一手遮天的高科技大騙案：Theranos之興衰（三）

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

• 專訪陳柏達／Chain Reaction 全球供應鏈管理總監

特斯拉（Tesla）在 2021 年 5 月宣布，由於對比特幣（Bitcoin）耗能的疑慮，將暫停以比特幣購車的方案，此話一出，造成比特幣價格直接崩跌。

這也證明，區塊鏈技術的應用已經不僅限於虛擬貨幣（Virtual Currency），對於許多人的數位資產也有極大影響力。

區塊鏈技術這幾年來被大量應用在資訊安全、金融支付等消費端的領域。目前任職於以色列區塊鏈晶片設計新創 Chain Reaction 的陳柏達（Joseph Chen），擔任全球供應鏈管理總監（Global Supply Management Director）， 職涯由半導體技術研發工程師開始拓展到產品行銷、業務及供應鏈管理。

經歷設備製造源頭（應用材料（Applied Materials））、良率管理（普迪飛（PDF Solutions））、晶圓製造（台積電）至 IC 設計（Fabless Design House），熟悉各層半導體產業生態圈的他說，特殊應用積體電路（Application Specific Integrated Circuit, ASIC）的發展與普及，將加速區塊鏈的應用與規模化，讓我們來聽聽他在產業二十年來的深度觀察。

從小到大都在台灣求學的陳柏達，為什麼會轉進矽谷？

「我從小念書就很順遂，到了大學突然覺得很迷惘，不知道自己想要追求什麼。直到大二到史丹佛大學參加暑期學校，發現美國大學生的學習方式跟台灣真的有很大的不同，都很有想法並可以盡情發展自己的興趣與方向，故一直嚮往至矽谷繼續深造。」

臺灣大學畢業後，陳柏達進入史丹佛念研究所，從化學工程轉進半導體材料科學，取得博士學位後進而留在矽谷工作與生活。

陳柏達指出，半導體產業屬於金字塔架構，包括從底層的晶圓製造，如台積電、應用材料等，到晶片設計、系統整合等，各層都有它不可取代的專業，但越往金字塔頂端走，就越可看到全貌。

矽谷在區塊鏈的新型態定義不斷發生中

IC 設計結合區塊鏈的加密技術是以色列區塊鏈晶片設計新創 Chain Reaction 的重要優勢。

陳柏達觀察到，以色列得天獨厚的培育與聚集了世界級優秀的 IC 設計人才，加上在區塊鏈加密演算法上擁有以色列前情報局資深技術人才的加持，讓 Chain Reaction 公司在區塊鏈硬體產業上具不可取代的重要地位。

中國近年來不斷打壓加密貨幣，但其他國家卻在加密貨幣的發展上越來越蓬勃。陳柏達指出，全球的區塊鏈趨勢主要可以分為兩部分來看：

1. 軟體的創新：矽谷的軟體發展相當快速，許多創新的定義，包括像是加密貨幣交易所 Coinbase Global 平台的推出、NFT 應用在藝術品等獨一無二的數位收藏，矽谷正快速地定義許多新型態的軟體應用。
2. 硬體應用：區塊鏈的硬體發展目前主要在加密貨幣計算（俗稱挖礦）的應用，之前市場主要集中在中國，但也隨著中國的限制，加速整體外移至美國及其他地區。而目前 Chain Reaction 的 ASIC 區塊鏈加密晶片設計，可以加速區塊鏈基礎建設的設置。

目前矽谷在區塊鏈產業上的軟體應用與產業很多，但硬體的確有限，而 Chain Reaction 的硬體即以美國市場為主。

陳柏達指出，未來硬體不單只是挖礦，最終將由雲端的資料中心提供所有軟體應用，在此架構下，專注於加密的晶片設計將有助於硬體進行特定需求的運算。Chain Reaction 也希望與矽谷正蓬勃發展的軟體相互結合，藉此提供最底層的運算，讓應用端可以更加普及。

陳柏達指出，現在的加密貨幣都是從加密協定中運算出來，而挖礦就是運用計算能力產生出協定的數量和交易的次數，我們稱之為帳本。這些需求需要具有經濟規模（更快速與更便宜）的計算力。

以工廠為例，機器的產能會產生限制，但可以透過更優化的 IC 設計擴增效能，增加計算力，就可以加速推動加密貨幣運算與加密經濟及產業發展。

以現在的 5G 來看，電信業者以前主要都是系統營運商，建立 5G 基礎建設後，發現更可以善用 5G 架構提供更多服務，區塊鏈也是其中之一。但如果要提供區塊鏈服務，目前的資料中心硬體其實是不夠用的，ASIC 晶片強化計算效率，將能協助供應商以更便宜的價格創造更高的經濟規模。

