海中獨角獸

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

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／林承勳、簡克志
• 美術設計／林洵安、蔡宛潔

解開 40 年珊瑚同步產卵謎團

早在 1980 年代科學家就發現，珊瑚彼此之間很有默契，會在短時間內一起繁殖，附近水域瀰漫大量珊瑚卵，形成令人歎為觀止的壯麗畫面。對於珊瑚同步產卵現象，過去學者推測是受到溫度、潮汐、光線等因素影響，但觸發產卵的關鍵原因一直都沒有被確認。

經過 40 年，在中央研究院生物多樣性研究中心團隊努力下，終於揭開秘密！中研院「研之有物」專訪野澤洋耕副研究員與林哲宏博士後研究員，他們發現珊瑚同步產卵的關鍵就在於日落到月昇的黑暗時間。

奇怪的知識增加了：原來珊瑚是一群型態差異相當大的動物！

由於珊瑚只能附著在固定位置、無法移動，因此曾被誤認為是植物。而且珊瑚的外觀又很容易誤導民眾，直覺認為一大株珊瑚就是一個生物體。但事實上，大多數的珊瑚其實是一群珊瑚蟲的聚落；只有少數像蕈珊瑚科（Fungiidae）部分種類，才是一隻巨大珊瑚蟲為一株珊瑚個體。

以造礁珊瑚為例，珊瑚蟲聚落可分成非生物與生物兩個部分：成分為碳酸鈣的珊瑚石是保護殼和居所；覆蓋在珊瑚石上面的就是無數隻活跳跳的珊瑚蟲。

珊瑚蟲被分類在刺絲胞動物門，牠們外觀跟同門的海葵相似，有著圓筒身軀、一個開口，開口周圍分布數隻觸手，觸手上密布著刺絲胞，能捕撈浮游生物來吃。珊瑚蟲另一種食物來源是由互利共生的蟲黃藻提供，蟲黃藻會行光合作用產生養分與氧氣，同時也為白色的珊瑚石、透明的珊瑚蟲帶來繽紛色彩。

在海裡看到大大小小的珊瑚，最初都是由一隻體積微小的珊瑚蟲，分裂再分裂而來，珊瑚蟲們不斷進行無性生殖，經年累月分裂出大量個體。為數眾多的珊瑚蟲們世世代代分泌的碳酸鈣逐漸堆積，一直到如城堡般巨大，就形成所謂的「珊瑚礁」。珊瑚礁被科學家們認為是海中的熱帶雨林，提供魚類、甲殼類等生物棲息地與豐富食物、能量。

中研院副研究員野澤洋耕認為，珊瑚是種非常神奇的生物，從原本微小到肉眼無法辨認的一隻珊瑚蟲個體，居然能不停分裂生殖，最後數以億計隻珊瑚蟲群聚成唯一能夠從外太空觀察到的地球生命：大堡礁。

只是，珊瑚蟲用分裂生殖新增的，是跟上一代基因、外形一模一樣的個體，這類無性生殖無法增加基因多樣性，還會讓族群失去面對環境變動的適應能力。因此珊瑚必須要另外花費時間、能量排精產卵，行有性生殖製造具有嶄新基因的後代。

珊瑚也懂投資？雞蛋分籃放與孤注一擲的產卵選擇

不像魚類可以找到配偶後再產卵受精，固定不動的珊瑚只能直接把精卵釋放到海水中。為了克服無法移動的劣勢，牠們會採取同步策略，約好在短時間內一起排出數量驚人的精卵。如此一來就能大大提高精卵濃度來增加受精成功率，即使有掠食者在旁想趁機飽餐一頓，也會頓時眼花撩亂、顧此失彼。

人們眼中珊瑚產卵的美景，同時也是生物為了繁衍而克服大自然困境的努力。

珊瑚同步產卵還能再細分成兩種模式，野澤洋耕指出，珊瑚一年只產卵一次，有些種類偏好分散風險，群體內珊瑚同時產卵，各群體間則是彼此錯開，可能往前往後幾天；另外有些珊瑚則是孤注一擲，約好「全部」一起生。相對來說後者受精機率當然更大，但當天要是碰到暴雨、颱風等天氣因素攪局，該年可能幾乎不會有後代成功生存。

