音樂不只治癒心靈，也可以治療大腦──音樂關鍵字｜EP6：你好！我叫江東平

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

人類的音樂比任何樂器都古老

早在我們雕刻象牙或骨頭之前許久，肯定已經使用聲音戲耍出旋律、和聲與節奏。現代人類所有族群都會唱歌、演奏樂器和舞蹈。

這種普遍性意味著我們的祖先早在發明樂器以前，已經是音樂的愛好者。如今所有已知的人類文化之中，音樂都出現在類似情境裡，比如愛情、搖籃曲、治療和舞蹈。這麼說來，人類的社會行為通常少不了音樂。

化石證據同樣顯示，五十萬年前的人類已經擁有能發出現代口語和歌聲的舌骨。因此，在我們製造樂器之前幾十萬年，人類的喉嚨就已經能夠說或唱出語句或歌詞。

口語和音樂何者先出現，目前還無從確定。其他物種也具有感知語言和音樂所需的神經組織，顯示我們的語言和音樂能力只是原有能力的精緻化。

左右腦的劃分

人類以左腦處理口說語言（其他哺乳類或許也是在同樣的部位處理同類的聲音），其他聲音則是傳送到負責處理音樂的右腦。或許左右腦共同處理，左腦利用聲音在不同時間呈現的細微差異理解語義和語法，右腦則用音頻的差異來捕捉旋律和音色等細節。

但這個劃分並非絕對，顯示語言和音樂之間沒有明確的分隔線。語言的抑揚頓挫和音韻會啟動右腦，歌曲的語義內容卻是點亮左腦，那麼，歌曲和詩文讓我們左右腦的運作相互交織。

所有的人類文化都有這種現象，都將文字融入歌曲裡，而口說語言的意義有一部分來自語言本身的音樂性。在嬰兒時期，我們根據母親聲音的速度和音頻辨識她。成年以後，我們用音頻、拍子、力度、音質和音調傳情表意。

在文化的層面，我們結合音樂和語言，將最珍貴的知識傳遞下去：澳洲的歌行（song line）；中東與歐洲的禱文吟誦、聖歌和詩篇；桑族（San）入神舞的「呼喊敘事」；以及全世界不同族群各異其趣的詠唱方式。

這麼說來，器樂（instrumental music）性質特殊，跟歌曲和口語有所區分。它是一種完全脫離語言的音樂。最早的製笛師也許研究出如何創造超越語言特性的音樂。在這方面，他們或許跟其他動物找到了共通性。

動物們也有音樂和語言

昆蟲、鳥類、蛙類和其他物種的聲音也許有自己的文法和句式，卻肯定不屬於人類語言的範疇。如果器樂確實讓我們感受到超越語言或先於語言的聲音，那麼這是一種矛盾的體驗。

人類對工具的使用為時不久又獨一無二，透過這樣的活動，我們超越語言，體驗到聲音的含義與細節。我們的動物親族或許仍然這樣體驗聲音，演化成為人類之前的祖先肯定也是。器樂或許帶領我們的感官回到工具和語言出現之前的體驗。

打擊樂的出現可能也早於口語或歌曲。由於鼓的材質多半是生活中常見的皮革或木頭，不耐久存、容易腐朽，考古學上的證據因此相當稀少。已知最早的鼓只有六千年歷史，出現在中國，但人類打鼓的歷史應該久遠得多。

在非洲，野生黑猩猩、倭黑猩猩和大黑猩猩都使用鼓聲做為社交信號。這些猩猩表親使用雙手、雙腳和石頭敲擊身體、地面或樹木的板根。

這意味著我們的祖先可能會擊鼓，或許用來傳達身分或領域訊息，在此同時凝聚成團結合作、節奏一致的群體。相較於其他類人猿，人類鼓聲的節拍更有規律，也更精準。有趣的是，對許多黑猩猩族群而言，用石塊敲擊樹木可說是一種儀式。

黑猩猩會選擇特定樹木，在選定的每個地點疊出石堆。牠們不但把石頭存放起來，還會將它們拋或扔向樹木，發出砰或喀嗒聲。牠們敲擊樹木時，通常一面發出洪亮的「噓喘」，一面用手腳擊打樹幹。那麼，黑猩猩和人類都會將敲擊聲、嗓音、社會展演和儀式結合在一起。

這個現象告訴我們，人類音樂的這些元素，歷史比我們的物種更悠久。

最古老的緣起仍成謎

人類音樂最古老的根源究竟從什麼時間點開始，目前還是個謎，器樂與其他藝術形態之間的關係卻比較清楚。世上已知最古老的樂器，就埋葬在已知最古老的具象雕像旁，二者都來自洞穴裡人類遺跡的最底層。

