餵飽全人類，需要她與她的科學——余淑美專訪

本文與 TRPMA 台灣研發型生技新藥發展協會合作，泛科學企劃執行

我們知道癌症是台灣人健康的頭號公敵。 為此，我們花了很多時間介紹最新、最有效的抗癌方法之一：免疫療法。

免疫療法中最重要的技術就是抗體藥物。科學家會人工製造一批抗體去標記癌細胞。它們就像戰場上的偵察無人機，能精準鎖定你體內的敵人——癌細胞，為它們打上標記，然後引導你的免疫系統展開攻擊。

這跟化療、放射線治療那種閉著眼睛拿機槍亂掃不同。免疫療法是重新叫醒你的免疫系統，為身體「上buff (增益) 」來抗癌，副作用較低，因此備受好評。

但尷尬的是，經過幾年的臨床考驗，科學家發現：光靠抗體對抗癌症，竟然已經不夠用了。

事情是這樣的，臨床上醫生與科學家逐漸發現：這個抗體標記，不是容易損壞，就是癌細胞同時設有多個陷阱關卡，只靠叫醒免疫細胞，還是難以發揮戰力。

但好消息是，我們的生技工程也大幅進步了。科學家開始思考：如果這台偵察無人機只有「標記」這一招不夠用，為什麼不幫它升級，讓它多學幾招呢？

這個能讓免疫藥物（偵察無人機）大進化的訓練器，就是今天的主角—融合蛋白（fusion protein）。

融合蛋白是什麼？

免疫療法遇到的問題，我們可以這樣理解：想像你的身體是一座國家，病毒、細菌、腫瘤就是入侵者；而抗體，就是我們派出的「偵察無人機」。

當我們透過注射放出這支無人機群進到體內，它能迅速辨識敵人、緊抓不放，並呼叫其他免疫單位（友軍）一同解決威脅。過去 20 年，最強的偵查機型叫做「單株抗體」。1998年，生技公司基因泰克（Genentech）推出的藥物赫賽汀（Herceptin），就是一款針對 HER2 蛋白的單株抗體，目標是治療乳癌。

這支無人機群為什麼能對抗癌症？這要歸功於它「Y」字形的小小抗體分子，構造看似簡單，卻蘊藏巧思：

• 「Y」 字形上面的兩隻「叉叉」是敵人偵測器，能找到敵人身上的抗原特徵，並黏上去，稱為抗體結合區「Fab 區域」。
  
• 「Y」 字形的「尾巴」就是我們說的「標籤」，它能通知免疫系統啟動攻擊，稱為結晶區域片段「Fc 區域」。具體來說，當免疫細胞在體內巡邏，免疫細胞上的 Fc 受體 (FcR) 會和 Fc區域結合，進而認出病原體或感染細胞，接著展開清除。

更厲害的是，這個 Fc 區域標籤還能加裝不同功能。一般來說，人體內多餘的分子，會被定期清除。例如，細胞內會有溶酶體不斷分解多餘的物質，或是血液經過肝臟時會被代謝、分解。那麼，人造抗體對身體來說，屬於外來的東西，自然也會被清除。

而 Fc區域會與細胞內體上的Fc受體結合，告訴細胞「別分解我」的訊號，阻止溶酶體的作用。又或是單純把標籤做的超大，例如接上一段長長的蛋白質，或是聚乙二醇鏈，讓整個抗體分子的大小，大於腎臟過濾孔的大小，難以被腎臟過濾，進而延長抗體在體內的存活時間。

偵測器（Fab）加上標籤（Fc）的結構，使抗體成為最早、也最成功的「天然設計藥物」。然而，當抗體在臨床上逐漸普及，一個又一個的問題開始浮現。抗體的強項在於「精準鎖定」，但這同時也是它的限制。

第一個問題：抗體只能打「魔王」，無法毀掉「魔窟」。 

抗體一定要有一個明確的「標的物」才能發揮作用。這讓它在針對「腫瘤」或「癌細胞本身」時非常有效，因為敵人身上有明顯標記。但癌細胞的形成與惡化，是細胞在「生長、分裂、死亡、免疫逃脫」這些訊號通路上被長期誤導的結果。抗體雖然勇猛，卻只能針對已經帶有特定分子的癌細胞魔王，無法摧毀那個孕育魔王的系統魔窟。這時，我們真正欠缺的是能「調整」、「模擬」或「干擾」這些錯誤訊號的藥物。

第二個問題：開發產線的限制。

抗體的開發，得經過複雜的細胞培養與純化程序。每次改變結構或目標，幾乎都要重新開發整個系統。這就像你無法要求一台偵測紅外線的無人機，明天立刻改去偵測核輻射。高昂的成本與漫長的開發時間，讓新產線難以靈活創新。

為了讓免疫藥物能走向多功能與容易快速製造、測試的道路，科學家急需一個更工業化的藥物設計方式。雖然我們追求的是工業化的設計，巧合的是，真正的突破靈感，仍然來自大自然。

在自然界中，基因有時會彼此「融合」成全新的組合，讓生物獲得額外功能。例如細菌，它們常仰賴一連串的酶來完成代謝，中間產物要在細胞裡來回傳遞。但後來，其中幾個酶的基因彼此融合，而且不只是基因層級的合併，產出的酶本身也變成同一條長長的蛋白質。

結果，反應效率大幅提升。因為中間產物不必再「跑出去找下一個酶」，而是直接在同一條生產線上完成。對細菌來說，能更快處理養分、用更少能量維持生存，自然形成適應上的優勢，這樣的融合基因也就被演化保留下來。

科學家從中得到關鍵啟發：如果我們也能把兩種有用的蛋白質，「人工融合」在一起，是否就能創造出更強大的新分子？於是，融合蛋白（fusion protein）就出現了。

以假亂真：融合蛋白的HIV反制戰

融合蛋白的概念其實很直覺：把兩種以上、功能不同的蛋白質，用基因工程的方式「接起來」，讓它們成為同一個分子。 

1990 年，融合蛋白 CD4 免疫黏附素（CD4 immunoadhesin）誕生。這項設計，是為了對付令人類聞風喪膽的 HIV 病毒。

我們知道 T 細胞是人體中一種非常重要的白血球。在這些 T 細胞中，大約有六到七成表面帶有一個叫做「CD4」的輔助受體。CD4 會和另一個受體 TCR 一起合作，幫助 T 細胞辨識其他細胞表面的抗原片段，等於是 T 細胞用來辨認壞人的「探測器」。表面擁有 CD4 受體的淋巴球，就稱為 CD4 淋巴球。

