無線電天文學的誕生│科學史上的今天：5/5

本文與 TRPMA 台灣研發型生技新藥發展協會合作，泛科學企劃執行

我們知道癌症是台灣人健康的頭號公敵。 為此，我們花了很多時間介紹最新、最有效的抗癌方法之一：免疫療法。

免疫療法中最重要的技術就是抗體藥物。科學家會人工製造一批抗體去標記癌細胞。它們就像戰場上的偵察無人機，能精準鎖定你體內的敵人——癌細胞，為它們打上標記，然後引導你的免疫系統展開攻擊。

這跟化療、放射線治療那種閉著眼睛拿機槍亂掃不同。免疫療法是重新叫醒你的免疫系統，為身體「上buff (增益) 」來抗癌，副作用較低，因此備受好評。

但尷尬的是，經過幾年的臨床考驗，科學家發現：光靠抗體對抗癌症，竟然已經不夠用了。

事情是這樣的，臨床上醫生與科學家逐漸發現：這個抗體標記，不是容易損壞，就是癌細胞同時設有多個陷阱關卡，只靠叫醒免疫細胞，還是難以發揮戰力。

但好消息是，我們的生技工程也大幅進步了。科學家開始思考：如果這台偵察無人機只有「標記」這一招不夠用，為什麼不幫它升級，讓它多學幾招呢？

這個能讓免疫藥物（偵察無人機）大進化的訓練器，就是今天的主角—融合蛋白（fusion protein）。

融合蛋白是什麼？

免疫療法遇到的問題，我們可以這樣理解：想像你的身體是一座國家，病毒、細菌、腫瘤就是入侵者；而抗體，就是我們派出的「偵察無人機」。

當我們透過注射放出這支無人機群進到體內，它能迅速辨識敵人、緊抓不放，並呼叫其他免疫單位（友軍）一同解決威脅。過去 20 年，最強的偵查機型叫做「單株抗體」。1998年，生技公司基因泰克（Genentech）推出的藥物赫賽汀（Herceptin），就是一款針對 HER2 蛋白的單株抗體，目標是治療乳癌。

這支無人機群為什麼能對抗癌症？這要歸功於它「Y」字形的小小抗體分子，構造看似簡單，卻蘊藏巧思：

• 「Y」 字形上面的兩隻「叉叉」是敵人偵測器，能找到敵人身上的抗原特徵，並黏上去，稱為抗體結合區「Fab 區域」。
  
• 「Y」 字形的「尾巴」就是我們說的「標籤」，它能通知免疫系統啟動攻擊，稱為結晶區域片段「Fc 區域」。具體來說，當免疫細胞在體內巡邏，免疫細胞上的 Fc 受體 (FcR) 會和 Fc區域結合，進而認出病原體或感染細胞，接著展開清除。

更厲害的是，這個 Fc 區域標籤還能加裝不同功能。一般來說，人體內多餘的分子，會被定期清除。例如，細胞內會有溶酶體不斷分解多餘的物質，或是血液經過肝臟時會被代謝、分解。那麼，人造抗體對身體來說，屬於外來的東西，自然也會被清除。

而 Fc區域會與細胞內體上的Fc受體結合，告訴細胞「別分解我」的訊號，阻止溶酶體的作用。又或是單純把標籤做的超大，例如接上一段長長的蛋白質，或是聚乙二醇鏈，讓整個抗體分子的大小，大於腎臟過濾孔的大小，難以被腎臟過濾，進而延長抗體在體內的存活時間。

偵測器（Fab）加上標籤（Fc）的結構，使抗體成為最早、也最成功的「天然設計藥物」。然而，當抗體在臨床上逐漸普及，一個又一個的問題開始浮現。抗體的強項在於「精準鎖定」，但這同時也是它的限制。

第一個問題：抗體只能打「魔王」，無法毀掉「魔窟」。 

抗體一定要有一個明確的「標的物」才能發揮作用。這讓它在針對「腫瘤」或「癌細胞本身」時非常有效，因為敵人身上有明顯標記。但癌細胞的形成與惡化，是細胞在「生長、分裂、死亡、免疫逃脫」這些訊號通路上被長期誤導的結果。抗體雖然勇猛，卻只能針對已經帶有特定分子的癌細胞魔王，無法摧毀那個孕育魔王的系統魔窟。這時，我們真正欠缺的是能「調整」、「模擬」或「干擾」這些錯誤訊號的藥物。

第二個問題：開發產線的限制。

抗體的開發，得經過複雜的細胞培養與純化程序。每次改變結構或目標，幾乎都要重新開發整個系統。這就像你無法要求一台偵測紅外線的無人機，明天立刻改去偵測核輻射。高昂的成本與漫長的開發時間，讓新產線難以靈活創新。

為了讓免疫藥物能走向多功能與容易快速製造、測試的道路，科學家急需一個更工業化的藥物設計方式。雖然我們追求的是工業化的設計，巧合的是，真正的突破靈感，仍然來自大自然。

在自然界中，基因有時會彼此「融合」成全新的組合，讓生物獲得額外功能。例如細菌，它們常仰賴一連串的酶來完成代謝，中間產物要在細胞裡來回傳遞。但後來，其中幾個酶的基因彼此融合，而且不只是基因層級的合併，產出的酶本身也變成同一條長長的蛋白質。

結果，反應效率大幅提升。因為中間產物不必再「跑出去找下一個酶」，而是直接在同一條生產線上完成。對細菌來說，能更快處理養分、用更少能量維持生存，自然形成適應上的優勢，這樣的融合基因也就被演化保留下來。

科學家從中得到關鍵啟發：如果我們也能把兩種有用的蛋白質，「人工融合」在一起，是否就能創造出更強大的新分子？於是，融合蛋白（fusion protein）就出現了。

以假亂真：融合蛋白的HIV反制戰

融合蛋白的概念其實很直覺：把兩種以上、功能不同的蛋白質，用基因工程的方式「接起來」，讓它們成為同一個分子。 

1990 年，融合蛋白 CD4 免疫黏附素（CD4 immunoadhesin）誕生。這項設計，是為了對付令人類聞風喪膽的 HIV 病毒。

我們知道 T 細胞是人體中一種非常重要的白血球。在這些 T 細胞中，大約有六到七成表面帶有一個叫做「CD4」的輔助受體。CD4 會和另一個受體 TCR 一起合作，幫助 T 細胞辨識其他細胞表面的抗原片段，等於是 T 細胞用來辨認壞人的「探測器」。表面擁有 CD4 受體的淋巴球，就稱為 CD4 淋巴球。

