深海沒有大鳳梨，卻有數不盡的人文遺跡──臧振華的水下考古

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

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。

• 採訪撰文｜歐宇甜
• 美術設計｜林洵安

日常壓力會誘發纖維肌痛症

纖維肌痛症 (fibromyalgia) 病患有全身慢性肌肉痠痛，可能伴隨失眠、焦慮和憂鬱等症狀，致病機轉一直是個未解之謎。中央研究院生物醫學科學研究所陳志成研究員與研究團隊，找到纖維肌痛症可能的生理與心理致病機轉和關鍵抑制劑，論文於 2020 年 9 月發表於國際風濕免疫科權威醫學期刊 (Annals of the Rheumatic Diseases)。

無藥可醫的纖維肌痛症

「纖維肌痛症 」最常見的症狀是全身肌肉慢性痠痛，伴隨疲勞、失眠、焦慮和憂慮，有時被稱為稍微累一點就全身痠痛的「公主病」。目前醫學對於該病的致病機制並不清楚，病人往往不斷轉診仍找不到明確病因，因此也尚未有專屬用藥，只能先緩解症狀，但效果相當有限。

不過臨床上發現，日常生活精神壓力會誘發或加重纖維肌痛症症狀。多數病患的背後都是一段故事，可能有家庭、親友、經濟、工作等各種問題。只是心理壓力和纖維肌痛症到底誰是因、誰是果？背後的致病機制是什麼？「我們必須建立一個可以反應纖維肌痛症的動物模式，以驗證心理壓力與纖維肌痛症的關係。」 陳志成說明。

在此之前，先來看看痠痛是怎麼引發的呢？

組織酸化誘發痠痛

過去研究認為組織酸化會誘發痠痛。1980 年德國人曾做過人體實驗，直接把酸性物質注射入人體，結果發現真的會引起痛感，而且流速越快、越痛，初步證明酸與痠痛的因果關係。但酸是透過什麼樣的分子機制來刺激痛覺神經，卻一直沒有定論。

陳志成嘗試以此建立纖維肌痛症的動物模式。他們先幫小鼠注射酸鹽水，然後以壓肌肉或用細尼龍線刺激小鼠腳掌，發現小鼠碰到刺激會縮腳，代表的確有「疼痛過敏化」現象，但這疼痛過敏化現象在 24 小時以後會消失不見。但如果五天之內在同樣位置再打一次，就會導致持續約一個月的疼痛過敏化，而且也會發生鏡像性的疼痛，成功符合纖維肌痛症的特徵。

這個小鼠實驗模式提供了一個平台，讓陳志成可以從神經學的分子機制上，深入研究組織酸化如何誘發慢性肌肉疼痛。

我們身上各個組織都有痛覺神經，神經上有許多可被酸給激活的離子通道或受體分子，最重要的包括酸敏性離子通道（ASICs），以及辣椒素受體蛋白 (TRPV1) 等等。陳志成實驗發現，如果以藥物抑制 ASICs 或 TRPV1，五天後再次的肌肉酸化刺激就無法誘發慢性疼痛。但是，如果再次的肌肉酸化刺激發生於第二天，仍會誘發 7 ~ 10 天的疼痛過敏化現象。因此，陳志成推論出，第一次肌肉組織酸化不僅是誘發短暫的疼痛過敏化現象，也讓肌肉痛覺神經產生了可塑性變化，所以五天以內再次肌肉酸化刺激，就足以發展成慢性疼痛。

用噪音製造壓力源

了解痠痛的神經科學分子機制，下一步就是建立心理壓力造成痠痛的動物模式，怎麼做？噪音是好工具！一般的壓力來源很難定量，但是噪音可以換算分貝並以程式設定，比較好掌握。

他們讓小鼠待在籠中，不定時播放尖銳、人耳可能聽不見的超音波噪音，一天重複六次，隔兩天後再連續兩天重覆進行……結果，受到噪音壓力的小鼠，出現了疼痛過敏化現象持續約一個月。「我們發現，關鍵是要有不確定性、間歇性、重複性的壓力刺激，如果是給予短暫的壓力刺激，小鼠並不會出現慢性疼痛過敏化現象。」

此外，一般纖維肌痛症患者常出現共病，像焦慮、憂鬱等情緒問題。他們觀察具有疼痛過敏化現象的小鼠們，焦慮行為也變得明顯：一般健康的小鼠喜歡到處探索、玩耍， 放入十字迷宮時，敢走到兩側開放懸空的部分，但有焦慮行為的小鼠喜歡躲在隱蔽空間、不敢跑出來。