麻煩的來了。 HIV 病毒反將一軍，竟然把 T 細胞的 CD4 探測器，當成了自己辨識獵物的「標記」。沒錯，對 HIV 病毒來說，免疫細胞就是它的獵物。HIV 的表面有一種叫做 gp120 的蛋白，會主動去抓住 T 細胞上的 CD4 受體。

一旦成功結合，就會啟動一連串反應，讓病毒外殼與細胞膜融合。HIV 進入細胞內後會不斷複製並破壞免疫細胞，導致免疫系統逐漸崩潰。

為了逆轉這場悲劇，融合蛋白 CD4 免疫黏附素登場了。它的結構跟抗體類似，由由兩個不同段落所組成：一端是 CD4 假受體，另一端則是剛才提到、抗體上常見的 Fc 區域。當 CD4 免疫黏附素進入體內，它表面的 CD4 假受體會主動和 HIV 的 gp120 結合。

厲害了吧。 病毒以為自己抓到了目標細胞，其實只是被騙去抓了一個假的 CD4。這樣 gp120 抓不到 CD4 淋巴球上的真 CD4，自然就無法傷害身體。

而另一端的 Fc 區域則有兩個重要作用：一是延長融合蛋白在體內的存活時間；二是理論上能掛上「這裡有敵人！」的標籤，這種機制稱為抗體依賴性細胞毒殺（ADCC）或免疫吞噬作用（ADCP）。當免疫細胞的 Fc 受體與 Fc 區域結合，就能促使免疫細胞清除被黏住的病毒顆粒。

不過，這裡有個關鍵細節。

在實際設計中，CD4免疫黏附素的 Fc 片段通常會關閉「吸引免疫細胞」的這個技能。原因是：HIV 專門攻擊的就是免疫細胞本身，許多病毒甚至已經藏在 CD4 細胞裡。若 Fc 區域過於活躍，反而可能引發強烈的發炎反應，甚至讓免疫系統錯把帶有病毒碎片的健康細胞也一併攻擊，這樣副作用太大。因此，CD4 免疫黏附素的 Fc 區域會加入特定突變，讓它只保留延長藥物壽命的功能，而不會與淋巴球的 Fc 受體結合，以避免誘發免疫反應。

從 DNA 藍圖到生物積木：融合蛋白的設計巧思

融合蛋白雖然潛力強大，但要製造出來可一點都不簡單。它並不是用膠水把兩段蛋白質黏在一起就好。「融合」這件事，得從最根本的設計圖，也就是 DNA 序列就開始規劃。

我們體內的大部分蛋白質，都是細胞照著 DNA 上的指令一步步合成的。所以，如果科學家想把蛋白 A 和蛋白 B 接在一起，就得先把這兩段基因找出來，然後再「拼」成一段新的 DNA。

不過，如果你只是單純把兩段基因硬接起來，那失敗就是必然的。因為兩個蛋白會互相「打架」，導致摺疊錯亂、功能全毀。

這時就需要一個小幫手：連接子（linker）。它的作用就像中間的彈性膠帶，讓兩邊的蛋白質能自由轉動、互不干擾。最常見的設計，是用多個甘胺酸（G）和絲胺酸（S）組成的柔性小蛋白鏈。

設計好這段 DNA 之後，就能把它放進細胞裡，讓細胞幫忙「代工」製造出這個融合蛋白。接著，科學家會用層析、電泳等方法把它純化出來，再一一檢查它有沒有摺疊正確、功能是否完整。

如果一切順利，這個人工設計的融合分子，就能像自然界的蛋白一樣穩定運作，一個全新的「人造分子兵器」就此誕生。

CD4免疫黏附素問世之後，融合蛋白逐漸成為生物製藥的重要平台之一。而且現在的融合蛋白，早就不只是「假受體＋Fc 區域」這麼單純。它已經跳脫模仿抗體，成為真正能自由組裝、自由設計的生物積木。

融合蛋白的強項，就在於它能「自由組裝」。

以抗體為骨架，科學家可以接上任何想要的功能模組，創造出全新的藥物型態。一般的抗體只能「抓」（標記特定靶點）；但融合蛋白不只會抓，還能「阻斷」、「傳遞」、甚至「調控」訊號。在功能模組的加持下，它在藥物設計上，幾乎像是一個分子級的鋼鐵蜘蛛人裝甲。

一般來說，當我們選擇使用融合蛋白時，通常會期待它能發揮幾種關鍵效果：

1. 療效協同： 一款藥上面就能同時針對多個靶點作用，有機會提升治療反應率與持續時間，達到「一藥多效」的臨床價值。
2. 減少用藥： 原本需要兩到三種單株抗體聯合使用的療法，也許只要一種融合蛋白就能搞定。這不僅能減少給藥次數，對病人來說，也有機會因為用藥減少而降低治療成本。
3. 降低毒性風險： 經過良好設計的融合蛋白，可以做到更精準的「局部活化」，讓藥物只在目標區域發揮作用，減少副作用。

到目前為止，我們了解了融合蛋白是如何製造的，也知道它的潛力有多大。

那麼，目前實際成效到底如何呢？

一箭雙鵰：拆解癌細胞的「偽裝」與「內奸」

2016 年，德國默克（Merck KGaA）展開了一項全新的臨床試驗。 主角是一款突破性的雙功能融合蛋白──Bintrafusp Alfa。這款藥物的厲害之處在於，它能同時封鎖 PD-L1 和 TGF-β 兩條免疫抑制路徑。等於一邊拆掉癌細胞的偽裝，一邊解除它的防護罩。

PD-L1，我們或許不陌生，它就像是癌細胞身上的「偽裝良民證」。當 PD-L1 和免疫細胞上的 PD-1 受體結合時，就會讓免疫系統誤以為「這細胞是自己人」，於是放過它。我們的策略，就是用一個抗體或抗體樣蛋白黏上去，把這張「偽裝良民證」封住，讓免疫系統能重新啟動。

但光拆掉偽裝還不夠，因為癌細胞還有另一位強大的盟友—一個起初是我軍，後來卻被癌細胞收買、滲透的「內奸」。它就是，轉化生長因子-β，縮寫 TGF-β。

先說清楚，TGF-β 原本是體內的秩序管理者，掌管著細胞的生長、分化、凋亡，還負責調節免疫反應。在正常細胞或癌症早期，它會和細胞表面的 TGFBR2 受體結合，啟動一連串訊號，抑制細胞分裂、減緩腫瘤生長。

