古騰堡聖經首次印刷出版｜科學史上的今天：2/23

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／洪瑞駿｜國立中央大學地球科學學系-地球物理研究所碩士，對地球科學充滿好奇與想像的南部仔，因為 2006 屏東雙主震搖起對地震學的熱誠，目前在地震源與構造實驗室當個快樂的研究助理，夢想是當科學家（菸）。

編按：在前篇要怎麼知道地球的內部構造？何不問問神奇地震波！——幫地球照一張 X 光(1)一文中，提到人們開始利用地震儀探索地球內部構造，在這數十年的歲月中，又有哪些突破性的進展呢？讓我們繼~~續~~看~~下~~去！

「消失」的震波

如果我們將地震儀繞著地球一圈擺放，便可發現，在震央距（註 1） 某些範圍沒有 S 波訊號，僅有微弱的 P 波通過，而且震波抵達的時間比預期慢（圖ㄧ）。這便引起地震學家的注意了，畢竟如果地球內部若是均勻一致，S 波又怎麼會消失？到時（波傳到的時間）又怎麼會變慢？

對科學家而言，往往最感興趣的就是調查「不合理」的事物。1914 年，古騰堡（Beno Gutenberg）從這樣的觀測結果，推測地球內部應該有個「地核」（就如同蛋的蛋黃般）存在，使震波紀錄在地函-地核交界處出現不連續（命名為古氏不連續面，以紀念古騰堡，註 2）。從下方圖一右邊的震波走時曲線（詳見上篇介紹）可以清楚看到這個不連續的位置，筆者以紅色箭頭標示出這個異常位置，可以發現在震央距 143˚~180 ˚ 位置抵達的 P 波到時比預期晚，而且 S 波消失了，這意味著震波通過了另一個構造（事實上就是穿過了地核，當時古騰堡用 P’ 來表示）。遲到的 P 波，代表的是通過地核時「波速變慢」嗎？從觀測結果來說似乎是對的，但也不完全正確，因為介質的變化太大了，事情其實頗為複雜。

至於「S 波消失」這件事，很明顯的外核（當時認為是地核）是種「S 波無法穿透的物質」。從震央距 103˚ 開始，P 波和 S 波就會打到地核，S 波無法穿過地核而無法被接收；此外根據物理定律，P 波也因為入射角/出射角的偏離而無法被清楚記錄。直到143˚ 出現穿越地球而過的 P 波，我們稱這段範圍為陰影帶（沒有直接傳遞的 P 和 S 波），只會有些許的繞射波（註 2）被記錄到（圖三）。根據古騰堡當時的估算，這個核的深度大概是 2,900 公里，這與現代認為的 2,889 公里，僅有些微的差距。

「漏看」的震波

接著，在發現地核後，一直到 1930 年代前，科學家們認為有著一層地殼、地函、和液態地核。然而，進一步的發現則要等到約30 年後的 1929 年，紐西蘭的強震說起。當另一端南半球的震波穿越地球到達歐洲，丹麥地震學家萊曼（Inge Lehmann）發現到另一種不同的波相，她推測這個這個波是從震源一路穿過地球核心而來，且震波速度又與古騰堡發現的P’不盡相同。這個波相過去被視為是繞射波，然而從頻率、震幅等幾個特性暗示它與繞射波有所不同（萊曼因此稱為 P3’）。

此外，從記錄中看到在 103˚~143˚ 這段陰影帶內，其實藏著清楚的反射波，這暗示有一個介面，把震波從地核彈回地表（圖三），然而這在古騰堡發表的走時圖中並未加以討論。萊曼試著解釋這個波相，她曾在這篇 1936 年經典的文獻中寫道：

An explanation o f the P 3 ‘ wave is required, since now it can hardly be considered probable that it is due to diffraction. A hypothesis will be here suggested which seems to hold some probability, although it cannot be proved from the data at hand. We take it . . . that inside the core there is an inner core in which the velocity is larger than the outer core.

