外型奇特的女王鳳凰螺，差點就被當作暗殺工具——《海之聲》

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

或許是台灣大眾對文蛤非常熟悉，所以 2023 年 4 月新聞報導「台灣文蛤」被認定為新的物種時，引發一波「蛤？」的熱潮。究竟文蛤有哪幾種，真的不一樣嗎？現在的台灣人會吃文蛤，古代人也會嗎？

定義新的台灣本土物種

文蛤住在海岸附近，南亞、東南亞、東亞、東北亞到日本的沿岸，都能見到文蛤生存，物種不少，研究不多，分類有許多討論空間。

這項研究主要關注 3 個物種，包括住在日本、韓國的「麗文蛤（Meretrix lusoria）」，東亞偏北的「中華文蛤（Meretrix petechialis）」，以及全新定義，東亞南部與台灣的「台灣文蛤（Meretrix taiwanica）」。

台灣文蛤不只住在台灣，東亞沿岸也有，所以不算台灣特有種，不過可謂台灣的本土物種。

遺傳上看，中國南北的文蛤各自成群，有所差異，為什麼以前沒有中國學者區分新物種？不清楚，或許是覺得同屬一個中國沒必要獨立，將其視為同一物種內的明顯差異。依照新研究，中國南部的文蛤將改名為台灣文蛤。

這項研究使用外殼型態與 DNA 分辨不同文蛤。遺傳學標記是「CO1 Barcode」。CO1 全名 cytochrome c oxidase 1，是粒線體上的基因。

此基因在不同物種間的差異夠多，又沒那麼多（差異不多會分不清楚，可是倘若差異過多，同一物種內的變異也很大，就失去分群的意義，不適合用來鑑定）。儘管提供的訊息遠不如基因體全面，卻容易定序與分析，所以常常被用於鑑定與分類。

比對文蛤們的 CO1 基因序列，台灣文蛤、中華文蛤彼此最接近，不過兩群內皆明顯自成一群，也就是說台灣文蛤們獨立一群，中華文蛤們也自己一群，不論外貌如何，都可以明確區分出兩個物種。

而麗文蛤們也自成一群，和兩者平行。被新定義為台灣文蛤的物種，和麗文蛤相比，遺傳上離中華文蛤更接近。因此可以確認台灣現今的文蛤，絕對不是以前長期認為的麗文蛤。

依照歷史記載，麗文蛤曾經在日治時代人為引進台灣，但是最近野外採集，都沒見到麗文蛤。

蛤？台灣有或沒有哪些文蛤？

外觀方面，台灣文蛤的顏色與花紋變化多端，可是皆為同一物種。一般人不見得要像研究人員去野外廣泛採集才能體驗這件事，去點一盤或買一袋，應該也相當直觀。

20241022編按：感謝顏聖紘教授與下方留言者於FB指出疑義，作者已根據意見修訂內容，以下是留言原文：「2020 年所命名為 Meretrix formosa 那篇，主要問題是其非正式的生物分類報告，僅用精子結構進行判別，未做物種形態比較與描述，並且未指定模式標本，因此只能引用該報告結論作為新種的佐證，但無法成立新種命名。」

神奇的是，其實 2020 年就有另一組學者注意到這個問題，在另一篇論文中也將台灣文蛤定為新物種，建議命名為 Meretrix formosa（福爾摩沙文蛤）。不過這項研究沒有完成目前遵循的新物種命名程序，沒有進入大眾視野。

另外還有一個物種「Cytheraea formosa」，在公元 1851 年由英國學者 G.B. Sowerby II 命名。但是此一學名已經遭到取消，過往歸類為該物種的樣本學名應該皆為 Meretrix lusoria，也就是麗文蛤。

台灣西部有一款很稀有的「虎斑文蛤（Meretris tigris）」。2019 年有一篇碩士論文《台灣養殖文蛤的遺傳多樣性及種原鑑定》（指導教授徐德華，研究生莊朝喜），主張虎斑文蛤不算一個物種，只是台灣的文蛤旗下一款。

