你長得真的很「雷神」？關於《復仇者聯盟4》的驚奇索爾

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

• 本文轉載自超中二物理宅，原文為〈人體的哪個部位、做哪個動作的時候，速度最快呢？〉

人體的哪個部位做起特定動作時會最快呢？

如果你的回答是「眨眼」，那就錯了，雖然文學上的確是以「一眨眼」、「一瞬間」來形容速度很快或是時間很短暫……但答案是手指。（喂，想到奇怪的方面的人，自己去牆角罰站！）

除了「一眨眼」、「一瞬間」之外，類似的詞還有一個：「一彈指間」。

答案就是「彈指」這個動作。

「彈指」僅耗時0.007秒，比眨眼還快20倍！

科學家發現，拇指跟中指互相卡住的「集氣」時間不算，從中指開始動，到中指打到手掌的拇指指根處，算是一次彈指，歷時只有 7 毫秒，也就是 0.007 秒，而眨一次眼睛的時間是 150 毫秒。也就是說，「一瞬間」的時間比「一彈指」長了 20 倍。

人類從很久以前就會做這個動作，古代經常是樂師或是舞者用來打拍子，維持音樂或舞蹈的節奏。例如一個希臘時代的壺，上面就有牧羊神潘恩一邊跳舞一邊彈指的圖畫。在武俠小說的世界中，「彈指」也是很厲害而且極具魅力的招數，像是古龍的「楚留香」，金庸的「黃藥師」。

近年來最有名的彈指，當然就是「復仇者聯盟」中，一彈就可以消滅全宇宙半數生命的「薩諾斯的彈指」。在 2018 年的「無限之戰」上映時，電影院中坐著一個男人：喬治亞理工學院（Georgia Tech）的 Saad Bhamla 教授。

利用4千fps的高速攝影，探究「彈指動力學」！

回到研究室中的教授，跟研究生討論電影劇情時，發生了爭論，因為教授認為「薩諾斯戴上看起來是金屬材質的無限手套後，摩擦力太小無法彈指」。理由是，在「聚氣」的過程中，拇指與中指之間必須有足夠的摩擦與彈性，才能累積足夠的能量，然後在彈指發動的那一刻（我本來要寫「瞬間」，不過瞬間慢了 20 倍，太久了）把彈力位能釋放出來。金屬材質的話，摩擦力不夠，一下子就滑開了。

於是 Bhamla 教授跟學生就決定對「彈指的動力學」展開研究，他們利用每秒可以拍攝 4082 幅的高速攝影機拍下彈指的連續動作，發現此過程中，中指的運動是以指根為軸的轉動，其「角速度」可以達到每秒 7800 度，一個圓周是 360 度，也就是每秒 22 轉——當然中指不會真的轉圈圈，大約轉 54 度，不到 1/6 圈就被手掌擋住了。

由於從靜止加速到每秒 7800 度、再減速到靜止的整個過程只花了 7 毫秒的時間，瞬間「角加速度」高達 160 萬度每秒平方，實在是非常驚人的數字。

他們也戴上不同材質的指套進行實驗，其中一個是金屬製的「頂針」（裁縫師傅用的指套，用來保護手指不被刺傷，上面有許多小凹槽，也可以用來推針），戴上這個東西後，果然就因為摩擦力不足無法打響彈指。但也不是摩擦力越大越好，乳膠指套因為摩擦力太大，蓄積的能量一下子就被熱能耗散掉了，也快不起來。

所以這個研究的結論是：「薩諾斯你演錯了！無限手套不能用金屬製品啦！」

拍電影要小心，不要被物理學家抓包……

這個研究，於 2021 年 11 月 17 日發表在英國皇家學會的《Journal of the Royal Society Interface》期刊。

附帶一提，雖然「人類的彈指」看起來已經很厲害，不過比起「吸血鬼螞蟻」（Dracula ant）的下顎還差得遠，角速度可以達到每秒 2 億 4 千萬度（每秒 67 萬轉），角加速度更高達 15000 兆度每秒平方，這個數字真是難以想像是生物能做到的動作……

參考資料

• GeorgiaTech. `Oh, snap!’ A record-breaking motion at our fingertips. Retrieved from https://www.eurekalert.org/news-releases/934621
• Acharya, R., Challita, E. J., Ilton, M., & Bhamla, M. S. (2021). The ultrafast snap of a finger is mediated by skin friction. Journal of The Royal Society Interface. doi:10.1098/rsif.2021.0672

——本文含雷，還未看《復仇者聯盟3、4》的讀者請斟酌服用 ——

很多文章已經寫過薩諾斯（Thanos） 在在《復仇者聯盟3》 裡50%宇宙滅絕計劃會碰到的問題（延伸閱讀：《復仇者3》魁隆的救世計劃──哲學家早就想好了）。例如，50%其實並沒有聽起來那麼多，只需要幾代人的時間就能夠恢復。也未考慮到每個既得利益的權力高位都有50%機會變成真空狀態，搶奪權力和資源的行為根本不會因為有半數人被殺而停止，搞不好還會更會加劇。

而在《復仇者聯盟4：終局之戰（ Avengers：Endgame）》 裡，來自過去的薩諾斯看到未來自己的成功，卻了解到宇宙並沒有因而變得更好。他意識到，無論如何，都總會有倖存的人未能接受事實，用盡方法回復原狀。

