全新物種──加拿大養殖鮭魚│食安簡史18：實戰開始

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 本文轉載自科技大觀園，原文為《世紀之毒燒不盡？破解戴奧辛生死密碼》
• 作者 / 科技大觀園特約編輯｜李宗祐

環保署在 2011 年《中華民國重大環境事件彙編》發表《戴奧辛污染事件─揮之不去的世紀之毒》口述歷史，用新詩「燒阿！燒阿！」破題，形容戴奧辛如鬼魅般糾纏著台灣的環境生態，更時時刻刻威脅國人健康。

回顧國內戴奧辛污染事件，最早可追溯到 1979 年的台中與彰化米糠油事件，和 1982 年 12 月臺南市灣裡地區廢五金業者露天燃燒廢電纜產生煙塵，被檢測含有高濃度戴奧辛。但 30 年韶光荏苒，當時負責調查防治戴奧辛污染的環保署毒物管理處前處長陳永仁，在 2011 年口述歷史中感慨的說「我認為目前還沒有妥善處理」，突顯對抗戴奧辛污染依舊長路漫漫。 

也因為缺乏妥善處理，繼灣裡之後，1999 年接連爆發台北木柵焚化爐檢出戴奧辛超標與震驚國際的中石化台南安順廠戴奧辛污染案，2005 年在彰化縣線西鄉發現戴奧辛鴨蛋，2006 年林口傳出山羊遭到戴奧辛污染，2009 年高雄大寮爆發戴奧辛鴨事件，2017 年戴奧辛毒雞蛋流竄桃竹苗地區和新北市…，戴奧辛污染就像潛伏各地的不定時炸彈蠢蠢欲動！

 「低溫熱裂解技術」成為戴奧辛污染救星 

9 年前同時接受口述歷史訪談的中央大學環境工程研究所特聘教授張木彬則在 2014 年帶領研究團隊成功開發「低溫熱裂解技術」，有效裂解戴奧辛、多氯聯苯與五氯酚等含氯污染物，並可讓汞從土壤中脫離，終於使因利用水銀電解法電解海水以製造氫氧化鈉和氯氣而造成汞污染、又因製造五氯酚鈉導致廠區土壤受到戴奧辛及五酚氯污染而荒廢多年的中石化台南安順廠整治露出曙光，也被喻為戴奧辛與重金屬污染整治技術最完整的解決方案。 

「戴奧辛有兩個主要生成途徑。」張木彬指出，第一個是化學製程，例如中石化安順廠在製造五氯酚鈉過程，產生戴奧辛「躲在」五氯酚裡面；第二是高溫燃燒，煉鋼、煉銅、焚化爐甚至燒木屑，也會產生戴奧辛，「都不是我們刻意製造，也無法完全避免，含氯的東西經過高溫催化，就會產生戴奧辛。」  

 既然要從「產生」完全杜絕很難，除了在製程盡量降低戴奧辛生成，如何發展有效技術讓它在生成之後，不要從煙囪、飛灰或廢水中排放出來，是防杜戴奧辛污染重要關鍵。張木彬表示，攝氏 250 到 400 度是戴奧辛生成速率最旺盛的「溫度窗」，當化學製程或高溫燃燒產生的廢氣通過煙道的時候，含氯、碳、氧、氫的化合物，經過銅跟鐵催化就會合成戴奧辛。超過 400 度以後，生成速率變慢；更高溫就會被破壞；低於 250 度，活化不夠，生成速率也會變慢。 

「萃冷技術」也因「溫度窗」原理應運而生，讓廢氣通過煙道過程在 1 秒之內從 400 度以上降到 250 度以下，把戴奧辛合成機率極小化，但還是無法達到「零產出」。以焚化爐而言，目前還是普遍採用成本相對便宜的活性碳噴霧法，利用活性碳吸附以氣體分子存在的戴奧辛，再用袋式集塵器把它抓下來，國內現有 24 座焚化爐就有 23 座利用活性碳防止戴奧辛排放至廠外。 