壓力 –> 氧化脂質 –> 疼痛訊號

建立一套動物模式後，接下來他和研究團隊想知道，體內有什麼東西誘發了痠痛？

他們分析小鼠血液中的脂質，發現小鼠在遭受壓力後，體內有一群特別的脂質被代謝出來。「我們發現到一種氧化脂質 LPC16：0 ，令人眼睛為之一亮！」陳志成說道。原來，幾年前有法國科學家發現這種氧化脂質 LPC16：0 可以專一性的刺激感覺神經元上的 ASIC3 酸敏性離子通道。賓果！全部事情似乎都可以串連在一起了。

經過反覆實驗，致病機轉的輪廓漸漸清楚了！外界的壓力源 (噪音)，會導致小鼠體內的氧化壓力上升，造成脂質代謝異常，產生過量的氧化脂質 LPC16：0 ，活化肌肉感覺神經元上的 ASIC3 酸敏性離子通道，造成疼痛過敏化現象，持續刺激下轉變成慢性疼痛。

纖維肌痛症療法現曙光

在小鼠身上驗證後，回到纖維肌痛症病人身上觀察：他們體內是不是有比較高的氧化壓力？比較高的異常脂質代謝呢？研究團隊將病患根據症狀嚴重程度分類，一群是全身痛、但症狀比較輕微，一群是全身又痠又痛、症狀比較嚴重，發現全身痠痛症狀嚴重的病人體內的 LPC16：0 特別高，另一組症狀輕微的病患則沒有，兩組之間有明顯的差異。

而人體其實本有快速代謝 LPC16：0 的路徑，但在五天內重複刺激，就可能變成慢性痠痛；換句話說，很多纖維肌痛症患者的病因可能是長時間一直受壓力刺激，體內會持續產生氧化脂質 LPC16：0，導致肌肉長期慢性痠痛，「這也能說明一個奇特現象：許多纖維肌痛症病患即使用藥也不見效，但當壓力源去除，像是搬離不幸福的家庭，全身痠痛就可能突然不藥而癒。」陳志成補充。

研究人員證明氧化脂質 LPC16：0 是引起痠痛感的禍首後，就可以嘗試去阻斷它產生。研究團隊用一種可以抑制這種酵素的藥物–血小板活化因子乙醯水解酵素抑制劑 (platelet-activating factor-acetylhydrolase inhibitor; darapladib)，打到小鼠的身上，果真成功降低壓力造成的疼痛反應，此發現已申請國際專利，未來可望運用在纖維肌痛症臨床治療。

纖維肌痛症的神祕面紗，至此終於稍稍揭開！這項重大研究成果於 2020 年 9 月刊登在國際風濕免疫科權威醫學期刊 (Annals of the Rheumatic Diseases) 上。不過這只是陳志成痠痛研究的一角。他首創「痠覺理論」，希望能從更深入、全面解答慢性痠痛的成因，尋找更有效的療法。

建立痠覺理論，尋找新一代止痛藥物

何謂痠覺理論？首先，陳志成認為：痠是痠、痛是痛，兩者並不一樣。

這點對華人沒有問題！在臺語詞彙中有痠（SNG）、也有痛，國語詞彙中有又痠又痛、腰痠背痛等，可是在許多國家語言中只有關於疼痛 (PAIN) 的詞彙，沒有單獨提到痠覺的字彙。目前國際上只有對於疼痛的定義，把痠痛視為同一件事，或認為痠只是比較輕微的痛覺。

但是痠痛成因其實相當複雜，與組織酸化的關係也有待釐清！

比方說，酸可能引起疼痛，但你知道它也有止痛的效果嗎？在上述的小鼠肌肉酸化實驗中，陳志成發現同時抑制 ASIC3 與 TRPV1 ，可抑制酸所誘發的疼痛過敏化現象。但奇怪的是，第二天對於小鼠再次進行肌肉酸化刺激，雖然 ASIC3 與 TRPV1 這次沒被抑制，但小鼠竟完全沒疼痛反應！由此得知：除了 ASIC3 與 TRPV1 之外，還有一個未知、但是很重要的受體參與反應。這個神秘的受體是一個可以止痛的酸敏性受體分子，讓止痛的效果從第一次實驗延續到第二次！

