真的能「零檢出」嗎？食品檢驗的四大迷思 ──「PanSci TALK：食品安全基本功」

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

本文轉載自食藥好文網

• 文／黃育琳 食品技師

你喜歡吃香腸嗎？香腸嚐起來不但鹹甜多汁，飄散出來的香氣更是令人口水直流，是日常的菜色之一。

然而，香腸的內部環境容易滋生肉毒桿菌，並產生對人類最強的毒素「肉毒桿菌毒素（botulinum toxin）」，只需要 1 克便能毒死一百萬人。

為了避免吃香腸出人命，則需要在香腸內添加亞硝酸鹽以抑制肉毒桿菌生長，但亞硝酸鹽碰到二級胺（通常不新鮮的肉類或海鮮因產生發酵作用或腐敗而生成）可能會產生致癌物質亞硝胺（nitrosamines），一種經動物實驗結果顯示會導致腫瘤的致癌物質。

天啊！聽起來加與不加，兩邊都很不妙，那我們為什麼還繼續吃下去呢？

這裡忽略了一個很重要的資訊，若導致亞硝酸鹽中毒，需要有一定「劑量」。我們應該去思考，人類如何在不會導致中毒的劑量下，有效運用亞硝酸鹽這個物質 ^[1]？

毒理學中最重要的概念「劑量」

亞硝酸鹽是衛生福利部食品藥物管理署正面表列的合法食品添加物，只要按《食品添加物使用範圍及限量暨規格標準》限量添加（劑量遠低於導致中毒的劑量），那它對人體不但沒有危害，反而能讓我們免於受到肉毒桿菌毒素的威脅。

若是選擇完全不使用亞硝酸鹽，那麼肉毒桿菌毒素中毒的風險則會大大增加。相較之下，使用亞硝酸鹽必然安全許多，既然這樣，世界上還有無毒物質的存在嗎？

毒理學之父 Paracelsus 先生（西元 1493-1541 年）曾說：「所有化學物質都有毒，世界上沒有不毒的化學物質，但依使用劑量的多寡，可區分為毒物或藥物。」這也是毒理學最重要的基礎概念 ^[註]。

所以世界上並不存在完全無毒的食品，只要過量都可能會導致中毒甚至致死，單純用致癌物、有害物質來區分所有物質其實並不正確，而是要注意它的「劑量」。

當然，加工食品也是同樣的道理。

加工食品吃了不好？也是由劑量決定

常聽大家說，常吃加工食品會對人體有害，對健康造成負擔，但是真的完全都不能吃嗎？

適量吃加工食品對身體是不會造危害的，大家所認為天然非加工食品吃太多也一樣會出事。如維繫人體生命的必需物質「水」，這個看似無害的物質，喝太多卻會造成水中毒。

或者是「母乳」這個直接來自人體的物質，也都可能含有微量抗生素、重金屬或塑化劑等，因為人體在長久接觸整個大環境中的污染後，多少會有毒素累積，要完全無毒是不可能的 ^[2]。

許多人說加工食品之所以不好，是因為有部分加工食品，如早餐加糖的穀片、汽水、零食餅乾、罐裝高湯或熱狗等，糖份、鹽份和脂肪含量通常很高，也沒有其它營養價值，吃太多確實會對身體帶來負擔。

另一方面，前面提到的肉毒桿菌毒素，現在已廣泛應用於去除皺紋、瘦臉或瘦腿等醫學美容；人人聞之色變的劇毒「砒霜」，還可以應用在急性前骨髓細胞白血病（APL）的治療 ^[2]。

只要使用正確的「劑量」，毒藥也可以變仙丹。

要如何判別毒性大小？看半數致死劑量

如此重要的劑量該怎麼看呢？在毒理學觀察物質毒性大小時，有一項很常用的工具——半數致死劑量 LD₅₀。

不同用量的化學物質，實驗動物死亡率亦各不相同，通常物質的劑量與實驗動物的死亡率呈現正比。而半數致死劑量（lethal dosage 50%, LD₅₀），指的就是在動物實驗中，使實驗動物產生 50% 死亡率所需要的化學物質之劑量，值愈小表示毒性愈強。

