吃米不知米「家」？基因「稻」出臺灣蓬萊米的身世

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｜田偲妤
• 美術設計｜蔡宛潔

南島語族的起源與變遷

南島語族發源自何方？是學界長期探索的焦點，在眾多研究領域中，語言學界為分布在南太平洋與印度洋諸島的族群確立關係，分類命名為南島語族（Austronesian-speaking peoples） 。除此之外，還有許多語言證據指出，南島語族可能是從臺灣擴散出去。中央研究院「研之有物」專訪院內語言學研究所張永利研究員，為我們深入分析，臺灣南島語保存哪些其他南島語「丟失的現象」，可以藉此重建南島語族的發展源頭與遷徙路徑。

南島語族的發源地究竟在何方？目前已有越來越多證據指出，南島語族可能是從臺灣出發，遷徙至廣大的南太平洋與印度洋島嶼開枝散葉。

考古學家在臺灣、呂宋島、大洋洲等地出土相似的陶器碎片，經年代鑑定後發現，最早的繩紋紅陶陶器來自 5、6 千年前的臺灣大坌坑文化。植物學家則對各地的構樹樣本進行分子親緣分析，發現南太平洋島嶼的構樹應源自臺灣，推測先民帶著樹皮衣材料構樹，自臺灣遷徙至南太平洋諸島。

除了上述證據，還有一樣活在生活周遭的非物質遺產，能作為南島語族「出臺灣說」的有力證據，那就是臺灣原住民族正在使用的「語言」！

中研院語言學研究所是研究與推廣「臺灣南島語」的重要基地，走進語言所典藏豐富研究著作的展覽室，投身臺灣南島語研究近 30 年的張永利研究員，與我們熱情分享語言學家的工作。

各地南島語言的特徵與變遷，是語言學家長期探索的問題，多年來一位位研究者深入原住民族部落，用羅馬拼音一字一句記錄部落長者的口語發音，經由比較臺灣與其他地區南島語言的關連與特徵，南島語族的發展源頭與遷徙路徑就在歷代語言學家的重建下現形。

如何確定臺灣南島語更接近原始南島語？同源詞繁簡成線索

南島語族是總人口數近 4 億人的龐大族群，其分布範圍北到臺灣、南到紐西蘭、東到復活節島、西到馬達加斯加。臺灣是南島語族分布的最北界，目前官方認定的原住民族共有 16 族，每個族群都有自己的語言，在整個南島語族 10 個主要語言分支中，臺灣南島語就佔了 9 個分支，其語言多樣性與存古性為世界少見。

「曾有外國學者讚嘆：南島語言是上帝送給臺灣的禮物！」張永利逐步分析臺灣南島語的珍貴之處：「考古和語言證據推估，臺灣南島語至少有 5 千年歷史，而麻六甲海峽附近國家使用的馬來語只有 2 千多年而已。此外，臺灣南島語還保留一些其他語言丟失的現象。」

所謂「丟失的現象」正是語言學家證實臺灣南島語較古老、可能是南島語族早期祖居地的關鍵證據。藉由歷史語言學方法比較南島語言之間的親緣關係與發展先後，丟失的現象慢慢浮現，成為值得研究的案例。

首先，語言學家特別構擬出一套「原始南島語」作為比較標準，音韻、構詞、句法越接近原始南島語者，就越有可能是族群發源地。

要構擬出原始南島語並不簡單，語言學家無法穿越時空回到 5 千年前，必須集結全球語言學家的力量，深入各個南島語族聚落採集語言材料，再從中找出語音、語意相似的「同源詞」做比較。由於語言變化的過程經常發生「由繁趨簡」現象，因此發音越複雜的語言通常越古老，語言學家再從較古老的語言構擬出原始南島語。

張永利舉同源詞「眼睛」為例，說明臺灣南島語較為古老的原因。眼睛的原始南島語是「maCa」（大 C 的發音為 ts 複合音，同注音符號ㄗ），而臺灣的排灣語是「maca」，其發音與原始南島語相同。

再看看馬來語的眼睛是「mata」，ts 複合音明顯簡化成 t，發生語言「由繁趨簡」的現象，證明臺灣南島語比馬來語更古老。

張永利進一步解釋，為何「由繁趨簡」現象可看出語言發展的先後順序：「有人可能會質疑，為什麼語言不是從簡單變複雜，發音由 t 變成 ts？如果是這樣你要解釋，多出來的 s 音是怎麼無中生有。這就如同人類社會的變遷，從複雜變簡單通常有跡可循，但無中生有需要創新的力量，從來不是簡單的事。」

