為什麼台灣文蛤是新的物種，古時候就住在台灣嗎？

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

深海的暗氧：無光環境中的神秘氧氣生成

深海，被譽為地球最後的未開發疆域，隱藏著許多不為人知的奧秘。數千公尺深的海底沉積了數量龐大的多金屬結核，這些礦物因含有大量珍貴金屬，對現代技術，尤其是能源轉型，至關重要。然而，科學家在探索這些結核的過程中意外地發現了一種神秘的現象：暗氧，即在無光的深海環境中生成氧氣的過程。這一發現不僅可能改變我們對海洋生態系統的理解，還可能重新定義地球早期生命起源的故事。

長期以來，科學界普遍認為氧氣的生成依賴於光合作用。光合作用是植物、藻類及一些細菌透過陽光將水和二氧化碳轉化為有機物並釋放氧氣的過程。這一過程主要發生在地球表層和淺水區域，是維持大氣和海洋中氧氣含量的核心機制。根據這一觀點，只有在陽光能夠到達的區域，氧氣才能被生成。因此，對於深達數千公尺的深海區域，我們的認識是，氧氣主要來自於表層水透過洋流輸送到深處。

然而，深海中缺乏光源，光合作用無法進行，這意味著氧氣在深海中的供應受到限制。雖然洋流能夠在一定程度上將氧氣輸送到深海，但這一過程極其緩慢，往往需要數百年甚至上千年才能完成一次循環。因此，科學家一直認為深海是一個缺氧的環境。

多金屬結核的發現，是新能源的關鍵，還是海洋生態的災難？

在這樣的背景下，科學家對深海進行了更深入的探索，並發現了錳結核（英語：Manganese nodules），又被稱為多金屬結核這一珍貴資源。多金屬結核是富含金屬的岩石，其主要成分包括鈷、錳和鎳等金屬。這些結核廣泛分佈於全球深海區域，尤其是太平洋海域，儲量高達數兆噸。這些金屬對綠色能源技術，如電池生產，具有極高的價值，吸引了全球各國的關注。

然而，這些結核不僅是地球資源的寶藏，它們還隱藏著另一個重要的發現。2013 年，科學家安德魯·斯威特曼（Andrew Sweetman）在太平洋克拉里昂-克里珀頓區域進行深海研究時，意外地發現，在封閉的深海水域中，氧氣濃度竟然有所增加。這一現象引發了科學界的極大關注。

暗氧的生成機制

斯威特曼的研究團隊推測，深海中的多金屬結核可能在某些化學條件下，充當了天然電池。這些結核通過電化學反應將水分解為氧氣和氫氣，從而在無光的環境中產生了氧氣。為了驗證這一假設，團隊在實驗室中模擬了深海環境，並確實觀察到氧氣從結核生成的現象。

不過，這一過程並非如想像中簡單。根據實驗數據，某些海底結核表面的電壓僅為 0.95 伏特，卻能夠生成氧氣，這與理論上需要的 1.6 伏特電壓不符。研究團隊進一步推測，這可能與結核的成分有關，例如含鎳的錳氧化物可能起到了催化作用，降低了反應所需的能量。此外，結核表面的不規則排列及空隙可能也促進了電子轉移和水的分解。

暗氧的發現挑戰了我們對氧氣生成的傳統理解。過去我們認為，地球上的氧氣主要來自於光合作用，但這一現象表明，甚至在無光的深海環境中，氧氣也能通過無機物的電化學反應生成。這意味著，我們對於地球早期氧氣循環及生命演化的認識可能存在重大疏漏。

尤其值得注意的是，多金屬結核的形成需要氧氣，而這些結核大量出現在深海中，是否表明早期地球上就已經存在非光合作用的氧氣生成機制？如果是這樣，暗氧是否可能推動了地球上生命的起源？這一問題仍然未有定論，但暗氧的發現無疑為生命起源的研究開闢了一條新的途徑。

未來的挑戰：開採深海資源還是守護地球最後的「淨土」？

除了科學研究的價值，多金屬結核也吸引了全球對於深海資源開採的興趣。這些結核富含稀有金屬，特別是對電池生產至關重要的鎳和鈷。然而，大規模的深海開採可能會對海洋生態系統造成嚴重破壞。

首先，深海採礦可能導致噪音和光污染，破壞深海生物的棲息地。此外，採礦過程中產生的懸浮物可能對海洋生物，尤其是水母等生物造成生理負擔。研究顯示，水母在模擬的採礦環境中會因應對懸浮物而消耗大量能量，這可能削弱其免疫系統並降低生存率。

因此，雖然深海資源的開採看似能解決當前的能源危機，但國際間對此議題的爭議仍然持續。全球已有32個國家支持暫停或禁止深海採礦，呼籲進行更多的生態影響研究以確保環境保護。