但當癌症發展到後期，TGF-β 跟 TGFBR2 受體之間的合作開始出問題。癌細胞表面的 TGFBR2 受體可能突變或消失，導致 TGF-β 不但失去了原本的抑制作用，反而轉向幫癌細胞做事。

它會讓細胞骨架（actin cytoskeleton）重新排列，讓細胞變長、變軟、更有彈性，還能長出像觸手的「偽足」（lamellipodia、filopodia），一步步往外移動、鑽進組織，甚至進入血管、展開全身轉移。

更糟的是，這時「黑化」的 TGF-β 還會壓抑免疫系統，讓 T 細胞和自然殺手細胞變得不再有攻擊力，同時刺激新血管生成，幫腫瘤打通營養補給線。

為了對抗這個內奸，默克在 Bintrafusp Alfa 的結構裡，加上了一個「TGF-β 陷阱（trap）」。就像 1989 年的 CD4 免疫黏附素用「假受體」去騙 HIV 一樣，這個融合蛋白在體內循環時，會用它身上的「陷阱」去捕捉並中和游離的 TGF-β。這讓 TGF-β 無法再跟腫瘤細胞或免疫細胞表面的天然受體結合，從而鬆開了那副壓抑免疫系統的腳鐐。

告別單一解方：融合蛋白的「全方位圍剿」戰

但，故事還沒完。我們之前提過，癌細胞之所以難纏，在於它會發展出各種「免疫逃脫」策略。

而近年我們發現，癌細胞的「偽良民證」至少就有兩張：一張是 PD-L1；另一張是 CD-47。CD47 是癌細胞向巨噬細胞展示的「別吃我」訊號，當它與免疫細胞上的 SIRPα 結合時，就會抑制吞噬反應。

為此，總部位於台北的漢康生技，決定打造能同時對付 PD-L1、CD-47，乃至 TGF-β 的三功能生物藥 HCB301。

雖然三功能融合蛋白聽起來只是「再接一段蛋白」而已，但實際上極不簡單。截至目前，全球都還沒有任何三功能抗體或融合蛋白批准上市，在臨床階段的生物候選藥，也只佔了整個生物藥市場的 1.6%。

漢康生技透過自己開發的 FBDB 平台技術，製作出了三功能的生物藥 HCB301，目前第一期臨床試驗已經在美國、中國批准執行。

免疫療法絕對是幫我們突破癌症的關鍵。但我們也知道癌症非常頑強，還有好幾道關卡我們無法攻克。既然單株抗體在戰場上顯得單薄，我們就透過融合蛋白，創造出擁有多種功能模組的「升級版無人機」。

融合蛋白強的不是個別的偵查或阻敵能力，而是一組可以「客製化組裝」的平台，用以應付癌細胞所有的逃脫策略。

Catch Me If You Can？融合蛋白的回答是：「We Can.」

未來癌症的治療戰場，也將從尋找「唯一解」，轉變成如何「全方位圍剿」癌細胞，避免任何的逃脫。

本文與 Perplexity 合作，泛科學企劃執行

「Hello. I am… a robot.」

在我們的記憶裡，機器人的聲音就該是冰冷、單調，不帶一絲情感 。它們的動作僵硬，肢體不協調，像一個沒有靈魂的傀儡，甚至啟發我們創造了機械舞來模仿那獨特的笨拙可愛。但是，現今的機器人發展不再只會跳舞或模仿人聲，而是已經能獨立完成一場膽囊切除手術。

就在2025年，美國一間實驗室發表了一項成果：一台名為「SRT-H」的機器人（階層式手術機器人Transformer），在沒有人類醫師介入的情況下，成功自主完成了一場完整的豬膽囊切除手術。SRT-H 正是靠著從錯誤中學習的能力，最終在八個不同的離體膽囊上，達成了 100% 的自主手術成功率。

這項成就的意義重大，因為過去機器人手術的自動化，大多集中在像是縫合這樣的單一「任務」上。然而，這一場完整的手術，是一個包含數十個步驟、需要連貫策略與動態調整的複雜「程序」。這是機器人首次在包含 17 個步驟的完整膽囊切除術中，實現了「步驟層次的自主性」。

這就引出了一個讓我們既興奮又不安的核心問題：我們究竟錯過了什麼？機器人是如何在我們看不見的角落，悄悄完成了從「機械傀儡」到「外科醫生」的驚人演化？

這趟思想探險，將為你解密 SRT-H 以及其他五款同樣具備革命性突破的機器人。你將看到，它們正以前所未有的方式，發展出生物般的觸覺、理解複雜指令、學會團隊合作，甚至開始自我修復與演化，成為一種真正的「準生命體」 。

所以，你準備好迎接這個機器人的新紀元了嗎？

只靠模仿還不夠？手術機器人還需要學會「犯錯」與「糾正」

那麼，SRT-H 這位機器人的外科大腦，究竟藏著什麼秘密？答案就在它創新的「階層式框架」設計裡 。

你可以想像，SRT-H 的腦中，住著一個分工明確的兩人團隊，就像是漫畫界的傳奇師徒—黑傑克與皮諾可 。

• 第一位，是動口不動手的總指揮「黑傑克」： 它不下達具體的動作指令，而是在更高維度的「語言空間」中進行策略規劃 。它發出的命令，是像「抓住膽管」或「放置止血夾」這樣的高層次任務指令 。
• 第二位，是靈巧的助手「皮諾可」： 它負責接收黑傑克的語言指令，並將這些抽象的命令，轉化為機器手臂毫釐不差的精準運動軌跡 。

但最厲害的還不是這個分工，而是它們的學習方式。SRT-H 研究團隊收集了 17 個小時、共 16,000 條由人類專家操作示範的軌跡數據來訓練它 。但這還只是開始，研究人員在訓練過程中，會刻意讓它犯錯，並向它示範如何從抓取失敗、角度不佳等糟糕的狀態中恢復過來 。這種獨特的訓練方法，被稱為「糾正性示範」 。