麻煩的來了。 HIV 病毒反將一軍，竟然把 T 細胞的 CD4 探測器，當成了自己辨識獵物的「標記」。沒錯，對 HIV 病毒來說，免疫細胞就是它的獵物。HIV 的表面有一種叫做 gp120 的蛋白，會主動去抓住 T 細胞上的 CD4 受體。

一旦成功結合，就會啟動一連串反應，讓病毒外殼與細胞膜融合。HIV 進入細胞內後會不斷複製並破壞免疫細胞，導致免疫系統逐漸崩潰。

為了逆轉這場悲劇，融合蛋白 CD4 免疫黏附素登場了。它的結構跟抗體類似，由由兩個不同段落所組成：一端是 CD4 假受體，另一端則是剛才提到、抗體上常見的 Fc 區域。當 CD4 免疫黏附素進入體內，它表面的 CD4 假受體會主動和 HIV 的 gp120 結合。

厲害了吧。 病毒以為自己抓到了目標細胞，其實只是被騙去抓了一個假的 CD4。這樣 gp120 抓不到 CD4 淋巴球上的真 CD4，自然就無法傷害身體。

而另一端的 Fc 區域則有兩個重要作用：一是延長融合蛋白在體內的存活時間；二是理論上能掛上「這裡有敵人！」的標籤，這種機制稱為抗體依賴性細胞毒殺（ADCC）或免疫吞噬作用（ADCP）。當免疫細胞的 Fc 受體與 Fc 區域結合，就能促使免疫細胞清除被黏住的病毒顆粒。

不過，這裡有個關鍵細節。

在實際設計中，CD4免疫黏附素的 Fc 片段通常會關閉「吸引免疫細胞」的這個技能。原因是：HIV 專門攻擊的就是免疫細胞本身，許多病毒甚至已經藏在 CD4 細胞裡。若 Fc 區域過於活躍，反而可能引發強烈的發炎反應，甚至讓免疫系統錯把帶有病毒碎片的健康細胞也一併攻擊，這樣副作用太大。因此，CD4 免疫黏附素的 Fc 區域會加入特定突變，讓它只保留延長藥物壽命的功能，而不會與淋巴球的 Fc 受體結合，以避免誘發免疫反應。

從 DNA 藍圖到生物積木：融合蛋白的設計巧思

融合蛋白雖然潛力強大，但要製造出來可一點都不簡單。它並不是用膠水把兩段蛋白質黏在一起就好。「融合」這件事，得從最根本的設計圖，也就是 DNA 序列就開始規劃。

我們體內的大部分蛋白質，都是細胞照著 DNA 上的指令一步步合成的。所以，如果科學家想把蛋白 A 和蛋白 B 接在一起，就得先把這兩段基因找出來，然後再「拼」成一段新的 DNA。

不過，如果你只是單純把兩段基因硬接起來，那失敗就是必然的。因為兩個蛋白會互相「打架」，導致摺疊錯亂、功能全毀。

這時就需要一個小幫手：連接子（linker）。它的作用就像中間的彈性膠帶，讓兩邊的蛋白質能自由轉動、互不干擾。最常見的設計，是用多個甘胺酸（G）和絲胺酸（S）組成的柔性小蛋白鏈。

設計好這段 DNA 之後，就能把它放進細胞裡，讓細胞幫忙「代工」製造出這個融合蛋白。接著，科學家會用層析、電泳等方法把它純化出來，再一一檢查它有沒有摺疊正確、功能是否完整。

如果一切順利，這個人工設計的融合分子，就能像自然界的蛋白一樣穩定運作，一個全新的「人造分子兵器」就此誕生。

CD4免疫黏附素問世之後，融合蛋白逐漸成為生物製藥的重要平台之一。而且現在的融合蛋白，早就不只是「假受體＋Fc 區域」這麼單純。它已經跳脫模仿抗體，成為真正能自由組裝、自由設計的生物積木。

融合蛋白的強項，就在於它能「自由組裝」。

以抗體為骨架，科學家可以接上任何想要的功能模組，創造出全新的藥物型態。一般的抗體只能「抓」（標記特定靶點）；但融合蛋白不只會抓，還能「阻斷」、「傳遞」、甚至「調控」訊號。在功能模組的加持下，它在藥物設計上，幾乎像是一個分子級的鋼鐵蜘蛛人裝甲。

一般來說，當我們選擇使用融合蛋白時，通常會期待它能發揮幾種關鍵效果：

1. 療效協同： 一款藥上面就能同時針對多個靶點作用，有機會提升治療反應率與持續時間，達到「一藥多效」的臨床價值。
2. 減少用藥： 原本需要兩到三種單株抗體聯合使用的療法，也許只要一種融合蛋白就能搞定。這不僅能減少給藥次數，對病人來說，也有機會因為用藥減少而降低治療成本。
3. 降低毒性風險： 經過良好設計的融合蛋白，可以做到更精準的「局部活化」，讓藥物只在目標區域發揮作用，減少副作用。

到目前為止，我們了解了融合蛋白是如何製造的，也知道它的潛力有多大。

那麼，目前實際成效到底如何呢？

一箭雙鵰：拆解癌細胞的「偽裝」與「內奸」

2016 年，德國默克（Merck KGaA）展開了一項全新的臨床試驗。 主角是一款突破性的雙功能融合蛋白──Bintrafusp Alfa。這款藥物的厲害之處在於，它能同時封鎖 PD-L1 和 TGF-β 兩條免疫抑制路徑。等於一邊拆掉癌細胞的偽裝，一邊解除它的防護罩。

PD-L1，我們或許不陌生，它就像是癌細胞身上的「偽裝良民證」。當 PD-L1 和免疫細胞上的 PD-1 受體結合時，就會讓免疫系統誤以為「這細胞是自己人」，於是放過它。我們的策略，就是用一個抗體或抗體樣蛋白黏上去，把這張「偽裝良民證」封住，讓免疫系統能重新啟動。

