姑婆芋與可食芋頭有什麼差別？又為什麼毒？

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

「動漫”我的英雄學院”中誰最強呢？」這是去年某一次泛科學直播的主題，老實說最後好像沒有結論，但是直播中y編感嘆這部動漫中好多空想科學可以寫啊。而人在聊天室潛水，平常其實比較喜歡遊戲和電影的R編就默默地把自己推進這個坑了~

沒辦法…..剛好有看嘛呵呵

第一位，因為個人興趣~我們就先跳過單純一拳超人式的主角綠谷和All Might，來看看第二男主角–爆豪勝己吧。

你手上流的到底是什麼啦？

一個認真的動漫，都會有嚴謹(?)的角色介紹和能力設定。在漫畫中，爆豪的特殊能力（或者說~個性）：爆破，是從手上分泌「具有硝化甘油特性」的汗水，然後引爆(注1)。

哇！！硬要從人的身上擠出炸藥的話，明明還有其他分泌物可以大做文章，為什麼要挑汗水呢？

正常人類的汗水組成有98~99%都是水，剩下的就是一些鹽類、乳酸和尿素，其中鹽類包括鈉(0.9 g/L)、鉀(0.2 g/L)、鈣 (0.015 g/L)、鎂 (0.0013 g/L)…等化合物，其實只要是人類體內會出現的元素，身為人類排泄大功臣的汗水一樣都不會少，甚至包括一些微量元素，所以只要不是放射性物質，汗裡面幾乎都有，只是多或少的問題而已。

而且最重要的一點是~~汗水裡面有尿素和胺這類含氮的物質喔(注2)！因為有很多的炸藥都是碳、氫、氧以及氮的化合物，所以如果你真的要從普通人的汗水裡蒐集到所有可以製備爆裂物的元素是有可能的，只要有正確的化學反應或是奇異的身體代謝，說不定還真的能成功喔~

如果我們假設爆豪的汗水是我們真實世界存在的爆裂物好了，我們需要其滿足幾個條件：

1. 必須要具有爆裂性。
   廢話~~
2. 成分要是汗裡面有的元素。
   這個容易
3. 是液體。
   我們可從來沒看過他用手上的鹽粒或結晶引爆過啊~
4. 像硝化甘油。
   我們就假設做身體檢查的醫生知道不是硝化甘油才這麼說了，硝化甘油是個廣為人知的物質，會用來類比也可以理解。

前兩個條件基本上沒什麼問題，但是滿足第三個條件的爆裂物其實就不多了~ 目前現在已知且比較有資料的的液態炸藥並沒有太多種，以下列出幾個比較有名如：

硝基甲烷（化學式：CH3NO2）

硝酸甲酯（化學式：CH3NO3）

過氧化丁酮（化學式：C4H10O4）

這幾個化合物(注3)基本上完美的符合了以上三個條件：常溫下都是液體、基本上組成都是汗裡面有的元素、或多或少具有爆裂性，那麼爆豪的汗水應該較是這其中一個其中的化合物囉……等一下……

這幾個化合物全部有毒！！！

• 硝基甲烷是一種殺蟲劑的原料之一，如果人吸入或接觸了輕而科嗽、暈眩、嘔吐、刺激皮膚眼睛；重而肝腎功能損傷或發生高鐵血紅蛋白症、造成呼吸困難。
• 誤食硝酸甲酯會造成頭痛，而且一樣會有高鐵血紅蛋白症。
• 過氧化丁酮除了會引發上述狀況外，還有機會發生腸胃道損傷、橫紋肌溶解……等症狀。

就算我們把範圍拉大，把連中文翻譯都沒有的液態爆裂物也考慮進來的話，這之中最沒毒性的……對人體也是有刺激性的。

如果爆豪不小心汗流進眼睛裡怎麼辦？？就算他本人免疫好了，今天其他同學跟他握了手，沒洗乾淨的情況下就吃東西會不會就直接送醫啊？？但是既然爆豪能如此安心的使用他的汗水當作爆裂物，身邊的同班同學都安然無恙，想必是非常安全無毒的炸藥吧～～