「看起來風險很高，只是既然會演化出不同方法，就代表雙方各有優勢。」野澤洋耕解釋地說。但不管是謹慎還是賭性堅強的種類，無法移動、不能彼此溝通的珊瑚，到底是用什麼方法約好一起產卵？自從 1980 年同步產卵現象被發現後，這謎團足足讓世人困惑了 40 年之久。

七年田野調查資料顯示，關鍵因子藏在月週期裡

從 2010 年開始，野澤洋耕的研究團隊每年都會在珊瑚繁殖季（南臺灣通常是四、五、六月），來到綠島潛水調查。調查期間，團隊每晚下水記錄珊瑚種類、數量與排卵時間，在累積七年的調查資料後，博士後研究員林哲宏發現每一種珊瑚都有明顯的生殖模式。

根據研究團隊現有紀錄，隸屬於繩紋珊瑚科（Merulinidae）的珊瑚是採取分散風險策略，不同群體分批同步產卵。雖然群體間產卵日子錯開，但時程非常固定，都是在「滿月」之後五到八天；綠島還有另一大宗珊瑚，是分在軸孔珊瑚屬（Acropora）下的一些種類，牠們是「全部」約好在同一天產卵，但到底是哪一天，每年觀察到的日期都不太一樣。

「繩紋珊瑚科就是固定在滿月後五到八天產卵；軸孔珊瑚屬也是在滿月後，但毫無規則可言。」林哲宏說。即使如此，兩者都是在滿月後產卵，研究團隊於是鎖定月週期的因子：月光，來進行檢驗。

室內室外重複操作結果都顯示：夜間光源會抑制珊瑚產卵

由於繩紋珊瑚科的環菊珊瑚（Dipsastraea speciosa）在綠島很常見，觀察、樣本取得都很容易，加上生殖時間又有跡可循，團隊就選擇該物種來進行實驗。「將月光遮住後，環菊珊瑚就提早產卵了。」野澤洋耕表示，初步實驗結果意味著滿月後的黑暗，就是通知珊瑚準備產卵的環境訊號。

為了避開其他環境因子干擾，實驗首先是在研究室的水缸中進行；接著團隊來到綠島北邊的公館附近，要確認珊瑚不論是在人工環境或自然棲地中，都會因為黑暗籠罩提前產卵。「我們每天都下水，在滿月前三天、前一天，還有滿月後一天幫珊瑚蓋上不透光的鋁箔布或透明布。」林哲宏說。結果符合預期：珊瑚越早被蓋上黑布，就會越快產卵，很規律地在接收到黑暗訊號之後的五到八天大量產卵。

不同光譜的光源，都會有相同的抑制效果

除了照光與否，林哲宏還加入光源光譜與密集度的試驗。因為 2006 年刊登在《Science》期刊的一篇論文指出，珊瑚可能會偵測月光。野澤洋耕提到，論文中說明珊瑚只要照到月光，體內的 cry 基因就會表現，而且 cry 基因對藍光特別有反應。

所以團隊再回到研究室內，用人工光源模擬月光強度，分別給予紅、藍、綠三種不同色光，想確認是否真的如文獻資料敘述，不同光譜光源會給珊瑚帶來不同程度的刺激。但實驗證實，三種色光照下去，珊瑚都一樣不產卵。也就是說，目前蒐集到的線索都指向：黑暗是珊瑚產卵的關鍵。

40 年珊瑚之謎，謎底就是日昇與月落之間的黑暗時段

經過一連串抽絲剝繭，終於確認夜間光線會抑制珊瑚產卵。然而團隊想進一步了解，珊瑚於漫漫長夜中只要一瞬間照到光就會被干擾，還是要有多長曝光才能達到抑制效果。因此團隊在實驗室環境中，個別探討了整晚黑暗、整晚照光、前半夜（日落到午夜）照光，還有下半夜（午夜到日出）照光等四種情形。