但光拆掉偽裝還不夠，因為癌細胞還有另一位強大的盟友—一個起初是我軍，後來卻被癌細胞收買、滲透的「內奸」。它就是，轉化生長因子-β，縮寫 TGF-β。

先說清楚，TGF-β 原本是體內的秩序管理者，掌管著細胞的生長、分化、凋亡，還負責調節免疫反應。在正常細胞或癌症早期，它會和細胞表面的 TGFBR2 受體結合，啟動一連串訊號，抑制細胞分裂、減緩腫瘤生長。

但當癌症發展到後期，TGF-β 跟 TGFBR2 受體之間的合作開始出問題。癌細胞表面的 TGFBR2 受體可能突變或消失，導致 TGF-β 不但失去了原本的抑制作用，反而轉向幫癌細胞做事。

它會讓細胞骨架（actin cytoskeleton）重新排列，讓細胞變長、變軟、更有彈性，還能長出像觸手的「偽足」（lamellipodia、filopodia），一步步往外移動、鑽進組織，甚至進入血管、展開全身轉移。

更糟的是，這時「黑化」的 TGF-β 還會壓抑免疫系統，讓 T 細胞和自然殺手細胞變得不再有攻擊力，同時刺激新血管生成，幫腫瘤打通營養補給線。

為了對抗這個內奸，默克在 Bintrafusp Alfa 的結構裡，加上了一個「TGF-β 陷阱（trap）」。就像 1989 年的 CD4 免疫黏附素用「假受體」去騙 HIV 一樣，這個融合蛋白在體內循環時，會用它身上的「陷阱」去捕捉並中和游離的 TGF-β。這讓 TGF-β 無法再跟腫瘤細胞或免疫細胞表面的天然受體結合，從而鬆開了那副壓抑免疫系統的腳鐐。

告別單一解方：融合蛋白的「全方位圍剿」戰

但，故事還沒完。我們之前提過，癌細胞之所以難纏，在於它會發展出各種「免疫逃脫」策略。

而近年我們發現，癌細胞的「偽良民證」至少就有兩張：一張是 PD-L1；另一張是 CD-47。CD47 是癌細胞向巨噬細胞展示的「別吃我」訊號，當它與免疫細胞上的 SIRPα 結合時，就會抑制吞噬反應。

為此，總部位於台北的漢康生技，決定打造能同時對付 PD-L1、CD-47，乃至 TGF-β 的三功能生物藥 HCB301。

雖然三功能融合蛋白聽起來只是「再接一段蛋白」而已，但實際上極不簡單。截至目前，全球都還沒有任何三功能抗體或融合蛋白批准上市，在臨床階段的生物候選藥，也只佔了整個生物藥市場的 1.6%。

漢康生技透過自己開發的 FBDB 平台技術，製作出了三功能的生物藥 HCB301，目前第一期臨床試驗已經在美國、中國批准執行。

免疫療法絕對是幫我們突破癌症的關鍵。但我們也知道癌症非常頑強，還有好幾道關卡我們無法攻克。既然單株抗體在戰場上顯得單薄，我們就透過融合蛋白，創造出擁有多種功能模組的「升級版無人機」。

融合蛋白強的不是個別的偵查或阻敵能力，而是一組可以「客製化組裝」的平台，用以應付癌細胞所有的逃脫策略。

Catch Me If You Can？融合蛋白的回答是：「We Can.」

未來癌症的治療戰場，也將從尋找「唯一解」，轉變成如何「全方位圍剿」癌細胞，避免任何的逃脫。

本文與 Perplexity 合作，泛科學企劃執行

「Hello. I am… a robot.」

在我們的記憶裡，機器人的聲音就該是冰冷、單調，不帶一絲情感 。它們的動作僵硬，肢體不協調，像一個沒有靈魂的傀儡，甚至啟發我們創造了機械舞來模仿那獨特的笨拙可愛。但是，現今的機器人發展不再只會跳舞或模仿人聲，而是已經能獨立完成一場膽囊切除手術。

就在2025年，美國一間實驗室發表了一項成果：一台名為「SRT-H」的機器人（階層式手術機器人Transformer），在沒有人類醫師介入的情況下，成功自主完成了一場完整的豬膽囊切除手術。SRT-H 正是靠著從錯誤中學習的能力，最終在八個不同的離體膽囊上，達成了 100% 的自主手術成功率。

這項成就的意義重大，因為過去機器人手術的自動化，大多集中在像是縫合這樣的單一「任務」上。然而，這一場完整的手術，是一個包含數十個步驟、需要連貫策略與動態調整的複雜「程序」。這是機器人首次在包含 17 個步驟的完整膽囊切除術中，實現了「步驟層次的自主性」。

這就引出了一個讓我們既興奮又不安的核心問題：我們究竟錯過了什麼？機器人是如何在我們看不見的角落，悄悄完成了從「機械傀儡」到「外科醫生」的驚人演化？

這趟思想探險，將為你解密 SRT-H 以及其他五款同樣具備革命性突破的機器人。你將看到，它們正以前所未有的方式，發展出生物般的觸覺、理解複雜指令、學會團隊合作，甚至開始自我修復與演化，成為一種真正的「準生命體」 。

所以，你準備好迎接這個機器人的新紀元了嗎？

只靠模仿還不夠？手術機器人還需要學會「犯錯」與「糾正」

那麼，SRT-H 這位機器人的外科大腦，究竟藏著什麼秘密？答案就在它創新的「階層式框架」設計裡 。

你可以想像，SRT-H 的腦中，住著一個分工明確的兩人團隊，就像是漫畫界的傳奇師徒—黑傑克與皮諾可 。

• 第一位，是動口不動手的總指揮「黑傑克」： 它不下達具體的動作指令，而是在更高維度的「語言空間」中進行策略規劃 。它發出的命令，是像「抓住膽管」或「放置止血夾」這樣的高層次任務指令 。
• 第二位，是靈巧的助手「皮諾可」： 它負責接收黑傑克的語言指令，並將這些抽象的命令，轉化為機器手臂毫釐不差的精準運動軌跡 。

但最厲害的還不是這個分工，而是它們的學習方式。SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。但這還只是開始，研究人員在訓練過程中，會刻意讓它犯錯，並向它示範如何從抓取失敗、角度不佳等糟糕的狀態中恢復過來 。這種獨特的訓練方法，被稱為「糾正性示範」 。