這篇碩士論文沒有定義新物種，如果依照新分類，可以算是台灣文蛤的虎斑亞種（Meretrix taiwanica tigris）。

除此之外，現今台灣野外不只存在台灣文蛤，也採集到「韓國文蛤（Meretrix lamarckii）」。和麗文蛤相比，韓國文蛤與台灣文蛤的親戚關係更遠，明確為不同物種。兩者棲地也不同：韓國文蛤住在浪較大，純海水的環境；台灣文蛤則偏好坡度平緩的半淡鹹水河口。

還有一種外觀與台灣文蛤類似的「普通文蛤（Meretrix meretrix）」，分布於東南亞，目前沒有在台灣見到。

台灣貝殼考古學

現今台灣本土的文蛤是台灣文蛤，但是古時候就存在台灣嗎？

台灣各地常常能見到遺棄大量貝殼形成的貝塚，考古遺址也出土不少貝殼，可見貝類是古代常見的資源，不過確認的文蛤並不多。另外更要注意，以前沒有台灣文蛤一說，時常將台灣的文蛤視為麗文蛤。

目前最清晰的紀錄來自新北市海邊的十三行遺址，根據水產試驗所的學者蕭聖代、莊世昌鑑定，這兒出土的文蛤應該是台灣文蛤。另外台北市的國立臺灣博物館，台中市的國立自然科學博物館蒐藏的標本，僅管以前有不同分類，其實也都是台灣文蛤。

台灣北部，淡水河流域的十三行遺址是住海邊的人群遺跡，文蛤年代至少數百年。不過以常理推論，台灣文蛤應該更早以前就住在台灣，只是存在感不如很多種貝類。

除了文蛤以外，十三行遺址也出土過許多種貝殼，見證古代豐富的貝類生態，例如大蜆、紅樹蜆、牡蠣、黑鐘螺等等。

至於台北市比較內陸的圓山遺址，儘管以貝塚出名，卻沒有出土過文蛤，主要貝類是十三行遺址也有的大蜆（Cyrenobatissa subsulcata）。圓山的大蜆貝殼最長可達 8 公分，約為成人手掌大。

隨著時代變遷，現今大蜆已經從基隆河流域消失，不再能大蜆身手。

由考古研究看來，台灣這塊土地的過去與現在是延續的。古早人吃台灣文蛤與其他貝類，現代人也吃台灣文蛤與其他貝類。

劃重點：

• 台灣現今的文蛤主要為本土物種「台灣文蛤」，也分佈於中國南部；台灣還存在另一物種「韓國文蛤」。
• 同為台灣文蛤的不同個體，顏色與花紋變化大，有一款特殊的虎斑亞種。
• 台灣文蛤與中國北部的「中華文蛤」親戚關係最接近。
• 古時候台灣就存在台灣文蛤，但是圓山沒有，主要是已經滅團的「大蜆」。

延伸閱讀

• 背後中箭、大啖貝類，史前南科住了誰？
• 大黃魚和海鯰，古代台南人愛吃什麼魚？
• 馬里亞納群島上，捕捉章魚當晚餐
• 短篇 摩洛哥出土最古早貝殼珠，史前的宣示象徵與潤滑劑？
• 短篇 尼安德塔人也會潛水採集貝殼？
• 前往南美洲考古現場：挖出千年前祕魯沙漠漁村的生活史

