推動海洋的….水母?!

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

人腦的神經運作向來難倒大批科學家，因為人腦擁有一千億個神經元，百億條以上的神經連結。如此錯綜複雜，就像打結成一團的毛線球，究竟該從哪邊開始解？這時，就要使出研究學者通用的訣竅——化繁為簡，越複雜的問題，就用越簡單的雛型為思考出發點。

因此，一群學者發現了一個「極簡風」的研究雛型——水母，那透明小巧的身軀，再結合特殊工具，讓牠們每條神經都發光。在我們的視野下，水母的神經「坦誠相見」，接著發現了很多有趣的現象……欲知詳情，就繼續給他看下去！

為何水母是絕佳的實驗對象？

一般研究人類疾病的實驗室採用的實驗動物（也稱模式生物）無非是小鼠、黑猩猩、豬，因為這些動物與人類的親緣關係較近，生理機制也較為雷同。然而，為何研究神經系統，要拿與人類親緣關係一點都不近的水母來研究呢？研究學者對此給出解釋：一部分的學者認為所有生物的神經系統可能共享同一個神經科學原理，因此為了深入調查這個「共享通則」，相較於其他生物，水母小巧好操作，軀體透明好觀察。

• 延伸閱讀：協助人類健康的大功臣「模式生物」

最重要的是，牠體內的神經分布不像人腦如毛線球般集中​​在身體的某個部位，而是像一張漁網一樣「分散式」地遍佈全身，而這樣的神經系統優勢就在於即便將牠身體的一小部分獨立分離出來，這一部分仍能正常運行，例如網路火紅的迷因「歸剛欸」水母（影片一），即便水母的嘴被分離了，但這張「獨立的」嘴還是可以正常進食的呦！

相形之下，人類神經細胞一旦離開人體就非常脆弱，在培養皿中一定要有足夠的營養才能支撐它存活（相信養過人類神經細胞的朋朋們一定懂當中辛酸）。因此，綜合操作難易度、觀察便利性、神經細胞的生存韌性，水母可說是作為研究神經系統模式生物的不二人選。另外，還有一個有趣的點即是水母沒有大腦、心、肺，那它究竟是如何進食的呢？以下揭曉答案！

• 延伸閱讀：別小看無腦水螅，牠可以用神經系統和細菌溝通呢！

如何研究水母的神經？

早期為了研究水母的神經，通常採用單一神經元電生理紀錄（single-unit electrophysiological recordings），透過一個微小細尖的微電極靠在細胞膜附近，以記錄神經元產生的動作電位變化，但是這個方法只能看到單一神經元的狀態，而當水母在做出反應、活動時，都是由好幾個神經細胞們一同作用產生的，所以這個方法可說是見樹不見林，缺乏整體系統性的觀察。

因此科學家們又發明出了一個新方法——基因轉殖水母，要施展這個方法的第一步就是尋覓合適的研究主角，因此他們找到一種名為 Clytia hemisphaerica （圖一）的水螅綱水母，牠擁有嬌小體積（直徑約 1 釐米），且生命週期短，也擁有完整的基因定序，在實驗室操作的便利性極高，可謂是命定首選。

其中， Clytia hemisphaerica 還有更吸引人的一點，即是在進食時，其特定神經元會釋放一種特別的肽 RFamide（RFa）。為了追蹤這種肽如何影響水母的神經活動，一群學者決定將能發出紅螢光的 mCherry 基因質體（plasmid）與 Tol2 轉位酶（Tol2 transposase）^[1]顯微注射入大量的水母受精卵當中，以便追蹤身體每一處細胞的位置，並挑選能夠強烈表現出紅螢光基因的受精卵，進而將牠們培養成成體（初代，F0）。這些成體會再跟牠們的親代進行雜交，透過遺傳的方式產生穩定表現轉殖基因的子代（F1），並讓這些子代維持無性繁殖，以維持基因表現的穩定性。

除了在質體上裝載能讓細胞發紅光的 mCherry，學者也會在質體中放入特定基因，讓子代水母表現此種基因，並觀察此基因對水母進食行為帶來的影響。另外，若要探討神經動作電位，鈣離子的流動狀態一定是不可或缺的電位傳導指標，因此學者也會在質體中加入 GCaMP 這類鈣離子指示劑（calcium indicator）的基因^[2]，以追蹤後續水母在進行任何反應時神經細胞內鈣離子的濃度。當研究對象、研究工具都準備好了，就是學者大展身手的時刻啦！

