糖的致命誘惑：一場看似平凡的泡澡竟成了陷阱——《毒藥的滋味》

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

最出名的毒藥

氰化物（Cyanide）是最惡名昭彰的毒藥之一，以其殺人於瞬間的特色享譽各大間諜小說和謀殺謎團。推理女王克莉絲蒂非常清楚氰化物的效果，用這種毒藥殺死了十八個角色，甚至還將她七十五部小說的其中之一直接命名為《閃閃發光的氰化物》（Sparkling Cyanide，台版譯名為《魂縈舊恨》）。偵探小說家瑞蒙．錢德勒（Raymond Chandler）在他最著名的《大眠》（The Big Sleep）一書中用加了氰化物的威士忌賜死一名線人。

內佛．舒特（Nevil Shute）的小說《世界就是這樣結束的》（On the Beach）描述毀滅性的核戰後的澳洲生活，而在故事中，澳洲政府分發了氰化物膠囊給民眾，讓他們可以快速輕鬆地自殺，不需面對逼近澳洲的放射性落塵雲帶來的緩慢、痛苦的死亡。

同樣的，間諜小說中的秘密情報員經常也會拿到氰化物讓他們在被抓時使用。甚至連伊恩．弗萊明（Ian Fleming）筆下的○○七情報員龐德以及其他情報員也都有氰化物膠囊；不過不出所料，龐德會把它扔掉。

在現實生活中使用氰化物進行謀殺或自殺的案件同樣令人著迷和驚駭。氰化物是史上一些最惡劣的犯罪行為中使用的兇器。第二次世界大戰期間，氰化氫製作的毒氣是所謂的「最終解決方案」的一部分，在奧斯威辛（Auschwitz-Birkenau）和馬伊達內克（Majdanek）的死亡集中營毒殺了數千名囚犯。

當德國戰敗的跡象越來越明顯時，含有氰化鉀的玻璃膠囊是納粹高層首選的自殺方法，包括可怕的納粹黨衛軍（Schutzstaffel，SS）領袖海因里希．希姆萊（Heinrich Himmler）和德國空軍最高將領赫爾曼．戈林（Hermann Göring）都人手一顆。在目睹妻子伊娃．布勞恩（Eva Braun）用氰化物自殺後，希特勒也吞下氰化物並開槍自殺，終結了他第三帝國的夢想。

較近期的例子出現在一九七○年代初的舊金山。魅力十足的邪教領袖吉姆．瓊斯 （Jim Jones）吸收了大量追隨者，在加州的紅木谷（Redwood Valley）建立聖殿，開始宣揚自己是甘地、耶穌、佛陀和列寧轉世。

到了一九七○年代中期，瓊斯已經說服了數百人，其中許多人還攜家帶眷，一起和他搬到南美洲蓋亞那當地與他同名的瓊斯鎮，加入「人民聖殿」（People’s Temple）這個新烏托邦。一九七八年，關於瓊斯鎮聖殿侵犯人權和採取嚴刑峻罰的憂心言論開始浮上檯面。同年十一月，國會議員里歐．萊恩（Leo Ryan）與其他美國官員和記者一起前往蓋亞那調查這些指控。

瓊斯起初對前來這座聚落的代表團表達歡迎之意，還在瓊斯鎮的中央涼亭為他們舉辦歡迎會，但接著萊恩突然遭到一名持刀的聖殿士兵襲擊，身上多處受傷。負傷的他依舊成功與代表團其他成員一起逃到瓊斯鎮附近的一座小機場，眾人分別登上兩架飛機。

然而，他們才登機幾秒，槍手便迅速趕到，殺死了萊恩和其他四人。當天稍晚，瓊斯召集了瓊斯鎮的九百一十三位居民，其中包括三○四名兒童，命令他們進行他所謂的「革命行動」。所有人都拿到了一杯加了氰化物的葡萄口味酷愛（Kool-Aid，沖泡式飲料粉末），父母把飲料拿給孩子們喝，護理師用注射器將致命的混合物滴入嬰兒的嘴裡。最後共有九○九人死亡，其中三分之一是兒童。時至今日，「喝酷愛」這句話依然常在美國被用來形容「個人或團體對某種思想或個人表現出絕對服從或忠誠」。

飲食中的氰化物

儘管氰化物有明顯的致命特性，但含有氰化物的食物種類多得驚人，包括杏仁、皇帝豆、大豆、菠菜和竹筍。桃子、櫻桃、蘋果和苦杏仁等李屬植物（Prunus）的種子或果核都含有氰化物。食用少量氰化物不會對健康造成風險；事實上，我們大多數人都偶爾會吞下蘋果種子，但沒有任何不良影響。這是因為人體有一種處理飲食中少量氰化物的機制。人體內幾乎每個細胞都含有羅丹酶（Rhodanese）這種酵素，能將氰化物轉化為硫氰酸鹽來迅速解毒。