如肉毒桿菌毒素 LD₅₀ 約為 100 ng/kg（毒素重量/實驗動物重量），小白鼠的體重為 0.02 公斤，所以只需要 2 奈克（10^-9 克），就可以使一半的實驗小白鼠死亡；日常生活中的食鹽（氯化鈉） LD₅₀ 約為 40 g/kg，需要 0.8 克才能使一半的實驗小白鼠死亡，兩者的毒性可說是天差地遠 ^[3]。

不過在日常生活中，若要妥善運用食品添加物、農藥等物質，就先得找出不會導致中毒的劑量，也就是「無明顯不良反應劑量（no-observed-adverse-effect-level, NOAEL）」。

它是指在動物實驗中，統計上未觀察到任何不良反應的最大劑量，在後續制定容許量時，NOAEL 是很重要的參考指標 ^[1]。

「每日可接受攝取量」v.s.「最大殘留容許量」或「使用限量」

若是要找出「人」即使長期每天攝取，也不會對健康造成危害的量，科學家們會根據動物實驗，計算出「每日可接受攝取量（acceptable daily intake, ADI），這個數值將作為政府單位作為安全評估的界線，於此界線下會再考量到飲食習慣或田間施藥測試結果，訂定更嚴格的使用限量(如：食品添加物)或最大殘留容許量（maximal residue level, MRL）作為行政執法的依據，超標的廠商將受到懲罰。

但是超標並不代表會中毒，使用限量或 MRL 是依據一般飲食習慣設定，每日的「總曝露量」遠低於 ADI，對人體不會有不良影響。使用限量或 MRL 皆是在科學的基礎下所計算出的管制劑量，對於在管理食品添加物或農藥殘留是非常重要的 ^[1]。

毒物學所熟知的「劑量」，大眾也應瞭解

有了劑量的觀念即可明白，即使不小心喝到一杯某一農藥殘留超標 MRL 5 倍的茶飲料，雖然聽起來很可怕，但其農藥總暴露量可能仍遠低於 ADI，更低於 NOAEL，故不需為此感到恐慌。

當大眾看到不認識的毒物名稱時，很容易被恐懼帶著走。而食品安全無法僅靠科學去維護，也需要消費者、媒體、政府和食品業界一起努力，才能做好安全把關。

因此我們應該了解到食品安全資訊，是需要培養深入認知與討論議題的能力，才能避免流於情緒的宣洩或受到媒體的操弄。

註解

原文為 “All substances are poisons; there is none which is not a poison. The right dose differentiates the poison from a remedy.” ^[3]。

參考資料

1. 陳亭瑋，2022。這是毒還是藥？先搞懂「每日容許攝取量」和「最大殘留安全容許量」吧！。行政院環境保護署毒物及化學物質局。
2. 李霜茹，2017。怎麼決定多少「劑量」對人體有害？── 「PanSci TALK：食品安全基本功」──「PanSci。食藥好文網 TFDA。
3. Shibamoto, T. and Bjeldanes, L. F. 2009. Introduction to food toxicology.

• 作者／Evelyn 食品技師

《中華一番》小當家與七星刀雷恩為了爭奪傳說中的廚具永靈刀，進行了一場精采的神前刀工對決。雷恩做了 4 道鯛魚料理，分別為「新奇生魚片」以魚背鰭週邊腹筋、尾鰭所做成；「什錦蔬菜紅燒下巴」、「特製清蒸下巴」兩道皆取自魚頭；最後一道則用魚身製成「生魚薄片」，還另外搭配鯛魚高湯 (估計用魚骨熬煮) 做涮涮鍋。

整條魚都沒有浪費任何一個部位，雷恩真是位非常善用食材、減少剩食的優秀廚師。

小當家做的「真鯛大陸圖」一樣也有 4 道料理，分別作出 4 個不同省份的特色，北京使用麵皮包大蔥和魚背肉；四川是採用魚皮包魚身肉油炸，並淋上紅油醬汁；上海是以鯛尾生魚片包蟹黃；廣東則是蠔油時蔬魚肚肉。

