只要你懂海，海就會幫你！人類與海洋共存共榮的永續漁業──《23.97 的海洋哲思課》

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

• 文 胡潔曦｜黑潮海洋文教基金會 鯨豚保育研究員
• 本文轉載自黑潮海洋文化基金會《揭開鯨豚傷疤的秘密——花紋海豚體表傷疤分析》，歡迎喜歡這篇文章的朋友訂閱支持黑潮喔！

現今海洋中存在許多船舶與漁業活動，每年在世界各地造成許多鯨豚受傷與死亡，而臺灣也不外乎如此，根據 2019-2022 年海保救援網（MARN）的擱淺報告，扣除掉無法辨識原因的擱淺鯨豚個體，疑似因為誤捕死亡的鯨豚比例均在第一、第二名之間徘徊，也有少比例個體可能是因為受到船隻撞擊事件致死，海洋中的人為威脅確實是我們需要持續追蹤且改善的。

除了透過擱淺的個體瞭解人類對鯨豚的影響程度外，我們能否有機會能從活體鯨豚身上獲得相關的資訊呢？事實上，國外已有研究者透過 Photo-ID 方法，進一步推測造成鯨豚身體上傷疤的原因，部分研究發現，鯨豚身上出現的傷疤可能跟人們在海上的漁業、船舶活動，或海洋廢棄物有關。藉由體表傷疤分析，我們能更瞭解鯨豚可能遭受到的環境威脅為何，與受威脅的個體比例有多少，也能更深入思考，未來劃設鯨類保護區後要如何制訂合適的經營管理規範。

黑潮的解說員們時常提到：「花紋海豚會用身體寫日記」，這是因為牠們在受傷癒合之後容易留下淺色的傷疤，因此年紀越大的花紋海豚身上通常也會有越多疤痕，而這些傷疤對我們來說是相當重要的線索，能讓我們瞭解在牠們生命歷程中曾有哪些遭遇，包含自然的與人為的。為了完成後續的傷疤分析，我們從黑潮資料庫中選擇長期追蹤的 50 隻花紋海豚，以亞成年與成年的個體為對象，在長年由江文龍船長所提供的照片當中蒐集其身體左右兩側、從頭至尾幹出水面的清楚照片。

透過花紋海豚體表傷疤，揭示人類對鯨豚所造成的威脅

傷疤分析的第一步，我們希望能先瞭解小型齒鯨身上可能會出現哪些人為傷疤，在蒐集了數篇國外對小型鯨豚的傷疤研究後，我們從中彙整了 11 種可能因為人為因素所造成的傷疤（表一），包含了 8 種背鰭上的傷疤、 2 種位在體幹上的傷疤與 1 種出現在嘴角的傷疤，除了位置與外觀之外，我們也將文獻中所推測的致傷原因與各類型傷疤結合。在上述工作完成了之後，接下來就是要仔細地從每隻花紋海豚的各個角度找出這些傷疤，並將辨識結果詳盡地記錄下來。

在分析的 50 隻花紋海豚中，我們發現其中有 19 隻（38%）身上有出現疑似人為活動所留下的傷疤，而這些傷疤主要出現在鯨豚身體中後段的背側，包含背鰭。為了更進一步瞭解哪些人為傷疤在花紋海豚身上較常見，我們將本次發現到的 7 種疑似受到人為因素產生之傷疤計算盛行率（表二），發現花紋海豚有兩種傷疤是較常見的：[1] 背鰭前端切口（Fc）、[2] 身體上的線狀勒痕（Gn），而根據文獻所描述，這兩種傷疤成因與漁業網線纏繞或是船舶螺旋槳可能有密切關聯。

「大目流刺網」與「延繩釣」是花蓮海域需要持續關注的漁法

為了進一步確認花蓮本地漁業對鯨豚的潛在威脅，我們訪談了幾位花蓮海域目前或是過去曾操作相關漁法的討海人。過程中討海人有提到，花紋海豚時常被抓旗魚、曼波魚的「大目流刺網」纏繞或割傷，在表二傷疤當中除了嘴角缺角（Hs）外，其他傷疤均有被指認可能與大目流刺網有關，在本次分析的 50 隻花紋海豚中就有 18 隻（36%）身上出現疑似刺網留下的傷疤。而在訪談中，討海人也有提到過去曾有目擊刺網誤捕飛旋海豚（Stenella longirostris）、偽虎鯨（Pseudorca crassidens）、弗氏海豚（Lagenodelphis hosei）與吐血鯃──小抹香鯨屬（genus: Kogia）的鯨豚，而多數遭誤捕的鯨豚最後都因無法至水面上換氣死亡。