結果顯示，下半夜照光跟整晚保持黑暗的組別一樣，珊瑚在五天之後同步排卵；前半夜照光，效果與整晚照光相同，會讓珊瑚延遲生產且產卵同步率下降。「看到這現象，我們推測珊瑚感應光線的受器應該有『營業時間』。」林哲宏笑著說，受器營業時間大概是在日落後到午夜，不過不同珊瑚個體還是存在著些許差異。

答案終於揭曉：以環菊珊瑚來說，只要連續兩個夜晚，於日落後有一小時左右的黑暗時段，就達成同步產卵的要件。這也解釋了珊瑚為什麼都挑在滿月後繁殖，林哲宏指出，因為地球自轉同時月球又繞地球轉的緣故，每天月球升起的時間會延遲約莫 30-70 分鐘^［註1］。對照繁殖季四月的月週期，月初時月球升起會落在下午兩點多，之後每天延遲直到滿月，月球才會於日落後升起，而中間的黑暗期就是在告訴珊瑚：可以準備生產了。

選在滿月後生產是有其優勢的，野澤洋耕提醒說，環菊珊瑚產卵適逢黑暗、小潮，昏暗的環境能稍微蒙蔽掠食者目光，加上小潮時海浪沒那麼強，精卵不至於馬上被沖散。

收到「暗」示後，珊瑚卵需要五天催熟

至於繩紋珊瑚科固定在滿月後五到八天產卵的微觀機制，研究團隊還在努力研究中，有可能與精、卵的成熟機制有關，以下是研究團隊針對觀察現象的推測。

繩紋珊瑚科是雌雄同體，珊瑚蟲體內先產生精子與尚未成熟的卵子，當珊瑚接收到連續兩天黑暗的刺激，卵子的細胞核就會逐漸往卵細胞邊緣移動。整個過程稱作胚核遷移（germinal vesicle migration, GVM），需要花費五天左右。

胚核遷移完成後，卵細胞核會開始瓦解，耗時約莫三到四個小時，稱作胚核破裂（germinal vesicle breakdown, GVBD），此時卵細胞幾乎已經為受精做好準備。接著，成熟的卵子與精子會被打包在一起，變成叫做「精卵束」的構造。野澤洋耕提到，精卵束被珊瑚排出體外後，會一路浮到水面，畢竟精卵在二維的海面相遇機率要比在三維的水下空間來得大些。

精卵束在水面破裂，釋出的卵子只剩最後一個步驟：擠出細胞內的極體（polar body），就可以跟精子結合了。有趣的是，年輕的卵會優先跟不同珊瑚的精子結合；但時間一長，即使是同一個珊瑚的精子也會接受。「不然再等下去，不是被沖散就是被吃掉，受精機會只會越來越渺茫。」林哲宏補充地說。

成功受精後受精卵會沉到水裡，並發育成一隻具有纖毛、可以自由活動的實囊幼蟲。實囊幼蟲會花好幾天在海底尋尋覓覓，待找到合適的地點，就附著、變態成為再也無法隨意移動的珊瑚蟲。接著珊瑚蟲會不停地分裂、分泌碳酸鈣，長成一株株珊瑚。

奇妙機緣讓多年研究心血登上國際期刊

「說起來實在幸運，原本稿子都投到其他期刊去了。」論文第一作者林哲宏笑著說，前一陣子日本學者高橋俊一來臺灣訪問交流，意外讓這次珊瑚產卵新發現得以刊登在《美國國家科學院院刊》（PNAS）上。

琉球大學教授高橋俊一在中研院停留時，順道拜訪同鄉人野澤洋耕的研究室，閒聊之下發現兩人居然還是大學同學。「大學時我們僅是點頭之交，畢業後再也沒有對方消息了。」野澤洋耕表示，高橋俊一後來在琉球大學進行熱帶生物基因、分子領域研究；自己則是在中研院、綠島兩邊奔走，做珊瑚生態、行為調查，沒想到老同學會偶然在學術圈再度相遇。

