為什麼經濟成長、薪資卻停滯？從數據分析看見臺灣經濟發展的突破點

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…

孩子該花多少時間運動？

人們常常以為經濟學就是研究金錢，其實不然，經濟學是在研究稀有資源。如同社會需要了解如何最佳運用水、肉及潔淨空氣等稀有資源，人們必須決定如何消費他們有限的時間、金錢和精力。當我們在思考孩子應該花費多少時間投入運動時，就會遇到一個經濟學的問題。

青春是你能擁有資源裡最珍貴的，要有效率地運用這段歲月，就需要一邊為接下來的人生做準備，一邊玩得過癮，免得之後懊悔地回首這段時光。如果不能在任何一方取得平衡，就可能會造成長遠的後果：有些人在高中時期蹺課吸毒，或許當下很快樂，卻很可能在之後的人生付出代價；有些人為了努力就讀大學先修微積分，總是回絕派對邀請，卻可能在成年後懊悔蹉跎青春。

有鑑於此，青少年體育總是超乎想像的昂貴。足球、曲棍球棒、場上時間、接送比賽的油錢等成本加總起來，絕對是一筆可觀的數目，但是和沒有把時間花費在從事其他事情的「機會成本」相比，看起來就微不足道了。

孩子花費在練習足球的每個下午，就是沒有讀書的下午。讀書是更能直接獲得報酬的活動，可以直接反映在進入好學校、成年時賺更多錢、能購買更大的房子，以及負擔未來子女的教育。另一方面，將下午的時間用來念書，他就會放棄踢足球的機會―可以讓他玩得開心、發展生活技能，又可以強健體能的活動。

就算把這個問題縮減到只剩這兩種選擇，仍舊忽略其他的選項：他可以學鋼琴、獲得寶貴的睡眠幫助成長並維持健康，也可以只是開心地玩樂高 （Lego） 或看《海綿寶寶》（SpongeBob）卡通。因此，青少年體育就像其他兒時的休閒活動，以「機會成本」來說非常昂貴―孩子在擁有珍貴又短暫的幾年中，可能可以擁有另一種體驗，同時享受童年與投資未來。

你可能認為經濟學家可以進行一些精明的研究，看看孩童時期從事運動(組織性運動或其他體育活動)，是否會導向未來在勞動市場上的成功，但是其實這樣的研究並不容易。要決定青少年體育是否會在勞動市場上獲得報酬，最理想的方式是隨機指定兩組孩子，讓其中一組孩子從事運動，並禁止另一組孩子做運動。然後當這些孩子長大時，看看哪一組賺較多錢。

如果研究顯示，在童年從事體育活動的成年人賺較多錢，每個人都可以信心滿滿地說：「投資青少年體育可以帶來財務報酬。」不過雖然隨機實驗在社會科學上越來越普及，但是在青少年體育中，沒有人做過採用隨機實驗的研究，我也認為不會有人這麼做。經濟學家可以做結論性研究，例如獲得越多教育的影響、在富裕社區裡長大的影響，以及其他因子的影響，卻尚未找到任何可靠的「自然實驗」來研究青少年的運動參與。

童年參加團體運動，平均薪資會多六 ％？

話雖如此，經濟學家還是運用手上的數據，盡了最大的努力。幾項研究顯示，童年從事較多運動的人，長大後會賺較多錢。一項研究以二十幾歲的美國人作為樣本，在其他因素不變的情況下，在高中時期參與組織性運動的人，平均薪資多六 ％。

最近一項關於德國青少年的研究同樣顯示，從事青少年體育的人有較好的工資與勞動市場成果。不過即使這些結果耐人尋味，我們仍須謹記統計學概論的箴言：相關不等於因果。儘管從事這些研究的經濟學家做了所有努力來控制其他變因，卻仍舊不能清楚地將因果關係與相關性分開。同時也有另一個似乎合理的解釋認為，在孩童時期從事運動不會有助於之後的職涯。

例如，我們從大衛的全壘打勝利中得到的快感，並不僅限於小聯盟的比賽；大衛和我都是好勝的人，大概不管做任何事，我們都會統計獲勝與失敗的數字來衡量成功。在客廳觀看美國益智節目《危險邊緣》 （Jeopardy！）是我和大衛熱衷的活動，我們會仔細記錄分數，還充斥著好幾次「我先說出答案的！」的叫喊。

我們都從事許多青少年體育項目，但是組織性運動並未讓我們變成好勝的人，因為我們本來就是如此。或許是如此好勝的天性帶來勞動市場的成功，也或許是這樣的天性讓我們對青少年體育感興趣，但是在經濟學家的分析中無法衡量這個因素，研究人員沒辦法指出好勝心是否為這些結果的原因。

