當媒體說他15歲發現馬雅古城，你信不信？為什麼？

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

搞笑諾貝爾獎每年都是新的開始，2022 年也不例外。今年「第 32 次第一屆搞笑諾貝爾獎」一共頒發 10 個獎項，藝術史獎 2 位學者的得獎理由是：

「以跨領域手法研究古代馬雅陶器畫面的儀式性浣腸（A Multidisciplinary Approach to Ritual Enema Scenes on Ancient Maya Pottery）」。

2022 年，肛門或成最大贏家！

浣腸（enema）別名灌腸，就是直接向肛門注入液體，刺激排泄。灌腸也指稱香腸的作法，浣腸讀起來比較有儀式感，本文之後就採用浣腸稱呼。

今年的生物學獎也和肛門有關，肛門或成最大贏家！有種蠍子斷尾求生後，連肛門都會一起脫落，而且無法再生，再也無法排泄，最終便秘致死。好在即使屁股沒惹一半，還可以再活幾個月，完成傳宗接代的蠍生大事。

同時看到馬雅人的浣腸研究，想說能不能幫斷尾的蠍子也浣腸一下，解決便秘問題……馬上想到它們已經沒有屁股，不再有機會享受浣腸的樂趣，嗚嗚。 😭

有趣的是（疑似贅句，本文應該沒有無趣的事），2022 年受到表揚的藝術史獎來自 1986 年發表的論文，本身就很有考古精神，36 年過去，如今得獎者都老惹。

大部分搞笑諾貝爾獎頒給近幾年的研究。但是一查之下大吃一驚，穿越歲月的表揚很少，卻不算罕見：

2022 年的藝術史獎頒給 1986 年的研究，時隔 36 年。

2021 年的昆蟲學獎頒給 1971 年的研究，時隔 50 年。

2013 年的安全工程獎頒給 1972 年的研究，時隔 41 年。

2013 年的公共衛生獎頒給 1983 年的研究，時隔 30 年。

2011 年的公共安全獎頒給 1967 年的研究，時隔 44 年。

2011 年的生物學獎頒給 1983 年的研究，時隔 28 年。

2010 年的公共衛生獎頒給 1967 年的研究，時隔 43 年。

2008 年的化學獎頒給 1985 年的研究，時隔 23 年。
……

研究民族藥物的藥理學家：一個博士不夠，就再讀一個！

今年等待 36 年的 2 位得獎者，是什麼來頭呢？馬雅是個位於中美洲，有數千年歷史的文化，如今依然有數百萬馬雅人樸實地生活著，儘管不如古代輝煌。研究馬雅考古的人，應該是考古學家吧！其中一位地獄慕斯（Nicholas Hellmuth）確實符合想像，他正是探索古馬雅的考古學家。

• 延伸閱讀：馬雅人的祖先，帶著玉米從南方來？

然而，另一位德史密特（Peter A.G.M. de Smet）不是考古學家，而是藥理學家。這項探討馬雅浣腸的研究，源自他博士論文中的一部分，而且這是他的第二個博士學位。

德史密特是荷蘭人，就讀烏特勒支大學（Utrecht University），公元 1979 年取得「藥學博士（Doctor of Pharmacy）」，具有一流的藥理學專業。後來他對民族藥物，也就是各地的草藥、菸草等傳統藥物產生興趣，於是 1981 年起又深造數年，1985 年再取得一個 PhD 博士。

他的博士題目叫作《美洲的儀式性浣腸與鼻菸（Ritual enemas and snuffs in the Americas）》，這段期間他幹勁十足地完成多達 11 篇論文！這麼多素材都被整合進博士論文，後來有出書。

這位藥學博士在第二個博士論文中（第 13 頁），一整個理組嗆文組的 fu：

「儀式性用藥的資料中，不當使用藥理學數據，是驚人的常見錯誤。實際上這不太意外，因為這個領域中的作者，往往缺乏藥理學背景。」

初出茅廬的德史密特，整理當時藥理學、民族學、考古學的多方資訊，加上自己的實驗，探討美洲原住民在浣腸、吸菸兩項行為的材料、手法、效果，使他成為以現代科學探討民族藥理學（ethnopharmacology）的先驅。

