

第一關：實驗室內初步篩選的「鄉試」階段

若將農藥的汰選流程比喻為科舉考試，那麼第一關的鄉試便是實驗室裡最初步的試驗和挑選。

首先在實驗室初步測試，觀察康胖們對於目標功能的效果。此外，還需要康胖的毒理資訊，諸如水生毒性或環境毒性、致癌性、急性或慢性的毒理試驗等等。

而在第一關的「鄉試」究竟有多少康胖前來應試呢？答案十分驚人，研發初期為了找到潛力的新成分，通常會篩選超過十萬種化合物；而最後通過鄉試的秀才可能只有十來個，錄取率甚至比麻省理工還低。

第二關：田野中的實地實驗「會試」階段

通過實驗室測試的「秀才」康胖，會進到溫網室、露天農田進行第二部分的試驗。在溫網室及農田中，有更多的環境因素影響著實驗，包括日照長度、紫外線、溫濕度等。因此科學家必須擬定田間施作的程序，並且密切觀察對於生態有沒有危害。

除此之外，在這個階段研究人員也會持續改良劑型，找出每種康胖最適合的使用方式：對於這種化合物，使用粉劑還是水溶液比較適合？如果做成噴霧會不會達到更好的防蟲除草效果？如果要製作長效的藥劑是否要使用微膠囊技術？這些考量將會最佳化農藥使用的效率，同時也為將來商品化做準備。

第三關：官方審核許可的「殿試」階段

但康胖要成為農藥，最後一關「官方許可」還等在後頭！

以台灣來說，主管機關是行政院農委會，把關著康胖能否通過審核。要得到官方的許可，必須先準備充足的審核文件，包括農藥物理性、化學性試驗報告及品質管制資料、毒理資料、國內外田間試驗資料、使用方法及注意事項等資料。確認符合法規要求，對人體不會有毒性、對生態不會有影響，且所有檢驗及文件都符合資格，整個流程才算圓滿完成。另外，拿到了官方許可的農藥，還需要完成量產的製程規劃。工廠量產使用的反應槽和實驗室裡的燒杯攪拌棒是完全不同的事，該如何安排製藥工廠設廠的地點及人力？如何確保反應槽和燒杯調製出來的是相同的產品？又如何保證產品線符合政府規章？這些也都是一個農藥真正上市之前需要通過的考驗。

其實農藥開發就如同人類用藥一樣，需要大量的經費以及時間。都說文人十年寒窗，其實農藥從實驗室到商品架上平均需要十年以上，花費則至少需要 2.8 億美金，箇中的研究人員甚至比文人更辛勞啊！

使用農藥，也須對症下藥：植物醫師制度

就如同前面所提及的，每一種農藥都需要經過田野試驗找出最合適的使用方式，許多調整細節相當複雜，也因此，正確用藥本身就是種專業。過往農藥的使用較缺乏專業化的分工，但近年來，行政院農委會推出了「植物醫生」的制度，相繼在台灣大學、中興大學、嘉義大學、屏東科技大學等校成立植物教學醫院和施行植物醫學的學程。

人生病需要看醫生，植物也是。植物醫生的角色，會到田間評估是否有對症下藥，施予農藥同時兼顧防蟲及食安。透過專業診治而達成精準用藥。未來植物醫師制度的推行，希望能夠推廣更多正確診斷及正確施藥的觀念，才能讓每種農藥發揮最大的效用。讓我們不用顧忌著農藥的陰影，可以更放心享用豐美蔬果。

本文由作物永續協會及泛科學合作企劃執行

1. 王一雄，農藥污染對作物的影響《植物重要防疫檢疫病害診斷鑑定技術研習會專刊（三）》
2. 農藥登記審查流程及審查標準

延伸閱讀：

過了這個數就超標啦！農藥最大殘留容許量是怎麼來的？超標就會中毒嗎？