日環食觀賞全攻略（台灣限定版）：錯過這次再等 195 年！

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

• 本文轉載自臺北天文館《臺北星空》第 101 期

• 文／歐陽亮｜天文愛好者，中華科技史學會會員，曾獲 2001 年尊親天文獎第二等一行獎，擔任 2009 全球天文年特展解說員。

甲骨文，可算是漢字的始祖，這些刻在龜甲、獸骨的原始生活記錄，除了寫下戰爭樣貌、繁複祭典與詢問吉凶等占辭，也記載了一些看似形容天象的文句，某些甚至被廣為宣傳，號稱是世界上最古老的記錄。

然而到目前為止，近五千字的甲骨文裡卻只有一千多字被認出，已解讀的文字中也有許多爭議，疑點重重。建立在這樣流沙般的基礎上所找到的天象紀錄，可信度會高嗎？

「貞人用火炷燃燒那些凹缺，直到甲骨另一面出現龜裂的痕跡。不知怎地，就在這龜裂的時刻，他們捕捉到了來自另外一個世界的聲音──除了商朝的歷代祖先，還有各種掌控大自然風雨洪水的力量所發出的聲音^[1]。」

甲骨文，是東亞目前已知最早的文字系統，可算是漢字的始祖。這些刻在龜甲、獸骨的原始生活記錄，除了寫下戰爭樣貌、繁複祭典與詢問吉凶等占辭，也記載了一些看似形容天象的文句，自從一百多年前發現以來，已陸續解讀出「日食、月食、新星、彗星、鳥星」等辭，某些甚至被廣為宣傳，號稱是世界上最古老的記錄。

然而到目前為止，近五千字的甲骨文裡卻只有一千多字被認出^[2]，接近三分之二無法解讀，進展十分緩慢。2016 年中國大陸曾舉辦甲骨文釋讀獎勵，破譯一個字可得到五至十萬元人民幣，但只有兩人獲得。另外更鮮為人知的是，已解讀的文字中也有許多爭議，專家的意見經常不一致，因此疑點重重。在這樣流沙般的基礎上所找到的天象，可信度會高嗎？我們先來看看一些常在科普文章出現的案例。

「三焰食日大星」^[3]

這個看似三道火焰吞食太陽並同時出現亮星的驚奇景象，若真的看得到，應該是指日全食的現象。

能吃掉太陽並讓它變黑的火焰，應該是我們所知的日珥（圖 1 ，原始黑白照片在歐南天文臺ESO網頁），所以它曾被當成古老的日全食與日珥記事（圖 2）^[4]。不過，根據較新的文字學角度來分析，有學者已將這句話重新解讀成「乞列，食日大星」，三與乞形似，意為迄；第二字似「臽」又似「列」。乞列是指天氣陰沈到可能下雨^[5]，或指停止陳放祭品，^[6]但是到了「食日」的時刻，即上午用餐時分^[7]，天氣卻轉大晴，因為「星」字亦可解釋為晴朗^[8]。不過這種令人失望的新解釋，又被最新的實物目視結果否定，因為「三」不一定是指「乞」^[9]。

「癸酉貞日夕又食」^[10]

號稱世界最早日食紀錄的「癸酉貞日夕又食」（圖 3），其實歷來眾說紛紜。

癸酉是古代干支紀日的日期，貞是占卜之意，意思是在癸酉日占卜。但日夕又食是日食嗎？「又」當成「有」的話，多出的夕字何解？有人認為「夕」不能解釋為黃昏，就算可以解釋為日夜之交，但是從西元前 1400 至前 1000 年並沒有殷都安陽可見且剛好是癸酉日的日沒帶食^[11]。然而若查詢古代日食表^[12]並以天文軟體 Stellarium 檢驗這三百年的天象卻可以發現，在西元前 1129 年 2 月 14 癸酉日的安陽地區剛好能見到一次在下午 5 點多食甚的日沒帶食。又另有一說認為這段文字是在貞卜尚未發生的事，不能視為已發生的天象^[13]，但也有人認為相反^[14]，因此目前尚無定論。