這項訓練，讓 SRT-H 學會了一項外科手術中最關鍵的技能：當它發現執行搞砸了，它能即時識別偏差，並發出如「重試抓取」或「向左調整」等「糾正性指令」 。這套內建的錯誤恢復機制至關重要。當研究人員拿掉這個糾正能力後，機器人在遇到困難時，要不是完全失敗，就是陷入無效的重複行為中 。

正是靠著這種從錯誤中學習、自我修正的能力，SRT-H 最終在八次不同的手術中，達成了 100% 的自主手術成功率 。

SRT-H 證明了機器人開始學會「思考」與「糾錯」。但一個聰明的大腦，足以應付更混亂、更無法預測的真實世界嗎？例如在亞馬遜的倉庫裡，機器人不只需要思考，更需要實際「會做事」。

要能精準地與環境互動，光靠視覺或聽覺是不夠的。為了讓機器人能直接接觸並處理日常生活中各式各樣的物體，它就必須擁有生物般的「觸覺」能力。

解密 Vulcan 如何學會「觸摸」

讓我們把場景切換到亞馬遜的物流中心。過去，這裡的倉儲機器人（如 Kiva 系統）就像放大版的掃地機器人，核心行動邏輯是極力「避免」與周遭環境發生任何物理接觸，只負責搬運整個貨架，再由人類員工挑出包裹。

但 2025 年5月，亞馬遜展示了他們最新的觸覺機器人 Vulcan。在亞馬遜的物流中心裡，商品被存放在由彈性帶固定的織物儲物格中，而 Vulcan 的任務是必須主動接觸、甚至「撥開」彈性織網，再從堆放雜亂的儲物格中，精準取出單一包裹，且不能造成任何損壞。

Vulcan 的核心突破，就在於它在「拿取」這個動作上，學會了生物般的「觸覺」。它靈活的機械手臂末端工具（EOAT, End-Of-Arm Tool），不僅配備了攝影機，還搭載了能測量六個自由度的力與力矩感測器。六個自由度包含上下、左右、前後的推力，和三個維度的旋轉力矩。這就像你的手指，裡頭分布著非常多的受器，不只能感測壓力、還能感受物體橫向拉扯、運動等感觸。

EOAT 也擁有相同精確的「觸覺」，能夠在用力過大之前即時調整力道。這讓 Vulcan 能感知推動一個枕頭和一個硬紙盒所需的力量不同，從而動態調整行為，避免損壞貨物。

其實，這更接近我們人類與世界互動的真實方式。當你想拿起桌上的一枚硬幣時，你的大腦並不會先計算出精準的空間座標。實際上，你會先把手伸到大概的位置，讓指尖輕觸桌面，再沿著桌面滑動，直到「感覺」到硬幣的邊緣，最後才根據觸覺決定何時彎曲手指、要用多大的力量抓起這枚硬幣。Vulcan 正是在學習這種「視覺＋觸覺」的混合策略，先用攝影機判斷大致的空間，再用觸覺回饋完成最後精細的操作。

靠著這項能力，Vulcan 已經能處理亞馬遜倉庫中約 75% 的品項，並被優先部署來處理最高和最低層的貨架——這些位置是最容易導致人類員工職業傷害的位置。這也讓自動化的意義，從單純的「替代人力」，轉向了更具建設性的「增強人力」。

SRT-H 在手術室中展現了「專家級的腦」，Vulcan 在倉庫中演化出「專家級的手」。但你發現了嗎？它們都還是「專家」，一個只會開刀，一個只會揀貨。雖然這種「專家型」設計能有效規模化、解決痛點並降低成本，但機器人的終極目標，是像人類一樣成為「通才」，讓單一機器人，能在人類環境中執行多種不同任務。

如何教一台機器人「舉一反三」？

你問，機器人能成為像我們一樣的「通才」嗎？過去不行，但現在，這個目標可能很快就會實現了。這正是 NVIDIA 的 GR00T 和 Google DeepMind 的 RT-X 等專案的核心目標。

過去，我們教機器人只會一個指令、一個動作。但現在，科學家們換了一種全新的教學思路：停止教機器人完整的「任務」，而是開始教它們基礎的「技能基元」（skill primitives），這就像是動作的模組。

例如，有負責走路的「移動」(Locomotion) 基元，和負責抓取的「操作」(Manipulation) 基元。AI 模型會透過強化學習 (Reinforcement Learning) 等方法，學習如何組合這些「技能基元」來達成新目標。

舉個例子，當 AI 接收到「從冰箱拿一罐汽水給我」這個新任務時，它會自動將其拆解為一系列已知技能的組合：首先「移動」到冰箱前、接著「操作」抓住把手、拉開門、掃描罐子、抓住罐子、取出罐子。AI T 正在學會如何將這些單一的技能「融合」在一起。有了這樣的基礎後，就可以開始來大量訓練。

當多重宇宙的機器人合體練功：通用 AI 的誕生

好，既然要學，那就要練習。但這些機器人要去哪裡獲得足夠的練習機會？總不能直接去你家廚房實習吧。答案是：它們在數位世界裡練習。

NVIDIA 的 Isaac Sim 等平台，能創造出照片級真實感、物理上精確的模擬環境，讓 AI 可以在一天之內，進行相當於數千小時的練習，獨自刷副本升級。這種從「模擬到現實」（sim-to-real）的訓練管線，正是讓訓練這些複雜的通用模型變得可行的關鍵。

DeepMind 的 RT-X 計畫還發現了一個驚人的現象：用來自多種「不同類型」機器人的數據，去訓練一個單一的 AI 模型，會讓這個模型在「所有」機器人上表現得更好。這被稱為「正向轉移」(positive transfer)。當 RT-1-X 模型用混合數據訓練後，它在任何單一機器人上的成功率，比只用該機器人自身數據訓練的模型平均提高了 50%。

這就像是多重宇宙的自己各自練功後，經驗值合併，讓本體瞬間變強了。這意味著 AI 正在學習關於物理、物體特性和任務結構的抽象概念，這些概念獨立於它所控制的特定身體。