它們底下的沉積層已經看不到人類的痕跡，而後，在更深處是尼安德塔人的工具。在地球上的這個位置，器樂和具象藝術同時出現，就在解剖學意義上的現代人最早抵達歐洲冰雪大地的時刻。

樂器與具象雕刻品有個共通概念，那就是物質經過三度空間的修改，可以變成活動的物件，刺激我們的感官、心靈和情感，如今我們稱之為「藝術的體驗」。笛子與雕像的並置告訴我們，在奧瑞納文化時期，人類的創意不只展現在單一活動或功能上。工匠的技藝、音樂的創新與具象派藝術彼此連結。

最早期的人類藝術也為藝術形式之間的相關性提供佐證。已知最早的繪畫是抽象的，而非具象。這些繪畫來自七萬三千年前，掩埋在南非布隆伯斯洞窟（Blombos Cave）的沉積層裡。在那個洞穴裡，有人用赭石筆在易碎的岩石上畫出交叉陰影圖案。這個圖案所在的沉積層還有其他創意作品存在，比如貝殼珠子、骨錐、矛頭和赭石鐫刻的作品。

只是，現階段的紀錄顯示，德國南部洞穴立體藝術品製作工藝發展的速度，可能與使用顏料的具象藝術不一樣。笛子和小雕像似乎沒有經過刻意著色，它們所在的洞穴也沒有壁畫裝飾。在這個地區，要等到更後期的馬格達連文化（Magdalenian，大約這些笛子出現後再經過兩萬年），才有明顯以赭色顏料塗畫的岩石裝飾。

歐洲另一個奧瑞納文化遺址、西班牙北部的埃爾卡斯蒂洞窟（El Castillo），發展軌跡卻是不同。洞穴裡的圓盤壁畫時間超過四萬年，在同一面牆壁上有個三萬七千年前的手掌圖案。不過，據我們目前所知，這個時期在這個地區並沒有立體藝術創作。

同樣的，蘇拉威西洞穴的具象壁畫也跟任何已知雕刻作品無關。這些差異透露的，是考古紀錄有欠完整，而不是人類藝術的發展歷程。目前看來，立體藝術作品（雕像與笛子）最早發展的時間和地點似乎與繪畫不同。

見證音樂的悠久歷史

這段悠久的歷史重塑我們對更近期藝術的體驗。望著舊石器時代的笛子和小雕像，我想到大英博物館、紐約大都會藝術博物館和羅浮宮的人潮。有時我們會排隊幾小時，只為了看一眼人類藝術與文化的重要時刻。但在德國鄉間這座小博物館裡，我們見識到藝術更深遠的根源。

我張開雙臂。假設我雙手之間的距離是已知人類音樂與具象藝術存在的時間，冰河期的笛子和雕刻品的位置會在我左手指尖，跟蘇拉威西的洞穴壁畫一起。各大博物館裡的主要藝術品的位置則在我右手伸直的指尖，是過去一千年來的產物。

這絕不代表過去幾百年來的藝術創作不重要，相反的，紀錄遠古人類精湛藝術的遺址和博物館既與更近期的作品相得益彰，也為人類的藝術創作尋根溯源。藝術在與每個地區的動物和環境的關係中誕生，又藉著舊石器時代人類的高超技藝與想像力向上提升。

——本文摘自《傾聽地球之聲》，2022 年 11 月，商周出版，未經同意請勿轉載。

• 文／Heidi

你有過邊聽音樂邊跑步的經驗嗎？讓我們先來看一段動畫，再開始今天的主題！動畫裡的主角阿辰有個熱愛跑步的阿公，他想要挑戰路跑，於是向阿辰下戰帖，想看誰可以先跑完四圈操場。沒想到，原本落後的阿辰，戴上耳機後，竟然逆轉局勢，贏得了比賽。這究竟是什麼魔法？為什麼音樂能讓阿辰瞬間變成飛毛腿呢？

日常生活中的音樂與運動

2014 年，美國音樂潮牌 Sol Republic 調查 1,000 位民眾使用耳機的習慣，有 62% 的民眾表示「一整天沒有聽音樂，比一整天沒有社交活動」更糟，另外也有 40% 的民眾表示，如果沒有搭配音樂，他們想要運動、鍛鍊身體的欲望就會大幅降低。

在臺灣，如果你曾經踏進健身房或運動中心，想必聽過從喇叭傳出來的快節奏音樂，或是看過不少人戴著耳機跑步、舉重、騎飛輪。如果你在學校或熱鬧的商圈看過街舞表演，通常也都是選用節奏明快的流行歌。可是，為什麼音樂和運動有關呢？一邊運動，一邊聽音樂，真的對我們有幫助嗎？如果有，背後的科學原理又是什麼？

