20個炎上的新型冠狀病毒（武漢肺炎）傳言？用科學來破解！

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

本文由 交通部中央氣象署 委託，泛科學企劃執行。

• 文／陳儀珈

災害性大地震在臺灣留下無數淚水和難以抹滅的傷痕，921 大地震甚至直接奪走了 2,400 人的生命。既有這等末日級的災難記憶，又位處於板塊交界處的地震帶，「大地震！」三個字，總是能挑動臺灣人最脆弱又敏感的神經。

因此，當我們發現臺灣被各式各樣的地震傳說壟罩，像是地震魚、地震雲、蚯蚓警兆、下雨地震說，甚至民間地震預測達人，似乎也是合情合理的現象？

今日，我們就要來破解這些常見的地震預測謠言。

漁民捕獲罕見的深海皇帶魚，恐有大地震？

說到在坊間訛傳的地震謠言，許多人第一個想到的，可能是盛行於日本、臺灣的「地震魚」傳說。

在亞熱帶海域中，漁民將「皇帶魚」暱稱為地震魚，由於皇帶魚身型較為扁平，生活於深海中，魚形特殊且捕獲量稀少，因此流傳著，是因為海底的地形改變，才驚擾了棲息在深海的皇帶魚，並因此游上淺水讓人們得以看見。

因此，民間盛傳，若漁民捕撈到這種極為稀罕的深海魚類，就是大型地震即將發生的警兆。

然而，日本科學家認真蒐集了目擊深海魚類的相關新聞和學術報告，他們想知道，這種看似異常的動物行為，究竟有沒有機會拿來當作災前的預警，抑或只是無稽之談？

可惜的是，科學家認為，地震魚與地震並沒有明顯的關聯。當日本媒體報導捕撈深海魚的 10 天內，均沒有發生規模大於 6 的地震，規模 7 的地震前後，甚至完全沒有深海魚出現的紀錄！

所以，在科學家眼中，地震魚僅僅是一種流傳於民間的「迷信」（superstition）。

透過動物來推斷地震消息的風俗並不新穎，美國地質調查局（USGS）指出，早在西元前 373 年的古希臘，就有透過動物異常行為來猜測地震的紀錄！

人們普遍認為，比起遲鈍的人類，敏感的動物可以偵測到更多來自大自然的訊號，因此在大地震來臨前，會「舉家遷徙」逃離原本的棲息地。

當臺灣 1999 年發生集集大地震前後，由於部分地區出現了大量蚯蚓，因此，臺灣也盛傳著「蚯蚓」是地震警訊的說法。

新聞年年報的「蚯蚓」上街，真的是地震警訊嗎？

​當街道上出現一大群蚯蚓時，密密麻麻的畫面，不只讓人嚇一跳，也往往讓人感到困惑：為何牠們接連地湧向地表？難道，這真的是動物們在向我們預警天災嗎？動物們看似不尋常的行為，總是能引發人們的好奇與不安情緒。

如此怵目驚心的畫面，也經常成為新聞界的熱門素材，每年幾乎都會看到類似的標題：「蚯蚓大軍又出沒 網友憂：要地震了嗎」，甚至直接將蚯蚓與剛發生的地震連結起來，發布成快訊「昨突竄大量蚯蚓！台東今早地牛翻身…最大震度4級」，讓人留下蚯蚓預言成功的錯覺。

然而，這些蚯蚓大軍，真的與即將來臨的天災有直接關聯嗎？

蚯蚓與地震有關的傳聞，被學者認為起源於 1999 年的 921 大地震後，在此前，臺灣少有流傳地震與蚯蚓之間的相關報導。

雖然曾有日本學者研究模擬出，與地震相關的電流有機會刺激蚯蚓離開洞穴，但在現實環境中，有太多因素都會影響蚯蚓的行為了，而造成蚯蚓大軍浮現地表的原因，往往都是氣象因素，像是溫度、濕度、日照時間、氣壓等等，都可能促使蚯蚓爬出地表。