這些語言有畫面！從同源詞推測千年前的生活型態

同源詞還可以重建南島語族原初的生活環境。根據語言學家的觀察，能成為同源詞的單字通常是日常使用的基本詞彙，例如爸爸、媽媽等親屬稱呼、數字 1 到 10，或是眼睛、頭、手、腳等身體部位。

因此，如果還能發現動物、植物、生活器具的同源詞，代表這些事物是曾經長時間存在的文化，才得以跨越千年時空在語言中留下印記，成為一窺南島語族原初生活環境的線索。

語言學家從原始南島語、原始排灣語、原始泰雅語、原始鄒語彙整出 100 個基本同源詞，當中包含許多指稱農作物、野生動植物、生活日用品的字詞：

從上述同源詞可推測，原始南島語族應該是以稻作維生，擅長紡織與編織技藝，生活周遭可見「露兜樹、甘蔗、藤」、「河鰻、田鼠、蒼蠅」等主要分布在亞熱帶地區的動植物。這些同源詞所反映的自然與文化特徵，對解答南島語族發源地問題具有相當大的啟發。

此外，從某些同源詞的語意轉變還可看出指稱的是外來事物。例如鄒語的「水牛」叫作「’ua chumu」，「chumu」是指「水」，但「’ua」最初並不是指「牛」，其真正的意思是「鹿」。換句話說，水牛應該是外來物種，推測鄒族先民看到外來的牛，跟鹿一樣都是四隻腳的大型哺乳類動物，因而發生「指鹿為牛」的情形。

講話講重點！第一個字就表明重點的「焦點系統」

除了從同源詞可以證明臺灣南島語較接近原始南島語，語言學家還發現，比起其他地方的南島語言，臺灣南島語保存最完整的「焦點系統」。這是一種非常古老的文法，在世界其他語言中並不常見。

焦點系統是用來凸顯一句話中想要強調的焦點，主要分成主事、受事、處所、工具共 4 種焦點，每種焦點都有相對應的動詞詞綴變化，並會在重點字詞前方加上格位標記 a。

由於南島語言習慣將動詞置於句首，等於你聽到第一個字就知道說話者想強調什麼。以下為 4 種焦點在排灣語的使用方式：

古老的修飾用語：副動詞

最後一個臺灣南島語較為古老的證據在於，其詞類相當有限，主要是動詞、名詞的應用，沒有真正的副詞、形容詞等修飾詞。但是當有需要用到修飾用語時該怎麼辦？這就輪到特殊的「副動詞」登場！

副動詞顧名思義是指：具副詞作用的動詞，是臺灣南島語經常使用的詞類。張永利秀出排灣語和馬來語的句子，進一步說明副動詞與一般副詞的不同：

排灣語的「g<em>alju」就是一個副動詞，意思是「慢」，之所以看出它是一種動詞，關鍵在於它跟後頭表示「吃」的動詞「k<em>an」有一樣的詞綴變化「em」。而中間的連繫詞 a 亦可應證「g<em>alju」與「k<em>an」應同屬於動詞。此外，「g<em>alju」的後面連接附著代詞「aken」表示「我」的意思，附著代詞一般會貼在動詞上。

值得注意的是，古老的副動詞在臺灣南島語言普遍保留下來，但是在臺灣之外的南島語言，如馬來語，卻通常都已經丟失。

綜上所述，從同源詞複雜度、焦點系統完整性、使用詞類有限等語言證據可知，臺灣南島語在目前已知的上千種南島語中，其古老排名可說名列前茅，也代表臺灣可能是南島語族早期的祖居地。

張永利表示：「綜合歸納現在的語言和考古證據，我們可以畫出南島語族遷徙路徑，基本上是從臺灣遷徙出去，先遷往菲律賓群島，再往南到婆羅州一帶，隨後一分為二，分別往東方太平洋和西方印度洋遷徙。」

用「說」的文化資產——母語

對張永利來說，越深入研究就越能體會，臺灣南島語真的是臺灣千年不墜的國寶！除了持續在學界發表臺灣南島語的概念運用規則，張永利也會到原住民部落推廣族語，多年來也跟國內語言學家一起編寫鄒語、噶瑪蘭語、賽德克語等族語教科書。

在與族人互動的過程中，張永利發現，年輕族人為了溝通方便，有簡化族語的傾向，以致某些傳統用語漸漸流失。

以鄒語為例，傳統上在說 11 這個數字時，老人家會講 maskx veiya ucni，「maskx」是 10、「ucni」是 1，中間的「veiya」是「回來」的意思，翻譯成中文就是「10 回 1」，可見鄒族會使用十進位來算數，可是現在的年輕人通常會省略「veiya」的用法。

