失根的華新街住民，萃出新北中和的緬甸茶香味——《臺灣史上的小人物大有事》

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

「他們沒有問我性別，認為寫走私的就是男性吧，在論文刊出首頁用『His Mailing address…』來標註我的聯絡方式。」

如同這樣的性別刻板印象，投入邊境研究也是一個不斷突破刻板印象的歷程。

孤軍以外消聲的生命故事

1992 年，張雯勤隻身在泰北旅行，偶然到了泰緬邊境的一個村子，那裡正是臺灣媒體經常報導的泰北難民村之一。

這段歷史得追溯到 1950 年初。當時，一批一千多人的國軍殘餘部隊，在雲南節節敗退後進入緬甸撣邦，抵達與泰國為鄰的大其力。經過集結、招兵買馬，1951 年這批重整的軍隊在撣邦勐撒成立了「雲南反共救國軍」。其後的故事即是一般人所熟知的「異域孤軍」戰史——經歷兩次撤台，部分軍隊落腳泰北邊境，當地人稱作「國民黨村」。

然而，在被歌泣的男性化、黨國化歷史背後，隱藏著邊區遊移政治與無數難民的生活史。

最初，張雯勤帶著既定印象從孤軍將領訪談，研究這些「雲南移民」。但在村子住了大半年，她發現日常接觸的並不是將官，反倒都是大爹、大媽、大嬸、大叔這樣的平常百姓。「臺灣報導裡全是忠貞愛國、異域求生的孤軍，這些普通人完全沒聲音，但他們的生命故事非常豐富。」

於是，張雯勤用了兩年，走訪二十四個邊境村落，此後又一路延展到緬甸，展開二十多年以平民為視角的邊境研究。

越界流動，是歷史上的邊境常態

自古以來，從雲南、緬甸至泰北即常有大批人口來來回回遷移，多元族群交織著不同政治勢力，在這塊廣衾的土地上脈動著爭戰、交易營生、多元文化的習作與交流。1949 年因國共內戰及往後二十多年中國政治運動，造成大規模跨境遷徙。

在 1961 年「二撤」之前，留在緬甸的國民黨軍隊主要有五支，其中三軍和五軍最終沒有撤回臺灣，集結於泰北。1970、80年代，他們協助泰國政府剿滅泰共，爾後取得泰國國籍定居當地。

然而在這些「國民黨村」裡，軍人只是一部分，大部分其實是跟著軍隊逃難的眷屬及一般難民。邊境村落或周遭，包含有雲南漢人、雲南穆斯林、阿卡族、佤族、儸黑、傈僳人等各式族群，彼此用不同語言交流。「我很佩服這些大媽，買賣東西的時候，遇到阿卡人，就講阿卡話，遇到百夷人，就講百夷話。」張雯勤說。

平民耕地、做小生意謀生，撤退至緬泰的國民黨軍隊也亦商亦軍，軍隊找商隊馱運物資，商人仰賴武裝保護。對於難民來說，同樣如此，軍隊既保護也剝削他們。於此同時，帶兵的軍官也利用騾馬往返泰緬馱運「黑金」——大煙（生鴉片）。

刀片上是老闆的，刀片下是我們自己的

從我們社會的眼光來看，毒品似乎萬惡不赦，但回歸到當地生活脈絡，這只是平民百姓的一種生計。許多人歷經顛沛流離，沒有身分、沒有錢，最重要的目標皆為了「努力活下來」。毒品、走私因而成為邊境的生存日常。

「他們的童年記憶裡，從小就生活在大片大片的罌粟花田。爺爺躺在蚊帳裡抽煙，但不是每個人都能抽大煙，只有老人家有權利，年輕人頂多是工作累了，抽個幾口。」

現實中備嘗艱辛的生活，經過記憶轉化後的敘事卻呈現出一種近乎迷人的日常：罌粟花很美，年輕人為雇主做工「刮煙」，一邊刮一邊唱歌。罌粟一顆一顆，用刀子劃下去，汁液才會跑出來。劃也不是亂劃，有一定技巧。劃完以後，白色的汁液流出，不能馬上去刮，隔天凝結成暗褐色，才能用一把彎彎的刀刮下來，在刀片上慢慢累積，就成了生鴉片。