大家不妨觀察看看，白日蚯蚓大軍的新聞，比較常出現在天氣剛轉涼的秋季。

因此，下次若再看到蚯蚓大軍湧現地表的現象，請先別慌張呀！

事實上，除了地震魚和蚯蚓外，鳥類、老鼠、黃鼠狼、蛇、蜈蚣、昆蟲、貓咪到我們最熟悉的小狗，都曾經被流傳為地震預測的動物專家。

但可惜的是，會影響動物行為的因素實在是太多了，科學家仍然沒有找到動物異常行為和地震之間的關聯或機制。

遍地開花的地震預測粉專和社團

這座每天發生超過 100 次地震的小島上，擁有破萬成員的地震討論臉書社團、隨處可見的地震預測粉專或 IG 帳號，似乎並不奇怪。

國內有許多「憂國憂民」的神通大師，這些號稱能夠預測地震的奇妙人士，有些人會用身體感應，有人熱愛分析雲層畫面，有的人甚至號稱自行建製科學儀器，購買到比氣象署更精密的機械，偵測到更準確的地震。

然而，若認真想一想就會發現，臺灣地震頻率極高，約 2 天多就會發生 1 次規模 4.0 至 5.0 的地震， 2 星期多就可能出現一次規模 5.0 至 6.0 的地震，若是有心想要捏造地震預言，真的不難。 

在學界，一個真正的地震預測必須包含地震三要素：明確的時間、 地點和規模，預測結果也必須來自學界認可的觀測資料。然而這些坊間貼文的預測資訊不僅空泛，也並未交代統計數據或訊號來源。

作為閱聽者，看到如此毫無科學根據的預測言論，請先冷靜下來，不要留言也不要分享，不妨先上網搜尋相關資料和事實查核。切勿輕信，更不要隨意散播，以免造成社會大眾的不安。

此外，大家也千萬不要隨意發表地震預測、觀測的資訊，若號稱有科學根據或使用相關資料，不僅違反氣象法，也有違反社會秩序之相關法令之虞唷！

​地震預測行不行？還差得遠呢！

由於地底的環境太過複雜未知，即使科學家們已經致力於研究地震前兆和地震之間的關聯，目前地球科學界，仍然無法發展出成熟的地震預測技術。

與其奢望能提前 3 天知道地震的預告，不如日常就做好各種地震災害的防範，購買符合防震規範的家宅、固定好家具，做好防震防災演練。在國家級警報響起來時，熟練地執行避震保命三步驟「趴下、掩護、穩住」，才是身為臺灣人最關鍵的保命之策。

延伸閱讀

• 廖光正，李明進（2002）。集集大地震後蚯蚓大量爬出現象之解析。特有生物研究，4（1），41－51。https://bit.ly/3zF8OD8
• 離人心上秋意濃，清晨地上蚯蚓多：為何秋天經常有大量蚯蚓出沒？跟地震有關嗎？
  http://bit.ly/3DYNMSG
• Orihara, Y., Kamogawa, M., Noda, Y., & Nagao, T. (2019). Is Japanese folklore concerning deep‐sea fish appearance a real precursor of earthquakes?. Bulletin of the Seismological Society of America, 109(4), 1556-1562.
  https://pubs.geoscienceworld.org/ssa/bssa/article-abstract/109/4/1556/571628/Is-Japanese-Folklore-Concerning-Deep-Sea-Fish

文 / 羅佩琪、廖英凱

2019新型冠狀病毒（2019-nCoV，俗稱武漢肺炎）開始擴散後，隨著日益高張的疫情，各種網路上、群組中流傳的「聽說」也正如火如荼地蔓延。

本文蒐集20個關於2019-nCoV的傳言，並以截至2020年1月28日為止的科學文獻、可查證資料試圖回答。防疫如作戰，面對未知的新疾病，需要如履薄冰、心存謹慎；但同時，也別讓恐懼過度盤旋心頭，多一分認識、多一分力量。

聽說#1

”最新研究曝光！武漢肺炎死亡率15％！”

這個說法主要來自國內醫師熱心摘錄了Lancet 2020年1月24日發表的研究，並幫大家畫了這個重點：「驚人發現，41例個案中居然有6例死亡，死亡率高達15%」。

不過在1月26日中央流行疫情指揮中心記者會中，傳染病防治醫療網指揮官張上淳已提醒大家這樣的詮釋易造成誤解，因為 Lancet 的這份研究對象是針對疫情初期確診的41個「中度以上患者（皆已有肺炎）」，與臨床上仍有許多「不一定有肺炎的輕症患者」顯有不同（例如：台灣確診的前三例個案僅有一例明確有肺炎），故，不應以這41個案例來代表所有感染2019-nCoV的患者。

