奇怪欸，夏威夷基拉維亞火山一直噴發卻不見人員傷亡？

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

今年 2 月 6 日，土耳其大地震的影像，透過國際媒體、社群網路不斷轉發，讓世人再次感受到大自然的無情，也讓身處地震帶上的台灣，重燃關於地震的防災意識。

而同樣身處地震帶上的我們，對於地震又理解多少呢？

這次土耳其的地震規模有多大？

今年２月 6 號，土耳其當地時間凌晨四點，發生了地震矩規模（Mw） 7.8 的強震（美國地質調查局 USGS 的測定數據）；震央位於土耳其南部與敘利亞接壤，有著 170 萬人口的加濟安泰普省，震源深度僅僅只有 17.9 公里，屬於極淺層地震。

不幸的是，大約 9 小時之後，距離震央東北方不到 100 公里的地方，再度發生規模 7.5 的地震，深度甚至只有 10 公里，最大震度甚至高達麥卡利震度的 Ｘ 度，相當於台灣的 7 級地震。

光是在土耳其境內，強震造成四萬一千多人死亡、十萬多人受傷，是土耳其百多年來死亡人數最多的地震。

土耳其為什麼會發生大地震？

地球表面包含地殼和一小部分的地函質地剛硬的地方，被稱為「岩石圈」，它並不是完整的一塊，而是分裂許多個「板塊」。中洋脊新生的海洋地殼會推著兩側的板塊不斷向外擴，最終在海溝下沉回到地函，完成循環。

然而，這些板塊彼此運動的速度和方向並不一致，彼此之間會有碰撞、擠壓、摩擦、分離等等的相對運動，形成相互碰撞的「聚合型板塊邊界」、相互分離的「分離型板塊邊界」以及水平錯動的「轉形型板塊邊界」（Transformation Fault，臺灣中學課本常翻作「錯動型板塊邊界」）。

實際攤開地圖，土耳其大部分區域都位在高原上；但在腳底下，土耳其的土地正不偏不倚的落在四個板塊的交界處：北邊的歐亞板塊、南方有阿拉伯板塊、西南方是非洲板塊，大部分國土則位於安納托利亞板塊上。

這些板塊相互推擠，創造了土耳其豐富的高原地貌，也造就了頻繁的地震。

地震發生的原因不只是因為板塊碰撞

我們常以「板塊的碰撞」作為地震的原因，雖然板塊運動確實會伴隨地震發生，卻不能直接解釋地震發生的機制。

板塊新生及重回地函的地方，構成了板塊的交界，它可以是中洋脊、海溝，如果該二板塊交界處的兩側都是陸地，則可能擠壓形成山脈。

就像拿兩塊吐司互相擠壓，會變形的，不是只有接觸面而已，整塊吐司都會因為兩側施加的壓力，在各處形成變形、甚至破裂。而這個破裂面，就是斷層；斷層錯動的瞬間，就會引發地震。

因此，斷層不一定要位於板塊交界上，而是只要岩層有受力的地方，就有可能產生斷層，它可以位在板塊交界的「附近」，也可以是位在遠離板塊交界的地方。

當然，因板塊的相對運動容易讓應力累積在板塊交界處，在板塊交界附近的斷層數量也就比較多。

這次土耳其錯動的斷層是？

前面提到，土耳其剛好就位於安納托利亞板塊、歐亞板塊阿拉伯板塊與非洲板塊的交界處。由於阿拉伯板塊長年向北運動，又受到北方歐亞板塊的阻擋，因此被迫轉向西北方推擠安納托利亞板塊，使得土耳其國土被逆時針擠出。

在四個板塊的相互推擠下，土耳其境內形成兩條較大的岩層破裂帶，一條是東南方的「東安納托利亞斷層系統（EAF）」，另一條則是橫貫整個國境北部「北安納托利亞斷層系統（NAF）」。

這次土耳其大地震的事發地「東安納托利亞斷層」，形成的主要原因正是阿拉伯板塊長年向西北推擠安納托利亞板塊所產生的應力，使得岩層沿著板塊邊界，以東北西南的方向破裂。除此之外，在這條斷層的北側也發展出好幾條東西方向延伸的破裂面，形成東安納托利亞斷層的分支，也是這次大地震第二次主震發生的位置。

根據美國地質調查所的紀錄，這些破裂面，已經超過一百年沒有明顯的地震發生，表示這附近的岩層，已經長期處在應力累積、沒有宣洩的狀態。在阿拉伯板塊持續向北推擠的形況下，岩層終究無法承受，並沿著「東安納托利亞斷層系統」的數條破裂面發生水平方向的錯動，造成了這次的地震。