仰賴台灣供應鏈，強打「以色列設計，台灣製造」

台灣擁有晶圓供應鏈上無可取代的地位，目前陳柏達所服務的 Chain Reaction 相當仰賴台灣供應鏈提供高品質與成本優勢的 ASIC 晶片。

除了晶片，所謂的挖礦機，其實也就是電腦，台灣有包括廣達、技嘉、華碩等組裝大廠，擁有絕佳優勢。目前礦機的電腦仍然以挖礦的運算為主，未來不只用於挖礦，包括 5G 資料中心運用，區塊鏈的更多應用都可以在這裡被滿足。陳柏達也指出，目前公司的產品也都強調「以色列設計，台灣製造」。

北美台灣工程師協會，為海外台灣人開創更多機會

陳柏達也在 2020 年加入北美台灣工程師協會理事會，北美台灣工程師協會是一個成立於 1991 年的非營利組織，以科技技術領域為主軸，為美國和加拿大的海外台灣人及其社群提供不同的機會與培訓，定期舉辦各種年度技術分享會議、研討會等，例如美國台灣高科技論壇（UTHF）、美國台灣新創論壇（UTSF）及 Women’s Summit 等。

北美台灣工程師協會希望透過過去三十年累積的人脈、資源與經驗，可以以導師的角色幫新創尋找大公司的痛點，讓新創有更實際落地應用的機會，陳柏達也希望以台灣、美國、以色列的多國經驗，協助台灣人才有更多的成長與發展。

＝ KT 筆記／ 謝凱婷＝

與 Joseph 是在北美台灣工程師協會相識，很感謝他長期致力推動台灣人在美國科技業的影響力，舉辦很多美國台灣高科技線上論壇，讓台灣與矽谷的人才和趨勢接軌，並團結台灣人在美國的力量。

擁有多年台積電經驗的他，精準地看到區塊鏈的產業趨勢，大膽跨出舒適圈，加入了以色列晶片新創，投入到區塊鏈晶片領域，並對世界各國在區塊鏈發展的速度暸若指掌。

尤其他以電腦算力和耗能分布，就能精確指出中國市場和美國市場在挖礦電力的消長，並從中看到整個市場熱度的趨勢方向。

從 Joseph 對於傳統能源公司的描述中，也能了解區塊鏈技術將會徹底顛覆能源產業的未來布局。

在過去，傳統能源公司的價值結構和交易系統，因為區塊鏈產業的興起，而轉向更高效率的價值生態圈。能源的交易方式和商業模式也會進行巨大的變革，如德州和中東各國的能源公司正快速布局加密貨幣的投資和新能源的發展，並投入大量的人力和技術來挖礦，這對未來的人類發展也有顯著的創新刺激，正推動著百年傳統能源公司的巨輪走向創新，更讓我們迎向一個嶄新的能源新世代。

——本文摘自《矽谷為什麼：科技、新創、生醫、投資，矽谷直送的最新趨勢與實戰經驗》，2022 年 6 月，商周出版，未經同意請勿轉載。

編按：在上一篇文章〈一手遮天的高科技大騙案：療診公司《Theranos》興衰史（三）〉中，儘管療診公司不斷透過各種軟硬手段希望保住秘密，但內幕終究是一點一點的被暴露出去了。記者凱瑞羅證據在握，不過見報前，事情都還有變數⋯⋯記者之筆的鋒利與療診公司的強勢，最後到底誰贏了呢？系列文章最終回將揭曉！

國王沒穿衣服

療診公司發現有人在挖它的內幕時，當然傾全力阻止：除了跟踪、威脅將控告被懷疑的現在或曾在療診公司工作的員工外，它也以同樣的手段對付被懷疑的醫生及病人；它甚至威脅一位醫生，謂如果她的名字出現在報紙上，他們將使她名譽掃地！療診公司對凱瑞羅施壓當然更不遺餘力！

說來可笑，就在凱瑞羅正在努力挖礦之際，華爾街日報大老闆、報業大巨人梅鐸 (Rupert Murdoch) 竟然被伊麗莎白說服投資了 1 億 2500 萬，成為療診公司的最大投資人，也是他報業外的最大投資！伊麗莎白曾經兩次想透過梅鐸阻止凱瑞羅發表那「充滿錯誤信息」的文章，但梅鐸均回說他信任編輯們的判斷力而拒絕！

