科學家利用加速演化法產生防禦神經毒氣的酵素

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

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

台灣知名科學家：翁啟惠院長

如果問民眾「臺灣有哪些知名的科學家？」翁啟惠肯定是經常出現的答案。翁啟惠是國際知名醣化學家，曾擔任兩屆中央研究院院長，任期內積極將基礎科學與生醫產業串連起來。另一方面，翁啟惠也是投身研究 50 年的資深學者與好老師，共培養超過 500 位優秀弟子；他同時也是中研院、美國國家科學院的院士，更獲得沃爾夫化學獎、威爾許化學獎、四面體化學獎等榮譽。中研院「研之有物」專訪院內基因體研究中心合聘特聘研究員翁啟惠院士，向讀者介紹他一路走來的心路歷程。

從臺大、中研院到 MIT的化學之旅

翁啟惠學術能量依舊飽滿，他是斯克里普斯研究院（Scripps Research）與中研院合聘的研究人員，兩邊各自都有實驗室和學生，受訪當天他本人在美國加州，透過視訊與「研之有物」團隊連線。

至今已 74 歲的醣化學大師翁啟惠，他是嘉義出生的子弟，初中考上臺南一中，高中三年級本已保送清華大學化學系，不過因為想挑戰臺大醫學系而赴考，可惜生物不好，加上自己喜歡化學，便進了第二志願臺大農業化學系。大學畢業，退伍後他隨即投身於科學研究，算算日子，已經是漫長的 50 年時光。

翁啟惠原本就喜歡研究，他退伍後跟著恩師臺大化學系王光燦教授擔任助教一年後，再跟王教授來到中研院擔任助理，當時（1972 年）正值中研院生物化學研究所草創時期。後來翁啟惠升任「助理研究員」（類似大學的講師，目前已無此職位），前後服務長達 8 年，期間於 1977 年在職獲得碩士學位，碩論主要為臺灣蛇毒蛋白的合成，是翁啟惠多年來的研究成果。

儘管翁啟惠出國前已發表超過 30 篇論文，小有所成，他依然希望更上層樓，因此 1979 年前往美國的麻省理工學院深造，接受恩師化學系教授喬治·懷特賽茲（George M. Whitesides）的指導。翁啟惠回憶，自己後來教育學生的理念與作法，多源自懷特賽茲的啟發。具備相當基礎之下，翁啟惠花費 3 年取得有機化學博士學位，又經歷 1 年哈佛大學的博士後研究，1983 年他就成為德州農工大學（Texas A&M University）的助理教授。

冷門且困難的「醣化學」

翁啟惠擅長的領域是「酵素化學」與「醣化學」，醣化學是什麼呢？翁啟惠解釋，維繫生命的蛋白質、核酸、脂質、醣類這些物質，以醣類最為複雜。除了材料化學的應用之外，翁啟惠選擇探索醣分子在生物醫學方面的應用。

醣類的結構變化多端，而且不容易人工合成。而翁啟惠的過人之處，正是出色的醣類合成能力！後來讓他奠定宗師地位的一鍋式酵素合成法、程式化一鍋合成法、醣晶片，到最近的廣效去醣化疫苗等研究主題，都歸功於他堅強的化學合成基礎。

我們已經知道翁啟惠是醣化學的先驅，不過其實到博士畢業前，他大部分仍著重於蛋白質的合成，直到獨當一面後，才正式投身醣類。因為在當時的學界，核酸、蛋白質才是顯學，醣化學是非常冷門的領域，即便今日也不算太熱門，更是難以想像應用於研究疾病。

因此，翁啟惠早期在美國當助理教授時，曾經無法申請到研究經費，甚至有計畫評審認為他誤入歧途，所幸他的前瞻理念於 1986 年受到美國總統年青化學家獎（Presidential Young Investigator in Chemistry）的賞識，支持他站穩腳步，1987 年升任教授，才有後來的持續突破。

使用「酵素」來合成醣類

過去醣類研究不但冷門，而且難以合成，翁啟惠為什麼有勇氣選擇如此困難的題材？他的信心來自「酵素」 ，也就是生物用來催化反應的特殊蛋白質。傳統化學手段難以合成的複雜產物，有機會利用酵素來克服。