除大目流刺網之外「延繩釣」也頻繁地被討海人提及，他們提到有兩種傷疤可能與延繩釣有關，分別是：嘴角缺角（Hs）與背鰭後深切口（Dc），包含上述兩種傷疤的個體共有 2 隻（4%）。因早期魷魚、透抽價格較便宜，時常被漁民當作延繩釣的餌料，吸引中大型鮪魚、鬼頭刀上鉤，而花紋海豚以頭足類動物如魷魚、花枝與章魚為主要獵物，也可能因捕食餌料而中鉤，在掙脫後會在嘴角或唇邊留下缺角的傷疤。同時也有討海人提到，曾目擊鯨豚尾部纏繞到延繩釣的主繩，因主繩堅固不易斷裂，有可能會纏繞在鯨豚尾幹，留下較深的纏勒痕跡。就現階段瞭解，鯨豚身上出現人為傷疤可能與漁業、船舶活動、海洋廢棄物等有密切關係，而漁業行為又以延繩釣和大目流刺網有較高的關連性，但目前探究僅能說明東海岸相關的漁業活動對鯨豚有潛在影響，至於影響的程度和確切成因仍需進一步探討，也需擴大追蹤更多不同年齡層的花紋海豚個體，是我們未來需要持續關注的。

線上瀏覽圖鑑

本次 50 隻花紋海豚的體表傷疤分析分析成果，已委由人氣圖文作家「玉子日記」的巧手，繪製成花紋海豚傷疤圖鑑，接下來就讓我們一同探索花紋海豚傷疤的秘密吧！

致敬多年來提供黑潮影像資料的多羅滿賞鯨船長 江文龍、鯨豚顧問 余欣怡、作家 玉子日記與協助傷疤辨識的夥伴 江彥瑩。
致謝多年來贊助與補助海洋綠洲計畫的各單位，與捐款者。

1. 【中華鯨豚協會】鯨豚保育的沈苛難題-漁業混獲
2. 【海委會海洋保育署】台灣鯨豚及海龜擱淺報告及統計資料
3. Ashe, E., Williams, R., Morton, A., & Hammond, P. S. (2021). Disentangling natural and anthropogenic forms of mortality and serious injury in a poorly studied pelagic dolphin. Frontiers in Marine Science, 8.
4. Kiszka, J., Pelourdeau, D., & Ridoux, V. (2009). Body scars and dorsal fin disfigurements as indicators interaction between small cetaceans and fisheries around the Mozambique Channel Island of Mayotte. Western Indian Ocean Journal of Marine Science, 7(2).
5. Luksenburg, J. A. (2014). Prevalence of external injuries in small cetaceans in Aruban Waters, Southern Caribbean. PLoS ONE, 9(2).
6. Mariani, M., Miragliuolo, A., Mussi, B., Russo, G. F., Ardizzone, G., & Pace, D. S. (2016). Analysis of the natural markings of Risso’s dolphins (Grampus griseus) in the central Mediterranean Sea. Journal of Mammalogy, 97(6), 1512–1524.
7. Mark Carwardine (2020). Handbook of Whales, Dolphins, and Porpoises of the World.

前陣子連鎖壽司店的行銷活動，名字裡有「鮭」「魚」其中一個字，就可以免費吃到鮭魚，讓某些人趨之若鶩，也掀起了一陣社群討論的風潮。

行銷效果本身如何尚不得而知，但最大的受害者大約是鮭魚本魚惹，看著讓人忍不住：今天，我想來點鮭魚？

不過，名字裡有「鮭」字的魚，當然不只是我們在餐盤上看到的一種啦。中文俗名中有「鮭」之名的魚類其實超過一百種，而「鮭科」(Salmonidae) 之下更有 3 亞科 11 屬 225 個物種。