如果我們能夠穿越動漫時空勢必要把配方找出來，這會是人類的一大工具。

少年啊…你要不要喝點水？

那暫時把汗的成分放在一邊，就先假設在我的英雄學院的世界觀之中有一種未知的液態爆裂物從這個國中生身上流出來好了…但他的汗夠嗎？

要知道爆豪的汗夠不夠，我們得先假設出一個他使用能力的情境，估算這次爆炸所需的能量，然後轉換成爆裂物。既然我們放棄判斷他的汗是什麼成分，這裡為了方便起見，我們就先假設他的汗與硝化甘油有一樣的特性好了。

如果今天爆豪使用他的個性，憤怒的破壞掉1立方公尺的水泥塊，這需要用掉大概200克的 TNT炸藥，也就是84萬焦耳的能量。

在炸藥的世界中為了衡量 TNT 之於其他炸藥的強度，我們發明了相對應有效指數（或稱RE指數，Relative effectiveness factor ），是爆炸所需 TNT 的質量與其他爆裂物所需質量的比值，例如1公克的A炸藥產生的能量等於2公克的 TNT，那這個A炸藥的RE指數就是2，也就是比 TNT 強2倍。

在這個尺度中，TNT 固然是1，而硝化甘油是1.54。換句話說，1.54克的 TNT炸藥=1克硝化甘油產生的能量。

而現在我們需要以硝化甘油來取代200克的 TNT 的話，就是200/1.54=130 克……換句話說，如果今天爆豪想要炸掉1立方公尺的水泥塊，他的汗水需要含有大概130克的硝化甘油，如果靠慮到硝化甘油的密度的話，就是大概81立方公分(毫升)。

聽起來不多…你倒出來在杯子裡真的不多，但是我們在談得是汗水。

一般成年人1小時全身排汗量最高只有2~4公升，也就是每分鐘只會有33~66毫升的汗水被排出，而且其中有98~99%的成分都是水。而我們的爆豪只不過是用出一個小爆炸就需要81毫升的硝化甘油，雖然爆豪是個血氣方剛的青春期少年，但怎麼看都不夠啊(注5)！！

如果我們堅持使用硝化甘油、在1分鐘內發功的話，爆豪手掌1分鐘的出汗量需要高達6.5公斤，才有足夠的硝化甘油產生威力這麼強的爆炸…..但是漫畫裡爆豪產生爆炸多半速度很快、火球又更大，所以這個數字一定會更誇張。

而且爆炸誇張不是問題，問題是你要產生這麼大量的汗，你就需要大量的水。假設爆豪的體重是65公斤，只要損失體重2%的水—也就是1.3公斤—就是非常嚴重的脫水現象了，現在這位仁兄要在1分鐘內擠出6.5公斤的汗，裡面有將近6.4公斤是水，不送醫才怪咧～～

尤其是這些硝化甘油都需要集中在手掌上，手掌又不是最會產生汗水的地方。經過統計，正常狀況下每小時手掌上流出的汗水最多不過才0.4克而已，如果你劇烈出汗甚至有多汗症的話，這個數字只不過多了幾倍，變成2.3克而已，怎麼看都差太多了(注6)。

看來如果他要在這麼少量的汗水裡達到200克 TNT 一樣效果的話，我們勢必要拋棄硝化甘油的想法，重新找出汗水爆裂物的性質。

如果我們用手汗的極端狀況來考量…1小時2.3克的汗換算成每分鐘0.0383克，扣除掉98%的水，只剩下大概0.038克是其他物質，假設在爆豪的案例裡這些其他物質全部都是炸藥好了，要滿足84萬焦耳的門檻，這種炸藥的RE指數會高達5263！！！

我的老天爺啊！！這已經無法用正常的炸藥來類比了，在炸藥當量表裡，這已經是核子武器的範疇了。舉個例子，二戰時美國使用的「胖子」原子彈，它的RE指數只有4500…..這位少年啊….你火氣太大了喔……

 這麼大聲你不怕嗎？

不過既然都說是超能力了，我們就別計較和的產生方式和威力啦！！一定是一種完全獨特的生理機能，產生出一種對人體無害的又具有爆裂性的液態炸藥，威力雖然比擬核子武器，但從汗水產生畢竟還是不多，爆豪的身體又撐得住，一切順順利利~~爆炸就在爆豪手中唾手可得……

