花中西施是誰？點綴山野的臺灣原生杜鵑花——《橫斷臺灣》

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

一、前言

選後的立法院三黨不過半，但民眾黨有八席不分區立委，足以與民進黨或國民黨結成多數聯盟，勢將在國會居於樞紐地位。無獨有偶的是：民眾黨主席柯文哲在總統大選得到 26.5% 的選票，屈居第三，但因其獲得部分藍、綠選民的支持，在選民偏好順序組態的基礎上，它卻也同樣地居於樞紐地位。這個地位，將足以讓柯文哲及民眾黨在選後的台灣政壇持續激盪。

二、柯文哲是「孔多塞贏家」？

這次總統大選，誰能脫穎而出並不是一個特別令人殷盼的問題，更值得關心的問題是藍白綠「三跤㧣」在選民偏好順序組態中的消長。台灣總統大選採多數決選制，多數決選制英文叫 first-past-the-post（FPTP），簡單來講就是票多的贏，票少的輸。在 10 月中藍白合破局之後，賴蕭配會贏已經沒有懸念，但這只是選制定規之下的結果，換了另一個選制，同樣的選情可能就會險象環生。

從另一個角度想：選制是人為的，而選情反映的是社會現實。政治學者都知道天下沒有十全十美的選制；既定的選制推出了一位總統，並不代表選情的張力就會成為過眼雲煙。當三股社會勢力在制度的帷幕後繼續激盪，台灣政治將無法因新總統的誕生而趨於穩定。

如果在「三跤㧣」選舉之下，選情的激盪從候選人的得票多少看不出來，那要從哪裡看？政治學提供的一個方法是把候選人配對 PK，看是否有一位候選人能在所有的 PK 中取勝。這樣的候選人並不一定存在，如果不存在，那代表有 A 與 B 配對 A 勝，B 與 C 配對 B 勝，C 與 A 配對 C 勝的 A＞B＞C＞A 的情形。這種情形，一般叫做「循環多數」（cyclical majorities），是 18 世紀法國學者孔多塞（Nicolas de Condorcet）首先提出。循環多數的存在意涵選舉結果隱藏了政治動盪。

另一方面，如果有一位候選人能在配對 PK 時擊敗所有的其他候選人，這樣的候選人稱作「孔多塞贏家」（Condorcet winner），而在配對 PK 時均被擊敗的候選人則稱作「孔多塞輸家」（Condorcet loser）。三角嘟的選舉若無循環多數，則一定會有孔多塞贏家和孔多塞輸家，然而孔多塞贏家不一定即是多數決選制中贏得選舉的候選人，而多數決選制中贏得選舉的候選人卻可能是孔多塞輸家。

如果多數決選制中贏得選舉的候選人不是孔多塞贏家，那與循環多數一樣，意涵選後政治將不會穩定。

那麼，台灣這次總統大選，有沒有孔多塞贏家？如果有，是多數決選制之下當選的賴清德嗎？我根據戴立安先生調查規劃的《美麗島電子報》追蹤民調第 109 波（1 月 11 日至 12 日），也是選前最後民調的估計，得到的結果令人驚訝：得票墊後的柯文哲很可能是孔多塞贏家，而得票最多的賴清德很可能是孔多塞輸家。果然如此，那白色力量將會持續地激盪台灣政治！

我之前根據美麗島封關前第 101 波估計，侯友宜可能是孔多塞贏家，而賴清德是孔多塞輸家。現在得到不同的結果，顯示了封關期間的三股政治力量的消長。本來藍營期望的棄保不但沒有發生，而且柯文哲選前之夜在凱道浩大的造勢活動，還震驚了藍綠陣營。民調樣本估計出的孔多塞贏家本來就不準確，但短期內的改變，很可能反映了選情的激盪，甚至可能反映了循環多數的存在。

三、如何從民調樣本估計孔多塞贏家

根據這波民調，總樣本 N=1001 位受訪者中，如果當時投票，會支持賴清德的受訪者共 355 人，佔 35.4%；支持侯友宜的受訪者共 247 人，佔 24.7%。支持柯文哲的受訪者共 200 人，佔 19.9%。