（譯）既然了解不太可能是繞射效應造成，我們便需要解釋 P3’ 波。在此提出了一個假說，雖然現在尚缺乏有力的資料證明，但我們認為…在地球核心裡面還從在一個速度更快的內核。

萊曼大膽假設，如果這個核裡面還有一個內核的話，就可以解釋她看到的現象，她假設地函 10 km/s 每秒以及地外核 8 km/s，再放入一個速度較快的內地核（圖三）。當時她僅利用直線與三角函數來計算，卻已經可以完美解釋大部分的現象！她於 1936 年發表了內地核的看法。不過，當這樣的假設通過驗證後，萊曼並沒有近一步推算更多參數（例如確切的地內核速度、大小、組成等）。後來在 1938 年當古騰堡與芮克特重新檢驗這個模型後，基本上也同意內地核的想法。

接著經過幾年的驗證與討論後，越來越多的地震學者支持這樣的模型，1939 年傑佛瑞斯和布林提出了地球速度模型時（著名的 Jeffreys-Bullen Velocity Table），也將固態內地核列入考慮。

由於儀器進步、日益廣泛運用，以及科學家們的細心觀察，加上時有大膽的假設與嚴謹求證。短短數十年的光景，人類已經逐漸「摸透」地球內部的主要構造。然而，並非所有研究發展都如此順遂。回溯到 1910 年代左右的時間點，除了地震學的發展外，還有個剛起步萌芽的假說：韋格納（Alfred Lothar Wegener）提出大陸會移動的想法。可惜當時人們無法解釋驅動大陸運動的成因，他的假說便被束之高閣，等到二次世界大戰後，海洋探勘的興起才能將這塊拼圖湊齊，加上地震學對於地球內部的掌握，進一步發展起板塊學說（Tectonics）以及地體動力學（Geodynamics），以至於現代，我們才能對地球有個初步的認識。

註解

1. 震央距係指從震央開始為起點計算與測站的距離。由於地球很大，我們改用圓周角度來表示。因此通常將地球圓周分為360˚來表示距離（類似經度的概念）。
2. 最早將此介面命名為「古氏不連續面」的典故雖已不得而知。一般在學術界也多以「核-函邊界」予以稱呼。考慮到此為科普文章，且台灣的地科教科書也多以古氏不連續面作為介紹，故本文還是用此稱呼來表示核函邊界（可參考龔慧貞老師在科學月刊 552 期的說明）。

• Bolt, B. A. (1987) 50 years of studies on the inner core. EOS., Vol. 68, 6.
• Bolt, B. A. & E. Hjortenberg (1994) Memorial Essay Inge Lehmann (1888-1993) Bull. Seismol. Soc. Am. Vol. 84, 1.
• Lehmann, I. (1936) P’, Publ. Bur. Cent. Seismol. Int. Trav. Sci. Ser. A, 14, 87.
• Lehmann, I. (1987) Seismology in the days of old. EOS., Vol. 68,3.
• 龔慧貞，2015。談談「古氏」與「雷氏」不連續面。科學月刊 552 期。

本文轉載自震識：那些你想知道的震事，原文為《幫地球照一張 X 光 （II）地震學家如何用地震波了解地球構造?》，也歡迎追蹤粉絲頁震識：那些你想知道的震事了解更多地震事。

1987 年的一場佳士得拍賣會上，一本古書以五百四十萬美元的天價售出。甚麼樣的書如此價值連城？這是厚達 1,286 頁、分成上下兩冊，超過五百年歷史的聖經；首批印刷出版的一百八十本中，至今只有 49 本保存下來。它的價值不僅在於物以稀為貴，更重要的在於其歷史意義：這是西方歷史上首次以活版印刷出版 的書，標誌了西方文明進展的一個轉捩點——由德國出版商古騰堡（Johannes Gutenberg, 1398–1486）開啟的「古騰堡革命」。

在古騰堡發明活版印刷術之前，雖然就已經有木刻印刷，但主要是用來印製版畫，而非書籍，畢竟要一頁一頁的刻製出密密麻麻的字實在是工程浩大、曠日廢時。書籍的製作仍是靠人工一字一字的抄寫，因此數量有限又價格昂貴，只有富人、教會與大學有能力擁有書籍，一般人根本一書難求。知識掌握在少數人手上，無法廣為散布流傳，人類文明的進展自然就停滯不前。