40 年來他身兼藥理學家、民族藥物學家的雙重身份，兩個領域都頗有建樹，總共發表上百篇論文，有些引用數相當可觀。2011 年還出過一本書，由 20 世紀初的明信片討論各地的民族藥物。

藥理學×考古學：馬雅人為什麼浣腸？

馬雅人為什麼浣腸？馬雅世界後來成為歐洲人殖民地，早在殖民時期便有紀錄，馬雅人以浣腸行醫療用途。這也是當今受過醫學訓練的醫師、護理師之基本專業。

然而，1977 年重現於世的古代陶器，上頭的浣腸畫面卻不像醫療，而是某種儀式的場景。此後累積愈來愈多證據，現在可以肯定馬雅人不只為了醫療浣腸，還會在儀式性的場子中浣腸，有搞別人屁股，也可以自己搞自己屁股，還有互相浣腸的。

• 延伸閱讀：台灣頭號馬雅專家「馬雅國駐台辦事處」的文章：〈【食慾流動】今晚我想來點中美洲烈酒〉

馬雅浣腸是德史密特的博士論文中，少數有關考古的題材，他不懂考古學，因此找到前輩地獄慕斯助拳。地獄慕斯搜藏不少馬雅小本本（主要是 6 到 9 世紀的古典期晚期），在其協助下，德史密特能充分發揮藥理學專業，跨領域探討古代馬雅人的浣腸學問。

「儀式（ritual）」的目的千變萬化（很多人類學家不知道怎樣解釋就說是儀式，老套路），馬雅浣腸的目的是什麼？德史密特認為一項意義可能是「淨化」。浣腸就是人為強制排出消化道中的廢物，在淨化儀式中適合作為象徵。

有些浣腸的目是追求快感，馬雅人應該也不例外，畢竟有些浣腸儀式的畫面，看起來就是派對。在儀式中使用藥物、興奮劑助興，不論古今都很常見。馬雅浣腸多半也是令參與者愉悅的儀式。還有人浣腸的目的是保健，像是現在也有人提倡咖啡浣腸。由此推敲，浣腸儀式能達到綜合性的目的。

浣腸跨越時空。福大命大的法蘭西大皇帝「太陽王」路易十四，便以喜愛浣腸聞名，別稱「大腸王」，據說一生浣腸超過 2000 次。當時浣腸和放血一樣，是流行的醫療與保健手段，不過懂玩的路易十四，想必也從中獲得不少快感。

提醒各位讀者，浣腸未必會傷害人體，但是一定有風險。不論目的是醫療、愉悅或保健，都要審慎進行，一旦碰到狀況，快點尋求醫療協助。尤其千萬不要用屁股直接喝酒或興奮劑！肛門、腸道細胞的吸收效果好，恐怕會不知不覺地中毒。

實驗精神，注入！

注入肛門的液體是浣腸關鍵，浣腸液的配方、用量大有學問。幾乎可以確定馬雅人會用酒精浣腸，畫像中便能見到稱為「balché」的含酒精發酵飲料。

一堆博士牲讀的要死要活，即使僥倖畢業，也常常像 Long COVID 後遺症般，罹患遺憾終生的 Long PhD。德史密特的博士生涯卻充滿趣味，他拿自己的屁股做實驗，測試不同濃度與用量，讓讀者也猝不及防地上車。

讓人享受快感的浣腸，要將浣腸液留在腸道一段時間，不能馬上排出，所以不能注入太多。

德史密特在博士論文第 57 頁寫到，現代西醫操作下，超過 200 cc 只作為刺激排泄使用。古代藝術品中，有些看起來 size 很大大大的注射器，能注入不少浣腸液，其目的看似為快速大爆射的淨化功能，而非慢慢醞釀，體驗灌腸的愉悅感。

