藍眼淚不流淚，守護地球的藍碳

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

沿海濕地中的藻類、海草、紅樹林、鹽沼、和其他植物在生長過程中會吸收和捕獲二氧化碳。沿海和海洋生態系統捕獲和儲存二氧化碳的方式，稱之為「藍碳」。

被封存在海底的碳有一半以上來自這些沿岸的森林，它們捕獲二氧化碳的速度比傳統森林快了 4 倍，因為大部分的碳都進入幾米深的潮濕土壤中。以這種方式捕獲碳可以將之從大氣層中移除，降低空氣中二氧化碳的總含量。

1 公頃的紅樹林每年可以捕獲多達 8 噸的二氧化碳，遠比 1 公頃熱帶森林所能捕獲的量還要多。

在過去半個世紀以來，世界上約 30% 到 50% 的紅樹林遭到破壞

土壤的碳儲存方式

土壤是有生命的。當泥土被無數的有機微生物寄居時，就變成了土壤，成為植物生長的重要基質。

土壤還將世界上大量的碳儲存在一種物質當中，也就是所謂的土壤有機質（soil organic matter，SOM）。有機一詞在此並不是指沒有化肥或殺蟲劑，而是指存在大量的碳。通常土壤有機質含有 50% 到 60% 的碳。大多數用於農業的土壤含有 3% 到 6% 的有機質。

當植物原料（如葉子或莖）凋零掉落到土地上時，會被土壤中的微生物分解，這個過程將植物轉化為碳，並產生有機質。碳被封存在土壤中，不再以二氧化碳的形式釋放到大氣中。

犁田耕作會破壞土壤有機質和碳的儲存。耕地時，會使有機質暴露地表，更容易被微生物利用，迅速消耗土壤有機質，將二氧化碳釋放到大氣層中。每年由於耕作、侵蝕、或與氣候相關的土壤變化（如永久凍土融化），造成儲存在土壤中大約 10 到 20 億噸的碳，以二氧化碳的形式釋放回大氣層中。

土壤有機質可以保留或重建，使得大氣中的二氧化碳返回土壤長期封存。農民在施肥、將植物廢棄物（如玉米秸稈）留在田間進行分解、或種植覆蓋作物時，會增加土壤有機質。覆蓋作物是在生長季節過後、田間空無作物時種植，通常是草或三葉草，根部很深，能穿透土壤。如果在種植新的經濟作物之前讓覆蓋作物在田間分解，能夠顯著增加土壤中的有機質和碳。

最小化耕作（稱為保護性耕作）是另外一種防止土壤有機質流失（或使土壤慢慢再生）的方法。其中所謂的免耕種植，是指利用專門的播種機將種子放入一小塊翻鬆的土壤中，因此無須翻耕整片田地。

讓土壤恢復健康

泥土並不完全相同，土壤的養分含量會隨著時間根據其處理方式、和所處的環境而發生變化。

世界上三分之一的土壤已經退化到幾乎無法再支持動植物生存的地步。主要的一些原因是：

• 土壤耕作。
• 牛群過度放牧。
• 砍伐和焚燒樹木和植物（砍燒耕作法）。
• 未在冬季種植覆蓋作物。
• 覆蓋物不足。

亞洲、歐洲、北美和南美的大型工業化農場，由於大量重植大豆、小麥、大米和玉米等商品，因而加劇了土壤侵蝕。市場和債務的經濟壓力使可持續性農業做法在短期內難以實施。

從生產的食物品質到大氣中的碳含量，土壤健康都具有深遠的影響。土壤很健康時，可以平衡水循環、並發揮避震作用以防止洪水和侵蝕。1930 年代美國西部的沙塵暴侵襲（Dust Bowl）、和 2017 年波多黎各的洪水災害，都是氣候變化的災難性衝擊、和土壤侵蝕造成的自然災害實例。這些變化會對農業產生重大影響。