接著，陳志成發現這個受體分子被刺激後，會促使感覺神經末梢釋放重要的神經傳導物質–物質 P。他認為：當痛覺神經被刺激後，在肌肉端的神經末梢會釋放物質 P，物質 P 會抑制神經活性，達成止痛作用，宛如痠痛的煞車系統。陳志成隨即抑制物質 P ，果然一次肌肉組織酸化就足以誘發慢性疼痛，讓小鼠無止盡痛下去。

那麼，問題來了！既然酸可以誘發疼痛、又可止痛，那麼痠痛病人到底是抱怨痠，還是痛呢？痠顯然不只是一種輕微的痛覺這麼簡單！這個「酸止痛」的神奇現象，提供了痠與痛的另類思考，物質 P 也可能成為新一代的止痛藥物。

「我現在就像一個傳教士，必須努力說服大家，痠與痛不一樣！我也跟語言學家合作，了解其他國家的相關詞彙，希望不久後可以將痠覺清楚定義出來。」唯有正視痠痛的不同，分別了解痠、痛背後各自的分子病理機制，才能發展更有效的止痛或止痠療法，嘉惠更多受到慢性痠痛折磨的病患。

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。

• 採訪撰文｜蕭歆諺
• 美術設計｜林洵安

拚經濟 VS 顧性命，防疫政策可能兼顧嗎？

新冠肺炎席捲全球，各國紛紛祭出的嚴格手段，封城、禁足、邊境管制。但這類政策宛如雙面刃，控制人流接觸、傳播疫情，也可能同時衝擊經濟。性命要顧，生計也不能不管，政府該如何擬定政策才能兼顧兩者？當 Covid-19 可能趨向常態化，從嚴防守零容忍是長期最好政策嗎？中研院經濟研究所團隊建構出一套經濟學運算模型，在健康與經濟權衡間，找出適合各國的最佳防疫政策。

防疫是公衛與經濟的拔河

想像一下，你現在是防疫團隊的決策者，此時正與各領域專家開會。

一群學者嚴厲警示：防疫如作戰，務必嚴格限制邊境、在家工作，用盡一切手段把感染人數降到最低。但另一群專家立刻出聲反對：「沒錢也會沒命！」他們主張防疫必須適度寬鬆，盡量維持日常生活，才不會把人逼上絕境。兩邊爭吵不休，你怎麼決定？

對許多人來說，答案或許直觀：防疫首選應該是愈嚴密愈好，最短時間、最高防堵。但在經濟學家眼中，答案沒有這麼斬釘截鐵。

中研院經濟所助研究員林軒馳、楊宗翰和訪問學者許文泰，耗費近五個月，建構一套量化運算模型，試圖在健康與經濟之間權衡，找出各國的「最佳防疫策略」。

「隔離實在太無聊……」談到研究動機，三人半開玩笑地說，但他們隨後也點出了幾個關鍵動機。

首先，新冠肺炎的衝擊百年罕見，但觀察目前的國外研究，多半仍有限制。例如，總體經濟學家大多忽略國與國之間的互動，沒有納入國際貿易觀點；國際貿易學者則鮮少探討是否有共通的防疫政策。因此，三位學者試圖更全面地找出：在開放經濟體中，什麼才是最佳的防疫政策？

另一個關鍵動機是，他們發現權衡健康與經濟議題，國內輿論幾乎一面倒，「新聞裡的學者專家基本都是公衛或醫學背景，」防疫是公共衛生與經濟的拔河，畢竟健康重要，但放眼各國，長期全境關閉、封城禁足已衝擊眾多產業和商家的營運，擊垮無數家庭生計。因此，經濟問題也不可忽視。

「我們可能同時顧及公衛與經濟，找出經濟損失最少的防疫選項嗎？」，成為研究團隊的核心問題。

各國國情不同 客製化找疾病傳播速率

帶著這樣的問題，團隊以 2020 年初至 7 月 22 日的資料為基礎，建構出一套經濟學運算模型，檢視不同條件對疫情擴散、經濟損失的影響。

第一步，先了解各國疾病傳播速率。

他們使用流行病學的常用指標：基本再生數（Basic Reproduction Number, R₀），意思是每一個感染者平均會傳播給多少人。當 R₀ 越大，代表疾病擴散快，疫情越難控制；若 R₀ 小於 1，傳染人數變少，疾病便會逐漸消失。