暗氧的發現，不僅為科學研究帶來新的挑戰，也為深海資源的開採提出了更高的要求。在能源危機與生態保護之間，我們需要尋找平衡點。未來的技術或許能夠在不破壞環境的情況下，模擬自然過程生成多金屬結核，從而實現可持續的資源開採。

此外，暗氧現象的發現也為探索外星生命提供了新的思路。當我們在其他行星上發現氧氣時，不一定意味著那裡存在光合作用生物，可能是類似多金屬結核的無機反應在默默進行。這一發現或許將改變我們對地外生命的定義與尋找方式。

深海的秘密仍在不斷被揭開。從暗氧的發現到多金屬結核的開採，這片未開發的疆域將在未來的科學探索與資源爭奪中扮演至關重要的角色。無論是能源危機的解決還是生態系統的保護，我們都應以謹慎且負責任的態度面對這一未知的領域，避免打開潘朵拉之盒。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜林庭葦
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

上古中國最常見的武器是「戈」？

說到中國的兵器，你可能會想到金庸武俠小說中的倚天劍、屠龍刀。事實上，我們熟悉的劍是從歐亞草原傳入中國。早在劍成為主流兵器前，在上古中國的戰場上，廣泛使用的兵器是青銅製的「戈」。中央研究院「研之有物」專訪院內歷史語言研究所李修平助研究員，透過研究殷墟出土的「銅三角援戈」，分析這些兵器之於墓主的意義，並解開晚商社會與區域互動的謎團。

在中央研究院歷史語言研究所的研究室裡，李修平助研究員揮舞著一把仿銅戈模型，一邊講解、一邊模擬商代士兵的作戰情形。

銅戈這類青銅器是用銅、錫、鉛為主的礦物冶煉鑄造而成，跟非金屬材料做的兵器截然不同。第一，銅戈相當鋒利，就算沒有正中敵人要害也會造成大量失血，攻擊效率極高。第二，石器要花時間打磨，但銅戈只要有夠多模具，就能大規模量產。第三，石器斷了就斷了，但銅戈就算鈍掉，磨一磨就能再用；就算爛掉，也能重鎔再製。

「銅戈彰顯了商代的軍事和科技實力，你不覺得這類兵器超猛的嗎！」李修平讚嘆古人的智慧，娓娓道來自己對銅戈與青銅器著迷的原因：

青銅器的鑄造技術就像當代的半導體，是上古中國最尖端的科技！

的確，與石器、玉器或陶器相比，青銅器的製造技術更複雜，從開採礦物、冶煉金屬，乃至鎔鑄器物，整套製程都需要高超的知識體系和工藝技術。

此外，李修平更從銅戈觀察到複雜的區域互動關係。目前，學界普遍認為「戈」是中國本土發展出的兵器，源自黃河流域，並往四周流傳。而青銅鑄造則是來自歐亞草原的外來技術，傳入中國後逐漸本土化，被用來製作各式禮、兵器，也包括銅戈。

根據目前的考古發現，在被視為「晚夏時期」的二里頭文化（西元前約 1750 至 1520 年）、「早商時期」的二里岡文化（西元前約 1510 至 1300 年）就已出土少量的銅戈。到了中、晚商時期，銅戈不僅大量出現於黃河中游的小屯文化（包括「花園莊期」與「殷墟文化」，西元前約 1320 至 1050 年），更散布於上古中國境內各地。不同地區銅戈的形制變化與出土脈絡，成為考古學家研究上古中國區域互動的重要材料。

考古學家如何還原文物身世？

在殷商時期，銅戈已是中國廣為使用的兵器，一支銅戈基本上具備：青銅製的「戈頭」、固定戈頭並可手執的「柲」、柲上端的「冒」，與柲下端的「鐏」。

戈頭又可大致分為用來攻擊的「援」、支撐柲的「內」（常見的造型有直內、曲內、管銎），以及位於兩部位銜接處的「闌」（分為上闌、側闌、下闌）。

為了讓戈頭在作戰時不會從柲上脫落，會在「援」或「內」上設計稱為「穿」的孔洞，可穿繩將戈頭和柲綁在一起。後來更出現了合瓦形的「管銎」，是形狀如兩塊瓦片圍成的孔洞，可讓柲直接穿過戈頭固定。

在形態各異的銅戈中，李修平注意到一種形狀特殊、數量稀少的「銅三角援戈」。與一般銅戈相比，銅三角援戈的主要特徵為：援呈三角形、援末有長方形穿、無上下闌。

銅三角援戈不僅造型特殊，更令人矚目的是，學者對於銅三角援戈的起源意見紛陳，目前至少包括「漢中盆地說」、「中原說」、「漢水流域說」與「涇渭三角地帶說」等不同說法。這也連帶影響其背後所反映的不同區域互動關係，形成眾說紛紜的局面。

