扶老攜幼自己的家人自己救：擬定災害之「家庭逃生計畫」——《打火哥的30堂烈焰求生課》

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

求生隨堂考：

WOW！這是全亞洲最大的彩虹 party！音樂進入最高潮時，舞台兩側朝台下群眾噴灑出一片七彩的玉米粉煙霧。剎那間，七彩炫麗景象忽然成了一片火海，原本的歡呼轉為震耳欲聾的慘叫。如果你身在其中，身上沾染的彩粉燒了起來，這時你該如何讓身上的火熄滅？

A. 一邊拍打身上著火處，一邊盡快逃離此處。
B. 躺在地上，來回滾動。
C. 待在原地不動，雙手遮住臉。
D. 請旁人用手邊飲料幫忙滅火。
E. 請旁人用衣服幫忙拍打。

【答案請見文末】

現場直擊

一場號稱全亞洲最大的彩虹 party，現場滿是繽紛的七彩玉米粉，歌手在舞台上賣力演出，群眾們個個光著腳丫踩踏地上，在炫麗的燈光陪襯下扭動肢體。晚上八點半，派對進行到最高潮，台上工作人員索性打開所有加壓的彩粉鋼瓶，一股腦的向熱情的觀眾噴發，為這熱情的彩虹 party 畫下完美的句點。

忽然間，台下閃過一大片強烈火光，同時伴隨著轟然巨響，整個舞台邊緣遭烈焰吞噬。大家都還沒回過神來，現場已經多處起火，超過五百人捲入火舌之中，原本歡樂的舞池瞬間變成烈火灼身的人間煉獄。

痛苦掙扎的尖叫聲不斷響起，群眾爭先恐後逃離舞池。舞台前排已經有人昏迷倒地，有人被現場可怕的景象嚇得拔腿狂奔，還有人全身著火、奮力掙扎……。但悲劇之神仍不罷手，零星火焰持續引燃部分在地上飄動的彩粉，踩過的腳印揚起的火舌張牙舞爪，像是要把人們再次拖回這個煉獄。

消防局接獲報案後，緊急救護人員陸續抵達現場，滿山滿谷的傷者痛苦地哀號著，有的躺在地上，有的坐在游泳圈上或水桶、推車上，傷勢較輕微的人則泡在環狀戲水池裡降溫。地上充斥著一攤攤血水，彷彿控訴著這場悲劇是多麼的痛徹心扉！

出於善意的滅火，可能使他人傷得更嚴重。

二○一五年某日晚間，知名遊樂園發生極其嚴重的粉塵火災（不是粉塵爆炸），由於現場群眾幾乎身著泳裝且赤腳，當玉米粉塵瞬間燃燒時，全身上下都暴露在粉塵火焰中。

一批批救災、救護人員全速趕到現場實施急救及傷患後送，用盡一切努力進行搶救，希望從鬼門關前拉回每一條珍貴的生命。然而，這場火災最終還是造成十五人死亡、四百八十四人燒傷，是台灣有史以來最嚴重的大型活動災難事故。

意外發生後，電視新聞密集追蹤報導傷患的救治情況，更天天上演著如何究責活動廠商，以及哪位政府官員應下台負責。但我們最需要知道的應該是：假設自己當時在現場或未來遭遇類似情況，例如自己或旁邊的人身上著火，當下可以做什麼、又該避免做什麼。而在此近五百人傷亡的意外背後，又是什麼原因加劇了傷害的嚴重度？

逃生禁忌：著火逃跑如同火上加油

當身上著火後，人在疼痛或有生命危險時總會本能地想逃離現場求生，但以前述個案的情況來看，奔跑反而會造成空氣及粉塵的劇烈擾動。因為無論是奔跑或身體扭動、揮動肢體，都會加速新鮮空氣的供應，使身上的火勢燃燒得更劇烈。

另外，在奔逃的過程中，腳步會揚起原本疊積在地上的粉塵，引發燃燒，因此造成許多傷者的腿部、腳掌皮膚剝落，露出鮮紅的真皮底層。簡單地說，在那種情境下奔跑會帶動更多飛散的粉塵及新鮮空氣，加劇身上火勢的燃燒與擴大，如同火上加油。

