冷凍食物比不新鮮的食物營養高

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／Evelyn 食品技師

每年農曆春節，到以辦年貨聞名的迪化街走一遭，可見南北雜貨行裡琳瑯滿目的海鮮乾貨，如魷魚乾、干貝、魚翅、乾鮑魚、昆布、魚乾或蝦米等，都是年節珍饈少不了的海味。

而說到乾貨，不禁聯想到動畫《中華一番》小當家為了拯救中毒的及第師父和嘟嘟，與下毒者面具廚師李嚴進行了一場攸關生死的料理對決──龍蝦三爭霸，第三回合比的便是龍蝦砂鍋料理。

李嚴用放了 16 年堪稱鮮味超濃縮的「頂級乾貨」作為湯底素材，包括鮑魚、魚翅、扇貝和海膽等做出海龍鍋，對上小當家用山菜做的四川家鄉味寶山飛龍鍋，然而李嚴終究還是不敵主角光環而不幸落敗。

為何用乾貨做料理，鮮味會如此濃郁呢？在這鮮美的乾貨背後，還隱藏了什麼危機？

連小當家都驚呼的高級素材「海鮮乾貨」濃郁鮮味怎麼來？

海鮮乾貨的鮮味之所以如此濃郁，是因為水產品原本擁有的呈味物質眾多，尤其游離胺基酸的含量非常豐富。一般親水性胺基酸提供食品良好風味，如甜味、鮮味及肉味等；不良風味係由疏水性胺基酸所提供，如苦味。

麩胺酸（glutamic acid）為水產品的主要鮮味來源，以鈉鹽的形式存在，就是具有強烈鮮味的物質，即所謂的「味精」。其次為肌苷酸（inosine 5 ́-monophosphate; IMP），不但可提供鮮味，亦可使味道帶有圓潤感，並抑制酸味及苦味，具有緩衝風味的效果。這兩者共存還具有加乘作用，能使食品風味更加鮮美。

在水產品中，通常各自有某些胺基酸為其味道的主要特徵，如蝦是甘胺酸（glycine），海膽是甲硫胺酸（methionine）；丙胺酸（alanine）和甘胺酸是甜味來源，這兩者在貝類及甲殼類含量最多，可能是味道較魚類鮮甜的原因。

因此海鮮經過乾燥這個脫水程序後，使味道更顯濃縮，也能釋放更多上述的呈味物質，在料理上便能發揮很好的調味效果。這些豐富的呈味物質是蔬菜所沒有的，甚至連畜產動物都沒這麼多，所以筆者認為李嚴用海鮮乾貨做的海龍鍋，怎麼可以輸給小當家用蔬菜做的寶山飛龍鍋呢？！  

炒米粉或肉粽都愛用的「蝦米」在 40 年前曾爆發食安危機？！

海鮮乾貨除了動畫愛用，臺灣民眾最常用的乾貨就非「蝦米」莫屬了，在年菜、炒米粉、廣東粥或肉粽等料理都十分常見。然而在 40 年前的臺灣，蝦米就曾爆發食安危機。

根據行政院農業委員會水產試驗所（以下簡稱水試所）的調查報告^[3]，民國 70 年傳出蝦米含螢光增白劑的消息，引起國內軒然大波。

螢光增白劑係利用化學物質的螢光反應，改變物品顏色使其潔白鮮豔，一般用在造紙、印染、洗滌，不得用於食品或食品的容器或包裝（跟食品有接觸的部分）。另外經許多研究證實，螢光增白劑無致癌性，惟對嬰兒、皮膚敏感者可能會造成皮膚過敏等症狀。

當年水試所立即對國內的蝦乾製品進行調查，幸好結果顯示全數皆不含螢光增白劑，也發現添加螢光增白劑對於蝦乾的色澤不但沒有改進的效果，反而還變差。

筆者推測因為蝦類本身的甲殼素，在紫外光燈（365 nm）下有螢光反應^{[註 1]}，被誤認為是含有螢光增白劑，才會傳出不實的資訊，但實際上「有螢光反應」並不等於該物質「含有螢光增白劑」。 

該起事件會如此一發不可收拾，是因當時國內蝦乾皆是以「散裝」的形式出售，不但容易受到污染，消費者亦無法辨識產品來源，一旦發生問題，整個加工業都遭殃，連帶漁民也蒙受無妄之災。

若各家廠商能以適當的小包裝密封供應，並在包裝外註明商號及來源，發生問題時比較容易調查或追究原因，可避免全體受責。

鮮蝦或蝦乾容易發生漂白劑殘留超標的問題

2016 年曾發生蝦子添加過量亞硫酸鹽類（sulfite; SO₃^2-），導致二氧化硫殘留量超標的事件，是因為蝦子死亡後，體內的酵素會催化酪胺酸（tyrosine）代謝產生黑色素，使蝦體（特別是頭部）表面產生「黑變」的現象，易使消費者誤認為產品不新鮮了。