美麗島民調續問「最不希望誰當總統，也絕對不會投給他的候選人」，在會投票給三組候選人的 802 位支持者中，一共有 572 位對這個問題給予了明確的回答。《美麗島電子報》在其網站提供了交叉表如圖：

根據這個交叉表，我們可以估計每一位明確回答了續問的受訪者對三組候選人的偏好順序，然後再依這 572 人的偏好順序組態來判定在兩兩 PK 的情形下，候選人之間的輸贏如何。我得到的結果是：

• 柯文哲 PK 賴清德：311 > 261（54.4% v. 45.6%）
• 柯文哲 PK 侯友宜：287 > 285（50.2% v. 49.8%）
• 侯友宜 PK 賴清德：293 > 279（51.2% v. 48.8%）

所以柯文哲是孔多塞贏家，賴清德是孔多塞輸家。當然我們如果考慮抽樣誤差（4.1%），除了柯文哲勝出賴清德具有統計顯著性之外，其他兩組配對可說難分難解。但在這 N=572 的小樣本中，三位候選人的得票率分別是：賴清德 40%，侯友宜 33%，柯文哲 27%，與選舉實際結果幾乎一模一樣。至少在這個反映了選舉結果的樣本中，柯文哲是孔多塞贏家。依多數決選制，孔多塞輸家賴清德當選。

不過以上的分析有一個問題：各陣營的支持者中，有不少人無法明確回答「最不希望看到誰當總統，也絕對不會投給他做總統」的候選人。最嚴重的是賴清德的支持者，其「無反應率」（nonresponse rate）高達 34.5%。相對而言，侯友宜、柯文哲的支持者則分別只有 24.1%、23.8% 無法明確回答。為什麼賴的支持者有較多人無法指認最討厭的候選人？一個假設是因為藍、白性質相近，對許多綠營選民而言，其候選人的討厭程度可能難分軒輊。反過來說，藍、白陣營的選民大多數會最討厭綠營候選人，因此指認較無困難。無論如何，把無法明確回答偏好順序的受訪者歸為「遺失值」（missing value）而棄置不用總不是很恰當的做法，在這裡尤其可能會造成賴清德支持者數目的低估。

補救的辦法之一是在「無法明確回答等於無法區別」的假設下，把「遺失值」平分給投票對象之外的其他兩位候選人，也就是假設他們各有 1/2 的機會是無反應受訪者最討厭的候選人。這樣處理的結果，得到

• 柯文哲 PK 賴清德：389 > 413（48.5% v. 51.5%）
• 柯文哲 PK 侯友宜：396 > 406（49.4% v. 50.6%）
• 侯友宜 PK 賴清德：376 > 426（46.9% v. 53.1%）

此時賴清德是孔多塞贏家，而柯文哲是孔多塞輸家。在這 N=802 的樣本中，三位候選人的得票率分別是：賴清德 44%，侯友宜 31%，柯文哲 25%。雖然依多數決選制，孔多塞贏家賴清德當選，但賴的得票率超過實際選舉結果（40%）。用無實證的假設來填補遺失值，反而造成賴清德支持者數目的高估。

如果擔心「無法明確回答等於無法區別」的假設太勉強，補救的辦法之二是把「遺失值」依有反應受訪者選擇最討厭對象的同樣比例，分給投票對象之外的其他兩位候選人。這樣處理的結果，得到

• 柯文哲 PK 賴清德：409 > 393（51.0% v. 49.0%）
• 柯文哲 PK 侯友宜：407 > 395（50.8% v. 49.2%）
• 侯友宜 PK 賴清德：417 > 385（52.0% v. 48.0%）

此時柯文哲又是孔多塞贏家，而賴清德又是孔多塞輸家了。這個樣本也是 N=802，三位候選人的得票率分別是：賴清德 44%，侯友宜 31%，柯文哲 25%，與上面的結果一樣。

