大隱隱於市：神秘淡水紐蟲在台現身，世上第二筆野外記錄！

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 UL 委託，泛科學企劃執行

• 文／陳亭瑋

2019 年的諾貝爾化學獎頒給了發明鋰電池的三位科學家，因為他們的貢獻，讓我們的世界現在隨處可見輕便的手機、筆電以及電動車。在享受鋰電池帶來便利生活的同時，我們也不能忽略其潛在風險。像是 2016 年三星 Galaxy Note 7 手機的爆炸事件，正是電池設計與品質控管不良等綜合因素所造成；電動車在充電或正常操作時起火燃燒等鋰電池意外也時有所聞。

究竟是哪些因素，讓鋰電池出錯、發生自燃或爆炸的意外呢？這要先從鋰電池的構造說起。

鋰電池內部主要是由正極、電解液、負極、隔離膜四大部分組成，加上外殼封裝之後,  就成為可以獨立運作的基礎單元，一般稱為「電芯」。為了有效管理電池效能，並限制電池因錯誤操作所造成的危險，一個或多個電芯還必須進一步連接管理系統電路板，有時甚至配備主動或被動式散熱系統，加上電池外殼進行最後封裝，才成為一般使用者所看到的鋰電池。

鋰電池的充放電都是化學反應。充電時，鋰離子會由正極往負極移動，放電時則反過來。而像這類的化學反應都會放出熱，再加上「電芯」裡大多是易燃材料，如果電池設計不當、品質不良或使用者誤用，就容易燃燒或爆炸。

接著簡單介紹幾個會造成鋰電池「爆炸」的原理。

爆炸自燃的起點：內部短路與外部短路

所謂的短路（Short circuit）主要指電路中有電位差的兩個節點以極低電阻的元件（像是一般的導線）相連；或者換句話說，應該要做好絕緣的兩個點互相接觸了。短路會造成電路中瞬間出現非常大的電流，大電流所釋放出的能量，除了可能燒壞線路、引爆火花，也會讓電池在極短的時間內過度放電，釋放出大量熱能提高電池溫度。

鋰電池短路可大致分為「外部短路」與「內部短路」兩種。所謂的「外部短路」，就是鋰電池的外部正負極之間，有絕緣不良或設計問題，讓正負極以低阻抗的情況下連接發生短路。而錯誤的使用方式、或是損壞的電器連接電池等風險較高的情境，也有可能造成電池短路。

「內部短路」則通常是由於電池設計不良、品質缺陷、過充過放、不當加熱、外部壓力影響結構等因素，造成電芯內的隔離膜受損，兩極直接接觸而出現短路。如開頭提到的三星 Note 7 的電池，就是出現了內部短路。

鋰電池短路會怎樣呢？短路會讓電池在很短的時間內放出很大的電流，因而大量放熱產生高溫，這樣的高溫會破壞電池內部，繼而出現更劇烈的化學反應。

那遇到高溫、熱到不行的鋰電池會發生什麼事呢？

高溫：鋰電池的熱失控連鎖反應

一般來說，鋰電池在使用上有合適的溫度範圍，建議溫度為攝氏 0 度到 45 度，且不可以靠近火源。這也是為什麼，在旅行時也應該要將鋰電池放在隨身行李，讓鋰電池跟著你走，避免將鋰電池放在潛在有可能高溫的飛機貨艙或是車輛的行李艙中。

就像前面所提及的，鋰電池的充放電都屬於化學反應，本身就會放熱，而溫度越高化學反應速度會越快。因此高溫下，電池內部會產生一連串的連鎖反應，持續產生熱，如果無法散熱就會形成熱失控 （Thermal Runaway），累積的熱最終會可能會導致電池起火。

但是鋰電池為什麼這麼容易燒起來呢？爆炸又是怎麼來的？

成分易燃：有機成分在高溫下不穩定

鋰電池的主要組成如電解液、隔離膜為有機成分，本身就屬於易燃物質。再者，高溫下的鋰電池除了會發生「熱失控」持續加速反應與提高溫度，材料本身也會反應分解出易燃的氣體。如果電池沒有排氣、降溫的設計，遭遇到高溫或短路時，就可能起火燃燒、甚至爆炸。所以為了安全起見，使用有鋰電池的電器時，要記得遵守原始的使用設計、不要隨便更動電器的設計或使用方式；環境中有造成高溫火爐或暖爐等，也要記得避開，就可以更安全。

鋰電池的應用方式不同，安全措施也需要隨之調整。如電動車跟儲能系統中，會使用成千上萬顆鋰電池，當每顆電池都有安全風險時，如何不讓鞭炮般連續爆炸的連鎖效應發生，是未來系統設計的重點。