這項訓練，讓 SRT-H 學會了一項外科手術中最關鍵的技能：當它發現執行搞砸了，它能即時識別偏差，並發出如「重試抓取」或「向左調整」等「糾正性指令」 。這套內建的錯誤恢復機制至關重要。當研究人員拿掉這個糾正能力後，機器人在遇到困難時，要不是完全失敗，就是陷入無效的重複行為中 。

正是靠著這種從錯誤中學習、自我修正的能力，SRT-H 最終在八次不同的手術中，達成了 100% 的自主手術成功率 。

SRT-H 證明了機器人開始學會「思考」與「糾錯」。但一個聰明的大腦，足以應付更混亂、更無法預測的真實世界嗎？例如在亞馬遜的倉庫裡，機器人不只需要思考，更需要實際「會做事」。

要能精準地與環境互動，光靠視覺或聽覺是不夠的。為了讓機器人能直接接觸並處理日常生活中各式各樣的物體，它就必須擁有生物般的「觸覺」能力。

解密 Vulcan 如何學會「觸摸」

讓我們把場景切換到亞馬遜的物流中心。過去，這裡的倉儲機器人（如 Kiva 系統）就像放大版的掃地機器人，核心行動邏輯是極力「避免」與周遭環境發生任何物理接觸，只負責搬運整個貨架，再由人類員工挑出包裹。

但 2025 年5月，亞馬遜展示了他們最新的觸覺機器人 Vulcan。在亞馬遜的物流中心裡，商品被存放在由彈性帶固定的織物儲物格中，而 Vulcan 的任務是必須主動接觸、甚至「撥開」彈性織網，再從堆放雜亂的儲物格中，精準取出單一包裹，且不能造成任何損壞。

Vulcan 的核心突破，就在於它在「拿取」這個動作上，學會了生物般的「觸覺」。它靈活的機械手臂末端工具（EOAT, End-Of-Arm Tool），不僅配備了攝影機，還搭載了能測量六個自由度的力與力矩感測器。六個自由度包含上下、左右、前後的推力，和三個維度的旋轉力矩。這就像你的手指，裡頭分布著非常多的受器，不只能感測壓力、還能感受物體橫向拉扯、運動等感觸。

EOAT 也擁有相同精確的「觸覺」，能夠在用力過大之前即時調整力道。這讓 Vulcan 能感知推動一個枕頭和一個硬紙盒所需的力量不同，從而動態調整行為，避免損壞貨物。

其實，這更接近我們人類與世界互動的真實方式。當你想拿起桌上的一枚硬幣時，你的大腦並不會先計算出精準的空間座標。實際上，你會先把手伸到大概的位置，讓指尖輕觸桌面，再沿著桌面滑動，直到「感覺」到硬幣的邊緣，最後才根據觸覺決定何時彎曲手指、要用多大的力量抓起這枚硬幣。Vulcan 正是在學習這種「視覺＋觸覺」的混合策略，先用攝影機判斷大致的空間，再用觸覺回饋完成最後精細的操作。

靠著這項能力，Vulcan 已經能處理亞馬遜倉庫中約 75% 的品項，並被優先部署來處理最高和最低層的貨架——這些位置是最容易導致人類員工職業傷害的位置。這也讓自動化的意義，從單純的「替代人力」，轉向了更具建設性的「增強人力」。

SRT-H 在手術室中展現了「專家級的腦」，Vulcan 在倉庫中演化出「專家級的手」。但你發現了嗎？它們都還是「專家」，一個只會開刀，一個只會揀貨。雖然這種「專家型」設計能有效規模化、解決痛點並降低成本，但機器人的終極目標，是像人類一樣成為「通才」，讓單一機器人，能在人類環境中執行多種不同任務。

如何教一台機器人「舉一反三」？

你問，機器人能成為像我們一樣的「通才」嗎？過去不行，但現在，這個目標可能很快就會實現了。這正是 NVIDIA 的 GR00T 和 Google DeepMind 的 RT-X 等專案的核心目標。

過去，我們教機器人只會一個指令、一個動作。但現在，科學家們換了一種全新的教學思路：停止教機器人完整的「任務」，而是開始教它們基礎的「技能基元」（skill primitives），這就像是動作的模組。

例如，有負責走路的「移動」(Locomotion) 基元，和負責抓取的「操作」(Manipulation) 基元。AI 模型會透過強化學習 (Reinforcement Learning) 等方法，學習如何組合這些「技能基元」來達成新目標。

舉個例子，當 AI 接收到「從冰箱拿一罐汽水給我」這個新任務時，它會自動將其拆解為一系列已知技能的組合：首先「移動」到冰箱前、接著「操作」抓住把手、拉開門、掃描罐子、抓住罐子、取出罐子。AI T 正在學會如何將這些單一的技能「融合」在一起。有了這樣的基礎後，就可以開始來大量訓練。

當多重宇宙的機器人合體練功：通用 AI 的誕生

好，既然要學，那就要練習。但這些機器人要去哪裡獲得足夠的練習機會？總不能直接去你家廚房實習吧。答案是：它們在數位世界裡練習。

NVIDIA 的 Isaac Sim 等平台，能創造出照片級真實感、物理上精確的模擬環境，讓 AI 可以在一天之內，進行相當於數千小時的練習，獨自刷副本升級。這種從「模擬到現實」（sim-to-real）的訓練管線，正是讓訓練這些複雜的通用模型變得可行的關鍵。

DeepMind 的 RT-X 計畫還發現了一個驚人的現象：用來自多種「不同類型」機器人的數據，去訓練一個單一的 AI 模型，會讓這個模型在「所有」機器人上表現得更好。這被稱為「正向轉移」(positive transfer)。當 RT-1-X 模型用混合數據訓練後，它在任何單一機器人上的成功率，比只用該機器人自身數據訓練的模型平均提高了 50%。

這就像是多重宇宙的自己各自練功後，經驗值合併，讓本體瞬間變強了。這意味著 AI 正在學習關於物理、物體特性和任務結構的抽象概念，這些概念獨立於它所控制的特定身體。