「日有戠」^[15]

這又是一種疑似日食的記錄，但也有人解釋為太陽黑子^[16]。不過卜辭中另有「月有戠」記錄，然而月面的斑紋總是不變，不太可能指稱月亮出現黑子，因此解釋為太陽黑子是有疑問的。^[17]

「新大星並火」^[18]

從字面看來，這句甲骨文的意思很像「有新星出現，與心宿二（古稱「火」）並列」（圖 4），不過，「新」也可能是一種祭祀名稱，句子可變成「新，大星，並火」，意思是舉行「新」祭典，結果天放晴，於是舉辦「並」祭典來祭祀心宿二^[19]。這個疑似史上第一顆新星或超新星的記錄，也許只是學者的誤解。

二十八宿、「鳥星」^[20]

由於以前學界對於中國星座起源有許多爭議，使得人們寄望在甲骨文裡找到二十八星宿的古字與線索，證明中國星座是起源於本土。現在雖已發現若干疑似二十八宿星名的甲骨文字，但是經過詳細考證後，確定是星名的其實不多^[21]。例如「鳥星」兩字（圖 5）曾經被視為《尚書．堯典》所載「日中、星鳥」的意思，即南方朱雀的原始形象，然而也有人認為鳥可能是受祭的神名，此點在學界尚未有共識^[22]。

除了以上問題之外，學者對於月食、彗星的看法也是百家爭鳴、莫衷一是，更麻煩的是甲骨學主流體制外還有其他新的質疑。以下舉一些有趣的例子：

日與丁（圖 6）：在口中間多了一橫，就是日嗎？為什麼有時又被解釋為干支的「丁」字？兩者混淆的情形其實很多^[23]。

月與夕（圖 7）：在眉月中央多了一道，是否為另外一字？解釋者常常自由心證，隨機約定何處為月、何處為夕^[24]。甚至有人誤以為「月亮通常只在傍晚出現」而解釋甲骨文可借月為夕^[25]，但古人觀看天空的時間比起被燈海誘惑的現代人多出許多，天文經驗豐富，是否也會有這種誤會？

星與晶（圖 8）：在星點的小圓中增加一點來裝飾，於是變成晶字。不過星字本身的變形就很多樣，真的每個字型變化都是指星星嗎？

這些型態多變的字是因為當時識字者少、傳承困難故而經常出錯，還是因為字體剛發明不久所以尚未定型？抑或現代研究者其實沒有找到正確的分辨方法，導致一字多型且標準混亂？龜甲與獸骨是貴重物品^[26]，用刀刻字必然比寫字困難，若刻錯字的話如何處理？是否會將錯就錯導致後人解讀時以為該字的形體多變？這些都有待未來進一步釐清^[27]。

另外一個嚴重的問題是，大多數學者僅以拓本或照片來進行研究，但由於材料古老殘缺、漫漶不清以及轉印物質的侷限，得到的釋文成果往往經不起推敲。有興趣者可到「考古資料數位典藏資料庫」觀察，就會發現看實物照片也不一定能看清楚。因此，一定要真正目視實物，讓光源動態變化，才能看出細微字跡到底刻劃到哪。目前發現可能至少超過五成的刻辭內容需要改定^[28]，因此甲骨上看似天象記錄的文字，最好等學界有普遍的共識與認定，再引用為教材比較妥當。遙想當年的相對論、板塊理論也曾走過被質疑的過程^[29]，「甲骨學」亦將如此，不過若因此進行過度揣測、冒然發表「世界最早記錄」，只是引起注目與混淆，終將被時代考驗所淘汰。

中文字體歷經幾千年的變化，存在許多未知的起源，字形字音字義也經過多次轉折，容易讓後人分析時產生誤解，即使是字典的始祖《說文解字》也無法避免^[30]，「甲骨學」又是一門還在進行初步研究的學問，以上列舉的問題，也許會讓人萌生挫折與懷疑，不過，就像科學必須不斷地依靠新發現來推展前景一樣，歷史也是這樣進步的。古人記錄的熒惑守心被現代證實有 74% 的錯誤、施行了千年以上的神奇候氣術也被後世完全揚棄，但甲骨文研究只進行了百年左右，若舊的解讀方式真的已呈現死胡同狀態，那麼從百年束縛中破殼而出也許只是未來的必經之路了。