不再是工程師，而是「父母」： AI 的新學習模式

這也導向了一個科幻的未來：或許未來可能存在一個中央「機器人大腦」，它可以下載到各種不同的身體裡，並即時適應新硬體。

這種學習方式，也從根本上改變了我們與機器人的互動模式。我們不再是逐行編寫程式碼的工程師，而是更像透過「示範」與「糾正」來教導孩子的父母。

NVIDIA 的 GR00T 模型，正是透過一個「數據金字塔」來進行訓練的：

• 金字塔底層： 是大量的人類影片。
• 金字塔中層： 是海量的模擬數據（即我們提過的「數位世界」練習）。
• 金字塔頂層： 才是最珍貴、真實的機器人操作數據。

這種模式，大大降低了「教導」機器人新技能的門檻，讓機器人技術變得更容易規模化與客製化。

當機器人不再是「一個」物體，而是「任何」物體？

我們一路看到了機器人如何學會思考、觸摸，甚至舉一反三。但這一切，都建立在一個前提上：它們的物理形態是固定的。

但，如果連這個前提都可以被打破呢？這代表機器人的定義不再是固定的形態，而是可變的功能：它能改變身體來適應任何挑戰，不再是一台單一的機器，而是一個能根據任務隨選變化的物理有機體。

有不少團隊在爭奪這個機器人領域的聖杯，其中瑞士洛桑聯邦理工學院特別具有代表性，該學院的仿生機器人實驗室（Bioinspired Robotics Group, BIRG）2007 年就打造模組化自重構機器人 Roombots。

有不少團隊在爭奪這個機器人領域的聖杯，其中瑞士洛桑聯邦理工學院（EPFL）特別具有代表性。該學院的仿生機器人實驗室（BIRG）在 2007 年就已打造出模組化自重構機器人 Roombots。而 2023 年，來自 EPFL 的另一個實驗室——可重組機器人工程實驗室（RRL），更進一步推出了 Mori3，這是一套把摺紙藝術和電腦圖學巧妙融合的模組化機器人系統。

Mori3 的核心，是一個個小小的三角形模組。別看它簡單，每個模組都是一個獨立的機器人，有自己的電源、馬達、感測器和處理器，能獨立行動，也能和其他模組合作。最厲害的是，它的三條邊可以自由伸縮，讓這個小模組本身就具備「變形」能力。

當許多 Mori3 模組連接在一起時，就能像一群活的拼圖一樣，從平面展開，組合成各種三維結構。研究團隊將這種設計稱為「物理多邊形網格化」。在電腦圖學裡，我們熟悉的 3D 模型，其實就是由許多多邊形（通常是三角形）拼湊成的網格。Mori3 的創新之處，就是把這種純粹的數位抽象，真正搬到了現實世界，讓模組們化身成能活動的「實體網格」。

這代表什麼？團隊已經展示了三種能力：

• 移動：他們用十個模組能組合成一個四足結構，它能從平坦的二維狀態站立起來，並開始行走。這不只是結構變形，而是真正的協調運動。
• 操縱： 五個模組組合成一條機械臂，撿起物體，甚至透過末端模組的伸縮來擴大工作範圍。
• 互動： 模組們能形成一個可隨時變形的三維曲面，即時追蹤使用者的手勢，把手的動作轉換成實體表面的起伏，等於做出了一個會「活」的觸控介面。

這些展示，不只是實驗室裡的炫技，而是真實證明了「物理多邊形網格化」的潛力：它不僅能構建靜態的結構，還能創造具備複雜動作的動態系統。而且，同一批模組就能在不同情境下切換角色。

想像一個地震後的救援場景：救援隊帶來的不是一台笨重的挖土機，而是一群這樣的模組。它們首先組合成一條長長的「蛇」形機器人，鑽入瓦礫縫隙；一旦進入開闊地後，再重組成一隻多足的「蜘蛛」，以便在不平的地面上穩定行走；發現受困者時，一部分模組分離出來形成「支架」撐住搖搖欲墜的橫樑，另一部分則組合成「夾爪」遞送飲水。這就是以任務為導向的自我演化。

這項技術的終極願景，正是科幻中的概念：可程式化物質（Programmable Matter），或稱「黏土電子學」（Claytronics）。想像一桶「東西」，你可以命令它變成任何你需要的工具：一支扳手、一張椅子，或是一座臨時的橋樑。

未來，我們只需設計一個通用的、可重構的「系統」，它就能即時創造出任務所需的特定機器人。這將複雜性從實體硬體轉移到了規劃重構的軟體上，是一個從硬體定義的世界，走向軟體定義的物理世界的轉變。

更重要的是，因為模組可以隨意分開與聚集，損壞時也只要替換掉部分零件就好。足以展現出未來機器人的適應性、自我修復與集體行為。當一群模組協作時，它就像一個超個體，如同蟻群築橋。至此，「機器」與「有機體」的定義，也將開始動搖。

從「實體探索」到「數位代理」

我們一路見證了機器人如何從單一的傀儡，演化為學會思考的外科醫生 (SRT-H)、學會觸摸的倉儲專家 (Vulcan)、學會舉一反三的通才 (GR00T)，甚至是能自我重構成任何形態的「可程式化物質」(Mori3)。

但隨著機器人技術的飛速發展，一個全新的挑戰也隨之而來：在一個 AI 也能生成影像的時代，我們如何分辨「真實的突破」與「虛假的奇觀」？

舉一個近期的案例：2025 年 2 月，一則影片在網路上流傳，顯示一台人形機器人與兩名人類選手進行羽毛球比賽，並且輕鬆擊敗了人類。我的第一反應是懷疑：這太誇張了，一定是 AI 合成的影片吧？但，該怎麼驗證呢？答案是：用魔法打敗魔法。

在眾多 AI 工具中，Perplexity 特別擅長資料驗證。例如這則羽球影片的內容貼給 Perplexity，它馬上就告訴我：該影片已被查證為數位合成或剪輯。但它並未就此打住，而是進一步提供了「真正」在羽球場上有所突破的機器人—來自瑞士 ETH Zurich 團隊的 ANYmal-D。

接著，選擇「研究模式」，就能深入了解 ANYmal-D 的詳細原理。原來，真正的羽球機器人根本不是「人形」，而是一台具備三自由度關節的「四足」機器人。

如果你想更深入了解，Perplexity 的「實驗室」功能，還能直接生成一份包含圖表、照片與引用來源的完整圖文報告。它不只介紹了 ANYmal-D 在羽球上的應用，更詳細介紹了瑞士聯邦理工學院發展四足機器人的完整歷史：為何選擇四足？如何精進硬體與感測器結構？以及除了運動領域外，四足機器人如何在關鍵的工業領域中真正創造價值。