在高橋俊一的建議之下，雙方合作將實驗擴展得更加完善。林哲宏提到，高橋提供一些安排實驗、投稿期刊的秘訣，像是在實驗室內與自然環境中重複出相同結果，增加成果的說服力；撰寫論文時盡量保守，只寫已經確定的內容，不要節外生枝；還有花心思修飾文字段落安排，保持耐心與審查委員溝通等等。

巧妙的緣分促成臺日研究團隊跨國合作，也讓野澤洋耕與林哲宏等人多年來勤奮研究的成果有機會能夠被刊登在重量級期刊中，讓珊瑚產卵真相可以得到更多注意。

艱難的生態研究柳暗花明，組成跨國團隊再出發

回想起當初因為潛水的興趣才選擇珊瑚當作研究主題，經過 20 多年後，野澤洋耕慢慢開始期待自己的研究，能為持續減少的珊瑚族群帶來些貢獻。野澤洋耕提到：「很開心可以在這裡研究，中研院的支持讓我沒有後顧之憂。」

解開環菊珊瑚的同步產卵之謎後，林哲宏接下來要到現任老闆的老同學：高橋俊一在琉球大學的實驗室，展開新的珊瑚研究計畫。而野澤洋耕表示，他還是會繼續協助林哲宏的博士後研究，因為這次主要聚焦在環菊珊瑚，他們還想知道同樣是繩紋珊瑚科的其他種類，是否也是因為黑暗刺激同步產卵；還有軸孔珊瑚滿月後不規律的產卵模式，以及缺乏光照反而不產卵的現象，背後是否有更多秘密。

另外值得一提的是，珊瑚產卵的成果發表後，野澤洋耕收到來自以色列巴伊蘭大學學者 Levy Oren 的來信。Levy Oren 是在紅海研究光害對於當地珊瑚族群的影響，他對這次刊登的研究內容非常感興趣，更期待有機會能合作。原本珊瑚產卵的主題，因為一年只有一次觀察產卵機會，還要天天夜間潛水調查，風險之高、過程之辛苦，讓許多學者望之卻步。如今野澤洋耕與林哲宏等人多年來的堅持有了回報，而且橫跨紅海、綠島、琉球三地的搶救珊瑚大冒險，就在前方等待著他們。

註解

註 1：因為月球繞地球轉的軌道不是正圓，因此每天月亮升起的延遲時間會依照月相時間（新月／滿月）和季節而有所變化，延遲時間大約從 30－70 分鐘不等。

延伸閱讀

• Lin, C.-H., Takahashi, S., Mulla, A. J. & Nozawa, Y. (2021). Moonrise timing is key for synchronized spawning in coral dipsastraea speciosa. PNAS, 118(34).
• “Coral Facts.” NOAA Coral Reef Conservation Program.
• “How Do Corals Reproduce ?” Global Foundation for Ocean Exploration.
• “What are corals ?” National Ocean Service.

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪撰文／寒波
• 美術設計／林洵安、蔡宛潔

魚耳石與古生物研究

魚耳石是硬骨魚類耳朵裡的碳酸鈣結晶，可以由新鮮生魚取樣，也能從地層發掘化石。中央研究院「研之有物」專訪院內生物多樣性研究中心的林千翔助研究員，他是臺灣少有的古生物學家，就讀博士之前就已經記錄超過 1,000 種現生魚類耳石，並持續投入魚耳石化石研究。解析魚耳石化石可以得到什麼資訊呢？從魚耳石形態可以判定魚的物種、體型和群聚構造等，還可以分析累積在耳石的同位素看到魚類的生命史。

從比較解剖學到魚耳石研究

中研院生物多樣性研究中心的林千翔助研究員，在成功大學生命科學系就讀時，察覺自己不喜歡生醫、細胞、神經、生理等領域，因此準備考研究所時他決定選考「比較解剖學」，而全臺灣只有一間研究所考這科：臺灣大學動物學研究所。