「他們說，刀片上是老闆的，刀片下就是我們自己的。」因為汁液大部分留在刀片上，少量落在刀片下，一點點攢起來可以賣錢，這也是一種酬勞的給付方式。

毒品議題龐大而複雜，牽涉跨國政治、經濟與利益集團的輸送角力，甚至不乏國家政府涉入其中；但從底層百姓的角度，罌粟田是人們熟悉的生活記憶，採大煙是從小到大的日常勞作。

對張雯勤來說，這也正是邊境研究的重要關懷，在傳統國家中心的分析視角外，看見每個真實的個別生命。她擅於採用敘事書寫方式，爬梳自 1949 年以後，雲南移民從中國西南逃難到緬甸，部份移民又從緬甸遷居他國的歷史，以及他們從事的耕作和跨境商貿。

這些人的生命和動亂時代交織在一起，相對邊緣不被看見，他們怎麼面對生命處境，掙扎、奮鬥、存活下來？我要做的，就是用說故事的方式書寫出來。

民間「影子經濟」：馬幫到摩托車車隊

除了戰事逃難，經濟營生也讓跨境成為邊界常態。雲南多高山，長途經濟活動必須依靠騾馬。由於在山上形單影隻不安全，容易遇到強盜劫匪，商人便集結起來形成了馬幫，這是自古中國西南獨特的商隊組織。

張雯勤提到，1962 年尼溫軍政府上台，隨後實行國有化經濟體制，嚴厲禁止人民自由行動與私有交易，造成緬甸經濟迅速崩解，大量民生用品必須仰賴泰國走私；而進行地下貿易的主要族群，即為定居兩地的雲南移民。

「雲南移民在泰緬邊區的馬幫貿易，雖然奠基於大漢中心主義『走夷方』的文化傳統心態，然而實踐過程呈現不同社群間互助、衝突與協商，突顯邊區特有的地理政治、經濟與文化主體性，以及這個經濟活動內涵的複雜規範和知識。」張雯勤分析。

時代改變，跨境貿易的方式也在改變。

1980 年代，汽車運輸漸漸取代原有馬幫，往來中緬與泰緬邊區，2000 年到 2014 年更出現「摩托車車隊」，穿梭於上緬甸與雲南邊城瑞麗。過去，馬幫由頭人帶領，策劃路線與行走時間，在特定地點向叛軍或官方上稅；交通工具改變了，當代商隊同樣繼承這些「地下貿易規則」。

以緬北摩托車車隊來說，一個車隊約五至二十人，大家先坐車到雲南瑞麗，到認識的摩托車商店買車。通常一個騎士騎一輛、帶兩輛（拆解成零件），厲害的能帶上四輛！

回緬甸不能走正規大路，要趁夜翻山越嶺，路況好的時候，六小時就能抵達緬北臘戌，一路上過村則需要付費給警察。清晨五、六點，臘戌的摩托車市集擠滿了人。除了賣車的，還有販賣偽造車牌的攤位，貴一點用鐵片做，便宜陽春版則是塑膠材質製成。

「我的摩托車車隊研究主軸，一方面引用地下經濟與日常政治理論，分析這個走私行業的運作規則與組織網絡。另一方面，我將它與過去中國西南與高地東南亞之間的長程馬幫貿易，進行比較對照，兩者在結構運作上高度相似，都是根基於地方知識與社會網絡的助因。」張雯勤談到。

她進一步分析：「我因此主張，當今中緬摩托車走私並非隨意運作，而是延續了歷史上長途馬幫貿易的組織精神；但不同的是，當代摩托車走私打破了馬幫貿易的性別專斷（只有男性從事），同時吸納兩性。」

中緬泰的邊境貿易存在已久，民間百姓經常跨境往返。雖然 1950 到 1980 年代中緬邊界關閉，但私下邊境貿易仍然存在，交易的物資包括許多日常用品：農產、醃豬肉、野生動物、熱水瓶、藥材、豬油、鹽巴、被單、枕頭套、膠鞋、布料、熱水瓶、腳踏車，以及貴重的玉石、紅寶、柚木等。

一位玉石商人曾如此形容緬甸：「賣米不合法，賣鹽不合法，賣什麼都不合法，那還可以做什麼？只能走私啊。」這些國家法律不認可的交易，一般被稱為「非法走私」；然而張雯勤認為，用「影子經濟」（shadow economy）或「非正式經濟」（informal economy），更能理解在國家治理視角之外，邊民們為了生存，遊走穿梭邊境的自主貿易。