這些研究的結論是，在孩童時期從事運動可能會為接下來的人生帶來好處。每一項研究都發現青少年體育與薪資的相關性，青少年體育活動增加，薪資越高。但是如果說有影響的話，其實影響很小。

其中一項近期研究是關於美國青少年體育活動參與度的數據，與先前的研究一致，該研究發現從事運動的孩童會獲得更多教育，在接下來的人生得到更高薪資，而且身體更健康。不過經濟學家的結論也表示，這些關係幾乎是因為參與運動的孩童和不參與運動的孩童不同，而且無論從事運動與否，孩童運動員都比較成功也比較健康。如果在乎的只是在勞動市場上的成功，更妥善運用時間的方式可能是念書，而不是長時間的運動訓練。

對家長而言，這樣的解釋很直接明瞭。對大多數的孩子來說，從事體育活動可能對未來只有些許助益或一無所獲。以投資而言，從事體育活動也很難證明什麼，如果你的孩子不愛運動，不要強迫他們。但是對許多孩子來說，青少年體育提供許多簡單的「消費價值」（consumption value）。孩子真的很喜歡運動，又因為童年無法倒帶，所以有很好的理由讓他們為所欲為。

經濟學家的重點建議很簡單：讓你的小孩當一個小孩，想運動就運動。

——本文摘自《運動場上學到的 9 堂經濟學》，2022 年 7 月，商周出版，未經同意請勿轉載。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

• 採訪編輯｜王怡蓁、美術編輯｜張語辰

生產力 vs 購買力

中研院經濟所的楊子霆助理研究員，分析實際數據發現： 實質 GDP 僅能反映國內生產數量，不代表國民消費能力，特別是近 15 年來，臺灣經濟仰賴「資通訊產業」出口，其生產品價格在全球競爭下越來越低，而大眾想消費的民生物品，卻因「原油價格上漲」越來越高，這造成「實質薪資」的成長大幅落後「實質 GDP」的成長。若要突破關卡，強化發展以人才價值為主的產業，是改變現有困境的方向之一。

為什麼臺灣 GDP 持續成長，薪資卻沒有跟著成長？

近 15 年來，臺灣經濟發展有個很奇特的現象，就是實質 GDP（亦即實質產出）持續成長，但實質薪資卻停滯。根據主計總處的資料，在 2002 年以前，每工時實質 GDP 與每工時實質薪資成長趨勢類似，但 2002 年以後，實質 GDP 持續成長，而實質薪資的成長卻幾近停滯。

許多人認為這個現象代表經濟成長果實分配給「受僱勞工」的比率越來越少，即「受僱人員報酬」占「國內生產毛額」的比重（亦即勞動報酬份額）下降。但我們檢視實際資料發現，勞動報酬份額的確從 1990 年代初期開始下滑，但在實質薪資開始停滯的期間，亦即 2002 年以後，就停止下降趨勢，在 42% 上下波動。換句話說，勞動報酬份額的變化可能難以解釋近 15 年來為何臺灣「實質 GDP 」與「實質薪資」會出現這麼大的成長差異。

造成近年臺灣出現實質 GDP 成長，但實質薪資停滯現象的原因，可能不是勞動報酬份額下滑。

首先，大家通常只關注當期領到、可以立即用來消費的「薪資報酬」。但隨全民健保、勞退新制的實施，「非薪資報酬」的比例越來越高，例如勞健保、退休金提撥，也是「勞動報酬」的一部分，但卻沒算在實質薪資之內。忽略這部分的變化，會高估實質薪資成長「落後」實質 GDP 成長的幅度。

更重要的是，很多人忽略「實質 GDP 」與「實質薪資」其實是兩個不同的經濟概念。實質 GDP 衡量的是「生產力」，旨在估算國內「生產」數量，而實質薪資則衡量「購買力」，代表勞工薪資所能換取的「消費」數量。為了跨年度比較，實質 GDP 與實質薪資都是排除「物價變動因素」後產生，如此才能正確比較各年間的國內生產力（亦即實質 GDP ）、與勞工購買力（亦即實質薪資）。

每工時實質 GDP 代表「每單位勞動所帶來的生產量」，而每工時實質薪資代表「每單位勞動的薪資可以換到的消費量」。

因此，這兩個經濟變數在計算過程中，是除以不同的價格指數進行物價調整──「GDP 平減指數」與「消費者物價指數 （CPI）」，前者代表的是「生產品價格」，後者代表的是「消費品價格」。臺灣大約在 2002 年後， GDP 平減指數（生產品價格）出現衰退（下圖綠線），而 CPI （消費品價格）持續上漲（下圖黃線），我們發現這讓以 CPI 進行物價調整的實質薪資的成長「大幅落後」以 GDP 平減指數進行物價調整的實質 GDP 的成長。