參考資料

1. Hsiao, S. T., & Chuang, S. C. (2023). Meretrix taiwanica (Bivalvia: Veneridae), a previously misidentified new species in Taiwan. Molluscan Research, 43(1), 12-21.
2. Gwo, J. C., & Hsu, T. H. (2020). Ultrastructure of sperm and complete mitochondrial genome in Meretrix sp.(Bivalvia: Veneridae) from Taiwan. Tissue and Cell, 67, 101454.
3. 台灣養殖文蛤的遺傳多樣性及種原鑑定
4. 水試所鑑定養殖文蛤DNA 發現新原生種「台灣文蛤」
5. 研究員為確認台灣文蛤物種翻遍河口養殖場 十三行博物館找貝塚標本
6. 【國定圓山考古遺址】〈圓山貝塚，蛤？蜆！〉
7. 臺灣貝類資料庫「大蜆」
8. 國家文化記憶庫「大蜆」

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

在我們這個迷因勝過物質的時代，「萬物源自共同祖先，藉由不斷演化存活下來」的想法，被烙上查爾斯．達爾文的名字。這個名字總是會以全大寫出現在熟悉的有腳魚圖案保險桿貼紙和 T 恤上。

演化論的標語化，掩蓋了達爾文的優雅理論其實是緩慢的、斷續的、不確定的浮現，在他之前的好幾代就已開始並持續鋪展。科學家結合演化論與遺傳學，揭示生命如何在古海洋中興起，並在劇烈的環境變化中存續。

達爾文的祖父相信生命起源於貝殼

達爾文的祖父──一位名叫伊拉斯謨斯．達爾文（Erasmus Darwin）的肥胖醫生，早在兩個世紀之前便預見了福爾邁伊今日著名的貝殼裝飾理論。「不規則的突起，」伊拉謨斯在〈植物園〉（The Botanic Garden）一詩中寫道，「是牠們的防禦工事，對抗敵人攻擊。」

包含達爾文祖父內的那群十八世紀哲學家與科學家，談論著不復存在的生物化石證據。在那個時代，膽敢質疑上帝造物的完美性，仍是非常危險的一件事。伊拉謨斯的詩作〈自然殿堂〉（The Temple of Nature）描繪了一場大爆炸──「在時間開始之前，從燃燒的混沌中，」以及「在連續幾代生命的綻放，在牠們取得新的力量而生長成更大的軀體之前」──「海洋中微小的生命崛起」。

伊拉斯謨斯相信，萬物源自於一只微小貝殼中扭動的「絲狀體」。雖然他住在英國斯塔福郡利齊菲爾德的大教堂城市，有著信仰虔誠的鄰居與病人，但伊拉斯謨斯還是對他的貝殼起源深感興奮，想要與其他願意質疑傳統的智慧之人分享。

出現在家族徽章上的貝殼

達爾文的家族徽章上有三枚扇貝，這紋樣在當時與現在都很流行。（黛安娜王妃的徽章是斯賓塞（Spencer）家族從十六世紀代代相傳的，裡頭也有三枚扇貝。她的兩個兒子，威廉與哈利，在十八歲後也將貝殼納入自己的紋徽中以紀念母親。）伊拉斯謨斯．達爾文決定將達爾文家的徽章加上「萬物始於貝」（E conchis omnia）這句座右銘。

他把座右銘印在自己私用的書籤上，但這樣無法讓更多人看見。於是，就像演化論的現代捍衛者在保險桿上貼了有腳魚的貼紙；伊拉斯謨斯．達爾文在一七七○年將他的紋徽與新座右銘裝飾在馬車側身。

他虔誠的鄰居們被他的失德行為嚇壞了。在利齊菲爾德大教堂上，法政牧師湯瑪斯．史都華（Thomas Seward）看到伊拉斯謨斯「棄絕他的造物主」，滿心憤慨，寫下這首諷刺詩：

多麼偉大的巫師！憑藉魔法咒術

能讓貝殼長出萬物……

噢醫生，改掉那愚蠢的座右銘

或將它留在某位女士的窟洞裡

否則你可憐的病人會戰悸

如果你的治療力比不過創造力。

伊拉斯謨斯．達爾文不想侮辱教會也不想失去病患，於是將馬車上的貝殼座右銘塗掉，但仍保留在書籤上。他的後代子孫（無論是生物上或知識上的），都在共同起源論中找到真理，儘管不是來自一枚原始貝殼。不過，今日的古生物學家確實認為，軟體動物是我們目前所知最古老的動物，而牠們是由單一的有殼祖先演化而成。