有安全認證才認真安全

作為使用者，該如何享受鋰電池的便利，同時確保自身安全呢？

遵守鋰電池的使用規範是首要條件：例如要在適合的溫度內使用，不接近高溫或有火源的環境。使用電器產品保持謹慎，電池出現如膨起等異常就立即停止使用。

如果購買的產品經過認證，內置的鋰電池設計妥善，且使用時遵守相關規範，就可以把「爆炸自燃」的可能性降到非常非常低囉。

話說回來，又是誰在幫鋰電池進行安全認證，替鋰電池的使用者把關呢？

泛科學採訪了全球產品安全認證機構 UL，他們位在新北市林口／龜山的實驗室 ，正擔負起替各種商品的安全性把關的重責大任。UL 目前已發展超過 1,400 種安全標準，每年評估超過 2 萬多類的產品，幾乎涉及到所有你想得到的商品，當然也包括了鋰電池。

UL有個測試研發單位，其重要工作就是研究鋰電池的各種失效方式。過往較受矚目的任務，包括受託調查三星及波音 787 發生的電池問題。針對鋰電池的安全性， UL 研發實驗室除了會以儀器分析，掃描其物理結構，也會在不同的條件下測試電池的充放電，以逆向工程的方式，拆卸分解，找出鋰電池的弱點。

此外，實驗室為了洞悉不同鋰電池產品的「失效模式」，會用實驗模擬，甚至如針刺的物理破壞方式「讓它爆看看」，藉此收集各種會讓電池「失效」的相關資訊，提供後續針對失效模式的設計建議。現階段，由於材料的設計與限制，不存在「完全安全」、不會爆炸的鋰電池，但可以放心的是，這世界存在著經過檢驗與設計、安全性較高的產品，以及較為安全的使用方式。

未來在購買相關產品時，我們除了關心性能、售價等因素，不妨多注意注意鋰電池是不是經過安全認證，為這美好的科技世界獻上祝福吧！

本文由 UL 委託，泛科學企劃執行

冰河時期只有歐洲人變聰明？

歐洲在數萬年前的史前時代，就存在洞穴壁畫、雕刻之類的藝術創作。能畫出令畢卡索也讚嘆的畫作，足以讓我們間接推論，壁畫的創作者已經具備現代的心靈。當時的歐洲人除了能準確畫出寫實的動物，野牛、野馬等等，展現觀察與複製自然的能力，也會製作比較抽象的作品。

例如在德國南部的史塔爾洞穴（Stadel cave）出土，距今 4 萬年的「獅人」，是一件用象牙雕刻，31 公分高的小雕像；專家估計要花費 400 小時，才能完成這件精品。獅頭人身，顯然不是自然界存在的生物。當時的人為什麼大費周章，製作這類缺乏實用價值的作品，我們毫無頭緒。¹

考古學家猜測，獅人雕像曾被作為某些儀式之用，甚至隱約記錄著早已失傳的信仰、原始的宗教。不論如何，獅人這類超現實的作品，都反映出創作者難以捉摸的抽象思維。幾萬年前的歐洲人既能寫實，也懂抽象，別處的人卻沒有類似手筆，難道是歐洲的智人特別聰明嗎？

最近在世界另一邊，東南亞的發現，完全顛覆了上述的想法。

位於東南亞，比歐洲更早的動物壁畫

歐洲是世界上最早開始考古研究的地方，調查最為透徹、密集。單單法國考古遺址的數量，就和廣大的東南亞一樣多。其他地方沒有和歐洲類似的考古發現，或許只是探索不夠，尚未找到。也可能是沒有留存下來，都在歲月中消逝了；畢竟歐洲的氣候環境，遠比非洲、東南亞等地適合保存人造物。

所以這篇 2018 年發表的論文相當驚人。它報告在東南亞海上的大島—婆羅洲，山區調查岩洞的結果。數個洞裡發現壁畫，但是判斷壁畫的年代難度很高。

這項研究採用鈾定年法（U-series dating）分析壁畫上的碳酸鈣。畫作完成後留在岩壁上，碳酸鈣會漸漸在表面累積，所以碳酸鈣的年代，肯定比其下的畫作更晚；碳酸鈣的年代，能代表畫作最低可能的年紀。²

婆羅洲 6 個洞穴共 15 件樣本的分析指出，年代最早的畫作距今足足有 4 萬年之久，次早的為 3.94 萬年。畫的隱約可見是某種動物，可惜已經殘缺到無法判斷。4 萬年前這年代，甚至比法國的夏維洞穴（Chauvet cave）最早 3.7 萬年前的作品，又更早好幾千年，在發表時是全世界最早的動物繪畫。

最早一批壁畫的色彩偏紅橘，內容為偏寫實風格的動物，如當地存在的爪哇野牛（Bornean banteng）。不過該地繪畫記錄在此之後，中斷相當長的時間，直到約 2 萬年前才出現另一種風格，以手印為主，深紫色的作品。