不再是工程師，而是「父母」： AI 的新學習模式

這也導向了一個科幻的未來：或許未來可能存在一個中央「機器人大腦」，它可以下載到各種不同的身體裡，並即時適應新硬體。

這種學習方式，也從根本上改變了我們與機器人的互動模式。我們不再是逐行編寫程式碼的工程師，而是更像透過「示範」與「糾正」來教導孩子的父母。

NVIDIA 的 GR00T 模型，正是透過一個「數據金字塔」來進行訓練的：

• 金字塔底層： 是大量的人類影片。
• 金字塔中層： 是海量的模擬數據（即我們提過的「數位世界」練習）。
• 金字塔頂層： 才是最珍貴、真實的機器人操作數據。

這種模式，大大降低了「教導」機器人新技能的門檻，讓機器人技術變得更容易規模化與客製化。

當機器人不再是「一個」物體，而是「任何」物體？

我們一路看到了機器人如何學會思考、觸摸，甚至舉一反三。但這一切，都建立在一個前提上：它們的物理形態是固定的。

但，如果連這個前提都可以被打破呢？這代表機器人的定義不再是固定的形態，而是可變的功能：它能改變身體來適應任何挑戰，不再是一台單一的機器，而是一個能根據任務隨選變化的物理有機體。

有不少團隊在爭奪這個機器人領域的聖杯，其中瑞士洛桑聯邦理工學院特別具有代表性，該學院的仿生機器人實驗室（Bioinspired Robotics Group, BIRG）2007 年就打造模組化自重構機器人 Roombots。

有不少團隊在爭奪這個機器人領域的聖杯，其中瑞士洛桑聯邦理工學院（EPFL）特別具有代表性。該學院的仿生機器人實驗室（BIRG）在 2007 年就已打造出模組化自重構機器人 Roombots。而 2023 年，來自 EPFL 的另一個實驗室——可重組機器人工程實驗室（RRL），更進一步推出了 Mori3，這是一套把摺紙藝術和電腦圖學巧妙融合的模組化機器人系統。

Mori3 的核心，是一個個小小的三角形模組。別看它簡單，每個模組都是一個獨立的機器人，有自己的電源、馬達、感測器和處理器，能獨立行動，也能和其他模組合作。最厲害的是，它的三條邊可以自由伸縮，讓這個小模組本身就具備「變形」能力。

當許多 Mori3 模組連接在一起時，就能像一群活的拼圖一樣，從平面展開，組合成各種三維結構。研究團隊將這種設計稱為「物理多邊形網格化」。在電腦圖學裡，我們熟悉的 3D 模型，其實就是由許多多邊形（通常是三角形）拼湊成的網格。Mori3 的創新之處，就是把這種純粹的數位抽象，真正搬到了現實世界，讓模組們化身成能活動的「實體網格」。

這代表什麼？團隊已經展示了三種能力：

• 移動：他們用十個模組能組合成一個四足結構，它能從平坦的二維狀態站立起來，並開始行走。這不只是結構變形，而是真正的協調運動。
• 操縱： 五個模組組合成一條機械臂，撿起物體，甚至透過末端模組的伸縮來擴大工作範圍。
• 互動： 模組們能形成一個可隨時變形的三維曲面，即時追蹤使用者的手勢，把手的動作轉換成實體表面的起伏，等於做出了一個會「活」的觸控介面。

這些展示，不只是實驗室裡的炫技，而是真實證明了「物理多邊形網格化」的潛力：它不僅能構建靜態的結構，還能創造具備複雜動作的動態系統。而且，同一批模組就能在不同情境下切換角色。

想像一個地震後的救援場景：救援隊帶來的不是一台笨重的挖土機，而是一群這樣的模組。它們首先組合成一條長長的「蛇」形機器人，鑽入瓦礫縫隙；一旦進入開闊地後，再重組成一隻多足的「蜘蛛」，以便在不平的地面上穩定行走；發現受困者時，一部分模組分離出來形成「支架」撐住搖搖欲墜的橫樑，另一部分則組合成「夾爪」遞送飲水。這就是以任務為導向的自我演化。

這項技術的終極願景，正是科幻中的概念：可程式化物質（Programmable Matter），或稱「黏土電子學」（Claytronics）。想像一桶「東西」，你可以命令它變成任何你需要的工具：一支扳手、一張椅子，或是一座臨時的橋樑。

未來，我們只需設計一個通用的、可重構的「系統」，它就能即時創造出任務所需的特定機器人。這將複雜性從實體硬體轉移到了規劃重構的軟體上，是一個從硬體定義的世界，走向軟體定義的物理世界的轉變。

更重要的是，因為模組可以隨意分開與聚集，損壞時也只要替換掉部分零件就好。足以展現出未來機器人的適應性、自我修復與集體行為。當一群模組協作時，它就像一個超個體，如同蟻群築橋。至此，「機器」與「有機體」的定義，也將開始動搖。

從「實體探索」到「數位代理」

我們一路見證了機器人如何從單一的傀儡，演化為學會思考的外科醫生 (SRT-H)、學會觸摸的倉儲專家 (Vulcan)、學會舉一反三的通才 (GR00T)，甚至是能自我重構成任何形態的「可程式化物質」(Mori3)。

但隨著機器人技術的飛速發展，一個全新的挑戰也隨之而來：在一個 AI 也能生成影像的時代，我們如何分辨「真實的突破」與「虛假的奇觀」？

舉一個近期的案例：2025 年 2 月，一則影片在網路上流傳，顯示一台人形機器人與兩名人類選手進行羽毛球比賽，並且輕鬆擊敗了人類。我的第一反應是懷疑：這太誇張了，一定是 AI 合成的影片吧？但，該怎麼驗證呢？答案是：用魔法打敗魔法。

在眾多 AI 工具中，Perplexity 特別擅長資料驗證。例如這則羽球影片的內容貼給 Perplexity，它馬上就告訴我：該影片已被查證為數位合成或剪輯。但它並未就此打住，而是進一步提供了「真正」在羽球場上有所突破的機器人—來自瑞士 ETH Zurich 團隊的 ANYmal-D。