「生產品價格」（GDP 平減指數）越來越低，而「消費品價格」（CPI） 越來越高，才是造成實質薪資成長「落後」實質 GDP 成長的主因。

進一步探索 GDP 平減指數下降，但 CPI 卻上升的原因，我們發現這個現象反映臺灣貿易條件的惡化，亦即「出口商品價格下滑」與「進口商品價格上漲」。過去 20 年來，臺灣產業結構有很大的轉變。在 1998 年，資通訊產業占工業產出的比重大概是 16% ，到了 2014 年，已提升到 42%；但很不幸地，我們押寶的資通訊產業，競爭十分激烈，產品價格在這段期間也跌掉了 50%，這可能是我國生產與出口產品價格下跌的重要因素。而消費與進口商品價格的上漲，則是由於原油價格在 2002 年後的飆漲所帶動。

總的來說，過去 15 年臺灣的生產力雖然增加（亦即實質 GDP 成長，見下圖綠線），但卻是奠基在生產越來越低價的產品上，而民生消費物價因為原油價格飆漲，越來越貴。因此，如果我們將 GDP 改用消費品價格 （CPI） 做物價調整（見下圖黃線），則會發現台灣國內生產所能換到的消費量（亦即 GDP 的購買力）也如同實質薪資在 2002 年後出現停滯現象。

綜合以上數據，以國內產出的購買力來看，臺灣的經濟早已出現停滯，也難怪實質薪資不會成長。

「重新分配」能縮小薪資與經濟成長的差距嗎？

大家會很直觀想到「分配問題」，也就是經濟成長果實沒有分配給勞工。但從前面提到的資料來看，勞動報酬份額在過去 15 年其實沒有太大變化，而且不論是薪資或 GDP ，只要是從購買力（即以 CPI 做物價調整）的角度來看，都是呈現停滯。所以要改善目前經濟狀況，問題的關鍵可能不在於 GDP 如何分配，而是在於如何把 GDP 的餅做大，發展附加價值高的產業，以擺脫低價競爭的循環。

同樣依賴「資通訊產業」的南韓，也有這種情況嗎？

南韓的工業與臺灣有類似的問題，實質薪資的成長落後實質 GDP 的成長，原因在於南韓也是發展價格跌很快的「資通訊產業」，但南韓整體實質薪資的成長卻沒有落後實質 GDP 的成長太多，差別在南韓的「服務業」經濟表現很強。

南韓的服務業，無論是生產力或是薪資都是明顯成長的狀態，也許跟醫療、教育、影視與觀光產業外銷有關。例如：招攬外國人到南韓進行醫美服務，開放外國學校在南韓設立分校、吸引外國人來就讀。

而臺灣的服務業，不論生產力或實質薪資從 2002 年之後就幾乎全面停滯。臺灣政府可借鏡南韓，從發展服務業來突破經濟困境。加強發展附加價值高的產業，把 GDP 的餅做大，才有機會提高薪資。

臺灣的服務業大多依靠內需，如何擴大服務貿易，像是吸引外國觀光客來台灣消費。另外，臺灣也許可以有條件地開放，讓更多外國人來消費醫療服務，但前提當然是要解決血汗醫療、醫療人手不足等問題。最後，臺灣教育法規的限制非常嚴格，國外大學沒辦法在臺灣設立分校，所以國外的資金沒辦法流入、讓教育環境的品質再提升。

稅制改革，可以促進勞工就業情況嗎？

2008 年馬英九競選總統時，曾仿效美國提出「勞動所得稅扣抵制 （Earned Income Tax Credit, 簡稱 EITC)）」 作為政見。

美國是第一個實施 EITC 的國家，這個制度的前身是經濟學家想推動「負所得稅制」，就是如果你沒有工作、或是工作所得為零，政府應該退你稅、也就是給你錢，顧名思義變成負的所得稅制。

「負所得稅制」類似補助失業者津貼的概念，這個制度可以在「財政部」直接辦理，不需要在「內政部」另設一個福利單位來補貼失業者與低收入戶，讓施政更方便，所以它能降低許多行政成本。但許多人會覺得，這個制度是讓沒工作的人不勞而獲，所以引起很大反彈。因此，EITC 改良「負所得稅制」的做法，補貼未達到標準的工作者，但前提是「你一定要有工作」。