然而，德史密特又指出，他用自己屁股做實驗發現，即使注入 500 cc 的酒精灌腸液，也能輕易地維持不會大爆射。因此不能說注射器比較大支，就一定無法享受快感。

大腸王路易十四直呼內行：這荷蘭仔，懂玩！

浣腸液除了酒精，馬雅人還有哪些素材？

酒精以外，德史密特還測試過 DMT（dimethyltryptamine，N,N-二甲基色胺）浣腸，沒什麼特別感覺，不過他謹慎使用的劑量非常低。致幻劑 DMT 可以調製死藤水（ayahuasca）等迷幻藥，吃多會出人命，千萬不要胡亂嘗試。

作為藥理學家，德史密特討論多款可能的成分，不過沒有自稱試用過。像是咖啡因、尼古丁、迷幻蘑菇（psilocybian mushroom）、毒蠅傘（fly agaric，學名 Amanita muscaria）、睡蓮（water lily）、柯拉豆屬植物的蟾毒色胺（Anadenanthera alkaloid bufotenin，巴西植物 paricá 的種子）等等。

德史密特認為，他探討的大部分化學物質都不適合用於浣腸液，或是有機會被馬雅人使用。稀釋的咖啡因、尼古丁溶液肯定能用來浣腸，而且效果不錯。可是沒有馬雅人使用咖啡因、尼古丁浣腸的鐵證。

還有睡蓮值得一提。有些陶器畫面上出現睡蓮，可能作為儀式用途；而某些種類的睡蓮中又含有可作為致幻劑（hallucinogen）的成分，這才懷疑到睡蓮。但是睡蓮是否用於浣腸，至今仍缺乏可靠的證據。

這些研究看似搞笑，有什麼意義呢？不少人類學家、民族學家、考古學家，歷史學家做研究時，會接觸藥物與儀式，卻時常缺乏足夠的藥學知識，對於目的、用法、用量、效果等問題無法深入探討。人類學家 David J. Minderhout 在 1987 年的書評提到，德史密特以藥理學的視角切入，能彌補人類學、民族學的不足，對藥用植物感興趣的人，這類研究頗有參考價值。

總之就是，叔叔有練過，大家不要模仿。浣腸是有風險的行為，不論出於什麼目的，都要謹慎操作。

2022 年搞笑諾貝爾獎頒獎典禮影片（藝術史獎從 47:50 開始）：

更多有趣的研究，請到【2022 搞笑諾貝爾獎】

延伸閱讀

• 【2022 年搞笑諾貝爾獎】10 項怪奇獲獎研究出爐：你賺多少其實跟你的才華沒有關係？蠍子斷尾求生，反而讓自己從此便秘？
• 馬雅人的祖先，帶著玉米從南方來？
• 短篇  歐洲人到來以後，馬雅人的壁畫藝術
• 那些改寫人類文明的墮落惡習？──《傷風敗俗文化史》導讀
• 「迷幻藥」如何在人類歷史中佔有一席之地呢？──《傷風敗俗文化史》
• 果真有屁用：「菊花」的醫學史
• 短篇  瓦里帝國偏遠殖民地，加料啤酒更刺激
• 短篇 南美洲安地斯高山上，1000 年前的古柯鹼，死藤水
• 美國西北角印第安人，超過千年吸菸史
• 美國猶他 1.23 萬年前，最早使用菸草
• 短篇 2500 年前的大麻，帕米爾高山上，這批很純

1. 2022 年搞笑諾貝爾獎得獎名單
2. Here are the winners of the 2022 Ig Nobel Prizes
3. 德史密特在 WHO 旗下 International Classification of Traditional Medicine（ICTM）的網頁
4. 德史密特 1985 年的博士論文《Ritual enemas and snuffs in the Americas》
5. de Smet, P. A., & Hellmuth, N. M. (1986). A multidisciplinary approach to ritual enema scenes on ancient Maya pottery. Journal of ethnopharmacology, 16(2-3), 213-262.
6. Minderhout, D. J. (1987). Ritual Enemas and Snuffs in the Americas. Peter AGM de Smet.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

「馬雅」是中美洲知名的古代文化，也是如今擁有數百萬人口的一個族群。2022 年問世的論文，由古人遺骸中取得古代 DNA，探討馬雅人的遺傳源流，得知「馬雅人」的形成過程，包括來自其南方與北方的移民。