接著，選擇「研究模式」，就能深入了解 ANYmal-D 的詳細原理。原來，真正的羽球機器人根本不是「人形」，而是一台具備三自由度關節的「四足」機器人。

如果你想更深入了解，Perplexity 的「實驗室」功能，還能直接生成一份包含圖表、照片與引用來源的完整圖文報告。它不只介紹了 ANYmal-D 在羽球上的應用，更詳細介紹了瑞士聯邦理工學院發展四足機器人的完整歷史：為何選擇四足？如何精進硬體與感測器結構？以及除了運動領域外，四足機器人如何在關鍵的工業領域中真正創造價值。

AI 代理人：數位世界的新物種

從開刀、揀貨、打球，到虛擬練功，這些都是機器人正在學習「幫我們做」的事。但接下來，機器人將獲得更強的「探索」能力，幫我們做那些我們自己做不到的事。

這就像是，傳統網路瀏覽器與 Perplexity 的 Comet 瀏覽器之間的差別。Comet 瀏覽器擁有自主探索跟決策能力，它就像是數位世界裡的機器人，能成為我們的「代理人」（Agent）。

它的核心功能，就是拆解過去需要我們手動完成的多步驟工作流，提供「專業代工」，並直接交付成果。

例如，你可以直接對它說：「閱讀這封會議郵件，檢查我的行事曆跟代辦事項，然後草擬一封回信。」或是直接下達一個複雜的指令：「幫我訂 Blue Origin 的太空旅遊座位，記得要來回票。」

接著，你只要兩手一攤，Perplexity 就會接管你的瀏覽器，分析需求、執行步驟、最後給你結果。你再也不用自己一步步手動搜尋，或是在不同網站上重複操作。

AI 代理人正在幫我們探索險惡的數位網路，而實體機器人，則在幫我們前往真實的物理絕境。

立即點擊專屬連結 https://perplexity.sng.link/A6awk/k74… 試用 Perplexity吧！ 現在申辦台灣大哥大月付 599(以上) 方案，還可以獲得 1 年免費 Perplexity Pro plan 喔！(價值 新台幣6,750)

◆Perplexity 使用實驗室功能對 ANYmal-D 與團隊的全面分析 https://drive.google.com/file/d/1NM97…

• 文／賴昭正 前清大化學系教授、系主任、所長；合創科學月刊

有心栽花花不開，無心插柳柳成蔭

－明代《增廣賢文》

在十六世紀以前，宇宙的起源、歷史、與結構一直被認為是屬於宗教與哲學的範圍，因此最初的許多宇宙論都是以人為中心、基於神話和傳說，並認為宇宙是永恆不變的。

為什麼是永恆不變的？一個正在改變的宇宙，便應該有面臨終結的命運，這似乎不符合超越人類之創世者存在的宗教信仰。

因此 17 世紀末至 19 世紀初之歐洲啟蒙時代（也稱為理性時代）雖然企圖擺脫對宗教盲目的信仰，追求通過理性和感官證據去獲得知識，但似乎並未改變科學家深信自盤古開天闢地以來，宇宙是靜態、永恆不變的根深蒂固想法。

牛頓在 1687 年提出萬有引力來闡述宇宙星球的運行，但只有一個吸引力的宇宙是不可能保持靜態的，因此牛頓理論需要一個持續的奇蹟來保持宇宙的靜態，防止宇宙的崩潰（即防止宇宙因為太陽和恆星被拉到一起而崩潰）^[1]。

愛因斯坦 1915 年發表包括重力在內的廣義相對論後，當然也思考著宇宙結構的問題。但他 1917 年所提出來的宇宙模型也像其它只有吸引力的模型一樣，謂宇宙是不可能保持靜態，只能膨脹或收縮！所以愛因斯坦就將重力方程式做了「少許修改」，讓宇宙能保持靜態。

1929 年，美國天文學家哈柏（Edwin Hubble）分析了一些從遙遠星群傳來之光譜的測量結果，發現其頻率很有系統地往較低之紅色位移（red shift），其位移值隨星群離我們之距離的增加而加大。顯然地，遙遠星群是依一定的規則在遠離我們：距離我們越遠，後退速率越快，稱為「哈柏–勒梅特定律」（Hubble-Lemaître law）］。

• 紅移

多普勒效應（Doppler effect）或多普勒頻移（Doppler shift）是因聲音波源及觀察者的相對移動而造成波頻率變化的現象。當波源及觀察者互相接近時，觀察者會測到波源的頻率比原來的高；反之，當他們遠離時，觀察者會測到波源的頻率例比原來的低。頻率的改變與相對速度成正比。因為光也是一種振動，故也有類似的現象。就可見光而言，紅光頻率較低，藍光頻率較高，因此光頻因兩物體互相遠離而變低時，我們稱為「紅移」（redshift）；反之，我們稱為「藍移」（blueshift）。

這無可避免的結論是：宇宙正處於正在膨脹的狀態！此一完全出乎意外的發現，改變了宇宙論這一研究的整個面貌！可是哈柏後來辯稱，不確定性的有限數據似乎支持靜止宇宙的概念，但他並沒有明確排除宇宙膨脹的可能性，因此他從未獲得諾貝爾獎——開玩笑的，他真正未得諾貝爾獎的原因見後。

有什麼證據可以說服像牛頓、愛因斯坦、哈柏這樣的大科學家相信宇宙是在膨脹呢？

標準大霹靂宇宙論

一個正在膨脹的宇宙是一個動態改變的宇宙，因此應該具有生命的歷史──甚至可能有出生與死亡。依現在廣為大部份科學家所接受的「標準大霹靂宇宙論」（standard cosmological Big Bang model），現在的宇宙年齡大約是 140 億年。

我們雖然對 140 億年前的宇宙結構細節非常不清楚，但大部份的科學家均認為宇宙是由「一個時空特異點」突然大爆炸而出現的──雖然物理學家尚不知道可用什麼理論來解釋該特異點。

剛爆炸時的宇宙處於一個高度均勻、非常高溫、及高輻射能密度的狀態；大約 10^-12 秒後，溫度下降到太陽核心溫度的一億倍時，我們現在所知道的自然力就出現了，此時被稱為夸克的基本粒子在能量海洋中自由遊蕩。大約 10^–6 秒時，自由夸克就被限制在中子和質子中。大爆炸一秒鐘後，宇宙充滿了中子、質子、電子、反電子、光子、和中微子。之後，隨著宇宙繼續膨脹，溫度也繼續下降，質子和中子開始結合形成原子核，然後又與電子結合形成現今宇宙中主要成分的氦和氘原子。這些中性原子透過重力開始合併成氣體雲，慢慢演變成恆星。當宇宙膨脹到現在大小的五分之一時，恆星已經形成了可以識別的年輕星系群體。