根據歐洲的人造衛星影像結果，這次錯動的程度之驚人，第一次主震發生的地方，地層左右位移了六公尺，第二次主震更到達八公尺。

為何地震為何總是突然發生，
而不是緩慢的釋放應力？

現在最廣為人知的地震理論，是在 1906 年舊金山大地震時，美國的地質學家李德，觀察加州的畜牧農場的圍籬在地震後發生的錯位情形，並於 1911 年提出了「彈性回跳理論」；其認為斷層附近的岩層先是受到某種外力而發生變形，當斷層面的摩擦力最終無法抵抗外力時，岩層將沿著斷層面一口氣錯動、釋放累積的能量，就產生了地震。

有了這個理論，我們還能推測，已經存在的斷層因為本身就是岩層破裂的地方，結構較為脆弱，當岩層繼續受到外力擠壓變形，就容易再次沿著斷層方向錯動。就像是一片玻璃摔過之後，裡面產生微小的裂痕，雖然玻璃沒有碎掉，但可以預期，如果這塊玻璃再摔到一次，這些微小的裂痕可能就變成了破口，甚至徹底碎裂。

至於讓斷層附近的岩層變形的「外力」除了板塊運動外，地表的侵蝕作用、火山活動等，都是可能的原因。

台灣為什麼有許多斷層？

回頭看，位於板塊交界帶上的台灣，在菲律賓海板塊與歐亞板塊的擠壓下，從北到南遍布了大大小小的斷層。根據經濟部地質調查所在 2021 年公佈的數據，台灣共有 36 條活動斷層。

至於板塊交界處則是在花東縱谷。菲律賓海板塊與歐亞板塊的邊界，從北方的琉球海溝劃過台灣的下方，向南延伸到馬尼拉海溝；在地表上，這條邊界一路從花蓮北端貫穿整個花東縱谷平原。

從一千五百萬年前開始，菲律賓海板塊就不斷地朝西北方向推擠，如今仍以每年 7～8 公分的速度，向著歐亞板塊邁進，海岸山脈也因此不斷衝向中央山脈。

我們可以將台灣岩盤的變形狀況想像成是推土機推雪：海岸山脈是推土機，中央山脈則是雪堆。當推土機推著雪堆向前行時，雪堆前、後和底部的變形最強烈。在海岸山脈的推擠下，變形量最高的地方集中在西部平原、花東縱谷以及中央山脈的底部。由於中央山脈底部岩層溫度過高，只會產生變形；而西部平原、花東縱谷則成為了斷層最密集、地震好發的地方。

和土耳其一樣身處地震帶的我們，除了讚嘆大自然的鬼斧神工之外，具備更健全的地震知識、學習如何與地震災害共處，並盡可能降低地震帶來的傷害，成了我們每個人的重要課題。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

本文轉載自「研之有物」，為「中研院廣告」。

• 採訪撰文｜田偲妤、王怡蓁
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

震盪整個台灣的巨響

1999 年 9 月 21 日凌晨 1 點 47 分，一場芮氏規模 7.3 強震將眾人從睡夢中驚醒。震央位於南投縣集集鎮，主因是車籠埔斷層逆向抬升導致全臺多處災情慘重，史稱九二一大地震。

中央研究院「研之有物」專訪院內社會學研究所林宗弘研究員，他與國家地震工程研究中心、國內外學者攜手合著《巨震創生：九二一震災的風險分析與制度韌性》統整臺灣 20 年來地震科學研究成果，記錄受災社區的重生故事。一起了解這場世紀強震，如何促使臺灣災害科學與政策改革向前跨出一大步！

地震災害中隱藏的風險

地震可說是最致命的天災，1989 至 2019 年間，全球前 25 起死亡人數最多的災難，地震就佔了半數以上。而臺灣更是好發地震的高風險區，根據全球地震模型估計，臺灣幾乎全島都有地震風險，在全球地震危害度排行上名列前茅。

其中，九二一地震是臺灣二戰後最嚴重的震災，導致 2444 人不幸罹難、近 11 萬戶房屋全倒或半倒，財產損失超過新臺幣 3 千億。

難以預測的地震造成生命財產的一夕損失，如再加上人為缺失、制度不健全，以及社會本身的貧富差距、階級與族群不平等因素，將加劇災害的嚴重程度。

為防範悲劇再度發生，中研院社會學研究所研究員林宗弘，與國家地震工程研究中心劉季宇博士、國家災害防救科技中心前主任陳亮全教授、師大環境教育研究所林冠慧教授等共同作者，參考聯合國政府間氣候變遷專門委員會（IPCC）多篇文獻，採用包含以下 4 組風險因子的「風險函數」來評估震災隱藏的各種風險。

風險＝

f (危害度 (hazard,+), 暴露度 (exposure,+), 脆弱度 (vulnerability,+), 韌性 (resilience,-),…)