依照慣例，這類的報導總要給公司一個反駁的機會，因此凱瑞羅透過療診公司公關部，希望能於 5 月初與伊麗莎白會面；儘管伊麗莎白到處接受訪問與演講，但卻抽不出時間來會見他！最後終於在 6 月 23 日，由副總帶領了包括博依斯在內的一大群律師在華爾街日報總部會面。在五個小時的會談中，對凱瑞羅的 80 個問題⎯⎯例如有多少測驗是使用療診公司的專有技術，療診公司大都以「商業機密」為由拒絕正面答覆！當凱瑞羅單刀直入問及療診公司是否真有新技術時，博依斯火大了，謂「療診公司已經在做了（指血驗血），如果那不是魔術，那就是新技術！」問及病人的指控時，則謂因病人隱私權，在沒有病人的同意前無法作答。

10 月 8 日，博依斯又與主編會談；雖然還是強辯說凱瑞羅的報告有缺陷不正確，但是語氣已緩和許多了，也承認存在一些問題。當主編還是不為所動時，博依斯建議暫緩數週發表，他們可以做現場展示。當凱瑞羅問及如何知道他們不做手腳，博依斯支吾以答後，主編禮貌地拒絕了所求。華爾街日報在 2015 年 10 月 15 日的頭版，以非常不顯眼的「火紅的創業公司 Theranos 的驗血困局」為題，揭示了：除一小部分外，療診公司的驗血都是在傳統儀器上進行；也暴露因準確度確認測驗的欺詐及其指尖樣本的稀釋，影響了其儀器之準確性。

繼此篇後，華爾街日報又刊登了好些報導。這些報導當然立即引起了一場大風暴，尤其是在矽谷：有人說「不是早跟你說過了嗎？」也有人說「酸葡萄，看不了別人成功。」另外一批人則不知道應該相信誰。療診公司發布新聞並在其網站說：「（華爾街日報的報導含）事實上和科學上的錯誤、和基於沒有經驗和不滿的離職員工和舊行業之毫無根據的斷言。」

事實上，早在 9 月 22 日──蔣愛麗娔向 CMS 提出密告後的第三天──兩位 CMS 特派員就突然出現在療診公司的 Newark 實驗室門前，準備做兩天的調查；但因為發現許多問題，應公司的要求答應延至 11 月再回來做詳細檢查。還有，美國食品藥物管理局也在 9 月末因療診公司所送審之臨床數據不佳，突檢了其 Newark 及 Palo Alto 實驗室；當檢查員未能在現場找到更好的數據時，他們決定沒收未經過核准的驗血小瓶 nanotainer（療診公司稱那是它的專有技術），並關閉公司的指血測試。

可惜凱瑞羅並不知道這些事，因此華爾街日報還是不停地受到療診公司律師的威脅，要求撤回那些文章⎯⎯直到 2016 年元月底，CMS 通知療診公司，謂其實驗室「可隨時危及患者的健康和安全」，必須在 10 日內做修正，否者將弔銷其執照後，才突然停止！

凱瑞羅那篇文章出現後，各大報章、雜誌、及新聞台競相跟進報導，紐約客雜誌、財富雜誌、富比世雜誌當然也不例外。讓伊麗莎白一夜登上天的財富雜誌，在其讀者每日電子郵件消息中，謂「今天早上，一隻高空飛行的獨角獸在華爾街日報的頭版裡，被一篇深度報導的故事帶回到了地面。」接著在 2016 年 3 月 30 日將福爾摩斯⋅ 伊麗莎白列入世界上最令人失望的 19 位領導人之一；6 月 1 日富比世雜誌將福爾摩斯 ⋅ 伊麗莎白的財富由 45 億美元調降為 $0 ⎯⎯真是來得快，去得更快！

全美國及全世界終於了解到「國王的新衣（新技術）原來是沒有穿衣服」！

待續殘局

2016 年 7 月，CMS 勒令禁止伊莉莎白擁有和經營實驗室兩年。10 月，她宣布關閉其實驗室並解僱約 340 名員工（>40％）。美國證券交易委員會於 2018 年 3 月 14 日指控位於矽谷的私人療診公司，其創始人兼首席執行官伊莉莎白及其前任總裁伯瓦尼通過精心設計，誇大或虛假陳述公司的技術、業務和財務，長達數年的欺詐行為向投資者籌集了 7 億多美元。