古騰堡倒不是先天下之憂而憂才投入印刷業，他只是看出這是一門生意。出身金屬加工業的他想到利用鑄模的方式大量生產鉛字，如此只要根據書籍內容將鉛字排列妥當，就能大量印刷，製作書本又快又便宜，而且品質一致，絕不會有人工抄寫以致內容不一的問題。更棒的是，這些鉛字印完後都還能重複使用於印製其它書籍，出版商無須再耗費鉅資製版。

古騰堡不只光想出這點子，他找出最適當的合金比例，鑄造出堅固耐用的鉛字、發明油性印刷墨水、改變印刷方式、設計全新的印刷機。1455 年的今天，古騰堡用活版印刷術印製的第一批書出版問世——當然是聖經，因為市場需求最大。五十年內，歐洲超過 270 個城市都有印刷廠，印製了至少兩千萬本書，遠遠超過過去人類歷史所有書的數量。書本普及化後，識字率與教育程度也跟著提高，而柏拉圖、亞里斯多德、阿基米德、……等先哲的典籍與當代思想家的著作得以廣為流傳，更是促進了許多觀念革命。

雖然宋朝的畢昇比古騰堡還要早一百年就發明了活版印刷術，但知識的力量還是取決於內容本身，畢昇的發明無助於改變中國獨尊儒術的傳統，相對地，古騰堡的發明卻帶動了西方思潮的百花齊放，加速科學文明的進展。也難怪古騰堡屢屢在票選對文明進展影響最大的人物中名列前茅。

文／潘昌志｜「你地質系的？」不，但我待過地質所，而且還是海研所的碩士。無論在氣象局、小牛頓…都一樣熱愛地科與科普。現在從事試題研發工作，並持續在《地球故事書》、《泛科學》、《國語日報》等專欄分享地科的各種知識，想以科普寫作喚醒人們對地球的愛。

• 建議閱讀本文前，先稍微了解地震規模的一二事，或先讀過這篇：地震大小誰說了算？Part I：課本沒教的芮氏震規模

規模計算方法七十二變，變的原來是我們對地震與斷層的看法

記得我以前學到的知識是「地震規模只有一個」，我也一直都相信這件事。不過在接觸實務的地震定位和規模計算後，卻發現一件有趣的事，那就是「原來計算上的規模值可能不止一個！」由於當初在求地震規模時，使用的參數是儀器的最大振幅值，但因為每一個地震測站所在地的地質特性不一，而造成計算結果不同。而我們對地底下的地質變化了解的尺度其實頗為粗糙，所以要把結果不同的誤差完全修正，幾乎是不可能的。

這問題芮克特也是有想過的，但規模是用來描述地震本身的大小，定義上本來也只能有一個值，所以求出震源位置、計算規模時，實務上會把各地測站求得的規模值作平均，這也是為什麼地震規模只會到小數點後一位，因為精度是有限的。以現今的地震站密度以及我們對地下構造的了解，大多時候如果增加了數個測站後，還需要修正的地震規模值，大概頂多只差個 0.1、0.2 左右，所以下次你看到事後有修正規模值或是不同單位的結果不同，也不需要太意外了！

從前從前，芮氏規模背後有個偉大的男人

在之前的文章《地震大小誰說了算？Part I：課本沒教的芮氏震規模》中，有提到了最早設計規模的人是芮克特和古騰堡，好像我們都忘了後面那位厲害的科學家，連名字都忘了放上去，但他其實也做了某程度的貢獻。他和芮克特發現芮氏規模會有「飽合」的問題，簡單來說就是明明規模應該是遠大於 6.0 很多的地震，用芮氏規模的計算方式，怎麼樣都只有 6.0 ~ 6.5 不等。