但是有有個問題了……爆炸和火焰傷不了爆豪就算了，但是爆炸伴隨而來的另一種東西，我們很常忽略了……那就是聲音。

雄英有一位老師是以講話大聲聞名的 你在大聲什麼啦，在漫畫中所有的學生都對他的大聲公有所反應，所以大家的聽力都是正常的嗎~

但是爆豪的爆炸為什麼大家就選擇性失聰了？找到了一張分貝表，其中有列出許多包含爆炸等誇張情況的分貝數，其中有列出：「距離1磅（450克）的TNT爆炸5公尺左右聽到的分貝數是180分貝」、「在手榴彈爆炸中心聽到的分貝數是191分貝」。

人類只要待在100分貝左右的地方15分鐘聽力就會受損，而120分貝左右的聲音別說聽個幾分鐘了，建議你最好馬上離開。而我們這裡的180分貝不要說聽力受損了，你可能就直接昏倒了，但爆豪還跟1年A班的同學們生活在一起、在運動會上跟其他學生彼此較勁、甚至在這麼近的距離對御茶子同學使出這麼多爆炸，我看大家的耳朵都不保了吧……

爆豪的汗水可能對其他人有毒、聲音又大、爆炸又用的這麼頻繁，真的是「最不想當他同學」第一名啊！！

注：

1. 在漫畫中，爆豪爸媽的個性設定分別是「酸化汗」及「甘油」。而硝化甘油的製備則是由甘油與濃硝酸：濃硫酸體積比1：3的混合液體加在一起硝化而得。雖說媽媽很火爆沒錯，但爸爸的個性更可怕吧… 濃硝酸和濃硫酸耶…你們洞房花燭夜真的沒問題嗎？？
2. 為什麼要挑汗水呢？其他人體產生的物體中，口水成分基本上沒有什麼生成炸藥的必要物質，而如果要含氮物質的話，大便其實更多，但應該沒人會想看吧…如果有的話我也不想研究（這篇文章寫於研究薩諾斯肛門之前）。
3. 我這裡先挑的其實是有找到足夠中文翻譯和介紹的物質。其實還有一個四硝基甲烷，但它其實是強氧化劑而已，跟其他物質混和很危險沒錯，但本身不會爆炸。
4. 在英文維基「液態炸藥」頁面扣掉混和化合物的話裡面有14種物質，裡面唯一沒有毒性標示、只會有刺激反應的物質是硝酸異丙酯(?)Isopropyl nitrate (2-propyl nitrate,C₃H₇NO₃)，是一種算是安全的爆裂物，常用來當火箭燃料，要不是之後實在找不到這個化合物爆炸產生的能量資料，不然可能會繼續用下去…吧
5. 在漫畫裡，對爆豪而言破壞掉1立方公尺的水泥我相信只是小Case，運動會時的大爆炸、執照考試時的表現畫面上都比這個強多了。
6. 以下來自於榮民總醫院的資料：多汗症是病態的排汗異常現象，不應該流汗卻莫名奇妙地汗流不止，造成生活上的諸多困擾。多汗的原因可分原發性及繼發性兩種；原發性多汗佔大多數，其原因主要是因為交感神經反射的亢進而引起異常排汗。發生最多的是在手、心、腳底及腋窩這些汗腺分佈較多的地方。繼發性多汗的原因包括身體系統性疾病﹐如糖尿病、低血糖、甲狀腺疾病等。中樞神經系統疾病，有時也會引起多汗情形。爆豪你還是去看醫生好了

參考資料：

• 維基百科（炸藥當量、汗水、液態炸藥）
• 尋找一些化合物的性質: PubChem
• 手汗研究:The measurement of sweat intensity using a new technique

• 用 TNT 度量這個爆炸的世界：「黃色炸藥」到底是什麼？

• 爆豪的資料

2017 年 1 月 1 日早上行政院發言人徐國勇先生，因為誤食家附近採摘的姑婆芋莖梗所炒的小菜而中毒送醫。我們不鼓勵隨意採食野菜，但在野外緊急需要時，當須辨明，以免中毒。