兩人承認了美國證券交易委員會對他們的指控。除了罰款之外，伊麗莎白同意放棄該公司的多數投票控制權，以及減少其股權。舊金山聯邦檢察官於 2018 年 6 月 15 日起訴伊麗莎白及伯瓦尼九項電匯欺詐和兩項串謀電匯欺詐罪名，謂伊麗莎白及伯瓦尼兩人從事數百萬美元的計劃欺騙投資者、醫生和病患客戶。據檢察官辦公室言，如果罪名成立，他們每人最高可判處 20 年監禁和 25 萬美元的罰款，並對每一項電匯欺詐和每項陰謀計數進行賠償。

2016 年 6 月 12 日沃爾格林終止與療診公司的合作合約，並關閉所有的革命性驗血中心。為了希望 CMS 能收回關閉實驗室的成命，療診公司作廢或修正了近 100 萬個驗血報告。也與亞利桑那州檢察官達成協議賠償 465 萬美元，退款給 7 萬多位亞利桑那州驗血的客戶。Partner Fund Management、沃爾格林、及十位病患提出訴訟；其中更有一位病患稱療診公司未能及時偵測到心臟病，使他遭受到本可避免的心臟病發作。梅鐸則將所有的股票以 1 元賣給療診公司，共損失 1 億 2499 萬 9999 美金，準備用來抵稅！第 1 位僱員蘇納克則於離職時，以當時「市價」之 10% 左右將股票賣回給老闆（淨得 50 多萬），算是識時務的俊傑⎯⎯他肯如此的「犧牲」，事實上也說明了他對公司前途的看法！博依斯及其律師事務所，最後因為如何應付聯邦檢查的想法與伊麗莎白不同，也退出代表療診公司的律師事務。

這些改變了伊麗莎白的「理想」嗎？今年（2018）元月，伊麗莎白在有審查的雜誌上發表了一篇文章，除了闡釋「迷你實驗室」的內部結構外，也列舉了一些可以與其它市面上驗血儀相比的實驗資料──但她還是隱藏了很多離她理想（夢想？）甚遠的細節，例如又「忘了」提那是用從手臂上抽出來的血做的測驗。……..不過這些都將成為歷史了：今年9月4日，新的執行長謂：因找不到買家，在將剩餘之 500 萬現金支付給債權人後，療診公司將正式解散（股東將拿不到分文，幾乎所有員工均只做到8月31日）。

天才或大騙子？

筆者已忘了什麼時候開始注意到伊麗莎白的新聞，但相信第 1 次看到一位 19 歲的史丹佛大學輟學生將掀起一場醫療大革命，就讓我難以相信地被吸引住！心想：數學是一個純邏輯的科學，是可能有 19 歲或更年輕的天才[1]；但是醫療、化學、物理都是屬於經驗的科學，沒有經過一定的訓練與知識累積，是不可能有成就的，更遑論革命性的改革了！

就以家喻戶曉的愛因斯坦為例，他提出相對論時，雖年僅 25 歲，但對物理已有深厚的了解。近代量子物理革命的年輕先鋒們也個個如此！牛頓之所謂「站在巨人的肩膀上」就是要對前人的知識有所了解！物理尚且如此，更需要靠經驗的化學（療診公司的市場雖然是醫療界，但伊麗莎白要解決的技術問題是屬於化學的範圍），能不如此嗎[2]？

或許伊麗莎白從小就在玩化學？但各種跡象顯示她對化學的了解有限；例如讓她一夜成名之紐約客雜誌記者問其專有技術時，伊麗莎白的說明像個正在高中學化學的學生一樣地「可笑地模糊」。財富雜誌記者也覺得除了血液測試以外的話題，伊麗莎白都謙虛到幾乎天真。創投公司 MedVenture Associates 問她的新技術與 Abaxis 有什麼不同時，伊麗莎白明顯地現出慌亂。Abaxis 成立於 1989 年，其攜帶型測血儀 Piccolo Xpress 只用幾滴從手臂靜脈抽出的血，在 12 分鐘內就可以做 31 種測驗；如果只要從手指上擠出幾滴血就可以做，難道他們的科學家都是吃白飯、領乾薪的傻瓜嗎？加州大學舊金山分校的醫療實驗室教授 Timothy Hamill 也說：「與達到期望目標（用手指上擠出來血做檢驗）相比，如果他們（療診公司）告訴我他們是從 27 世紀回來的時間旅行者，我將不會感到那麼驚訝。」伊麗莎白對這些「舊技術」似乎全然不知，有可能夠創業推翻它們嗎？