AI 代理人：數位世界的新物種

從開刀、揀貨、打球，到虛擬練功，這些都是機器人正在學習「幫我們做」的事。但接下來，機器人將獲得更強的「探索」能力，幫我們做那些我們自己做不到的事。

這就像是，傳統網路瀏覽器與 Perplexity 的 Comet 瀏覽器之間的差別。Comet 瀏覽器擁有自主探索跟決策能力，它就像是數位世界裡的機器人，能成為我們的「代理人」（Agent）。

它的核心功能，就是拆解過去需要我們手動完成的多步驟工作流，提供「專業代工」，並直接交付成果。

例如，你可以直接對它說：「閱讀這封會議郵件，檢查我的行事曆跟代辦事項，然後草擬一封回信。」或是直接下達一個複雜的指令：「幫我訂 Blue Origin 的太空旅遊座位，記得要來回票。」

接著，你只要兩手一攤，Perplexity 就會接管你的瀏覽器，分析需求、執行步驟、最後給你結果。你再也不用自己一步步手動搜尋，或是在不同網站上重複操作。

AI 代理人正在幫我們探索險惡的數位網路，而實體機器人，則在幫我們前往真實的物理絕境。

立即點擊專屬連結 https://perplexity.sng.link/A6awk/k74… 試用 Perplexity吧！ 現在申辦台灣大哥大月付 599(以上) 方案，還可以獲得 1 年免費 Perplexity Pro plan 喔！(價值 新台幣6,750)

◆Perplexity 使用實驗室功能對 ANYmal-D 與團隊的全面分析 https://drive.google.com/file/d/1NM97…

本文由 台灣萊雅 L’Oréal Taiwan 為慶祝「台灣傑出女科學家獎」15 周年而規劃，泛科學企劃執行。

• 2019 年「台灣傑出女科學家獎」傑出獎第十二屆傑出獎得主
• 本文的採訪時間為 2021 年 1 月 25 日

在採訪李瑩英教授之前，照慣例做了不少功課，但不得不說這是最徒勞無功的一次，因為真的太難了。不過與其說我感到挫折，反倒是覺得興奮，並由衷佩服頂尖數學家在破解宇宙語言上的成就，對這次的採訪也更加期待。

李瑩英是 2019 年第十二屆台灣傑出女科學家獎「傑出獎」得主，在數學領域的成就當然不遜於任何一位過往的得主，但她與其他來自物理、化學、生物等領域的科學家之間，有著「巨大」的差異：她沒有實驗室、沒有任何一台身價不凡的研究設備、甚至連辦公室裡這台桌上型個人蘋果電腦，也只是用來打字寫論文，有或無絲毫不影響她的研究。

「我不太需要電腦去做計算。有的人可能弄的東西是比較複雜，需要幫忙處理複雜的計算。我做的東西大部分是推理，然後想出證明，所以不太需要用到電腦。」李瑩英說得輕鬆。於是我問：如果今天在家族聚餐、吃喜酒、同學會上，被問到「數學家在做什麼」會怎麼回答？她笑著表示，數學家通常可以獨立作業，也不太需要跟非專業者溝通，因此要回答這問題反而比較困難。

從實體到抽象，再回到實體

她說，從一隻羊、兩本書等實體，抽取出「數」，再進行推導，就是數學。「數學會有用，就是因為它抽離出來，不直接連結到事情。」李瑩英表示當科學家研究一樣東西，可能就只對這個東西有用，但數學研究的是共通的規律，只要發現同樣的結構，規律就可以派上用場。

「一開始原始的問題可能出自自然界，但是當提了一個這樣的問題後，我們（數學家）就想說『這是不是共同的現象？還有沒有其他的可能性？它自己本身是不是完整的？』然後越推展越遠，有些人就覺得抽離現實的世界了。」她以「歐氏幾何」為例，其曲率為零，然而若不堅持第五公設，則能推導出曲率為正或負的「非歐幾何」，由此發展出的黎曼幾何就被愛因斯坦用在廣義相對論，描述重力現象。

此外，在量子計算中用到了數學家很熟悉的希爾伯特空間（Hilbert Space）、在物理學應用場論、在密碼學中則用上了數論及橢圓曲線，數學被運用在其他領域的例子屢屢可見。她認為數學就是在實體與抽象之間，與各領域不斷互動。也因此儘管身為純數領域的數學家，李瑩英積極跟外界對話。之前擔任中華民國數學會理事長時（109年～110年），便打算透過網站收集跟呈現數學的有趣應用和案例，希望吸引更多年輕人對數學感興趣。

她認為數學家的訓練讓他們能夠比一般人更快看到問題核心，而且比較嚴謹，就像是學語言學久了會有語感，學數學久了就會有數感。一般觀眾看《天才無限家》這部描寫印度數學家拉馬努金的電影，會被劇中拉馬努金天才般的能力給震撼，但同樣作為數學家，她在電影中看見的是拉馬努金透過不斷不斷地計算、磨練，才將數學能力磨成直覺。令她也心有戚戚。

從數學到物理，再回到數學

雖然李瑩英從小知道自己數理能力好，解題就像遊戲般好玩，讓她享受從不知所以到豁然開朗，但她沒想過會成為數學家。記得升大學選填志願時，她曾在物理跟數學之間猶疑，「因為我都很喜歡」。她認為讀基礎科學打底肯定不會浪費，就算未來要轉到其他方向，如工程跟電資等科系也可以。本來填的第一志願是臺大物理系，不過就在最後一刻被高中同學說服，認為她更適合唸數學，而改選了臺灣大學數學系為第一志願。

念數學系能幹嘛？那時剛上大學的她對職涯沒太大概念，但因為都是自己喜歡的課程，她可說是如魚得水。後來大學畢業的暑假，她動了一場大手術，在復原期間讀了朋友送她的書《近代宇宙觀中的空間與時間》。宇宙的概念及有沒有邊界，是小時候困擾她許久的謎題，書中提到宇宙是一個三維緊緻無邊界的流形，而且還在不斷擴張。數學訓練讓她立刻理解這個說法，並解答了心中被遺忘多年對宇宙邊界的困惑。這再度喚醒她對物理的熱情，並開始閱讀一些物理、特別是數學物理的書籍。她形容當時再次接觸物理的自己「衝勁十足，因為物理把很多東西寫得很吸引人。」

