科學家發現，阿根廷中部的牧草地，一平方公尺內居然有高達89種植物。而羅馬尼亞和捷克的牧草地，也差不多有如此豐富的植物種類。這則發表在《植被科學期刊》（Journal of Vegetation Science）的研究中，科學家在不同面積大小的區域內，鑑定出上萬種已被發表和未曾發表的植物。牛、羊之類的食草動物，會吃掉草原上層的植物，讓更多植物能接收到充足的陽光，使更多種類植物得以生長。不過隨著放牧的減少，牧草地的植物多樣性熱點也變得稀少。
資料來源：ScienceShot: Grazed Grasslands Are Biodiversity Hot Spots [15 March 2012]
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。
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！
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。
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。
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。
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。
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。
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
討論功能關閉中。
在新冠肺炎（COVID-19）大流行後，馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來，變成後疫情時代最重要的兩個元素。對食物的焦慮點燃人們大腦中所有生存意志，於是大家開始恐慌性地購買，讓原本就已經脆弱、易受攻擊的現代糧食系統更岌岌可危。
值得慶幸的是，我們的祖先以前就經歷過這一切，留下來的經驗值得借鏡。菇類採集的興趣在艱難時期達到顛峰，這反映了人類本能上對未來產生的恐懼。1 無論是否有意，我們意識到需要找回擁有食物的主導權，循著古老能力的引導來找尋、準備我們自己的食物，如此才能應付食物短缺所產生的焦慮。
我們看見越來越多人以城市採集者的身分對野生菇類有了新的品味，進而找到安全感並與大自然建立起連結。這並不是說菇類採集將成為主要的生存方式，而是找回重新獲得自給自足能力的安全感。此外，菇類採集的快感就足以讓任何人不斷回歸嘗試。
在這個數位時代，菇類採集是讓我們能與自然重新連結的獨特活動。我們早已遺忘，身體和本能，就是遺傳自世世代代與自然和諧相處的菇類採集者。走出現代牢籠、進入大自然從而獲得的心理和心靈滋養不容小不容小覷。森林和其他自然空間提醒著我們，這裡還存在另一個宇宙，且和那些由金錢、商業、政治與媒體統治的宇宙同樣重要（或更重要）。
只有願意撥開遮蓋的落葉並專注尋找，才能體認到菇類的多樣性和廣泛分布。一趟森林之旅能讓人與廣大的生態系統重新建立連結，另一方面也提醒我們，自己永遠屬於生命之網的一部分，從未被排除在外。
腐爛的樹幹不再讓人看了難受，而是一個充滿機遇的地方：多孔菌（Bracket Fungi）──這個外觀看起來像貨架的木材分解者，就在腐爛的樹幹上茁壯成長，規模雖小卻很常見。此外，枯葉中、倒下的樹上、草地裡或牛糞上，也都是菇類生長的地方。
菇類採集是一種社會的「反學習」（遺忘先前所學）。你不是被動地吸收資訊，而是主動且專注地在森林的每個角落尋找真菌。不過度採集、只拿自身所需，把剩下的留給別人。你不再感覺遲鈍，而是磨練出注意的技巧，只注意菇類、泥土的香氣，以及醒目的形狀、質地和顏色。
菇類採集喚醒身體的感官感受，讓心靈與身體重新建立連結。這是一種可以從中瞭解自然世界的感人冥想，每次的發現都振奮人心，運氣好的話還可以帶一些免費、美味又營養的食物回家。祝您採集愉快。
菇類採集就像在生活中摸索一樣，很難照既定計畫執行，而且以前的經歷完全派不上用場。最好的方法就是放棄「非採集到什麼不可」的念頭，持開放心態走出戶外執行這項工作。菇類採集不僅是享受找到菇的滿足感，更重要的是體驗走過鬆脆的樹葉、聞著森林潮濕的有機氣味，並與手持手杖和柳條筐的友善採菇人相遇的過程。
