加國大學發現汞可能與生物滅絕有關

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

鯊魚的歷史超過 4 億年，可謂非常資深的生物，經歷過好幾次「大滅絕」。我們知道，距今 6600 萬年前導致恐龍消失的大滅絕，帶走了當時 30% 以上的鯊魚。

但是最近新發表的論文更報告，1900 萬年前還有一次之前不知道的事件，使得超過 90% 鯊魚消失，也損失 70% 的型態多樣性。

這麼重大的鯊魚滅絕事件，之前我們竟然毫無所悉，對原因也毫無頭緒？

盾鱗與牙齒，判斷魚類數量和物種

研究古生物的物種、多樣性、增減幅度，相當困難。

如今大部分魚類屬於輻鰭魚（ray-finned fish），去世後最容易成為化石的部位是牙齒；不過鯊魚、鰩魚（例如魟魚）這些屬於板鰓亞綱（elasmobranchii）的魚類，留下牙齒的機率很低，較容易保存的，是皮膚上特化的鱗片「盾鱗（denticle）」。

分析海洋沉積物中，魚類的牙齒、盾鱗的數量和種類，便能判斷海中魚類的數目與物種。

新研究的材料來自２次深海鑽探取得的樣本，分別位於北太平洋與南太平洋，能推論古代大洋的生態狀況。（盾鱗總共 1263 個——北太平洋 465 個、南太平洋 798 個）

1900 萬年前，鯊魚幾乎不見了！

地質年代上，白堊紀始於 1.45 億年前，延續到大約 6600 萬年前；隨後是到 2300 萬年前結束的古近紀（Paleogene），再來是到 260 萬年前為止的新近纪（Neogene），而其中 533 – 2300 萬年前稱作中新世（Miocene） 。

白堊紀末期的大滅絕，消滅了許多生物，卻創造了輻鰭魚崛起的空間。白堊紀的時候，牙齒和盾鱗的比例約為１比１，整個古近紀到中新世的前 400 萬年，牙齒和盾鱗為５比１，比例能讓我們看出一些端倪。

但是 1900 萬年之後狀況非常不一樣，牙齒盾鱗比變成 100 比 1！即使牙齒和盾鱗的比例，未必直接等於鯊魚和輻鰭魚的數量，也能判斷：

距今 1900 萬年過後，大洋中鯊魚的數量減少很多。和之前相比，在此之後少掉超過 90% 的鯊魚。

不同鯊魚，盾鱗的型態有別，因此可以用盾鱗的型態代表鯊魚的多樣性。

研究者總共定義出 88 種盾鱗型態，1900 萬年前之後，高達 70% 消失。而且在此之後，不再有任何一種新型態誕生。和當時相比，現存的鯊魚僅存 20% 多樣性。

這次鯊魚大滅絕，很可能是史上規模最大的鯊鯊滅團事件。作為對照，6600 萬年前廣為人知的白堊紀末期大滅絕，消滅當時 30 到 40% 的鯊魚，比例竟然只有 1900 萬年前的一半而已。

線形盾鱗和幾何形盾鱗

鯊魚的盾鱗可分為兩大類，線形（linear）和幾何形（geometric）。

現生的鯊魚絕大部分配備線形盾鱗，它比較適合長距離游泳。現代鯊魚共有 18 款線形盾鱗，和全盛時期的 53 款相比，剩下 34%。

配備幾何形盾鱗的現生鯊魚非常稀有，主要見於住在深海，小型的伏擊型鯊魚，例如雪茄達摩鯊（Isistius brasiliensis）、佩里烏鯊（Etmopterus perryi）。

根據新研究的分類，世界上曾經有過 33 款幾何形盾鱗，但現在只剩下 6 款，僅存 18%。鯊鯊大滅絕事件之前，幾何形盾鱗有 35% 的相對存在感，之後慘跌到 3%。

由此看來，不論線形或幾何形盾鱗，在距今 1900 萬年過後都損失慘重，但是配備幾何形盾鱗的鯊魚，打擊更加慘烈。

鯊魚全面滅團的未解之謎

距今 1900 萬年前的鯊魚大滅絕，影響範圍應該遍及全球，不過遠洋海域的損失似乎較大。在此之後，鯊魚的多樣性再也沒有恢復。

論文指出，根據目前有限的資料判斷，如此劇烈的命運動盪或許只發生在短短的 10 萬年內。

最不得其解的是，鯊魚全族的滅絕事件如此明確，我們卻對它為什麼發生毫無頭緒。

地質史上發生過很多次生物大滅絕或小滅絕，以及更多次的劇烈氣候變遷；可是在 1900 萬年前那個時候，海洋化學紀錄和氣候都沒有明顯的變化，似乎也沒有其他動物大量滅團。