而亞硫酸鹽類會反應產生二氧化硫（sulphur dioxide; SO₂），二氧化硫與水反應後轉變為亞硫酸（sulfurous acid; H₂SO₃），其具強還原性，在食品中能抑制該酵素活性作用，進而防止蝦子黑變發生。

目前亞硫酸鹽類是合法的食品添加物，具有漂白、保存、防止氧化之功能，法規規定其殘留量（以二氧化硫計）在蝦類、貝類的限量為 0.1g/kg 以下。

雖然二氧化硫在限量標準內是不必擔心，且人體內具有可以代謝的酵素，可隨著尿液排出體外，但對某些特殊體質者而言，有可能會引起哮喘等呼吸道過敏反應，必須注意。

除了糖果、零食外，海鮮乾貨也常添加人工合成的著色劑

著色劑泛指添加於食品、飲料或其他應用而產生顏色之物質。由於消費者主觀的認知，著色劑常應用於回復加工過程中損失的顏色、改變食品外觀及提升整體感官品質。

根據國立臺灣海洋大學近期研究^[7]，針對國內各地區市場中販售的魚乾、魚卵及蝦米進行檢驗，結果發現三者皆有檢出著色劑，包含：

• 食用黃色四號 tartrazine（俗稱檸檬黃）
• 食用黃色五號 sunset yellow FCF（俗稱日落黃）
• 食用紅色六號 ponceau 4R
• 食用紅色四十號 allura red AC

以上為合法食用的人工合成著色劑，然而魚卵和蝦米還檢出非法用於食用的著色劑，分別為酸性橙 7（orange II）和偶氮玉紅（azorubine），其中偶氮玉紅在我國雖非法，但在歐盟、日本或美國卻是合法著色劑，易因規範不同而造成違法事件，也凸顯出目前非法著色劑濫用問題仍然存在。

有研究指出，若長期食用這些合成著色劑可能會造成消化不良、貧血、過敏反應、生長遲緩及學齡前兒童過動症等健康危害。

值得注意的是，目前我國法規合法使用的著色劑，皆可於各類食品中視實際需要適量使用，並無最大使用量限制。但這些著色劑毒性很低微，也尚未有那些著色劑對人體直接有害的證據，是不需過於擔憂，比較需要擔心的是不肖業者添加了非法著色劑的風險。 

建議購買包裝標示清楚、完整的乾貨產品，並注意保存方式避免發霉

雖然法規規定上述的食品添加物一定要在包裝上標示，但對於一些散裝、來路不明的乾貨來說，可能就沒有標示可讀了，這就是一大風險！所以建議消費者盡量購買包裝標示清楚且完整的產品。

另外由於台灣氣候濕度高，乾貨可能會有發霉的疑慮，購買乾貨一定要確實密封好，並保存在陰涼乾燥處，能冷藏、冷凍更佳，也不建議購買像李嚴那種放了 16 年的乾貨喔！（他保存在甕裡都不會壞，筆者覺得害怕…）

註解

1. 螢光反應：物質受到紫外線照射時，其中某些化學鍵被紫外線激發，而轉換成肉眼可見的可見光釋出，這就稱為「螢光反應」，如植物的葉綠素或蝦蟹的甲殼素，在紫外光照射下都會有該反應。

1. Muse 木棉花，2021。中華一番（舊版小當家）第 26 話【致勝王牌！輕狂的惡魔】。
2. 黃宛儀，2014。探討臺灣產褐臭肚魚（Siganus fuscescens）及其加工品於不同季節、地域之呈味成分與鮮度變化。國立臺灣海洋大學食品科學所碩士學位論文。基隆。
3. 陳聰松、黃文政、鄭溪潭，1981。台灣地區蝦乾螢光物質調查。行政院農業委員會水產試驗所 33: 429-440。
4. 新北市政府衛生局。螢光增白劑。
5. 陳建元，2018。食用食物添加物（五版）。臺中市：華格那出版有限公司。
6. 衛生福利部食品藥物管理署，2017。食品添加物使用範圍及限量暨規格標準。衛生福利部，台北市。
7. 賴昱維，2018。高效液相層析搭配二極體陣列檢測器與四極軸軌道捕捉式質譜儀多重分析魚乾、魚卵及蝦米中 23 種人工合成著色劑。國立臺灣海洋大學食品科學所碩士學位論文。基隆。