另一個有趣的議題是，有時候人類遷徙與農業傳播有關，那麼馬雅人的主食：玉米，在這當中有什麼影響呢？

在貝里斯考古：到馬雅文化開始以前

古代馬雅文化的分佈地點，位於中美洲的中部，包括如今的 5 個國家：墨西哥、瓜地馬拉、貝里斯、宏都拉斯、薩爾瓦多。取樣地點是貝里斯 2 處遺址 Mayahak Cab Pek（MHCP）和 Saki Tzul（ST），這兒保存的人類活動紀錄，延續超過一萬年。

之前發表的論文根據遺骸中的穩定同位素，判斷居住在這兒的居民，有些人距今 4700 年前開始吃玉米，4000 年前之後玉米成為主食；不過要等到 3000 多年前，才形成使用不少陶器的定居農村。

• 延伸閱讀：短篇  馬雅人的玉米依賴史

新論文由死人骨頭取得 DNA，拼湊出 20 位古人的基因組。他們的年代粗略分為兩個時期，比較早的介於距今 7300 到 9600 年之間，比較晚的介於 3700 到 5600 年前之間，中間的時光缺乏資訊。

所謂的馬雅文化，大概能追溯到 4000 年前，稱作前古典期（Preclassic）的開始。所以這回年代最晚，3700 年前的樣本，也只是馬雅文化開始後沒過多久，在此之後缺乏資訊。

由南向北的大量移民

遺傳學分析發現，貝里斯遺址中超過 7300 年前的人彼此較近，可以視為當地最初的血緣。距今 3700 到 5600 年前的人，明顯偏向使用奇布恰語（Chibchan）的族群。

奇布恰語族分佈於中美洲南部、南美洲北部，也就是哥斯大黎加、巴拿馬、哥倫比亞、委內瑞拉等現代國家的疆域，算是馬雅語言使用族群的南邊。

檢視現代的奇布恰族群，遺傳上似乎沒有北邊古早馬雅地區的 DNA 變異特徵。而距今 3700 到 5600 年前的貝里斯古人，估計只有 31% 血緣繼承本地早於 7300 年前的居民，其餘 69% 和奇布恰族群類似。

由此推測，距今 7300 年過後，早於 5600 年前（也就是論文取樣缺失的時光），馬雅地區發生過由南向北的情慾流動，不少移民帶來新血緣。但是這個「由南」似乎沒有那麼南，因為更南邊的安地斯，和奇布恰血緣的差異明顯。

這兒的「移民」應該不是大集團移民。這塊地方早於 3000 年前的人數都不多，移動性高；超過 5600 年前的移民，更有可能是少量人群，陸續進入。

種玉米的農夫移民？年代好像不太對

介紹這項研究時，有新聞寫到「由南向北的移民，將 DNA 和升級版玉米帶入馬雅地區，發展穩定生產的農業，奠定隨後馬雅文明的基礎」，但是此一論點有明顯瑕疵。進入馬雅領域的移民，和玉米這項農作物有什麼關係呢？

綜合新的遺傳學、考古學線索，我們知道玉米原產於中美洲的墨西哥，超過 9000 年前便被初步馴化，接著往南傳播。然而，要等到好幾千年以後，南美洲才培育出馴化完全的品系，又往北傳播，融入各地當時半馴化的同類，帶動玉米農業的全面升級。

2020 年問世的論文調查貝里斯更南方，宏都拉斯 El Gigante 遺址的古代玉米，得知早於 2300 年前某個時候，有人從其南方引進更佳的玉米品系，但是無法判斷到底多早。當地出土最早的玉米距今約 4300 年，而上述貝里斯的 2 處遺址為 4700 年前；據此猜測玉米進入此一區域，不會比這些年代早太多。

