大面積氮化硼單晶技術大突破，台積電與交大聯手登上國際頂尖期刊《自然》

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

本文轉載自顯微觀點

主持台大生醫光學實驗室的朱士維，在 2023 年初兼任台大學務長。他一面落實以學生為核心的大學價值，一面持續鑽研光學與生物組織、奈米結構的互動。

近年朱士維參與的研究包含觀察「活的小鼠大腦」如何自我調節、以光激發出奈米材料的新物理性質等。這些研究登上《自然通訊》（Nature Communication）、《先進科學》（Advanced Science）等重要期刊，以尖端光學技術為腦科學、奈米材料探照未知之處。

對於生醫領域的精密光學應用，朱士維說明，光學顯微技術介於醫學造影和電子顯微鏡之間：醫學造影提供即時成像，但解析度不夠精密。電子顯微鏡可以達到奈米解析度，卻無法保持樣本活性。而持續發展的光學顯微術則開始達成快速的高解析度活體影像，讓科學家看到真實生理。

活體顯微影像的追求不出四大方向：對比、解析度、穿透深度、速度。

– 朱士維

雙光子顯微術搭配人工智慧 追上神經生理

2024 年，朱士維領銜的台大、清大聯合團隊研發高速體積成像系統 TAG-SPARK (TAG-lens-based SPAtial redundancy-driven noise Reduction Kernel)，以可調式聲學梯度變焦透鏡（Tunable Acoustic Gradient, TAG lens）結合自我監督式深度學習演算法，顯微影像成果比單用雙光子顯微術清晰 10 倍，掃描速度快上近 1000 倍。

TAG-SPARK 的聲學梯度變焦透鏡，以聲波控制特殊透鏡內的液體振動、改變折射率，使雙光子顯微光路可以在 1 秒內完成多個深度的對焦，快速建立 3D 影像。在高速體積成像的支援下，研究團隊設計的演算法利用每層平面影像間豐沛的空間冗餘（spatial redundancy）資訊進行去噪（noise reduction），讓影像訊噪比改善7倍以上。

高速度和高品質的立體顯微影像，讓科學家以接近神經運作的速率，觀察活體小鼠的小腦動態。研究團隊以小腦中的柏金氏細胞（Purkinje cells）作為觀察目標，它們是小腦皮層唯一的輸出神經元，掌控小腦的訊號傳輸與身體日常運作。柏金氏神經細胞的樹突緻密分布於小腦皮質最外側的分子層（molecular layer），細胞體則聚集在更深處的分子層與顆粒細胞層（granule cell layer）之間，獨立形成柏金氏層。

傳統顯微方法不易穿透其深度觀察細胞體動態，若使用共軛焦顯微術，強力激發光卻容易傷害腦細胞。但雙光子顯微術在觀察活體組織時，則可以提供較深的焦平面和較低的光毒性。

透過 TAG-SPARK, 研究團隊不僅詳細記錄柏金氏細胞動態，更發現相同的樹突訊號能導致柏金氏細胞體產生不同反應，呈現前所未見的有趣訊號模式。朱士維相信「意識是資訊的集合」，高速立體光學成像系統能讓我們看見腦中資訊的聚散，更進一步接近「何謂意識」這個世紀之謎。

朱士維也參與由台大生科系教授陳示國領導的跨校團隊，以雙光子顯微術結合梯度折射（Gradient-Index, GRIN, 物鏡內有不同折射率的微型透鏡平行排列）內視鏡，觀察小鼠的晝夜節律神經系統的真實運作狀況。

這支結合生命科學、物理以及工程科學的研究團隊測試大腦底部「視交叉上核」（suprachiasmatic nucleus，SCN）神經細胞對光線變化的反應。在團隊中，朱士維負責提供精密顯微影像，研究活體腦神經元生理不可或缺的觀察工具。