藍色食物在世界上愈來愈重要

2020 年新冠肺炎疫情蔓延全球，聯合國世界糧食計劃署 (World Food Program; WFP) 指出，疫情造成糧食缺乏的人口倍增，由 2019 年的 1.35 億人暴增至 2.7 億人。封城防疫措施打亂全球供應鏈，貿易保護主義抬頭與食物運輸、加工中斷，使得全球糧食危機惡化。

除了各國衝突及經濟衰退之外，糧食系統佔了所有溫室氣體排放量的四分之一，氣候變異使全球生物多樣性逐漸喪失。故世界各國普遍認識到現今糧食系統需要轉型，如何建立健康、公平且具永續性的糧食系統逐漸受到重視。

今年年中，藍色食物評估 (Blue Food Assessment；BFA) 正式成立，由全球超過 25 個科學機構中 100 多名科學家聯合倡議，旨在研究「藍色食物」在未來糧食系統中所扮演之重要角色，提供相關政策資訊並推動變革，以促進健康、公平及具永續性的糧食系統。

什麼是藍色食物？

藍色食物，即水產 (海鮮) 食品，包括在淡水和海洋環境中培育或捕獲的水生動物、植物和藻類。其具多樣化、高營養價值、環境永續性，以及符合公平交易原則等特性，在糧食系統中相較於陸生食物更具極大的潛力。

水產食品成分資料庫 (Aquatic Foods Composition Database; AFCD) 分析將近 4,000 種水生動物食品所含之數百種營養素，結果如下圖「水生動物食品與陸生動物食品的營養多樣性」比較所示，藍色 (水生動物) 或綠色 (陸生動物) 方塊的顏色愈深，代表每 100 克食物所含之營養素愈高，包括礦物質 (鈣、鐵、銅、鋅)、維生素 (A、B12) 與脂肪酸 (DHA 和 EPA)。

圖由上至下為按食物營養豐富度 (food nutrient richness) 排序，評估標準為每 100 克食物所含之各種營養素濃度與該營養素每日建議攝取量^[註1]之比值，可見營養豐富的動物源性食品的前 7 類都是藍色食物，包括遠洋魚類、二枚貝類和鮭魚等。

藍色食物，營養價值超群！

相較於陸生動物食品，藍色食物更具備許多優勢與潛力，分析如下。

ㄧ、藍色食物是補充不飽和脂肪酸的優質來源

在魚脂肪中，特別是脂肪含量較高的鰻魚、秋刀魚、鯖魚、鮭魚或鮪魚等，含有大量不飽和脂肪酸，以二十碳五烯酸 (eicosapentaenoic acid; EPA) 和二十二碳六烯酸 (docosahexaenoic acid; DHA) 最受大眾注目，EPA 是前列腺素 (prostaglandin) 的前驅物之一，有抑制血漿凝固的作用；DHA 是大腦、視網膜及神經中含量最高的脂肪酸。

同時這些不飽和脂肪酸可降低血液中中性脂肪的含量及膽固醇濃度，對降低罹患心血管疾病的風險可能有助益。然而他們身為必需脂肪酸，人體無法自行合成，須額外靠飲食攝取。雖然陸生動物的脂肪含量高，卻以飽和脂肪酸居多，而藍色食物的脂肪含量較低卻含豐富的不飽和脂肪酸，是他們得天獨厚的優勢。

二、藍色食物具填補營養不良缺口的潛力

全球大約有 30% 的人口 (約 23 億人) 的飲食中至少缺乏一種微量營養素 (如鐵、鋅、鈣、碘、維生素 A、B12 或 D 等)，大多集中在收入不高的開發中國家，如位於非洲的查德、尚比亞和史瓦濟蘭；位於亞洲的印度、印尼和越南；位於美洲的巴西和墨西哥等。尤其兒童、婦女及老人影響更為顯著，每年約有 100 萬人因此而死亡。

藍色食物除了富含上述的不飽和脂肪酸之外，蛋白質與微量營養素也十分可觀。魚類蛋白質約 18～20%，其組成與家畜類相似，為完全蛋白質^[註2]；所有藍色食物含豐富的維生素 B1、B2 及菸鹼酸，高脂含量的魚為維生素 A、D 的良好來源，另外魚類所含的鈣、磷、鐵也很豐富，海水魚更含有碘，牡蠣則為碘、銅及鋅的良好來源。故同樣吃 100 克的陸生動物食品，吃 100 克的水生動物食品可獲取更多的營養素，相較之下藍色食物更具有效填補營養缺口之潛力。

三、藍色食物可減少肉類及其加工食品的攝入量

根據 BFA 圖二的研究，模擬 2030 年紅肉、家禽、雞蛋和乳製品等各蛋白質來源食物的消費狀況，圖內量化的值為「各類食物消費量於生產量高時之百分比」與「各類食物消費量於基本生產量時之百分比」的差，差若大於零，表示在高產量情景下消費量更高，差若小於零則反之。

