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」，為「中研院廣告」

• 採訪撰文｜簡克志
• 責任編輯｜簡克志
• 美術設計｜蔡宛潔

中研院原分所的推手

中央研究院原子與分子科學研究所（簡稱原分所），是國內原子科學的研究重鎮，位處於臺灣大學學區，研究領域涉及表面科學、尖端材料、原子／分子與光學、化學動態學以及生物物理。原分所第一任的籌備處主任為張昭鼎先生，他的思維與待人接物的方式，深深影響了現在的原分所。中研院「研之有物」於 2023 年 4 月專訪原分所所長陳貴賢特聘研究員，一起從他的角度認識這位謙和又有遠見的科學家。

當天是個晴朗和煦的午後，研之有物團隊和張昭鼎基金會的工作人員，來到位於臺灣大學的中研院原分所，準備拜訪陳貴賢所長。原分所位於臺大校園中心，旁邊就是醉月湖，研究所建築外觀換新之後，以典雅新穎的紅磚色拱形亮相。甫進辦公室，充滿活力的陳貴賢，看起來已經準備好和我們分享關於原分所和張昭鼎先生的故事。

原分所建立初衷

原分所成立於 1982 年，由張昭鼎擔任第一任籌備處主任（1982～1993），現任所長是陳貴賢，擔任所長已將近 7 年（2016～2023），並即將在今年 7 月 15 日交接所長職位給魏金明合聘特聘研究員。當我們問到原分所一開始是如何成立的？陳貴賢提到，原分所是當時海外學者李遠哲與浦大邦開始的構想，希望幫助臺灣發展原子與分子科學、同步輻射科學兩大領域，以跟進國際科學的研究步調。

為了和政府提出建言，李遠哲等學者邀請了全世界知名的科學家一起討論，包含吳健雄以及她的先生袁家騮，他們當時還回臺灣做了好幾場演講。經過持續的溝通與交流，最後終於事成，浦大邦主要負責同步輻射（中心落腳於新竹清華大學旁），而李遠哲就是想辦法建立原分所。

由於李遠哲當時人在美國柏克萊大學化學系任職，他迫切需要一位信任的人在臺灣幫忙。因此，他找了在學時期認識的臺大學長張昭鼎，請他負責籌備原分所，張昭鼎當時已經是臺灣無機合成化學的先驅。陳貴賢回憶道「張昭鼎是一位格局很大的人，也可以理解基層的需求」。

成立一個所並不簡單，有很多眉角要處理，比如選址就是大問題。李遠哲希望能夠促進中研院和學校之間的合作，讓年輕學生也能參與研究，最終選址於臺灣大學正中央，原分所就此成立。「對有志於科學的年輕人是非常大的福氣」，陳貴賢說。

原分所在做什麼？新興材料的研究重鎮！

話說回來，原子與分子科學研究所是研究什麼呢？看起來不是一般的物理、化學、機械等數理學術機構。陳貴賢在訪談中笑著說，「所有的物質都是原子組成的，兩個原子結合在一起就變成分子，分子繼續疊在一起就會形成固態、氣態或液態的物質。」原分所是在研究原子相關的物質科學，但陳貴賢強調，原子內還有各種基本粒子，例如質子、中子或夸克等，研究這些基本粒子屬於高能物理，不屬於原分所的研究範疇。

舉例來說，原分所的研究有大家很熟悉的半導體，以及稱為「表面科學」的重要領域。陳貴賢說，很多化學反應都會發生在物質表面，尤其太陽光如何和表面原子互動相當值得探討，他的實驗室就有研究如何透過光催化材料來進行人工光合作用。

原分所另一個重要領域是「化學反應動態學」。陳貴賢提到，過去李遠哲回臺灣時，就有從柏克萊帶回珍貴的交叉分子束設備。設備的噴嘴會噴出兩束不同的分子束，讓分子束交叉碰撞之後，觀察化學反應的動態機制。「了解化學反應怎麼發生，才有可能對它進一步控制」，陳貴賢道，他以燃燒反應為例，如何讓燃燒反應更完全、減少污染物的產生就是個大學問。

此外，陳貴賢還分享了另外兩個重要領域「尖端材料」和「生物物理」，尖端材料例如能源材料，有太陽能材料或是熱電材料等，讓未來能源發展有更多機會。生物物理例如研究生物影像的分析方法，發展各種創新的顯微技術。

原分所發展至今，即使張昭鼎在 1993 年 4 月離世，仍受到他的處世之道影響。陳貴賢回憶道，當時 1993 年元月份來到原分所，在開始長期的學術生涯之前，曾仔細瞭解張昭鼎的事跡及為人，發現他很重視基層人才，願意給年輕人機會，甚至幫忙找資源。

隨著不同的所長接任，原分所的制度和規範逐漸完善，在林聖賢、劉國平、王玉麟、及周美吟等所長的努力下，原分所逐漸進入穩定發展的狀態。王玉麟擔任所長期間為了紀念張昭鼎，在 4 樓的會議廳就命名為「張昭鼎紀念講堂」。

