[解析謠言] 台灣的黑糖究竟能不能吃？－丙烯醯胺

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 交通部中央氣象署 委託，泛科學企劃執行。

• 文／陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕，921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶，又位處於板塊交界處的地震帶，「大地震！」三個字，總是能挑動臺灣人最脆弱又敏感的神經。

因此，當我們發現臺灣被各式各樣的地震傳說壟罩，像是地震魚、地震雲、蚯蚓警兆、下雨地震說，甚至民間地震預測達人，似乎也是合情合理的現象？

今日，我們就要來破解這些常見的地震預測謠言。

漁民捕獲罕見的深海皇帶魚，恐有大地震？

說到在坊間訛傳的地震謠言，許多人第一個想到的，可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中，漁民將「皇帶魚」暱稱為地震魚，由於皇帶魚身型較為扁平，生活於深海中，魚形特殊且捕獲量稀少，因此流傳著，是因為海底的地形改變，才驚擾了棲息在深海的皇帶魚，並因此游上淺水讓人們得以看見。

因此，民間盛傳，若漁民捕撈到這種極為稀罕的深海魚類，就是大型地震即將發生的警兆。

然而，日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告，他們想知道，這種看似異常的動物行為，究竟有沒有機會拿來當作災前的預警，抑或只是無稽之談？

可惜的是，科學家認為，地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內，均沒有發生規模大於 6 的地震，規模 7 的地震前後，甚至完全沒有深海魚出現的紀錄！

所以，在科學家眼中，地震魚僅僅是一種流傳於民間的「迷信」（superstition）。

透過動物來推斷地震消息的風俗並不新穎，美國地質調查局（USGS）指出，早在西元前 373 年的古希臘，就有透過動物異常行為來猜測地震的紀錄！

人們普遍認為，比起遲鈍的人類，敏感的動物可以偵測到更多來自大自然的訊號，因此在大地震來臨前，會「舉家遷徙」逃離原本的棲息地。

當臺灣 1999 年發生集集大地震前後，由於部分地區出現了大量蚯蚓，因此，臺灣也盛傳著「蚯蚓」是地震警訊的說法。

新聞年年報的「蚯蚓」上街，真的是地震警訊嗎？

​當街道上出現一大群蚯蚓時，密密麻麻的畫面，不只讓人嚇一跳，也往往讓人感到困惑：為何牠們接連地湧向地表？難道，這真的是動物們在向我們預警天災嗎？動物們看似不尋常的行為，總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面，也經常成為新聞界的熱門素材，每年幾乎都會看到類似的標題：「蚯蚓大軍又出沒 網友憂：要地震了嗎」，甚至直接將蚯蚓與剛發生的地震連結起來，發布成快訊「昨突竄大量蚯蚓！台東今早地牛翻身…最大震度4級」，讓人留下蚯蚓預言成功的錯覺。

然而，這些蚯蚓大軍，真的與即將來臨的天災有直接關聯嗎？

蚯蚓與地震有關的傳聞，被學者認為起源於 1999 年的 921 大地震後，在此前，臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出，與地震相關的電流有機會刺激蚯蚓離開洞穴，但在現實環境中，有太多因素都會影響蚯蚓的行為了，而造成蚯蚓大軍浮現地表的原因，往往都是氣象因素，像是溫度、濕度、日照時間、氣壓等等，都可能促使蚯蚓爬出地表。

大家不妨觀察看看，白日蚯蚓大軍的新聞，比較常出現在天氣剛轉涼的秋季。

因此，下次若再看到蚯蚓大軍湧現地表的現象，請先別慌張呀！

事實上，除了地震魚和蚯蚓外，鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗，都曾經被流傳為地震預測的動物專家。

但可惜的是，會影響動物行為的因素實在是太多了，科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上，擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號，似乎並不奇怪。

國內有許多「憂國憂民」的神通大師，這些號稱能夠預測地震的奇妙人士，有些人會用身體感應，有人熱愛分析雲層畫面，有的人甚至號稱自行建製科學儀器，購買到比氣象署更精密的機械，偵測到更準確的地震。