然而張木彬認為，活性碳噴霧法雖可有效降低從煙囪排放，卻治標不治本，只把戴奧辛從氣體轉移成固體，抓進集塵器飛灰裡面，問題並沒有完全解決。國內焚化爐每年燃燒處理超過 600 萬噸垃圾，產生 20 萬噸飛灰，都用螯合劑加水泥固化以後，拿到掩埋場處理。年年國泰民安、風調雨順就沒事；但萬一發生強烈地震或類似莫拉克颱風等天災，掩埋場可能被沖垮，裡面的東西就會跑出來，潛在的污染風險很大。 

「最好的方法是發展破壞技術，把戴奧辛分子破壞、分解掉，而不只是把氣體變成固體！這也是我們實驗室一直努力的目標。」張木彬強調，「低溫熱裂解技術」是針對存在土壤或底泥裡面的戴奧辛，抓出來破壞掉並去除毒性，「我們利用氮氣把氧的含量控制到非常低，讓戴奧辛在幾乎無氧的狀態下裂解。」但最重要的核心技術是如何在相對低溫的條件下把戴奧辛完全摧毀。 

在完全燃燒的情形下，要完全破壞摧毀戴奧辛，溫度必須超過 900 度，但溫度越高，消耗能量越大，成本越高，不符經濟效益。「我們發展的技術是在比較低的溫度之下，不超過 350 度，就可以把土壤裡面的戴奧辛破壞掉。」張木彬透露，真正的「溫度窗」很重要，要完全摧毀戴奧辛，除了把它從固體變成氣體，再抓出來裂解處理乾淨；抓準各種氣體分子停留時間，避免讓其再度合成戴奧辛，以及如何給予適當觸媒，必須準確掌握不同的操作參數，才可以真正解決問題。 

政府應重視本土技術落實，解除污染風險 

可惜的是，張木彬研究團隊開發的「低溫熱裂解技術」，雖然被認為是目前已公開發表的研究成果中，最有可能解決戴奧辛與重金屬造成環境多重污染的完整解決方案，但中石化基於成本考量，並未採用他的技術。「就我個人看法，中石化的技術有點東拼西湊，處理流程太長，設備太老舊，事倍功半，沒有達到真正預期的效果。」不過研究團隊並未因此放棄，仍持續鑽研精進「低溫熱裂解技術」。 

「以前的低溫熱裂解沒有加觸媒，近 2、3 年開始研發觸媒配方，希望把溫度從 350 度降到 200 度，甚至於更低到 150 度，讓裂解程序更環保、更省能，成本更低。」張木彬直言，這個當然挑戰很大，但目前已有初步結果，已經降到 200 度，研究團隊正在校驗相關實驗數據，在確認重複性和穩定性以後，才會正式對外公開發表。

 研究團隊語重心長呼籲政府應重視本土化技術研發並落實推廣。台灣工業製程早期產生的集塵灰和焚化廠飛灰，戴奧辛濃度很高，都是隨意棄置，很多土壤可能都受到污染，政府應該確實追蹤調查過去幾年陸續發生的戴奧辛污染事件是否與此有關。怎麼把過去遺留下來的東西與現在還在持續產生的東西，有效防止污染擴散並徹底解決潛在污染風險，要有破釜沈舟的決心！ 

枋寮區域性垃圾衛生掩埋場除掩埋焚化爐產生飛灰，也逐漸轉為多元化廢棄物處理。張木彬舉例，全台焚化爐每年產生 20 萬噸飛灰，過去長期都是掩埋處理，現在每年新產生的也是直接掩埋，都沒有把飛灰裡面的戴奧辛抓出摧毀處理，讓飛灰從有害物質變成無害。政府若再不善用先進技術，等到各地掩埋場最後貯滿爆掉，就會像核廢料要留給下一代處理，「我們這一代要找出好的處理方法，有效解決問題。」 