翁啟惠提到，1970 年代分子生物學興起，新問世的基因改造潛力無窮，人造胰島素開啟生技產業的濫觴；但是 1980 年代時，化學家多半仍很少接觸基因重組技術。他算是首波使用基因重組酵素，實現醣分子的化學合成。

翁啟惠強調，很多新聞報導說他是生物醫學或生物科技專家，但其實他本質上一直是化學家，探索分子層次的操作，研究醣分子與醣蛋白的有機合成，只是醣化學研究的應用涉及生物醫學領域，介於化學和生物的交界。

做出過人成績後，翁啟惠成為各大研究機構爭邀合作的化學人才，本來預備前往加州的史丹佛大學。不過同樣在加州的斯克里普斯研究院（Scripps Research）半途冒出，院長勒納（Richer Lerner）親自邀請他過去瞧瞧。當時擅長生醫的 Scripps 想拓展至化學領域，正在招募人才，而涉足生物的化學專家翁啟惠正是合適人選。

Scripps 研究院是世界最好的研究機構之一，只收博士生，不僅有多位諾貝爾獎得主，更培育出不計其數的人才。翁啟惠回憶，他原本也對 Scripps 研究院不熟，Scripps 當時還沒有化學部門，但沒想到相談甚歡，1989 年他受邀擔任新成立的化學系講座教授，一做就做到 2006 年。現在，Scripps 研究院在化學生物領域是全美第一。

Scripps 研究院不僅環境怡人，學術資源也豐沛，讓翁啟惠能專注研究，而不必為經費擔憂。如今，他再度成為 Scripps 研究院的講座教授（Chair Professor），美國講座教授會有一筆來自民間的捐助基金，有充裕的學術資源可供自由運用。翁啟惠感慨地說，臺灣的學術捐款多為建造大樓等硬體，可是支持人才更重要， 這是未來臺灣值得學習的方向。

醣化學原本是乏人問津的領域，然而翁啟惠開創了醣分子的有機合成方法，讓醣化學逐漸受到重視，他也獲得一系列耀眼成就。翁啟惠 2002 年當選美國國家科學院的院士，接著又榮獲多項化學領域的一級大獎：2014 年得到沃爾夫獎（The Wolf Prize），2021 年是威爾許獎（Welch Award），2022 年又獲頒四面體獎（Tetrahedron Prize）。

翁啟惠近年在化學領域不斷獲獎，也讓許多人好奇，再來會是諾貝爾化學獎嗎？

對於這個問題，翁啟惠認為可遇不可求，得獎也講究機運。不過每次獲獎，他都覺得是很好的鼓勵，激勵他繼續往前走。更重要的是，翁啟惠不是單打獨鬥，每次獎項表揚的成就，背後都是整個團隊的努力，因此這些榮譽正是對他整個團隊的肯定。

教師之夢：遍布全世界的學生

說到培養人才，這也是翁啟惠的強項，可惜過去媒體報導翁啟惠時卻很少觸及教育。談論如何作育英才的心得，翁啟惠眼睛炯炯有神，隔著太平洋都能感受到湧出螢幕的教育熱情。

翁啟惠表示他小學時就想當老師，也是一輩子的志願。看到學生有成就，就會覺得很欣慰。他至今指導過的學生與博士後超過 500 位，遍及世界各地，包含美國、日本、韓國、英國、法國、德國、比利時等國家。儘管他自嘲也不是全世界都有，像是北韓就沒有學生。

翁啟惠對教學的想法，奠基於博士班老師懷特賽茲和自己長年的實踐經驗。談到臺灣學生，他特別指出必須加強兩點訓練：獨立思考與表達能力。

表達為什麼重要？試想，一個人花費多年辛苦取得學位，去應徵工作，卻只有幾分鐘能夠展現。善於表達，才能讓人覺得你的工作重要，呈現意圖以實現目標。而翁老師的第一課，總是在他與學生第一次碰面立刻開始：「為什麼找我當指導教授？」。給他滿意的回答，才能成為他的學生，成績並非最優先的考量。

培養學生獨立思考與研究的能力

翁啟惠的指導理念是「指示不要太詳細」，讓學生自己想問題、找資料、設計實驗。他只負責給大方向、從旁協助。因為講的太過具體，反而會限制學生獨立發展的空間。

翁啟惠更精闢地剖析： 由學生獨立完成的成果，才會認為是自己的成績。否則即使成果再好，學生也可能覺得那是老師的東西，不是自己的成就。當學生獲得成功經驗，對自己有信心，此後便能更加獨立，建立正向循環。