• 延伸閱讀：中美洲2300年前玉米，來自南美洲情慾流動

而遺傳學證據卻指出，在 5600 年前那個時刻，貝里斯已經明顯存在來自南方的血緣。顯而易見，至少在貝里斯的遺址中，南來移民現蹤的年代比玉米更早。

因此我認為，南來移民和南來玉米是兩回事，較早的移民並沒有直接帶著升級版玉米進入貝里斯，大幅改變當地原本的生產方式；玉米是更晚才引進的，不清楚是否牽涉到人群移動。

馬雅文明興起，北方移民加入

古代的繁盛謝幕，受到歐洲人殖民以後，馬雅人並沒有滅團，現在仍然有數百萬人。和超過 3700 年的貝里斯古人相比，現代馬雅人約有 25% 血緣類似其北方，墨西哥高地的族群。由此推論，3700 年前到現代之間，又有由北向南的情慾流動。

「現代馬雅人」的分佈範圍不小，各地可能有點差別。分析中作為現代馬雅人的代表，是貝里斯南部的 Mopan 和 Q’eqchi’ 族群。據台灣頭號馬雅專家​馬雅國駐臺辦事處表示，這兒的馬雅人應該相對更接近墨西哥高地。

貝里斯有人類活動的紀錄超過萬年，不過到了距今 3700 到 5600 年前，只剩下平均 31% 的血緣繼承自本地更早的居民。現代居民的本地最早血緣又降低為 23%，類似南邊的奇布恰族群 52%、類似北邊的墨西哥高地 25%。

遺傳學方面，目前 3700 年前過後缺乏樣本。照考古學的分類，古馬雅文化的前古典期始於 4000 年前，公元 250 年（約 1800 年前）進入古典期（Classic），公元 950 年（約 1000 年前）開始後古典期（Postclassic）。所以可以這麼說，整段馬雅文化幾乎都缺乏遺傳樣本，我們不清楚這段期間的變化過程。

馬雅人在古典期邁向興盛，出現提卡爾、帕連克、科潘、卡拉穆等大型城邦。考古學證據指出，古典期的馬雅人明顯受到其北方的文化影響，後古典期也有不少交流。由此推論，近 4000 年內應該有不少其北方，墨西哥高地區的移民加入馬雅世界，可惜缺乏更直接的證據。這段期間應該非常精彩，希望新的研究不要等太久。

如今世界上依然有幾百萬活生生的馬雅人，繼承祖先的血緣與文化，許多人在中美洲生活。千萬不要誤以為他們滅團惹！

延伸閱讀

• 玉米，只有中美洲單一起源，卻在多地完成馴化
• 是征服者入侵，或是馬雅人的寄生上流？
• 馬雅城邦奇琴伊札的歷史，誰被丟進祭祀井？
• 如何理解前哥倫布時代的中美洲文化？
• 馬雅國家機器動的很厲害，小人物考古學
• 歐洲人到來之前，美洲本土的金屬工具人
• 美洲遺傳史（上）美洲各地最早的移民，後來神秘消失
• 巴拿馬地峽的古代DNA

參考資料

1. Kennett, D. J., Lipson, M., Prufer, K. M., Mora-Marín, D., George, R. J., Rohland, N., … & Reich, D. (2022). South-to-north migration preceded the advent of intensive farming in the Maya region. Nature communications, 13(1), 1-10.
2. Ancient migrants carrying maize from south were early Maya ancestors, says study
3. The Maya—and the maize that sustained them—had surprising southern roots, ancient DNA suggestsMigrants from the south may have helped spread early farming in Central America
4. Kennett, D. J., Prufer, K. M., Culleton, B. J., George, R. J., Robinson, M., Trask, W. R., … & Gutierrez, S. M. (2020). Early isotopic evidence for maize as a staple grain in the Americas. Science advances, 6(23), eaba3245.
5. Kistler, L., Maezumi, S. Y., Gregorio de Souza, J., Przelomska, N. A., Malaquias Costa, F., Smith, O., … & Allaby, R. G. (2018). Multiproxy evidence highlights a complex evolutionary legacy of maize in South America. Science, 362(6420), 1309-1313.
6. Kistler, L., Thakar, H. B., VanDerwarker, A. M., Domic, A., Bergström, A., George, R. J., … & Kennett, D. J. (2020). Archaeological Central American maize genomes suggest ancient gene flow from South America. Proceedings of the National Academy of Sciences, 117(52), 33124-33129.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。