水母進食的神經迴路

水母的神經細胞並非每個都會釋放 RFamide，而是在特定的神經才會產生 RFamide （以下稱這些神經元為 RFa⁺ neuron），而這些 RFa⁺ neuron 分布在水母的神經網（nerve net）、嘴、神經環（nerve rings）及觸手，尤其在神經網的所有神經中約 80% 都是 RFa⁺ neuron，神經網也是 RFa⁺ neuron 最多的地方。學者透過免疫螢光染色發現 RFa⁺ neuron 會與連接放射狀肌纖維神經軸突結節（varicosities）相連而跟著形成放射狀。相較之下，不會產生 RFamide 的 RFa⁻ neuron 則是較為害羞的傢伙，神經元較小，缺乏明確的放射方向。由此可明顯看出，掌握水母行為的主導權主要落在 RFa⁺ neuron 身上，所以學者準備玩轉（殖）這個 RFa⁺ neuron，並進行以下兩種操作：

1. 消除水母體內的 RFa⁺ neuron

學者為了消除水母體內的 RFa⁺ neuron ，特地在水母的 RFa⁺ 神經細胞中轉殖了硝基還原酶（nitroreductase, NTR）基因，硝基還原酶就像是遙控炸彈，當把這些轉殖基因水母浸泡在甲硝唑（metronidazole, MTZ）溶液（炸彈引爆器）中，便會使帶有硝基還原酶基因的 RFa⁺ 神經細胞產生細胞毒性而死亡，而 RFa⁻ neuron 不會受到影響。

當學者「炸」掉了水母的 RFa⁺ 神經細胞後，發現牠們捕捉獵物和進食能力變差了，不管是食物誘導或是用蝦提取物的化學誘導，水母的觸手完全無法抓取獵物，也無法摺疊身體將食物餵進其口腔內，但周遭肌肉功能正常，且水母仍能正常游泳和蜷縮。然而再將此類水母的下傘面（subumbrella）局部肌肉注入 RFamide，則會使局部肌肉收縮及邊緣傘面折疊。由此可知，水母的獵捕和進食能力主要還是得靠 RFamide 的力量。 

2. 水母神經電位偵測器

為了追蹤水母體內的 RFa⁺ neuron 活動，學者另外也將一群水母的 RFa⁺ neuron 轉殖入鈣離子指示劑 GCaMP6s 基因及紅螢光 mCherry 基因，並將這群水母放入一個小空間，讓他們自然游動，或是將牠們包埋在瓊脂糖凝膠（agarose）中，並攤開牠們的傘狀結構，以便捕捉稍縱即逝的電傳導訊號。

學者將獵物蝦子放在水母身體周遭，發現水母起初最靠近蝦子的一側觸手會先產生電訊號，而這個電訊號會從水母身體邊界傳導至嘴巴，而且整個電訊號路徑會呈現扇形區域（如圖三），接著 RFamide 便會使這個扇形區域的肌肉收縮，讓觸手直接被向內折疊到嘴巴的位置，然後把蝦子吃掉。

揭露水母的進食行為：「肽」重要了

以上操作，讓科學家們更了解沒有大腦的水母們究竟是如何進食，也發現 RFamide 對水母們來說「肽」重要了！水母在地球上存在了 5 億多年，卻可以透過如此單一的神經傳導機制生存至今，不過……揪斗！或許，這個發現也可能只是冰山一角；或許，透過水母的神經研究的成果能帶給學者更多對於人腦神經運作的發想，就讓學者邁向這條偉大的航道，去挖掘神經科學中更多的奧秘吧！

註釋

1. 通常注射入細胞中的質體上也帶有 Tol2 轉位酶基因，而一起被送入細胞的 Tol2 轉位酶（transposase）蛋白會催化此外送質體，並將 Tol2 轉位子活化且同時將外來的基因嵌入受體生物之基因組中，所送入的 Tol2 轉位子會持續跳躍和插入外來基因，直到 Tol2 轉位酶的活性消失或其 mRNA 完全降解為止。此方法常用於基因轉殖生物，主要特色便是外送基因傳承至子代幾乎沒有發生基因默化（gene silencing）的情況，具有高度穩定性，而且脊椎動物也通用此方法。
2. GCaMP 鈣指示劑是綠螢光蛋白（GFP）、鈣調蛋白（calmodulin，CaM，又稱攜鈣素）及肌球蛋白輕鏈激酶 M13 的合成物。當與鈣離子（Ca²⁺）結合時，GCaMP 便會發出綠螢光信號，而螢光信號會隨著鈣離子濃度的變化而增長或消散。