可觀察到中國、印度、菲律賓、美國和加拿大等北半球地區，藍色食物消費量會隨產量增加而增加；而紅肉、家禽、雞蛋和乳製品等產量雖然增加但消費量卻無隨之增加，南半球地區藍色食物消費量的影響則不顯著。故藍色食物可減少紅肉或不太健康的加工肉類之消費，間接降低罹患高血壓、中風、心臟病、糖尿病、直腸癌或乳腺癌的風險。

藍色食物，能解決「營養不公平」的問題？

過去大部分的學者對藍色食物的營養價值常採取較狹隘的方法分析，會侷限於單一物種的熱量及蛋白質含量，沒有考慮到其必需的微量營養素與脂肪酸具有高生體可用率 (bioavailability)^[註3]。

雖然 BFA 已分析了藍色食物在微量營養素和脂肪酸對人類的許多益處，但研究仍有限，因只探討到魚肉的營養價值，其他像是魚油或魚皮等其他部位的營養價值仍待補充，所以實際上藍色食物所擁有的高營養價值潛力可能是被低估的。

研究也指出，藍色食物的產量增加可使價格約降低 26%，連帶使消費量增加，藍色食物消費量增加能大幅提高弱勢地區的婦女及女孩的營養素攝入量，不但為「營養公平」提供了一項可行的解決方法之外，還能減少弱勢地區微量營養素攝入不足的情況。

藍色食物的生產方式，對環境更加友善

在永續性最重要的環境議題方面，小型遠洋捕撈漁業、二枚貝類或海藻生產的溫室氣體排放量低於家禽和其他陸生動物食品。在水產養殖業中，傳統飼料是使用大豆生產，種植大豆需要砍伐森林，若改採高科技循環系統，由藻類或微生物製成的新型飼料，生產一磅魚所需的飼料量，可以減少原本高達 54% 的溫室氣體排放量。

故可將市場轉移到碳足跡較低的系統和物種去運作，使藍色食物對環境永續性發揮更大的收益。若遇到氣候變遷、流行病盛行或其他問題的時候，藍色食物更具有提供糧食安全和糧食系統恢復能力的重要可能性。

在全球的未來，藍色食物勢在必行

藍色食物，不管是物種或營養素皆具有高度多樣化、營養價值高、公平且經濟，更重要的是對環境友善具永續性。

一直以來，人們只針對肉類與植物飲食進行爭辯，而藍色食物這個巨大潛力股，在葷素之爭中徹底被忽視。

當然藍色食物不是靈丹妙藥，每個糧食系統都會面臨挑戰。但若全球要建立促進健康、公平及具永續性的糧食系統，勢必需要藍色食物的一大助力。

註解

• 註 1：每日建議攝取量 (recommended dietary allowance; RDA) 表示可滿足 97-98% 的健康人群每天所需要的營養素量。
• 註 2：蛋白質是由 20 種胺基酸組成，其中 11 種是非必需胺基酸，9 種是必需胺基酸，完全蛋白質指的就是含有「完整」9 種必需胺基酸的蛋白質，大部分都是來自動物。
• 註 3：生體可用率 (bioavailability)：在營養學上，表示食物與營養補充品中所含營養素的吸收程度；在藥物動力學上，指藥品有效成分由製劑中吸收進入全身血液循環或作用部位之速率 (rate) 與程度 (extent) 之指標。

• 1. 顏嘉南，2020。新冠疫情導致全球糧食危機惡化。中時新聞網，檢自https://www.chinatimes.com/realtimenews/20201007006321-260410?chdtv (Oct 26, 2021)
• 2. 黃佳慧，2017。全球糧食安全的進展與挑戰。行政院農業委員會。臺北。
• 3. Golden, C. D., Koehn, J. Z., Shepon, A., Passarelli, S., Free, C. M., Viana, D. F., Matthey, H., Eurich, J. G., Gephart, J. A. Fluet-Chouinard, E., Nyboer, E. A., Lynch, A. J., Kjellevold, M., Bromage, S., Charlebois, P., Barange, M., Vannuccini, S., Cao, L., Kleisner, K. M., Rimm, E. B., Danaei, G., DeSisto, C., Kelahan, H., Fiorella, K. J., Little, D. C., Allison, E. H., Fanzo, J. and Thilsted, S. H. Aquatic foods to nourish nations. Nature. 2021. 1-6.
• 4. 施明智，2013。食物學原理 (第三版)。新北市：藝軒圖書出版社。
• 5. 藍色食物評估 (The Blue Food Assessment) 官方網站：https://bluefood.earth