（以下為對白部分純屬想像，不代表真實故事）

「這其中一定是有什麼誤會！」古騰堡表示。

「這很麻煩，其實扣除那些大地震，我們的方法還是很好用啊！」芮克特不想改變這套計算系統。

「不然，我們調整一下做法好了，看能不能調整公式，或是把不同類型的波分別處理（文末註 1）？」

所以後來古騰堡又發明了不同規模的計算方式，包括只利用實體波（P 波、S 波）的「體波規模」mb，還有另一種專門可以用在大地震上的「表面波規模」Ms，正好銜接上原先規模的計算上限。

所以最後我們現今常用的芮氏規模之所以可以算出大於規模 7 的值，也是因為後來古騰堡改良了原先規模太大會達飽和的問題。而與其說我們的規模是用芮氏規模，不如說它是「近震規模」，其標示 M_L 的下標 L，本來就是指 local magnitude 的意思！

但是，其實問題還是沒有完全解決呢！

不懂規模「飽和」的原因？想像一下放屁吧！

對於超大型等級的大地震（規模 8、9 以上的地震，像 2011 年東日本大地震、2004 蘇門答臘地震）的「近震規模」，即使有了表面波規模的加持，但終究還是出現「飽和」的情況，這其實反映了我們看待地震的問題。

以現今的科學角度來看，近震規模的計算方式其實有盲點。大多時候，斷層錯動釋放能量引發地震時，往往會發生在很快的一瞬間，但是斷層的尺度一旦變得很大時，那一瞬間有可能會變得相對久得多。用一個稍微不衛生但相對好懂的例子：我們用不同的工具來測量「誰放的屁較大」時，便會有不同的結果。

我們先試想兩種放屁的情境：

1、在 1 秒之內放了一個響屁。

2、花 10 秒時間緩慢的放了一連串的屁，最大音量和前者接近。

如果我們僅只測量屁聲的音量來評斷屁的大小，第 2 種情況產生的屁量「容積」雖較大，但因為屁聲的分貝數相近，所以會發生低估屁量的情況。

所以，近震規模之所以飽和，代表的就是它沒辦法正確且完整的測量斷層錯動引發地震所釋放的能量。芮氏規模的計算方式僅計得了最大規模，但斷層的錯動時間可能很快，也很可能很慢，在《震識》網站上的「潛移斷層」介紹文中，提到了斷層錯動甚至可以慢到不會發生地震。

如果所有的斷層面只是在一瞬間（數秒鐘左右）滑動，那麼用地震波最大振幅來估算，應該不會有太大問題，可這種情況多半只發生在規模較小的地震。當地震大到 8.0 以上，滑動就有可能花上很長的時間，近代最極致的例子，就是 2004 年蘇門答臘 Mw = 9.3 的地震，整條斷層錯動的時間花了將近 10 分鐘。至於最近一次超過規模 9 的 311 東日本大地震（Mw = 9.1），斷層錯動的時間也超過 3 分鐘，這已經算是非常快的滑動速度了！

金森博雄教授發明的「震矩規模」

要說明解決地震規模的新發明「震矩規模」，就不得不提它的創立者，就是加州理工學院的金森博雄教授（Hiroo Kanamori，金森教授同是本站催生者馬國鳳教授的指導教授，對阿樹來說是「老師的老師」輩了XD）。金森博雄用了我們國中都稍微接觸過的物理意義來解決這個問題：斷層做的「功」，就是地震釋放的能量。

而金森博雄在計算地震能量時，便創立了一個新單位：「地震矩」，利用斷層的滑動量、斷層的面積和斷層面的特性（剛性係數）這三個參數算出來。由這三個參數算出的「地震矩」，一般會以 Mo 表示，它雖然像是「力矩」的概念，但也相當於地震釋放的能量。（見文末註 2）

怕大家看了不熟悉的公式害怕，細節可以參考「地震矩」（Earthquake Glossary），在此就不贅述。對於細節還更有興趣的話，可能就要看當年發表的文章一和文章二了（但要付費下載）。