團隊利用朱士維研發的雙光子-GRIN顯微內視鏡（雙光子顯微術搭配GRIN內視鏡），從樹突叢集的鼠腦表層看進神經細胞體聚集處。他們發現，即使樹突受到相同光訊號刺激，節律神經細胞體可能以不同的方式回應，並由複數神經元整合資訊，再行輸出訊號給下游神經元。

研究團隊認為，在多種神經元的交織協力下，晝夜節律的神經生理呈現高度動態變化。神經細胞活動與光照的關係並非傳統想像的線性模式，而是雙穩態（bi-stability, 系統中有 2 個調節開關）的靈活調控，而單一類型神經細胞對光照的反應難以預測，生理時鐘內還有許多奧秘等待探索。

與跨領域學者合作，並非一帆風順。朱士維坦言，跨足生物學領域，他還有很多知識要補充、溝通門檻要跨越。

他笑稱，「光是合作對象經常討論的果蠅蕈狀體，我聽了 3 年才認為自己真的懂了。」對他來說，跨領域合作最重要的收穫之一，就是尊重不同領域之間的知識含量。其次，則是溝通的技術。

我維持了幾年的一知半解才了解合作對象的語言，那我務必要讓自己說出來的話非常容易理解。

– 朱士維

除了生醫應用，朱士維也在物理工程領域探索新的光學現象。他與中國、日本學者合作研究奈米材料上的非線性光學，發現與米氏散射原理相關的移位共振，能夠激發矽奈米結構的多極模態（multipolar modes）。

透過共軛焦反射顯微鏡光路達成的多極模態，讓奈米材料展現幾項嶄新的光學效應，如更低的光學非線性閾值、光開關的訊號反轉（sign flip）、空間解析度提升等。不僅開啟了操控米氏共振的新方法，也擴張了超過百年的經典光散射理論。

這些精采研究涵蓋跨領域、跨國界的合作，並非巧合，而是出於朱士維的世界觀。他深信，「真實世界的所有問題，都是跨領域問題。」在大學教室裡，他也以此觀念為學生設定學習方向。

討論與實作優先的大學教育

在大一、大二的基礎課程中，朱士維就會要求學生提出研究計畫、動手進行研發。他強調，讓學生從具體而明確的問題出發，親手進行研究。在研究中遇到挑戰、企圖解決時，學生自然會尋找需要的知識。

朱士維回想，「修課學生果然從很務實的角度發想，有人的提案是『保證起床的鬧鐘』，結合物理知識和現實可行的元件，做出不會被輕易關掉的鬧鐘，讓他可以準時上課。他在學期末真的做出了這個鬧鐘。」

朱士維認為，在豐富的現代資訊環境中，幾乎所有理論知識都可以線上學習，在教室上實體課程的必要性遠不如以往。至於實體課程最珍貴的部份是讓人當面討論、激盪想法，讓積極學習的學生們能夠聚集、交流，而非要求學生安靜聽課、被動吸收。

朱士維相信，大學教育的重要目標之一，是訓練學生主動採取行動的習慣，並讓他們知道必須主動追求，才能完成自己心中的期待。因此親自規畫、動手（腳）實踐，是他所有課程的必備基礎。

除了物理系，朱士維也在臺大創新設計學院（College of Design and Innovation，簡稱 D-School）開設課程，引導學生以「設計師」、「使用者」觀點建構自己的大學生活與生涯規劃。

朱士維特別說明，D-School 設有創新領域學士學位學程，讓學生能夠跳脫舊有領域框架自訂學習主題。讓學生能實現自己對知識的構想，或許比舊有科系分野更能適應快速變化的社會。他強調，「學生原創的課程組合，是可以得到學士學位的。」

主修社團，副修電機

談及學習經驗，朱士維說，「我常常說自己大學主修『嚕啦啦社』，副修電機系。大學4年中至少有1年在山上過，成績排名也因此往往是後半段。」但他認為，自己重要的「能力」如溝通協調、事前規劃、親手解決問題的信念，都是在社團經歷中學到的。