• 延伸閱讀：首批研究出爐！關於2019新型冠狀病毒，我們目前知道什麼事？

那，到底2019-nCoV實際的致死率是多少呢？在有比較大規模的監測數據後，致死率大約是維持在3%。這個數字是否會再隨時間變化，仍有待繼續追蹤。

聽說#2

”哈佛流行病專家說武漢肺炎的R0=3.8，是熱核武級別瘟疫。”

這個說法來自2020年1月25日哈佛大學公衛學院Dr. Eric Feigl-Ding的twitter貼文，他引用Lancaster大學Jonathan Read等人1月24日發布的研究指出新型冠狀病毒的基本傳染數（R0, 一個病人在易感染人群中平均能再感染人數）是3.8，並與流感1.28、H1N1 1.48、1918年西班牙流感1.8相比，2019-nCoV的R0是「thermonuclear pandemic level（熱核武器級的流行）」。

這位哈佛專家引用的研究確實存在，但需留意該研究尚未通過同儕審查，必須對該研究論述持保留態度，且R0值的估算受資料品質、數學模型選用影響很大，隨疫情進展R0也是會變動的。

依據美國CDC2019年11月出版的Emerging Infectious Diseases觀點文章，以麻疹為例，在多個研究領域、使用不同模型、不同時期報告的麻疹R0值多達20多個版本，數值範圍是5.4到18；該文作者也慎重提醒，如果不使用相同建模與假設計算R0，並無法公平比較不同時間、不同傳染原的傳染性。

做為參考，目前針對2019-nCoV的R0估算，除了3.8的版本，亦有WHO 1.4-2.5、MRC全球傳染病分析中心 2.6等不同版本。

聽說#3

”一個人被感染後，會傳染給身邊的14個人。”

這個說法來自網傳武漢醫療人員瑾惠（音）給家人的影片，我們無法驗證影片主角的背景，但如上所提目前各種R0估算版本中，最高的是3.8，這位瑾惠得到的「1人傳染14人」資訊可能高估。

然而，在特定條件下，仍有可能出現導致大量感染的「超級傳播者（super-spreaders）」個案，例如香港SARS疫情期間，至少出現兩起超級傳播者案例，其一為患者利用霧化器給藥治療肺炎時，因為醫院內通風系統老舊與人滿為患而導致院內138人感染；另一例則是在社區住宅中，因排水系統異常，使帶有病原體的汙水產生氣溶膠傳播至其他住戶，最終導致329人被感染。

因此，與其擔憂患者或病毒的傳染力，更應該在疫情擴大前，確保醫護環境與汙水處理，並未過於老舊或異常。

聽說#4

”因為是SARS的進化病毒，武漢肺炎已由WHO定名為SARI”

如果搜尋WHO的相關文件，還真的會發現「SARI」（severe acute respiratory infection）這個名詞，例如這份《WHO surveillance case definitions for ILI and SARI》…… 但，等等，這份文件出產年份居然是2014年，難不成六年前就預知會有這波疫情預先命好名！？

當然不是啦，SARI其實是指「需要住院的肺炎」，可能由多種病原引起，而不是特定指本次疫情的主角新型冠狀病毒，疾管署也有發新聞稿澄清了哦！

聽說#5

”武漢肺炎比SARS更強，潛伏期更長！”

傳染途徑、病毒接受劑量、個案免疫狀況都有可能影響潛伏期長短，一般來說SARS的潛伏期是2-7天，最長可達10天以上。（實際上SARS期間各國回報的潛伏期最小/大值、中位數都略有不同，有興趣了解細節可看這份WHO文件的Table 1。）

那2019-nCoV的潛伏期有比較長嗎？其實差不多。依據2020年1月27日WHO的疫情報告P6，目前估算為2-10天；但因疫情進展中，WHO也強調這個數字會依新的數字追蹤調整。

聽說#6

”與SARS不同，武漢肺炎潛伏期就有傳染性！”