• 編按：被留下來的人也是好不容易啊，不信請看——留下來的人該怎麼辦？解析《復仇者聯盟4》中超級英雄們倖存後的因應方式

薩諾斯因此改變計劃，決定用無限寶石把全世界宇宙生命連同宇宙本身一起消滅，然後再創造一個新的宇宙，在新宇宙裡創造新生命。他認為這樣做就不會有人反對，大家都會快快樂樂起在新宇宙享受他創造的一切。

喂喂喂，薩諾斯你是嫌夜神月當得不夠好，想試試做真正新世界的神嗎？以下是我們推薦你可以更理性拯救世界的方法。

在自動存檔多重宇宙中，為何要執著自己刪除再另存新檔？

宇宙來自一場大爆炸，從虛無之中誕生。根據多重宇宙論，這過程已經發生無限次；在你讀這行字的時候又再發生了無限次，以後也會發出無限次。前面一句話所說的「已經」、「這時」、「以後」也不太正確，因為時間會連同宇宙本身一起誕生。就好像無限寶石也是宇宙誕生時一起誕生的，在宇宙誕生之前並不存在時間。或者應該說「並不存在『宇宙誕生之前』」。

這樣的話，問題就來了。薩諾斯這樣做，與在另外多重宇宙裡開一個新的宇宙出來，有什麼分別？既然他並不打算「救贖」每個宇宙，那麼他倒不如帶著手套離開原來的宇宙，另外創造一個新的？這就好像玩電動遊戲時另外再多一個新的存檔，根本無需理會舊的存檔的生死啊？

薩諾斯難道是偏執狂，非要刪掉舊的存檔嗎？這樣的話又為什麼不去刪除其餘無限個宇宙呢？或者乾脆把多重宇宙都抹殺掉吧？但這也是不可能的，即使來自個別宇宙的無限寶石有能力抹掉其他宇宙，也不能在虛無中阻止新的宇宙從量子漣漪中誕生。新的宇宙原本就不存在，要怎麼去消滅不存在的東西？

而且，每彈指一次，使用者都會承受極大的傷害，所以比較理性的做法是不用彈指，直接簡單地用空間寶石到其他宇宙裡去，逐個看看生命有否為爭奪資源而互相殘殺。無限個宇宙之間，必定會有一個合薩諾斯心意，因為他希望創造的新宇宙，必然屬於無限個宇宙的其中無限個。

所以，比較能保持身體健康，又不會惹到復仇者聯盟為自己製造麻煩的方法，就是利用六顆無限寶石轉移到其他宇宙，不再理會舊的。也不用傷害身體自己創造，因為他想創造的宇宙本身已經存在於多重宇宙之中！

帶走原本的寶石還能夠減低爭奪的機會，相信復仇者聯盟大多數都會樂意拱手相讓 除了奇異博士之外 。而且在宇宙之間穿梭的旅程上，也能順道收集其他宇宙的無限寶石！還可以把多餘的寶石賣給其他宇宙的薩諾斯，賺取一些旅費。

就算要毀滅世界也不要浪費既有資源啊！

另一方面，也談談資源的問題。且不談為何不利用無限寶石把宇宙中的資源加倍事情就解決了，事實上宇宙原有的資源薩諾斯你也都沒好好利用好嗎！還說什麼資源不足！

首先，最低限度也要把太陽的能量100%完全利用才算環保吧。薩諾斯你都去過矮人國度了，人家工匠都懂得造個罩罩住一顆中子星，有效地提取能量，作為 MCU 裡面智勇雙全的新世界的神，不會不懂吧？這種天文學家稱為「戴森球（Dylan sphere）」的恆星罩，可是地球人都能理解的程度，是一個行星文明進化成為恆星際文明的101程度課程啊。

只要能完全利用一顆恆星放出的能量，就能保障一顆行星上的文明好幾十億年供應的能源了。即使每顆星上都有生命，恆星提供的能量依舊足夠行星上每個人都過著富裕的生活。即使恆星會死亡，那也是幾十億年後的事，到時候只要用寶石把整個行星搬去其他的恆星就可以了。

行星死亡後會變成白矮星、中子星或黑洞，而且仍能持續提供能量。白矮星和中子星的情況與普通行星的戴森球沒有太大分別，只是白矮星和中子星比較細小（分別約為地球和香港大小）和比較熱（亦即提供更多能量）。

黑洞的情況比較有趣。連光也逃不掉的黑洞，竟然也能夠用來提取能量！黑洞的事件視界就是那條不歸路的分隔面，穿過了事件視界的一切都不可能再走出來。神奇的是，在事件視界外面一段距離，光能夠在穩定的「軌道」上環繞黑洞公轉，這軌道叫做光子圈（photon sphere）。如果黑洞會自轉的話（極可能會），在這光子圈與事件視界之前會有一片時空，被黑洞自轉拉扯著，形成叫做動圈（ergosphere）的時空區域。

在動圈裡面，你需要跑得把光更快才能「原地靜止」。所以，如果把一束光沿着動圈自轉的方向發射，其中部份會落入黑洞事件是界之中，另一部份就會被動圈加強強度。只要造一個完全由鏡子造成的戴森球罩住黑洞，再打開少許然後往裡面照射一束光線，光就會自動不斷加強。最後要做的是聰明地定時打開缺口，讓光線跑出來，然後就能利用光線裡變多、變強的能量。不小心的話就會爆炸，不過有無限寶石，隨時能夠復原吧。

總而言之，宇宙裡的資源多得離譜，只視乎薩諾斯懂不懂去利用它。等到最後，連白矮星、中子星、黑洞都蒸發消失，宇宙就會進入所謂的「熱寂（heat death）」，不會再有在任何物理過程發生。到時候才用手套變出更多資源吧！