黑鮪魚帶有核災輻射污染物質

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

低軌衛星引爆全球商機，全球太空經濟在 2040 年預計突破 1 兆美元，許多國家跟科技大廠都加速投入太空市場，台灣也成立太空國家隊。但面對火箭與太空環境嚴苛的考驗，如何在地面模擬測試，使產品能在軌道順利運行？

本文轉載自宜特小學堂〈從地面到太空　商用衛星電子零組件必經的測試〉，如果您對半導體產業新知有興趣，歡迎按下右邊的追蹤，就不會錯過宜特科技的最新文章！

點擊圖片收看影片版

自從 1957 年第一顆人造衛星發射後，現今已有近萬顆衛星在太空飛行，並且數量持續增加中。衛星已經跟我們的日常生活密不可分，例如地圖導航、實況轉播等，另外．俄烏戰爭中使用「星鏈」衛星通訊連網，台灣也在今年四月的花蓮地震首次使用低軌衛星技術，協助災區通訊。因此，發展衛星科技除了民生用途，也深具國家安全考量。

台灣從 2019 年到 2029 年，於第 3 期「國家太空科技發展長程計畫」投入超過新台幣 400 億元，進行低軌通訊衛星的研製、規劃國家發射場與人才培育。工研院估算，至 2030 年全球每年將發射 1,700 顆衛星升空，屆時將創造至少 4,000 億美元的產值。根據美國衛星產業協（Satellite Industry Association）預計，全球太空經濟在 2040 年更有望突破 1 兆美元，其中衛星產業占比上看 88％，達 9,252 億美元。

衛星按軌道高度可分成低軌（LEO<2,000 Km）、中軌（MEO<10,000 Km）以及地球同步軌道衛星（GEO~35,800 Km），重量從幾公斤到數百公斤不等，其中 SpaceX Starlink 低軌通訊衛星近年轉商業化，開啟了新太空經濟模式。另外立方衛星（CubeSat）造價門檻相對低，成為切入衛星技術研究的熱門標的。衛星產業鏈日趨成熟，以及衛星發射和製造成本的降低，帶來龐大的太空商機，相應的電子零組件需求亦隨之增加，讓不少廠商對邁向太空市場摩拳擦掌。

衛星是由幾個次系統整合而成，包含姿態控制、電力、熱控、通訊、推進和酬載（Payload）…等。例如遙測衛星（Remote Sensing Satellite），它的功能是繞地球軌道拍攝照片，其中姿態控制次系統使鏡頭能維持對著地球方向；影像感測器則是攝取影像的酬載，電力次系統負責電力儲存與電源管理，最後將照片透過通訊次系統傳回地面。

衛星內部有我們熟知的各種電子零組件，正統太空規的電子零組件要價不斐，且某些零件因各國管制政策不易取得，而商用現貨（Commercial Off-the-Shelf，簡稱 COTS），例如電腦、手機和汽車採用的電子零組件，價格親民、性能良好，供貨也較充沛，近年採用 COTS 執行太空任務是相當熱門的趨勢。

那麼，COTS 電子零組件要上太空，必須經過哪些驗證測試？本文將從火箭發射環境、太空環境，逐一說明 COTS 欲跨入太空應用將面臨的挑戰和驗證測試方式。

3.2.1 發射！火箭發射對電子零組件的影響

1. 振動測試

衛星在地面製造組裝，需考量溫度、濕度、粉塵汙染等影響；組裝好的衛星搭乘火箭從地面發射，首先會承受火箭的劇烈振動，振動測試機可以在地面模擬火箭發射，以垂直與水平方向進行振動測試。不同的火箭有不同的振動大小，例如美國 SpaceX 獵鷹重型火箭的振動測試參數，以每秒鐘 10~2,000 次的振動頻率，重力加速度到幾十倍，振動測試可用來確認衛星或電子零組件在經歷發射過程仍能正常運作。