以上三種無反應處理方法都不盡完美。第一種把無反應直接當遺失值丟棄，看似最不可取。然而縮小的樣本裡，三位候選人的支持度與實際選舉結果幾乎完全一致。後兩種以不同的假設補足了遺失值，但卻過度膨脹了賴清德的支持度。如果以樣本中候選人支持度與實際結果的比較來判斷遺失值處理方法的效度，我們不能排斥第一種方法及其結果。

無論如何，在缺乏完全資訊的情況下，我們發現的確有可能多數決輸家柯文哲是孔多塞贏家，而多數決贏家賴清德是孔多塞輸家。因為配對 PK 結果缺乏統計顯著性，我們甚至不能排除循環多數的存在。此後四年，多數決選制產生的總統能否在三角嘟力量的激盪下有效維持政治穩定，值得我們持續觀察。

四、結語

柯文哲之所以可以是孔多塞贏家，是因為藍綠選民傾向於最不希望對方的候選人當總統。而白營的中間偏藍位置，讓柯文哲與賴清德 PK 時，能夠得到大多數藍營選民的奧援而勝出。同樣的，當他與侯友宜 PK 時，他也能夠得到一部份綠營選民的奧援。只要他的支持者足夠，他也能夠勝出。反過來看，當賴清德與侯友宜 PK 時，除非他的基本盤夠大，否則從白營得到的奧援不一定足夠讓他勝出。民調 N=572 的樣本中，賴清德得 40%，侯友宜得 33%，柯文哲得 27%。由於柯的支持者討厭賴清德（52.5%）遠遠超過討厭侯友宜（23.7%），賴雖然基本盤較大，能夠從白營得到的奧援卻不多。而侯雖基本盤較小，卻有足夠的奧援。柯文哲之所以成為孔多塞贏家，賴清德之所以成為孔多塞輸家，都是這些因素的數學結果。

資料來源

• 《美麗島電子報》追蹤民調第109波（1月11日至12日）

臺灣原生的杜鵑花——烏來杜鵑

在進入大學之前，我對臺灣原生的杜鵑花物種瞭解甚少。小時候，我曾認為所有的杜鵑花都是同一種植物，只是天生具有各種花色。甚而，由於經常出現在校園或私人花園裡，我也一度以為杜鵑花必須和人類在一起才能存活。一直要到我開始登山，接觸了山岳文學，才從鹿野忠雄的著作中認識到臺灣原生的玉山杜鵑，並發現它原來與日常生活中的杜鵑花大不相同。

後者大多是園藝栽培而出的品種，較能忍受夏季平地的高溫。此後，在植物學課程中，我進一步瞭解到臺灣除了玉山杜鵑，還有至少十六種本土杜鵑花。它們大多是山地物種，從烏來的丘陵到太魯閣的石灰岩峰，從大武地壘的密林到雲海之上的玉山之巔，只要走上山，你基本上都能遇到臺灣原生杜鵑花。

而我從童年開始對杜鵑花的錯誤印象，純粹只是因為我不會爬山，沒有能力到山裡和杜鵑花相遇。

對喜愛植物和山林的人來說，春天是一年一度，他們和山地杜鵑花說好相見的時刻。每當第一道花訊從山巔傳來，他們便紛紛趕赴山林，無視親友的不解，無畏春雨及山上的詭譎天氣。遼闊的中央山脈就是他們的私人多寶格，收藏著十七種姿色各異的原生杜鵑花，每年都要在此時仔細審視一次才能舒心。

相對的，我雖然也喜歡山地杜鵑花，但並非將它們視為一套植物珍玩。我喜歡，是因為它們經常在山上撫慰我的疲憊心靈，更是建構臺灣高山植被裡的重要植物。十七種原生杜鵑花各自獨具特色，從形態到自然史，揭示了島嶼與特有種演化的奧祕。

慚愧的是，雖然至今山齡將滿二十年，我卻仍未見過臺灣全部的原生杜鵑花。臺灣看似狹小，但山就像巨大的迷宮，充斥著未被踏過的角落。玉山杜鵑雖然是我知曉的第一種臺灣原生杜鵑，但我跟它充其量只能算在書裡神交過，我真正親眼見到的第一種原生杜鵑花並不在山裡，而是在臺大的校園。