不正確救援：錯誤滅火將加劇燒傷程度

看到有人身上著火而痛苦時，或許會覺得自己該做點什麼來救對方。那麼該用什麼方式救火呢？滅火器？用水潑？還是脫下衣物拍打？我們看看這些方式分別會發生什麼事。

首先，回到前面的案例。當時現場確實有人拿滅火器嘗試往台下滅火，然而噴出時帶動了強烈氣流，同時吹起地上堆積的玉米粉塵，結果滅火反成了助火。瞬間，被噴灑的區域從零星火苗變成一片火海，造成更多人受傷。

其次，當時的舞池是已抽乾的游泳池，根本沒有充足水源能直接浸泡，因此有人以手上的飲料淋在身上降溫。但如此微量的水碰觸正著火高熱的身體，不僅無法滅火降溫，水還會瞬間汽化為水蒸氣，進一步擴大燒燙傷區域，結果變得更嚴重了。

第三，當時有人脫下自身衣物想拍熄他人身上的火，但由於溫度太高而無法靠近，只能抓住衣服一角，隔著一段距離朝對方身上猛揮舞拍打。但這個動作就像奔跑會造成的影響，反而帶動更多空氣幫助粉塵燃燒，使得著火者身上的火燒得更旺盛。此外，由於拍打力道大，很容易黏住或撕碎傷者已燒傷的皮膚，造成更嚴重的傷害。

面對火災，儘管出於一片熱血或直覺去滅火，但錯誤的滅火方式將使他人傷得更重。

保命策略：摀住臉部，站在原地，不要亂動

逃跑很慘，滅火更慘，那究竟該怎麼辦？

玉米粉的粒子其實很小，雖然看起來燒得很猛烈，但很快就會燒光熄滅，而且它必須接觸到流動的空氣或飄散在空中才會燃燒。因此如果身上著火了，為了降低傷害就只能做一件事，即「摀住臉部，站在原地，不要亂動」，這是唯一最佳的生存策略。

• 「摀住臉部」是為了隔絕臉部周圍空氣，避免顏面燒傷，造成呼吸道、五官等損壞，並減少吸入性嗆傷。
• 「站在原地」是因為奔跑會加速空氣流動、揚起粉塵，造成身上火勢擴大。「不要亂動」也是避免因肢體揮舞，使得身上燃燒的粉塵再度與空氣接觸燃燒。

燒燙傷已經造成，但別再擴大嚴重程度，這是唯一能讓身上的火盡速熄滅、燒傷程度降到最低的方法。要注意的是，因粉塵造成身上著火絕不能採取「躺、滾」等動作，會因此掀起堆積在地上的玉米粉，原本身上的局部燒傷可能變成全身性燒傷。

【求生隨堂考解答：C】

——本文摘自泛科學 2019 年 9 月選書《打火哥的30堂烈焰求生課》，2019 年 7 月，遠流出版。

求生隨堂考

你是個很有危機意識的人，為了確保居家安全，甚至在家中準備了滅火器，以備不時之需。假如有一天家裡發生火災了，碰巧滅火器就在你旁邊，你認為什樣情況下可以嘗試滅火？

A. 火苗就在你身邊，火焰高度不到 25 cm 。
B. 起火點在你身邊，已經快燒到天火板。
C. 起火點在其他房間，還看得到火焰，但已經燒到天花板。
D. 起火點在其他房間，屋內已經濃煙瀰漫。
E. 無論什麼情況，有滅火總比不滅好。

【答案請見文末】

現場直擊

深夜一片寂靜，這間三層樓公寓頂樓加蓋的四樓突然冒出濃煙和火舌，由於是木板隔間，火勢迅速燃燒。住在四樓頂樓加蓋鐵皮屋的老夫婦在睡夢中逃生不及，受困火場。

住在二樓的兒子一度拿滅火器衝上樓試圖滅火，但因面對大火時內心驚慌，加上不熟悉滅火器使用方式，無法噴出乾粉滅火，懊惱悔恨之餘，只能眼睜睜看著父母身陷火海。

二○一六年八月某日凌晨，一間公寓頂樓加蓋鐵皮屋發生火警，消防局獲報後立刻調派十七輛消防車、四輛救護車以及近五十名消防救災救護人員趕往搶救。消防人員抵達現場立即布線搶救並緊急疏散十七名住戶，同時登上四樓搶救老夫婦，但兩人獲救時已無生命跡象，送醫後不治。

