How to 找到可靠的抗體？做出可信賴的實驗

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

高 176 公分，重 57 公斤，身上多處刺青，雙臂有頻繁注射的疤痕。曾經是個毒蟲兼老菸槍的他，7 年前因持有並販賣毒品遭到判刑；如今，這名阿爾巴尼亞男子 30 歲了，依然被關在義大利米蘭的監獄裡。低安全等級的牢房，每間容得下兩個受刑人。最近前獄友刑期剛滿，床位尚且無人替補，所以過去二天他都獨自一人。長期低落的情緒缺乏出口，而他基於良好表現所獲得的特別待遇，也不過就是打掃飯廳的機會。^[1]

他勢必得用萬無一失的方法，脫離困境：用完餐後，穿著囚衣的他靜靜地躺下。當獄方打開房門，眼前竟是一具屍體。三天後，鑑識團隊奉命驗屍。^[1]

死者身上無明顯外傷，呼吸道也沒有阻塞。口腔與唇黏膜輕微充血（hyperaemia）；肺、肝以及腎臟鬱血（congestion）；^[註]而氣管與支氣管流著泛紅的黏液和血液。150 毫升的胃部內容物中，包含部份消化的帶皮植物性殘渣。此外，根據醫療紀錄，他生前患有氣喘，對花粉過敏，但平時沒有服用任何藥物。以上線索都不足以用來推論確切的死因。^[1]

該名阿爾巴尼亞受刑人的口袋裡，有一張手寫的字條提到「我受夠了」、「我過敏」，還有最重要的「我吃了已知能自殺的東西」。在與獄方既有的文件比對後，確認二者筆跡相符，確實為他親筆所寫。鑑識團隊做的血清分析，也證實他的 IgE 抗體濃度偏高。這就耐人尋味了：IgE 抗體是診斷過敏反應的指標。^[1]既然監獄中理論上沒有花粉，除非有人偷渡進來，不然就是死者還有不為人知的過敏原？

他生前最後一餐吃剩的桃子，擺在身旁。這一點和花粉過敏的病歷，給了鑑識團隊一個靈感，並決定朝此方向，縮小調查範圍：檢驗與桃子以及樺樹有關的特定 IgE 抗體。^[1]

花粉食物過敏症候群（pollen food allergy syndrome）是一種同時對特定花粉和食物過敏的毛病。^[2]其中樺樹果實症候群（birch-fruit syndrome）的意思，不是說吃了樺樹的翅果會出事，而是對樺樹花粉以及桃子、梨子、李子、蘋果、草莓、櫻桃、杏桃和杏仁等薔薇科（Rosaceae）的果實過敏。^[2-4]此症患者多半會在食用上述果實後的 5 至 15 分鐘內，出現發炎反應。^[3]不過，也不是每個對樺樹花粉過敏的人，都不能碰此類果實。樺樹果實症候群的盛行率，還有這兩種過敏原之間的關係，在各地差距甚大。比方說，美國有 75.9% 的樺樹花粉過敏者，吃蘋果也會產生症狀；丹麥 34%；而義大利只有 9%。^[4]為了預防發作，盡量避開這些果實是最簡單的作法。但有趣的是，其實果實只要被煮過了，例如：製成果醬，患者通常便可盡情享用，不會有事。^{[2, 3]}

話說回來，如果食用者是刻意藉此自殺，那存活率就看個人造化了。花粉食物過敏症候群所造成的症狀，一般侷限在食物觸碰到的範圍，例如：嘴巴、嘴唇、舌頭和喉嚨等部位，會腫脹或搔癢。^{[2, 5]}這些症狀大多不會維持太久，因此無需用藥治療。^[2]偏偏就有那麼倒楣的少數人，光是吃顆桃子，便會腹痛、腹瀉、嘔吐、氣喘、咳嗽，還有皮膚紅疹和眼皮浮腫；更誇張的話，甚至會血壓下降，並產生致命的休克現象。^[3]

最後，鑑識團隊從桃子和樺樹特定的 IgE 抗體濃度，確定這名阿爾巴尼亞囚犯應該是嚴重過敏患者。^[1]他在不會被及時搶救的狀況下，成功地吞桃自盡。

延伸閱讀

你知道你有可能對倉鼠或壁蝨過敏嗎？Alpha-gal 症候群會帶來什麼樣的過敏症狀呢？

備註

充血（hyperaemia）是發炎反應中，主動增加輸入的血液所致；而鬱血（congestion，又譯「被動充血」）則是減緩的回流，造成血液被動聚積。^[6]