杜鵑葉片形狀之謎

它叫烏來杜鵑，曾經在臺北盆地郊山生長，如今已在野外滅絕。因其美麗脫俗的粉色花朵，深受人們喜愛，在經過保育單位復育後，現已廣泛種植於各地。不開花的烏來杜鵑乍看之下並不好認，它就是一般常見，外觀纖弱的某種小灌木。我是在樹木學助教的指導下才知道它的特徵——柳葉狀且密生紅棕色剛毛的葉片。然而助教卻沒說，為什麼烏來杜鵑會有這種形態的葉片，因此我也一直無法將這個特徵認真刻在腦海裡。

二○一五年，我獲得日本交流協會的資助前往日本擔任訪問學生。在關西地區進行野外植物採集時，有植物小百科稱號的友人伊東拓朗向我介紹了一種在河谷中生長的杜鵑花，名為皋月杜鵑。

他告訴我，皋月杜鵑是一種溪流植物（riparian plant），擁有隨河流環境演化而來的獨特形態，例如，它具有披針狀且厚實的葉片。這類葉片因呈流線形，能減少植物在水流中所受的阻力，當植物因河水暴漲而被淹沒時，便可於激流存活。

聽完伊東君的介紹，我突然想到烏來杜鵑。它那狀似柳葉的葉片、細小但柔韌的枝條，是否也與它的生存息息相關呢？從過去的採集紀錄得知，烏來杜鵑喜歡生長在河岸邊，甚至似乎只分布在北勢溪的上游。烏來杜鵑柳葉狀的葉片看似十分流線，與皋月杜鵑一樣，有可能是幫助它應付臺灣北部夏季溪谷洪水的適應性特徵。

此外，雖然未能在過往研究報告中找到剛毛與河谷生育地間的關聯，但另一方面，說不定柔韌的枝條在洪流中也較不易被沖斷。事隔多年，我這才順利地把當年助教描述的東西牢牢記住。

——本文摘自《橫斷臺灣》，2023 年 7 月，春山出版，未經同意請勿轉載。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜田偲妤
• 美術設計｜蔡宛潔

一批詳實記載石門水庫大小事的檔案

每到枯水期、颱風季，新聞常會報導水庫的蓄水率，供應新北、桃園、新竹用水的「石門水庫」往往是關注重點。石門水庫已陪伴臺灣民眾走過一甲子歲月，在經濟部水利署北區水資源局的庫房中，留有一批被視為鎮局之寶的檔案，記載石門水庫從設計到興建期間的大小事。中央研究院臺灣史研究所團隊自 2020 年起進駐北水局 19 個月，重新整編 7 千多件、數十萬頁的檔案，又花了近一年研究解讀，終在 2023 年公開其中的 1,700 件、約 14 多萬頁「石門水庫建設委員會檔案」數位影像，並與北水局合作出版《石門水庫歷史檔案中的人與事》專書，藉由歷史檔案訴說一段段藏在紙張中的故事。

說到臺灣北部的重要水庫，就不能不提「石門水庫」。這座橫跨桃園市大溪區、龍潭區、復興區與新竹縣關西鎮的水庫，是臺灣第一座多目標水庫，具備公共給水、灌溉、防洪、發電、觀光等功能。每到颱風季，觀看洪水從石門水庫溢洪道奔騰而出，是許多臺灣民眾共同的記憶；枯水期時，水庫的蓄水率也是近年民眾相當熟悉的新聞畫面。

儲存水流的水庫曾一度被視為解決水資源與洪水等問題的萬靈丹，但此一龐大水利工程的光環在環保運動中逐漸褪去。至今，人們對水庫充滿了複雜的情感與不同的評價。在此情形下，水庫的歷史更不該被淡忘，它就藏在石門水庫興建期間的檔案內，等待有心人為它們拂去灰塵、物歸原始脈絡，訴說一段段藏在紙張中的故事。