但即使是同一種疾病， R₀ 也並不是統一的。「我們根據模型裡人與人的互動參數，或是各國的防疫政策等，反過來推估計各國的 R₀。」

許文泰解釋：「每個國家的國情、防疫措施都不同，例如亞洲人習慣戴口罩，歐洲人打招呼會親吻，所以我們進一步去『客製化』各國狀況——結合各國的 R₀ 、防疫措施，去計算出對應的有效傳染數（Effective Reproduction number, R_e）。」

另外，他們也加入 Dingel and Neiman （2020） 的「各國遠距工作指數」、牛津大學的「防疫政策指標」等重要指標，來做為模型內的運算參數，以提供「客製化」的結果供各國參考。

防疫政策好理解，但為何遠距工作要納入模型？原因是，遠距工作的可行性，也會同時影響疫情傳播與經濟衝擊。楊宗翰舉例：「像美國肉品處理業、或是亞馬遜的雨林工業的工人，很難在家工作，使得工作地就成為群聚感染的破口。」

因此，若一個國家產業的遠距工作可行性愈高，受到的經濟衝擊也相對愈小。國內封城，人們還是可以遠距工作，以及透過國際貿易補足缺口、互通有無，經濟衝擊就可能降低。

結合流行病學、國際貿易的各項參數，建構出模型後，研究員開始進行各項模擬推算，了解實施不同的防疫政策下，經濟表現有何差異。

參照韓國防疫，「短期」經濟變好或變壞？

他們先以第一波疫情的模範國韓國作為參照。假設，世界各國都向好學生看齊，採用韓國政策防疫，各地的經濟狀況會變好嗎？

檢視經濟狀況的指標有兩項：實質收入（real income）和人民福祉（welfare）。

實質收入較好理解，即是指一國的實質 GDP。後者並非我們熟悉的社會福祉，而是考量了個人感受的效用（utilities）總和，包括風險趨避（risk aversion）、跨時間的替代效果（intertemporal substitution effect）等都納入衡量。簡單來說：當疫情愈穩定、個人收入愈平穩、一國的人民感受愈好，福祉就會愈高。

要特別說明的是，「套用韓國政策」並不是模仿施行一模一樣的政策，而是「讓疾病傳播速度限制在某個數值（R_e）之下」。好比，台灣感染案例更低，因此採韓國政策就代表要增加現行 R_e，也就是放鬆現行管制。

至於，為何對照組是韓國，而非超級優等生台灣？說來有趣，答案正是台灣太「模範」了！林軒馳分析：「去年七、八月時，台灣幾乎毫無疫情。如果以台灣做參照，各國經濟活動都要 shut down（全面中止），」台灣就像平行時空，R₀ 太低，多數國家難以企及。

因此，研究團隊以「韓國的有效傳染數（R_e）」做基準，對比現行防疫措施，推算當各國都調整防疫措施，使傳播速度低於這個值時，是否能遏止病毒擴散？對經濟衝擊有何影響？

結果出人意表！除了中國、台灣，短期來看其他國家的實質收入、人民福祉，全都變糟了！加強防疫後，代價是經濟蒙受不小損失。細究原因，韓國疫情比絕大多數國家控制得好，各國需要收緊管制。因此若向韓國看齊，雖然能降低感染人數、少死一些人，但也得承受明顯的經濟衝擊。

看起來，以韓國作為標竿從嚴防疫，對多數國家經濟福祉並不利。難道，防疫真的是經濟殺手？

短期而言，答案似乎是肯定的。但是把時間拉長來看，問題將會複雜許多。因為死亡帶來的各種負面成本，會隨著時間發酵。

比如，一位 30 歲年輕人不幸染疫身亡，假設他原本活到平均年齡的收入、稅金、社會貢獻、消費、可能生養的孩子，將通通化為泡影。另外，狂飆的死亡人數也會讓恐懼陰影擴散，增加不安定的社會成本，「像是賭博一樣，政府都發爛牌給你，知道穩輸的感覺很差，」許文泰解釋。

參照韓國防疫，「長期」經濟變好或變壞？

因此，研究團隊又做了下一個模擬，假定在廣泛施打有效疫苗之前，需要長期防疫。若各國長期採用韓國政策，結果如何？

情況開始出現分流：有人退步，有人進步。也就是說，一半的國家需要收緊管制，另一半的國家需要放鬆管制，才能有較好的經濟表現。

韓國、台灣得放鬆管制，否則長期下來會承受經濟損失；美國、巴西、印度則應收緊防疫，雖然短期受到衝擊，但長期經濟表現反而更好。

把時間拉長來看，佛系國家若收緊管制，既能挽救更多人的性命，還增加整體經濟利益；中、台、韓等從嚴防疫的國家，則需要放鬆。只是後者調整政策的迫切性沒那麼大，因為實質收入雖然可顯著增加，但福祉並不會巨幅提升。