另一方面，由於學生有大片空白可以填補，所以想法和能力不會受到過去積習所影響。翁啟惠提到，他有很多超乎預期的重要研究，是來自學生自己的嘗試。例如，研發出自動化一鍋式合成醣分子的歐曼（Ian Ollmann），原本在博士班四年級仍苦無突破，翁啟惠建議他發揮寫程式的專長，果然順利完成發表，後來甚至還轉戰高科技龍頭蘋果公司，至今已工作超過 20 年。

不過，讓學生自己摸索，失敗怎麼辦？翁啟惠認為失敗為成功之基礎，學生經歷失敗，才能培養耐心，累積應付挫折的經驗，打下未來成功的基礎。做研究的關鍵在於興趣，只要保持興趣，失敗也能學到新東西，而成功則能增強信心，有利於繼續成功。翁啟惠也鼓勵學生，與其等待老師指導，不如勇於嘗試、放手去做。

研究院院長時期：積極推動產學交流與合作

翁啟惠任職 Scripps 研究院的期間，茁壯為世界第一流學者，各國爭相合作。如此耀眼的旅外人才，自然也受到當時中研院院長李遠哲賞識，促成翁啟惠於 2003 年回到臺灣，並在 2006 年到 2016 年擔任了兩屆院長。

翁啟惠除了提升中研院的學術水準，他最重要的任務莫過於推動生物科技產業。因為翁啟惠認為產學互利共生很重要，有好的產業才能吸收廣泛的人才，例如臺灣的半導體產業，可以讓理工科系學生不愁出路，產生正向循環。

但另一方面，生物科技已成為各個科技大國的明星產業，臺灣每年有大批醫藥、生技的人才，卻沒有相應規模的產業，無法人盡其才。

為了推動生技產業，法規制度與產學合作園區都不可或缺。翁啟惠參考美國 1980 年的拜杜法案（Bayh-Dole Act），與專家合作完成臺灣版本的法規，將產學合作、技術轉移制度化。

法規的主要精神，就是由政府補助學術研究，做出初步成果後，再技術轉移給業者尋求商業化，後續再回饋給學術形成正向循環。園區方面，國家生技研究園區、中研院南部院區，都隨著翁啟惠的規劃步上軌道，讓基礎研究和產業創新能夠連結。

當然，產學間的轉換並不總是那麼順利。不過翁啟惠認為，如果學者發表的論文成果，同時也能促進產業，讓社會一同受益更好。這倒不是說所有學者都要投入產學合作，而是要慢慢建立起產學合作的文化，將研發成果回饋給社會。

往好處看，臺灣的生技產業與產值都持續進步中，而這條路依然任重而道遠。

產學合作的新潛力

翁啟惠是純學術研究出身，為什麼後來卻相當熟悉產學合作呢？時光要回溯到 1985 年。那時翁啟惠獲頒席艾勒學者生物醫學獎（Searle Scholar Award in Biomedical Sciences）——這是他少數獲得的生醫獎項之一，加上總統年青化學家獎，使他在美國學術界站穩腳步，也讓他有擔任企業顧問的機會。

從杜邦公司開始，初出茅廬的翁啟惠自認什麼都不懂，跟著前輩們邊看邊學，解決一家又一家企業的疑難雜症，而業界的顧問經驗同時也支持著自己想做的研究。翁啟惠逐漸累積產業經驗後，發現產學目標很不一樣，學者要優先發表論文，企業則是產品導向，講究解決問題。

訪談之中，翁啟惠回顧幾件很有意思的顧問經驗。例如，有公司希望解決可樂中代糖「阿斯巴甜」（Aspartame）在高溫下產生甲醇毒素的問題。也有公司想要改良汽車外層鍍膜，避免鳥糞腐蝕。

另外還有一個香菸公司的邀請讓翁啟惠印象深刻，那時很多重度菸癮者抽到頭痛，產品只能先緊急下架，菸商損失慘重；後來查明是製菸的紙漿中存在微量有害物質，若短時間抽很多根菸，大量攝取下會有立即危害。