負責管理石門水庫的經濟部水利署北區水資源局（簡稱北水局），一直將這批石門水庫歷史檔案視為鎮局之寶。為了讓散落各處的檔案能有系統的典藏與近用，也希望透過研究深化檔案的歷史價值，北水局找上經驗豐富的中研院臺灣史研究所。

在與臺史所顧雅文副研究員、檔案館王麗蕉主任等團隊成員的合作下，2020 年 5 月至 2021 年 12 月間，臺史所團隊進駐北水局 19 個月，完成 7 千多件、數十萬頁檔案的整編工作，又花了近一年解讀研究。最終於 2023 年在臺史所檔案資源系統公開其中的 1,700 件、14 多萬頁的「石門水庫建設委員會檔案」（簡稱石建會檔案）數位影像，並出版《石門水庫歷史檔案中的人與事》專書。

究竟這批走過一甲子歲月的檔案藏著什麼樣的故事？有哪些人參與水庫建設、受到水庫工程影響？褪去偉大工程的光環後，我們又該怎麼看待水庫的歷史與文化價值？

在揭曉檔案內容前，讓我們先將時間倒轉回日治時期的臺灣，回到那個築壩如築夢的年代。

日治時期對大壩的想像

顧雅文與團隊中的佛光大學助理教授簡佑丞，曾針對日治時期石門水庫的規劃與設計進行研究，揭開一段追求「大壩烏托邦」的歷史。

在日本領土建高壩的夢想源自曾任臺灣民政長官的後藤新平。1890 年赴德國留學的後藤受到歐陸建壩風潮影響，將「タールスペル（Talsperre）」（德文「山谷」及「阻塞」的複合字，意指「高壩」）水治理概念帶回日本。

在 1911 年一場日本帝國議會的預算審查會議中，時任遞信省大臣的後藤新平與議員展開關於水力發電調查費預算的辯論，揭示了他對多目標水庫的想法。後藤想像中的高壩具備蓄水、防洪、發電等功能，動工前需進行長期調查，掌握每年河川水量、流域地形、地質和雨量等資訊，才能以順應自然的方式築壩。但擔心潰堤造成嚴重災害的議員之言論，反映彼時世人對築壩仍感到陌生及擔憂。

在臺灣，後藤新平的想法也萌了芽。受到他的啟發，任職於臺灣總督府土木局的技師德見常雄，在 1907 年就提出要在石門興建多目標水庫的夢想。當時對水文環境條件的了解十分有限，這個構想在日治初期只是一個烏托邦，雖然沒有完整實現，但在石門築壩的企圖以「灌溉貯水池」的形式留了下來。

德見常雄提出以灌溉為主要目標的「石門大壩計畫」，被納入總督府的「官設埤圳事業」。不過，由於種種原因，土木局最後放棄了築壩的核心設計，改由「桃園大圳」替代，直接從大嵙崁溪（今大漢溪）取水，將溪水透過隧道與圳路幹線引至桃園臺地灌溉。另一方面，下游淡水河氾濫造成臺北水患不斷，土木局只得採行「輪中」治水方式，也就是用堤防將臺北市街包圍起來。

然而，這兩個脫鈎的利水（桃園大圳）與治水（臺北輪中）計畫，卻在 1920 年代有了轉變。以石門大壩同時解決兩大問題的思想再次復活，這與壩工技術發展、國際局勢變化有關。

開始對外擴張的日本，為了對抗「充滿敵意的世界」，高度重視河水統制事業，而大壩則被視為最佳的科學處方，它能灌溉增加糧食，將洪水變成資源，還能發電促進工業。昭和時期，在統制思潮下的臺灣水利建設規劃，多帶有全流域綜合治理、以多目標水庫或水庫群為核心的特質，由此便不難理解石門水庫為何在 1920 年代末期重啟建設，且長成一個以水庫為核心，兼顧防洪、灌溉、發電及築港的巨型計畫。

總督府將此任務交由興建嘉南大圳有功的八田與一負責，可惜因戰爭爆發及預算問題，大壩烏托邦終究無法實現。不過，不管是桃園大圳、淡水河治水或築壩計畫，皆是日治時期的報紙熱議焦點，官方與民間對多目標水庫的殷切盼望，即便到戰後也未曾消失。