搶救《科學月刊》，致力於科學教育傳播

除了成立原分所之外，張昭鼎的另一項重要貢獻是《科學月刊》。《科學月刊》是臺灣本土力量孕育而生的科學雜誌，自 1970 年創刊營運到現在，是珍貴的科學傳播刊物，對於臺灣科學界的人才培養和學術交流都有好的影響。

關於《科學月刊》對臺灣早期科學界的重要性，陳貴賢說：「你做的科學研究不只是要在國際上發表成果，你甚至希望可以扎根，讓更多下一代的人可以對科學有興趣。在那個時代我想《科學月刊》幾乎是唯一的選擇。」

張昭鼎是《科學月刊》在位最久的董事長（1973～1993），1970 年代初期是《科學月刊》早年財務最艱困的時候，甚至在 1975 年內部曾經有停刊的想法，而張昭鼎與董事會最後的決策是：保留《科學月刊》，圖書業務則交由他人負責經銷。這個決定影響深遠，讓《科學月刊》度過困難的 1970 年代。

然而，張昭鼎在 1993 年不幸過世。他的離世對好友李遠哲來說是巨大的衝擊。陳貴賢提到，李遠哲曾在懷念故友文章寫道「或許真的是已到了我該回家鄉的時候了」。很多人起初以為他只是暫時回臺灣，沒想到李遠哲真的一直留在臺灣，為原分所、中研院學術界以及臺灣社會持續付出。

張昭鼎離世之後，次年張昭鼎紀念基金會隨之成立。基金會繼承張昭鼎的精神，積極推廣科學教育，在李遠哲院士倡議之下，2011 年基金會首度舉辦了「居禮夫人高中化學營」（今為瑪麗居禮科學營）。瑪麗居禮科學營的招生對象，主要是對數理化學有興趣的高中學生，在四天的營隊活動，邀請重要學者做專題演講，特別精心設計分組實驗實作，讓學員對科學研究有親身體驗。

陳貴賢分享，原本營隊主要籌備是清華大學，後來張昭鼎基金會董事希望在中研院、臺灣師範大學以及張昭鼎紀念基金會的努力下，將營隊活動轉移到臺北。感念張昭鼎對原分所的貢獻，陳貴賢沒有第二句話，全力幫忙。從 2020 年開始，瑪麗居禮科學營就順利在臺北舉辦至今。

入世的科學家——張昭鼎

在原分所服務多年的陳貴賢，雖然和張昭鼎真正相處時間很短，但對張昭鼎的為人處世印象相當深刻。陳貴賢認為，張昭鼎之所以能體會基層的需求，正是因為吃過苦，他出身於困苦家庭，小時候幾乎都在戰亂中度過；而從小得知母親與「鴨母王」朱一貴的血緣牽連，也時刻提醒張昭鼎保持不隨波逐流的反叛思維。

陳貴賢：「他不是關在象牙塔裡面的科學家，他是一個入世的、對社會關懷很深的一個人。」

不僅在學術界有影響力，張昭鼎也在社會廣泛交友，認識許多執政黨與在野黨的人，並與他們建立友誼。陳貴賢提到，這也是當初李遠哲邀請張昭鼎擔任原分所籌備處主任的原因，看重他的人脈和社會參與能力。

除了人脈廣，張昭鼎也力求資源妥善利用。陳貴賢說，之前一位芝加哥大學畢業的同仁曾經回憶，當年張昭鼎到芝加哥去招聘人才的時候，他住的旅館是 YMCA 青年旅館！其實原分所在籌備階段經費是相對充裕的，但是張昭鼎堅持不浪費，將人民的稅金用在最需要的設備添購上。「他的堅持令人敬佩」，陳貴賢說道。

陳貴賢接著回憶，在籌建原分所期間，張昭鼎與行政體系常有意見相左的情況，因為行政人員認為只有法律允許的才可以做。而張昭鼎則試圖在法律找到合情合理的談判空間，所以他在原分所籌建過程也協助突破許多公務採購障礙，提升政府的服務效率。

陳貴賢認為，張昭鼎是一個跨越族群與階級的行動家。跨越族群的意思是，張昭鼎是閩南人、也是臺灣人，但是他不會因為本省／外省、客家／閩南等不同族群，在社會參與上劃地自限。跨越階級的意思是，他的出身困苦，並不是特權或貴族家庭，所以他是入世的、走出來的人，願意服務於基層，也願意為基層服務。

陳貴賢最後感慨地說，張昭鼎是跨越了不同階級與族群的人，只可惜他離開的早。接著，陳貴賢分享自己曾經隨手寫下的一首臺語歌，在訪談中哼了起來，以紀念張昭鼎先生。

啦啦啦啦　啦啦啦啦
啦啦啦啦　啦啦啦啦
地瓜落土　才會生湠
等待春天的雨水
新希望

陳貴賢解釋，這首歌的意思是說，地瓜要放進泥土裡面，才會長出新的葉子，並等待春天的雨水到來。當春雨來的時候，就是一個新的世代。人生路途中，有些人留得比較久，有些人走得比較快。像張昭鼎先生雖然不幸離開，但後面會再有新的一代，就像代表臺灣人的地瓜一樣，堅持著地瓜精神，一直延續下去。