林千翔進入臺大動物所後，拜師陶錫珍教授，成為罕有的陶門弟子。如今已經退休的陶錫珍教授，在臺灣大學教授脊椎動物解剖學超過 40 年，是臺灣少有的古生物學家。陶錫珍教授的招牌研究是魚類化石，而林千翔對魚類的耳石（otolith）化石特別感興趣。

從 19 世紀末開始，便有學者研究魚類耳石化石，林千翔最早是在大學時，從地球科學系的課程接觸到魚耳石。臺灣有幾位擅長魚耳石的研究人員，都是臺灣大學漁業科學研究所曾萬年教授的弟子，他們都專注於現今魚類，林千翔的目光則望向古代魚類。

在林千翔前往義大利的巴里大學（Università degli Studi di Bari Aldo Moro）就讀博士以前，和國立海洋生物博物館的張至維教授，一起發表過《臺灣魚類耳石圖鑑》（Otolith Atlas of Taiwan Fishes），記錄超過 1,000 種現生魚類耳石， 已經算是小有所成的研究者。但是他仍然選擇出國深造，投入魚耳石化石的領域。

在深入探討地中海與東北大西洋一帶的魚耳石化石，並升級知識過後，林千翔可謂此一領域最新世代的專家，他總算可以回答之前無法解決的疑惑，也發現還有好多新的題材等待探索！

魚耳石是什麼，有什麼用？人也有耳石嗎？

魚耳石是硬骨魚類耳朵裡的「石頭」，在此當然不是指真正的石頭，魚耳石的主要成分是碳酸鈣，可以由新鮮活魚取樣，也能從地層發掘化石。一條魚頭部的內耳兩側通常各有 3 顆耳石：矢狀石、星狀石、礫石。最常用於分析，體積最大的是矢狀石。

魚類從小魚苗逐漸成長時，耳石也漸漸一起長大；耳石和聽覺神經相連，是魚類的聽覺零件；演化歷程及生活環境有別的魚類，受到不同功能需求影響，會衍生出不同的耳石形態 。

魚耳石形態主要和物種有關，根據不同魚類的耳石形態特徵，可以鑑定是什麼物種；而且血緣關係愈近的魚，彼此間的耳石形態往往愈相似，比較耳石的差異，也能判斷魚類間的親疏遠近、演化關係。

林千翔表示，以魚耳石形態鑑定物種，概念類似哺乳動物的牙齒，就像哺乳類分類專家可以根據牙齒形態，判斷貓、金錢豹、馬、狼、羊、河馬、人等動物。

不是魚類的動物也有耳石嗎？其實人類等陸生動物的耳朵內仍然有耳石，但是作用不是聽覺。人類聽覺的功能，改由磷酸鈣形成的耳骨負責。陸生動物的耳石體積很小，主要作用是保持身體的平衡，例如人的耳石小小一顆，萬一移位可是會感到天旋地轉的！

魚愈抓愈小？用耳石重現族群組成

魚耳石可以用於鑑定物種，但是這只是最基本的用途。分類固然重要，林千翔強調，人為認定的分類體系不斷變化，反映我們對生物認知的改變；持續累積的新知識、新觀念將改變舊的框架，那才是更有意義的知識進步。

魚的耳石隨身體一起長大，因此兩者的體積呈正相關：耳石愈大，魚體也愈大。同一種魚類，搜集許多個體的耳石，便能評估該族群的體型組成。

追蹤不同時期的族群組成，能掌握該魚類的演變；倘若和幾年前相比，魚類體型普遍變小，便能懷疑棲地是否遭到破壞，或是發生「過漁」──過度捕撈。林千翔實驗室的人馬會定期去大溪漁港等地，從下雜魚獲知不少訊息。