你吃的鮭，是哪種鮭魚？

台灣唯一原生的鮭魚是「國寶魚」，也就是兩千元大鈔上的櫻花鉤吻鮭 (Oncorhynchus masou formosanus)，泰雅族語「Bunban」，當然也是鮭科的成員。台灣櫻花鉤吻鮭被列為「瀕臨絕種」保育類野生動物，目前的野生族群主要生活在七家灣溪的部份流域。台灣的櫻花鉤吻鮭，主要被認為是櫻鱒 (Oncorhynchus masou) 的一個亞種，也是這類物種自然分布的最南界。

被拿來吃的鮭魚當然不可能是國寶魚，在臺灣（或可說是全世界）市面上最常見的鮭魚，屬於大西洋鮭（Salmo salar），又名安大略鮭，是鮭科旗下的另一個屬 Salmo（可翻作鮭屬或鱒屬）。

大西洋鮭是全世界最普遍的養殖魚類，2018年的資料台灣進口近六成來自挪威¹。其他比較主要的養殖地還有智利、加拿大、英國、法羅群島、俄羅斯及澳洲的塔斯馬尼亞。²

因為大西洋鮭野生族群已經相當稀少，現在市面上可以接觸到的應以養殖為主。而如果偶爾遇到「野生鮭魚」，大部分應該是指俗稱的太平洋鮭。

太平洋鮭並不是某一種鮭魚，而是泛稱生活在太平洋沿岸會被抓來吃的太平洋鮭屬（ Oncorhynchus，也可翻譯為鉤吻鮭屬、麻哈魚屬），市面上較常見的種類包括：帝王鮭 (O. tshawytscha)³、銀鮭 (O. kisutch)、紅鮭 (O. nerka)、秋鮭 (O. keta)、粉鮭 (O. gorbuscha)。

此外，雖然在中文中比較少被稱呼為鮭魚，但餐桌上偶爾會聽到的虹鱒 (O. mykiss) 同樣也是 Oncorhynchus 屬，生長於淡水。⁴

不管是大西洋鮭或太平洋鮭，生活史最出名的部分，就是在成年之後會由海洋洄游到河流上游自己的出生處繁殖產卵，這樣的行為被稱為「溯河洄游」(Anadromous migration)。

溯河洄游特別之處，除了鮭魚可以在大海中旅行數年之後，憑著嗅覺再度逆流而上回到出生的故鄉前仆後繼繁殖，完全打趴一眾人類當中的路癡，還包括了這個習性本身，足以影響整個森林生態系！當鮭魚回到河川上游後，體型比離開河川的時候大上許多，在洄游季節也成為許多大型肉食動物如棕熊、黑熊的食物來源。而除了影響這些大型動物的生存，也有研究指出，鮭魚與熊互相的作用，明顯會影響森林的氮元素的輸入，如於南阿拉斯加的研究估算即指出，少了鮭魚與熊足以影響當年度該處森林將近四分之一的氮量。⁵

鮭魚的橘色怎麼來？

森林生態系的好壞對於大家來說還是遙遠了點，還是接著回到餐桌吧。多虧了鮭魚橘紅橘紅的切面色澤，對於不太會辨別魚種的一般大眾來說，鮭魚大約是在迴轉壽司上最不容易被認錯的魚種了。

在野生鮭魚的身上，這個橘紅的色澤來自於食物中甲殼類如蝦、磷蝦體內的蝦紅素 (astaxanthin)，而人工養殖的鮭魚雖然同樣生活在大海中，但牠們吃的卻是人類投餵的飼料，因此一般來說顏色會更淺一點。

可是，對於顧客來說，如果鮭魚不紅了，那就不是鮭魚了啊！

有研究調查指出，顧客願意花更多錢買更紅的鮭魚⁶，也導致飼料商們會在飼料中加入蝦紅素或類胡蘿蔔素來增加鮭魚的體色──為了賣個好價錢，只好提高一點成本惹。

甚至有公司開發出鮭魚的色卡「SalmoFan」，專門用來分辨鮭魚的等級，畢竟在大眾的心中，只有夠紅的鮭魚才是好鮭魚！⁷

人工養殖鮭魚不夠紅這個現象，也隱隱約約地帶來了某種錯覺：野生鮭魚是比養殖鮭魚更好、更高級。

呃，這樣其實不太對。

首先，因為各種棲地環境因素加成的結果，大西洋鮭在美國與歐洲的族群多數都已瀕臨滅絕，使得現行市場上鮭魚絕大多數都是養殖鮭魚。

如果人們僅仰賴捕撈而來的太平洋鮭，我們不但可能會因為數量稀少而吃不到，更可能因為物以稀為貴，而對野外的族群造成更龐大的捕撈壓力！隨著氣候變遷、棲地變化，野生鮭魚已經過得夠苦了，人類何苦為難牠們呢。⁸