不過你注意到了嗎？兩位大廚師都沒有使用到「魚肝」來做料理。

因為魚肝會累積高量維生素Ａ或其他毒素，不適合食用，我國於 2007 年就曾發生過食用笛鯛魚肝臟，導致急性維生素 A 中毒的案例。

吃魚肝、吃營養補充膠囊，都發生過維生素 A 中毒！

該事件是世界第一起吃笛鯛魚肝，導致急性維生素Ａ 中毒的案例。有一名年約 40 歲的男子於基隆八斗子漁港購買一種大型笛鯛——濱鯛 (Etelis carbunculus)，是體長可達 127 公分的大型魚類。

該男子想以魚肝湯替 4 歲女兒補眼睛，將魚肝煮湯後與女兒共食，結果食用完魚肝 3 至 4 小時後出現噁心、嘔吐、腹部不適、頭痛、眼窩痛、全身痠痛、臉部脫皮及紅斑等急性維生素 A 中毒症狀，就醫後不適症狀便改善^[2]。 

其實不只魚肝，西元 1943 年有北極探險家吃了北極熊肝臟後，出現嗜睡、頭痛 及嘔吐等，隔天出現皮膚脫落症狀，亦是急性維生素 A 中毒症狀之現象^[3]。

此外，不只有急性中毒，慢性維生素 A 中毒的案例其實較常見，例如香港就發生過，一家庭三姐妹從 2000 年開始每日攝取約 8,000,000 IU^{[註 1]} 的魚肝油膠囊長達 8 年，就醫診斷後三姐妹確認罹患肝肺症候群 (hepatopulmonary syndrome; HPS)^{[註 2] [4]}。

明明維生素 A 為人類必需營養素之一，為何還會中毒呢？

脂溶性維生素易累積在體內，過多一樣會中毒！

還是老話一句——「劑量決定毒性」。

因維生素 A 是脂溶性化合物，外觀為呈現淡黃到紅黃色的油狀物質，對空氣及光線敏感。雖有維護視覺功能、維持上皮細胞完整性、維持骨骼生長與細胞生長等許多重要的生理功能。

但其代謝速度慢，不像水溶性維生素可藉由尿液快速代謝排出，所以服用過量很容易累積在體內 (尤其是肝臟)，中毒風險便增加。

此外，它並不是一種單一成分，維生素 A (retinoids) 是一個總稱，主要係由視黃醇 (retinol)、視黃醛 (retinal) 與視黃酸 (retinoic acid) 等所構成，為一群具有 β-紫羅蘭酮 (β-ionone) 結構之脂溶性物質，並根據其側鏈終端的官能基的不同而有多種異構型態。

其中「視黃醇」是維生素 A 在食品中為最普遍存在的形式，其分子式為 C₂₀H₃₀O；分子量為 286.46，其他形式的維生素 A 都是透過它經過各種代謝而產生^[5]。 

而就毒性大小來看，視黃醇、視黃醇酯最具顯著毒性，故一般探討維生素 A 之過量危害、毒性指標，均是指視黃醇、視黃醇酯。

那麼我們日常應攝取多少劑量？而多少劑量又是過量的呢？

注意維生素 A 上限攝取量，中毒還分急性與慢性

根據我國所訂定的國人膳食營養素參考攝取量及其說明第七版^[6]，維生素 A 的建議攝取量 (recommended dietary allowance; RDA) 是以視黃醇當量 (retinol equivalent; RE) 表示，1 RE 等於 1 微克視黃醇，也相當於 3.33 IU^{[註 1]}。

一般成人建議攝取量為 500~600 RE / 日，成人上限攝取量 (tolerable upper intake levels; UL) 為 3,000 RE / 日 (約等於 10,000 IU)，所以前面提到香港三姐妹每天吃的劑量，大約是「上限攝取量」的 800 倍，還整整吃了 8 年…