不過林千翔提到，耳石大小儘管和體型相關，生長速度則不一定。一種魚即使最後耳石一樣大，也可能生長比較慢或比較快，也就是晚熟或早熟；缺乏其他資訊下，光靠耳石形態不見得能分辨成長史，必須要切片研磨讀取其年齡資訊。

「石首魚科」（Sciaenidae）是林千翔深入研究的一群，可食用的大黃魚、小黃魚都屬於這群；兩者受人類大量捕撈影響很大，中國沿海也有不少魚塭養殖。大黃魚、小黃魚是不同的魚，大黃魚即使體型縮水，還是大黃魚。林千翔便由耳石觀察到，在過度捕撈和人為飼養下，出現「小隻的大黃魚」，牠們現今的族群年齡結構也與古代有所不同。

珊瑚礁旁有哪些魚？穿越數千年古今比較

耳石能判斷魚的不同種類，可由一批取樣辨識其中有多少物種、各種魚的相對比例（豐度）為何，也就是「群聚構造」（community structure）。自然或人為引起的環境變化、過度捕撈，讓某些魚變少，其他魚比例增加，都可能影響群聚構造。

林千翔在博士後研究時，前往加勒比海研究魚耳石，比較古代和現代的群聚差異。古代魚耳石的保存與尋找，也是一門大學問。

魚類死亡後，耳石、牙齒、骨頭、鱗片等構造，都有機會變成化石留存，而不同構造的化學成分不同，各有適宜的保存環境。耳石的成分是碳酸鈣，和同屬碳酸鈣的貝殼、有孔蟲比較容易一起保存；但是磷酸鈣構成的魚骨、方解石形成的扇貝，與耳石適合的埋藏條件不同，不容易在地層中一同見到。

林千翔的博士後題目是研究加勒比海地區，珊瑚礁魚類的組成與改變。珊瑚礁周圍一向有豐富的魚類生活，它們死亡後想必會留下不少耳石，但是從珊瑚礁石灰岩中取出裡頭的耳石，技術上有困難。幸運的是，多明尼加一處 7,000 年前的古代的潟湖與海阻隔後，其尚未形成石灰岩的礁體，貢獻不少耳石及不同海洋生物遺骸樣本。

比較後意外發現，現代魚群的多樣性比古代更大。推論是由於周圍環境改變，有些和珊瑚礁關係不大的魚類也移入附近，而不是珊瑚礁魚群原本就這麼多元。由此看來，礁體也可以作為魚耳石的取材來源，研究附近的魚類群聚構造。

地層、考古遺址與鮪魚肚——認識不同時空的群聚構造

假如往更久遠的年代探尋耳石，便有機會得知更遠古的魚類狀態，甚至見到同一類魚，在不同年代的演化改變。

林千翔分析過更新世早期嘉義牛埔地區的魚耳石化石（距今 122 到 195 萬年前），以及中新世晚期臺灣北部的魚耳石化石（距今 500 到 800 多萬年前）。最近又取得一批海洋岩芯樣本，可以調查距今 46 萬年來，西太平洋的魚類多樣性與豐度。

然而林千翔提醒，魚耳石雖然好用，也只能重現古代魚群一部分的資訊。有些環境條件根本不會有耳石留存，某些魚類的耳石也不易留下（例如河豚所屬的魨形目，耳石很小），還是要搭配牙齒、骨頭、鱗片等材料，加上其他方面的資訊，才能更完整地認識古代魚群，以及它們所屬的生態系。

與人為活動相關的考古遺址，也可能保留魚耳石。臺灣的南科考古遺址群，從近五千年前的南關里東、南關里遺址開始，延續數千年之久；分析遺址中出土的魚耳石，可以推敲古人的資源利用，以及當時的生態環境。出土年代較早的魚耳石非常多，後來卻明顯變少；這是利用資源的方式改變，或是過度捕撈所致嗎？林千翔團隊分析後發現，和過漁沒有關係，主要是因為海岸線地貌變化導致利用資源方式改變。

