光篩式低價塑膠望遠鏡2014年上天空

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

橡膠對現代人的重要性

如果沒了這種物質，世界會是什麼樣子？試想沒有輪胎的汽車、沒有奶嘴的奶瓶、沒有腳蹼和潛水服的潛水器材、沒有橡皮擦的鉛筆、沒有黃色小鴨的童年⋯⋯

這種質地特殊的材質便是橡膠。橡膠來自原生於亞馬遜叢林、名為「巴西橡膠樹」的樹木（Hevea brasiliensis，命名來源就是因為這種植物生長於巴西）。

不過，歐洲人首次注意到的橡膠樹其實是圭亞那橡膠樹（Hevea guianensis）。樹如其名，這種橡膠樹生長於圭亞那。

在歐洲人「發現」橡膠樹的時代（印第安人當然很早就認識了這種植物），圭亞那是個鮮為人知的蠻荒之地，沒有火箭發射場也沒有淘金客。

當時也不流行生態旅遊、T 潘趣酒（ti-punch，一種蘭姆酒的調酒）或卡宴辣椒。當時的人也從未想到，這種看似平凡的熱帶樹木即將引發高潮迭起的植物和經濟熱潮⋯⋯偶爾還有些悲壯。

有位巧手的工程師正在尋找會哭泣的樹木

第一位對橡膠產生興趣的人，是胥修德里領主、加陶迪耶的弗朗索瓦．弗雷諾（François Fresneau de la Gataudière, 1703–1770），他在 1703 年生於牡蠣的原鄉、法國西南部的馬雷訥。他的全名看起來充滿上流社會的氣息，我們在這本書中稱呼他為弗雷諾就好。

弗雷諾本人似乎遭到歷史遺忘，但他的發現和成就改變了世界。就如同法國歌曲〈塑膠超讚〉的歌詞：「塑膠超讚，橡膠超柔軟」！今日的人類已經可以羅列出超過 25,000 種不同的橡膠用途。

路易十五的海軍大臣莫爾帕伯爵菲利波（Jean-Frédéric Phélypeaux de Maurepas, 1701–1781）任命弗雷諾為圭亞那首府開雲的皇家工程師。弗雷諾當年29歲，而且熱情滿滿。

弗雷諾的第一份工作便是研究新堡壘如何搭建。他也需要採收植物，以便充實皇家花園。他對當時圭亞那的可可園十分感興趣。工程師弗雷諾的得意作品中，最令他得意的發明作品是⋯⋯蟻巢毀滅器！果真是自由奔放的年輕人。

發明蟻巢毀滅器的天才：弗雷諾

當時，可可園遭受紅螞蟻入侵，而充滿創意與膽識、彷彿十八世紀馬蓋先（譯註 美國冒險影集《百戰天龍》主角）一般的弗雷諾便發明了可以將硫磺吹進蟻巢的機器。

螞蟻因此蒙受苦難。他持續搭建非常實用的引擎：將溝渠斜坡上的泥土提起並移走的起重機、磨碎木薯或小米的手磨機、從木薯根部榨出水分的壓縮機。他還策畫了奧亞波克河新哨所的防禦工事。

弗雷諾被自己的成功沖昏了頭，希望加官晉祿，要求升任上尉。當時的圭亞那監察專員也認為弗雷諾「熱情澎湃，宛如英雄」。

然而，他卻受到其他殖民地老長官和開雲教士社群的忌妒，升官之路受阻。於是，弗雷諾前往鄉間，僱用 八名「黑人」（請記得，當時的法國人仍使用「黑人」、「野蠻人」、「生番」等稱謂來稱呼和殖民者長相不相似的族群⋯⋯），並種植甘蔗、木藍等植物。

他也持續發展自己的防禦工事專長，發明了一種可以用來製磚的泥沙混和物。真是位天賦異稟的工程師啊！

——本文摘自《植物遷徙的非凡冒險》，2023 年 6 月，時報出版，未經同意請勿轉載。

• 作者／王潔、許惠晴

• 作者簡介
  • 王潔／麻省理工學院材料工程學系博士，任教於清華大學化工系，研究領域為生物可降解高分子的開發與應用。
  • 許惠晴／清華大學化工碩士班畢業，現為塑膠生物分解相關領域研究助理。

• Take Home Message
  • 聚乳酸（PLA）為生物可分解塑膠，在高溫與高濕度的堆肥環境下 PLA 能被微生物分解並轉換成二氧化碳。
  • 目前臺灣並未將 PLA 的回收和堆肥機制立法，即使業者能回收、製作堆肥，也不能合法販售，無法使金錢流與物質流一同循環。
  • PLA 屬於塑膠回收分類的第七類，但臺灣民眾認識不足、政策與回收物末端處理也未做好準備，因此自今（2023）年8月起將禁用 PLA 免洗餐具。