這些顧問工作，很多都和翁啟惠醣化學的本業無關，卻帶給他開闊的視野與企業經驗。我們也可以注意到，美國政府與產業界相當有心培育有潛力的人才，即便尚無業界經驗，也願意讓新人去嘗試擔任顧問。

翁啟惠提到，美國東岸的新英格蘭周邊，是產業歷史最悠久的地區，也分佈許多老牌大企業；西岸的加州則不同，主要是新創小公司。不同地方各有特色，衍生出多變的產學文化。

相比之下，臺灣也具備潛力，就看經營出什麼文化。翁啟惠認為，我們已經建立民主自由的社會，若要更上層樓，臺灣萬萬不可孤立，要主動與國際交流，並發展自己的特色。

有交流，創意的火花才有可能碰撞，或許那個坐在你隔壁的人，就是未來的合作夥伴！翁啟惠提到，總部位於加州聖地牙哥，以基因定序闖出名號，至今仍蓬勃發展的因美納（Illumina）公司，其共同創辦人沃特（David Walt），正是他在麻省理工學院實驗室的同儕！有次邀請沃特到 Scripps 演講，剛好聽眾中有兩位感興趣的投資者，演講結束之後，沃特便與兩位投資者私下討論，就創辦了 Illumina 公司。

醣無所不在！未解的謎題還等著研究

儘管投身學術研究 50 年，醣化學將近 40 年，翁啟惠絲毫沒有停下腳步的意思。當訪問到「醣化學還有什麼潛力？」，一如談教育時的熱情，翁啟惠又展現出科學家對研究的熱愛。

在翁啟惠眼中，醣類有太多謎團等待解答。生物基因以 DNA 承載遺傳訊息，製作蛋白質行使功能，但是時常還要加上醣的參與，偏偏醣類不像核酸、蛋白質容易摸索。醣分子無法複製，只能用化學合成，細胞表面佈滿的醣分子結構不對，功能就不同。

以抗體為例，抗體是一種醣蛋白，我們知道抗體靠著專一性辨識去附著目標，消滅病毒。相對卻少有人意識到，抗體的一端附著目標後，另一端還要連接免疫細胞轉入後續反應才能消滅病毒，這步正是依靠醣分子，因此醣類會影響抗體的免疫功能。

相對的，病毒需要依賴宿主細胞以便大量複製。不同細胞會賦予蛋白質產物不同的醣化修飾。研究發現即使遺傳物質相同的病毒，假如病毒外頭的醣化修飾不同，也會影響感染能力及免疫反應。由上呼吸道細胞產生的新冠病毒，感染力就比其他細胞更強。

對於開發疫苗，翁啟惠近年投入不少心血。疫苗刺激產生的抗體講究專一性，研發者要想辦法針對病毒結構來調整抗體及 T 細胞反應。翁啟惠與研究團隊的思路卻是另闢蹊徑，並非將病毒露出來的表面設為目標，而是要去掉病毒外層的「醣」衣，也就是「去醣化疫苗」。

因為病毒暴露在外的部分會持續改變，躲避特定抗體，但是被醣基包裹的位置不太會變，或許是人體免疫記憶更好的訓練對象。以此概念製成的蛋白質或 mRNA 疫苗，若是成功，便有機會成為所謂的「廣效疫苗」，接種一款疫苗就能應付病毒的多型變化，特別是難纏多變的流感病毒、冠狀病毒（例如 SARS-CoV-2）。

除此之外，翁啟惠團隊也持續開發廣效癌症疫苗。用抗體對付癌症的想法十分誘人，其難處在於，疫苗刺激產生抗體，辨識外來入侵的異物加以攻擊；但是癌細胞是人體細胞變異産生，上頭存在的成分正常細胞常常也有，設定癌細胞打擊，反而會造成自體免疫的悲劇。

好消息是，癌細胞外頭有些醣化修飾，不同於正常細胞。翁啟惠的隊伍尋獲 Globo H 等幾個醣類分子，適合作為疫苗針對的目標。相關技術已經轉移給業者，正在進行第三期人體臨床試驗。這些圍繞醣分子作文章的創新疫苗令人期待，最終是否能投入實戰，仍有待分曉。