鮭魚的養殖與爭議

當然，養殖也並不是全無缺點的，人怕出名、魚怕好吃，架不住養得多了總是容易出包，比如說落跑的鮭魚……。

讓我們話說從頭，根據聯合國糧食及農業組織 (Food and Agriculture Organization of the United Nations, FAO) 的資料，鮭魚的系統化養殖由挪威自 1970 年代開始發展。這種浮式箱籠，基本上就是在開放的海域中，用大網子圍著一大圈養魚。⁹

鮭魚養殖的技術也隨著時間演進，早期透過選育獲得生長快速的品系（就像人類對於牛豬雞做的一樣），再逐漸克服各種病害防治，甚至進展到施打疫苗。而飼養的地區也逐漸擴及到擁有寒冷水域的各國，如智利、加拿大等地。

即使面臨去年疫情的陰影，挪威去 (2020) 年仍出口了 110 萬噸的鮭魚，出口量僅次於 2019 年。¹⁰

魚類是全球重要的蛋白質來源，因為全球過度捕撈、棲地破壞、環境汙染、氣候變遷等情況持續變糟，海洋資源正在快速的枯竭。有許多人主張，養殖魚類或可做為人類補充食物資源，卻不致於大幅破壞海洋資源的重要方法。

相較於飼養牛、羊、豬、雞，魚類的繁殖速度快上許多，可以快速篩選出需要的品系；魚類的飼料轉換率也比其他物種來得高¹¹，是較為有效率的蛋白質來源。

不過，現行大規模的箱籠飼養跟海洋生態系的循環是連在一起的，在更大規模推出的情況下，養殖漁業會如何影響海洋生態，仍然值得釐清並且設法減緩其效應。

而以本文的主角，大西洋鮭魚來說，其養殖業仍具有某些爭議。諸如海洋箱網養殖會直接將魚類的糞便與各種養殖過程中施用的化學物質（如各種抗病藥物等）直接送進大海，可能會會造成局部的優氧化或化學汙染。

近年來也時有養殖設備突遇災害、養殖場裡的鮭魚大量逃逸的新聞¹²，當這些魚群進入野外，不但有可能將疾病傳染給野生的鮭魚群，也有與野生鮭魚雜交的疑慮。

另外一個爭議，則是基改鮭魚。

2015 年，美國食品藥物監督管理局 (FDA) 核准了第一款供人類食用的基改動物，AquaBounty 鮭魚，這種大西洋鮭魚被加上了帝王鮭的生長激素基因，與大洋鱈魚 (Zoarces americanus) 抗寒基因啟動子 (promoter)，可以在一般鮭魚生長緩慢的寒冷時間也照樣生長，長到所需尺寸只需要 16 到 18 個月（一般養殖約需三年），所需要的飼料也少了近四分之一。

基改鮭魚僅有在 2017 年售入加拿大，目前多數的市面上是看不到的。¹³

吃，不吃？對於養殖鮭魚的糾結

回到養殖鮭魚的議題，相較於未經妥善評估的漁業撈捕，我們一般會認為養殖魚類是對地球較為永續的選擇，但在鮭魚身上嘛……事情可沒有這麼簡單。

臺灣選介「吃魚標準」的永續海鮮指南將鮭魚歸為「斟酌食用」，讓人感覺到了其中的無限糾結。

不過是吃個魚，到底是在糾結什麼呢？

除了前面提到養殖對環境的影響等爭議，還有個重要考量：鮭魚飼料的來源。鮭魚是屬於肉食性的魚種，飼料有一定比例需要混合來自海洋的漁獲，現階段多為便宜的下雜魚。

雖然當前有許多研究專注於如何增加植物或海藻等植物性來源在飼料的比例，致力減少漁獲的使用，但不管怎麼說，這類的撈捕對岌岌可危的海洋資源，仍然帶來一定程度的壓力，而且只要鮭魚養殖的產業越興盛，這樣的壓力就越大。