根據目前的考古證據，在距今 3000 多年前的商代，銅三角援戈已見於上古中國各地，包括今日黃河流域的河南、河北、山東、山西、陝西，與長江流域的湖北、湖南與陝西南部等地。此外，殷墟所在的河南省安陽市，則出土近 20 件銅三角援戈。

為了藉由銅三角援戈此一個案，進一步探索商代複雜的區域互動關係，李修平首先分析史語所典藏的 4 件殷墟出土銅三角援戈。當中有 2 件「直內三角援戈」和 1 件「曲內管銎三角援戈」發現於洹河以西的小屯東北地（即一般所謂的「宮殿區」）。另有 1 件「直內三角援戈」發現於洹河以東的大司空村。

研究的起點，就得先從殷墟的地理位置，與文物的出土脈絡說起。

殷墟是商代晚期的王都遺址，其歷史可追溯至距今 3000 多年前，位於今日中國河南省安陽市的洹河流域，佔地廣袤，遍布大大小小的遺址。

史語所自 1928 至 1937 年間，陸續在殷墟進行 15 次考古發掘，在當年是首次由官方學術單位，在單一遺址中，進行長時間、大規模、系統性的考古發掘工作，奠定了中國考古學往後 90 餘年的發展。

為了尋找中國最早的文字──甲骨文，經過多年調查，史語所的考古學家前往安陽市西北部的小屯村，進行田野考古工作。由於小屯村以北發現大量的夯土台基，顯示此處曾是商代晚期的宮殿和宗廟的所在地，因而稱之為「小屯宮殿區」。此外，更在小屯宮殿區的西北方、洹河以北的侯家莊以北，發現了「西北岡王陵區」。

考古學家藉由解讀出土於殷墟的甲骨文，證實了歷史文獻上殷商王朝的存在。墓葬中更找到各式青銅製的禮、兵器，與《左傳》「國之大事，在祀與戎」的記載相符。毫無疑問，在不晚於殷商時期，「祭祀」和「戰爭」就是一個國家立足的根本。

在殷墟發掘的文物，皆有賴考古學家就其出土「脈絡」，還原身世背景。

除了觀察文物本身的形制、材質、刻紋等外在特徵之外，文物出土的地層、在遺址中的位置、周圍的其他遺存等，都是協助考古學家研究古人思想行為的關鍵。

李修平舉例，一件銅器在遺址的不同地方被發掘，可能暗示它所處的不同生命週期。例如在作坊附近發掘，可能是半成品或廢料；在居住區發掘，可能是使用中的物品；在垃圾坑發掘，可能是毀棄品；在墓葬中發掘，則可能是陪葬品。

從墓葬風格推算墓主身份地位？從戈的形狀看出區域互動可能性？

史語所典藏的 4 件殷墟出土銅三角援戈，有 3 件出自墓葬、1 件出自水井。首先，李修平從墓葬所在的位置、墓室的規模、陪葬品數量，以及是否有殉葬者，推測墓主的身分，與文物對墓主的個人意義。

舉例來說，直內三角援戈 R002108、R002109 皆出自小屯宮殿區的墓葬（這兩座墓葬的年代，均埋於「小屯宮殿區」形成之前）。雖然這兩把銅戈都做工精美、鋒利依舊，但出土墓葬的「排場」卻有所落差。

R002108 出自墓葬 M232，規模頗大，不但有殉葬者，還有眾多銅、石兵器，暗示墓主的身分地位與眾不同，生前可能有指揮作戰的能力。R002109 則出自墓葬 M270，規模較小、陪葬品也少，推測墓主在當地社群大概屬低階貴族。

李修平指出，上述兩件「直內三角援戈」雖然都出自墓葬，但這兩件兵器對於它們的擁有者來說，意義可能大不相同。

對墓葬 M270 墓主來說，R002109 是他為數不多的陪葬品中相對珍貴的器物。反觀墓葬 M232 墓主，不只陪葬品豐富，胸前還放了一把比 R002108 更精美、鑲有綠松石的曲內銅戈。此外，就陪葬品放置的位置來看，M232 墓主可能重視鑲嵌綠松石銅戈，更勝於 R002108。