所以建議消費者在購買維生素 A 營養補充品食用時，一定要先確認清楚食品標示上的使用單位及每日建議攝取量喔！

另外，這種維生素 A 食用過量所導致的不適症狀，又可稱為維生素 A 過多症 (hypervitaminosis A)，依中毒狀況分為急性中毒和慢性中毒：

一、急性中毒

成人短時間內 (數小時或數天內) 攝取維生素 A 超過 500,000 IU 即可能造成急性中毒，幼童則是為攝取超過 100,000 IU。

症狀包括噁心、嘔吐、頭痛、腦脊髓液壓力增大、暈眩、視力模糊及肌肉不協調。

二、慢性中毒

人體每日攝取超過 25,000 IU 持續 6 年以上，或每日攝取 100,000 IU 持續 6 個月以上，即可能導致慢性中毒。

症狀可能會出現畸胎、肝異常、骨質密度改變、脫皮、指甲脆化、口裂、脫髮、發燒、頭痛、嗜睡、易怒、體重減少及嘔吐等^[5]。

吃太多紅蘿蔔也會導致維生素 A 中毒？

除了認識維生素 A 過多會造成中毒之外，也需要理解日常生活中，有哪些食物會讓我們攝取到維生素 A，主要是分為動物及植物來源。

一、動物來源

主要以視黃酯如棕櫚酸視黃酯 (retinyl palmitate) 的形式存在於動物體內中，包括肝臟、魚肝油、奶油、起士及蛋黃等，食用後可立刻被人體利用。

二、植物來源

可合成維生素 A 的前驅物 (provitamin A)，也就是常聽見的類胡蘿蔔素 (carotenoid) 如 β-胡蘿蔔素 (β-carotene)，其在小腸或肝臟被轉化成視黃醛才能被人體利用。

類胡蘿蔔素主要存在於深綠色蔬菜、深黃色或橘色之蔬菜及水果當中，如青花菜、菠菜、葡萄柚、胡蘿蔔或南瓜等。

此外，攝取過量的類胡蘿蔔素並不會導致維生素 A 中毒，因為類胡蘿蔔素主要是經小腸內的酵素作用形成視黃醛，不會完全轉化成視黃醇^[5]。

所以「吃太多紅蘿蔔，會導致維生素 A 中毒」是謠言，短期食用大量動物肝臟，或長期食用高劑量魚肝油、營養補充劑才是造成維生素 A 中毒之主因。

補充劑服用前應詳閱產品說明，不自行添加劑量

許多人都抱持著多吃維生素，讓身體更健康的觀念，常常服用過量導致不必要的後果。

面對市面上琳琅滿目的營養補充劑，消費者購買前應先瞭解自身所需，並請教專業醫師、藥師或營養師等，完整評估自己的身體狀況，再決定是否要購買。

也要注意不同產品的營養素，會因種類與劑量而有所不同，服用需仔細閱讀產品說明，千萬不要擅自添加劑量。

不過話說回來，幸好雷恩和小當家兩位大廚都沒有料理魚肝給長老評審們吃，不然長老們要是因食物中毒而鬧出人命的話，神前刀工對決直接變成「神前下毒對決」，永靈刀絕對會直接放棄兩位廚師。

註解：

1. 國際單位 (International unit; IU)：是用生物活性或生物效價來表示某些維生素、激素、藥物類似的生物活性物質的藥理計量單位。例如食物中含有多種維生素 A 的前驅物 (precursors)，在人體內轉化為生物有效性的維生素 A，這些前驅物的活性便可以國際單位表示並比較其效價。

2. 肝肺症候群 (hepatopulmonary syndrome; HPS)：診斷的主要三個特徵分別為肝臟疾病、動脈血氧合功能障礙和肺內血管擴張。在肝臟衰竭的患者，其內生性的血管擴張物質增加，進而導致肺血管擴張，氣體交換變差，在臨床上主要表現為呼吸困難和發紺。

參考資料：

1. Muse木棉花，2021。中華一番(舊版小當家) 第31話【囊括四大中華！真鯛大陸圖】。

2. 呂曜丞，2012。臺灣大型笛鯛魚之肝臟維生素 A 含量及其肌肉蛋白質電泳分析。國立臺灣海洋大學食品科學所碩士學位論文。基隆。

3. Rodahl, K. and Moore, T. 1943. The vitamin A content and toxicity of bear and seal liver. Journal of Biochemistry 37: 166-168.

4. Lau, V. W. S., Lau, D. C. Y. and Huen, K. F. 2008. Hepatopulmonary syndrome: An unusual presentation of chronic hypervitaminosis A. Hong Kong Journal of Paediatrics 13: 46-52.

5. 黃育琳，2019。以小鼠神經 N2a 細胞模式探討視黃醇之細胞毒性。國立臺灣海洋大學食品科學所碩士學位論文。基隆。

6. 衛生福利部國民健康署，2011。國人膳食營養素參考攝取量修訂第七版 (Dietary Reference Intakes,DRIs)。