SARS病患多數情況下的確要到潛伏期結束、有發燒或咳嗽等症狀了才會傳染給他人。

那感染2019-nCoV的病患呢？早在潛伏期就有傳染性嗎？答案是：目前「尚無」官方研究或報告可證實。目前僅有的依據，是來自中國國家衛生健康委員會2020年1月26日記者會逐字稿的一句話，該會主任馬曉偉提到：「從觀察情況看潛伏期也具有傳染性」。須待更多研究報告資料公布，才能更確切地了解。

聽說#7

”有患者從感染到發病到死亡，體溫都正常⋯⋯所以量體溫查不出來！”

很難得，這是正確的。

依據2020年1月24日發表在Lancet的這篇研究，其調查的患者中有發燒（溫度>37.3度）的比例佔98%，已確診但未發燒者確實存在；同天發布在Lancet的另篇研究也證實有「無症狀」但確診已感染2019-nCoV的患者。

也正因為只量體溫會有漏網之魚，因此疾管署有持續調整通報定義（臨床條件(一)中發燒原本是必要條件，現已放寬），且通報定義除了臨床條件，也包含檢驗條件、流行病學條件等。

聽說#8

”別以為戰勝過一次SARS就不用怕，當年SARS消失不是因為被消滅或治癒，主要是氣温因素。”

SARS至今的確「沒有」已證實療效的特效藥物或疫苗，臨床上多採支持性療法（給予氧氣、保守的靜脈輸液等）協助病人痊癒。

至於氣溫因素，回顧SARS疫情，主要發生在北半球，首例個案出現在2002年11月、最後一例在2003年7月，似乎氣溫由寒至暖、整體疫情逐漸趨緩；2006年的這篇研究指出SARS每日發生數在「氣溫低時」比「氣溫高時」多18.18倍，但細究其原因，除了氣溫有影響外，也與流行日變長較多人具 SARS 抗體；醫院內重症患者比例；以及醫院內疾病管制措施成效有關。

• 延伸閱讀：17年前的歷史瘟疫：當年 SARS 疫情爆發時，發生了什麼事？

此外，疫情控制也絕對與世界各國有無進行適當感控措施有關，若想了解WHO官方對SARS疫情終止的詮釋，可參考WPRO出版的《SARS : how a global epidemic was stopped》。

聽說#9

”武漢肺炎跟SARS一樣，都來自蝙蝠！”

again，作為新病毒，我們對2019-nCoV的最初動物宿主還沒有實證資料可確認；而SARS病毒的最初動物宿主，在疫情發生十數個年頭後的2018年，的確已藉由在Nature發表的這份研究證實來自蹄鼻蝙蝠（horseshoe bats，又稱菊頭蝠）。由於目前初始多起病例與武漢華南海鮮批發市場高度相關，因此有研究建議應管制野生肉品食用與貿易，對於個人也應避免接觸野生動物、禽鳥。

聽說#10

”病毒除了從動物傳人、也會動物傳動物，家裡有寵物的小心！”

目前普遍認為2019-nCoV與SARS病毒類似，是由最初動物宿主傳給中間動物宿主，再傳給人類，再進入人傳人階段。

雖然尚未證實最初/中間動物宿主為何，但針對貓狗等寵物的患病風險，2020年1月28日WHO已公開說明，目前無任何證據顯示有寵物被新型冠狀病毒感染，若有擔心，與寵物接觸後用肥皂洗手是多種傳染病通用的預防方式。

聽說#11

”比武漢肺炎更危險！美四個月內1500萬人染流感，2萬人死亡！”

這個說法來自2020年1月25日Insider的文章，其呼籲，對多數美國人來說流感比2019-nCoV更具威脅。本文不評論流感 vs 2019-nCoV誰更危險、更該被關注（其為不同判准不同觀點），單就數據做確認：依美國CDC官網，2019年10月1日至2020年1月18日預測的流感疫情如下：

與傳言數字相仿，但須留意，在美國多數地區流感「並非」應通報疾病，所以美國CDC無法準確知道疫情人數，而是透過實驗室確認的流感住院率，用數學模型估算。因此，所估計的疫情數是採區間呈現，也會再隨時間、疫情進展變動。

聽說#12

”武漢肺炎目前只獲得空氣傳播的證據，不能確定是否還有其它途徑。”

