佛要金裝、人要衣裝，那你認識食品的「盛裝容器」嗎？

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

橡膠對現代人的重要性

如果沒了這種物質，世界會是什麼樣子？試想沒有輪胎的汽車、沒有奶嘴的奶瓶、沒有腳蹼和潛水服的潛水器材、沒有橡皮擦的鉛筆、沒有黃色小鴨的童年⋯⋯

這種質地特殊的材質便是橡膠。橡膠來自原生於亞馬遜叢林、名為「巴西橡膠樹」的樹木（Hevea brasiliensis，命名來源就是因為這種植物生長於巴西）。

不過，歐洲人首次注意到的橡膠樹其實是圭亞那橡膠樹（Hevea guianensis）。樹如其名，這種橡膠樹生長於圭亞那。

在歐洲人「發現」橡膠樹的時代（印第安人當然很早就認識了這種植物），圭亞那是個鮮為人知的蠻荒之地，沒有火箭發射場也沒有淘金客。

當時也不流行生態旅遊、T 潘趣酒（ti-punch，一種蘭姆酒的調酒）或卡宴辣椒。當時的人也從未想到，這種看似平凡的熱帶樹木即將引發高潮迭起的植物和經濟熱潮⋯⋯偶爾還有些悲壯。

有位巧手的工程師正在尋找會哭泣的樹木

第一位對橡膠產生興趣的人，是胥修德里領主、加陶迪耶的弗朗索瓦．弗雷諾（François Fresneau de la Gataudière, 1703–1770），他在 1703 年生於牡蠣的原鄉、法國西南部的馬雷訥。他的全名看起來充滿上流社會的氣息，我們在這本書中稱呼他為弗雷諾就好。

弗雷諾本人似乎遭到歷史遺忘，但他的發現和成就改變了世界。就如同法國歌曲〈塑膠超讚〉的歌詞：「塑膠超讚，橡膠超柔軟」！今日的人類已經可以羅列出超過 25,000 種不同的橡膠用途。

路易十五的海軍大臣莫爾帕伯爵菲利波（Jean-Frédéric Phélypeaux de Maurepas, 1701–1781）任命弗雷諾為圭亞那首府開雲的皇家工程師。弗雷諾當年29歲，而且熱情滿滿。

弗雷諾的第一份工作便是研究新堡壘如何搭建。他也需要採收植物，以便充實皇家花園。他對當時圭亞那的可可園十分感興趣。工程師弗雷諾的得意作品中，最令他得意的發明作品是⋯⋯蟻巢毀滅器！果真是自由奔放的年輕人。

發明蟻巢毀滅器的天才：弗雷諾

當時，可可園遭受紅螞蟻入侵，而充滿創意與膽識、彷彿十八世紀馬蓋先（譯註 美國冒險影集《百戰天龍》主角）一般的弗雷諾便發明了可以將硫磺吹進蟻巢的機器。

螞蟻因此蒙受苦難。他持續搭建非常實用的引擎：將溝渠斜坡上的泥土提起並移走的起重機、磨碎木薯或小米的手磨機、從木薯根部榨出水分的壓縮機。他還策畫了奧亞波克河新哨所的防禦工事。

弗雷諾被自己的成功沖昏了頭，希望加官晉祿，要求升任上尉。當時的圭亞那監察專員也認為弗雷諾「熱情澎湃，宛如英雄」。

然而，他卻受到其他殖民地老長官和開雲教士社群的忌妒，升官之路受阻。於是，弗雷諾前往鄉間，僱用 八名「黑人」（請記得，當時的法國人仍使用「黑人」、「野蠻人」、「生番」等稱謂來稱呼和殖民者長相不相似的族群⋯⋯），並種植甘蔗、木藍等植物。

他也持續發展自己的防禦工事專長，發明了一種可以用來製磚的泥沙混和物。真是位天賦異稟的工程師啊！

——本文摘自《植物遷徙的非凡冒險》，2023 年 6 月，時報出版，未經同意請勿轉載。

• 作者／王潔、許惠晴

• 作者簡介
  • 王潔／麻省理工學院材料工程學系博士，任教於清華大學化工系，研究領域為生物可降解高分子的開發與應用。
  • 許惠晴／清華大學化工碩士班畢業，現為塑膠生物分解相關領域研究助理。

• Take Home Message
  • 聚乳酸（PLA）為生物可分解塑膠，在高溫與高濕度的堆肥環境下 PLA 能被微生物分解並轉換成二氧化碳。
  • 目前臺灣並未將 PLA 的回收和堆肥機制立法，即使業者能回收、製作堆肥，也不能合法販售，無法使金錢流與物質流一同循環。
  • PLA 屬於塑膠回收分類的第七類，但臺灣民眾認識不足、政策與回收物末端處理也未做好準備，因此自今（2023）年8月起將禁用 PLA 免洗餐具。