另外名字的說法也發生簡化現象，例如有一位鄒族人的名字是 Pasuya、家族名是 Tiakiana，老人家會講 Pasu’e Tiakiana，大致的意思是「來自 Tiakiana 家族的 Pasuya」。但是現在的年輕人就直接講 Pasuya Tiakiana，身分證上的名字也這樣登記。

面對日漸普遍的族語簡化現象，張永利有感而發的說：「年輕人覺得只要聽得懂就好，但我會跟他們說，語言也是文化的一部分，而且很多說法只存在特定族群中，想復振傳統文化就要講道地的族語。」

一般人常將語言視為溝通工具，認為只要能有效溝通就好，然而深諳語言奧妙的張永利卻有不同看法：

語言也是一種文化資產，不論是臺灣南島語、華語、臺語或客語都有其文化特色，具有身分識別作用。

「母語能留著就是你的寶藏，現在『特色』就是你最重要的資產！」母語是臺語的張永利不僅在學術場域研究語言，更在日常生活中透過多使用母語來保存語言資產。「語言不是只寫在教科書、或在課堂上唸，一定要積極使用，這樣語言才能真的活起來！」

千年以來，臺灣這座南島語族的原鄉發展出眾多語言文化各具特色的族群，如今在族人及語言學家的努力下，族語的復振工作正如火如荼進行，許多正名成功的族群紛紛從族語找回身分認同，找回值得守護的南島語族寶藏。

• 撰文／邱睦容

富山主婦的陳情，是一個引線，引爆了日本後續的社會變動，也連動了臺灣人碗中米食變革。

這場因米糧不足而引發的社會運動，不僅讓內閣總辭，也讓日本政府確立了帝國內糧食自給自足的目標，促進殖民地的稻米增產政策並加速稻種改良。

然而這樣的目標，並非一場社會運動就能一蹴可幾，它需要時間的積累、需要研究人員的投入，以及需要一些機運和巧合，的穿針引線，才能造就豐碩的成果。

系統性分類臺灣稻種，磯永吉解答米種改良的路線之爭

讓我們把時間倒退幾年，來到 1912 年。

那是日本統治臺灣的第十七個年頭，截至那一年，總督府遴聘來臺的農業專家，已經引進了 145 個「內地種」稻米品種試種，卻屢試屢敗。

為什麼要這麼大費周章？

因為過往臺灣人吃的都是「秈（音ㄒㄧㄢ）米」——細長、鬆散且甜度低，這種筷子一挾起就掉落好幾粒的米種，讓吃習慣了「粳（音ㄍㄥ）米」——圓粒、具黏性與甜度品種的日本人難以適應。為了讓在臺日人也能吃到家鄉口味的白飯，也讓臺灣出產的米能夠成為日本內地糧食的來源，在臺進行米種改良一直是農業試驗場的重要工作。

而也在那一年，一位甫自東北帝國大學農科大學^{註 1}畢業、有著一對濃眉的年輕人來到了臺灣。這位年輕人磯永吉（1886-1972），即將投入米種改良的工作。

磯永吉抵臺之時，稻種的改良在「在來種改良^{註 2} 」與「內地種導入」兩派方法間徘徊多年。前者致力於將臺灣原有的「秈米」改良成類似日本種的「圓粒米」，即便在口感上難以複製黏性，但至少圓粒的米型方便被混入日本米，也因此能售出較高價；而後者則試圖將日本種引入臺灣種植，卻因為對臺灣的日照敏感和稻熱病之故，十多年來始終難以在臺落地生根。

一邊是面對帝國糧食增產目標的經濟做法，一邊是試圖種出日本人真正吃的米，難以論斷兩派到底孰者較為「實際」，因此，磯永吉選擇回到學理的研究來釐清。他運用大學時所學到的傑卡德係數（Jaccard coefficient），將歷來臺灣繁多的稻種，依照其不同特性，包括日照、早晚熟、期作別⋯⋯等特徵一一整理和分類

透過此方法，磯永吉建構出一套系統，並藉此判斷到底是「在來種改良」還是「內地種導入」在未來還有發展空間。

經過七年的投入，1919 年磯永吉與研究團隊將成果出版為《臺灣稻的分類》，這是臺灣種植的五百多個米品種，首次進行系統性的分類。而研究結果也宣告了在來種的改良空間不多，投入內地種的導入才是發展之道。

磯永吉的心血，或許也鼓舞了研究團隊之一、已在實驗田裡踽踽獨行五年的夥伴末永仁（1886-1939）。

田間鍥而不捨試驗改良，末永仁提出「幼苗插植法」

末永仁比磯永吉來臺的時間更早，原本是基層技術人員的他，因為能力而受到磯永吉的肯定，在 1914 年轉進到臺中州試驗農場工作，負責改良事業在田間的實務，進行稻種的雜交育種與日本稻的栽培。

