南安小熊回家了，那「熊麻雞」去哪裡了呢？——《小熊回家：南安小熊教我們的事》

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

最早出現的和味道有關的跡證，早在地球生命開始感覺到周遭世界的時候就有了。海水裡從這些生物體旁邊漂過的養分，其味道就激發了牠們原始的神經系統。在接下來的數十億年裡，生命演化的過程中，已經吃過無數餐飯了。

我們現在的口味，就像俄羅斯套娃那樣，一層層包覆著以前的那些體驗。不論一個人的口味是怎麼培養起來的，或是一道菜裡的成分有多麼不易察覺，一個味道就能勾起久遠記憶中的原始衝動，這些原始衝動呼應著演化過程的轉折，與遠古時候為食物爭得你死我活的爭鬥。

底下介紹的從古至今最重要的「五餐飯」，每一餐都是在演化史的重要轉折點發生，它們對於要解釋味覺從哪裡出現，以及智人的烹飪發明天賦從何處產生，大有幫助。

地球生命的第一口飯

這種小動物有些像金龜子，大約一吋長，有格紋狀的柔軟甲殼，會在海岸淺灘的沙子裡竄來竄去。接著牠能察覺到由氣味、振動與光線變化交織而成的破舊織毯。牠那蟲狀的獵物會往沙裡挖洞，企圖迴避閃躲到安全地點。不過為時已晚。掠食者用鉗狀的下顎把獵物扯開，吸進嘴裡、吞進食道，然後繼續牠的行程，尋找藏身處躲藏，讓食物消化。

四億八千萬年前的這一餐，證據是在一九八二年發現的。那一年，還是研究生的馬克‧麥克孟納明（Mark McMenamin）為墨西哥政府調查索諾蘭沙漠（Sonoran Desert）的地質，在墨西哥索諾拉州圖桑市（Tucson）西南方約七十英里處的高山 Cerro Rajón（中譯：朗山） 的山側進行挖掘（古代的海底現在變成在山頂上了）。他在一片灰綠色頁岩上注意到一個很微小的化石壓痕，當時他也沒有多想，就把那個壓痕從岩石上鑿下來，把它和其他那堆標本一起裝袋。

由未經訓練的人來看的話，那個化石只不過是大約四分之一吋長、隱隱約約的連續刮痕。當麥克孟納明把它拿回實驗室研究時，他辨認出那是三葉蟲的運動，刻畫在硬化泥漿上的爬痕。在動物界裡，三葉蟲幾乎要算是每種動物的老祖宗了：魚類、雙翅目、鳥類、人類。牠們在海床上留下無數化石，讓它們成了這種天然的歷史博物館裡的固定班底。很多化石有多節式外殼，看起來像是鱟和蜈蚣雜交的產物。這種化石的紋路圖樣很有名，甚至還有一個學名「多線皺飾蟲」（Rusophycus multilineatus）。麥克孟納明保留了這個化石，也在自己的博士論文裡寫到它。一直到二十多年後他擔任曼荷蓮學院（Mount Holyoke College）地質學教授、研究早期的生命演化過程之前，他都很少想到這件事。

後來麥克孟納明在看到他以前忽略掉的東西時，再一次檢查了那個化石。「它具有這種額外的特徵，不只是三葉蟲而已，緊鄰的另一個彎彎曲曲的軌跡化石也有這特徵。」他說：「這些東西很罕見。」他推斷，這個化石包含了兩種生物相遇的證據。另外的那道軌跡，就是一隻像蟲子那樣比較小的生物想要鑽進泥巴裡的證明。從這些記號的排列來看，顯然三葉蟲就在牠的正上方。麥克孟納明採用了「奧卡姆剃刀」（Occam’s Razor）原理：最簡單的解釋，就是三葉蟲要挖洞找吃的東西。他寫道：這就是「第一口飯」的證據─是目前已知最古老的掠食者吞吃獵物的化石。

這一餐的味道如何？有可能想像出來嗎？

在那個時代（也就是寒武紀〔Cambrian Period〕）之前，就任何有意義的方面來看，味道是不存在的。地球上的生命大部分是由漂浮、過濾和光合作用組合而成。細菌、酵母和其他單細胞生物，藏身在花崗岩的溝紋裡或是砂粒之間。有些單細胞生物會湊在一起形成黏糊糊的細胞叢。管狀或碟狀的生物體會搭著洋流的順風車漂流。「吃」的意思是指吸收海水裡的營養成分。有時候某個生物體會包裹住另一個生物體。