在日常生活中購買商品時，常會看到商品標榜使用生物可分解塑膠（biodegradable plastics）作為盛裝容器，而聚乳酸（polylactide，PLA）則是許多人耳熟能詳的種類之一。自臺灣 2002 年實施限塑政策以來，PLA 逐漸被業者所採用，但在今（2023）年8月卻又將被政府修法禁用。

為什麼 PLA 過去能在塑膠市場中嶄露頭角？如今又為何被禁用？

來自可再生資源的PLA

雖然 PLA 的耐受溫度受限在 50℃ 以下，但它的外觀或材料強度，與日常可見的傳統塑膠如聚乙烯對苯二甲酸酯（polyethylene terephthalate，PET）、聚丙烯（polypropylene，PP）等十分相近。如果我們在生活中特別留意，可以發現生鮮托盤、雞蛋盒、冷飲杯、餐具等都可能是 PLA 製品。因此在拋棄時需要特別注意，將它與傳統塑膠區分開來，歸在塑膠回收分類的第七類（即其他類）。相較於傳統塑膠，PLA 除了號稱生物可分解之外，原料與製程也與傳統塑膠大有不同——PLA 的原料來自植物澱粉，例如玉米、馬鈴薯等，也就是所謂的生物基（biobased）。

澱粉經加熱或酵素分解成葡萄糖後，再藉由特定菌種的糖解（glycolysis）與發酵（fermentation）作用，成為聚合前的乳酸（lactic acid）單體，隨後再經由一連串加熱、脫水、聚合成為最終的高分子成品—— PLA。由於 PLA 的原料來自於可再生的植物資源，並非不可再生的石油，且植物在種植過程會吸收大氣中的二氧化碳，也能對溫室氣體的減量做出貢獻。因此在世界各國強調減碳的趨勢之下，PLA 確實是十分優秀的替代物。

可堆肥塑膠的生物分解過程

既然被稱為生物可分解塑膠，PLA 究竟如何被生物分解呢？PLA 屬於聚酯類（polyester），聚酯中的酯鍵較能被環境中的水分或生物水解酵素分解，可說是生物可分解塑膠類別裡的大宗。此外，在學術期刊中也能找到 PLA 藉由生物酵素、菌種或堆肥分解的資料。

不過在現實生活裡，處於「生物分解」過程中的塑膠會是什麼模樣呢？若以歐洲的可堆肥塑膠認證標準（EN 13432）為例，通過重金屬檢測的塑膠材料在「控制環境條件的堆肥」中存放三個月後，必須有90％ 崩解成小於兩毫米（mm）的碎塊；塑膠中 90％ 的有機質在六個月內能被轉換成二氧化碳；最後則是將此堆肥用於生物毒性測試，確認植物是否能於其中生長良好。

筆者團隊參考生物分解性試驗（ISO 14855-1 / ASTM D5338）的國際標準，透過控制環境條件的小型堆肥，實證 PLA 塑膠片的生物分解性（圖一）。在實驗中僅使用一般市售腐植質培養土作為資材，其中的菌類活躍程度應不如發酵中的堆肥，但依然能在兩個月內看見塑膠片碎裂、消失（圖二）。此外，含有PLA 塑膠片的堆肥相較於無添加 PLA 的堆肥，也被偵測到有較多的二氧化碳產出，透過計算可得出約有60％ 的 PLA 已被轉換成二氧化碳。然而，這些堆肥的「控制環境條件」特殊，溫度除了必須設定在50℃ 以上之外，還需要維持在高濕度。

PLA 堆肥實況與臺灣現況

如果在實驗室外、變動因素較多的環境下，PLA 塑膠也能如此順利地被分解嗎？對於這點，臺灣其實已有業者實做出 PLA 塑膠袋的回收與大型堆肥（圖三），並將熟成後的肥料實際用在自家農園中。然而這些堆肥其實也不僅是混合植物資材、動物糞便等有機質及 PLA 而已，堆肥中的各個資材種類需有特殊配比，才能讓堆肥在發酵至腐熟的過程中可以發熱至一定的高溫。此外，溫控設備需要將堆肥的溫度穩定控制在 60℃；還需要定期灑水與自動曝氣，幫助維持堆肥中微生物的生存條件。雖然號稱為生物可分解塑膠，但要讓 PLA 回歸大自然似乎不是件輕而易舉的事。

透過堆肥的方式使生物分解後繼續作為農用肥料，或是回收再製成二次塑膠，其實都是讓 PLA 留在物質循環裡的方式，也切中了近年來許多單位提倡的「循環經濟」（circular economy）。以現今的堆肥技術而言，PLA 堆肥已能夠穩定熟成並有所產出，在塑膠回收再製方面也有一定程度的技術，因此「效益」便是選擇做與不做的關鍵。