看到起火，滅了就對？

人人都知道火災的可怕，談到「火」，更是除之而後快。你是不是也有以下的想法呢？

「火災發生了當然要滅啊，難道放著燒嗎？有滅火總比不滅好吧？」「消防隊來公司辦理演練時，我們都實際操作過滅火器，其實沒有想像中困難。」「大人不可能時時刻刻都在孩子身旁，從小就要教孩子如何滅火。」

樂於助人是天性，但我們可能只有滅火的熱忱，卻沒有滅火的技術。一般人極少遭遇火災，真的碰上時，因為驚慌失措，通常沒有餘力（或能力）判斷起火原因，幾乎是隨便先拿手邊的東西試看看。

以居家來看，較常發生的紙類、電器設備、油類發生的火災都各有不同的滅火方式，若用錯方法，絕不只是「滅火無效」而已，還可能助長火勢、擴大傷亡。而就算用了正確的滅火方式，也不見得能安全地把火滅了。火災與火的不同在於它超出了人的控制，具有不可預期、快速的增長特性。

我們來看幾個例子

一九九四年十月某日晚間，一家 KTV 招牌起火後，有人用滅火器自一樓往二樓方向噴灑，不僅沒噴到火點，反而讓火勢延著招牌往上延燒，整棟大樓迅速陷入火海。起火當下雖然有十個人立即被救出，但還是有許多人往三樓逃跑。消防人員進入室內救援後，在二、三樓之間發現了十三具屍體。

二○一五年六月，知名遊樂園粉塵火災事件造成近五百人傷亡，有一部分便是肇因於錯誤的滅火方式，包括有人從舞台拿滅火器嘗試往台下滅火，卻因此吹起粉塵，讓部分區域從零星火苗變成一片火海。也有許多身上著火後，想用寶特瓶的水滅火降溫，結果這些水反而在著火者身上瞬間汽化為水蒸氣，進一步擴大燒燙傷區域。也有人脫下衣物想拍熄他人身上的火，結果帶動更多空氣助長燃燒，擴大燒燙傷面積及程度。

因此，面對火災不能只憑一股熱血或直覺去滅火。那麼，是不是透過學習就能正確且熟練滅火？事情恐怕沒有那麼簡單。

滅火很困難

你知道滅火器的操作要領嗎？相信許多人都能說出「拉拉壓」，但更精確地說，應該是「拉瞄壓掃」，即：拉（插梢）→瞄（火源）→壓（把柄）→掃（火源根部）。也就是提起滅火器後，「拉」開安全插梢，握住皮管，「瞄」準火苗，用力「壓」下把柄，朝火源根部左右移動「掃」射。熄滅後澆水冷卻餘燼，保持警戒，直到確定熄滅為止。

口訣簡單易懂，但是不表示就學會操作滅火器，更不代表懂得如何滅火。滅火器要能正確操作，必須經過實際操作的學習與訓練。然而，火場有太多變數（可燃物分布、空氣流通、室內格局、隔間材質等），如同戰場瞬息萬變。因此，滅火技術中最關鍵的不是多會操作滅火器，而是有能力判斷火場情況，並因應情勢採取不同的應對方式。

消防人員從學校到下分隊，依然會不斷地透過實務訓練累積經驗，以學習完整滅火的知識、技能與戰術，即使是資深消防人員，都不敢自拍胸脯聲稱滅火是易如反掌的事。

滅火很危險

滅火的危險在於可能錯失重要的逃生時機，因為你犧牲了原本可以安全逃生的時間來滅火。如果成功滅火就算了，但若誤判情勢、以為能夠掌控火勢，或情急之下滅火器操作錯誤，只會讓自己陷入更致命的危險中。