雖然新型冠狀病毒是新病毒，相關研究尚少，但大部分人類冠狀病毒是以「接觸傳染」、「飛沫傳染」為主，而不是傳言寫的「空氣傳染」。

飛沫傳染通常透過咳嗽等將病毒傳染給他人，是近距離傳染（約2公尺內）；空氣傳染的病原可在空氣中飄浮、可傳染的距離能更遠，例如麻疹病毒可透過飛沫與空氣傳染，水痘病毒則可透過接觸、飛沫與空氣傳染，導致學校或家庭若有兒童感染時，則很容易引發群聚感染。不同傳染途徑，預防措施也不同，詳細說明可看前台灣感染科醫學會理事長林奏延教授2020年1月23日在官方QA的回答。

聽說#13

”戴口罩已經防護不了⋯⋯眼角膜也會傳染。”

如上述，冠狀病毒多屬接觸或飛沫傳染，與患者共用毛巾等直接與間接接觸行為有可能碰到病毒，而手摸到沾有病毒的物品後再觸及口、鼻、眼，是有可能讓病毒進入身體而感染的。

也因此，美國CDC的2019-nCoV預防建議有提醒要「勤洗手」、「尚未洗手時，避免碰觸口、鼻、眼」；同時，注意咳嗽禮節、戴口罩仍是預防飛沫傳染的主要方式，皆應並重。

聽說#14

”既然可能透過眼睛感染，要準備護目鏡嗎？”

這個說法主要源自確診感染2019-nCoV的北大第一醫院呼吸內科王廣發主任2020年1月22日微博貼文，其推測自己是因接觸患者時未配戴護目鏡而感染；但王廣發於1月23日有進一步澄清，「需要護目鏡」是針對處理疫情的醫師，而非給一般民眾的建議。

這個建議與WHO、美國CDC、我國疾管署相同，護目鏡眼部保護是出現在臨床暫行指引、給會接觸到患者的醫護人員的建議、給醫療照護工作人員個人防護裝備建議中，而非屬給一般民眾的預防建議。

聽說#15

”抗感冒也抗新型肺炎，醫師主張大量吃維他命C”

這個說法主要源自香港星島日報2020年1月23日的報導，但大概是被很多人抗議已下架了，我國疾管署也已於1月24日發布澄清稿闢謠。

不過長期以來，關於維生素C的效果一直是藥理與營養的熱門研究主題，例如透過靜脈注射高劑量維生素C來破壞癌細胞，但對普通感冒來說，一則統計了29306名受試者的回顧性研究指出，服用維生素C的補充劑並無法減少一般大眾的發病率，對能否減緩症狀也尚無定論。此外，將維生素C作為預防或治療 2019-nCoV 的論點仍缺乏科學根據。

聽說#16

”乙酸（白醋）對武漢病毒有效！”

目前2019-nCoV無實證有效的治療藥物，當然，也沒有任何食物被證實有療效。

至於⋯⋯如果是想拿來消毒、預防感染，不論食用白醋或工業用乙酸都請別用。消毒手，依WHO建議可用乙醇（酒精）搓手液；消毒環境，依疾管署建議，一般環境如廚房可用1：100稀釋漂白水（500 ppm），浴室或馬桶可用1：10稀釋漂白水（5000 ppm）。若是醫療機構內因應新型冠狀病毒的消毒作業，就請看更複雜的疾管署指引了。

聽說#17

”武漢病毒56℃就會被殺死，治療方式很簡單，到蒸氣室呆30分鐘”

2020年1月23日中國國家衛生健康委員會發布的新型冠狀病毒診療方案第三版的確提到「病毒對熱敏感，56℃ 30分鐘乙醚、75%乙醇、含氯消毒劑、過氧乙酸和氯仿等脂溶劑均可有效滅活病毒」，但請注意，這是指消毒方式，而非治療方式。

當病毒在環境中，用上述方式消毒是可以的；但當病毒已在體內，上述方式皆無法用來治療，且會對人體產生明顯危害。例如部分蒸氣室或烤箱雖然溫度可逾60℃以上，但人體體溫上升時的自然排汗散熱，仍會使體溫維持恆定，在維持健康的狀況下，不可能將人體加熱到56℃，因此透過高溫蒸氣室或烤箱，絕不可能清除體內病毒。