人定勝天？從多元視角看石門水庫的建成

興建石門水庫的計畫並沒有耽擱太久，1948 年起，臺灣省政府就有重啟計畫的企圖，鮮為人知的是，最初政府希望仰賴民間力量，以水利公司的形式籌措興建資金。而後，歷經國內外政經局勢的劇烈變化，石門水庫成為中央政府事業，並在美援的資源挹注下獲得建設經費，也得到美方專業技術的支援。

石門水庫的建設主要經歷三個階段，包括 1954 年的石門水庫設計委員會（簡稱石設會）、1955 年的石門水庫建設籌備委員會（簡稱石籌會），以及 1956 年的石門水庫建設委員會（簡稱石建會）。耗費 10 年時間，主體工程終在 1964 年竣工。

今日我們常以大事紀方式回顧重要事件，但這就如同只看到冰山的一角，埋沒了微觀、多元的歷史樣貌，這時檔案的角色就變得相當重要。王麗蕉表示，從檔案學的角度來看：

檔案是研究歷史的關鍵證據，因此在整編檔案時，最重要的是盡量完整呈現全貌。

為了不漏掉任何一段屬於石門水庫的歷史，臺史所團隊進駐北水局期間，希望盡量把所有檔案交給團隊整編。團隊成員盤點庫房中的檔案，也清查塵封在紙箱內未整理的文件，目標是讓檔案回歸最初的分類脈絡，日後檢索時能清楚知道，這件檔案來自哪個單位、當初怎麼產生。

在整編檔案的過程中發現，除了公文、會議紀錄、工程報告等公文書，還有為數眾多的照片與底片、設計大圖、工程師手稿與書信，甚至還留下一張菜單。檔案內容也遠不只與水庫建設相關，還能從中了解工程師生活、參訪賓客流程、民眾陳情等故事，這些也成為臺史所團隊構思專書敘事觀點的重要啟發。

顧雅文回顧當初構思專書敘事觀點的靈感，來自石建會檔案中一份 1958 年委託臺灣省電影製片廠拍攝紀錄片的腳本。紀錄片開頭帶領觀眾從宇宙望向地球，再聚焦到中華民國、臺灣北部，講述政府秉持「人力勝天」的精神不斷開發水資源，使臺灣的農田水利和水力發電工程，具有相當規模。

這是一個以單一鳥瞰鏡頭凸顯偉大建設的英雄式敘事觀點，同時隱含以水庫征服大自然的人定勝天象徵。然而，在環保與人權意識抬頭後，水庫工程被視為破壞自然、與民爭地的元兇。

面對極端的論述，身為環境史學者的顧雅文試圖帶入不一樣的思考：一味陳述工程的宏偉與進步當然不是好的書寫方式，但把一切人工構造物都視為罪惡就能理解水庫嗎？一些研究者已試圖對環境史寫作中強烈的悲觀主義進行反思。

此外，過去強調「科學勝利」的水利工程界也開始反省，在水患威脅或缺水危機不斷加劇的今日呼籲起「水文化」概念，避免以工程作為唯一的治理手段，而是嘗試從歷史中尋找解方，了解過去人們怎麼與水共存。

顧雅文注意到，環境史學界與水利工程界在看水庫問題時，逐漸趨向跨域共構，尊重並學習彼此的觀點。她希望這本書擺脫歌頌宏偉建設及治理效益的論調，從各種尺度與視角描繪石門水庫，因而將觀察時間拉長，試圖從日本帝國、戰後中華民國、國際與在地的各種視角探尋建水庫的歷史脈絡。更重要的是去追溯建設過程中身處不同時代、角色、立場的人物眼中的水庫，因為這正是跨域學習最好的橋樑。石建會檔案豐富多元的記錄，讓這種書寫方式成為可能。