你很快就會明白為什麼真菌會有「神秘的生物界」的稱號。真菌無所不在但又難以捉摸，採集過程幾乎就像玩捉迷藏，只不過你根本不確定自己在找什麼，甚至根本不知道要找的東西是否存在。但還是要有信心，只要循著樹木走、翻動一下原木、看看有落葉的地方，這個過程就會為你指路。一點點的計畫，將大大增加你獲得健康收益的機會。所以，讓我們開始吧。
林地和草原，是你將開始探索的兩個主要所在。林地底層提供真菌所需的有機物質，也為樹木提供菌根關係。橡樹、松樹、山毛櫸和白樺樹都是長期的菌根夥伴，所以循著樹種，就離找到目標菇類更近了。
草原上也會有大量菇類，但由於這裡的樹木多樣性和環境條件不足，所以菇類種類會比林地少許多。如果這些地點選項對你來說都太遠了，那麼可以試著在自家花園或在地公園綠地當中尋找看看。這些也都是尋菇的好地方。
澳洲可以說是真菌天堂。與其他大陸隔絕的歷史、不斷變化的氣候以及營養豐富的森林，讓澳洲真菌擁有廣大的多樣性。澳洲新南威爾斯州（New South Wales）的奧伯倫（Oberon）就有一座超過四萬公頃的松樹林，是採集菇類的最佳地點之一。
在那裡，有廣受歡迎的可食用菌松乳菇（又稱紅松菌），據說這種真菌的菌絲體附著在一棵歐洲進口樹的根部，而意外被引進澳洲。 1821 年，英國真菌學家塞繆爾・弗里德里克・格雷（Samuel Frederick Gray）將這種胡蘿蔔色的菇命名為美味乳菇（Lactarius deliciosus），這的確名符其實，因為「Deliciosus」在拉丁語中意為「美味」。如果想要在奧伯倫找到這些菇類，秋天時就要開始計劃，在隔年二月下旬至五月的產季到訪。
在英國，漢普郡的新森林國家公園（Hampshire’s New Forest）距離倫敦有九十分鐘的火車車程。它由林地和草原組成，當中有種類繁多的植物群、動物群和真菌可供遊客觀賞，甚至還有野生馬匹在園區裡四處遊蕩。
這片森林擁有兩千五百多種真菌，其中包括會散發惡臭的臭角菌（Phallus impudicus），它的外觀和結構就如圖鑑中描述般，與男性生殖器相似且不常見。還有喜好生長於橡樹上，外觀像架子一樣層層堆疊的硫色絢孔菌（Laetiporus sulphureus ，又稱林中雞）。該國家公園不允許遊客採收這裡的菇，所以請把時間花在搜尋、鑑別與欣賞真菌上。如果幸運的話，該地區可能會有採集團體可以加入，但能做的也僅限於採集圖像鑑別菇類，而非採集食用。
甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種，但這個占地八百四十英畝的公園現已登錄了四百多種菇類，足以證明真菌孢子的影響之深遠。
加里・林科夫（Gary Lincoff）是一位自學成才、被稱作「菇類吹笛人」2 的真菌學家，他住在中央公園附近，並以紐約真菌學會的名義會定期舉辦菇類採集活動。林科夫是該學會的早期成員之一，該學會於 1962 年由前衛作曲家約翰・凱吉（John Cage）重新恢復運作。凱吉也是一位自學成才的業餘真菌學家，並靠自己的能力成為專家。
進行菇類採集時，找瞭解特定物種及其棲息地的在地專家結伴同行，總是有幫助的。如果你需要一個採集嚮導，求助於所在地的真菌學會會是一個正確方向。
在適當的環境條件下（例如溫度、光照、濕度和二氧化碳濃度），菌絲體全年皆可生長。某些物種對環境條件較敏感，但平均理想溫度介於 15~24 ℃ 之間，通常是正要進入冬季或冬季剛過期間，因此秋季和春季會是為採集菇類作計畫的好季節。
當菌絲體從周圍吸收水分時，會產生一股破裂性的力量，讓細胞充滿水分並開始出菇。這就是菇類通常會出現在雨後和一年中最潮濕月份的原因。牢記這些條件，就可以引導你找到寶藏。但也要記得，因為菇類受溫度變化模式和降雨量的影響很大，所以每年採菇的旺季時間會略有不同。
——本文摘自《真菌大未來：不斷改變世界樣貌的全能生物，從食品、醫藥、建築、環保到迷幻》，2023 年 12 月，積木文化出版，未經同意請勿轉載。
匈奴帝國是歐亞草原的第一個帝國，主要疆域位於蒙古，世界史上有一席之地。匈奴人缺乏自身的文字記載，後人只能參考旁觀者，主要是漢朝人的歷史紀錄。所幸近來考古學、遺傳學的進展，大幅增進我們對匈奴的認識，也帶來新的啟示。