姑婆芋（Alocasia odora (Lodd.) Spach., 1846）與我們平常吃的芋（Colocasia esculenta (L.) Schott, 1832）的各種栽培品種，或者在山間可見、緊急時可拿來充飢的台灣青芋（Colocasia formosana Hayata, 1919），都屬於天南星科Araceae，常被混淆；我們就前者（姑婆芋）與後兩者（芋和台灣青芋，下文簡稱芋頭）的特徵來做分辨：

1. 色澤：姑婆芋葉面有蠟質光澤感，會反光；芋頭葉面色澤白霧白霧，有消光感覺，這是因為葉表有細毛之故。

2. 水珠：潑水在姑婆芋葉表，水會散開、黏附於葉表；芋頭葉表因為有細毛，除了看起來有消光感，潑在上面的水會成珠，不會打溼葉面，表現出蓮花效應。

3. 葉脈：姑婆芋葉脈顯而易見，芋頭較難。

4. 果實：姑婆芋會結紅色漿果、內有種子 1~2 顆；芋一般不太看得到結果；台灣青芋的果實是橘色、內有許多種子 [1]。

5. 葉裂：姑婆芋的葉子通常裂得較深，呈現裂縫較深的愛心形；芋頭就不會裂得那麼深，整體葉形比較像一端較尖的盾形。

姑婆芋的毒來自哪裡？

再說說姑婆芋造成刺激感與不適感的原因。姑婆芋主要的毒性與刺激性來自於不溶性的針狀草酸鈣結晶（raphides）與氰苷（Cyanogenic glycosides），食入後，極少數人會表現出心血管與腎臟相關病徵，其中的腎臟病變被認為可能與針狀草酸鈣結晶隨血流分布至腎臟有關 [2]。

其實天南星科植物內常有高含量的針狀草酸鈣結晶與生物鹼，所以有時候削生的芋頭，接觸到汁液也會造成皮膚發癢。根據蔡等（2006）的文章，芋頭生汁造成皮膚不適的原因，是因為不溶性草酸鹽、水溶性蛋白質、鹼溶性酚類三種因素交互作用產生，只要去掉其中一個因素，就可以消除汁液對皮膚的刺激感。

我們了解天南星科植物造成皮膚刺激的三個因素之後，很多感覺很玄的坊間傳說就變得有道理了，例如：

1. 戴手套：避免接觸

2.手癢的時候把手烘一烘：破壞蛋白質（酵素？）

3.泡過醋後再削：去除鹼溶性酚類

4.泡過鹽水再削：溶掉草酸鹽（針狀草酸鈣結晶），這部分可以參閱作者另一篇文章〈鳳梨咬嘴的秘密：尖尖碰碰拳〉，內文提到鹽水可能有助針狀草酸鈣結晶的溶解，可能是能降低刺激的原因。

最後還是要提醒，沒有把握辨認出來的野菜就不要隨意採食，平常也盡量食用人為栽種的菜蔬，可以避免新聞中的情況發生；也提供了一些削芋頭避免手癢的小撇步，除了知其然，還要知其所以然，下次處理芋頭就可以更有概念囉！

新聞來源

• 誤食姑婆芋 政院發言人徐國勇中毒送醫，自由時報，2017-01-01
• 徐國勇臉書

參考資料

• HUANG, Tseng-Chieng. 2000. 29. ARACEAE. Flora of Taiwan, second edition
• Holloway WD, Argall ME, Jealous WT et al. Organic acids and calcium oxalate in tropical root crops. Journal of
• Agricultural and Food Chemistry 1989; 37: 337-341.
• 蔡淑珍, 劉慧瑛, & 黃祥益. (2006). 芋頭麻刺感與蛋白質區分之相關性研究. 台灣農業研究, 55(1), 63-71.