這三個參數或是其計算結果的「地震矩」要怎麼得到呢？大地震後的地表變形，讓我們知道斷層的長度、錯動的程度和地表變形的範圍，而大地震過後的餘震也能告訴我們地底下斷層面可能的分布情形，再加上一些地震波形藏的資訊，這些都能幫我們估出地震矩。但受限於科技，早期的地震儀就像是比較低階的錄音機，能記下的震波有限，直至寬頻地震儀的問世（1988 年），我們「錄製」地震的波形能力大幅提升，現在也能藉由地震波直接估算出震矩，只要有「完整的地震波形」，就能算出地震的總能量。

不過 Mo 的值既然是代表地震的總能量，那麼可想而知其值非常大，不過這個問題芮克特和古騰堡早就已經解決了，用對數（取 log 值）的方式來建立公式就可以讓它的標示單純化。說到這，阿樹也不禁感慨，原來當初念書時學的微積分、工程數學真的是有用處的啊！（笑）

不同規模間的差異該怎麼辦？說清楚就好

用震矩規模的方式來計算並描述地震，既不會有飽合，小地震也都能套用，可以說是「更先進」的計算方法。但也因為它是完整的計算能量，和其它的規模計算方法間的轉換就不太好作換算，因為不同的規模的計算方法已經不是在算同樣的參數了，自然無法容易轉換。在震矩規模開始發展以前所使用的那些近震規模，就難以再轉換回來，這樣在統計過去的地震規模時，就會有單位使用不一致的情形，所以其實蠻多地區的監測單位仍使用近震（芮氏）規模來描述地震。

或許有人會認為「既然有個更先進的方式，為什麼還要用比較舊而且有缺點的方法？」不過就像前面提到的，以長期地震紀錄來看，兩者並行或許是更好的方式，當然我們現在也已經在做了，只是中央氣象局公告的資料還是以芮氏規模為主。

附帶一提，有些時候，震矩規模和芮氏規模計算結果的「差異」，也透露了一些科學訊息。有一種「慢地震」，顧名思義就是滑移速度較慢的地震，如果它的斷層類型是正斷層或逆斷層，又發生在海底時，斷層錯動造成的大規模海水波動，有可能引發大海嘯。從前面提到的計算原理來看，正因為慢地震的滑移的速度較慢，往往會讓儀器收到的振幅較小，芮氏規模因而較為低估，因此當我們發現兩者的差異很大，且又發生在海底時，就要特別當心這現象。

這樣看來，或許地震矩規模有它「先進」的地方，但並不代表芮氏規模就「不好」，畢竟芮克特和古騰堡將地震的能量計算回歸地震波形，並用對數的方式做處理表示，已經是一個劃時代的做法。而金森博雄教授再進一步的量化方式，讓我們更了解地震發生過程和能量釋放的方式，又讓地震科學再更上一層樓。我想對人們來說，只要清楚知道自己用的是什麼單位即可，就像計算容積時用「公升」還是「加侖」都行，只要講清楚、說明白，方是科學之道！

• 註 1：地震波主要可分實體波和表面波，實體波即為 P 波、S 波，代表能穿透的震波，而表面波則是在介面（地表也是一種介面）上傳播，依運動方式不同包括雷利波和洛夫波，分類細節請參考氣象局地震百問。
• 註 2：如果忘記「功」是什麼，可以重新翻開國中自然課本，裡面有個 W = F x S 的公式，即「功」=「作用力」乘上「作用的距離」，譬如提重物走一層樓，作用距離就是一層樓的高度。不過，斷層是個塊體相對運動，另一個公式可能更能說明斷層上的情況，那就是力矩的公式：L = F x D，即「力矩」=「力」乘上「力臂」。

本文原發表於《震識：那些你想知道的震事》部落格，歡迎加入他們的粉絲專頁持續關注。將會得到最科學前緣的地震時事、最淺顯易懂的地震知識、還有最貼近人心的地震故事。

參考資料：

1. USGS Earthquake Glossary(web)：seismic moment
2. Lee S. J., 2011, Rupture process of the 2011 Tohoku-Oki earthquake based upon joint source inversion of teleseismic and GPS data; Terr. Atmos. Ocean Sci. 23 1–7.

延伸閱讀：

• 地震規模變變變？（泛科學）
• 為何地震規模常會一修再修？（Geosory）
• 地震！規模二三事（科學人雜誌）