硫氰酸鹽是一種無害的化學物質，可以安全地被腎臟過濾並釋放到尿液中。人體每二十四小時可以處理約一克的氰化物。只有當身體無法負荷突然間湧入的大量氰化物時——特別是以殺人為目的——才會出現問題。

大多數兇手會用結晶的氫化鈉或氰化鉀下毒。雖然兩者都很易溶於液體，但氰化鉀的溶解度是氰化鈉的十倍。即便如此，只要在一杯咖啡或一杯葡萄酒中少量溶解兩者之一都足以致命；所需的份量極少，就代表它不會產生讓受害者有所警覺的氣味或味道。結晶氰化物進入人體後會與胃酸接觸，氰化鈉或氰化鉀會轉變成氫氰酸，造成嚴重的化學灼傷。

當受害者胃部出現腐蝕性灼傷，但食道沒有灼傷，就代表受害者並非喝下任何腐蝕性物質，死因是在胃中產生的——這是氰化物中毒的關鍵指標。固體或溶解的氰化物晶體遇到胃酸後也會形成氣體氰化氫，接著被吸收進入血液，輸送到全身。本質上而言，受害者最終是同時被固體、液體和氣體氰化物殺死的。

氰化物的致死原理

無論遭謀殺的受害者是吸入氰化物氣體還是吞下溶解在飲料中的氰化鈉或氰化鉀，氰化物的致死方式都完全相同。一旦進入體內，氰化物就會黏附在紅血球中的血紅素（hemoglobin）上，跟著血液迅速散播到全身。然而氰化物與血紅素的結合度很差，引起破壞的方式也不是透過影響血液，而是脫離血紅素進入人體細胞，破壞細胞製造生存所需能量的能力。

粒線體（mitochondria）位於我們每個細胞的深處，具有小型的棒狀結構，是身體裡的迷你發電廠，會產生化學能量三磷酸腺苷（adenosine triphosphate，ATP），這是維持人類活著的能量。每個細胞通常有一百到兩百個粒線體，具體數量取決於細胞需要多少能量。舉例來說，肝臟細胞需要相當大量的能量，因此每個肝臟細胞會有超過兩千個粒線體；而紅血球大致上只是裝著血紅素的袋子，能量需求非常低，所以沒有任何粒線體。然而儘管 ATP 是為身體各方面的功能提供能量的重要角色，但身體能夠儲存起來的 ATP 相當有限。

本質上而言，粒線體執行的功能與樹木的葉子恰恰相反。植物的葉子會利用陽光中的能量，將水和二氧化碳結合在一起來產生葡萄糖；動物細胞中的粒線體則會與我們吸入的氧氣作用，分解食物中的葡萄糖，產生二氧化碳和水並釋放 ATP 形式的能量。基本上，人類和所有動物都是透過這種迂迴的方式利用來自太陽的能量。³

埋在粒線體膜內襯當中的是一連串的蛋白質，它們構成所謂的電子傳遞鏈（electron transport chain）。我們呼吸的氧氣正是在這裡被確實用於製造 ATP。傳遞鏈中有一個蛋白質成分稱為「細胞色素 C」（cytochrome C），鐵原子靜靜位於細胞色素 C 的核心，是它發揮功能的關鍵。

氰化物的致死性在於它能夠與細胞色素 C 中心的鐵原子緊密結合，使整個蛋白質死亡。一旦失去活性，細胞色素 C 就不能在傳遞鏈的最後一步利用氧氣，導致 ATP 的整個生產過程中斷。

因為細胞運作強烈依賴 ATP 的持續供應，所以人體一旦發生氰化物中毒，中樞神經系統和心臟的細胞都會立即受到影響。當中樞神經系統關閉，受害者會開始感到頭痛和噁心，然後失去知覺，慢慢進入深度昏迷；接著大腦會進一步失去 ATP 能量供應，直到最終耗盡所有 ATP，不可避免地造成腦死；隨著心臟中的 ATP 逐漸減少，心跳會減慢並變得不穩定，脈搏也會微弱到無法察覺，最終使心臟完全停止跳動。

儘管名字聽起來很相似，但發紺（cyanosis，也稱「紫紺」）症狀與氰化物中毒無關。發紺指的是與減氧血相關的藍色，也是靜脈血液呈藍色的原因。相反的，由於與氰化物結合的細胞色素 C 不能再使用氧氣，血液中的血紅素反而會一直保持充氧狀態，⁴ 因此氰化物中毒的症狀之一就是皮膚因為鮮紅色的充氧血而顯得紅潤。