末永仁在 1.5 公里長的實驗田步道辛勤工作，只為了讓秧苗能順利生育、每穗稻穀粒能收穫更多。當改良工作遇到瓶頸時，他就會和磯永吉商討對策，兩人互為頭手地協作。終於，在研究發表後兩年，轉機出現。

在一次總督府官員的登山活動中，大屯山一帶的火山堰塞湖盆地「竹子湖」被磯永吉、臺北廳農務主任平澤龜一郎等人發現。竹子湖的涼爽潮濕、土壤肥沃的特性，類似日本九州，有著讓稻米生育的好條件。

不出所料地，在此播種的日本稻「中村種」生長良好。

然而僅能在特定地區生長的原種田，還需要研發出適當的種植方法，才能夠將稻種推廣到全臺、滿足糧食增產的目標的。於是，末永仁在一次次鍥而不捨的試驗中，根據秧苗對於日照的反應，又提出了「幼苗揷植法」，藉由縮短秧期，改變植株的生長週期，解決了因氣候提早抽穗的問題。

自此，「中村種」水稻終於走出山中臺地，駐足平原。

「蓬萊米」誕生！推廣種植的推手李鵬儀

1926 年，對磯永吉和末永仁都是關鍵的一年，也是兩人分別投入臺灣稻作改良的第十二與十四年。為了讓更多人認識這個在臺灣所生產的米種，當時的總督伊澤多喜男，在臺北鐵道飯店召開的第十九屆「大日本米穀會」中，正式為「中村種」——這個過往被概稱為「內地種」的米，命名為「蓬萊米」。

然而，蓬萊米育種成功後，還有一段漫長的挑戰等著兩人。除了找到合適的種植方法、品種之外，還得有種植的人才行。

四月，蓬萊米才風風光光地在米穀大會中亮相，同年七月就遭逢稻熱病，使得收成慘淡。為此，磯永吉和末永仁一邊推廣各地農民試種蓬萊米，一邊朝向「廣域」、「豐產」、「抗鹽」、「抗蟲」、「抗病」等方向進行改良，要讓農民對於蓬萊米的種植有信心。

然而 1927 年，「昭和恐慌」報到。那一年國際市場蕭條，米價大跌，農民種植蓬萊米的誘因減少。看到如此情況，一位臺灣米商伸出了援手，他是出生於彰化花壇的米商，李鵬儀。

執彰化市米市之牛耳的李鵬儀，跳出來鼓勵農民種植蓬萊米。他願意依照種植面積全面收購，無論收穫成果如何。第一年受到稻熱病的影響、第二年又陸續碰到大旱和颱風，碾米廠空了近三年，直到 1929 年，他的相挺終於迎來了風調雨順，使得當年度新種植的「臺中 65 號^{註 3}」大豐收。

這一年的豐收，使得價錢本來就高於「在來種」的蓬萊米，又收穫了超過「在來種」的三倍數量，一舉讓李鵬儀回收過去所賠外還有盈餘，更重要的是，這次的成功給了農民信心。隔年，臺灣有 75% 的水稻田都改種蓬萊米。

這就是關於今日餐桌上，那碗帶有黏性、咬起來香甜的白米飯由來。關於蓬萊米的故事，還有很多不及說完的，像是末永仁最後是倒在臺中的實驗田間去世，而磯永吉在戰後又留臺任教多年，從培植米到教育人，將大半的人生都奉獻在臺灣。

是主婦釀成的社會運動、努力不懈的育種家、一場的登山所見、還有近百年後才發現的陸稻基因混入稻種改良⋯⋯種種的巧合、機緣相遇，才成就了你我餐桌上那碗飯的誕生。

註解

1. 東北帝國大學農科大學：前身為「札幌農學校」，現今為北海道大學
2. 「在來」一詞為日語，有著「向來、一直以來、既有」之意，指的是過往臺灣人慣吃的秈米。
3. 臺中 65 號：以抗蟲品種「龜治」與生產佳的品種「神力」交配而成的新品種

1. Chu, H. (2020). Tropicalizing Taiwan: the Environment, Crops, and Institutions of the Japanese Colonial Food Regime, 1895-1945 (Doctoral dissertation, State University of New York at Binghamton).
2. 謝兆樞、劉建甫，《蓬萊米的故事》，國立臺灣大學磯永吉學會出版，2020。
3. 李鵬儀傳，臺灣歷史人物傳記資料庫。
4. 鄧慧純，〈尋米稻足跡 溯蓬萊物語〉，臺灣光華雜誌。