究竟臺灣面臨哪些受災風險與制度缺失？人們如何走出地震陰霾？面對災難我們還可以做什麼？讓我們從 4 組風險因子出發，深入發掘問題癥結！

傷亡主因：無法承受地震的建築物倒塌

地震發生時，我們最先感受到的通常是房屋的晃動。如房屋無法承受震度而倒塌，還是地震引發火災、山崩或土壤液化等災害，都將導致民眾生命財產的損失。

「危害度」與「暴露度」是從地震造成的各種災害，探討如何減緩災害對生命財產的衝擊程度。

九二一地震發生後，全臺的死亡與重傷案例高達 87% 至 96% 是建築物倒塌所致，其中又以「集合住宅」的死傷最為嚴重。

以臺北東星大樓為例，雖然離震央遙遠，卻傳出房屋全倒，造成 73 死、138 傷、14 失蹤的嚴重災情。為何集合住宅會發生大量死傷？這跟臺灣長期落後的法規有關。

「很多制度改革都是被災難推著走的」，林宗弘指出問題癥結。1970 年代以前的建築規範主要沿用日治時期的法規，落後的法規趕不上日新月異的建築技術，更難以規範黑心建商，直到 1964 年白河地震發生後，才刺激政府推出新的建築規範。

然而，70、80 年代正好是臺灣經濟起飛的時期，大量湧入城市的移居人口有高度的居住需求，許多倉促興建的公寓大樓在法規不健全的情況下相對脆弱。

此外，民間還存在許多故意或無心的違法情事，例如黑心建商偷工減料、民眾因風水或生意需求而打掉樑柱等，建築結構的破壞升高了受災風險。

不幸的是，根據國家地震工程研究中心等機構的初步調查，至 2022 年第 2 季，臺灣興建達 30 年以上的老屋數量已超過 460 萬戶，其中隱藏不少危老集合住宅，但礙於產權複雜、都更不易，是防災工作中急待解決卻也最棘手的問題！

如果民眾無法接受拆除危老房屋，還有其他替代方案嗎？國家地震工程研究中心邱聰智博士等研究發現，「危老補強」是大樓管委會、多數民眾較能接受的折衷方案，可在房屋既有結構下進行耐震補強，費用比重建便宜許多。

可惜在建築師簽證、檢驗或補強成本無人願意承擔的情況下，立意良善且成本低廉的危老建築補強政策，尚缺乏激勵民眾參與的制度創新，是目前防災制度上相對弱勢、值得持續思索對策的一環。

創傷心靈的重建

地震不僅震垮房產，還揭露人心脆弱無助的一面，對於社會弱勢族群來說更是雪上加霜。

風險因子之中的「脆弱度」、「韌性」帶我們檢視災民所處的社會、經濟與身心條件，探討如何發揮人際網絡相互扶持的力量，緩解社會不平等加劇的受災風險。

其中，災後的心理復健長期遭到漠視，面對親友驟逝、身體傷痛、家園破滅且頓失經濟依靠等變故，災民得承受排山倒海的身心壓力，需要專業人士適時伸出援手。

臺大心理系吳英璋與陳淑惠等教授看見九二一災民的需求，成立「臺大 921 心理復健小組」，並號召其他院校的心理學家、臨床醫師與社工人員積極投入救災。

1999 年的臺灣社會仍對「災難與創傷心理學」相當陌生，小組成員抱持從做中學的精神累積經驗，開啟了臺灣災難心理衛生元年。

主要服務據點位於受災最嚴重的臺中東勢，由多位臨床心理博士開設「東勢 921 災後身心聯合門診」，也投入在地種子教師的培訓工作，傳授篩檢高危險族群、輔導孩童因應災難創傷的方法。

許多心理輔導人員更陪伴失依孤兒成長，參加孩子們的畢業典禮、婚禮，建立如同親人般堅定的情誼。

災民最常諮商的主題中，有 72% 是因震災而產生的身心症狀、家庭經濟困境，屬於創傷後壓力疾患之一。國際上對於災後心理復原有 5 項介入原則：安、靜、能、繫、望，如今已成為國內因應疫情、公安災難的主要介入策略。

在 5 項心理介入原則中，「能」指的是「促進效能感」，引導災民重新察覺自己有調節情緒、處理人際關係、修復財產與接受職業訓練等能力，有助災民逐步重返正常生活。

而「繫」則是指「促進聯繫感」，協助災民獲得與所愛者、社交族群的聯繫，從中找到解決問題、接納情緒、分享創傷經驗等支持管道。

研究團隊分析九二一震災村里追蹤資料後發現，東勢在震災後 20 多年間，是災區自殺率最低的鄉鎮，證實社區緊密的人際網絡、專業的心理諮商與陪伴，有助降低社會脆弱度、強化災後復原韌性。