無論國界是否封鎖、政治角力如何劇烈，平民百姓手無寸鐵，唯能在檯面下運用常民強韌的生存力量，對抗突破國家政體的限制。

大起大落的血淚玉石夢

在跨境貿易經濟鏈裡，普通人民、不同的叛軍武裝團體、政府官員、軍隊等，都共同參與這個地下商業活動。執法者也是違法者，合法與非法關係錯綜交織。

緬甸最著名的玉石貿易，亦是如此。緬甸玉石開挖已有數百年，過去挖玉石叫「挖洞子」。依照傳統，找到未被開採之處，插個樹枝示意為有主之地，就能以簡單的器具挖掘。

玉石產於克欽邦，是叛軍的勢力範圍，在尼溫主政的社會主義時期（1962-1988），雖然政府禁止私人開採，人民依舊冒險盜採。但緬軍和叛軍經常開打，挖掘玉石非常危險。到了 1990 年代初，緬軍和叛軍和談後，由政府接手管轄玉石場，商人必須向政府標地開挖，挖到玉石後上稅，再經過公盤買賣。不過，地下交易走私仍未消失。

窮人沒錢參與標案，常常聚在玉石場，一等商家把廢棄石頭倒出便蜂擁而上，幸運的或許就能找到被錯過的玉石。但採石如同賭命，由石頭堆起的「山」極不穩固，經常崩塌，傷亡慘重。張雯勤回憶看過的「山崩」影片，滿心不忍地感嘆：「在那麼不安全的社會，你得要用生命去營生。」

在玉石貿易網絡研究上，張雯勤打破既有華人關係研究的迷思，這些迷思強調華商成功源於人際關係的信任、忠誠、和諧。但她切入日常政治與法律層面，指出商貿網絡中組織性層次及規範，並藉由這個研究，提出跨越國家疆界、法律，從地區特性、歷史情境去追踪民間跨境能動性。

沉默卻堅韌的邊境女人們

性別關係是張雯勤的另一主要課題。「女性移民經常被忽略，尤其是具有軍事背景的雲南移民團體，多數報導、研究只集中在軍事與走私活動，婦女如何在不斷遷移的過程中，扮演日常生活實際供養者與文化意義延續者，卻被視而不見。」

論文中，張雯勤以一位段大嬸的生命故事，爬梳冷戰時期在紛亂的泰緬邊區，女性如何因應複雜的政治軍事生態。她們一方面穩定了家中的經濟，又成功支助男性出外打仗或跑馬幫過程所需的定點補充。論文處理了馬店與雜貨店的經營──這是雲南移民婦女在長程馬幫貿易上，不被看見的經濟角色。

2010 年，張雯勤到泰北邊境的村子田調，剛巧就住進了段大嬸媳婦開的民宿。幾日的停留，張雯勤與段大嬸一起剝著大蒜，聽著她的生命故事。

段大嬸是雲南漢人，少時與家人隨國民黨軍隊輾轉逃往緬甸、泰國。她結過兩次婚，都是部隊軍人，也都早早離世，留她一人流離遷徙，獨力撫養孩子。沒了丈夫，一個女人在邊境村落要靠自己謀生立足，艱辛可想而知。還好段大嬸很有生意頭腦，她買騾馬馱運貨物到少數民族村販賣，後來又開起了馬店和雜貨店，接待往返泰緬的馬幫商隊。

但邊境的生活永遠充滿挑戰，一遇戰事，門來不及鎖就得逃命。有一次戰事又突然爆發，當時下著傾盆大雨，段大嬸抓了雨衣就逃，沿路頭上是盤旋的飛機，身旁是落下的子彈。幾天後，當她再返家才發現鋪子裡的東西全被軍人拿走了。但別說財物，在那樣混亂的時代裡，平民百姓只能在縫隙裡拚命求生，活下來已是大幸。