然而，若認真想一想就會發現，臺灣地震頻率極高，約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震， 2 星期多就可能出現一次規模 5.0 至 6.0 的地震，若是有心想要捏造地震預言，真的不難。 

在學界，一個真正的地震預測必須包含地震三要素：明確的時間、 地點和規模，預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛，也並未交代統計數據或訊號來源。

作為閱聽者，看到如此毫無科學根據的預測言論，請先冷靜下來，不要留言也不要分享，不妨先上網搜尋相關資料和事實查核。切勿輕信，更不要隨意散播，以免造成社會大眾的不安。

此外，大家也千萬不要隨意發表地震預測、觀測的資訊，若號稱有科學根據或使用相關資料，不僅違反氣象法，也有違反社會秩序之相關法令之虞唷！

​地震預測行不行？還差得遠呢！

由於地底的環境太過複雜未知，即使科學家們已經致力於研究地震前兆和地震之間的關聯，目前地球科學界，仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告，不如日常就做好各種地震災害的防範，購買符合防震規範的家宅、固定好家具，做好防震防災演練。在國家級警報響起來時，熟練地執行避震保命三步驟「趴下、掩護、穩住」，才是身為臺灣人最關鍵的保命之策。

延伸閱讀

• 廖光正，李明進（2002）。集集大地震後蚯蚓大量爬出現象之解析。特有生物研究，4（1），41－51。https://bit.ly/3zF8OD8
• 離人心上秋意濃，清晨地上蚯蚓多：為何秋天經常有大量蚯蚓出沒？跟地震有關嗎？
  http://bit.ly/3DYNMSG
• Orihara, Y., Kamogawa, M., Noda, Y., & Nagao, T. (2019). Is Japanese folklore concerning deep‐sea fish appearance a real precursor of earthquakes?. Bulletin of the Seismological Society of America, 109(4), 1556-1562.
  https://pubs.geoscienceworld.org/ssa/bssa/article-abstract/109/4/1556/571628/Is-Japanese-Folklore-Concerning-Deep-Sea-Fish

• 本文與台灣事實查核中心合作，內文經泛科學改寫。
• 完整文章請見：【錯誤】網傳照片「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」？
• IG貼文請見：網傳照片：台中大坑有泰國眼鏡蛇？經查，這是台灣本土的眼鏡蛇
• 資料更新至 2021 年 11 月 24 日

報告更新

一、專家表示，網傳照片與媒體報導畫面的蛇，是台灣本土的舟山眼鏡蛇，並不是泰國眼鏡蛇或其它外來種眼鏡蛇。

二、醫師指出，對於媒體報導的案例，是以症狀去反推蛇種，且研判是遭台灣本土眼鏡蛇咬傷的機率較高，並非「經血液測試，研判可能是泰國的眼鏡蛇」。

三、專家指出，目前尚未在野外發現外來種眼鏡蛇，且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

綜合以上，傳言搭配照片宣稱「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」，為「錯誤」訊息。

報導怎麼說？

2021 年 11 月間，通訊群組流傳一則訊息，宣稱「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」。

另有多家媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」，搭配影像稱：「這是泰國眼鏡蛇，屬於外來種，毒性非常強，有山友日前在潭子新田步道拍攝到，想不到大坑九號步道也出現了相同毒蛇，當地里長懷疑是宗教團體質疑放生。」

也有報導指出，「有民眾月初在大坑九號步道遭到蛇吻，血液檢測研判是被外來種泰國眼鏡蛇咬傷，毒性比本土高出好幾倍。有民眾提供影片，不只在大坑，潭子新田步道也有，泰國眼鏡蛇豎起有五十公分高，還作勢要攻擊，但怎麼會有外來種呢？山區的居民抱怨是任意放生惹禍」；「有民眾他去最親民的九號步道，結果被毒蛇咬傷，經過了兩次的手術跟五次清創才保住性命，醫院後來進行了血液檢測，發現應該是外來種泰國的眼鏡蛇」等。

查核結果

爭議點一、傳言與報導中的照片與影片，是否為「泰國眼鏡蛇」？

（一）查核中心經過以圖反搜，找到網友在 10 月 29 日發布於社群平台上的貼文，所附的影片與照片，與網傳照片、媒體報導之影片為同一事件。上述貼文指出，這是山友在 10 月底，於潭子新田 1 號步道發現的眼鏡蛇。