• How to read a jellyfish’s mind
• A genetically tractable jellyfish model for systems and evolutionary neuroscience
• A primer on reinforcement learning in the brain : Psychological, computational, and neural perspectives | Semantic Scholar
• Extracellular Single-Unit Recording and Neuropharmacological Methods – Oxford Medicine
• The genome of the jellyfish Clytia hemisphaerica and the evolution of the cnidarian life-cycle | Nature Ecology & Evolution
• 紐時摘譯：水母沒有脊椎不表示沒有大腦
• 前沿顯微成像技術專題之鈣離子成像
• 魚類Tol2轉位子在基因轉殖上之應用

蝴蝶效應看一隻蝴蝶動個翅膀看會不會引起大災難，那我到海裡游個兩圈總不會影響地球暖化吧？其實，是有那麼點關連哦！

過去研究指出，當浮游性生物們一大群出動時，它們整體造成的水流擾動效果可能相當大。可是這些力量大致在表層海水就散開了，没機會動到下面的海水。達爾文的孫子（物理學家，也叫Charles Darwin）在五十多年前觀察到當一個物體游過水層，就算它不會亂踢擺尾，還是會造成可觀的水體移動。一則刊登Nature的研究指出，海洋中四處游走的眾多生物可以造成相當可觀的水流。根據由研究團隊拍攝水母得到的資料推算，海洋生物趴趴走時提供的力量總和與其它機械力的貢獻是同一個等級的，也就是說，這些柔軟的生物對海洋循環的貢獻是不輸給大浪或著海風的！

Kakani Katija & John O. Dabiri. 2009.
A viscosity-enhanced mechanism for biogenic ocean mixing.
Nature 460, 624-626.

文章來源：30.6kj

世上動物千奇百怪，如果要找一個共同點，那應該就是──幾乎所有的動物都需要呼吸。

我們這裡要談的「呼吸」，是呼吸運動，也就是吸入氧氣、排出二氧化碳的動作。一提到這個動作，身為人類的你，或許下意識就會想到肺臟、鼻子等等部位。綜觀動物界，在不同的演化脈絡下，動物們賴以呼吸的構造真可說是無奇不有，就連肺臟、鼻孔本身也可能會有各種不同的形態。

現在，就讓我們來看看那些奇妙的呼吸器官吧！

大象：你的鼻子為甚麼那麼長？

「媽媽說鼻子長才是漂亮～～」大象（象科 Elephantidae）身上最惹眼的部分就是鼻子了！象鼻是牠們賴以聞嗅味道和呼吸的部位，除此之外，它相當靈巧，舉凡取水、拿東西、攜帶物品等等，象鼻都能做到。

除了長長的鼻子之外，大象的呼吸構造裡還有一個特殊之處：牠們是目前已知沒有胸膜腔 (Pleural cavity) 的哺乳類動物！

我們人類賴以呼吸的肺臟緊密包覆著一層臟層胸膜 (pulmonary pleurae)，會與包覆著胸腔壁內面的壁層胸膜 (parietal pleura) 組成一個很狹小的空間，就是胸膜腔。內部填充有液體潤滑，可避免臟器和胸壁摩擦損傷。

一般我們呼吸的時候，會由肌肉改變胸腔的空間，製造肺部與外在大氣的壓力差，才能夠吸氣或呼氣：當肺內的壓力大於大氣壓力，則會呼氣；而當肺內的壓力小於大氣壓力，則會吸氣。而夾在此之間的胸膜腔，多數時間會維持一定程度的負壓，讓主要由皮膜組織及彈性纖維組成的肺不致塌縮。所謂的「氣胸」就是胸膜受到破壞，使得胸膜腔無法維持負壓，連帶使著肺部塌縮的胸腔疾病。另外，胸腔膜的壓力當然會隨著呼吸而有所變化。