那是個典型的炎熱的加州夏日，我剛剛從阿拉斯加釣鮭魚回來。這次的釣魚之行跟之前比不算成功，我的嚮導說，外海的商業漁船過度捕撈及氣候的變化，現在越來越少鮭魚回到河裡，他們擔心未來的魚只會越來越少。非常應景的，我一回來就訪談了一家在舊金山叫 Wildtype 的生物新創公司，他們成功在實驗室生產出鮭魚片。

這個公司是由心臟科醫師/細胞生物學家 Aryé Elfenbein 及耶魯商學院的 Justin Kolbeck 共同創立的。之所以成立這個公司，原因是 Aryé 在醫學領域見識到了，細胞全能性所帶來的可能，也看到了目前海洋及河川污然及過度捕撈的現況。而 Justin 則是因為在阿富汗的經歷，親身體驗過 food insecurity 這件事情有多麽嚴重，進而思考是否有辦法讓資源匱乏的地區也能夠獲得新鮮的食物。

在這樣的前提之下，讓他們重新思考，是否人類真的需要透過動物才能獲取肉？於是，他們在 2019 年一同成立了 Wildtype 這間公司，希望在這海洋、河川資源逐漸匱乏、到處都是塑膠微粒、重金屬的環境下，可以提供一個更永續、更安全、更人道的方式來獲取肉。

而當他們決定這個目標後，他們開始思考要往哪個方向去做，而最後選擇鮭魚主要有三個考量：第一，鮭魚是世界第二大的消費魚種，若能生產鮭魚，對於減少濫捕的會有顯著助益；第二，身為心臟科醫師的 Aryé 認為若要生產商品，也希望將世界帶到比較健康的方向去。富含 Omega-3 的鮭魚，將對大眾的健康更有助益；第三，鮭魚目前市場價格約在每磅 8 美元，比起每磅 1 美元的雞肉，鮭魚的市場價格能提供他們更多的研發空間。

用「啤酒槽」養出鮭魚細胞？

美國人吃鮭魚，其實只有魚側面的兩塊菲力，其他的部分包括魚頭及內臟，大約有五成的魚體都會在處理後丟棄。於是 Aryé 與 Justin 思考，是否可以生產需要的部位就好？

答案是肯定的，而且其實製作起來更可行，生產魚片還是比生產魚頭來的單純很多。

實驗室鮭魚有兩個主要步驟，第一步在生物反應器（bioreactor）放大細胞數量。就像啤酒發酵槽，在生物反應器裡面放入細胞生長所需的最佳營養，並透過不間斷的打氣循環，讓細胞在裡面懸浮生長。

這個過程，細胞數量通常呈指數性的生長，短短幾週可以生長到萬倍之多。不過有一點要非常注意，整個細胞培養的過程必須是無菌狀態。如若不然，即使只是一個細菌、一顆黴菌孢子，在這麽營養的生長環境之下，也會跟著目標細胞一起被放大數萬倍。

第二步是讓細胞在支架裡生長。這裡他們利用植物纖維製作出支架，將細胞循軌跡生長，進而成為漂亮的魚片。不過我很好奇，那個鮭魚肉典型的白色紋理是怎麼做到的？Aryé 說那是脂肪細胞。

簡單來說，在生物反應器生長的這群細胞，就像是幹細胞一樣，尚未分化成不同功能的細胞^[註1]。他們發現，透過改變支架的軟硬程度，及調整培養基的成分，可以誘導尚未分化的鮭魚細胞，分化成肌肉細胞或脂肪細胞，進而產生橘白相間的鮭魚肉。

培養出的魚肉品質如何？味道好嗎？

由於這個產品從收穫到包裝幾乎沒有時間差，我很好奇這個魚肉到底味道如何？一般市場買到的魚，即使處理得非常快速，還是跟現釣的相去甚遠，魚腮、黏液、內臟、血液，都會帶有腥味。Aryé 笑著說，沒錯啊就像現釣。