邊境村子如同段大嬸這樣的女人很多。男人無論做了什麼、數年未歸，只要回家，女人還是必須接納他們。傳統性別的限制與突破，就如同邊境日常的曖昧與多重性。

因為環境險惡，性別限制得以被打破，女性在輾轉遷徙中獲得更多自由與賦權空間，但並不代表她們能完全擺脫傳統框架。

投入田野近三十年，張雯勤以人類學為根基，結合歷史學的深度，進行跨國界多點的田野研究。她從邊境百姓的遷徙著手，透過「非正式」的邊境貿易，梳理跨境流動的曖昧與多重性。

她的研究瓦解了「合法」與「非法」之間的界限，突破由國家法律先行的刻板印象，並提出「跨境民間」的概念，來理解這個區域不曾中斷的民間跨界與流動。

《侏羅紀公園》一直到拍到第四集《侏羅紀世界》，裡頭所有獸腳類恐龍，仍然是光秃秃的好害羞，可是近廿年來大量的古生物學發現，已經確認了好幾種獸腳類恐龍，其實應該是毛茸茸的，而且還有各種各樣的奇特羽毛，和現今鳥類相比，恐怕是不遑多讓。

然而，在絕大多數過去出土的化石中，羽毛是被壓扁的，雖然大多數羽毛平時就很扁，但是羽毛畢竟是最複雜的皮膚附屬物，羽毛也能夠有繁複的立體構造，變成化石被壓扁後，有些立體結構不好判斷，因此演化上的變化也難以決定。

緬甸琥珀中發現了恐龍尾巴

遠古的羽毛有沒有可能被其他方法保存下來？不是不可能，在加拿大、法國、日本、黎巴嫩、緬甸和美國，其實都有發現包裹了羽毛的白堊紀琥珀，讓科學家瞭解遠古羽毛的立體形態。可是那些琥珀羽毛的主子是何方恐龍或鳥類，幾乎無法判斷，因為缺乏其他身體組織以供研究。

中國地質大學的古生物學家邢立達，和加拿大皇家薩斯喀徹溫省博物館無脊椎動物古生物學館長 Ryan McKellar 等人，從一個來自緬甸東北部克欽邦胡康河谷的如杏桃般大小的琥珀，發現了一段獸腳類恐龍的尾巴，標本保存有九千九百萬年之久，是首個被發現保存在琥珀中的非鳥類恐龍組織。他們也在同個地區出土的同樣年代的琥珀中發現了兩個鳥類翅膀和部分軟組織，一個標本被稱作「天使之翼」，另一個稱作「羅斯」。

克欽邦是緬甸聯邦內以克欽族為主體的高度自治邦。目前克欽獨立軍控制全邦，緬甸國防軍正在進攻克欽邦，企圖摧毀克欽民族武裝力量。克欽邦在過去兩年前來一直盛產琥珀，刑立達是在克欽邦首府密支那的工藝品市場發現該未經打磨的琥珀。

他們利用光學顯微鏡及微電腦斷層掃描儀來研究代號 DIP-V-15103 琥珀裡的樣品。在尾巴上，還帶有像是絨毛的羽毛，讓我們能夠從中判斷羽毛早期的演化！琥珀裡的羽毛已有羽軸，並非絨毛。由於標本裡面的尾椎是分開的，所以不可能來自鳥類，因為鳥類尾椎瘉合成尾綜體，所以尾部羽毛可以一起被帶動。該尾巴可能來自一隻幼年虛骨龍，上頭保存的羽毛，連毛囊和羽毛都清晰可見。

在那些羽毛帶有短而纖細的羽軸，羽軸上有交錯的羽支，而羽支上已有羽小支，這支持了羽支在演化和發育上，融合形成羽軸前，就已帶有羽小支的理論，不過由於羽支是交錯排列的，和傳統的模式不同，表示羽毛的演化，可能比已知的還複雜多樣。那些羽毛無法形成相互勾連、緊密結合成羽片，比較像是現代鳥類的裝飾羽。

除了羽毛帶來的驚喜，他們也發現琥珀中的碳化軟組織，有大量二價鐵離子的訊號，顯示尾巴裡有血球蛋白。

克欽邦已有幾個琥珀帶來驚喜，未來可能還會有更多發現，讓演化生物學家能夠瞭解羽毛的演化！

原學術論文：

• Lida Xing et al. 2016. A Feathered Dinosaur Tail with Primitive Plumage Trapped in Mid-Cretaceous Amber. Current Biology 26: 1-9; doi: 10.1016/j.cub.2016.10.008