在日常生活中購買商品時，常會看到商品標榜使用生物可分解塑膠（biodegradable plastics）作為盛裝容器，而聚乳酸（polylactide，PLA）則是許多人耳熟能詳的種類之一。自臺灣 2002 年實施限塑政策以來，PLA 逐漸被業者所採用，但在今（2023）年8月卻又將被政府修法禁用。

為什麼 PLA 過去能在塑膠市場中嶄露頭角？如今又為何被禁用？

來自可再生資源的PLA

雖然 PLA 的耐受溫度受限在 50℃ 以下，但它的外觀或材料強度，與日常可見的傳統塑膠如聚乙烯對苯二甲酸酯（polyethylene terephthalate，PET）、聚丙烯（polypropylene，PP）等十分相近。如果我們在生活中特別留意，可以發現生鮮托盤、雞蛋盒、冷飲杯、餐具等都可能是 PLA 製品。因此在拋棄時需要特別注意，將它與傳統塑膠區分開來，歸在塑膠回收分類的第七類（即其他類）。相較於傳統塑膠，PLA 除了號稱生物可分解之外，原料與製程也與傳統塑膠大有不同——PLA 的原料來自植物澱粉，例如玉米、馬鈴薯等，也就是所謂的生物基（biobased）。

澱粉經加熱或酵素分解成葡萄糖後，再藉由特定菌種的糖解（glycolysis）與發酵（fermentation）作用，成為聚合前的乳酸（lactic acid）單體，隨後再經由一連串加熱、脫水、聚合成為最終的高分子成品—— PLA。由於 PLA 的原料來自於可再生的植物資源，並非不可再生的石油，且植物在種植過程會吸收大氣中的二氧化碳，也能對溫室氣體的減量做出貢獻。因此在世界各國強調減碳的趨勢之下，PLA 確實是十分優秀的替代物。

可堆肥塑膠的生物分解過程

既然被稱為生物可分解塑膠，PLA 究竟如何被生物分解呢？PLA 屬於聚酯類（polyester），聚酯中的酯鍵較能被環境中的水分或生物水解酵素分解，可說是生物可分解塑膠類別裡的大宗。此外，在學術期刊中也能找到 PLA 藉由生物酵素、菌種或堆肥分解的資料。

不過在現實生活裡，處於「生物分解」過程中的塑膠會是什麼模樣呢？若以歐洲的可堆肥塑膠認證標準（EN 13432）為例，通過重金屬檢測的塑膠材料在「控制環境條件的堆肥」中存放三個月後，必須有90％ 崩解成小於兩毫米（mm）的碎塊；塑膠中 90％ 的有機質在六個月內能被轉換成二氧化碳；最後則是將此堆肥用於生物毒性測試，確認植物是否能於其中生長良好。

筆者團隊參考生物分解性試驗（ISO 14855-1 / ASTM D5338）的國際標準，透過控制環境條件的小型堆肥，實證 PLA 塑膠片的生物分解性（圖一）。在實驗中僅使用一般市售腐植質培養土作為資材，其中的菌類活躍程度應不如發酵中的堆肥，但依然能在兩個月內看見塑膠片碎裂、消失（圖二）。此外，含有PLA 塑膠片的堆肥相較於無添加 PLA 的堆肥，也被偵測到有較多的二氧化碳產出，透過計算可得出約有60％ 的 PLA 已被轉換成二氧化碳。然而，這些堆肥的「控制環境條件」特殊，溫度除了必須設定在50℃ 以上之外，還需要維持在高濕度。

PLA 堆肥實況與臺灣現況

如果在實驗室外、變動因素較多的環境下，PLA 塑膠也能如此順利地被分解嗎？對於這點，臺灣其實已有業者實做出 PLA 塑膠袋的回收與大型堆肥（圖三），並將熟成後的肥料實際用在自家農園中。然而這些堆肥其實也不僅是混合植物資材、動物糞便等有機質及 PLA 而已，堆肥中的各個資材種類需有特殊配比，才能讓堆肥在發酵至腐熟的過程中可以發熱至一定的高溫。此外，溫控設備需要將堆肥的溫度穩定控制在 60℃；還需要定期灑水與自動曝氣，幫助維持堆肥中微生物的生存條件。雖然號稱為生物可分解塑膠，但要讓 PLA 回歸大自然似乎不是件輕而易舉的事。

透過堆肥的方式使生物分解後繼續作為農用肥料，或是回收再製成二次塑膠，其實都是讓 PLA 留在物質循環裡的方式，也切中了近年來許多單位提倡的「循環經濟」（circular economy）。以現今的堆肥技術而言，PLA 堆肥已能夠穩定熟成並有所產出，在塑膠回收再製方面也有一定程度的技術，因此「效益」便是選擇做與不做的關鍵。

