想死而復生，先冰起來就對了……嗎？史上第一個冷凍人│科學史上的今天：1/12

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

還好礙於倫理考量，沒有人打算經由技術手段將奧茲冰人復活。不過冷凍人的復活倒是不少科幻小說中常用的哏。

最早的一篇可以追溯到 1931 年，故事的主角叫詹姆斯，他死後遺體被保存在低溫和真空中發射到太空裡，就這樣漂泊了幾百萬年。後來他的遺體被外星人復活，復活的方式也十分特殊：只復活了他的頭顱，並為他裝上了機械身體。就這樣在人類已經滅絕的時代，詹姆斯獲得了永生。

其實在現實中，雖然幾百上千年不好說，但要讓一個人凍上幾十年，並且仍具有「復活」可能性的技術早已出現，那就是人體冷凍技術。

獲得永生的起點——人體冷凍

1962 年，羅伯特．艾丁格博士（Robert Ettinger）出版的《永生不死的前景》一書，是現實中的人體冷凍的起點。艾丁格博士在書中指出：人類和大量低等動植物一樣，具有「冷凍復活」的潛力。他還在書中預言人體冷凍技術可以使「我們大多數人獲得永生不朽的機會」，並對此進行了嚴密的科學論證。這本書的出版標誌著人體冷凍保存運動的開端，艾丁格博士後來也因此被稱作「人體冷凍之父」。

人體冷凍並不是簡單地將人一凍了之，而是以在未來的某個時刻將冷凍的人體喚醒為目的的冷凍。因此，在技術上，不但要考量如何將人凍住，也要考量在冷凍以及化凍時不會對人體產生傷害。像奧茲冰人那樣凍成一具乾屍，肯定是不行的。

不過經由前面小象由香和奧茲冰人的故事，我們已經了解，在生物體死後及時讓其進入低溫環境，可以很大程度上延緩甚至叫停讓屍體腐爛。同樣，人死後越快進入冷凍，細胞和身體受到的影響就越小。當然，只要提前簽好協議、做好準備、安排好一切事宜，及時進入冷凍狀態並不是什麼困難的事情。

要怎麼把活人冰起來？

常煮飯的廚藝愛好者都應該知道，一塊鮮肉，在經過冷凍再化凍後，往往會滲出大量的血水。這是因為在冷凍時，細胞中的水分會結冰，而這些冰晶會破壞細胞結構，從而造成細胞的死亡。凍肉化凍時滲出的血水，很大一部分就來自這些破損的細胞。這顯然是我們在以喚醒為目的的人體冷凍中不願意看到的結果。

因此，在對人體進行冷凍之前，需要經由手術和灌注，將人體中的血液替換為冷凍保護劑。冷凍保護劑可以降低冰點，減少冰晶的產生，最大限度地避免對身體細胞組織造成破壞。然後，人體才會進入降溫程式。經過 60 小時的降溫後，冷凍的屍體就可以被轉移到巨大的液氮罐中長期保存了。

如今世界上冷凍人的數量已經接近 500 人，但能夠獨立實施人體冷凍的機構只有 4 家，分別是美國的阿爾科生命延續基金（Alcor Life Extension Foundation）及人體冷凍研究所（Cryonics Institute）、俄羅斯的 KrioRus 和中國的山東豐銀生命科學研究院。其中人體冷凍研究所是由「人體冷凍之父」艾丁格博士創立，而阿爾科生命延續基金會中保存著全世界第一個被冷凍保存的人詹姆斯．貝德福（James Bedford）的身體。

按照計畫，貝德福本應該在進入冷凍狀態 50 年後，也就是 2017 年被喚醒，但阿爾科生命延續基金會至今並未行動。

一方面，我們可能仍未對喚醒冷凍人在技術上做好準備；另一方面，據傳聞，貝德福當年所使用的冷凍保護劑似乎對人體傷害甚大，也就是說，就算技術完備，貝德福是否能夠醒來也十分不好說。

人體冷凍很貴嗎？

進行人體冷凍的費用倒是並沒有想像中那麼高昂，以這幾家機構中收費最高的阿爾科生命延續基金會在 2017 年的報價為例，進行全身冷凍的費用約為 20 萬美元，還有一個更便宜並且更具有科幻意味的選擇——單獨冷凍頭部，僅需 8 萬美元。不過，在現有的技術手段之下，選擇人體冷凍，比起「追求永生」和「無限可能」，更像是在參與一場結果未知的科學實驗。

當然，技術仍然不斷進步，關於人體冷凍的最新進展似乎為貝德福以及其他被凝固在液氮罐中的人們帶來了一些希望：據報導，2020 年 12 月，一個在液氮罐中沉眠了 27 年的胚胎被取出植入一位母體的子宮，並分娩出一名健康的女嬰。

