疫苗分配平等：說起來容易做起來難——《輝瑞登月任務：拯救人類的疫苗研發計畫》

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

• 作者：蔡依橙 醫師

被汙名化的好疫苗：牛津 AZ

臺灣常說的 AZ 疫苗，其實是 The Oxford / AstraZeneca COVID-19 vaccine，也就是牛津與阿斯特捷利康公司 (AstraZeneca; AZ) 合作的產品，由牛津大學研發並做少量初始製造，接著由 AZ 處理大規模量產與全球配送。

這支疫苗的命運坎坷了些，不管在世界或是臺灣都是。

世界部分，AZ 疫苗因為是學術機構與商業藥廠的合作，磨合與臨床研究耽誤了一些時間，即使在審查最快速積極的自家主場英國，取得緊急授權的時間，也輸給輝瑞 BNT 疫苗 27 天。（2020 / 12 / 3 vs 2020 / 12 / 30）

臺灣部分，則因為某些可說與不可說的原因，有效煽動出一定要向中國上海復星買神藥的輿論，首先進來的 AZ 被汙名化成爛疫苗。如果你還記得的話，當時打氣非常低迷，AZ 被說得一文不值。想回顧這段經歷的，只要上網搜尋「AZ 爛疫苗」，就能看到很多偏離事實的離譜言論，而這也不過才一年前的事情而已。

立場聲明，我個人在 AZ 被罵得一文不值時，自行閱讀國外的期刊資料，以及許多傑出醫藥同行的歸納，認定 AZ 是很棒的疫苗。在沒有人要打，醫院還要到處拜託才能湊足 10 人以免浪費的時候，就去打了。而且，連我自己的太太、爸爸、媽媽也都接受注射，提早形成保護力。

多一種疫苗，多一種選擇

在討論疫苗時，我們首先該有的認識是，在這次全球危機中研發疫苗，並不是像死亡擂台一樣，一定要比誰最好，只有冠軍有存在價值。而是應該慶幸，人類文明相當多元，在最早的幾個疫苗研發團隊中，組織文化不同，動機不同，技術也各有不同。

技術來說，有 mRNA 技術也有腺病毒載體技術，萬一 mRNA 新技術失敗了，也有 AZ 的成熟技術平台，就算 AZ 也失敗，後續仍有 Novavax 和臺灣高端的次單位蛋白技術等著出場。

組織文化來說，輝瑞是用大型資本的力量支持 BNT 的科學研發、製造與配送；莫德納是小型新創生技公司，在技術與知識上做到頂尖，並自行取得資金擴張；牛津大學則是自詡「幫這個世界準備好應對災難需要的技術」的學術角色，找到願意以「非營利基礎」處理製造與分銷的 AZ 一起合作。三種協作模式，各自努力攻頂。

可能因為中華民國人習慣聯考比分數，把所有的學習成效，簡化為一個分數來決定一切，久了之後，連思考事情都很單一價值。

但事實上，疫苗有很多面向，像是保護力、抗體量、細胞免疫、保護力下降速度、疫苗輸送保存容易度、疫苗注射方便性等等。因為研發生技產品總有不確定性，用多種技術與多種產品去避險，並讓不同的國家能有不同的選擇，這樣才是最好的。

就像一個複雜且成熟的社會，應該要使用多元入學方式，培養多元人才、適才適所，才是正確的全社會繁榮方向。

這種「多樣性」有多麼重要，愛爾蘭很懂。在原產地中南美洲，馬鈴薯有數千種，種類繁多且千變萬化。哥倫布大交換後，進入歐洲，因其容易種植且熱量高，逐漸成為主要糧食作物，餵飽歐洲人以跳脫馬爾薩斯陷阱的人口崩潰。愛爾蘭農民認為，要種當然種最好的，於是幾乎只用最適合商業耕種的單一品種。

結果，馬鈴薯晚疫病一來，因基因單一，完全無抵抗能力，就造成長年的嚴重歉收與愛爾蘭大饑荒，在只有八百萬人口的愛爾蘭，造成一百萬人死亡、兩百萬人逃離家鄉成為海外移民，並讓存活下來的人們決心獨立，脫離英國。

馬鈴薯如此，疫苗也如此。如果我們只選一個最好的，也只用一個最好的，當這個「我們以為的最好疫苗」失效時，人類也會大量崩潰。

科學上來說，AZ 疫苗的第一劑效果相當不錯，完整接種後對變種病毒的防禦力也很好，一直到了加強劑的時代，才稍微淡出舞台。總之，牛津 AZ 疫苗，是個速度快、品質好、效果也相當不錯的疫苗。