關於醣化學，翁啟惠將持續探究細胞表面醣分子所扮演的角色，以及醣分子和疾病的關係。

給年輕學生的話：「興趣是研究的動力」

翁啟惠語重心長地提到，醣化學領域如今的樣貌取決於他們這些開拓者，未來則要看能否引發年輕人的興趣，因為未來是年輕人的。

現今教育強調跨領域，翁啟惠自己無疑也是跨領域的知名化學家，但是他提醒年輕人，跨領域絕對不等於什麼都要學、都要會。基礎還是要打好，跨領域的關鍵是有能力與其他領域的人互動合作。

翁啟惠近期便以國家生技醫療產業策進會會長的角色，積極促進醫界與電子業的對話。因為醫界知道市場需求，但不懂得製造；電子業擅長製造，但是對醫療需求沒有深刻理解。他希望營造合作交流的環境，創造新的可能性。

最後，翁啟惠提醒學生，做研究一定要長期投入，深入鑽研，若是短短幾年就轉換領域，只會愈來愈迷茫。興趣對研究生涯最重要，有興趣才有動力，而興趣的培養則來自日常的自我探索。

108 課綱開啟全新閱讀素養時代。

科學素養不再侷限於考試的解題方法，學生閱讀科學讀物時,如何在氾濫資訊中找到高品質、適合學習程度的科學素材，是教育現場至關重要的課題。

臺灣師範大學 SmartReading 團隊將 AI 讀物難度分級技術，透過測驗、選書、閱讀、讀後回饋四大功能，完整記錄孩子的學習歷程，提升中小學生科普閱讀動機，成為自律自主的科普學習者。

臺灣師範大學於 110 年至 111 年間，與國科會、新北市、臺中市等單位合作，連續辦理三屆「SmartReading 科普閱讀力大賽」，每屆競賽歷時半年。競賽組別以國小三年級至高中一年級共分七個組別。參賽學校涵蓋臺北市、新北市、臺中市、臺南市、高雄市、花東等十九縣市，報名參賽人數累計八千餘人。

由系統建置適合學生閱讀的兩千多本科普讀物

競賽期間，參賽學生使用「SmartReading 適性閱讀」系統,透過精準快速的中文閱讀能力診斷，將閱讀程度與讀物難度適配。藉由系統已建置，適合國小三年級至高中一年級的 2,180 餘本科普讀物，不僅能激勵其學習動機，更可有效提升選擇的效率，降低科學閱讀恐懼。第三屆科普閱讀力大賽不受疫情波擾，採實體與線上兩種施測方式，於 111 年 5 月份圓滿完成賽事。

111 年 9 月 24 日於臺灣師範大學舉行頒獎典禮，邀請新北市教育局張明文局長、臺北市教育局鄧進權副局長、臺灣閱讀協會陳昭珍理事長、康橋國際學校秀岡校區卓意翔副校長、親子天下兒童產品事業部副總經理林彥傑、新北市信義國小陳桂蘭校長到場擔任頒獎嘉賓。參賽學校師生、家長齊聚典禮會場，為優秀的得獎同學喝采。

臺師大宋曜廷副校長表示，數位閱讀邁向新時代,團隊使用「SmartReading 適性閱讀」系統作為科普賽競賽平台，期望在知識爆炸的時代,藉由測驗、選書、規劃的「智慧閱讀三步驟」，培養學子的跨領域閱讀力與閱讀習慣，讓學生們手握知識大門的鑰匙，成為自律自主的「SmartReader」。

科普閱讀競賽的三大特色

一、適配閱讀能力與圖書難度，擴增多元書籍與文章素材

參賽學生首先須參加中文適性閱讀能力診斷（DACC），依據診斷結果,配合其當前閱讀能力的科普推薦書單，讓學生選書有依據、個人化。本競賽目前共有「推薦書單」、「推薦文章」等 2 種閱讀素材，主題包含植物／動物、數學、天文地科、物理／化學等 8 大類別。「推薦文章」功能，則與「PanSci 泛科學」及「數感實驗室 Numeracy Lab」合作評選，當前提供 600 餘篇線上科普短文,競賽期間提供已超過 4,000 人次的瀏覽次數。