1. Tambuzzi S, Gentile G, Boracchi M, et al. (2021) ‘Postmortem diagnostics of assumed suicidal food anaphylaxis in prison: a unique case of anaphylactic death due to peach ingestion’. Forensic Science, Medicine, and Pathology, 17, pp. 449–455.
2. ‘Pollen Food Allergy Syndrome’. (21 MAR 2019) American College of Allergy, Asthma & Immunology.
3. Manchester Academic Health Science Centre. (18 OCT 2006) ‘Allergy information for: Peach (Prunus persica)’. The University of Manchester.
4. Wang J. (2013) ‘Chapter 12 Oral Allergy Syndrome’. In Metcalfe DD, Sampson HA, Simon RA, Lack G (Eds.), Food Allergy: Adverse Reactions to Foods and Food Additives. John Wiley & Sons.
5. Kim JH, Kim SH, Park HW, et al. (2018) ‘Oral Allergy Syndrome in Birch Pollen-Sensitized Patients from a Korean University Hospital’. Journal of Korean Medical Science, 33 (33): e218.
6. López A, Martinson SA. (2017) ‘Chapter 9 – Respiratory System, Mediastinum, and Pleurae’. Pathologic Basis of Veterinary Disease (Sixth Edition), pp. 471-560.e1.

• 本文與台灣科技媒體中心合作，內文經泛科學改寫。
• 本文轉載整合自台灣科技媒體中心《Omicron 變種病毒記者會 會後新聞稿》、《Omicron 變種病毒研究綜整》、《研究「T 細胞免疫反應抵抗 Omicron 變種病毒」專家意見》
• 前兩篇資料更新至 2021 年 12 月 15 日、第三篇更新至 2022 年 1 月 13 日
• 完整文章請見上方連結

國內境外移入已出現變種病毒 Omicron 案例，引發國人擔憂。至去年 12 月中為止，我們僅略知 Omicron 會造成曾染疫者再次染疫的風險增加，不過，初次感染比率卻下降，而 Omicron 病毒的傳播力尚待研究證實。

另一方面，Omicron 變種病毒從去年底爆發全球疫情至今，大家最關注的就是新冠疫苗的保護力是否會因為 Omicron 病毒而失效。科學家在 2021 年底初步用施打疫苗的血清做測試，發現這些血清對 Omicron 病毒的抗體反應有下降；但台灣科技媒體中心綜整至今（2022）年陸續發布尚未同儕審核的預印本研究，發現人體由疫苗或感染病毒獲得的 T 細胞免疫反應，並沒有因為 Omicron 變種病毒而受到太大的影響，表示人體過去打疫苗或受新冠病毒感染後，仍帶有一定程度的保護力。

「台灣科技媒體中心」彙整 Omicron 相關科學文獻，提供國人參考，增加對最新變種病毒的認識。

Omicron 從哪來？這次變種有什麼特徵？

Omicron 變種病毒在 2021 年 11 月 26 日，由 WHO 正式命名。科學家觀察 Omicron 的序列時發現，它與之前的變種病毒相較，突變位置的數量最多。造成全球大流行的 Beta 和 Delta 病毒，改變棘蛋白功能的突變分別是 10 個和 9 個，而 Omicron 有 36 個，這是引起科學家們擔憂的最主要原因。

研究發現，Omicron 病毒在南非，「再感染」的風險增加，但這並不能說明是因為 Omicron 病毒的傳播力變強。南非流行病模擬暨分析中心（SACEMA）於 12 月 2 日，發表尚未經同儕審核的研究，根據 11 月 1 日至 27 日間的數據指出，南非當地曾經感染新冠病毒者，又再感染 Omicron 病毒的風險較高。推測應是從自然感染新冠病毒獲得的免疫力，對抗 Omicron 的效果下降。該研究提醒，雖然再感染率上升，初次感染比率卻下降，研究無法回答再感染率增加的原因，也無法說明 Omicron 免疫逃脫的程度。

南非國家傳染病研究所（NICD）病毒學家潘妮．摩爾（Penny Moore）認為，南非的新冠疫苗覆蓋率較低，再感染率高，所以關鍵在於感染後的症狀與重症程度。雖然目前 Omicron 在南非案例增加快速，但在英國主要流行的變種病毒還是 Delta，因此很難從案例數字看出 Omicron 的傳播狀況。

Omicron 會讓疫苗失效嗎？

目前科學家是依據觀察抗體量，來判斷疫苗的作用，而其中的原理，長庚大學臨床醫學研究所教授顧正崙說明：在對抗致病性微生物的戰爭中，後天免疫系統由 B 細胞產生的抗體與 T 細胞的細胞免疫，組成兩個交叉火網。新冠疫苗可以誘發 B 細胞產生抗體，抗體主要中和病毒預防感染。