而且，AZ 是救了臺灣的疫苗。在全世界疫情都嚴重，臺灣民眾恐慌，莫德納疫苗出口量不大，BNT 疫苗被中國與上海復星用政治因素阻擋時，AZ 不管透過 COVAX、透過捐贈、透過臺灣直接購買，都扛住了各種政治壓力與責任，持續到貨。

如果你忘記了，歡迎回顧當年媒體對 AZ 排山倒海的批評，會有恍如隔世的感覺。

這本書就是讓我們看看，對世界、對臺灣都很重要的 AZ 疫苗，是誰研發的？是怎麼研發的？

生物醫學研究領域的真實狀況

跟天下文化已經出的兩本書來比的話，《疫苗商戰》的記者角度，會把多線寫在一起，形成一個精彩且互相關聯的故事；《輝瑞登月任務》的 CEO 角度，則讓人很容易懂，了解輝瑞的價值與付出的努力，擴大影響力；這本《疫苗先鋒》，則完全流露出生物醫學科學家 做自己覺得對的事情根本不管你 擇善固執的獨特性格。

在這本書中，你可以看到生物醫學界從業者的辛苦，年輕研究人員靠著計畫生活，不知道今年的計畫結束後，下個計畫在哪裡。資深研究者如本書作者莎拉・吉爾伯特則自承，已經十年沒有親手做實驗，幾乎都在找錢找計劃，想辦法讓研究團隊繼續經營下去，在這種不確定性下，一邊也要養活一家五口。

如我們在《疫苗商戰》分享文中提到的靈魂拷問：是的，他們所從事的事情，有可能在機會來臨時，會改變世界，但過程可能很不順利，機會也可能永不到來。你願意從事這樣收入不穩定、研究產出不穩定、未來也不穩定的日子嗎？如果這是你的孩子呢？你願意看著他抱著其實自己也不太有信心的夢想，過著沒什麼保障的生活嗎？

這就是生物醫學研究領域的真實狀況。如果你自己在這領域工作，或者你的小孩有興趣走這領域發展生涯，我蠻建議可以看看這本的，作者們頗為真誠，美化程度並不高。

學者個性：誠實的本色

說到真誠，這兩位作者真的沒什麼在修飾的，像是牛津大學選擇 AZ 作為合作伙伴後，格林難掩失落：

「他們在製藥界的名氣顯然也很響亮，可是他們對於疫苗生產卻沒有什麼特別足以著稱的名聲。」

「⋯⋯這項決定，完全沒有徵詢過我們這些真的懂得如何製造疫苗的人。」

「新來的團隊成員感覺起來像我們實際上的新老闆。」

「他們絲毫沒有製造病毒載體的經驗⋯⋯我們必須反覆不斷的向阿斯特捷利康略有不同的各種成員組合說明一切，讓我們感到挫折。」

不過之後，他也毫無保留的肯定 AZ，對於量產製造、優化儲存與運送、協助低收入國家度過疫情的貢獻。是個好就說好，不好就說不好的個性。

科學的本質：承認未知，持續探索

另一個這本書與眾不同的地方，是對於未知的容忍度很高。

《疫苗商戰》的記者角度，以及《輝瑞登月任務》的廠商與執行長，為了可讀性，通常會讓整個故事交代得比較完整且清楚。用白話說，就是有坑就要填，不能挖了坑之後不去填，因為沒填的坑，會令人產生不確定感，持續侵蝕讀者的心。

但科學最重要的特色（尤其對比於宗教），就是承認我們有很多事情不知道，但這種狀態並不舒服，是違反人類本能的。而本書也很清晰地呈現了這種狀態，以及這些科學家們與未知共存的樣貌。

像是 AZ 所做的臨床試驗，為什麼會有一組人第一劑只給半劑量？（這部分書中有說明，但最終也沒有從原理上解決，而是從流程上解決：直接用 qPCR 測定，而非分光光度法。）又為什麼半劑量的反倒效果更好？作者作為科學家，並不知道這些問題的答案，也不會假裝他們知道，就把這些明白的寫在書裡。