在電子、質子、和中子結合形成不帶電之原子前，因輻射能直接與帶電體作用，故宇宙是「不透明」的。當宇宙膨脹持續了 38 萬年、比現在小 1000 倍、溫度只有 ~3000K 時，中性原子開始大量出現；宇宙學家稱此一時期為「複合時期（recombination epoch）」。因為中性原子不能散射輻射，故輻射能在其間自由遊蕩，宇宙於是就變「透明」了，宇宙學家稱此一事件為「光子去耦（photon decoupling）」。

黑體輻射光譜

在物理學上，黑體（blackbody）是可以吸收所有入射電磁輻射的理想物理體；因它吸收所有顏色的光，故呈黑色，稱為「黑體」。黑體也發射所有頻率的電磁波，稱為「黑體輻射」；其頻率分佈稱為「黑體輻射光譜」（blackbody radiation spectrum）或「黑體光譜」。

實驗發現黑體光譜與物體之形狀或成分完全無關，只與其溫度有關。古典物理沒辦法解釋黑體光譜，導致了量子力學的發展（詳見《量子的故事》）。處於恆溫之熱平衡狀態的物體會發射該溫度之黑體輻射，其頻率或波長分佈如上圖。

黑體輻射的總能量與其溫度的四次方成正比，稱為「斯特凡-玻爾茲曼定律」（Stefan–Boltzmann law）；其光譜的峰值波長與其溫度成反比，稱為「維恩位移定律」（Wien displacement law）。太陽表面溫度約為 6000K，其光譜的峰值落在可見光的範圍，正是我們眼睛所能感應到的電磁波（見上圖）！

你說這是巧合還是演化的必然結果？

宇宙微波背景輻射——理論

1960 年代，普林斯頓大學物理學家迪克（Robert Dicke）及學生皮布爾斯（Jim Peebles）對 38 萬年前可以自由地穿過宇宙的輻射感到興趣，開始探討這些輻射遺留下來的可能性。他們推論說：如果宇宙是根據大爆炸理論創造的，那麼在「光子去耦」時，這些輻射應與物質作用達到平衡，其頻率分佈應是 3000K 之黑體輻射的光譜，強度最高的輻射在紅外線區（波長約為 970 nm）。托爾曼（Richard Tolman）在 1934 年的《相對論、熱力學和宇宙學》一書謂：宇宙因膨脹而溫度一直在下降，輻射頻率的分佈當然也一直隨其溫度在改變，但卻永遠保持著黑體輻射的分佈特性。

去耦時的宇宙大約比現在小 1000 倍，溫度大約為 3000K，因此當宇宙空間膨脹到現在之值時，當時之黑體輻射峰值波長便應該增長 1000 倍到微波範圍的 970 μm。因黑體光譜的峰值波長與其溫度成反比，故如果黑體輻射峰值波長增長 1000 倍，黑體的溫度便應該下降 1000 倍到 ~3K。所以現在的宇宙應充滿著 ~3K 的黑體輻射，稱為「宇宙微波背景輻射」（cosmic microwave background radiation，縮寫為 CMB 或 CMBR）。

迪克及皮布爾斯都是動嘴不動手的理論物理學家，因此只好說服同事威爾金森（David Wilkinson）和羅爾（Peter Roll）去安裝天線搜索這些輻射（有心栽花…… ）。

宇宙微波背景輻射——偵測

幾乎就在同時，貝爾實驗室的彭齊亞斯（Arno Penzias）和威爾遜（Robert Wilson）抓住機會，將該實驗室本想作廢的一個巨大的 20 英尺喇叭形天線，轉來作為輻射望遠鏡，以放大和測量來自星系之空間的無線電信號。為此，他們必須消除來自地面之雷達和無線電廣播的影響，並通過液氦冷卻接收器本身來抑制其核心的干擾。

在排除了能想到的一切過量輻射的來源後，他們發現接收器中仍持續存在有一種低沉、穩定、神秘的噪音。這殘留的噪音不但比他們預想的強烈一百倍，還晝夜均勻地散佈在天空；他們再次徹底檢查了設備，甚至清理了一些堆積在天線中的鴿子糞便後，噪音依然存在。顯然地，這 7.35 厘米波長的輻射不是來自地球、太陽、或我們的銀河系，而是來自銀河系外。可是什麼地方呢？

當麻省理工學院物理學教授伯克（Bernard Burke）告訴彭齊亞斯他曾看到皮布爾斯的一篇預印本論文，討論在宇宙出現後可能留下的輻射時，彭齊亞斯和威爾遜立刻意識到他們之發現的可能重要性。彭齊亞斯打了電話給就在附近工作之迪克，要了一份尚未發表的皮布爾斯論文。讀完該論文後，彭齊亞斯又打了電話給迪克，邀請他到貝爾實驗室看喇叭天線，欣賞背景噪音。迪克與貝爾實驗室的研究人員分享了他的理論工作後，認為後者（無心插柳）所發現的微波輻射正是他們正在尋找的大爆炸的標誌（柳成蔭）。

為了避免潛在的衝突，他們決定聯合發布他們的結果。 兩封快報同時迅速地在 1965 年的《天體物理學雜誌》（Astrophysical Journal）出現。在該雜誌裡，迪克和他的同事先概述了宇宙背景輻射作為大爆炸理論證據的重要性，然後彭齊亞斯和威爾遜報告了 3.5K 之殘餘背景噪音實驗，並謂迪克快報中的理論正可能是噪音的來源。