話說回來，人類對於肉品、魚類的食用需求畢竟就擺在那兒，有可靠的方法可以獲得鮭魚來源，又不至於對於野生族群趕盡殺絕，某方面看來，鮭魚的人工養殖像是個近乎雙贏的解方。

然而現階段仍持續擴張中的鮭魚養殖產業，是否能夠擺脫前述的許多爭議，走向更永續、對海洋更友善的未來？這仍是難解的課題，需要許多人持續的關注與努力。而鮭魚養殖作為全世界最普遍的養殖漁業，也將是未來人們如何在永續的前提下，應對糧食需求的重要試金石。

身為吃客的我們，除了繼續看下去，也請不忘在吃魚的每個時刻多問問自己：這是什麼魚？查查海鮮指南了解一下亮起了哪個燈，別再只是傻傻跟風吃美食了！

希望我們不至於走向海洋資源同鮭魚盡、殊途同鮭的未來。

延伸閱讀

• FAO-Salmo salar
• 從台灣海鮮選擇指南看消費者行動──兼發佈2018年新版「指南」
• 臺灣海鮮選擇指南Seafood Guide Taiwan
• 挪威選育大西洋鮭魚的故事- 科學月刊Science
• 想吃就吃 誰讓美味鮭魚天天上桌

參考資料與註解

1. 新冠肺炎影響挪威鮭魚出口中國！反讓愛吃鮭魚的台灣增加73%進口量
2. 挪威選育大西洋鮭魚的故事
3. 紐西蘭有養殖帝王鮭
4. 也是有別稱為虹鮭或麥奇鉤吻鮭，台灣人對於虹鱒的印象應該主要來自日本料理。不過 2018 年中國關於虹鱒能不能被當作「三文魚」來賣，有過一番熱議，後來中國官方公布將其列於《生食三文魚》清單上。總之，虹鱒屬於淡水魚種，寄生蟲對人體有害的機率較高，一般被認為不建議生食。可詳見：真假三文鱼：不止是译名惹的祸
5. Cederholm, C. J., Kunze, M. D., Murota, T., & Sibatani, A. (1999). Pacific salmon carcasses: essential contributions of nutrients and energy for aquatic and terrestrial ecosystems. Fisheries, 24(10), 6-15.
   Hilderbrand, G. V., Schwartz, C. C., Robbins, C. T., Jacoby, M. E., Hanley, T. A., Arthur, S. M., & Servheen, C. (1999). The importance of meat, particularly salmon, to body size, population productivity, and conservation of North American brown bears. Canadian Journal of Zoology, 77(1), 132-138.
   Helfield, J. M., & Naiman, R. J. (2006). Keystone interactions: salmon and bear in riparian forests of Alaska. Ecosystems, 9(2), 167-180.
6. Alfnes, F., Guttormsen, A. G., Steine, G., & Kolstad, K. (2006). Consumers’ willingness to pay for the color of salmon: a choice experiment with real economic incentives. American Journal of Agricultural Economics, 88(4), 1050-1061.
7. 這個色票甚至還有 app 版（人類真是）Digital SalmoFan™
8. 現行的野生鮭魚，也少數地方如阿拉斯加採行永續魚法，透過資源管理概念作管控，以期維繫野生鮭魚族群。
9. 水產養殖：明日之星的箱網養殖－科技大觀園
10.  Norway salmon export value second highest ever in 2020 – FishFarmingExpert.com Optimism persists in farmed salmon sector despite price lull | GLOBEFISH
11. 飼料轉換率，牛為每公斤 6-10，雞為 1.7-2，豬為 2.7-5，鮭魚則為 1.2-1.5
    Fry, J. P., Mailloux, N. A., Love, D. C., Milli, M. C., & Cao, L. (2018). Feed conversion efficiency in aquaculture: do we measure it correctly?. Environmental Research Letters, 13(2), 024017.
12. 澳洲養殖魚場大火 五萬隻鮭魚脫逃、恐活不了太久
13.  基改鮭魚AquAdvantage® Salmon