人生，很多事情不會知道答案的，這也是科學的真實狀態。有些事情，就是需要經過幾個世代，才能明白。

牛津大學的自許：延續大英帝國的驕傲

AZ 疫苗的價格，一劑只要 4 元美金，約 120 元新台幣，這是牛津大學在找合作廠商時，要求以非營利基礎，所確定下來的。為什麼牛津大學會有這種救人淑世的情懷？這個跟英國歷史有關。

牛津大學校史 900 年，完整經過大航海時代，協助英國成為日不落帝國，培養大量殖民官員、傳教士與帝國擁護者，伴隨英國成功殖民美洲，然後失去北美十三州殖民地，再重新找到自我認同，認為自己是為印度等未開化地區帶來文明的指導者。像是這張有名的畫作中，稚嫩的印度人，在英國人的牽引下，學習文明、禮節、教養。（英國觀點）

哈拉瑞的書也提過，科學與帝國相輔相成。對大英帝國來說，這些熱帶的、貧窮的、世界的人民，需要英國的幫助，英國也需要更好的科學，去開發殖民地的資源，減少殖民地的疾病，於是設置了「植物園」與「熱帶醫學研究」。

「熱帶醫學」這個詞，代表有個殖民母國，想要了解位在熱帶的殖民地的各種醫學知識。相對的，你就不會特別稱殖民母國的醫學叫做「溫帶醫學」，因為殖民母國的醫學，就。是。醫學。當然，因為「熱帶醫學」這個領域也累積了很多知識，而且這個詞表面上看沒什麼歧視意味，所以就保留下來，在今天，多數時候這個詞彙被看做是中性的。

牛津 AZ 疫苗的臨床試驗，就是在牛津大學的「臨床疫苗與熱帶醫學中心」開始的。

即使英國在兩次世界大戰後，失去了全球帝國的地位，但那種驕傲和自我期許還在：為全世界的危機做準備，為有需要但沒資源的人做準備。「熱帶醫學」在英國，也做為一門學科，繼續流傳下來，並在人類危機出現時，重現了大英帝國的科技驕傲。

人類世界的兩面性

以上，並沒有批評牛津大學或 AZ 的意思，我個人相當尊敬挺身而出的牛津大學科學家們，與承擔製造與物流並賭上自家品牌的 AZ。舉這個例子，只是想要說明人類世界的複雜。

在這場人類共同克服疫情的戰役中，被認為邪惡的資本，其實並不那麼邪惡；被貼上正向價值的學術領域，也有著不適合一直拿出來說的歷史脈絡；被認為終將勝利的科學，仍有很多事情不知道；被視作英雄的疫苗研發者，在這之前也只是個苦於幫實驗室找到資金的、被生活壓得喘不過氣的，生命科學從業人員。

這一系列的疫苗出版，讓我們看見的，是這些辛苦與困頓的人們，所共同堆砌出的偉大。

——本文為《疫苗先鋒：新冠疫苗的科學戰》書評，2022 年 2 月，天下文化出版。

• 作者／艾伯特．博爾拉 Dr. Albert Bourla 博士
• 譯者／廖月娟

各國疫苗分配失衡

大多數高收入國家都是第一批下訂單，以確保 2021 年一整年的疫苗供應無虞。歐洲、美國、日本與英國等多個國家都訂購了我們的疫苗。

遺憾的是，很多國家因為對 mRNA 技術沒有信心，或是由於其他藥廠承諾會在當地生產，決定完全使用其他疫苗，特別是中等收入與低收入國家。我們在當地的團隊盡了全力，可惜沒能改變這些國家領導人的想法。我看著 Excel 表格，發現分配給高收入國家的疫苗數量高得不成比例，實在令人憂心。

我親自和沒有向我們訂購疫苗的中、低收入國家接洽。我寄信給這些國家的領導人，同時我們在當地的團隊則繼續努力，但是大都沒有成功。到了 2020 年 10 月，即使在這場新冠疫苗競賽中，輝瑞顯然已經拔得頭籌，又有幾個國家向我們預購疫苗，但是訂購的中、低收入國家仍然不夠多，疫苗分配比例依然失衡。

關於美國多訂購的那一億劑

不過，當疫苗獲得證實有效之後，情況就有了變化。首先，已經訂購一億劑疫苗的美國政府與我們接洽，表明要再買一億劑。幾個月前，當我們能夠供應的疫苗產量即將售罄時，早已經告知曲速行動，最好再多訂購一億劑。然而，他們拒絕了。我親自打電話給曲速行動的領導團隊，告訴他們歐洲已經訂購兩億劑，為了謹慎起見，他們也應該這麼做。還記得我當時說，如果美國政府無法從一間美國公司獲得疫苗，豈不是挺尷尬？我還強調，輝瑞將尊重承諾，嚴格依照已經確認訂單的順序來分配疫苗。換句話說，如果他們日後改變主意，想要多訂疫苗，我們也不會從已經下訂單的國家那裡調動產量過來，結果還是遭到曲速行動拒絕。