本文轉載自科科儲思盆

本文由衛生福利部食品藥物管理署委託，泛科學企劃執行

諮詢專家／姜至剛 醫師 │ 國立臺灣大學 毒理學研究所 副教授
採訪／雷雅淇、李德庭
整理／李霜茹

近年來 N 次的食安事件，使得大家只要一講到食品安全就感到十分緊張，擔心哪個常吃的食品會不會又有什麼問題；而每當媒體又報導某食物中含有「殘留化學物質」、「疑似致癌物」，就會全民情緒激動，要求下架。

可是，到底什麼是「毒」呢？毒理學之父 Paracelsus 先生（1493-1541）有一句名言：「所有化學物質都有毒，世界上沒有不毒的化學物質。」很恐怖吧？但他話還沒說完，「但依使用劑量的多寡，可區分為毒物或藥物。」也就是許多專家學者努力向大家解釋的：劑量決定毒性！當我們詢問一種物質有沒有毒的時候，「劑量」是決定答案的關鍵。

無害的東西怎麼會變毒藥？

這邊先來兩個最極端的例子。

1. 就算是人體必需的「水」，短時間內飲用過量還是會中毒

人類腎臟最大利尿能力約為每分鐘 16 毫升（或者說 1 公升/小時），超過這個量，過多的水分會使細胞開始膨脹，造成細胞脫水、鹽分（鈉離子）濃度降低，使體內電解質不平衡。當血液中的鈉含量降到低於約 120mEq/L 時，會出現頭痛、噁心等症狀，若更嚴重則可能導致呼吸困難甚至死亡。

2. 劇毒的「砒霜」也能入藥

文學作品和民間傳說中都常出現的毒藥 ──「砒霜」，主成分其實是最具商業價值的砷化合物：三氧化二砷。台灣早在 2002年就已核准三氧化二砷藥物 Asadin上市，在醫學上常常被應用於急性前骨髓細胞白血病（APL）的治療。

看似無味無毒的人類生存必須物質，超過安全範圍仍會致命；「壞東西」若拿捏正確，也能成為救命仙丹。這背後的概念便是「劑量決定毒性」！

重點來了，這個「劑量」要如何訂定？到底誰說了算？

所以我說，那個「安全容許量」呢？

大家應該都在新聞上看過某食品的化學物質（通常是指食品添加物）或農藥殘留被驗出「超標」，「標」指的就是法律上規定的「安全容許量」。

在台灣，我們的《食品安全衛生管理法》對食品中之食品添加物等有「安全容許量」的相關規定，而這個「量」經常是參考世界各國標準所訂定。參考的對象，包含聯合國糧食和農業組織與世界衛生組織大會在 1963 年組成的食品法典委員會（Codex Alimentarius Commission, CAC），以及世界衛生組織（WHO）所召開的專家會議。

被這個公式嚇到的朋友，先拍拍自己胸口說不要害怕，給個機會，因為它其實很好懂。

首先，參考劑量的英文是 Reference Dose，縮寫為 RfD。而公式的分子 NOAEL（non-observed-adverse-effect level），代表的是「無觀察到危害反應的劑量」。

NOAEL 由科學家經過動物實驗取得，亦即某物質對實驗動物「沒產生危害反應」的劑量。不過，這個 NOAEL 值並不會直接拿來應用在食品安全上喔！NOAEL 還要再經過一些微調才會變身「參考劑量」，也就是下方分母要處理的部分。

看起來有點複雜的分母：科學家們在取得 NOAEL 之後，還會考慮很多事，像是實驗動物和人類的差距、人類之間的個體差異（老人和小孩可能比較敏感嘛），這些因素會被列為不確定因子（uncertainty factor，簡稱 UF）；考慮完 UF 之後，謹慎的科學家還會加入不確定係數（modifying factor，簡稱 MF），例如實驗偏差、非長期實驗等，才形成這個公式。而從動物實驗取得的 NOAEL 要推估到人體，至少還要除以 100 到 1000（甚至更多），才會是參考劑量。

得到了參考劑量之後，主管機關會根據它來訂定法規上的「安全容許量」，也就是大家在新聞上出現的「標」。

制定時，會把握「安全容許量（容許食品中殘留的劑量）× 膳食平均值（國人平均都吃多少）< RfD（參考劑量）」原則，也就是總共吃下去的殘留物質，不可以超過經實驗取得的參考劑量。在這個安全容許量之下，就算有殘留，長期食用也不太可能對人體造成危害。