（二）查核中心採訪宜蘭大學森林暨自然資源學系教授毛俊傑、臺中市野生動物保育學會救援人員林文隆，兩位專家協助檢視網傳照片與影片後，均表示這是台灣本土的舟山眼鏡蛇（Naja atra，又名中華眼鏡蛇），並不是外來種眼鏡蛇。

爭議點二、醫院血檢研判，咬人的蛇可能是泰國眼鏡蛇？

查核中心檢視相關報導，事件中的受傷民眾，是送到中國醫藥大學附設醫院醫治。

查核中心採訪中國醫藥大學附設醫院毒物科主任洪東榮，洪東榮表示，此次媒體報導遭蛇咬的民眾，醫院判斷是外來種眼鏡蛇咬傷的機率很低，應是遭台灣本土眼鏡蛇咬傷的機率較高。

洪東榮說明，這次事件中的民眾，局部傷口嚴重，蛇毒濃度高，但沒有肌肉無力、眼皮下垂、呼吸衰竭等神經症狀，由此看來，應該是遭台灣的眼鏡蛇咬傷的可能性較大。

洪東榮解釋，雖然坊間常說台灣本土的眼鏡蛇有神經毒，但其實本土眼鏡蛇在臨床上很少造成神經症狀，即使局部傷口嚴重潰爛的個案也少有神經症狀。來自東亞或其它地區的外來種眼鏡蛇，則會造成明顯神經症狀。

洪東榮補充說明，遇到蛇咬傷的病患，是以症狀去反推蛇種。「用血液中的蛇毒證明是不是外來種」並不容易，因為各地眼鏡蛇的的蛇毒雖有不同，但無法當作鑑種指標，就算去驗病人傷口的組織液蛋白質，也難確認是不是外來種。

綜合以上，對於媒體報導的案例，醫生表示，是以症狀去反推蛇種，並非透過血液檢測，且研判是遭台灣本土眼鏡蛇咬傷的機率較高。

爭議點三、媒體與傳言稱「疑外來種眼鏡蛇遭放生」，專家如何解讀？

（一）毛俊傑說，「台灣野外有國外來的外來種眼鏡蛇被宗教團體放生」的說法，是令相關學者不勝其擾的傳言。過往此類傳言中，最常被指稱的是「眼鏡王蛇」，但眼鏡王蛇其實不是眼鏡蛇，且眼鏡王蛇是以蛇類為主食，偶爾捕食巨蜥，成體體重約為 8 至 16 公斤，據文獻上資料推估，眼鏡王蛇每次捕食的食量約為自身體重的二到四成，也就是一隻 8 公斤重的眼鏡王蛇，一週至少要吃 1.6 到 3.2 公斤左右的蛇或巨蜥，但台灣的生態系根本無法提供像這樣的物種，在野外基本生存的條件。

至於這次媒體報導提到的「泰國眼鏡蛇」，毛俊傑表示，並不確定其所指的是暹羅眼鏡蛇（Naja siamensis）還是孟加拉眼鏡蛇（Naja kaouthia，又名單眼紋眼鏡蛇），不過至少目前他在野外看到的眼鏡蛇，都是本土的眼鏡蛇，偶爾看到型態花紋比較特異的，進一步確認後，也都還是台灣本土的眼鏡蛇。

毛俊傑補充，很多民眾看到立起來、脹脖子的蛇，就以為是眼鏡蛇，但其實很多類群的蛇都會這麼做，例如台灣的史丹吉氏斜鱗蛇（Pseudoxenodon stejnegeri）即是其中之一。

（二）林文隆表示，以台中市的野生動物救援、捕捉流程來說，所有委外廠商抓到蛇，都會交由農業局去做專業檢核，目前沒有發現外來種眼鏡蛇的個案，例如 2020 年處理的蛇類案件有四千多件，2021 年目前有三千多件，其中眼鏡蛇佔了 22% 左右，全部都是台灣本土的眼鏡蛇。