而體外病毒等飛沫的清潔，僅須正常使用肥皂、沐浴乳等正常清潔方式即可。詳情也可參考1月26日中央流行疫情指揮中心記者會台大醫院兒童感染科主任黃立民的說明。

聽說#18

”武漢病毒56℃就會被殺死，因此碗筷定期煮一煮，煮沸到100℃其它病毒也殺死了。食物要吃煮熟的。”

依WHO的說明，即使在疫情爆發地區，只要有煮熟、端盛時留意環境清潔，食用肉類的確也是安全的。不過，碗筷需用56℃熱水燙過30分鐘以上，或煮沸數秒，也可利用紫外光或一般清潔劑洗滌，其實就已足夠殺死冠狀病毒。

愛做菜的作者OS：多提醒一下，這類清潔消毒法並非適用所有病原體。冠狀病毒因為是一種具有外套膜（envelop）的病毒，利用加熱、酸、乾燥、清潔劑與各類有機溶劑可以輕易破壞外套膜（這類病毒在胃中也會因胃酸的強酸而迅速消滅）；但對於無外套膜的病毒，如腸病毒，則僅能使用加熱、紫外線來清潔餐具，或使用含氯消毒劑清潔環境。

聽說#19

”壞消息，病毒已發生第二代變異，傳染機率爆發性成長！”

依據WHO 2020年1月26日的疫情報告P5，WHO表示目前「沒有」收到任何證據顯示病毒已變異，並表示更多資訊的確認須待中國大陸官方提供更多資料。

聽說#20

”好消息，疫苗出來啦！中國科學家已讀取全部基因序，製出高效試劑⋯⋯將病毒抗原基因切取出來，用轉基因手段培養人體組織，獲取抗性藥物！”

萬用回答上場：目前2019-nCoV「尚無」實證有效的疫苗與專治藥物。

本次疫情爆發後，中國大陸的科學家的確迅速分離病毒並公開基因定序，使各國藥廠可以製作篩檢用試劑盒。不過，試劑盒是用在「診斷是否感染2019-nCoV」，而不是預防用疫苗，也不是治療用藥。

但，縱使研發疫苗與藥物之路遙，多國已動身啟程：

美國NIH NIAID（國衛院國家過敏和傳染病研究所）所長Dr. Fauci等2020年1月23日在JAMA Viewpoint 的文章表示，相關研究人員正探索廣效（broad-spectrum）抗病毒藥物用於2019-nCoV的可能，也調整用於SARS、MERS疫苗的方法，加快2019-nCoV候選疫苗開發，最短三個月內完成早期人體試驗準備；

中國衛健委在2020年1月26日記者會表示已成立國家科研攻關專家組負責疫苗研發，並與WHO討論分享生物資料以加速推進；

我國疾管署在2020年1月27日記者會表示正培養研發疫苗用的病毒，國衛院則與NIAID意見雷同，認為開發廣效抗病毒藥物能在突變的新型冠狀病毒發生時，提供罹病者最快的第一線治療。

最後仍要提醒，2019-nCoV是新病毒，相關資訊皆會隨疫情發展、新出爐研究而變化，國內最新資訊請追蹤疾管署官網，國際最新資訊請追蹤WHO官網、美國CDC、歐洲疾病預防控制中心、醫學期刊 The Lancet等。

當疫情還在蔓延時，多一點認識就少一點恐懼。
Keep calm and carry on. 

• 本文感謝：g0v開源專案《真的假的》謠言資料庫，讓我們得以了解近期有哪些流傳中的「聽說」。

• 本文授權轉載給以下單位：
  端傳媒，泛科學：關於新冠肺炎的20個傳言，哪些是真哪些是假？
  元氣網，潛伏期就有傳染性？用科學破解武漢肺炎的20個「聽說」
  鳴人堂，20個新型冠狀病毒傳言，是真還是假？（上）/ 20個新型冠狀病毒傳言，是真還是假？（下）
  香港01，【武漢肺炎】20個武漢肺炎可怕傳言　科學拆解：防病毒要護目鏡？
  商周良醫健康網，死亡率15％、潛伏期就有傳染性？專家用科學破解：武漢肺炎的20個傳言