接著，經過數千萬年──以地質學的時間尺度來說只是一瞬之間─海洋裡變成充滿各種新生物，包括三葉蟲，牠成了生命演化史上最成功的生物類別；牠們稱霸地球的時間持續超過兩億五千萬年。牠們大約是五億年前出現的，也就是我所知自然界真正開始的時間：有史以來第一次，生命開始有系統地吞吃掉其他生命。這些新生物和牠們的前身不一樣，牠們有嘴巴和消化道。牠們擁有較原始的大腦和感官，以偵測到明、暗、動作和洩漏形跡的化學特徵。牠們利用這種精巧的新工具來獵捕、殺掉獵物與填飽肚子。就像伍迪‧艾倫（Woody Allen）電影《愛與死》（Love and Death）裡的角色鮑里斯（Boris）說的：「對我來說，嗯……我也不知道，大自然是蜘蛛與蟲子，以及大魚吃小魚。還有植物吃掉植物，動物吃……它就像一座巨大無比的餐廳。」

三葉蟲並沒有存活到現在，從那些化石也沒有辦法知道牠們神經系統的資訊，所以想要知道牠們的感官能力，得仰賴經過訓練的推測。確實，牠們可能完全沒辦法察覺像黑巧克力、葡萄酒這類複雜的氣味。人類的味道，即使是討厭的味道，都充滿細微之處，而且和其他氣味、過去的事件與感情，我們學到的經驗整體，都息息相關。很可能三葉蟲不會有「愉快」這類的感覺，而且僅能保留一點點殘存記憶。每一餐嚐起來的味道必定都差不多。而這一餐的特點一定是大多來自化解了飢餓感，以及攻擊的衝動。

還有，這些原始的氣味元素是一種相當了不起的演化成就，而人類的味道同樣具有這種相同的基本生理學構造。當然，這好比是拿小鳥比雞腿似的。不過，味道的基礎已經奠定了。

地球生活條件的某些重大改變，引發了這場掠食者與獵物間的重大變革，也就是「寒武紀大爆發」（Cambrian explosion）。科學家們對於它是什麼狀況並沒有共識。有一些科學家認為那是一場史前時代的全球暖化，融解了長期冰凍的兩極冰帽所造成的。海面上升達數百英呎，海水淹進內陸，淹過長了青苔與真菌的低矮山丘和岩石（樹、草和開花植物在當時都還沒出現），侵蝕出潟湖並塑造出沙洲與淺灘，創造出相當適合生命體生長繁殖的溫暖淺窪地。有些科學家描述這次大爆發是地球磁場方向改變，更有其他人指稱是突變的關係，這種突變會導致動作電位（action potential）出現，也就是讓神經細胞能遠距離溝通的能力，或是在 DNA 編碼上的其他偶然變化。

不管事件的精確順序是怎樣，在敏銳的感官與演化成功之間，已經建立起一個相當牢靠的連結。就在身體與神經系統適應了日益升高的威脅與機會之後，一場生物學上的武器競賽展開了。那些感官，一度只是「偵測與反應」的機制，為了引導出複雜的行為，必須發展得更有效果才行。

氣味成了這個過程的關鍵。從三葉蟲存在的時代到現在，覓食、獵捕和吃食物這些行為，推動了生命不斷地啟動，在我們人類的大腦與文化成就上登上顛峰。氣味更勝於視覺或聽覺或甚至是性，是人類的核心裡最重要的要素。它創造了我們。麥克孟納明說，最為諷刺的，就是世界上開始出現殺戮，並伴隨著難以言喻的痛苦，也發展出智能和知覺，最後產生了人類的意識。

• 本文摘選自 PanSci 泛科學 3 月選書《品嘗的科學》，「行路」出版。

當代的動物保育議題，無論是棲地保育或是野生動物復育，都與人類的行為選擇息息相關。本次《我們與野生動物的距離》專題搭配本月選書《小熊回家：南安小熊教我們的事》，希望初窺這個龐大題目的一角：生而為人，遇上野生動物，我們可以做什麼？我們該怎麼做？

「熊麻雞」來了！

小熊野化訓練期間，團隊除了到處擺放各式食物之外，也需要訓練牠獵捕的能力。因此，在二○一八年十二月初時，南安小熊進入森林籠舍後，特地為牠安排了第一場野放訓練――捕抓活禽。訓練捕食動物的技能，總得從簡單的開始，於是為小熊找來了一隻雞，讓牠試著進行獵捕。