林文隆說明，關於坊間流傳「外來種眼鏡蛇被放生」的說法，不僅沒有證據支持，還有諸多違反常理之處。首先，坊間流傳的「外來種眼鏡蛇」包括金剛眼鏡蛇、泰國眼鏡蛇等，這些都是受 CITES（瀕危野生動植物國際貿易公約，又稱為華盛頓公約）保護的物種，限制貿易，就算走私賣進來，單價會很高，且量也不大，既然量不大，在野外遇到的可能性就不高。

第二，坊間流傳的故事中，常描述放生團體「用倒的」，如果使用麻布袋裝置眼鏡蛇，以台灣眼鏡蛇的體積與市面上的麻布袋大小來說，一袋能裝 40 隻蛇，但底部的蛇很有可能被壓死，被倒出的蛇屍應會成為證據，大量留在現場；若是以蛇籠裝置，則無法用傾倒的方式將蛇倒出來，而需要用手將蛇抓出。

綜合以上，專家指出，目前尚未在野外發現外來種眼鏡蛇，且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

結論：大坑有「泰國眼鏡蛇」為錯誤訊息

【報告將隨時更新 2021/11/24版】

一、專家表示，網傳照片與媒體報導畫面的蛇，是台灣本土的舟山眼鏡蛇，並不是泰國眼鏡蛇或其它外來種眼鏡蛇。

二、醫師指出，對於媒體報導的案例，是以症狀去反推蛇種，且研判是遭台灣本土眼鏡蛇咬傷的機率較高，並非「經血液測試，研判可能是泰國的眼鏡蛇」。

三、專家指出，目前尚未在野外發現外來種眼鏡蛇，且「台灣的野外有外來種眼鏡蛇被放生」之說法並不合理。

綜合以上，傳言搭配照片宣稱「爬大坑 9 號步道請小心，泰國眼鏡蛇毒液很強」、媒體報導「台中大坑有外來種泰國眼鏡蛇咬傷民眾」，為「錯誤」訊息。

補充資料

一、民眾在野外遇到蛇，如何自我保護？

（一）林文隆表示，首先要請民眾注意腳邊、提高警覺。第二是穿著合適的衣著，包括長褲與合適的鞋子。第三，一般民眾去爬山都是在白天，白天會遇到的蛇，通常就是眼鏡蛇，而眼鏡蛇要經人逗弄才會立起來示警，若是民眾定點不動，蛇主動攻擊人的機率極低，若民眾轉身離開，蛇也不會主動追擊，因此遇到眼鏡蛇，請勿逗弄，並保持距離。

林文隆補充，蛇攻擊人的距離，大約是其體長的三分之一，民眾可利用登山杖或可取得的樹棍，與蛇保持一個登山杖的安全距離。

（二）毛俊傑說明，民眾在野外活動，在草長或視界不佳的活動環境，可利用手杖或登山棍適度的「打草驚蛇」，一般當蛇感覺到有威脅時，多半會盡快會離去。唯獨眼鏡蛇的行為比較明顯一點，如果被驚嚇到，很容易立起來，這是一種防禦、警示的行為，是虛張聲勢也是提醒，不是攻擊，此時民眾繞開即可，眼鏡蛇並不會追上前來攻擊。

毛俊傑進一步說明，以網傳影片中的眼鏡蛇來說，雖然牠頭部晃動，但仔細看牠的身體，其實它是有一個固定的支點，也就是說牠只是定在原地晃動頭部並發出噴氣聲，來威嚇對牠可能產生威脅的人，並不是真的要攻擊、追人。

二、民眾在野外遭蛇咬傷，應如何處置？

洪東榮表示，在野外被蛇咬，第一步是保持冷靜、不要慌亂，如果看得到蛇，就看清楚蛇的花色，如果來得及，可先拍照。第二步儘量休息、不亂動，如果咬到的部位是手，應將手垂下，不要讓患部比心臟高，如果被咬到的是腳，應坐著休息，不要亂走。第三步是請打 119，並在原地等人來救援。

洪東榮說，台灣常見的六種毒蛇中，較容易造成嚴重危害的是雨傘節，被雨傘節咬會有呼吸衰竭的症狀，需要儘速給氧，在野外比較難進一步急救，但如果沒有亂動，可爭取到一些急救時間，也能儘量降低蛇毒帶來的傷害。