相關影片：

附註：

1. 何偉 Peter Hessler《甲骨文：一次占卜當代中國的旅程》Oracle Bones， A Journey Through Time In China，譯者：盧秋瑩，八旗文化出版社，2011，頁 166。
2. 王宇信《建國以來甲骨文研究》，中國社會科學出版社，1981，頁 54、203。
3. 收在《小屯第二本：殷虛文字乙編》圖版 6386，可至「甲骨文拓片數位典藏」查詢原件拓本。
4. 陳遵媯《中國古代天文學簡史》，木鐸出版社，1982，頁 60 以及《中國天文學史》第三冊，明文書局，1987，頁 18。
5. 馮時《百年來甲骨文天文曆法研究》，中國社會科學出版社，2011，頁 132。
6. 李學勤〈三焰食日卜辭辨誤〉，《夏商周年代學札記》，遼寧大學出版社，1999，頁 20。
7. 參見陳夢家《殷虛卜辭綜述》，中華書局，1988，頁 232；董作賓《殷曆譜》，《董作賓先生全集》乙編第一冊，藝文印書館，1977，頁 32；嚴一萍〈食日解〉，《中國文字》新六期，藝文印書館，1982，頁 51~52。
8. 馮時《百年來甲骨文天文曆法研究》，頁 70。
9. 張惟捷〈甲骨文字舊釋新說──以史語所藏十四版腹甲為例〉，《文與哲》學報第 22 期，2013，頁 12：三的三橫皆等長，中橫並不略短，應釋為三之意。
10. 收在《殷契佚存》編號 374。
11. 馮時《百年來甲骨文天文曆法研究》，頁 122。
12. 張培瑜《三千五百年曆日天象》，大象出版社，1997，頁 970。
13. 胡厚宣〈卜辭「日月又食」說〉，《上海博物館集刊》第 3 期，上海古籍出版社，1986。
14. 李學勤：《癸酉日食說》，《中國文化研究》1998 年第 3 期，頁 26。
15. 收在《殷契粹編》55、《甲骨文合集》33697 等。
16. 陳夢家《殷虛卜辭綜述》，頁 240。
17. 馮時《百年來甲骨文天文曆法研究》，頁 124。
18. 羅振玉《殷虛書契後編》下 9.1。
19. 馮時《百年來甲骨文天文曆法研究》，頁 47、48、83。
20. 收在《小屯第二本：殷虛文字乙編》圖版 6664、6672，《甲骨文合集》11497、11498。
21. 馮時《百年來甲骨文天文曆法研究》，頁 81。
22. 馮時《百年來甲骨文天文曆法研究》，頁 67~75。
23. 黃奇逸《商周研究之批判：中國古文字的產生與發展》，巴蜀書社，2008，頁 42。
24. 黃奇逸《商周研究之批判：中國古文字的產生與發展》，頁 23。
25. 徐富昌〈從甲骨文看漢字構形方式之演化〉，《臺大文史哲學報》，64 期，2006，頁 13。
26. 許進雄《文字學家的甲骨學研究室》，臺灣商務印書館，2020，頁 40。
27. 上古文字難讀的原因有：原始文字不能有效記錄語言、口傳失誤、方言問題、文字假借造成混亂、後代古音研究誤導等，詳見黃奇逸《歷史的荒原：古文化的哲學結構》，巴蜀書社，2008，頁 674。
28. 張惟捷〈甲骨文字舊釋新說──以史語所藏十四版腹甲為例〉，頁 18。
29. 羅拉．費米 Laura Fermi《原子時代的奠基人：費米傳》今日世界出版社，1973 中文版，葉蒼譯。書中提到 1926 年仍有一部分學者不相信相對論。
30. 許進雄《文字學家的甲骨學研究室》，頁 214~230、235~239。

延伸閱讀：

• 部落格：謎樣的二十八星宿

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