二、綜合性閱讀五力分數，開啟學生全方位閱讀力

本競賽賽程為期半年，學生透過「前測、閱讀任務挑戰、後測」三個階段。競賽期間，系統詳細記錄每週閱讀歷程，並產出線上「閱讀五力分數」報表。自主規劃閱讀期間計算為「規劃力」；讀後評量填答結果計算為「執行力」；閱讀多元書籍類別的結果計算為「博學力」；閱讀單一書籍類別的深化成果則計算為「精進力」；前後測成長結果計算為「成長力」。將閱讀能力數據化、可視化。

三、閱讀任務徽章，深化學生文化素養與科普閱讀興趣

本競賽內建徽章蒐集系統，參賽者於指定時間依據提示完成閱讀任務，即可獲得期間限定的特色科普徽章。任務內容包含閱讀指定的書單及文章類別、世界性科普節日、科學家生辰、台灣重要節慶與其他隱藏任務。本屆各年級累計獲得徽章達 20423 枚，因設計活潑及任務類型多樣，大受參賽者好評。

競賽結果發現學生的閱讀偏好

一、科普閱讀參與，國小男性最踴躍

活動期間參賽者共完成約 21,153 本的書籍評量。以不同學習階段來看；國小參賽者整體閱讀平均本數為 24 本，男生平均閱讀本數為 28 本，女生平均閱讀本數為 20 本。國、高中參賽者因科普讀本難度較高，需要較長的閱讀時間及一定的科學基礎知識，國中參賽者整體平均閱讀書籍數為 10 本；高中參賽者中女性平均閱讀本數多於男性，整體平均閱讀書籍數為 7 本。

二、學生偏好閱讀動物／寵物類與地球生態／天文類書籍

整體參賽學生對於科普書籍的喜愛程度，以植物／動物類（男生 28.19%、女生 27.91%）最能引起學生的閱讀興趣（如：《昆蟲老師上課了！：吳沁婕的超級生物課》、《小島上的貓頭鷹》、《神奇樹屋》等系列）。在次要類別，男女皆喜好生態／生命科學類的書籍（男生 15.20%、女生 16.87%）。

三、參賽學生閱讀歷程的質與量均佳，表現令人驚豔

本次參賽學生皆積極參與競賽。

以三年級組第一名得主，臺北市立大同國小的林靖軒同學為例，競賽期間閱讀書籍本數高達 383 本，書籍讀後評量的通過率更高達 95%，書籍不僅讀得多，更是能讀得要領。

四年級組第一名為第二次參賽的新北市信義國小謝秉言同學，本次競賽期間共閱讀 427 本書。

其中五年級組為本次競爭最激烈的一組，臺北市立長春國小的黃葦川同學以及高雄市立集美國小的吳勁毅同學，兩者僅以極小的分數差距位居第一及第二名。

此外，第一次參與競賽的高雄市立正義國小的孫政遠，競賽期間閱讀 281 本書籍，通過率達到 97%。

四、教育主管機關、學校師長及家長支持鼓勵，帶動學生優異表現

新北市教育局致力於推動智慧閱讀教育，不遺餘力，成果豐碩。本屆競賽全台共 2,104 人報名參與，全國賽獎項獲獎學生共計 36 人，其中新北市得獎學生便囊括 14 位，表現相當亮眼。

家長與學校師長共同陪伴，使得學生能專注於本次競賽，並有相當卓越的成果，例如新北市康橋國際學校、臺中市明道中學、臺中市葳格國際學校、臺北市東山中學等校，皆因全力推廣閱讀活動，才能有優異的競賽成果。以新北市康橋國際學校國中部為例，此次七年級組參賽者，全國賽前5名得主中，康橋中學就獲有 3 名的佳績。

第四屆科普閱讀力大賽即將開跑

延續前三屆廣受好評之科普賽事，第四屆科普賽將擴大辦理，邀請「PanMedia 泛科知識股份有限公司」馮瑞麒總經理、「數感實驗室 Numeracy Lab」賴以威教授、「國立臺灣大學科學教育發展中心」賴亦德執行長，持續提供參賽者更生活化、趣味化的科普文章，預期第四屆科普閱讀力大賽將能讓全球讀者有更高品質的閱讀體驗和更充實的閱讀收穫。

活動詳情請參閱官方網站。
新聞聯絡人：高等教育深耕計畫辦公室——鄭德蓉 02-2366-0916 #111