影響較大的已知事件，各發生在之前與之後的數百萬年，都和 1900 萬年前的鯊魚大滅絕沒有直接關係。先發生的是早 400 萬年，距今 2300 萬年的古近紀、新近紀轉換期（Paleogene-Neogene boundary）；之後是晚 500 萬年，距今 1400 萬年的中新世中期滅絕事件（Middle Miocene disruption）。

當時海洋中一定發生過什麼我們還不知道的事，才導致幾乎所有鯊魚同時消失，而且再也沒有恢復；也可以肯定 100% 和智人沒有關係。

但是最近的鯊魚滅絕，和智人的直接獵捕、漁業、海洋汙染顯然關係不小。一項研究統計，公元 1970 到 2018 年間，鯊魚減少了 71% 之多。很有可能，鯊鯊再度面臨 1900 萬年未有之大變局。

論文作者 Elizabeth Sibert 介紹影片：

延伸閱讀

• 短篇 恐龍倒下，魚族崛起
• 寒武紀大爆發為何發生？是因為氧、掠食者亦或是地磁反轉無情的捉弄？
• 吃魚頭常常啃到的那兩顆：魚類「 耳石」在古生物學上的應用
• 耳中乾坤─魚耳石

參考資料

1. Sibert, E. C., & Rubin, L. D. (2021). An early Miocene extinction in pelagic sharks. Science, 372(6546), 1105-1107.
2. Elizabeth Sibert 推特
3. When sharks nearly disappeared
4. A shark mystery millions of years in the making

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。

• 作者／大衛‧華勒斯—威爾斯 (David Wallace-Wells)；譯者／張靖之

實際情況比你以為的還要糟，而且糟很多。

有人主張氣候變遷是個緩慢的過程，這是個美麗的謊言！就和氣候變遷不存在的論調一樣害人不淺，因為這個主張還造成了幾種錯覺，讓我們以為可以安心。這些錯覺包括

• 全球暖化是在北極上演的事，離我們尚遠；
• 只會影響海平面和海岸線，不是鋪天蓋地、每個地方和地球上所有生命都會被徹底改變的全面性危機；
• 這是自然界災難，不是人類社會的災難，我們今天已經不再倚賴自然界存活，或者說已超越自然界，至少具備抵禦自然力量的能力，不可能無處可逃、毫無招架之力，更何況我們有雄厚財力可以抵禦暖化的破壞；
• 燃燒化石燃料是維持經濟成長之必要，而伴隨經濟成長而來的科技進步可以拯救環境災難；
• 在人類漫長的發展史上，絕對找得到同等規模的威脅，我們有信心克服挑戰⋯⋯

這些認知實在錯得離譜，就讓我們先從變遷的速度說起。

氣候變遷的速度有多快？

在我們正身歷其中的這次大滅絕之前，地球曾發生過五次大滅絕，每次都把生命的紀錄抹得幾乎一乾二淨，就像演化上的歸零重來。

地球的種系發生樹像一顆肺，一下膨脹、一下塌縮，每隔一段時間重來一次：距今四億五千萬年前，有 86% 的物種滅絕；那之後的七千萬年，有 75% 的物種滅絕；再過一億年後，96% 的物種滅絕；再過五千萬年，80% 的物種滅絕；再過一億五千萬年，75% 的物種滅絕。

事實上，除了恐龍滅絕那一次，其他四次大滅絕都直接和溫室氣體導致的氣候變遷有關。最嚴重的一次發生在二億五千萬年前，一開始，地球因為大氣中二氧化碳濃度增加，溫度上升了攝氏 5 度，而氣溫上升又導致另一種溫室氣體甲烷大量排放，進一步加速暖化，最後地球上的生命消失殆盡。

現在，我們正以更快的速度排放二氧化碳到大氣中。根據大多數預測，現今的碳排速度至少是地球史上最嚴重大滅絕時期的 10 倍，也是人類史上工業化之前的 100 倍。

目前大氣中的二氧化碳濃度已升破 411ppm，比 1958 年首次觀測到的大氣二氧化碳濃度 316ppm 整整高出 30% 以上，也創下八十萬年來新高，甚至有研究指出，上次大氣中二氧化碳濃度和現在一樣高可能是一千五百萬年前，當時地球還沒有人類，海平面比現在高 30 公尺以上。

全球暖化警戒線失守

到了 2016 年，聯合國因氣候進入緊急狀態，終於簽署了巴黎協定。此時，地球的氣候系統已經走向崩壞，大氣的二氧化碳濃度跨過警戒線 400 ppm。這是多年來環境科學家在我們只顧往前衝的現代工業社會面前，拉起的最後一道防線，上面醒目的紅字寫著：禁止跨越。但我們卻繼續往前衝。