彭齊亞斯回憶說：「當我們第一次聽到莫名其妙的嗡嗡聲時，我們不明白它的意義，我們做夢也沒有想到它會與宇宙的起源有關。直到我們對聲音的起源用盡了所有可能的解釋後，我們才意識到我們偶然發現了一件大事。」彭齊亞斯和威爾遜因意外發現「微波背景輻射」而獲得了 1978 年的諾貝爾物理學獎。提供理論解釋的迪克及皮布爾斯則被排除在外^[2]。據皮布爾斯的回憶：迪克在掛斷彭齊亞斯之電話後，曾無奈地向普林斯頓大學的同事說：「完了，同事們，我們被別人捷足先登了（Well, boys, we’ve been scooped.）」。皮布爾斯雖然在 1978 年與諾貝爾獎失之交臂，但在 2019 年還是因在物理宇宙學方面的貢獻而獲得諾貝爾物理學獎。

宇宙微波背景輻射——誰先提出？

事實上早在 1941 年科學界就開始有幾個對宇宙空間溫度的估計，但這些估計存在兩個缺陷。

首先，它們是對宇宙空間有效溫度的測量，並不表明宇宙空間充滿了黑體光譜。

其次，它們依賴於地球在銀河系邊緣的特殊位置，也沒有表明輻射分佈與方向無關。儘管如此，現在很多文獻都錯誤地認為第一位提出宇宙微波背景輻射的科學家是名科普作家伽莫（George Gamow）。

1940 年代初期，伽莫想知道早期宇宙的條件是否會產生科學家現在所觀察到的氫、氦、和其他元素。這項研究需要核物理知識，但當時美國的大多數核物理學家都被招募去發展原子彈，因此伽莫基本上是獨自一人在研究核合成問題。伽莫本人並不特別擅長數學計算，因此建議他的博士生阿爾弗（Ralph Alpher）去做這雜事。他們假設大爆炸後的宇宙非常熱、充滿了中子，原子核是透過一次捕獲一個中子而形成的，偶爾原子核會衰變產生一個更重的原子核（加上一個電子和一個中微子）。在 1948 年 4 月的論文裡，他們成功地預測了宇宙中氫和氦的比例（佔所有原子的 99.99%），為大爆炸模型的另一次重大勝利。

在上面提到的 1948 年的論文裡，伽莫和阿爾弗並沒有提到「宇宙初始膨脹的殘餘輻射」。幾個月後，阿爾弗和約翰霍普金斯大學同事赫爾曼（Robert Herman）發表了另一篇論文，謂現今觀察到的氫和氦濃度說明了在宇宙誕生後的幾分鐘內，宇宙的溫度曾經處於十億度的範圍內；並預測那早期宇宙中強烈輻射的微弱殘餘現今大約在「5K 左右」（兩年後他們重新估計為 28K）。事實上，阿爾弗說伽莫最初是反對這一預測的；他在 1997 年 8 月 25 日的一封信中寫道：

1948 年末，我和赫爾曼發表那篇論文後，伽莫三年來對預測（宇宙背景溫度）的貢獻一直是：對其正確性及意義強烈地表達了保留意見。後來他返回（這題目）並發表了幾篇論文，在理論上承認了這種輻射的存在，但繼續錯誤地計算其性質，混淆了數年的（歷史）文獻！

結論——從背景輻射，到恆星的「種子」

事實上彭齊亞斯和威爾遜並沒有探測到輻射具有黑體的光譜分佈；在 8 個月後，威爾金森和羅爾的實驗才總算開花顯示出 2.7K 光譜分佈的證據。但完全證明輻射的黑體性質則在更長的時間後才出現。靜態宇宙論雖然也可以解釋宇宙背景溫度，卻沒辦法解釋其光譜分佈，因此黑體微波背景輻射光譜的發現終於鞏固了大霹靂宇宙論在天文學上的地位！

一個在空間均勻分佈的輻射怎麼可能產生星球呢？因此這一充滿空間的輻射必須有一些局部變化⎯⎯無論多麼輕微，來提供形成物體的「種子」。1970 年代，天文學家發現了宇宙背景輻射在不同方向上確實有些微差異。這一發現激發了美國宇航局投入數十億美元，在戈達德太空飛行中心（Goddard Space Flight Center）開始研製一種不僅可以測量背景輻射的變化，還可以證明它是黑體輻射的「宇宙背景探測器」 （COsmic Background Explore；COBE）衛星。

宇宙背景探測器於 1989 年發射。它準備花四年的時間來觀察蒐集資料。但在幾個小時內，它就證明了宇宙背景輻射的光譜分佈確實是黑體，完全符合與來自大爆炸時的理論計算。在 1992 年 4 月 3 日的新聞發布會上，加州大學柏克萊分校的天文物理學家斯穆特（George Smoot）宣布衛星探測器偵測到了宇宙微波背景的微小波動，為研究早期宇宙的一個突破：「我們觀察到早期宇宙中最古老和最大的現代結構（如星系、星系團等）的原始種子。不僅如此，它們也是（宇宙）創造時期遺留下來的時空結構中的巨大漣漪」；並謂「如果你有宗教信仰，那就像是看到了上帝」。馬瑟（John Mather）與斯穆特「因發現了宇宙微波背景輻射的黑體形式和各向異性」而獲得 2006 年諾貝爾物理學獎。

哈柏的發現改變了整個宇宙論研究的面貌，這麼大的貢獻，為什麼他從未獲得諾貝爾獎呢？原來那時的諾貝爾獎物理委員會不承認天文學是物理！因為這個關係，哈柏後來一直在努力爭取諾貝爾獎承認天文為一物理學的工作。

註解

• 註 1：因為正在撰寫這篇文章，筆者在此就賣個關子，不談牛頓如何解決這個問題。
• 註 2：是否因諾貝爾獎最多只能給三人之故就不得而知了。有趣的是：當初楊振寧與李政道因提出理論而獲得諾貝爾獎，吳建雄及雷德曼（Leon Lederman）之實驗驗證則被排除在外。

延伸閱讀

• 賴昭正：「我愛科學」（華騰文化有限公司，2017 年 12 月出版）：裡面收集了下面那兩篇文章。
• 愛因斯坦的最大錯誤–宇宙論常數 （科學月刊 2011 年十二月號；或泛科學 2011/12/11) 。
• 黑體輻射的光譜分佈請參考「太陽能與光電效應」（科學月刊 2011 年十二月號）或《量子的故事》， 新竹凡異出版社，第二版 （2005）。
• 賴昭正譯（P.C.W. Davies 原著）：「近代宇宙觀中的空間與時間」（新竹國興出版社，1981 年 8 月出版）。