災後重建——社區營造的集體力量

社區營造也是災民展現生命韌性的案例之一。過去有人質疑社區營造對災區重建的效益，但林宗弘等學者實際比較南投埔里 33 個里 1999 至 2012 年的家庭平均所得後發現，農村重建和社區營造補助同時投入的里，平均家戶所得明顯提升。

社區營造的目標在於發掘地方資源、發現新價值，提升社區的自信與自主性，為災後重建注入活水。而農村聚落的重建補助主要用來修復硬體設施，缺乏創造新產業價值的作為，也無法留住青壯年人口。

南投縣埔里鎮的桃米社區即是經典的災後創生案例。在九二一地震前，桃米社區是埔里鎮最窮的村里之一，震災重建後卻成為當地 33 個里中，平均家庭所得排行前 5 名的村里，擁有著名的紙教堂與生態園區，吸引每年多達 40 萬遊客造訪。

究竟桃米社區如何成功翻身？關鍵在於社區營造帶起的三層面連結：

內部組織由下而上動員、外部組織跨區交流合作、國際資源跨國援助

桃米社區在災後，由行政院勞工委員會「以工代賑」計畫支付基本工資，鼓勵居民投入家園重建與社區營造工作。

長期與社區合作的新故鄉基金會，也與特有生物研究保育中心、世新大學觀光系合組區域活化運籌團隊，協助居民學習當地生態知識、發展生態旅遊，並於 2001 年啟動生態旅遊試營運，讓「桃米生態村」日漸廣為人知。

2008 年，在新故鄉基金會廖嘉展先生等人的牽線下，日本鷹取紙教堂落腳桃米社區。這座教堂是日本名建築師坂茂為阪神大地震災民所建的精神地標，而神戶災區也在九二一地震後捐贈近千戶組合屋給南投縣。

紙教堂的移地重建不僅展現了人性普世的友愛光輝，新成立的紙教堂新故鄉見學園區，更是結合軟硬體綜效的社會基礎建設，在五年內為社區創造 1.3 億產值、近 200 個就業機會，成為九二一災後復興的象徵。

社會互救！強化韌性應對未來的災難

從 4 組風險因子綜合歸納出潛在的震災風險後，再從歷史制度論分析國家與社會關係對防災制度演化的影響可知：

如果國家與公民社會皆具備動員能力，且願意化解利益分歧、共同投入防救災，將可強化制度韌性，減少下一次震災的風險。

例如在九二一地震後，政府與民間在撤離與搶救政策改革、公有基礎設施與建築補強重建方面，展現較強的制度韌性，從而推動《災害防救法》的立法，在災害發生後能較有系統、有法源依據地實施緊急應變措施，包含動員軍隊、徵用民間機具等。

林宗弘對於震災搶救過程記憶猶新，九二一地震發生時他剛好在成功嶺服役，從事救災物資的運輸補給工作。當時消防署的救災分工尚不完備，再加上許多消防單位也被震垮，屋漏偏逢連夜雨，導致最初的救災工作不是很系統化地進行。

九二一地震讓救災工作獲得重視，後來的桃芝颱風、莫拉克颱風也強化了風災與水災的救災經驗，臺灣現在的救災工作已提升到國際水準。國家及民間力量能在短時間內投入撤離與搶救作業，並提供緊急醫療、臨時安置、心理重建等服務。

然而，還是有一些問題是目前國家與民間都難以解決的，例如危老建築存在很高的暴露度風險，如不進行都市更新或建築補強，難保不會成為下個災難現場。

雖然中央政府有推動國土規劃政策，但都市更新是地方政府職權，需要地方行政單位的積極介入，否則將陷入民間業主與營建財團的利益衝突，使都更停頓或變質。

四面環海的臺灣位處地震帶、颱風必經路徑上，也是全球貿易與交通要衝，導致我們難逃地震、颱風、疫情三大災難的襲擊。惟有掌握各種潛在風險、了解當前的強項與弱勢，才能從國家政策與公民網絡著手，做好面對下一場災難的萬全準備！

延伸閱讀

• 林宗弘、劉季宇、陳亮全等著（2022）。巨震創生：九二一震災的風險分析與制度韌性。臺大出版中心。
• 【研之有物】災前改善社會不公，更是真正地救人一命
• IPCC. 2012. Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. New York: Cambridge University Press. 
• Turner, B. L. II et al. 2003. A Framework for Vulnerability Analysis in Sustainability Science. Proceedings of the National Academy of Sciences of the United States of America 100(14): 8074-8079.
• Lei, Yongdenget al. 2014. Rethinking the Relationships of Vulnerability, Resilience, and Adaptation from A Disaster Risk Perspective. Natural Hazards 70: 609-627.
• Hobfoll, Steven E. et al. 2007. Five Essential Elements of Immediate and Mid-Term Mass Trauma Intervention: Empirical Evidence. Psychiatry: Interpersonal and Biological Processes 70(4): 283-315.
• 私有建築物耐震階段性補強資訊網