但讀著讀著，她心中又泛起了迷霧。

「從物理書籍的敘述方式，我沒辦法清楚判斷及確認其中什麼是假設、什麼是推論。它全部都混在一起。 」李瑩英認為，相較於混雜的物理，數學非常簡單而清楚。何為定義、何為推理；什麼是對的、什麼是不對的，在數學裡沒有模糊空間；物理則是在迷霧中建構模型，以逼近解釋自然現象的道理。在物理學中，曾經被視為正確理論，還是可能會被推翻或修改，對於正確及論理的要求並不像數學那樣嚴格。雖然再次受到物理吸引，但當她感到兩門學術間文化的差異，她再次做出了選擇。

想要解開更多數學問題的她，越鑽越深。然而要解答任一個數學問題，往往牽一髮動全身，時常得對整個結構、領域、現象都了解透徹，才能得到答案，過程中又會觸發更多問題，為了解答問題還得發展很多工具，接著又引出更多其他問題。「出發點可能只是為了解決一個人類的好奇心，但在過程中往往觸發了很多數學的研究。」她說。

就像李瑩英研究的專長之一為「拉格朗日極小子流形」（minimal Lagrangian submanifold，或譯拉格拉奇極小子流形），其實研究的出發點單純只是因為好奇，她也沒有想到會與物理學上的「超弦理論」（Superstring Theory）有關。「我們原來是從幾何的觀點，把黎曼結構跟辛結構結合起來，我覺得這個子流形有一些很好的性質，會是更自然的代表元，就想去了解這個東西。」她表示物理學家也很厲害，雖然是獨立發展，但與數學家所見略同，才能把拉格朗日極小子流形的研究跟弦論結合。

可以想像，理論物理學家跟數學家都很習慣獨自作業，然而跨域交流的確帶來更多可能，這也成為自 2021 年起身兼國家理論科學中心數學組主任的李瑩英的目標。「我必須說，過去交流都一下子而已，然後又各自忙了。我們希望跟別人多一點合作跟交流，不見得是我自己的研究，而是推動整個數學界跟中心的發展。」她表示。

身兼多職的她，除了會議跟授課，剩下的時間當然還是投入在研究中。每天她都會先上網看看 arXiv.org > 數學 有沒有更新，讀讀新文章，再繼續想自己的問題。當思考極度投入，算著想著就忘記時間是常態。「我有一個合作者是牛津大學的教授，以前去短期訪問他時，每天基本上就是早上 10 點一直談到下午 5 點。討論、提想法，閱讀相關文獻，各自計算論證及思索，然後繼續交流討論。不斷循環，直到柳暗花明找到突破點。」對數學家來說這就是做研究。

在她辦公室，有一塊寫著各種算式的大白板。「有時候需要動手寫下來比較容易看得清楚。」她說她也曾把所有計算及證明寫在許多大張的月曆紙背面，鋪滿地板然後再連起來。據說 Maryam Mirzakhani（第一位，亦是唯一一位得到數學界最高榮譽菲爾茲獎的女性數學家）也會這麼做。這麼說來，儘管數學家不需要大間實驗室擺放各種實驗跟研究設備，但似乎也需要大坪數的辦公室？她開玩笑說：「不見得啦，因為沒辦法走那麼遠。」

從學生到親師，再回到學生

數學需要專心，越是念茲在茲，就越有「感覺」，對於數學家來說是這樣，對學生學習來說也是如此。自 1993 年起，教育部推動「建構式數學」與過往教學有極大差異，在教學現場接續出現許多爭議及問題，也引發許多社會輿論反彈。2000 年左右，眼見九年一貫進入試行，同時接受「建構式數學」的一代進到國中引發爭議，李瑩英與數學界其他憂心的學者一同投入改革，希望能扭轉造成傷害的趨勢，並且解決已經發生的一些問題。她表示，另一個促使她關心這個議題的原因是當時她女兒即將上小學，覺得有必要瞭解女兒即將面臨的教育制度及內容。

在花時間仔細閱讀各版本的建構式數學教材，以及 9 年一貫綱要後，李瑩英發現許多嚴重的問題，因此寫了一些文章發表意見，也和幾位數學界同仁一起去找當時的教育部長黃榮村，提出一些看法、憂慮與建議。後來對於臺灣的數學教育，李瑩英投入許多，從國際比較、綱要修訂、與數學教育界爭辯論述，到後來負責銜接補強計畫，以及擔任國立編譯館教科書審查的主任委員 ，在這 5、6 年期間，她所投入的時間及工作份量，幾乎是一個全職工作。

李瑩英提到：「建構式數學的原來出發點其實蠻好……但是學習一個東西，例如學習語言，首先要有些基本能力，才能談更進階的。而基本能力建立時，需要反覆練習，就像小朋友學說話，要不斷地模仿、不斷地練習。」李瑩英認為當時建構式數學的最大問題是，要求小孩在基本能力還未建立前，就要從嘗試中自己發現規律，例如重新發現加法、乘法、乘法交換律等，學習變得非常瑣碎。

另外，要能教建構式數學，老師也需要有很好的能力，教學方式也要充滿彈性，但在臺灣的環境實在很難實踐。實際發生的狀況常例如學生已經會用乘法了，老師卻要求一定得用「建構式」連加法，學生用乘法明明得出了正確答案，卻還要被打一個大叉。

李瑩英不諱言當時跟提倡建構式數學的數學家之間的確有衝突，但後來還是能彼此合作、尋求共識，最終的方案也吸取了建構式數學的優點，可視為一種「改良式建構式數學」。在當時，除了主持最困難的小學數學綱要修訂，她還接著規劃新舊版綱要的銜接計畫，並擔任教科書審查、確認新版教科書能落實新綱要的要求。整個過程就像是穿著衣服改衣服。

十多年後的此刻，回望當時的努力跟後來的演變，她嘆息說：「我覺得教育改革中比較大的問題是無法累積成果，常常一個新方案就把舊的全部東西打掉，重來一次。雖然大家都花了很大的力氣，但是卻像向量和，不是在直線上累積，而是彼此抵消回到原點。」她認為教育改革最重要的是要先建立一個有效率的平台及機制 ，讓各方意見可以溝通整合、漸進調整，讓大家的努力及正面效益能不斷累積，不應該一味求快、期望某種做法能一體適用。