朱士維回想，他在高中時參與了救國團服務隊舉辦的山區營隊，活動內容相當刻苦簡樸，但他十分羨慕服務隊成員們能住在優美山林間，心想「等我上大學，一定要成為其中一員。」

進入台大嚕啦啦社並擔任服務隊員後，朱士維不僅培養了在山野間帶隊行進的嚮導經驗，也經常為了團康活動面對群眾。他說，「服務員經常得一手掌握團隊氣氛，活動才會成功。」他回想，當年為了達到這樣的能力，投入許多時間認真練習，經過跌跌撞撞的多次嚐試，才塑造出自己的風格。

後來得到「優良導師」與多次「教學優良教師」獎項的朱士維分析，這種能力其實就是「溝通」。但是他當時並非盤算著，「有天我會成為教師，能把這種技巧發揮在教室裡。」而是對當下的任務很投入，進行一件自己真的很想做的事情，在過程中內化了這項能力。

做學術研究不可或缺的計畫書，我也是在社團學到怎麼寫的，因為當時想申請更多經費來辦活動。朱士維

因為自身經歷，朱士維相信，讓學生能投入自己真的想做的事情，才能培養長期的能力與素養。為了帶給學生自由探索的時間與空間，朱士維也強力支持 D-School 中的「探索學習」計畫。

選擇「探索學習」的學生，不再受到學期學分下限要求，可以自行前往校園外進行探索，建構自己的志向與經驗。選擇此計畫的學生，有人加入 NGO、有人進入動物園與馬場實習，還有人搭乘無動力帆船橫跨大洋，獲得課堂中無法給予的重要體驗。

朱士維認為，親身體驗，遠比聽講的學習效果更好。而離開校園探索世界的深刻體驗，未必會讓人遠離學術。

提及學術起點，朱士維不好意思地說，當年之所以報考台大光電研究所，「是因為想要繼續參加社團，要是離開台大，社團生涯就結束了。」

研究所開學不久，921 大地震撼動台灣，中部災情尤其嚴重。朱士維聽聞大學時期經常前往、充滿熟悉與認同的南投山區也遭受重創，便和指導老師孫啟光請假，前往災區協助賑災。

朱士維回憶，孫啟光乾脆地答應他的請求，即使他離校超過一個月才回歸實驗室，也不曾額外施加壓力。經過了在南投山區鎮日搬運物資、不時目擊傷亡狀況的賑災經驗，他回到台大光電研究所時，同學們大多已在研究軌道上運作。

朱士維說，「當時我並沒有對研究成果想太多，而是想回報孫老師。因為他給我很大的彈性、研究主題又有趣，就專心投入他的計畫。想不到，幾個月後研究成果竟登上國際期刊。至今我還記得看到自己名列期刊之中的感動，也在那時開始覺得『我或許可以走學術這條路！』」

因為充滿因緣際會的生涯際遇，朱士維相信，「全心投入的事情，都會在生涯某處開花結果。比起嚴密生涯規畫更重要的，是當下的自己、周遭的人與環境，找到自己想投入的事情。」

從「好好生活」出發的學務長

一進入朱士維的學務長辦公室，能看到一幅對聯「好好生活。感恩助人」，書桌後方則並列三幅春聯「好好生活」、「好好吃飯」、「好好睡覺」。

朱士維說，學務處實際上掌管學生除了成績外的所有在校事務，而大學除了學業成績外，更應該協助學生培養人格和價值觀。因此，他將學務處設定為學生在校期間的支持與賦能來源。

台大學務處網站上的理念「好好生活，吃飯睡覺運動交友；感恩助人，學生互助回饋社會。」就是朱士維為學務處設立的目標。他強調，將學生推向世界，能夠與自身、週遭人事物建立真實的連結，是比追求課業成績更優先的大學價值。