然而，現在他們要求再多訂購一億劑，而且還要我們立即交貨。問題是，我們前六個月的預計供應量都分配好了，很難在六月前額外生產出美國政府要的一億劑疫苗，但是 2021 年下半年交貨就沒問題。然而，出於其他原因，談判陷入僵局。

這時，川普總統的女婿兼白宮顧問傑瑞德．庫許納（Jared Kushner）打電話給我，想要解決這個問題。

我們原本以為再提供美國一億劑疫苗是很單純的一件事。根據我們已經達成的協議，美國政府可以額外添購疫苗，但是官僚主義作祟，從中阻礙疫苗採購流程。此一時彼一時，現在由於疫苗已經獲得核准，他們沒辦法或者是不想依照當初疫苗等待核准時的協議下訂。我則是不願重啟談判，總覺得這像是潘朵拉的盒子，畢竟先前我們花費好幾週談判才達成協議。這時，抨擊川普政府沒有購買足夠疫苗的聲浪愈來愈大。庫許納打電話來了解問題。我向他解釋情況，並且要求在合約中新增條款以重啟談判。

庫許納指出，這些事情實在荒謬，並承認這是官僚主義的問題，他會再打電話給關鍵人物。

秉持平等原則

多虧庫許納的介入，事情終於解決了。幾天後，經過幾次的電話溝通，我們的律師擬出一個雙方都同意的解決方案。但是，交貨時程表的問題再次浮現。庫許納態度強硬，要求增購的一億劑疫苗必須在 2021 年第二季全部交貨。如果答應他的要求，我們就得把原來要給加拿大、日本與拉丁美洲國家的疫苗先調給美國，但是這些國家都比美國更早下訂單，也在等待第二季可以取得疫苗。因此，我拒絕他的要求，兩人吵得臉紅脖子粗。我還提醒他，我早就和曲速行動的負責人施勞威說得一清二楚，我們不會把其他國家的疫苗調給美國，先前簽訂第一份協議時甚至低聲下氣的請求曲速行動增購疫苗，但他們一再拒絕。

然而，庫許納不肯讓步。在他看來，美國無論如何都得優先拿到疫苗；不過對我而言，平等才最重要。他還堅持，一旦我們的疫苗可以從卡拉馬祖工廠出貨，必須先給美國額外的一億劑，再給其他國家。他提醒我，他代表政府，他們會設法貫徹自己的意志。

「悉聽尊便，傑瑞德，」我說：「我寧願日本首相是向你抱怨東京奧運取消，而不是向我客訴。」

幸好，我們的生產團隊繼續創造奇蹟。他們提交新的生產時程表給我，看來我們得以在 4 月至 7 月間增加產量，滿足美國添購疫苗的要求，卻不必削減給其他國家的疫苗。有了這個兩全其美的辦法，我們總算簽訂合約。兩天後，庫許納從海湖莊園（Mar-a-Lago）打電話給我，感謝我的合作，這次風波終於圓滿落幕。

——摘自《輝瑞登月任務：拯救人類的疫苗研發計畫》，2022 年 3 月，天下文化。

• 作者／艾伯特．博爾拉 Dr. Albert Bourla 博士
• 譯者／廖月娟

挺身而出著手研究

當我要求研究團隊提出一項計畫，以研製出安全、有效的疫苗，並且加上時程表時，我早已深知每一個環節的複雜程度。這次的時程表看起來和以前截然不同。2020 年春天，新冠肺炎造成的感染與死亡人數急遽攀升，這個世界正面臨一場前所未有的危機，我們必須挺身而出。我們有一支很棒的疫苗研究團隊，當中有些成員可說是全世界最傑出的科學家。