若有轉載需求，請寄信至：contact@pansci.asia

菇類採集

在新冠肺炎（COVID-19）大流行後，馬斯洛「需求層次理論」裡的食品與安全在眾目睽睽下被抽離出來，變成後疫情時代最重要的兩個元素。對食物的焦慮點燃人們大腦中所有生存意志，於是大家開始恐慌性地購買，讓原本就已經脆弱、易受攻擊的現代糧食系統更岌岌可危。

值得慶幸的是，我們的祖先以前就經歷過這一切，留下來的經驗值得借鏡。菇類採集的興趣在艱難時期達到顛峰，這反映了人類本能上對未來產生的恐懼。¹ 無論是否有意，我們意識到需要找回擁有食物的主導權，循著古老能力的引導來找尋、準備我們自己的食物，如此才能應付食物短缺所產生的焦慮。

我們看見越來越多人以城市採集者的身分對野生菇類有了新的品味，進而找到安全感並與大自然建立起連結。這並不是說菇類採集將成為主要的生存方式，而是找回重新獲得自給自足能力的安全感。此外，菇類採集的快感就足以讓任何人不斷回歸嘗試。

在這個數位時代，菇類採集是讓我們能與自然重新連結的獨特活動。我們早已遺忘，身體和本能，就是遺傳自世世代代與自然和諧相處的菇類採集者。走出現代牢籠、進入大自然從而獲得的心理和心靈滋養不容小不容小覷。森林和其他自然空間提醒著我們，這裡還存在另一個宇宙，且和那些由金錢、商業、政治與媒體統治的宇宙同樣重要（或更重要）。

只有願意撥開遮蓋的落葉並專注尋找，才能體認到菇類的多樣性和廣泛分布。一趟森林之旅能讓人與廣大的生態系統重新建立連結，另一方面也提醒我們，自己永遠屬於生命之網的一部分，從未被排除在外。

腐爛的樹幹不再讓人看了難受，而是一個充滿機遇的地方：多孔菌（Bracket Fungi）──這個外觀看起來像貨架的木材分解者，就在腐爛的樹幹上茁壯成長，規模雖小卻很常見。此外，枯葉中、倒下的樹上、草地裡或牛糞上，也都是菇類生長的地方。

菇類採集是一種社會的「反學習」（遺忘先前所學）。你不是被動地吸收資訊，而是主動且專注地在森林的每個角落尋找真菌。不過度採集、只拿自身所需，把剩下的留給別人。你不再感覺遲鈍，而是磨練出注意的技巧，只注意菇類、泥土的香氣，以及醒目的形狀、質地和顏色。

菇類採集喚醒身體的感官感受，讓心靈與身體重新建立連結。這是一種可以從中瞭解自然世界的感人冥想，每次的發現都振奮人心，運氣好的話還可以帶一些免費、美味又營養的食物回家。祝您採集愉快。

計畫

菇類採集就像在生活中摸索一樣，很難照既定計畫執行，而且以前的經歷完全派不上用場。最好的方法就是放棄「非採集到什麼不可」的念頭，持開放心態走出戶外執行這項工作。菇類採集不僅是享受找到菇的滿足感，更重要的是體驗走過鬆脆的樹葉、聞著森林潮濕的有機氣味，並與手持手杖和柳條筐的友善採菇人相遇的過程。

你很快就會明白為什麼真菌會有「神秘的生物界」的稱號。真菌無所不在但又難以捉摸，採集過程幾乎就像玩捉迷藏，只不過你根本不確定自己在找什麼，甚至根本不知道要找的東西是否存在。但還是要有信心，只要循著樹木走、翻動一下原木、看看有落葉的地方，這個過程就會為你指路。一點點的計畫，將大大增加你獲得健康收益的機會。所以，讓我們開始吧。

去哪裡找？

林地和草原，是你將開始探索的兩個主要所在。林地底層提供真菌所需的有機物質，也為樹木提供菌根關係。橡樹、松樹、山毛櫸和白樺樹都是長期的菌根夥伴，所以循著樹種，就離找到目標菇類更近了。

草原上也會有大量菇類，但由於這裡的樹木多樣性和環境條件不足，所以菇類種類會比林地少許多。如果這些地點選項對你來說都太遠了，那麼可以試著在自家花園或在地公園綠地當中尋找看看。這些也都是尋菇的好地方。