由遺骸直接取得古代 DNA 分析遺傳訊息，此前得知「匈奴人」的血脈源流相當多元，2023 年問世的一篇論文，調查匈奴帝國西部邊疆的墓葬，發現當地地位最高的都是女生，血緣絕大部分算是「東方」；而地位較低的男生們，遺傳上更加多元。
匈奴帝國沒有明確的國界，不過當然有個勢力範圍。這項研究調查的地點位於現今的蒙古國西部，地理上算是阿爾泰山的南部，新疆的準噶爾盆地的東北方。這兒在匈奴時期，可謂匈奴勢力的最西端。
兩處大墓葬群距離約 50 公里，各有很多個墓。一些墓中有不少高貴的陪葬品，推測長眠者的地位較高；還有更多墓的派頭普通，墓主生前地位似乎較低。
一處墓葬群 Takhiltyn Khotgor，簡稱 TAK，年代介於公元前 40 年到公元 50 年。有兩小群 THL-82 和 THL-64 被完整挖掘，都以一位女性的華麗墓葬為主，周圍環繞幾個衛星墓葬。另外 THL-25 目前只有挖掘衛星墓葬。這兒以前報告過 1 個，加上這回 7 個，總共 8 個古代基因組。
另一處墓葬群 Shombuuzyn Belchir，簡稱 SBB，年代介於公元前 50 年到公元 210 年，這回貢獻 10 個古代基因組。
匈奴帝國的年代約為公元前 200 年到公元 100 年，因此這回調查的樣本包括中期到後期，是匈奴已經興起一段時間後的狀況。研究對象們都只有代號，讀者假如有興趣，也能試著替他們取名字，比較有親切感。
完整挖掘的 THL-82 墓群的成年女生「TAK001」，陪葬在該區域最豐富。她長眠於裝飾精美的木製棺材，旁邊擺著六匹馬、中國風格的青銅馬戰車配件、一個青銅壺等陪葬品。
THL-64 墓群另一位狀況類似的女生「TAK002」長眠於木製棺材，旁邊擺著一匹馬、四隻羊，以及代表太陽及月亮的金盤。日、月是匈奴的象徵之一， 匈奴價值充斥。
澎湃的陪葬品以外，考古學家認為，我們想來平凡的木頭棺材，其實最能彰顯她們匈奴精英之尊貴地位。因為附近地區缺乏樹木，墓葬一般採用石材；木製棺材必需長途進口木柴方能製作，或許有數百公里之遙。更不用說，弓箭是匈奴人的命脈，而木頭是生產弓箭的寶貴原料。
由墓葬況狀判斷，這兩位女生當年是該地區身份很高的人，而周圍的附屬墓葬可能是她們的手下。有意思的是，與她們埋在一起的其他人，大家都沒有血親關係。
寫到這兒不能逃避，有必要解釋一下何謂匈奴的「血緣」，古遺傳學家講的「多元」或東方、西方是什麼意思？
至今已經累積超過一萬個古代基因組，大部分位於歐洲、中東，不過歐亞大陸北部、中部也有一批，交叉對照可以判斷，歷代蒙古居民的遺傳組成與變化。
匈奴帝國在兩千多年前誕生，比這更早以前，蒙古地區的人口十分有限，可以粗略劃分出三大遺傳族群。
偏東邊的 Slab Grave，以蒙古鐵器時代早期的樣本為代表（也類似所謂的 Ancient Northeast Asian，簡稱 ANA 祖源）。北邊的 Khövsgöl，以貝加爾湖附近青銅時代晚期的樣本為代表。拆解更細的話，Khövsgöl 其實也有源於草原西部的小部分血緣，不過兩者在這項研究都被視為「東方」。
靠西邊的阿爾泰地區，以青銅時代中期、晚期的樣本為代表，這支血脈大部分能追溯到草原西部較早的移民，算是匈奴較早的「西方」成分。這些祖源應該是匈奴帝國興起前，蒙古地區的人群基礎。
匈奴時期，又有更多方向的血脈加入草原大聯盟。東南方向的漢朝人，用此前發表的「Han_2000BP」為代表，無疑算作「東方」。
「西方」有多個源頭。西北方向的 Sagly/Uyuk，以阿爾泰山鐵器時代的 Chandman 樣本為代表（和東方的斯基泰人，例如「巴澤雷克文化」類似，還具備小部分 BMAC 血緣），不過地理上其實沒有太西。
還有西南方向的綠洲地帶「巴克特里亞－馬爾吉阿納（Bactria–Margiana Archaeological Complex，簡稱 BMAC）」，以及再度由草原西部遠道而來，血緣類似薩馬提亞人（Sarmatians）的新移民。
匈奴作為歐亞大陸中心的大帝國，融入各地血脈並不意外。奇妙的是，這項研究只探索一處很小的地區，同屬一個社群的幾個墓葬，竟然涵蓋大部分的血緣變化。
陪葬品最華麗的 TAK001 有馬有車，姑且稱呼她為「馬車女士」。她配備約 9.3% 的少量西方血緣，大部分則是 Khövsgöl 東方血緣。葬在她附近的兩位男生「TAK008」和「TAK009」約 86.8% 西方血緣，三人間都沒有血緣關係。