然而，大象的胸膜腔裡，充滿了許多疏鬆的結締組織──也就是說，原本的「腔」不復存在。該怎麼解釋大象沒有胸膜腔呢？

有個假說認為，這可能跟大象使用長鼻子來「浮潛」有關連。當牠們游泳時，可以將長鼻子舉出水面來呼吸──這是個稍微熟悉大象的人都不意外的畫面。但是成年大象高度可達至少三、四公尺，當游泳使用鼻子呼吸，或是，鼻子端大氣的壓力與位在水下肺部的壓力差距會非常巨大，這時薄薄胸膜腔可能就會頂不住啦，而胸膜腔內的結締組織就有強化的功能。

海豚：我不是跩，只是鼻孔朝天！

海豚（海豚科 Delphinidae）雖然多數生活在海中，少數生活在大河大江中，不過牠們可沒有魚類的鰓，而是用肺呼吸的哺乳類動物。

海豚是從陸生哺乳動物演化而來的，真要說起親緣關係，比起魚類，牠們反而更接近河馬等偶蹄類動物。

大約五千萬年前的始新世時期，陸生哺乳類開始進入水中，在這個過程中，牠們為了適應環境，在形態上產生諸多的改變。為了順利在水中游泳，牠們後肢逐漸退化，形成背鰭及尾鰭，體表變得光滑，身體也變得較偏向流線型。

而海豚的鼻孔更是位移到了頭頂，成為「呼吸孔」，以便在水面呼吸、換氣。此外，為了不讓自己嗆到，海豚的呼吸孔附近還有由肌肉與結締組織形成的鼻栓 (nasal plug)，可以將孔緊閉。鯨魚海豚頭頂的呼吸孔是比較接近鼻孔的構造，因此有些卡通裡會出現鯨魚海豚從嘴裡吸入海水，由呼吸孔噴出海水的情節，在真實世界不大可能出現。

水母：我想要呼吸，全身上下都行

水母是一種無脊椎動物，分類上屬於刺胞動物門 (Cnidaria)。從熱帶、溫帶到淡水區，世界各地的水域都找得到水母的蹤影。牠們的外型多呈現鐘型或者傘狀，構造簡單，體內有超過九成都是水，但沒有肺或鰓。

既然沒有肺或腮，牠們又要怎麼呼吸呢？方式很單純，就是透過擴散作用讓氧氣進出細胞膜。

水母的外表傘蓋的組織相當薄透（想想你吃過的海蜇皮），其中分為外層的表皮層 (epidermis) 和內層的胃皮層 (gastrodermis)，兩層之間再夾著一種彈性膠狀物質，又輕又薄的狀態更方便外層組織和海水交換氧氣和二氧化碳。

牡蠣：一輩子待在原地，就來用鰓呼吸！

牡蠣 （牡蠣科 Ostreidae）的殼有二枚，形狀相當不規則，左殼比右殼大一點。牠們大多棲息在淺海或潮間帶，以左殼固著在物體上，無法自由移動，所以終其一生只能待在原處開開合合，進行呼吸、攝食、生殖、排泄等等行為。

大多數的雙殼綱，殼的頂部有縫可以流通海水，並且在吸排海水的過程中呼吸。牡蠣並不像蛤蜊一樣自備出、入水管，牠們只有腮腔和腮上腔。牡蠣的鰓分左右各一對的內外鰓，上與唇瓣 (labial palps) 相連，下與外套膜 (mantle) 相接，構成一個腔室，水從鰓流入鰓腔及鰓上腔，在過程中進行氣體交換藉以呼吸、獲得氧氣。

雖然說都是呼吸，但生活在不同地方的生物用的方式卻大不相同，需要根據所在地來大顯神通，除了上述介紹的動物，你知不知道什麼其他特別的呼吸方式呢？

參考資料

• 鼻子喝水還是嘴巴喝水 by 台北市立動物園
• Pleural cavity by Niamh Gorman
• John B. West.  Why Doesn’t the Elephant Have a Pleural Space? PHYSIOLOGY (01.APR, 2002)
• 鯨豚的解剖演化和分類 by 環境資訊中心
• Mindy Weisberger. How Do Animals Breathe Underwater? Live Science (07.Dec, 2018)
• 台灣產長牡蠣解剖學的研究 by 台灣大學漁科所、中研院動物所
• 牡蠣養殖 by 金門水產試驗所