短短兩年後，2018 年 6 月的大氣碳濃度月平均升到 411 ppm，地球空氣中瀰漫著人類的罪孽，和二氧化碳一樣濃，只是我們選擇相信沒有聞到。

長久以來，科學家把比起工業化時代升溫攝氏 2 度，當作地球從宜居走向氣候大災難的臨界點。如今我們正邁向那個臨界點。科學家預估在 2100 年之前，地球溫度將上升超過攝氏 4 度。

根據一些預測，這表示整個非洲、澳洲和美國，加上巴塔哥尼亞以北的南美洲地區，以及西伯利亞以南的亞洲地區，都會因為高溫、沙漠化和淹水變得不再適合居住。其實，不管是這些地區，還是其他許多地區，環境都會變得十分惡劣。

這就是我們正在前進的道路，也是人類未來的底線。假如地球是在一代人的有生之年被帶到了氣候災難的邊緣，那麼要力挽狂瀾，也要靠一代人來扛起責任。你我對這一代人的有生之年也不陌生，那就是我們自己的有生之年。

人類準備進入「地獄世紀」？

大崩壞的臨界點是升溫 2 度，最近幾項研究結果都顯示，就算我們即刻停止排放二氧化碳，地球仍會在本世紀末達到這個升溫幅度。

有些研究全球暖化的專家，把接下來的一百年稱為「地獄世紀」。氣候變遷發生得很快，快到我們來不及發現和承認，但其影響也極深遠，遠遠超乎我們能夠想像的。

特別令人擔心的是，最近一項針對地球遠古歷史的研究顯示，目前氣候模型針對 2100 年地球升溫幅度的預測，可能低估了一大半。換句話說，最終的升溫幅度可能比聯合國 IPCC 的預測值高，就算真能如期達到巴黎協定的減排目標，我們仍然要面對 4 度的升溫，這代表撒哈拉沙漠會經常下雨而變得一片蔥綠，熱帶森林則變成野火肆虐的乾草原。

近期一份研究報告中，學者也認為暖化幅度會比原來預期的更劇烈。就算大幅減排，地球溫度仍會上升 4 到 5 度，整個地球的居住環境都將變得非常險惡，學者形容為「溫室地球」。

不過就升溫幾度，對人類真會有影響？

不管是 1 度、2 度、4 度、5 度，這些數字聽起來好像都差不多，讓人很容易忽略之間的差別。畢竟人類的經驗和記憶裡，沒有類似的參考時點，讓我們知道該如何去看待這些臨界點。但就如同世界大戰或癌症復發，你一次都不希望它發生。

升溫 2 度：

• 冰層就開始崩解，面臨水資源缺乏的人口將多出 4 億。
• 赤道上的主要城市變得無法住人，即使是接近赤道、緯度較高的地方，每年夏天的熱浪也會導致成千上萬人死亡。
• 印度的極端熱浪次數會是現在的 32 倍，每次持續時間是目前的 5 倍，波及人數是 93 倍。這還是對未來最好的預測狀況。

升溫 3 度：

• 南歐會處於永久乾旱，中美洲的旱季會增加 19 個月、加勒比海地區增加 21 個月，北非地區更增加 60 個月，也就是足足五年之久。
• 每年野火成災的地區，在地中海將是現在的兩倍，美國則是 6 倍以上。

升溫 4 度：

• 登革熱病例光是在拉丁美洲地區每年就會增加 800 萬例；
• 全球每年都會發生幾近糧荒的危機，因過熱致死的案例也將增加 9%。
• 河水暴漲造成的損害，在孟加拉是現在的 30 倍、印度是 20 倍，在英國最糟糕的情況下甚至到 60 倍。
• 在某些地區，會同時遭遇熱浪、野火、暴洪、颶風、乾旱、海平面上升等六種氣候災難，全球損失可能超過 600 兆美元（目前全球財富總額的兩倍以上），各種衝突和戰爭將更頻繁。

地球正在變得「不宜居」

如果把時間跨度拉更長來看，結果可能更令人絕望：宜居的那一半地球環境愈來愈惡化，人類的時代步入尾聲。

除非一連串錯誤選擇和各種霉運湊在一起，地球應該不至於在我們的有生之年變得不宜居，但卻是我們讓這個惡夢出現在未來的可能之中。這一點大概是近代社會最重要的史實和文化特性，未來的歷史學家會以此檢視與定義我們，這也是我們希望上一代人有多一點遠見去處理的問題。

不管我們怎麼防止氣候繼續惡化下去，無論我們如何積極作為，減少暖化的損害，都無法改變人類在地球上毀滅的場景已經被我們召喚出來的事實。我們如今已夠接近，可以清楚看見將會是怎樣一幅情景，也知道我們的後代子孫會如何受罪。

事實上，只要願意正視的人，就會發現這場景已經近得讓我們開始感受到它的威力了。

——本文摘自《氣候緊急時代來了》，2020 年 4 月，天下雜誌