此外，李修平也透過分析出土脈絡，為大司空村發掘的「直內三角援戈」R015552 拼湊出不同身世。

R015552 的前鋒圓鈍、內上沒有可穿繩的孔洞，作戰時戈頭容易與握柄分離。因此，李修平推測，這把銅戈可能不是實用兵器，而是作為儀杖或有其他用途。

此外，R015552 所在的墓葬位於殷墟的「東部工業區」，該地已發現生產各式骨器、陶器的作坊，或許也鑄造銅器，而此墓葬的位置正好位於骨器作坊的範圍。

因此，墓主的身分地位和所屬社群，可能與小屯宮殿區的政治菁英較遠，而與大司空村南地的工匠社群較近。

另一方面，李修平也從造型特殊的「曲內管銎三角援戈」R002130，觀察到區域互動的可能性。

R002130 的出土地點特殊，位於小屯宮殿區北部的一處水井內。這座水井出土的考古遺存數量豐富、材質多元，包括占卜用的甲骨、銅渣（代表附近可能有鑄銅活動），以及至少 21 件青銅兵器與工具。李修平推測，這些青銅器物的擁有者可能是生活或服務於小屯宮殿區的人員。

為什麼說「曲內管銎三角援戈」反映出區域互動的可能性呢？

首先，在二里頭文化時期至小屯文化時期，中原地區（黃河中下游、今日中國河南省一帶）出土的銅戈，其援部大多呈長條形，外觀呈現三角形者相對較少。如前所述，援部呈三角形的銅戈，究竟源於何地，仍有進一步討論的空間。

此外，能插入握柄的管銎設計，是北方式青銅器的特色，殷墟雖然有出土管銎銅戈，但數量遠不及無管銎設計的銅戈。

最後，曲內設計是中原地區銅戈常見的造型，最早見於二里頭文化時期，但融合「三角形援」和「曲內」這兩種設計的銅戈卻非常罕見。

李修平認為，「曲內管銎三角援戈」展現了各地物質文化元素在晚商王都交融的現象，也體現了商代工匠勇於實驗各種創新的銅戈設計，致力打造出能讓戈頭和握柄緊密結合的完美兵器。

「研究史語所收藏的殷墟出土銅三角援戈，只是研究的起點。」李修平表示：「直到今日，殷墟的考古工作已持續進行約 100 年，不僅累積龐大的材料，更發現種類豐富的『舶來品』。此外，在上古中國境內各地，也陸續發現五花八門的外來遺存。換句話說，運用脈絡比較分析法來研究上古中國的區域互動，其實才正要起步。」

跳脫「華夏中心史觀」！區域互動有多複雜？

「區域互動」的研究看似有很多材料可做，但李修平坦言，如果單純相信眼前的證據，很可能會誤入陷阱。

舉例來說，假設 3000 年後，外星人來到地球考古，發現臺灣是全世界晶片製造廠最密集的地方，他們可能會以為臺灣是半導體的發源地，但其實真正的發源地在美國。光是當代社會的物質文化都能推敲出多種可能，要推斷 3000 年前殷墟文物背後的區域互動關係，就更加困難。

李修平進一步指出，在中國考古學的研究中，當墓葬中出土了外來遺存，經常採用較籠統的說法。例如，某地「影響」了某地，又或者兩地之間存在某種「關係」，但詳細原因無法具體說明。特別是進入了夏、商、周時期，「華夏中心史觀」成為詮釋區域互動的基本預設。

其中一個例子，就是被學界視為夏朝晚期的二里頭文化與周邊地區的關係：一般認為，二里頭的物質文化就像太陽般輻射四方，只要在周遭地區看到類似的物質文化，很可能就是受到二里頭的「影響」。

「但這樣的論述其實有待商榷。」李修平點出爭議：「只因為看到這邊出土的陶器跟二里頭的陶器類似，就能斷定它被二里頭「影響」嗎？物質文化流傳的動力，是文化？是政治？是經濟？還是偶然的巧合？又或者是其它多重、複雜的因素？」

有關區域之間的「互動關係」，其內涵充滿各種可能性，諸如交換、模仿、貿易、移民、戰爭或殖民等原因，真相並沒有那麼單純。

因此，自 2020 年接手史語所安陽工作室以來，李修平就試圖跳脫「華夏中心史觀」，將上古中國的區域互動關係進行更細緻的梳理。

然而，研究過程並不容易，因為做研究必須跟著材料走，而不是跟著既有的、主流的論述走。如果有新的材料出土，就要接受已有的認識很可能被挑戰、甚至推翻的可能性。

「現代社會都這麼複雜了，古代社會也有它複雜的一面。」李修平望著眼前正在進行的研究，僅管還有許多難題未解，卻擋不住他躍躍欲試的心情。

「新的考古材料持續出土，不斷更新我們對古代世界的認識。儘管如此，考古學家仍要竭澤而漁，盡力蒐羅所有材料，試圖在相對穩固的基礎上，還原古代社會的複雜性，並提出比較合理的解釋。這是我做研究的基本態度。」