只有金屬會導電？

怎麼樣的材料能導電？這個問題的答案或許將永遠改寫。

芝加哥大學的研究團隊發現了一種新的合成材料，擁有塑膠般柔軟的非晶體結構，同時又有金屬般的導電性質。

講到導體，首先會想到的是老字號的金屬家族。金銀銅鐵這類材料是由單一金屬原子排列成整齊的晶格，自由電子可以穿梭其中。大約從十八世紀開始，科學家便知道常見的金屬可以用來傳導電荷，並將物質分為導體和橡膠這類的絕緣體。利用金屬電纜和元件，人們打造了公共電力網和電力火車頭，將人類社會帶進了電氣時代。

相隔許久後，二十世紀後半幾次意外的實驗讓科學家發現聚乙炔這種高分子聚合物在摻雜了些許碘原子之後，也能表現出良好的導電性。這完全顛覆了人們對於導體的認知：

原來除了金屬材料之外，塑膠聚合物也可以作為導體。

和傳統無機材料比起來，導電聚合物的製程簡單便宜，也有較好的可塑性，被俗稱為「導電塑膠」。這種突破性的材料帶來了新一波的電子產品，像是有機發光二極體（OLED）螢幕、有機太陽能電池、以及有機半導體科技等等。

儘管有著導電塑膠的響亮名號，但是導電聚合物和金屬導體一樣，都有緊密整齊的晶格結構，讓特定能量的電子可以順暢地流通。事實上，現代的固態理論認定固態材料必須要有這些整齊排列的晶格，才能有效地傳導電力。像是玻璃、黏土、橡膠這些結構無序的非晶體材料則肯定無法導電。

再一次超越想像，無序材料也能導電

不過芝加哥大學博士生 Jiaze Xie（現為普林斯頓大學博士後研究員）近期發現了另外一種可能性。他選擇了 TTFtt 這種高分子作為嘗試的目標。TTF 結構本身在數年前就已經被發現可以作為導電高分子的組成單元，但因為合成技術困難，並沒有受到研究圈的關注。Jiaze Xie 將鎳原子鑲在碳原子和硫原子組成的長鏈上，合成出全新的 NiTTFtt，開始了一系列的實驗。

在實驗室中，NiTTFtt 展現了不錯的導電性。但最令人驚訝的是，X 射線繞射結果顯示它的分子結構是無序的，沒有整齊的晶格結構。它是一種理論上不該存在的「無序高分子」導體。

事實上，NiTTFtt 的質地就像是小朋友的玩具黏土一樣，只要將一坨 NiTTFtt 黏在電路上，就可以開始導電。這表示它有著幾乎無人能敵的可塑性。除此之外，它還十分的穩定。實驗人員將它加熱到攝氏兩百多度、放在潮濕的空氣中幾十天、在它身上滴強酸強鹼，想盡各種方式考驗它，但它的導電性在各種條件下幾乎都能保持穩定，顯示其實際應用的潛力不容小覷。

這種被現有理論排除的材料為什麼有辦法存在呢？研究團隊利用掃描式電子顯微鏡和 X 光繞射的探測結果建構出了下圖的原子結構模型，企圖對這種前所未見的材料提出解釋。

以每個綠色的鎳原子為基準可以看出一個個扁平的組成單元。他們首先組成長長的一維長條（左），平行堆疊成千層派一樣的結構（中），並橫向排列形成立體的材料（右）。注意到每個長條排列的方向雖然一樣，但是並不需要有規律的秩序。

透過理論計算和電腦模擬，研究團隊發現長條之間即使經過平移或是扭曲，電子活動的範圍還是能維持足夠的重疊，讓電子能夠穿過不規則排列的千層派結構。也就是說，NiTTFtt 的特殊原子結構使得其導電性能在非結晶結構下屹立不搖。

獨一無二的特性，或許可以帶來更多的突破

NiTTFtt 獨一無二的材料性質顛覆了固態物理的既有認知，讓這份研究登上了《自然》期刊。由於電子產品是如此無所不在，任何關於導電材料的發展都會帶來無限的可能性。NiTTFtt 的可塑性以及耐溫耐濕耐酸鹼的超人特性開啟了許多傳統導體無法想像的機會。

研究團隊向全世界示範了有機分子只要有適當的結構，就可以在非結晶排列下維持金屬般的導體性質。他們也期待「無序高分子」導體能夠像金屬導體和導電聚合物兩位大前輩一樣，為人類社會帶來革命性的科技突破。

• Scientists discover material that can be made like a plastic but conducts like metal
• 10.1038/s41586-022-05261-4