對於目前的數學教育，李瑩英表示這幾年並未投入時間及精力，僅就過往經驗分享一些想法。例如，每個學生的需求及能力不同，李瑩英認為硬性規定高中數學課程及教學時數並不合宜，她最關注的是要讓真正對數學有興趣及有需求的人能獲得扎實的訓練。她認為現階段臺灣高中數學的訓練，對未來有志往理工科技發展的前端人才並不足夠；與國外相比，許多國家優秀人才的學習其實跑得非常快、也很扎實。另外，許多人批評現在學生面對數學普遍不求理解、無法清楚論述答題。她建議要讓學生養成作題時仔細寫下每一個步驟，同時將理由註解在每一個步驟旁的習慣。如此假以時日一定可以論理清晰，數學功力大增，也不容易犯錯，這也是她國中時數學老師對他們的要求。

「數學是結構性很強的東西，前面不懂，就會影響後面的學習。在學校可能進度比較趕，沒有讓學生照自己的步調把東西學起來……其實不管步調多慢，只要把東西搞懂，就會讓人覺得非常愉快。」她說，學數學的成就感，就來自於從本來不會，到後來能夠想通理解。最大的挫敗感，則來自一直沒辦法掌握，其癥結常常就是前頭有地方漏掉了，卻沒時間補起來。

她在協助修改課綱時，一些家長曾跟李瑩英說他們非常害怕數學，所以對孩子總是一副「你都不要來問我」的態度，這自然影響了孩子對數學的態度。她建議這些家長，陪著孩子重新學，肯定學得會，而當自己對數學的陰霾消散，就會有信心不排斥，也可以跟孩子分享自己以前哪裡搞不懂，以同理心給孩子支持。

當然，李瑩英並不是希望人人都能成為數學家，她也認為無需勉強不擅長的人，硬搞齊頭式教育，徒增痛苦。但數學是人類文化的重要資產，若能夠藉由數學熟悉抽象思考，對未來生活或是往其他理工科發展，都至關重要。畢竟小至看穿保險推銷員話術，大至面對人工智慧時代的各種黑箱演算法，都得仰賴抽象思考。

儘管在目前的中小學教育環境裏要做到因材施教、自訂進度，難度非常高，李瑩英表示已經有學校嘗試做跑班，也就是同一年級可以有不同的進度，讓一些人繼續衝刺、一些人逐步補強。她不認為線上教育是終極解方，因為在中小學階段，面對面與人互動、討論，能夠讓學生懂得去理解別人的思路，在學習上給老師的回饋也更直接。老師也能透過「小老師」制度，讓領先的學生協助落後的學生，同時增加學生的表達及其它綜合能力。

從傑出科學家到研究生，再到高中生

李瑩英記得，小時候的自己就是這樣培養能力。她從小學到中學都常擔任小老師，負責出題且樂在其中。身為數理強的女生，不管是初中時男女合班，或是高中時讀純女校，她都不曾覺得受到刻板印象威脅。對此，她認為老師能不能設法平衡是關鍵，例如在一個班上，若一開始是男生數學比較好、舉手回答舉得很快，漸漸就會變得都是男生在發言；而老師也順水推舟的話，就可能讓班上的女生更不願意表現。當然，在女校也不見得就沒有其他的問題，例如若老師認為班上都是女生，所以教的數學偏簡單，也會讓競爭跟刺激不足。

李瑩英認為數學適合所有對數學有興趣的人，不會因為性別、年齡或階級而有差異。畢竟數學的對跟錯很清楚，而且數學人的個性，通常也不看重那些與數學無關的標籤。

數學也給予研究者很大的時間跟空間彈性，例如她的男性同事就有不少位負起接送小孩的責任。她認為政府可以透過提供優質豐沛托育環境跟養育設施、措施，讓所有人──不只是數學家或科學家──可以在工作與自我實現上更無後顧之憂。以數學家來舉例，若得照料小孩，許多學術會議可能就去不成，因此如果學術會議能提供托育相關措施，便能讓女性與男性都受益，不至於系統性地打壓了某一性別。

「在科技部也是有這樣的現象。女性計畫主持人相對來說比例較低，可能因為在職涯中有幾年專注在家庭，回來時就比較辛苦。因此應該要建立機制，看怎樣鼓勵及扶持，讓不管是男性或是女性，即使有一段時間中斷，還是有機會再投入研究，做出好成果。畢竟要訓練一個人真的很不容易，他們都是國家寶貴的資產。」她表示。

由於先前提到的量子運算、密碼學、人工智慧等熱門領域都高度仰賴數學，各國國安單位、華爾街的金融產業與矽谷的科技業都大量聘用數學家，其他最具發展性的職涯也多半與數學相關（如資料科學家、精算師、統計學家、資訊安全分析師、軟體工程師等）。根據李瑩英掌握到的消息，在國外許多大學一年級主修數學的人數可能多達 400－500 人，然而「在台灣，這個現象還沒有發生。」

像她這樣的數學研究者除了沒有實驗室跟眾多設備以外，相較於其他領域，其實還有一個很大的差異。在其他領域，博士生通常都已能幫老師做研究，但在數學領域裡，即使是博士生，多還在接受教導跟訓練，幫不上老師的忙。因此老師不太能收很多學生，更遑論收高中生來培育，實在是心有餘力不足。

因此，為了降低 “pipe-leaking” ──也就是隨著大學、碩博士、學術工作等階段，女性越來越少的現象，李瑩英認為女性科學家除了到學校演講吸引學生興趣，更應該給予大學生或研究生專業職涯上的協助。傑出學者能給正在抉擇關卡的研究生直接的協助，告訴他們在專業路上如何繼續走、碰到困難可以怎麼做，特別是在女性比較少的領域裏，這些幫助尤為重要。而研究生們也能協助帶領或與年輕學子分享，尤其年紀較為接近對學妹們可能更容易親近，達到力量的加乘效果。

因為頭會怕冷而戴著帽子的她，一談到如何幫助後進，語調雖然溫柔，眼睛卻特別炯炯有神，期望能發揮身為傑出學者更大的價值跟影響力，不怕自找麻煩，看見各種結構的規律，試圖算出最適切的解答。我想，這就是李瑩英的數學家本色吧！

台灣傑出女科學家獎邁入第 15 年，台灣萊雅鼓勵女性追求科學夢想，讓科學領域能兩性均衡參與和貢獻。想成為科學家嗎？妳絕對可以！傑出學姊們在這裡跟妳說：YES！：https://towis.loreal.com.tw/Video.php

本文由 台灣萊雅 L’Oréal Taiwan 為慶祝「台灣傑出女科學家獎」15 周年而規劃，泛科學企劃執行。