因此他規劃學務處擴改善硬體設施、增加軟體服務，從社團資源、宿舍、餐廳、心輔中心到新的經濟支持計畫，提供學生友善、包容的生活環境。他期待學生能夠在生活中感到安定，進而察覺值得感恩的事，得到感激並協助他人的能力，形成助人的循環。

朱士維回想，自己在台大的社團與求學經驗都讓他心懷感恩，包括在台大擔任教師也是非常幸運的事。現在，他致力為台大學生建立可以安心探索自我與真實世界的大學環境，以充滿感動的學習經驗，取代孤獨且競爭激烈的人生賽道。

小朋友看到「味同嚼蠟」這個成語，或許會說：「章老師是沒是沒得寫了，怎麼連這個盡人皆知的成語也寫進去？」的確，這個成語淺顯易懂，似乎沒什麼可寫的，可是深入探討一下，還真有的寫呢！

味同嚼蠟，字面的意思是：像吃蠟一樣，沒有一點味道，比喻枯燥乏味。讓我們先造兩個句吧：

這篇小說寫得枯燥無趣，讀來味同嚼蠟。

這道菜做得無滋無味，吃起來味同嚼蠟。

味覺的科學

接著要談談這個成語的科學意涵。先談味覺，我們舌頭上大約有 1 萬個味蕾，可以感受酸、甜、苦、鹹四種味道。食物中的酸、甜、苦、鹹的成份，會刺激味蕾，引起味覺。那麼「辣」呢？對味蕾來說，辣不是味覺，而是疼痛，形成類似燒灼的刺激感。除了口腔和舌頭，消化道的其他器官，譬如胃和肛門，都能感受到辣的刺激。特別是有痔瘡的人，吃了辣的東西，肛門就會不舒服。

蠟到底是什麼？

話題再回到「蠟」上，蠟之所以沒有一點兒味道，就是因為它不會釋出酸、甜、苦、鹹的成份，也不會產生辣的刺激，難怪讓人覺得味同嚼蠟。

接下去看看「蠟」這個字，它是蟲部的，可見和蟲有關。沒錯，古人所能取得的蠟，主要是蜂蠟和蟲白蠟，分別來自蜜蜂和白蠟蟲。蜂蠟由蜂巢熬製而成，呈黃色，又稱黃蠟。蟲白臘是由白蠟蟲的雄蟲分泌的，呈白色，又稱白蠟。小朋友可能沒聽說過白蠟蟲，章老師就多費點唇舌吧。

白蠟蟲屬於同翅目、蠟介殼蟲科、白蠟介殼蟲屬的昆蟲，寄生在白蠟樹、女貞樹等木犀科植物上。白蠟蟲體型小，雌雄不論在形態上，還是行為上，差異都很大。雌蟲大多分散活動，雄蟲大多成羣聚集。雌蟲沒有蛹，屬於不完全變態；雄蟲有蛹，屬於完全變態。此外雌蟲無翅，呈長卵形；雄蟲有翅或無翅，腹部有泌蠟孔，能分泌白蠟，包圍身體，泌蠟後的蟲體呈圓形。

早在一兩千年前，中國人已開始養殖白蠟蟲。將雄蟲分泌的白蠟收集起來，經過蒸或煮，就可製成蟲白蠟。在煉製石油的副產物石蠟沒傳入前，中國人所使用的蠟，一直是蜂蠟和蟲白蠟。因此味同嚼蠟所說的「蠟」，必定是這兩種蠟。

自從石蠟普遍後，蜂臘和蟲白蠟已少見了，不過並未完全退出歷史舞台。如今我們製作蠟燭，當然使用價廉的石蠟，然而蜂蠟和蟲白蠟仍有其特殊用途。譬如蜂蠟廣泛用在化妝品及醫藥上，蟲白蠟廣泛用在醫藥及工業上。中藥的蠟丸，外面包裹著的一層蠟，就是蜂蠟或蟲白蠟製的。