在雞群中挑選了一隻活動力最弱的母雞，本想早點替牠解圍讓牠結束被同伴霸凌的生活。怎知還沒在小熊面前擺好紙箱，一不小心，雞就趁縫飛走了，求生意志堅強的雞遇上了沒有獵捕經驗的小熊，所擦撞出來的火花竟是──雞飛也似地逃亡了，而小熊竟然也沒有太大的反應。從此這雞就「銷聲匿雞」了。直到一個月後，牠敗部逆轉，且彷彿重生般地登場，在小熊吃飯時悠悠地從旁出場。有別於昔日凌亂微禿，今日已換上一席亮麗的羽衣，並帶著自信的步伐，不急不慌地在小熊旁邊啄食，令人驚訝不已呀！

在雞消失的近一個月期間，團隊後來還給了小熊第二隻雞練習，小熊成功獵食活禽。野訓團隊因此幫這隻存活下來的雞取名為「熊麻雞」（熊麻吉），牠不僅逃過了熊口，還跟小熊有著微妙的關係，這是大家始料未及的。甚至後來小熊還獵捕了第三隻雞，看來真是獨厚「熊麻雞」。

我們以為這隻雞遲早會成為小熊的盤中飧，但是這隻雞卻日漸豐滿、羽毛光澤亮麗的好好和小熊相處在一個林子中，打破了團隊所有人的想像。每天到了小熊進食時間，只見這位小「閨密」就默默地跟在小熊後面，當小熊拿起植物、漿果狼吞虎嚥，雞就在小熊的下方啄食從小熊嘴邊落下的果實和碎屑。小熊偶爾也會做做樣子驅趕這陰魂不散的跟屁蟲，但雞總能精明地躲開揮過來的熊掌，並耐心地等待小熊自餐桌「離席」，隨即補位啄食掉落一地的碎屑。

這樣看似突破大眾認知的「相處方式」，或許並非不可能。熊是獨居動物，且極度「明哲保身」，通常在非必要的情況之下都不希望發生爭執，甚至大打出手。在食物充足的狀況之下，只要每一隻熊都覺得自己可以飽食，和其他競爭者在同一空間進食並非不可能。因此，在美洲，我們也可以看見一整群的棕熊排排站在河中央，相安無事地一同捕食鮭魚的畫面。小熊在食物供應無虞下，小熊獵捕的動機可能變低。那些食物碎屑對小熊來說，根本不看在眼裡，小雞的存在對小熊自然也沒太大威脅性。由此可見，小熊之所以對「熊麻雞」的行為視若無睹，或許是在驅趕雞的體力以及犧牲掉落碎屑食物的權衡之下，似乎不怎麼划算，因此小熊便懶得去管「熊麻雞」了。

但「熊麻雞」偶爾也會觸發小熊的警戒心，事情發生在小熊進行獵捕訓練後，這次的獵物──小豬仔，就沒有這隻雞這樣的好運。豐盛的豬肉大餐，小熊只吃了一半，另一半被小熊帶回了牠的遊戲場。邊玩邊舔，並將豬排枕在頭下，就這樣睡去。此時「熊麻雞」愣頭愣腦地靠近小熊，認為會像平常一樣沒事，但不料小熊此時卻警鈴大作，直接坐了起來。「熊麻雞」被嚇得倒退，但仍沒有學乖，在第二次接近時，小熊突然發難，伸出利爪攻擊「熊麻雞」，遲鈍的「熊麻雞」終於感受到性命威脅，落荒而逃。這樣的現象即是典型的「護食行為」，平常雞啄食熊掉落的食物碎屑，小熊都不理會，因為塞牙縫都不夠，但是輪到一大「豬排」時，由於豬排得來不易，又只有這麼一塊，豈有分享之理，必當警戒以對。

話說回來，安置小熊之初，團隊本也想到為孤單的小熊找伴，如狗或其他熊，但因各種考量而作罷。如今冒出一隻地表最強的「奇雞」，五個月以來一直陪著小熊，算是山神送給小熊的禮物嗎？小熊和「熊麻雞」的關係，究竟是跨物種的友誼，還是養雞取蛋，或是養肥殺來吃的儲備糧食的概念，沒有人知道。但身為唯一逃過「熊口」的雞，肯定對於小熊來說有特別的意義，也讓我們對於台灣黑熊的研究有了一項有趣而溫馨的紀錄。不知可否登上金氏世界紀錄。

在小熊野放回山林前一天，我們也從森林場裡帶回熊麻雞。我捧在胸前，深深聞了一大口，「怎麼香香的！」次日，熊麻雞隨即被安置於「台灣黑熊夢想藝術館」安養天年，完成一段雞「熊」同籠的佳話。

——本文摘自泛科學2019年7月選書《小熊回家：南安小熊教我們的事》，2019 年 6 月，時報出版。