至今為止，臺灣對於制定可堆肥塑膠的相關政策仍未臻完善，並未立法建立回收機制讓 PLA 廢棄物能進入堆肥中。即使業者自行將塑膠獨立回收進行後續的堆肥處理，完成後的肥料也不能合法販售，無法形成完整的金錢流與物質流一同循環。

最後，PLA 在臺灣的普及度相較於傳統塑膠來說本來就不高，回收率又十分低迷：根據 2021 年環保署回收基管會的統計數據，PLA 在臺灣的回收率僅有5～6％。除了市場流通量小，再加上因為制度與民眾教育不足所導致的低回收率，使得 PLA 廢棄物的處理缺乏效益。沒有經濟誘因，何來循環？

歐盟政策推動塑膠永續的做法

歐洲對於塑膠永續的推動，在國際上可說是領先的角色。歐盟（European Union，EU）更是持續支持生物可分解塑膠或可堆肥塑膠的發展，並在去（2022）年11月底提出了《生物基、生物可分解與可堆肥塑膠政策框架》（EU policy framework on biobased, biodegradable and compostable plastics），聲明生物基、生物可分解與可堆肥塑膠在汙染議題中的目標、應用價值及適當的使用方式，進而引導往後的立法，以及永續的塑膠市場。

首先，以 PLA 的材料本質來說，它的原料來自於玉米、馬鈴薯等植物，雖然能夠減少消耗石油資源，但仍應當兼顧生態多樣性、土地與水源利用。畢竟種植經濟作物的同時，勢必得開發自然土地、占用部分水源，甚至不可避免地需要使用化學肥料或農藥，進而危害到原始生態系。另外，為了生產塑膠影響到糧食供應也可能是個隱憂，若能優先使用回收塑膠、有機廢棄物或副產物作為塑膠原料，將能夠降低為了生產 PLA 對生態系與糧食的影響。

歐盟的政策框架對於「生物可分解」塑膠的性質，則認為「廢棄物管理不周」的問題不應該以生物可分解塑膠作為解方。生物可分解塑膠常被應用在消耗快、難以資源循環、生命週期短的產品上，雖然容易被丟棄但仍有它的特定分解環境與分解時間需求。像是需要在高溫、高濕環境才能分解的 PLA 就是很貼切的實例，它需要搭配消費者正確的認知、使用與回收習慣，才不會和傳統塑膠一樣累積在環境中造成汙染。

總結來說，歐盟對於生物基、生物可分解與可堆肥塑膠的運用，希望以減量、再利用及回收，也就是「3R」（reduce、reuse、recycle）為優先原則，並達成資源循環、資源利用效率、氣候中和、零汙染、生態多樣性維持等永續目標。

PLA 的未來

雖然本意是為改善傳統塑膠汙染問題並因應限塑政策，但臺灣卻在立法、回收機制、廢棄物後端處理，以及民眾教育均尚未準備好的情況下就讓 PLA 進入市場。傳統塑膠回收分類中的六大類已經夠讓人眼花撩亂，再多一項 PLA 加入第七類，更會增加人們拋棄塑膠時的困擾。

也由於民眾尚未建立完整的回收概念、後端堆肥處理機制也未完善，導致 PLA 被使用後的去處如同沒被回收的傳統塑膠般，變成了垃圾；即使 PLA 被正確回收，也沒有廠商能二次使用或再製成堆肥。這兩項原因最終都可能讓 PLA 進入到焚化爐、掩埋場或流向大自然。

還有一種情形是民眾落實了塑膠回收，但卻將 PLA 與傳統塑膠歸在同一類，使 PLA 混入傳統塑膠的再製過程，影響了它二次塑膠的性質。美國知名速食業者在臺灣也曾以含有開口的 PLA 杯蓋取代傳統塑膠吸管的使用、冷飲杯與沙拉碗同樣使用 PLA 材質，但也因為察覺到消費者回收上的不便，以及質疑 PLA 的最終流向，令他們在 2020 年停用了 PLA 材質包裝。臺灣也終於要修法，即將於今年8月禁止使用生物可分解塑膠免洗餐具。

面對塑膠汙染議題，其實從來就不只是「塑膠材質是否為環境友善」單方面的責任。PLA 在來源以及生物可分解方面確實相較於傳統塑膠有它的優勢，但卻也需要使用者正確的觀念配合及政策支持才能完整達到環保的目的。最後，「塑膠減量與再利用」也是緩解塑膠汙染重要的一環。透過綠色塑膠材質與減量雙管齊下，才能讓塑膠發展平衡地邁向永續。

• 〈本文選自《科學月刊》2023 年 5 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。