這項發現明確指出，洞穴壁畫這類被視為高端心靈的表現，並非歐洲的專利，不但也在世界另一邊的東南亞存在，年代還比歐洲更早一點。

下巴掉下來的話，先裝回去，因為隔年 2019 年發表的論文，比上述發現更加驚人！

4萬年前的東南亞，至少有兩群文青

另一項研究調查的地點，位於婆羅洲東邊的島：蘇拉威西。島上一個叫作 Leang Bulu’Sipong 4 的洞穴中，發現 6 個動物圖案：2 個是野豬、4 個是野牛，由型態判斷最可能是蘇拉威西野豬（Sus celebensis）以及矮水牛（dwarf buffaloes 或 anoa），牠們依然漫步在今日的蘇拉威西。³

鈾定年法得知，蘇拉威西最早的樣本距今也許有 4.39 萬年，榮登目前已知史上最早的動物畫作，它是一幅看起來肥滋滋的野豬。稍晚的野牛距今 4.1 萬年左右，榮登史上最早的野牛畫作。

冰河時期海平面較低時，婆羅洲會與東南亞大陸相連，不過蘇拉威西總是海島。蘇拉威西這批壁畫色彩紅橘，和婆羅洲年代稍晚的作品風格一樣。只在單一地點發現，還有質疑的餘地，不過在相距不遠的兩處都發現類似作品，應該足以相互映證，彼此為年代接近，文化相似人群的產物。

在東南亞的抽象人獸合體，也比歐洲更早

另一件驚喜是，豬和牛的旁邊還有 8 件半人半獸（therianthropes）的圖案。一豬一牛旁邊，各有一個半人半獸；其餘 6 個位於另一頭牛的前方，該牛距今約 4.09 萬年，半人半獸們的年代或許差不多。

所謂「半人半獸」，其實無法判斷是哪種獸，不過圖案放大來看很清楚，假如把德國 4 萬年前的獅人畫在牆上，看起來就會是蘇拉威西這樣：獸頭人身。

換句話說，蘇拉威西岩壁上這批繪畫，是世界上已知最早的人獸合體作品，又比歐洲更早一段時間。綜合觀之，東南亞和歐洲在同一時期的人，皆為既能寫實，也懂抽象，足以認定具有高端心靈的人。至少可以肯定，冰河時期的歐洲人，並不獨特。

一樣高明的東方與西方：有共通源頭，或是獨立發展？

差不多同一時期，地球上相隔甚遠的兩處人，在差異不小的環境下，不約而同表現出類似的行為與思維。不禁令人好奇，事情是如何發展成這樣？

東南亞與歐洲的智人，都是數萬年前離開非洲智人的後裔。一種可能是，他們尚未各分東西以前，已經具有後來的藝術感與抽象思維，後來各自在東方與西方表現出來，留下紀錄。另一種可能是，歐洲與東南亞兩地獨立發展。移民歐洲的智人思維變得更加深刻，東南亞也經歷一樣的狀況。

考古記錄指出，約 4 萬年前才有大批智人移民進入歐洲；歐洲出現智人藝術品，和智人抵達歐洲幾乎是同時的事，乍看之下沒什麼醞釀的時間。

東南亞一帶智人現身的年代，應該早於 6 萬年前；更遲超過一萬年，才是已知開始藝術創作的年代。是同一群人住久以後，慢慢研發出新才能嗎？又或是隨後而來的另一群人，也帶來藝術呢？

總之，目前的證據，不足以判斷是哪一種；只能肯定智人尚未離開非洲以前，已經具有相當的象徵思維，不過仍沒有寫實壁畫、半人半獸這類手筆（或許曾經有過，只是還沒有發現）。

延伸閱讀

• 短篇  東方藝術史，4萬年前婆羅洲岩洞壁畫
• 短篇  4萬多年前蘇拉威西，史上最早的動物與人獸合體壁畫
• 智人至少6.3萬年前，已經抵達蘇門答臘
• 智人最早「畫作」，7.3萬年前
• 尼安德塔抽象畫－西班牙洞穴，超過6.48萬年
• 摩登原始人（上）：現代行為的起源
• 摩登原始人（下）：成為文青的第一步
• 莫維斯線與竹子假說：東方真的比較落後嗎？

參考資料

1. The Lion Man: an Ice Age masterpiece
2. Aubert, M., Setiawan, P., Oktaviana, A. A., Brumm, A., Sulistyarto, P. H., Saptomo, E. W., … & Zhao, J. X. (2018). Palaeolithic cave art in Borneo. Nature, 564(7735), 254-257.
3. Aubert, M., Lebe, R., Oktaviana, A. A., Tang, M., Burhan, B., Jusdi, A., … & Sardi, R. (2019). Earliest hunting scene in prehistoric art. Nature, 576(7787), 442-445.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。