根據美國農業部的說法，農民可以透過 4 種方式創造更好的土壤：

盡量減少干擾

• 限制耕作。
• 使化學品發揮最大效益。
• 牲畜輪替。

強化土壤覆蓋

• 種植覆蓋作物。
• 使用有機覆蓋物。
• 保留植物殘留物。

強化生物多樣性

• 種植多種不同的覆蓋作物。
• 利用多樣化的作物輪作。
• 整合牲畜。

強化活根的存在

• 減少休耕。
• 種植覆蓋作物。
• 利用多樣化的作物輪作。

在地方層面，一般公民可以透過投票支持可持續性農業發展的立法和政策，以及購買可持續性農業經營的產品。

房屋所有者也可以透過全年種植多樣化的植物種類，讓自然生態發展，改善其房產周圍的土壤健康，這樣能強化活躍的根系、並創造生物多樣性。

大規模改變環境的「地球工程」

如果你生起營火、或是隨意處置一台冷氣機，那就是在用個人的行動改變環境。但是，當公司和國家有意大規模改變環境時，這被稱為「地球工程」（geoengineering）。

地球工程策略聽起來像是科幻電影情節似的：在太空中部署太陽遮屏，以使部分太陽能量反射回太空，或是從大氣中吸取二氧化碳，將之送入地下層變成石頭。科學家們正在探索更多這一類大規模修補地球系統的方法，使地球降溫，但迄今為止，許多方法都成本高昂、存在爭議、也充滿著風險。

以太陽遮屏為例，雖然聽起來像部署固體金屬片，但其實是模擬大規模火山噴發時的情況，在空中噴灑出濃密的灰燼和化學物質，進而阻擋太陽能量。可能在噴氣燃料中加入化學物質，以便高空飛行的噴氣機將之擴散到高層大氣中。

超級計算機預測，以這種方式噴射到平流層的反射硫粒子，可能會產生冷卻效果，當然，也會影響降雨、降雪和季節性溫度。目前還不清楚會到什麼程度，如果天氣變化太過劇烈，就不容易挽回損失，造成人人受苦。即使可以逆轉噴灑，停止這樣的計畫也可能造成危險，因為太陽射線突然少了阻擋而導致全球氣溫和溫室氣體驟升。

至於直接從空氣中吸取二氧化碳，將之儲存在地下岩層中，歐洲和北美已有 19 家工廠做到這一點，每年吸收約1 萬噸的二氧化碳。沒有人知道這種方式可以安全地封存二氧化碳多久。

一旦出現洩漏，土壤、水和空氣可能會受到汙染，而從地下層收集氣體也可能引發微震和地震。不管怎麼說，這個過程若想要成功，也必須得降低成本、提高效率才行（目前每噸的成本高達 600 美元），我們將會需要相當多家的碳捕獲工廠，才可能有辦法消除每年所排放的數千兆噸二氧化碳，以實現 2050 年淨零排放。

不同於將二氧化碳儲存於地下岩層，鐵質施肥（iron fertilization）是以海洋為重點的選擇。這個過程是將硫酸鐵注入海水中，促進藻類大量繁殖以吸收二氧化碳，然後沉入海底。成功率參差不齊，有 5% 到 50% 的藻類增殖，沉入到足以造成封存影響的深海。然而，完全有效可能需要付出代價：過量的藻類或許也會引發有毒浮游植物的生長高峰，而將二氧化碳儲存在海洋可能會加速海水酸化。

地球工程是一個冒險的賭注，一些科學家表示，這對於全球氣溫的衝擊微乎其微，尤其是考慮到不採取行動造成不良後果的可能性很高。但也有科學家指出，仰賴快速的工業解決方案，可能會使人們和企業忽略對於實際減少碳排放、或停止使用化石燃料應付出的努力。

有無數的公司和國家正在單方面從事地球工程研究。預計這些實驗將在世界各地不同軌道上展開。

利用二氧化硫進行地球工程

有些工程師提出一種低成本又快速的方法來減緩氣候變化⸺整頓碳房，同時「擺脫困境」。

就像鏡子反射光線、黑色車道在夏日變得炎熱一樣，外層大氣從太陽反射的光熱，也會對全球溫度產生影響。

30 年前，菲律賓的皮納圖博（Mt. Pinatubo）發生了 100 年來最嚴重的一次火山爆發，所噴發的灰燼造成了驚人的影響：一整年地球的平均溫度下降了約 0.5° C。透過使地球大氣層反射陽光，而不是吸收，地球變得比較涼爽。

地球工程學家正專注研究此一概念，在地球外圍創造一個人為的太陽遮屏。利用特殊裝備的大型噴氣式飛機，將不同的化學物質噴灑到高層大氣中，希望能一次改變地球多年的反射率，以人為方式降低地表的平均溫度。