編寫專書就像在拍另一部紀錄片，但這次不是將鏡頭定格在北臺灣，而是在不同視角中交錯切換，並從直昇機走下來，捕捉呈現統治者、外籍及國內工程師、水庫淹沒區與安置區居民、都市計畫專家或參訪賓客們對石門水庫的多重敘事。

針對美國工程師的犀利評價

在參與石門水庫工程的眾多人員中，有一群來自美國的工程師。石建會根據美援規定，透過美國國際合作總署遴聘提愛姆斯公司協助工程設計與監驗、莫克公司擔任施工顧問，並協助訓練臺灣技術人員。

與美方的合作不僅為臺灣帶進建造水庫的工程技術，也讓施工與監工各司其職的制度成為日後臺灣營造工程的慣例。然而，看似順利的臺美合作，實際上是在不斷爭執與磨合的過程中進行。

在石建會檔案中，有一份美國莫克公司人員合約狀態報告表，上頭由臺灣高階工程師為美國工程師的工作表現寫上評語，方便石建會進行人事評估。只見泛黃紙張上的藍色墨水筆跡寫到：Bassette 工作熱心而負責、Bonnington 不善指揮訓練、Kingery 性情粗暴擬同意遣返等犀利評論。

這似乎暗示著美方與我方工程師之間，或許並非想像中簡單的「援助—被援助」、「指導—被指導」關係。事實上，石門水庫作為跨國、跨文化、跨部門的大規模工程，發生爭執在所難免，大至國際情勢、物料跨國移動、公款運用，小至職業操守、工作習慣、組織文化等，在在考驗兩國工程師的相處韌性。

臺、美兩國的工程師除了在工作上朝夕相處，在生活中也成為鄰居。浩大的水庫工程仰賴大批人力長期投入，並為水庫周遭帶入新居民。上千名工程人員攜家帶眷搬入位於桃園龍潭十一份地區的總辦公區域，或是鄰近大壩工區的臨時性宿舍。

其中，外籍顧問宿舍特別仿效美國獨門獨院社區型式，備有泳池、運動場、高爾夫球果嶺等設施。另設有飯廳、醫務所、幼稚園、福利社等公有設施，滿足全體員工及眷屬的基本生活需求。

在石建會檔案中還發現許多社團活動文件，為員工自發性組成的社團，包含集郵社、橋牌社、圍棋社、攝影社、羽毛球隊、排球隊、網球隊等。細看集郵社留下的集郵狀況調查表，有社員寫到「幼年曾集郵，兵亂遺失。赴美（1956-1958）集郵以解除旅中寂寞。」呈現大時代下小人物們的生命片段。

水庫建造計畫之下的多方衝突

因水庫工程而遷入的新居民正準備迎接新生活，居住在水庫淹沒區的民眾則面臨被迫搬遷的命運。興建水庫的工程用地需徵購千餘公頃土地，開始蓄水後更將淹沒 6 百餘公頃的土地與民房，有 4 百多戶、2 千多位「水庫移民」需另尋他處安置。

透過媒體報導及既有研究可知，水庫移民被迫多次搬遷、辛苦開墾海口與河川荒地、土地被大潭工業區污染等辛酸血淚史，但在時間壓力下如何取得安置地的詳細歷程卻少有人了解。尤其許多物色到的安置地並非想像中的無人荒地，早已被農民開墾，如何在兼顧農民生活與協助移民安置之間取得平衡，成為一道難題。

在石建會檔案中，有多件農民抗議耕地遭奪取的陳情書，其中有一張辦公室遭破壞的照片，記錄下 1960 年 4 月在桃園觀音鄉樹林子安置地的衝突現場。

當天負責移民事務的趙技正遇上前來理論土地問題的吳家父子，不只辦公桌被推翻，還被揍了一拳。吳家人之所以如此憤怒，與家中農地被劃入移民安置區有關。

經石建會調查，吳家的農地屬於禁止開墾的保安林地，現因安置需求而被規劃使用。為了讓安置作業及早完成，石建會不僅向新竹地方法院主動提供照片證據，還數度發文要求依法嚴辦。