聲音如何穿越耳朵、抵達大腦？

想知道為什麼音樂和運動有關，就得先瞭解聲音如何穿越耳朵、抵達大腦。

從生理構造來看，我們的耳朵可分為三部分：外耳、中耳和內耳。外耳負責將接收到的聲波傳入中耳。中耳有「耳膜」和「聽小骨」，能夠增強聲波，將聲波轉換成內耳能夠解讀的訊號。內耳有「耳蝸」和「前庭系統」，分別掌管聽覺和平衡感。這兩個結構會在末端合體，成為「前庭耳蝸神經」，也就是 12 對腦神經中的第 8 對，可以將聲音訊號直接送進大腦。

擅長平衡、喜歡打節拍的前庭系統

說到平衡感，那就和運動有關了！前庭系統的功能就是穩定身體，讓我們走路時不易跌倒、運動時能保持平衡，眼睛追蹤移動物體時，也不至於暈頭轉向。這些都要歸功於前庭系統裡頭的「半規管」和「耳石」，前者感知旋轉，後者感知重力與加速度。

如果我們一邊跑步一邊聽音樂，讓節奏規律的低頻重拍經由前庭系統刺激大腦，就能讓大腦誤以為是雙腳落地的低頻聲響。如此一來，大腦就會透過前庭系統發送訊號給肌肉，幫助腳步保持規律。換句話說，如果音樂節奏與步伐速度相近，跑起來就能更輕鬆；反之，如果換成節奏較慢的音樂，前庭系統就會讓我們不自覺放慢腳步，導致運動效果不佳。

研究顯示，聽音樂運動「效果十分顯著」

早在 1911 年，美國統計學家艾爾斯（Leonard Ayres）就發現，如果賽道旁有樂隊演奏，自行車選手踩踏板的速度也會隨之加快。^[1] 2012 年，英國雪菲爾哈倫大學（Sheffield Hallam University）的研究進一步證明，相較於踩踏速度沒有和音樂節拍同步的選手來說，同步選手的耗氧量減少 7%，意思就是比較不容易疲累或缺氧。由此可見，音樂就像身體的節拍器，可以穩住運動節奏，減少體力耗損。^[2]

2017 年，印度幾所大學的醫學院教授共同研究音樂對青少年運動表現的影響。這些教授找來 50 位年齡介於 19 到 25 歲的學生，讓他們連續 10 個早晨在跑步機上運動，速度不限，累了就可以停下來。研究數據顯示，在沒有播放任何音樂時，男性的平均運動時間約為 26 分鐘，女性則是 18 分鐘；相較之下，當他們聆聽各自喜歡的音樂時，男性的平均運動時間可以達到 42 分鐘，女性則是 31 分鐘，前後有非常明顯的落差。^[3]

2020 年，美國桑福德大學（Samford University）的研究也顯示，只要在暖身時，聆聽喜歡的音樂，就可以提高臥推槓鈴的表現。雖然臥推速度幾乎沒有差異，如圖（a），可是臥推次數明顯增加。根據圖（b）的數據，如果聆聽不喜歡的音樂（NON-PREF），平均只能推 11.1 下，經過兩分鐘休息後，只能再推 8.0 下；但如果聆聽喜歡的音樂（PREF），平均可以推 13.5 下，經過兩分鐘休息後，也可以再推 9.4 下，可見聽音樂運動的效果確實非常顯著。^[4] 

註解

• 註 1：Ayres, L. P. (1911). The Influence of Music on Speed in the Six Day Bicycle Race. American Physical Education Review, 16:5, 321-324.
• 註 2：Bacon, C. J., Myers, T. R., & Karageorghis, C. I. (2012). Effect of music-movement synchrony on exercise oxygen consumption. The Journal of sports medicine and physical fitness, 52(4), 359–365.
• 註 3：Thakare, A. E., Mehrotra, R., & Singh, A. (2017). Effect of music tempo on exercise performance and heart rate among young adults. International journal of physiology, pathophysiology and pharmacology, 9(2), 35–39.
• 註 4：Ballmann, C. G., Cook, G. D., Hester, Z. T., Kopec, T. J., Williams, T. D., & Rogers, R. R. (2020). Effects of Preferred and Non-Preferred Warm-Up Music on Resistance Exercise Performance. Journal of functional morphology and kinesiology, 6(1), 3. 

1. Sound Over Pounds: Survey Finds Two Out Of Three People Cut Their Workout Short Or Ditch It Completely Without Headphones
2. 認識耳朵 – 歡迎光臨林口長庚耳鼻喉部
3. Let’s Get Physical: The Psychology of Effective Workout Music