2. 音震測試

火箭發射過程會產生音震（Acoustic Noise），尤其是面積大且薄的零件，特別容易受音震影響，例如太陽能電池板，天線面板等。音震可能會使這些零件破裂、機構損壞、功能異常。音震艙就是用來模擬火箭所產生的音震，測試時將液態氮汽化，此時液態氮體積會瞬間膨脹數百倍產生巨大壓力，再經由喇叭將氣流動能轉為聲波導入音震艙，測試音震艙內的衛星或零件。

音震艙測試。圖／European Space Agency

3. 衝擊測試

當火箭離開地面抵達一定的高度時，各節火箭引擎開始陸續分離，接著整流罩展開釋放衛星入軌，這些過程都會產生衝擊（Shock），對衛星內部零件的焊接點、晶片，或其他脆性材料都是嚴苛的考驗。因此需要在地面先進行衝擊測試，了解衛星與其電子零組件對巨大衝擊的耐受程度。

4. 電磁相容性測試

此外，因為各種電子零組件集中在火箭狹小空間內，衛星跟火箭之間的電磁干擾可能會影響任務，因此衛星在發射前也需經過電磁相容性測試（EMC），確保衛星所使用的電子零組件不會與火箭之間互相干擾。

1. 熱真空循環測試

低軌衛星以每秒七公里的時速飛行，大約九十分鐘繞行地球一圈，衛星繞軌飛行處於真空環境，同時也會面臨溫差挑戰，當衛星被太陽正面照射時，其溫度高達攝氏 120 度，遠離太陽時，溫度可能低到零下 120 度。另外，真空環境可能使電子零組件因散熱不良燒毀，真空低壓也會造成零組件材料分解、腔體洩漏（Leak），或是零組件釋氣（Outgassing）產生汙染。

熱真空循環測試（Thermal Vacuum Cycling Test）可模擬太空環境真空狀態與溫度變化，測試時會將衛星或電子零組件架設於極低壓力的真空艙內，再經設備以輻射、傳導方式對衛星或電子零組件升降溫以模擬太陽照射，此時衛星或電子零組件處於通電運作狀態，須即時監控觀察其功能是否正常。熱真空循環通常測試為期一週甚至更長，也是衛星或電子零組件常見的失效項目。

熱真空艙測試。圖／TriasRnD

2. 輻射測試

少了大氣層的保護，電子零組件在太空環境會直接面對輻射的衝擊。以地球軌道而言，輻射環境包含輻射帶（Van Allen Belts）、銀河宇宙射線（Galactic Cosmic Rays，簡稱GCR）以及太陽高能粒子（Solar Energetic Particles，簡稱SEP），這些輻射環境充斥大量的電子、質子，以及少數的重離子(Heavy Ion)等，若擊中衛星的電子零組件可能造成資料錯亂（Upset）、當機，甚至永久性故障。衛星在軌道運行壽命短則幾個月，長則數十年，衛星在軌道運行時間越長，受輻射衝擊影響就越大。

地球軌道輻射環境。圖／宜特科技

輻射對電子零組件的影響有以下三大類：

太空輻射對電子零組件的三大效應。圖／ESA

1. 總電離劑量效應（Total Ionizing Dose Effect，簡稱TID）

電子零組件在太空環境長期累積大量質子與電子輻射是 TID 效應的主因， TID 會造成 MOS 電晶體 Threshold Voltage 緩慢飄移，零件漏電因此逐漸增加，漏電嚴重時則會導致零件燒毀。衛星可視為大型的無線行動裝置，依賴太陽能蓄電，電力相當珍貴，若衛星內諸多的電子零件都在漏電，將造成衛星電力不足而失聯或失控。

2. 位移損傷效應（Displacement Damage，簡稱DD）

質子對電子零組件會產生另一種非輻射效應，稱為位移損傷效應（DD），屬長期累積大量質子的物理性損傷，質子會將半導體零件內的矽原子打出晶格外，形成半導體的缺陷，零件漏電也會逐漸增加，其中光電零件對 DD 效應較敏感，例如影像感測元件，DD 會造成影像品質降低，另外也會使衛星使用的太陽能電池（Solar Cell）轉換效率下降。