地方法院要求在期限內將土地復原，並具結永不再犯，但此判決讓石建會與吳家都不滿意。石建會想要遏止侵墾歪風，上訴到高等法院；吳家也是滿腹委屈，自認是在戰後「反共抗俄、鼓勵墾荒」的口號下響應國策，因而轉向省政府、省議會、桃園縣議會陳情，甚至將陳情書上呈副總統兼行政院長陳誠，希望政府能體恤貧民。

沒想到看似塵埃落定的事件竟出現轉機，原來要移做安置區的保安林地中還有桃園縣政府出租給人民的土地，縣府及觀音鄉人員皆主張「據以收回頗有窒礙」。為此， 1959 年特別訂定「移民新地處理四項原則」，當中規定：撥用前由縣府放租之土地，及撥用前人民濫墾成熟之土地一律暫不收回。吳家據此再度遞交陳情書，石建會在諮詢顧問律師確認該原則能溯及既往後，最終裁定把土地還給吳家。

吳家父子一吐多年怨氣，將之前遭受農損的情緒發洩在趙技正身上，該事件在當地派出所調停下以和解告終，但從趙技正呈給上級的報告可看到基層員工的處境：既要「辦理解除林木，推平土地，劃分田坵，興建學校，整修道路，規劃移民新村……試植各種農作物」等工作，又要晝夜巡守，力保土地不被侵墾，還需隨時面對地方居民的不滿。

從這個例子可得知，水庫移民的歷史不只兩個主角，有時是石建會、移民及安置區原墾民三方角力攻防的故事。

歷史檔案間的連結：官方文件下的暗潮洶湧

閱讀檔案有助我們了解過去身影模糊的一群人，從不同角度看到歷史耐人尋味的面向。檔案經過有系統整編與研究後，許多暗藏的驚喜也一一浮現。

王麗蕉提到，在整理石設會時期的會議紀錄時，其中一份 1954 年 11 月 29 日的石門水庫壩高決議紀錄中，看到一個熟悉的名字「劉永楙」。劉永楙曾代表臺灣省建設廳出席石門水庫設計會議，而臺史所正好典藏了劉永楙的日記。

對照當天的日記才得知，整場會議出現意見分歧，從上午 11 點激辯到下午 3 點，水庫的壩高才定案。但從官方紀錄只看到平鋪直敘的「標高 250 公尺為石門水庫大壩之壩高，獲得通過」，絲毫感受不到會議現場的緊張氣氛。在不同類型文獻的交互參照下，事件的發生經過得以具體還原。

另一個驚喜則意外串起一段跨國緣分。某天臺大生命科學系于宏燦教授與顧雅文聯絡，表示自己正在蒐集資料，準備在恩師 William (Bill) Z. Lidicker Jr. 博士的紀念研討會上演講。聽說這位恩師的父親曾任職石門水庫，見過許多臺灣政要，希望顧雅文可以協助確認恩師父親的身分。

當時顧雅文剛好看完撰寫美國工程師篇章的作者羅文君的草稿，想起當中提及一位提愛姆斯公司的首席工程師 William Z. Lidicker，經確認果然是恩師的父親。在北水局及羅文君的協助下，于宏燦教授於石建會檔案中找到 Lidicker 的手稿、書信與年輕時的照片，成功完成演講。

演講當天出席的家屬大受感動，又輾轉寄來一本 Lidicker 生前與其孫 Jeffery Lidicker 共同完成的自傳，讓檔案中的人物形象更加躍然紙上。

顧雅文與王麗蕉認為，檔案就像大壩一樣，大壩儲存了水流，讓洪水變成資源，而檔案儲存了時間洪流中的人與事，讓團隊的作者們據此撰寫成歷史，這些過往就不再是無意義的瑣碎細節，而是澆灌臺灣水文化的養分。民眾可從中知道石門水庫的治理思維從何而來、為何如此設計、為何尋求美援、帶來什麼深遠影響，以及作為文化資產有何價值。

你要先知道過去才能思索未來，我們的研究成果就是一個交流平台。

研究團隊翻閱精心編寫的專書，回顧一點一滴累積的成果，如今已水到渠成、充滿無限可能！