Omicron 由於在棘蛋白上有高達 30 個以上的突變，由疫苗誘發中和抗體的能力對 Omicron 的結合能力下降，這點也在大量的體外抗體中和實驗中所證實，解釋為什麼接受過疫苗的人仍會被 Omicron 感染；尤其是 AZ 疫苗這種抗體誘發抗體能力較低的疫苗，幾乎沒有辦法有效預防感染。

國立陽明交通大學微生物及免疫研究所退休教授 黃麗華 也說明，相反的，T 細胞辨識的不是棘蛋白結構，而是呈現在細胞表面上的小片段蛋白質（約 10~24 個胺基酸）。棘蛋白中，約估有數十條小片段可被呈現在細胞表面，可被輔助型及殺手型 T 細胞所辨識。

Omicron 病毒在棘蛋白上雖然有 30 多個突變點，但其中可能影響T細胞功能的分別只有 28% （輔助型 T 細胞）及 14% （毒殺型 T 細胞）而已。換言之，絕大部分因疫苗引發的 T 細胞仍可充分辨識被 Omicron 病毒感染的細胞、並且將之清除。T 細胞反應沒有因 Omicron 病毒而受到太大的影響。（但若未來突變持續增加，呈現在細胞表面上的小片段蛋白質受到更多影響時，T 細胞反應有可能也會隨之降低。）

這樣的研究也解釋了為什麼 Omicron 病毒雖然能造成接受疫苗後的人得到突破性感染，造成感染人數大幅上升，但是由於 T 細胞免疫還是能有效對抗感染，比起未接種疫苗者，這些確診者多為輕症或無症狀。

我應該接種第三劑疫苗嗎？第三劑如何挑選？

中興大學獸醫病理生物學研究所所長吳弘毅 指出，Omicron 會快速流行有許多原因，例如南非疫苗覆蓋率低，各國的防疫措施不同也是影響的重要因素。而判斷 Omicron 影響疫苗效果的關鍵在於，疫苗是何時施打的，因為較早施打疫苗者產生的抗體會逐漸下降。國內病毒專家施信如 則表示，台灣現在的相對優勢是，大多數人最近已施打完第二劑，保護力較高。

但兩人皆認為，提高現階段的保護力，國內最早施打疫苗的第一線人員與高齡老人，可加打第三劑作好保護、提升抗體濃度。另外，較早施打 AZ 疫苗的人，也需要盡快打第三劑。

在第三劑挑選上，施信如說明，AZ 疫苗是利用「腺病毒載體」，免疫系統再次辨認腺病毒時容易消滅疫苗載體，而減低 AZ 疫苗的效果，可能不適合作為第三劑。反過來說，原先打 mRNA 疫苗的，可以第三劑再打 AZ 疫苗，也應該考慮其他種類和品牌的疫苗，包含 Medigen（高端）與 Novavax，蛋白質疫苗也可以是很好的選擇，而不是僅限 AZ、BNT 和莫德納。

此外她也提醒，疫苗施打策略應該考量全球疫苗的整體覆蓋率，富國可以一直補打第三劑疫苗，但這次 Omicron 疫情來自的非洲，相對之下較沒有量能施打第三劑，應要趕緊提升其他各國（窮國）第二劑疫苗的施打率，並持續關注這些疫苗覆蓋率低的國家的病毒變異。

吳弘毅則表示，以整體來看，未來，我們可能需要如同流行性感冒疫苗一樣，每年固定的月份同時補打新冠疫苗，讓全球的抗體或免疫能力同步。

Omicron 的研究還在進行中

有關 Omicron 的突變對傳播力、各廠牌疫苗的影響，以及感染後的情況，科學證據都還在累積當中。「台灣科技媒體中心」強調，目前應有效評斷最新研究證據的可信度與推論程度，國人不宜在未有足夠證據的狀況下，急於做出對於 Omicron 病毒的評判。

施信如與吳弘毅也表示，從現在 Omicron 有限的資料來看，Omicron 是否會對台灣造成嚴重影響仍未知，必須考量台灣的疫苗覆蓋率、防疫策略以及醫療量能。同時，台灣也須嚴密監測各國 Omicron 的疫情狀況和最新研究，以協助政府進行政策判斷。至於一般民眾則需有心理準備，防疫是長期的工作，勤洗手和戴口罩仍然是最重要的防疫基本方式，如此才能盡量降低接觸病毒的量。