3. 單一事件效應（Single Event Effect，簡稱SEE） 

TID 與 DD 可以看成慢性病，是電子零組件長期在軌累積大量質子與電子作用所造成的漏電效應，SEE 就是屬於急性症狀，隨機發生又難以預測。質子與重離子都會造成電子零組件的 SEE 效應，而重離子比質子更容易引發 SEE，太空環境的重離子數量雖然相對少，但殺傷力強，一顆重離子就可能使電子零組件當機或損壞。

SEE 造成的故障可分成 Soft ERROR 與 Hard Error 兩大類。 Soft Error 的徵狀為資料錯亂、當機、功能異常等，重啟電路可恢復其運作，但若電子零組件對輻射很敏感，當機頻率過高則會影響任務執行，因此需以輻射測試評估其事件率（Event Rate）。Hard Error 則是永久性故障，例如重離子容易引發半導體零件栓鎖（Latch-Up）現象，若沒有對應機制，零件可能因大電流燒毀，因此 SEL （Single Event Latch-Up）是太空電子零件輻射耐受度最重要的指標之一。

單一事件效應的各種現象。圖／宜特科技

太空環境有各種能量的粒子，包含：質子、電子、重離子…，能量越高的粒子可穿透越厚的物質或外殼。低能量的粒子可被衛星外殼（鋁）阻擋，但衛星發射成本主要以重量計價，外殼厚度相當有限（通常為幾毫米厚的鋁材）；而高能量的粒子則會穿透衛星外殼，影響電子零組件運作，因故使用於太空環境的電子零組件必定會被輻射影響，在上太空前必須經過輻射測試評估其特性。COTS 電子零組件，都有一定的抗輻射能力，但是必須經測試了解輻射耐受度是否適用於太空任務需求。

COTS 電子零組件上太空前必須經過「發射環境測試」，包括模擬火箭發射時所產生的振動、音震、衝擊、電磁相容性測試，以及太空環境熱真空循環和輻射測試等，更多的測試項目就不一一細數，通過這些測試後，更重要的是取得「飛行履歷」（Flight Heritage），將產品發射上太空，若能成功執行各種任務，取得越多飛行履歷，產品的身價就越高，太空產業非常重視飛行履歷，飛行履歷也是產品的最佳保證書！

宜特是亞洲最完整的太空環境測試第三方實驗室， 2019 年與國研院太空中心合作推動台灣太空產業發展。自 2021 年加入台灣太空輻射環境驗測聯盟以來，我們已完成多種電子零組件的輻射測試，涵蓋了類比、數位、記憶體、射頻等。我們將持續建構更完整的太空環境驗證測試能量，提供一站式服務。協助廠商可專注於產品的設計與製造。

本文出自 www.istgroup.com。

深海的暗氧：無光環境中的神秘氧氣生成

深海，被譽為地球最後的未開發疆域，隱藏著許多不為人知的奧秘。數千公尺深的海底沉積了數量龐大的多金屬結核，這些礦物因含有大量珍貴金屬，對現代技術，尤其是能源轉型，至關重要。然而，科學家在探索這些結核的過程中意外地發現了一種神秘的現象：暗氧，即在無光的深海環境中生成氧氣的過程。這一發現不僅可能改變我們對海洋生態系統的理解，還可能重新定義地球早期生命起源的故事。

長期以來，科學界普遍認為氧氣的生成依賴於光合作用。光合作用是植物、藻類及一些細菌透過陽光將水和二氧化碳轉化為有機物並釋放氧氣的過程。這一過程主要發生在地球表層和淺水區域，是維持大氣和海洋中氧氣含量的核心機制。根據這一觀點，只有在陽光能夠到達的區域，氧氣才能被生成。因此，對於深達數千公尺的深海區域，我們的認識是，氧氣主要來自於表層水透過洋流輸送到深處。

然而，深海中缺乏光源，光合作用無法進行，這意味著氧氣在深海中的供應受到限制。雖然洋流能夠在一定程度上將氧氣輸送到深海，但這一過程極其緩慢，往往需要數百年甚至上千年才能完成一次循環。因此，科學家一直認為深海是一個缺氧的環境。