他們立即著手研究。幾週後，在 4 月的一場視訊會議中，疫苗研究團隊主管凱瑟琳．詹森和她的團隊提出一項很有野心的計畫，要在 2021 年下半年完成關鍵的第三期臨床試驗。這項計畫能否實行，就看我們能不能把必須花費多年工夫的必要工作濃縮到 18 個月。在那場會議上，生產部門的最高主管麥克．麥德默特（Mike McDermott）提出一項計畫，讓我們得以在 18 個月內開發出一種製程，包括尋找合適的原料供應商，以及從零開始設計 mRNA 所需的特殊設備。麥克說：「只要疫苗研發出來，我就可以在短短幾個月內製造數千萬劑疫苗。」這時他正在家裡的辦公空間坐鎮指揮，房間裡四處都放滿五個女兒的畫作。就藥物開發速度以及生產規模而言，他的計畫將締造新的世界紀錄。

不可能但卻非做到不可

我們的團隊終於擬定這項野心勃勃的計畫，大家雖已精疲力竭，仍難掩驕傲之情。但這時疫情急遽惡化，特別是紐約市，我們當中有許多人都在這座城市居住、工作。當時醫院人滿為患，加護病房呼吸器短缺，染病死者擠爆太平間，很多大體只能堆放在醫院外面的冷凍車上。每晚我入睡時以及隔日我醒來時，都為疫情而備感煎熬，這個疾病讓我們付出太多代價。感染率與死亡人數屢創新高，全球經濟處於危險之中，追尋疫情的解方比任何一個組織的未來更重要得多，因為這關係到全世界的未來。自從我和米凱爾決定研製疫苗以來，我愈來愈覺得這是唯一有效的解決方案。而我們沒有時間了。我知道一個世紀前 1918 年流感的全球大流行期間，第二波疫情比第一波更致命。我還知道，在下一個秋季，我們將面臨流感與新冠肺炎的雙重夾擊。

於是我告訴團隊：「這項計畫還不夠好。我們必須提早在今年 10 月前研發出疫苗。而且，明年我們要生產的劑量不是幾千萬劑，而是幾億劑。」

我還記得，當時電腦螢幕上出現一張張驚訝的臉。儘管計畫被我打了回票，他們並沒有顯露失望的表情，而是對我提出的要求表示震驚和困惑。他們覺得那是不可能辦到的事。他們從自己的角度來解釋為什麼這不可能達成，而我們爭論了一會兒。他們提出的事實很明確，論據也很清晰。理智告訴我，他們是對的，這是不可能做到的事。但是，我們非做到不可。

有時我應該建立共識，有時則要推他們一把。現在，我應該用力推動他們前進。所以我說，這項計畫不行，就是這樣。我要他們回去從頭開始思考每一步，把不可能變成可能。我表示，他們完全不必擔心成本的問題，也用不著考慮投資回報。公司願意提供他們需要的一切資源。他們得思索如何多管齊下，而非按部就班。他們應該以巧妙、創新的方式來設計實驗，加快學習速度，從多種原型當中去蕪存菁，迅速決定最好的候選疫苗。在疫苗研發成功之前，就該冒著風險著手建立生產能力。如果所需的原料有現貨，就該先行採購，如果沒有現貨，就直接下訂單。最後，我要他們在新計畫的最後一頁放上計算數字，指出如果我們今年 10 月還不能把疫苗研製出來，會有多少人死去。一週後，我的團隊提出一份天才計畫給我，如果成功，2020 年 10 月底就會有結果。

最關鍵的決策

他們想出一種非常聰明的方式來進行第一、二期的臨床試驗。他們不是等實驗室選定所有的候選疫苗才開始進行試驗，而是有了第一款候選疫苗，就立刻進行試驗。他們以不同的組合、劑量和年齡層來試驗，以了解候選疫苗與免疫系統的互動情況。一旦第二款候選疫苗出現，隨即進行巧妙的目標測試計畫，和第一款候選疫苗做比較。這樣的測試可以讓我們得到針對第二款候選疫苗的結論，而不需要像第一款候選疫苗那樣重複所有試驗步驟。第三款和第四款候選疫苗也是以此類推處理。這麼做能快速淘汰比較差的疫苗，專注在最好的兩款，再透過幾種額外的測試，選定最終的候選疫苗，就可以用來進行第三期臨床試驗。

當報告到這裡的時候，他們警告我，雖然這種機制能得到有用的訊息，挑選出最好的候選疫苗，但是出錯的風險很大。也就是說，最終挑選出來進行第三期臨床試驗的疫苗，可能其實只是次佳的那一款。

以後見之明來看，那時我們每天做的決定都攸關生死，而這個決定是最關鍵的一項決策。

——摘自《輝瑞登月任務：拯救人類的疫苗研發計畫》，2022 年 3 月，天下文化。