早期生物如何適應地球的變化？關鍵就在於外殼

科學家尚未發現軟體動物之母，但他們知道，軟體動物至少是在五億四千萬年前演化而成。在單細胞微生物出現後，有些創造出生物的第一個外殼，並終於蠕動出更複雜的生命體。在統治地球大半歷史的軟泥微生物墊層與動物的大崛起之間，有兩波被低估的生命浪潮。

第一波是最早的多細胞生物，以柔軟的身體蠕動存在，如今只能在地球最古老的岩石潛穴與痕跡中瞥見。這些黏糊糊的老祖宗，找到方法在陽光中捕捉能量，但牠們的創新卻也助長了牠們的毀滅進程。牠們發展出來的光合作用有一個副產品──氧氣；對大多數在原始、低氧海中演化出來的微生物而言，氧氣是有毒的。

這些謎樣的生物，有許多在教科書裡的「五大滅絕」，以及目前正在經歷的第六次大滅絕之前就已大量死亡。只有能夠適應地球化學變化的生物堅持了下來，其中許多是拜牠們打造的外殼之賜。

第二波由微小、虛弱的礦化生物組成，即科學家口中的「小殼化石」。牠們的暱稱是「小殼」（small shellies）或「小臭」（small smellies），因為採集牠們的唯一方式，是將石灰岩塊溶解在酸液裡。

這些迷你造礦者包括蟲狀、管狀與海綿狀生物，以及最早的一些軟體動物——已滅絕的喙殼綱（rostroconch）軟體動物看似蛤蚌，但雙殼融合成單殼；蝸牛似的太陽女神螺綱（helcionelloid）外殼有如女巫帽，生活在動盪海洋的淺灘裡。牠們很快就會有一大群夥伴。

光合作用協助打造外骨骼的材料

逐漸增加的氧氣導致更多的光合作用，提高類似蛋白質的膠原——那是動物製造組織的必需品；火山灰也可能增加了海中的碳酸鈣，為打造外殼提供了現成的材料庫存。在俄羅斯西北部奧涅加河河岸，有一層五億五千五百萬年的火山灰燼，裡頭保存了一種寶螺狀的柔軟動物，名為金伯拉蟲（Kimberella），拖著一個數公分長的非礦物殼。科學家追蹤牠的覓食與爬行軌跡，得知牠大概是靠一條爬行足倒退移動。

繼這場「軟啟動」之後，在寒武紀（Cambrian）的動物崛起中，硬殼連同骨骼於世界各地出現。斑斑點點、慢慢吞吞的生命形式，開始讓位給喧喧鬧鬧、由掠食者與獵物組成的海洋動物寓言。肢節分明的三葉蟲，和牠們的昆蟲與螃蟹後代一樣沿著海底爬行。更大的海洋動物演化出來並掠食牠們，例如五公分長、龍蝦狀的赫德蝦（Hurdia victoria），牠們擁有多刺的爪子以及從頭部突起的長矛狀外殼。

在加拿大落磯山區，數百隻名為威瓦西亞蟲（Wiwaxia）的尖刺蛞蝓，保存在寒武紀海洋中巨大的伯吉斯頁岩（Burgess Shale）化石沉積中。這些五億零五百萬年的遺骸覆蓋著鱗片，並有突出的尖刺。和金伯拉蟲一樣，科學家尚未確定牠是早期的軟體動物或一種蟲。但科學家確實看到牠的許多尖刺曾經折斷（可能是掠食者造成）然後修復。

——本文摘自《海之聲：貝殼與海洋的億萬年命運》，2022 年 11 月，臉譜出版，未經同意請勿轉載。