多金屬結核的發現，是新能源的關鍵，還是海洋生態的災難？

在這樣的背景下，科學家對深海進行了更深入的探索，並發現了錳結核（英語：Manganese nodules），又被稱為多金屬結核這一珍貴資源。多金屬結核是富含金屬的岩石，其主要成分包括鈷、錳和鎳等金屬。這些結核廣泛分佈於全球深海區域，尤其是太平洋海域，儲量高達數兆噸。這些金屬對綠色能源技術，如電池生產，具有極高的價值，吸引了全球各國的關注。

然而，這些結核不僅是地球資源的寶藏，它們還隱藏著另一個重要的發現。2013 年，科學家安德魯·斯威特曼（Andrew Sweetman）在太平洋克拉里昂-克里珀頓區域進行深海研究時，意外地發現，在封閉的深海水域中，氧氣濃度竟然有所增加。這一現象引發了科學界的極大關注。

暗氧的生成機制

斯威特曼的研究團隊推測，深海中的多金屬結核可能在某些化學條件下，充當了天然電池。這些結核通過電化學反應將水分解為氧氣和氫氣，從而在無光的環境中產生了氧氣。為了驗證這一假設，團隊在實驗室中模擬了深海環境，並確實觀察到氧氣從結核生成的現象。

不過，這一過程並非如想像中簡單。根據實驗數據，某些海底結核表面的電壓僅為 0.95 伏特，卻能夠生成氧氣，這與理論上需要的 1.6 伏特電壓不符。研究團隊進一步推測，這可能與結核的成分有關，例如含鎳的錳氧化物可能起到了催化作用，降低了反應所需的能量。此外，結核表面的不規則排列及空隙可能也促進了電子轉移和水的分解。

暗氧的發現挑戰了我們對氧氣生成的傳統理解。過去我們認為，地球上的氧氣主要來自於光合作用，但這一現象表明，甚至在無光的深海環境中，氧氣也能通過無機物的電化學反應生成。這意味著，我們對於地球早期氧氣循環及生命演化的認識可能存在重大疏漏。

尤其值得注意的是，多金屬結核的形成需要氧氣，而這些結核大量出現在深海中，是否表明早期地球上就已經存在非光合作用的氧氣生成機制？如果是這樣，暗氧是否可能推動了地球上生命的起源？這一問題仍然未有定論，但暗氧的發現無疑為生命起源的研究開闢了一條新的途徑。

未來的挑戰：開採深海資源還是守護地球最後的「淨土」？

除了科學研究的價值，多金屬結核也吸引了全球對於深海資源開採的興趣。這些結核富含稀有金屬，特別是對電池生產至關重要的鎳和鈷。然而，大規模的深海開採可能會對海洋生態系統造成嚴重破壞。

首先，深海採礦可能導致噪音和光污染，破壞深海生物的棲息地。此外，採礦過程中產生的懸浮物可能對海洋生物，尤其是水母等生物造成生理負擔。研究顯示，水母在模擬的採礦環境中會因應對懸浮物而消耗大量能量，這可能削弱其免疫系統並降低生存率。

因此，雖然深海資源的開採看似能解決當前的能源危機，但國際間對此議題的爭議仍然持續。全球已有32個國家支持暫停或禁止深海採礦，呼籲進行更多的生態影響研究以確保環境保護。

暗氧的發現，不僅為科學研究帶來新的挑戰，也為深海資源的開採提出了更高的要求。在能源危機與生態保護之間，我們需要尋找平衡點。未來的技術或許能夠在不破壞環境的情況下，模擬自然過程生成多金屬結核，從而實現可持續的資源開採。

此外，暗氧現象的發現也為探索外星生命提供了新的思路。當我們在其他行星上發現氧氣時，不一定意味著那裡存在光合作用生物，可能是類似多金屬結核的無機反應在默默進行。這一發現或許將改變我們對地外生命的定義與尋找方式。

深海的秘密仍在不斷被揭開。從暗氧的發現到多金屬結核的開採，這片未開發的疆域將在未來的科學探索與資源爭奪中扮演至關重要的角色。無論是能源危機的解決還是生態系統的保護，我們都應以謹慎且負責任的態度面對這一未知的領域，避免打開潘朵拉之盒。