另一項研究由印度洋的大目鮪肚子裡取材，分析鮪魚肚中的耳石，研究大目鮪吃的小魚組成。光憑遺傳學分析方法「DNA 條形碼 」（DNA barcoding）也能得知食用魚的種類，不過林千翔表示，唯有耳石才能釐清鮪魚吃進小魚的體型，並藉此得知個頭較大的鮪魚，吃下的食物魚也比較大。

成分分析：深入回顧一條魚的生命史

除了形態方面的資訊，耳石隨著魚一同成長到死亡，也紀錄著一條魚的生命歷史。

魚的耳石是逐漸形成，並且包含當時進入魚體的微量元素。比較耳石先後形成的部分，各種成分的變化，可以認識這條魚在不同時期，周遭的生活環境。像是在魚耳石中偵測到重金屬，意謂那時水中有重金屬汙染。

穩定同位素（stable isotope）意指半衰期非常長，可視為不衰變而持續存在的同位素。各種穩定同位素，進入魚體後留存於耳石之中，反映當時的狀態。例如分析氧 18、氧 16 穩定同位素的比例，能估計當時的水溫高低；而交叉比對碳、氧、硼等不同元素的穩定同位素，可以獲知鹽度、酸鹼值等環境訊息。

耳石除了碳酸鈣之外，也有極低比例的蛋白質。蛋白質中的碳、氮皆源於食物，所以碳、氮的穩定同位素可以記錄魚的攝食來源。大魚吃小魚、小魚吃蝦、蝦吃藻類……這稱作「營養階層」（trophic level），穩定同位素氮（d15N，以下稱氮 15）會隨著營養階層增加而累積，假如主要吃肉類，氮 15 的相對比例會比只吃植物、藻類更高。

分析氮 15 能評估該魚的攝食來源（或是對象）落在哪個營養階層。有些魚幼小階段和成魚階段的攝食對象不同，可以由氮 15 的差異看出變化。

理想狀況下，綜合耳石內多種元素的穩定同位素，有機會認識一條魚在生命不同階段，飲食成分、水溫、住在淡水或海水、鹽度、酸鹼值、周遭是否有汙染等訊息。

重現古代海洋的聲音，期待更多研究新秀加入！

除了上述研究之外，林千翔最有野心的想法或許是「重現古代海洋的聲音」。耳石是魚的聽覺構造，形態反映魚的聽力。聲音稍縱即逝，不會留下任何記錄，可是假如能找到耳石形態和聲音的關聯，或許就有機會根據古代魚類耳石的形態，回推當時它所能聽到的聲音。本題材潛力很高，目前仍在初步階段。

臺灣有很多人對化石收藏、研究有熱忱，林千翔在訪談中提到，他歡迎對魚類及海洋生物有好奇心的學生，加入他主持的海洋古生物實驗室，目前有一系列與海洋生物化石相關的研究正在進行著，特別是針對臺灣及西太平洋地區的材料。研究者只要認真投入，都有機會從中實現自我。

延伸閱讀

• 林千翔實驗室網站
• 臺灣西南部嘉義牛埔地區常見的早更新世魚類耳石
• Coastal development threatens Datan area supporting greatest fish diversity at Taoyuan Algal Reef, northwestern Taiwan
• Feeding Habits of Bigeye Tuna (Thunnus obesus) in the Western Indian Ocean Reveal a Size-Related Shift in Its Fine-Scale Piscivorous Diet
• Fish fossils of Taiwan: a review and prospection
• Fish otolith assemblages from Recent NE Atlantic sea bottoms: A comparative study of palaeoecology
• Fish otoliths in superficial sediments of the Mediterranean Sea
• Fish otoliths from the Lutetian of the Aquitaine Basin (SW France), a breakthrough in the knowledge of the European Eocene ichthyofauna
• Late Miocene otoliths from northern Taiwan: insights into the rarely known Neogene coastal fish community of the subtropical northwest Pacific
• Reconstructing reef fish communities using fish otoliths in coral reef sediments
• Tortonian teleost otoliths from northern Italy: taxonomic synthesis and stratigraphic significance