只有在火災初期才有機會以滅火器滅火。當火勢擴大、濃煙瀰漫，滅火器的滅火能力只是杯水車薪，別說滅火了，連自保都會是個問題，此時就只能靠消防人員來處理。

消防弟兄經過扎實嚴格的訓練，進入火場時全副武裝加上空氣鋼瓶，以團隊作戰的方式，輔以各種裝備器材、強大水力支援及各種車輛搭配，儘管如此，還是可能發生受傷甚至殉職的風險。就像在戰場上，再精銳的士兵也不代表不會發生意外，連最專業的消防人員都沒有百分百把握能從火場全身而退。

真實的火場瞬息萬變

目前訓練民眾操作滅火器的方式主要是油盤滅火，也就是在一個約兩公尺見方的方型鐵盒裡倒入清水，再澆上汽油，汽油會懸浮在水面上，接著點火，讓民眾操作滅火器去撲滅油盤上的火。實際體驗的人感覺大多是：「好像還滿安全的。」「一開始不太習慣，後來很好上手。」「沒有想像中那麼困難。」但真實火場與油盤滅火完全不同。

首先，火勢不同。油盤上的火只局限在鐵盒內，你可以安全、輕鬆地撲滅油盤火勢，就算不採取任何滅火的動作，火勢也不會擴大延燒，因為當油盤上的汽油燒完了，火就自然熄滅。然而在真正的火場中，能用滅火器成功滅火的時機只有在火苗成長的初期，如果第一時間無法撲滅，火勢在幾秒鐘之內可能變得無法控制。

其次，濃煙不同。當我們在空曠處練習油盤滅火時，黑煙會往上空飄散，並迅速冷卻、稀釋及淡化。若是建築物內部起火，因為牆壁、天花板等空間的局限性，高溫劇毒的濃煙會從天花板往下快速蓄積並遮蔽視線，阻礙逃生者及滅火者的移動。此外，滅火器噴出來的乾粉還可能受到火場熱流的影響，瞬間瀰漫室內，甚至回衝到滅火者，造成嗆傷。

第三，溫度不同。油盤燃燒產生的熱因為被戶外大量空氣冷卻，縱然有輻射熱，溫度也不會太高，因此你有機會盡可能接近油盤，可以清楚觀察到燃燒的火焰，並將滅火器瞄準火源根部，順利滅火。但真實的火場動輒幾百度以上，起火處的溫度更是高到讓人難以接近，加上濃煙遮蔽視線，很難接近並準確撲滅火點。

油盤滅火的訓練目的是讓民眾學會正確操作滅火器，但如果沒有清楚了解滅火器的使用時機、油盤與真實火場的差異，便會錯估了滅火器的能耐及自己的滅火能力。

滅火前要給自己留後路

照這樣說來，難道火災發生就完全不採取任何滅火行動嗎？那麼購買、設置滅火器要做什麼用呢？

我們要明白的是，火災和其他災害最大的不同就在於它短短數分鐘內就會有快速的情境變化，而在不同的情境下需要有不同的應變方式。

使用滅火器的時機是在火災「初期」，也就是在火災發生的第一時間發現，或是當下你眼睜睜看到火就在你身旁生成，或是火焰高度約在二十五公分以下，如此滅火才有較高的成功率。如果根本不知道火災什麼時候發生、火勢已經擴大、濃煙瀰漫或初期滅火失敗，就不該執著於滅火或嘗試找其他滅火工具，應該立即避難逃生。

為了能夠安全避難逃生，滅火前一定要給自己留條後路，就算滅火失敗，還是有辦法逃生，這就是為什麼滅火器應該放在大門附近、公寓大廈則放在每戶門外梯間的道理，因為當你拿到滅火器時已經在逃生出口，萬一滅火失敗也還有機會逃離現場。

【求生隨堂考解答：A】

——本文摘自泛科學 2019 年 9 月選書《打火哥的30堂烈焰求生課》，2019 年 7 月，遠流出版。