澳洲新南威爾斯州奧伯倫

澳洲可以說是真菌天堂。與其他大陸隔絕的歷史、不斷變化的氣候以及營養豐富的森林，讓澳洲真菌擁有廣大的多樣性。澳洲新南威爾斯州（New South Wales）的奧伯倫（Oberon）就有一座超過四萬公頃的松樹林，是採集菇類的最佳地點之一。

在那裡，有廣受歡迎的可食用菌松乳菇（又稱紅松菌），據說這種真菌的菌絲體附著在一棵歐洲進口樹的根部，而意外被引進澳洲。 1821 年，英國真菌學家塞繆爾・弗里德里克・格雷（Samuel Frederick Gray）將這種胡蘿蔔色的菇命名為美味乳菇（Lactarius deliciosus），這的確名符其實，因為「Deliciosus」在拉丁語中意為「美味」。如果想要在奧伯倫找到這些菇類，秋天時就要開始計劃，在隔年二月下旬至五月的產季到訪。

英國漢普郡新森林國家公園

在英國，漢普郡的新森林國家公園（Hampshire’s New Forest）距離倫敦有九十分鐘的火車車程。它由林地和草原組成，當中有種類繁多的植物群、動物群和真菌可供遊客觀賞，甚至還有野生馬匹在園區裡四處遊蕩。

這片森林擁有兩千五百多種真菌，其中包括會散發惡臭的臭角菌（Phallus impudicus），它的外觀和結構就如圖鑑中描述般，與男性生殖器相似且不常見。還有喜好生長於橡樹上，外觀像架子一樣層層堆疊的硫色絢孔菌（Laetiporus sulphureus ，又稱林中雞）。該國家公園不允許遊客採收這裡的菇，所以請把時間花在搜尋、鑑別與欣賞真菌上。如果幸運的話，該地區可能會有採集團體可以加入，但能做的也僅限於採集圖像鑑別菇類，而非採集食用。

美國紐約市中央公園

甚至紐約市的中央公園也有採集菇類的可能性。雖然在 1850 年代公園建造之時並未刻意引進菇類物種，但這個占地八百四十英畝的公園現已登錄了四百多種菇類，足以證明真菌孢子的影響之深遠。

加里・林科夫（Gary Lincoff）是一位自學成才、被稱作「菇類吹笛人」² 的真菌學家，他住在中央公園附近，並以紐約真菌學會的名義會定期舉辦菇類採集活動。林科夫是該學會的早期成員之一，該學會於 1962 年由前衛作曲家約翰・凱吉（John Cage）重新恢復運作。凱吉也是一位自學成才的業餘真菌學家，並靠自己的能力成為專家。

進行菇類採集時，找瞭解特定物種及其棲息地的在地專家結伴同行，總是有幫助的。如果你需要一個採集嚮導，求助於所在地的真菌學會會是一個正確方向。

何時去找？

在適當的環境條件下（例如溫度、光照、濕度和二氧化碳濃度），菌絲體全年皆可生長。某些物種對環境條件較敏感，但平均理想溫度介於 15~24 ℃ 之間，通常是正要進入冬季或冬季剛過期間，因此秋季和春季會是為採集菇類作計畫的好季節。

當菌絲體從周圍吸收水分時，會產生一股破裂性的力量，讓細胞充滿水分並開始出菇。這就是菇類通常會出現在雨後和一年中最潮濕月份的原因。牢記這些條件，就可以引導你找到寶藏。但也要記得，因為菇類受溫度變化模式和降雨量的影響很大，所以每年採菇的旺季時間會略有不同。

註解

1. Sonya Sachdeva, Marla R Emery and Patrick T Hurley, ‘Depiction of wild food foraging practices in the media: Impact of the great recession’, Society & Natural Resources, vol. 31, issue 8, 2018, <doi.org/10.1080/08941920.2 018.1450914>. ↩︎
2. 譯注：民間傳說人物。吹笛人消除了哈梅林鎮的所有老鼠，但鎮上官員拒絕給予承諾的報酬，於是他就吹奏著美麗的音樂，把所有孩子帶出哈梅林鎮。 ↩︎

——本文摘自《真菌大未來：不斷改變世界樣貌的全能生物，從食品、醫藥、建築、環保到迷幻》，2023 年 12 月，積木文化出版，未經同意請勿轉載。