至今為止，臺灣對於制定可堆肥塑膠的相關政策仍未臻完善，並未立法建立回收機制讓 PLA 廢棄物能進入堆肥中。即使業者自行將塑膠獨立回收進行後續的堆肥處理，完成後的肥料也不能合法販售，無法形成完整的金錢流與物質流一同循環。

最後，PLA 在臺灣的普及度相較於傳統塑膠來說本來就不高，回收率又十分低迷：根據 2021 年環保署回收基管會的統計數據，PLA 在臺灣的回收率僅有5～6％。除了市場流通量小，再加上因為制度與民眾教育不足所導致的低回收率，使得 PLA 廢棄物的處理缺乏效益。沒有經濟誘因，何來循環？

歐盟政策推動塑膠永續的做法

歐洲對於塑膠永續的推動，在國際上可說是領先的角色。歐盟（European Union，EU）更是持續支持生物可分解塑膠或可堆肥塑膠的發展，並在去（2022）年11月底提出了《生物基、生物可分解與可堆肥塑膠政策框架》（EU policy framework on biobased, biodegradable and compostable plastics），聲明生物基、生物可分解與可堆肥塑膠在汙染議題中的目標、應用價值及適當的使用方式，進而引導往後的立法，以及永續的塑膠市場。

首先，以 PLA 的材料本質來說，它的原料來自於玉米、馬鈴薯等植物，雖然能夠減少消耗石油資源，但仍應當兼顧生態多樣性、土地與水源利用。畢竟種植經濟作物的同時，勢必得開發自然土地、占用部分水源，甚至不可避免地需要使用化學肥料或農藥，進而危害到原始生態系。另外，為了生產塑膠影響到糧食供應也可能是個隱憂，若能優先使用回收塑膠、有機廢棄物或副產物作為塑膠原料，將能夠降低為了生產 PLA 對生態系與糧食的影響。

歐盟的政策框架對於「生物可分解」塑膠的性質，則認為「廢棄物管理不周」的問題不應該以生物可分解塑膠作為解方。生物可分解塑膠常被應用在消耗快、難以資源循環、生命週期短的產品上，雖然容易被丟棄但仍有它的特定分解環境與分解時間需求。像是需要在高溫、高濕環境才能分解的 PLA 就是很貼切的實例，它需要搭配消費者正確的認知、使用與回收習慣，才不會和傳統塑膠一樣累積在環境中造成汙染。

總結來說，歐盟對於生物基、生物可分解與可堆肥塑膠的運用，希望以減量、再利用及回收，也就是「3R」（reduce、reuse、recycle）為優先原則，並達成資源循環、資源利用效率、氣候中和、零汙染、生態多樣性維持等永續目標。

PLA 的未來

雖然本意是為改善傳統塑膠汙染問題並因應限塑政策，但臺灣卻在立法、回收機制、廢棄物後端處理，以及民眾教育均尚未準備好的情況下就讓 PLA 進入市場。傳統塑膠回收分類中的六大類已經夠讓人眼花撩亂，再多一項 PLA 加入第七類，更會增加人們拋棄塑膠時的困擾。

也由於民眾尚未建立完整的回收概念、後端堆肥處理機制也未完善，導致 PLA 被使用後的去處如同沒被回收的傳統塑膠般，變成了垃圾；即使 PLA 被正確回收，也沒有廠商能二次使用或再製成堆肥。這兩項原因最終都可能讓 PLA 進入到焚化爐、掩埋場或流向大自然。

還有一種情形是民眾落實了塑膠回收，但卻將 PLA 與傳統塑膠歸在同一類，使 PLA 混入傳統塑膠的再製過程，影響了它二次塑膠的性質。美國知名速食業者在臺灣也曾以含有開口的 PLA 杯蓋取代傳統塑膠吸管的使用、冷飲杯與沙拉碗同樣使用 PLA 材質，但也因為察覺到消費者回收上的不便，以及質疑 PLA 的最終流向，令他們在 2020 年停用了 PLA 材質包裝。臺灣也終於要修法，即將於今年8月禁止使用生物可分解塑膠免洗餐具。

面對塑膠汙染議題，其實從來就不只是「塑膠材質是否為環境友善」單方面的責任。PLA 在來源以及生物可分解方面確實相較於傳統塑膠有它的優勢，但卻也需要使用者正確的觀念配合及政策支持才能完整達到環保的目的。最後，「塑膠減量與再利用」也是緩解塑膠汙染重要的一環。透過綠色塑膠材質與減量雙管齊下，才能讓塑膠發展平衡地邁向永續。

• 〈本文選自《科學月刊》2023 年 5 月號〉
• 科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。