現在人其實非常少能接觸到極新鮮的魚，所以大家習慣的魚其實都是有點魚味的。所以他們在試吃的過程，很多人的反應都是他們的魚肉沒有味道，因此後來他們還特別去研究，增加一點空氣接觸，讓肉熟成一下，產生魚味。

關於保存期限，Aryé 表示，由於魚肉是在無菌狀態下生產的，所以非常非常耐放。他們目前還沒有做過完整的儲藏性實驗，但合作的廚師把他們的魚肉（未拆封狀態）放在冰箱一個月之後，吃起來還是超級新鮮。

甚至放置在室溫之下，目前的結果顯示幾天之內都不會腐敗。雖然仍需要更進一步的實驗，但如果結果屬實，短期運輸就能不需要冷鏈，除了降低運輸成本，也可以運送到冷鏈不發達的地區。

根據一篇 2019 年的訪問^[註3]，因為結構的問題，這個魚肉產品煮完會散掉，因此只能生食，在我看來這樣可能會降低消費者的購買興趣。Aryé 表示這點已經克服，只需要多培養一些時間，讓細胞間的結構比較扎實，就可以正常烹煮了。所以他們的產品現在可以做各種烹調法，不再局限於生食而已。同時，他們也正在規劃試吃間（tasting room），之後有進一步消息會再行公告。

潛在的吃素市場

我在進行這個訪問之前，先在我的個人臉書做了市調，結果反應最熱烈的是吃素的朋友。除了天生吃肉會過敏、一輩子要吃素的族群以外，很多人吃素是因為抱持著不殺生、不剝削動物、環境保護的原則。

雖然還有一些道德性的思考需要去界定到底吃鮭魚細胞算不算殺生，但普遍吃素的朋友都會願意去嘗試這樣的商品，並非常期待這樣的商品能夠趕快出現在市場上。

目前 Wildtype 的鮭魚，仍在小量生產的試驗階段，所以價格還是很高。目前做一盤六片的鮭魚握壽司，要價 50-100 美金。但他們很有信心，在持續的研發跟改良之後，他們最終希望售價可以降到一磅 10 美金左右，讓消費者可以在 Trader Joe’s（美國的平價超市）之類的商店輕鬆購買。

人造鮭魚還算是「魚」嗎？

目前 Wildtype 尚未拿到 FDA 核准上市的認證，因為這是一個非常嶄新的產品，法規和食品標準都尚未成形。但 Aryé 透露目前的溝通都算順利，他們被要求提供的資料及數據都算合情合理。

我繼續問，那這樣的商品可以被標示為鮭魚嗎？他說這個問題也在討論之中，但應該不會直接就寫鮭魚肉，畢竟和傳統捕撈的鮭魚不同，而且他們也希望告訴消費者這是鮭魚細胞製作而成，並不是源自於傳統的鮭魚。

但根據耶魯消費者中心的市調^[註3]，由於這個概念太新了，無論是「實驗室鮭魚」、「人造鮭魚」、「人工培養鮭魚」等等，目前並沒有一個名詞可以讓消費者馬上理解。

所以 Aryé 覺得最後可能會像 Impossible burger 那樣，在商品名稱下直接加一個描述句「使用植物製成的漢堡」。而他們公司希望可以在商品名稱 Wildtype salmon 之下，標註「本產品使用鮭魚細胞並在食物加工場域製作」。

最後，他也補充一個很有趣的點：根據他們內部的市調，成人消費者對於這個新概念很難理解，但五歲小孩們卻都能馬上領會。可見以人工培養鮭魚細胞對於下個世代而言是很自然的事。

文獻資料

1. Wild Type’s Cell-Based Salmon Costs $200, But Not For Long
2. Allan, S. J., De Bank, P. A., & Ellis, M. J. (2019). Bioprocess design considerations for cultured meat production with a focus on the expansion bioreactor. Frontiers in Sustainable Food Systems, 3. 44-44.
3. Labeling the future: ______ salmon