 EITC 制度的用意，是鼓勵貧窮的家庭要去工作，有工作才有補貼可以拿。也有研究發現此政策的確提高美國貧窮人口的勞動供給，尤其是婦女的部份。

在美國家庭中，男性大多數都有工作，女性則不一定，但此制度施行後，如果家庭收入變多，能領到的補貼也會增加，因而鼓勵未就業的女性也投入勞動市場。

我想知道的是，這些美國家庭領到補貼後，他們的勞動供給會產生什麼變化？ EITC 多在每年二月發放補貼，我發現當這些家庭一次領到佔年收入近 50% 的補貼金時，他們的勞動供給產生變化，家中的女性就不去工作了，尤其在家中男性有工作的情況下。持續一段時間後，女性才又重返就業市場。

從研究中可以理解的是，這些領到補貼的家庭多是貧窮的家庭，他們手上的現金不足。因為現金不足，導致信用狀況可能也不佳，所以也無法借錢，甚至可能到處負債。

對這些貧窮家庭中的婦女來說，工作也許不是她們的最適選擇，但因為錢不夠用，所以只好不斷去兼職、打工，直到二月份拿到這一大筆補貼金，才能好好休息，等到錢花完了，才又必須開始工作。我的研究結果顯示在這些低收入家庭中，手頭可動用現金是非常緊繃的。

美國有些研究也發現，這些家庭在二月份拿到錢後，家庭消費金額變高；我的發現是勞動供給變低。這是一致的，沒有工作後，休閒時間變多了，就會產生消費行為。無論是在消費面或是勞動面的發現，其實都反映了低收入家庭的困境，沒錢就沒辦法消費、也無法在想休息的時候減少工作。

因此，若要實行 EITC 制度，不應該集中在某個月份發放補貼金，因為這些家庭就是缺錢，應該平均分散在每個月發放，讓他們可以在需要時使用。

馬英九執政後，原本也想實施 EITC 制度，財政部與內政部就去調查哪些人符合資格，從資料去看哪些人報的稅很少、或是所得很低，結果發現有許多中小企業及工廠的老闆都符合資格，這顯示了許多人報稅不確實、隱匿所得。因此引起社會一片譁然與反對，取消了這個政策。

由於臺灣的產業結構與美國不同，臺灣有許多中小企業與自營工作者，在申報收入時也許不是那麼確實，導致無法用報稅資料來了解是哪些人可以取得補助。也許政府應該用其他數據資料來作判斷，先釐清領取資格，才不會有不公平的情況產生。

EITC 在美國是一項成功的政策，既能鼓勵就業、又能補貼低收入家庭，英國與北歐國家也陸續效法實施。臺灣需要調整的是補貼的審查資格、發放補貼的頻率。

開放移民、移工，是否會與臺灣人搶飯碗？

臺灣的人才一直出去，但很少人進來，這跟我們嚴格的移民政策有關。大家顧慮的是在「同一塊餅」當中去競爭，但如果是邀請這些人來一起「把餅做大」，大家都能享有比較多的利益。特別是不要限制一定要「白領移民」，臺灣用太多「單一的標準」做篩選。

 如果一定要用學歷跟薪資來做標準，像王永慶或郭台銘這些人在成為大老闆前，都不符合篩選資格。

開放多元的人才移居臺灣，未來也許有機會替臺灣帶來新的發展機會，突破當今產業的瓶頸。儘管不知道會不會成功，但不同國家的人至少帶來新的可能性。臺灣面對少子化與人才外流的現況，需要借助移民、移工的智慧與人力，就像美國向全世界借大腦一樣。

也許可以先把在臺的外籍配偶政策改得更友善，基於人道的考量，這個部分應該民眾的支持度會比較高，甚至讓在臺工作外國人的配偶也能取得居留證。當家人都在這塊土地上，就會更無後顧之憂地、願意一起在這裡努力。

研究需分析臺灣許多不足之處，會因此絕望嗎？

薪水不高、生活辛苦，的確是臺灣需要改善的地方。但臺灣社會是很動態、很有活力的，人民有機會發聲爭取，甚至有可能作出改變，我相信臺灣還是會越來越好。

延伸閱讀

• 楊子霆的個人網頁
• 《經濟成長、薪資停滯？初探臺灣實質薪資與勞動生產力脫勾的成因》，作者：林依伶、楊子霆
• Family Labor Supply and the Timing of Cash Transfers: Evidence from the Earned Income Tax Credit (Online Appendix), Journal of Human Resources, forthcoming

本文轉載自中央研究院研之有物，原文為為什麼經濟成長、薪資卻停滯？從數據分析看見臺灣經濟發展的突破點，泛科學為宣傳推廣執行單位