透過地球工程，在大氣中添加懸浮微粒來複製火山噴發的自然效果。平流層氣溶膠注入的作用：

• 散射太陽光。
• 讓天空更明亮一些。
• 反射部分太陽熱量。
• 讓地球更涼爽一些。

透過在大氣中注入二氧化硫、鈦、或其他化學或礦物質，可以增加行星反照率（反射率）。

太陽能地球工程透過改變地球的輻射平衡，來治療氣候變化的徵狀，這方面的科學研究稱為「平流層氣溶膠監測」（stratospheric aerosol modification，SAM）。

據估計，這種方法一年成本不到 100 億美元，在大多數的氣候變化因應措施當中只是九牛一毛。一些專家認為，只要動用幾百架飛機即可完成，而且可以比預期更早開始。

研究人員馬克．勞倫斯（Mark Lawrence）2006年指出，「對地球工程可能性的嚴肅科學研究，如克魯岑和西塞隆（Crutzen & Cicerone）發表文章中所討論的，完全沒有得到氣候和大氣化學研究界的包容」，然而，到了 2016 年，他總結道，「在這些文獻發表後的 10 年間，雖然氣候工程仍然是極具爭議性的問題，但是在更廣泛的地球科學研究領域，那種禁忌感基本上已不存在」。

這種方法，還是有許多未經測試的現實問題：

• 這些化學物質將會使臭氧層出現什麼反應？
• 該由哪些國家規範這個過程、又該如何決定干預措施的地點和程度？
• 有什麼辦法能阻止組織和國家單方面進行？若有國家想要暖化加劇、或是有億萬富翁只是想要名利，該如何處理？
• 這將對人類、動物、植物、和海洋的健康造成什麼影響？
• 我們準備好長久持續進行了嗎？如果沒有，一旦陷入了相對低成本和快速的解決方案，又該如何下決心停止呢？

——本文摘自《圖解全球碳年鑑：一本揭露所有關於碳的真相，並即時改變之書》，2022 年 9 月，商業周刊，未經同意請勿轉載。

• 作者／陳宜龍｜東吳大學微生物學系助理教授、MiTalk（微物坊）成員
• 作者／嚴融怡｜社團法人台北市野鳥學會、MiTalk（微物坊）成員

聯合國氣候峰會 COP26 剛剛落幕，過程中各國代表持續協商，冀望能達成共識，為降低溫室氣體排放、降低全球氣候變遷風險而努力。除了減少二氧化碳等溫室氣體排放的「減排」措施外，如何增加碳封存的「增匯」機制，也為人所關注。尤其是保護及利用各類天然生態系良好運作，更是諸多方案的首選，因為這些區域不但是野生生物棲息地、生物多樣性的熱點，更是天然碳匯所在。

光合自營作用，能將二氧化碳轉化並固定於生物體中，達到固碳效應，並有機會長期封存。在海洋生態系中，這就是所謂的「藍碳」。沿岸環境裏，藍碳主要供獻來自於紅樹林、珊瑚礁及海草床三大生態系。然而單純提供二氧化碳不足以趨動光合作用，植物生長還需要其它營養物質，例如磷酸鹽及硝酸鹽氮。

近期《自然》（Nature）期刊的研究報告指出，單位面積儲碳量高於陸地森林的海草床，其植株根部的內共生固氮細菌對於海草儲碳的效果功不可沒^[1]。

海草的固氮能力在「根系」

許多海草生長旺盛的區域，幾乎量測不到含氮營養鹽。過往研究學者都以為海草是從周圍海水及沉積物中吸收其它微生物固氮後的產物。沒想到，來自地中海的海神草（Posidonia oceanica，又譯為大洋海神草）獲取氮源的策略，居然相仿於陸地上豆科植物與根瘤菌間互利共生的夥伴關係。一樣都具備固氮能力，且來自根系內部特定的共生細菌。

這篇研究^[1]從巨觀到微觀，進行多維空間尺度分析；利用不同時間尺度的資訊來闡述過程機制；並採取次世代及三代定序的優勢解晰細菌群落消長，並從總體基因體、比較基因體及轉錄體分析指徵功能基因的變化。多樣化研究手段的結果都支持作者的觀點。

從單一植株根系添加穩定氮同位素的實驗發現，海神草固氮能力在根系，且在 24 小時內，就有高達 20% 的氮從根系轉移到葉片；再者，該植物最高的固氮速率來自夏季植株，此時環境中的無機氮濃度較其它季節低，甚至低於偵測極限。