如果有一天，我們真的像艾丁格博士所說的那樣，打破生與死的邊界，獲得「永生」之時，生命是否也就失去了很多意義？

——本文摘自《真的假的！奇怪知識又增加了：自說自話的總裁顛覆認知的科學奇想》，2023 年 7 月，晴好出版，未經同意請勿轉載。

• Colwellia psychrerythraea 
• 冷紅科爾韋氏菌
• 形狀：小桿狀
• 顏色：淺紅色
• 長：2.5 至 3.5 微米
• 直徑：0.5 微米
• 前進：使用鞭毛

攝氏 –196 度的世界

據當今研究結果所知，在生命出現的早期，地球上炎熱期與冰凍期交互出現，前者平均溫度可達攝氏五十度，後者溫度可低至地表完全凍結。火山爆發及隕石和小行星的撞擊，使地球溫度升高，經由化學反應及後來出現的生物反應消耗大氣層中的二氧化碳，又使地表變冷凍結。

對大多數的生物來說，今日地球是個既濕又冷的家。地表面積超過百分之七十全是海洋，其中三分之二又是寒冷的深海帶，終年溫度只有攝氏二至三度。地表上所有水域裡，淡水僅占百分之二點五，溫度卻也沒有太大差別：百分之九十的淡水，都儲存在極地冰塊及散布地球各處的冰河裡。

自人類開始定時測量並記錄溫度後，最低溫的紀錄是在南極測得的攝氏零下八十九點二度，不過那裡的溫度也從未上升到比結冰點還高。比較重要的是，有些地方雖有溫暖期，但在夜間或冬天會變得異常寒冷，像亞洲一些地方最高溫可達攝氏四十九度，但低溫時也會降到零下五十度。因此不難想像，為何這麼多的細菌都具有高溫差環境的適應力。

所有在低溫環境仍然活躍的細菌中，冷紅科爾韋氏菌特別引人注目：這種微生物在攝氏零下十度還可四處遊走，在攝氏零下二十度還能繼續生長分裂繁殖。甚至在攝氏零下一百九十六度超低溫環境，研究人員還可觀察到其新陳代謝的運作。

冷紅科爾韋氏菌能在液態氮（這可是能將花朵瞬間凍成易碎玻璃的物質）中將胺基酸吸收並用來組成自己的細胞。此特性要歸功於它的保暖聚合物及在細胞外作用的酵素，讓它被包覆在網狀的分子結構裡，就像穿了一件毛衣，保護其免於水分形成整齊的冰晶結構。耐寒細菌的細胞壁結構類似液晶，在極冷和高壓下仍然可以保持液態，這也解釋了為何它同時也耐高壓。

掌握低溫生物技術

科爾韋氏菌屬發現於一九八八年，發表研究結果的作者建議以美國微生物學家麗塔．科爾韋（Rita Colwell）之名來命名，以示敬意。科爾韋生於一九三四年，在一九六○年代發現沿海水域有霍亂弧菌，而且常寄生在以藻類為食的浮游性橈腳類^[1]動物上。

在氣候溫暖或養分過剩導致藻類大量繁殖時，就會吸引這些細小的甲殼類動物前來，細菌也就隨之而來。科爾韋發現這項事實後，立即成立安全用水供應網，設法以盡可能簡單的工具，例如自造的過濾器，防止因飲用水造成的傳播感染。

此後，她還與其他伙伴一起創立 CosmosID 公司，以期快速檢驗出環境樣本中的細菌。為了向她致敬，南極一座山塊^[2]就以她的名字命名。冷紅科爾韋氏菌的種小名 psychrerythraea，則由希臘文 psychros（冷）及拉丁文 erythraeus（紅色）組成，因這個細菌嗜寒並含有紅色色素。

冷紅科爾韋氏菌也可以在無氧的環境中存活，還可利用各種結構簡單或結構複雜的有機化合物做為養分。由於這種細菌能分解很多種含氮化合物，甚至還能利用硫來產能，因此相當適合利用它在寒冷地區處理環境污染問題。

除此之外，此種細菌也可能促進新疫苗的發明。科學家將病原菌重要的代謝基因替換成冷紅科爾韋氏菌的代謝基因，得到以下結果：病原菌在低溫下正常生長，但在常溫時停止生長，細胞逐漸死亡。這種弱化後的病原菌可用在活體疫苗，使身體在不受危害的狀況下產生足夠的免疫力。此法已在動物實驗中證實可行。

註解

• [1] Copepoda，橈腳類或譯橈足類，海洋中數量眾多的一群甲殼動物。
• [2] massif，又稱地塊，地質學中的一個結構單元，比構造板塊要小。

——本文摘自《細菌群像：50種微小又頑強，帶領人類探索生命奧祕，推動科學前進的迷人生物》，2023 年 ３ 月，麥田出版，未經同意請勿轉載。