好的，塞了這麼多名詞，來幫各位整理一下它們的關係：食品的安全容許量是根據給人體的參考劑量與膳食平均值等條件而定；而參考劑量則是根據 NOAEL 與 UF、MF 等因素微調而成。因此「安全容許量」是經歷許多實驗及考量而設定的標準，大家可以對這標準有信心。

接下來，談談眾人聞之色變的「致癌物」

毒理研究將上述的「參考劑量」看作人類暴露在非致癌物下的「閥值」，也就是對人類身體造成不好影響的門檻。只要在門檻之下，就是所謂的安全劑量。

但那是非致癌物的範疇，當我們談到致癌物，就沒有這個安全門檻囉！因為科學家們認為，人只要暴露在致癌物之下，不論劑量多低，就一定會有健康風險的產生，關鍵在於這個健康風險有沒有大到讓你致癌。基本上，如果產生的風險低於百萬分之一，就是一般大眾與毒理學中較能接受的風險程度。

不過，到底要怎麼分辨致癌物跟非致癌物啊？依舊十分偉大的科學家研究出一套標準，判定該化學物質是不是具有致癌性，目前 WHO 下的國際癌症研究中心（IARC）有一套國際上最常被引用的標準。

# 第一類：對人體有明確致癌性的物質或混合物。

# 第二類-A：雖然在人類流行病學研究上的證據有限，但於動物實驗上確定是致癌物，也有發現細胞的致癌機制。

# 第二類-B：雖然和 2A 類一樣有動物實驗的證據，但還不確定致癌機制，因此 B 類證據會比 A 類薄弱些。

# 第三類：沒有足夠的資料可以證明是致癌物。

# 第四類：依據現有的證據，認定對人類可能沒有致癌性（可以注意一下，IARC 的敘述是「Probably not carcinogenic」）。

看完表格和敘述後各位有沒有發現，在 IARC 的表格中，致癌物分類的依據在於不同實驗的「證據」。換句話說，這個分類並不是「物質的致癌程度」，而是 IARC 對「這個物質是致癌物」的「信心程度」。

所以，我們不見得能說「三類就是比二類安全（沒有致癌風險）」，因為或許有一天，原本在第三類的致癌物會被找到足夠證據，重新分配到第一類也說不定。

加工紅肉等同砒霜，好可怕？

2015 年十月底，IARC 宣布把火腿、香腸等「加工紅肉」列入第一類致癌物；牛、豬、羊等「紅肉」列為第二類（2A）致癌物，曾造成大眾一陣譁然，甚至出現「世衛組織：致癌風險加工肉等同砒霜、紅肉等同除草劑」這樣的新聞。

很顯然地，這個驚悚的標題就是忽略了「劑量」。微小劑量的砒霜就會對人體造成危害，那培根也是嗎？我吃一口紅肉跟吃一口除草劑，結果會是一樣的嗎？別忘了，前面反覆說明致癌物的分類標準是「證據」，並非被分在同一類的物質，就會在同樣的條件下跨越那條「百萬分之一」的致癌風險線。是否致癌，重點還是在劑量。

另外也要提醒大家，癌症是「多點激發」，是很多致癌因子交互影響而致病，人體對毒物的反應機制包含了「吸收、分佈、代謝、排出」，除了吃的東西，我們的作息、運動等生活習慣也會影響癌症的發生機率。

跟我唸一次：劑量決定毒性

不論是致癌物還是非致癌物，劑量都是決定毒性的關鍵。下次再有人恐嚇你「吃某某東西會致癌」，你就可以得意地算數學給他看，到底有沒有達到會致癌的風險程度；或是又有人在節目或網路上說「某某食品竟然驗出了殘留物」時，也不妨試著自己檢視「是有驗出，但有沒有超標呢？」，別只能恐慌地什麼都不敢吃了。

參考資料

• 衛福部衛教資訊：水中毒
• 科技大觀園：喝水過量會水中毒？
• Processed meat and cancer – what you need to know（Casey Dunlop，2015）