與細菌的共生，讓海神草可旺盛固氮！

菌相分析的結果顯示，植株部位與周圍沉積物的細菌群落組成不同；有明顯固氮能力時的根系又異於沒固氮時期者，且迥異於與沒此功能的葉部組織。屬於伽瑪變型菌的 Celerinatantimonas 是造成差異最主要分類群。

從 16S 核醣核酸序列相似程度來區分，與此分類群最近似的物種是分離自鹽澤植物根部、具固氮能力的細菌 Celerinatantimonas diazotrophica。因此，作者命名該新種細菌為 Candidatus Celerinatantimonas neptuna (Ca. C. neptuna)。

作者進一步利用螢光原位雜交法（fluorescence in situ hybridization）這項顯微技術，發現夏季時，海神草根部內的細菌細胞數量，高達 80% 都是 Ca. C. neptuna，並且分布於根部細胞間隙及細胞內部。再搭配 nanoSIMS 這種影像質譜儀對每個樣本的氮同位素比值進行奈米尺度解析。

結果發現，先前穩定氮同位素添加實驗時的同位素訊號，就出現在這新種細菌的細胞內，強烈暗示在夏季時分，海神草旺盛的固氮作用，就是靠這種細菌幫的忙。

海神草提供「糖」，讓根部細菌頭好壯壯！

除了前面提到生理測試支持「固氮作用由海神草根部共生細菌完成」的論點外，該研究進一步提供基因體及轉錄體的證據。

作者從海神草根部總體基因體序列組裝出 Ca. C. neptuna 的基因體（metagenomic-assembled genome），並在基因註解後發現，該細菌具備固氮作用必要的基因，而且這些基因在海神草顯著固氮時期也有較高的轉錄作用。

與此同時， 海神草可能提供蔗糖給這類細菌作為碳源及能量所需，因為較高的轉錄作用也反應在細菌的胞外蔗糖分解、糖類運輸蛋白及涉及糖解作用等特定的功能基因。

除了以上直接涉及氮、碳循環外，作者在該細菌基因體及轉錄體中也發現許多與兼性內共生（facultative endophytic symbiont）有關的指標基因。

這些參考指標是基於前人研究陸生植物與內共生細菌的夥伴關係而來。例如：涉及運動及固著的基因（flaA 及flp）、群體感知（quorum-sensing）調節有關的基因（luxR）、去除過氧化物毒害作用的基因（dps，ahpC/F）。這些基因是跨物種間建立互利關係的指標因子。

海神草的共生固氮菌是如何獲得？這篇文章並沒有進行相關實驗。從演化觀點來看，海草約在一億年前由陸域開花植物遷移到海洋環境。長期適應、演化的結果，其陸域型根部菌相被海洋微生物所取代。

從細菌的親緣樹推測，Ca. C. neptuna 的祖先可能來自海岸環境，在缺乏含氮營養鹽下獲得固氮的能力，並與海洋開花植物形成緊密的共生關係。

近期還有一篇文章同樣探討海洋缺氧區域的固氮作用。研究人員的數學模式指出：固氮作用也可發生在海洋的無光區（aphotic ocean），在浮游生物活體和死亡殘體所聚合的顆粒之中，也就是所謂的海洋雪（marine snow particles），其內部的缺氧區²。透過這兩項研究，顯示海洋氮元素循環還有很多值得探究的秘密。

1. Mohr, W., Lehnen, N., Ahmerkamp, S. et al. Terrestrial-type nitrogen-fixing symbiosis between seagrass and a marine bacterium. Nature (2021). https://doi.org/10.1038/s41586-021-04063-4
2. Chakraborty, S., Andersen, K.H., Visser, A.W. et al. Quantifying nitrogen fixation by heterotrophic bacteria in sinking marine particles. Nat Commun 12, 4085 (2021). https://doi.org/10.1038/s41467-021-23875-6

與此研究題材相關或具特定技術的部分台灣團隊：

1. 海草床研究：中興大學生命科學系林幸助老師
2. 運用螢光原位雜交法技術於微生物樣本：
   成功大學環境工程系：吳哲宏老師
   中央研究院生物多樣性研究中心：湯森林老師
3. nanoSIMS 平台：中央研院院「奈米級二次離子質譜儀實驗室」
4. 總體基因體序列組裝及分析：台北醫學大學醫學資訊研究所吳育瑋老師