許文泰強調：「防疫該收緊的時候，請一定要做到，不管是收入、福祉、心理成本都有影響，這不是開玩笑的！」

找出各國最佳防疫政策

保錢、保命一定相互衝突嗎？R_e 降到最低，就是最好的防疫政策嗎？顯然，答案未必如此。

從研究結果看來，長期的最佳政策必須在經濟活動、疾病控制之間，找到平衡。強力讓有效傳染數率急速歸零，不見得就能成為模範生，很可能撲滅疾病，但經濟也全面蕭條衰敗，付出慘痛成本，需要考量各國不同的情況，才能計算最佳的防疫政策。因此，下一步，

團隊根據實質收入、人民福祉兩項經濟指標，融合流行病學模型與數據，演算出各國的「最佳防疫政策」──也就是實質收入、人民福祉都能最大化的各國 R_e 值。

世紀大疫爆發至今，應該強力封城或者佛系防疫，仍是爭論不休的議題。三位學者透過經濟模型找出最佳防疫參考值，運算出各國最適合的 R_e 值，也成為這項研究的突破性發現！

研究團隊運算出最能降低經濟損失的最適政策後，接著，三位學者也進一步檢視，實施後有多大成效？

根據模型演算，如果各國採取各自最佳防疫政策，多數能增加 2.5% 福祉，包括美國、英國、印度。2.5% 聽起來微不足道，實際上，一兩年的差異如同發展基底，很有可能關乎後續深遠的經濟影響。

如果有一個超級 WHO，該怎麼防疫？

除了最佳防疫政策，他們也做了其他有趣的模擬。例如，想像全世界是由一個機構（例如進化版 WHO），制定全球統一的防疫手段，結果會如何？

「我滿 shocked 的，最佳政策跟放任政策，整體來說實質收入沒有差很多！」林軒馳指出。

若全世界都走佛系路線，相較於採用各國最佳防疫政策，實質收入差距並不大。然而，人民福祉就有顯著差異！這意謂，若國家長期放任，社會必須承受龐大的心理成本，即使表面看來實質收入損失不大，實際上將重創人民福祉。總結本次研究，實施佛系防疫，無論在控制疫情、經濟表現，都明顯吞苦果；採用像韓國般的嚴謹作法，短期雖然會有可觀的經濟損失，長期而言對國家較有助益，死亡人數減少、經濟表現也更好。

值得注意的是，防疫絕非越嚴格越好！最佳防疫政策的推算，就是在控制疫情與經濟效益之間，尋求平衡。

另外，三位學者也不約而同談到了國際貿易的重要性。

許多人認為，高度的跨國往來讓病毒很容易搭上「順風車」，是防疫大敵。但研究團隊發現，國際貿易也可以是支援防疫的「後備軍」。

「二、三月的時候，一度出現反全球化浪潮。但實際上，有國際貿易的情況下，才能更良好地控制疫情，」楊宗翰說明，如果各國完全回歸自給自足，疫情可能更糟。比如逼得重災區如美國，工人仍得維持畜牧、肉品加工，因群聚而加速疫情傳播。有他國貨物支援下，國家才能加強防疫，減少經濟衝擊。

林軒馳補充，現代商業交易並非只有人流往來，多數貿易其實是貨運，補足各國生產缺口，反而對拉平疫情曲線有正向幫助。更遑論，許多醫療資源的跨國互助，也需要仰賴國際貿易。

要錢？還是要命？二選一的遊戲很殘酷，但現實中，這道抗疫選擇題不一定是零和挑戰，面對長期的病毒抗戰，社會需要更多面向的思考。隨疫苗研發成功，台灣在努力維持抗疫好成績之時，或許也可以納入經濟學家的意見，找到下一階段最適合台灣的防疫政策。

延伸閱讀

1. Wen-Tai Hsu, Hsuan-Chih (Luke) Lin, Han Yang ❬Between Lives and Economy: Optimal COVID-19 Containment Policy in Open Economies❭，2020
2. 許文泰個人網頁
3. 林軒馳個人網頁
4. 楊宗翰個人網頁