充斥匈奴精神的 TAK002 姑且稱為「日月女士」。她幾乎完全配備東方血緣，卻與馬車女士不同。日月女士有一半為 Slab Grave，另一半則是漢朝血緣。她附近兩位男生「TAK003」的西方成分很高，「TAK004」則是 Slab Grave 東方血緣，三人間都沒有血緣關係。
另一處目前只挖掘衛星墓葬的 THL-25，分析兩人。男生「TAK006」完全為東方血緣，和日月女士一樣是 Slab Grave 加漢朝組合，不過比例不同。
「TAK005」是蘿莉，她是這群墓葬中唯一陪葬寒酸的女性，或許是年紀太小。她完全為 Sagly/Uyuk 西方血緣，另一位成年男生 TAK003 也有 70%。再度提醒讀者，盡管視作西方，此一追溯到阿爾泰地區的血脈，實際上並沒有多西邊，距離這回調查的遺址也不太遠。
總之，TAK 墓葬中人，每個人的血緣組成都不太一樣。男生們的血緣可謂變化多端，什麼都有。地位最高的馬車女士、日月女士皆以東方血緣為主，雖然兩位的「東方」完全不一樣。
50 公里遠處的 SBB 墓葬群，遺傳主要有 Slab Grave 東方、Sagly/Uyuk 西方兩款祖源，不同人的比例不同。看起來地位最高的墓葬 SBB002、SBB003、SBB007、SBB008 四位都是女生。
男生「SBB010」的陪葬品有鐵製的縫衣針。可見在匈奴文化中，縫衣針並非專屬於女生的陪葬品。
成年女生「SBB007」陪葬算這兒最豪華的，長眠於裝飾精美的木製棺材，擺著騎馬用的裝備、鍍金鐵帶扣、漢朝的彩繪漆杯。顯然匈奴女生不只社會地位高，也會騎馬（她以前因此被判斷為男生）。
為表示尊崇，姑且稱她為「騎馬女士」。她擁有大量 Slab Grave，少量漢朝和 Sagly/Uyuk 血緣。
個人層次上，「SBB005」最有意思。她是一位蘿莉，父母為遺傳上的近親，大概是表兄弟姐妹等級的二度血緣關係（不過取樣分析中沒有直接見到她的父母），也是這回分析中唯一的近親繁殖寶寶。
這位蘿莉和騎馬女士是二度親戚關係，遺傳組成也類似騎馬女士。蘿莉也與「SBB001」是二度親戚關係，但是 SBB001 和騎馬女士兩位並非血緣上的親戚，所以他們可謂騎馬女士為首的同一社群中，埋葬在一塊的姻親。
這回的分析對象僅管沒幾個人，眾人的血緣卻千變萬化，乍看有些雜亂。從中能得知哪些啟發？論文強調的觀點是：匈奴西部的邊疆地帶，東方血緣的女性扮演重要角色。
匈奴人的血緣非常多元，可謂歐亞大陸的熔爐，沒有所謂的匈奴 DNA；可是掌握權力與資源的，似乎更集中在特定族群。然而，Khövsgöl（匈奴北部）、Slab Grave（匈奴東部）、漢朝（匈奴外頭的東南部）血緣僅管都可以歸類為「東方」，淵源卻明顯有別。
從已知極為有限的樣本看來，配備這些血脈的女生，都有機會在匈奴社會中身居高位。加上其他匈奴邊疆的考古調查，此狀況似乎更為常見。也許這是匈奴的統治集團，在各地建構權力網絡的方式：源自東方的貴族女生，各自經營各地的群體。
由漢朝人的記錄看來，匈奴好像是鬆散的部落聯盟，但是匈奴帝國具體如何運作，我們幾乎沒有概念。這將是有意思的探索方向，也令人興起一些大膽的猜想。
換個角度思考也很有意思。依照漢文記載，匈奴人在荒郊野外居無定所，文化低落，生活原始又暴力；漢朝人假如被野蠻人擄掠，或是隨著和親進入匈奴，簡直就是從天堂淪落到地獄！
可是如今知道，歷來應該也有些漢朝人口用腳投票，自願投奔匈奴，想來匈奴生活並沒有那麼慘。至少我們能肯定， 被編戶齊民鎖在土地上，當韭菜索求無度的那些漢朝人，日子超級淒慘。
這回取樣的地點位於匈奴西部的邊疆，距離漢朝本土頗有距離。不過分析的 18 人中，五位或多或少具有漢朝血緣，三位還是地位崇高的成年女性。
倘若再考慮性別與政治，或許會有更不一樣的想像。住在漢朝的女性出生再好、個人資質再優秀，一輩子都沒機會擔任行政工作職位，但是如果活在匈奴……
有一半漢朝血緣的日月女士（粒線體單倍型為 A11。不確定她是第一代移民的女兒，或父母搭配剛好提供一半），生前是一方疆土的管理者，死後高規格的墓葬，見證她畢生的功績受到認可。伴她長眠，象徵匈奴精神的日、月金盤，對她有什麼特殊意義嗎？
有一位漢朝官員陳湯曾言：「明犯強漢者，雖遠必誅」，可謂反辱華的先驅。但是如今我們也知道這個世界上，不只一種「文明」。
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。