不錯，許多創業者都抱著「船到橋頭自然直」的心態：例如筆者在「從印度 B 型肝炎疫苗看台灣的生物科技」[3]一文內所談，雷帝（K. I. Varaprasad Reddy）是位電機工程學士及商業管理碩士，靠其熱情及使命感，空手創造出了印度第一家基因重組的生物技術公司「先夏生技」（Shantha Biotechnics）！但不要忘記：他不是創造新技術，基因重組當時已是半成熟的科學。還有，舒爾茨部長及史丹佛大學教授勞伯森均認為伊麗莎白將是下一個賈伯斯及蓋茨，但他們似乎忘了蘋果電腦及微軟都不是因為創造出什麼新技術而成功的。

政治家不懂尚情有可原，但勞伯森卻不知就很令人迷惑了？！在伊麗莎白準備輟學創業時，曾請教史丹佛大學醫學教授 Phyllis Gardner 有關「手臂膏藥」的可行性，後者客氣地回答說她的想法幾乎不可能[4]。鼓勵年輕人大膽嘗試是很好的，但筆者覺得勞伯森在這裡做過了頭！勞伯森甚至認為伊麗莎白是可與牛頓、愛因斯坦、莫扎特、或達文西相提並論的天才！！！90 年代末期，勞伯森曾以專家的身份作證香煙的成癮性，而迫使香煙公司與政府達成賠償 65 億美金的協議；如果此事發生於現在這個時候，不知還會有人信任他的判斷能力嗎？談到吃白飯、領乾薪，勞伯森在療診公司的顧問費是年薪 50 萬！

哈佛大學及史丹佛大學分置於美國東西兩岸，是家喻戶曉的兩大世界名校。史丹佛大學之勞伯森的表現很讓人失望，但哈佛大學的醫學院似乎也好不到哪裡：竟然在外行報紙的報導後，盲目地邀請伊麗莎白加入享有盛名的院士委員會！華爾街日報揭露療診公司黑幕那天，伊麗莎白正在該院士委員會裡開會，不知伊麗莎白在「教導」院士們什麼？筆者從小就很嚮往大學及教授的清高，到底是時代變了，還是那一直只是筆者一廂情願的錯誤想法？

在「壞血──矽谷創業公司的秘密和謊言」一書結尾裡，凱瑞羅認為伊麗莎白是位操縱者，將勞伯森、舒爾茨、博依斯、陸卡士、甚至 Murdoch 等人玩弄於手掌之中，並說服他們為她出力。凱瑞羅留給心理學家去判斷伊麗莎白是否是一位缺少良知的精神變態者（sociopath）；但他深信伊麗莎白當初是真的有心要做好的，只是一直想當第 2 個賈伯斯[5]而令她後來昏了頭，開始隱瞞與欺騙。筆者本來也同意這一個看法，但是經過上面之分析後，筆者已不再能苟同！微流體學（microfluidics）在 80 年代初出現，用於開發噴墨打印頭、DNA 芯片、芯片實驗室技術、微推進、和微熱技術等，但在驗血上卻一直沒什麼進展。她要一手解決業界 20 多年來做不出的化學問題，憑的是什麼？如果不是存心想一手遮天的欺騙，那她就是無知的狂人！讀者你認為呢？

注解：

• [1]：例如法國伽羅瓦（Évariste Galois）年僅 17 歲就創造了數學的群論（group theory），詳見「群論、對稱、與基本粒子」，科學月刊，2018 年 9 月號。
• [2]：詳細分析請參見「數理化科學裡有天才嗎」，科技報導，2018 年 11 月 15 號。
• [3]：「從印度 B 型肝炎疫苗看台灣的生物科技」，科技報導，2016 年 6 月 15 日（或「我愛科學」，第 133 頁）。
• [4]：Phyllis Gardner 也不相信幾滴手指血液就可以做驗血。她的先生曾經在飛機上碰到西門子的銷售員，謂療診公司是他們最大的客戶之一，證實了她的懷疑，也證實了告密者提供的資料。
• [5]：伊麗莎白對賈伯斯的憧憬似乎狂過了頭：不但穿著像賈伯斯，「迷你實驗室」也採用蘋果手機的型號 4S；2007 年夏天也開始挖角蘋果電腦的一批員工，但到了 2008 年底，他們不是被迫就是自動辭職。

• 本系列文主要依據 John Carreyrou 所著之「Bad Blood – Secrets and Lies in a Silicon Valley Startup」（紐約 Alfred A. Knopf 2018年出版）