——本文摘自《毒藥的滋味：11種致命分子與使用它們的凶手》，2024 年 7 月，方舟文化，未經同意請勿轉載。

奪命計劃的冷酷藝術

在犯罪史上，謀殺是特別令人髮指的罪行；而在各種殺人手法之中，只有寥寥幾種會像毒藥那樣，令人有如此奇特的病態迷戀。與一時腦熱的衝動謀殺相比，毒殺所涉及的事前規劃與冷酷的算計，完全符合法律術語中的「惡意預謀」（malice aforethought）定義。毒殺需要預先籌畫並了解受害者的習慣，也必須考慮如何下毒。有些毒藥只要幾分鐘就能奪人性命，其他則可以長期慢性下毒，逐漸在體內積累，最終導致受害者必然的死亡。

這本書沒有要列出下毒者及受害者的清單，而是要探討毒物的性質，以及它們如何在分子、細胞和生理層面影響人體。每種毒藥都有獨特的致死機制，受害者所經歷的各種症狀往往都是線索，有助於抽絲剝繭找出他們被下了什麼毒。在少數情況下，這些知識有助於給予適當的治療，讓受害者能完全康復。但在大多數情況下，就算知道是什麼毒物對於治療也沒有幫助，因為根本沒有解藥。

雖然毒物（poison）和毒素（toxin）這兩個詞經常互換使用，但嚴格來說它們並不相同。「毒物」是任何會對身體造成傷害的化學物質，可以是天然的，也可以是人造的，而「毒素」通常是指生物所製造的致命化學物質。不過如果你是被下毒的一方，那麼兩者的差異就只是學術討論了。

毒物的兩面性：從致命陷阱到救命藥

toxikon 這個字源自古希臘文，意思是「箭頭浸泡的毒物」，指的是塗抹在箭頭上以導致敵人死亡的植物萃取物。當 toxikon 這個字與希臘文的「研究」logia 相結合，就成為我們現在的「毒理學」或「毒素研究」（toxicology）這個詞。毒物一詞源自拉丁語的 potio，意思是「喝」，之後慢慢演變成古法語中的 puison 或 poison。「毒物」這個字在一二○○年首次出現在英語中，意思是「致命的藥水或物質」。

從生物體中獲得的毒物通常是許多化學物質的混合物。例如，致命的茄科植物（也稱為顛茄）的粗萃物相當危險，從這些萃取物中也可以純化出化學物質阿托品（atropine）。同樣的，毛地黃花（foxglove）的植物本身也有毒，還能從中萃取出單一的化學物質毛地黃（digoxin）。

有一些歷史悠久的毒藥是混合幾種不同的毒物製作而成，例如「托法娜仙液」（Aqua tofana）就是混合了鉛、砷和顛茄的毒藥。

在瓶子裡人畜無害的化學物質最後怎麼會變成屍體裡發現的毒？無論是哪一種毒藥，在死亡發生之前都會有三個不同階段：下毒、行動和效果。

下毒有四種途徑：消化、呼吸、吸收或注射。也就是說，它們可能是被吃掉或喝掉，透過腸道進入體內；吸入肺部；直接透過皮膚吸收；或是透過注射到肌肉或血液中進入體內。兇手選擇何種方式讓毒物進入受害者體內，取決於毒物的性質。儘管有毒氣體已被用於殺戮，但這涉及一定程度的技術難度，因此並不實用，而且這種手法通常難以針對特定個人。

透過眼睛和嘴巴的皮膚或黏膜吸收可能非常有效：兇手不必與受害者有任何接觸，甚至在中毒當下還能留在附近。光是將毒藥塗抹在受害者即將接觸的物品上就足以導致死亡。混合在食物或飲料中為大多數毒物提供了一條簡單的途徑，特別適用於固體結晶毒物，因為它們可以簡單灑在飯菜上或溶解在飲料中就好。

不過有一些毒物必須注射到體內才能發揮作用，有時候這是因為毒藥是一種蛋白質，如果加入食物攝取，就很容易被腸胃分解。此外，兇手一定要離受害者夠近才能注射毒物。

毒藥如何摧毀人體機制？

現在我們來看毒物的核心：它們如何破壞身體的內部運作？

毒物確切的作用方式五花八門，而它們的效果則揭曉了許多人類生理學的奧秘。許多毒物會攻擊神經系統，破壞控制身體正常功能且高度複雜的電子訊號：如果阻斷的是心臟各部分之間的交流，可以視為毒物使心臟停止跳動並導致死亡；如果破壞控制呼吸的橫隔膜肌肉調節，同樣也會使呼吸停止，導致窒息而亡。

也有些毒物會偽裝，隱藏真實身分後進入身體細胞，這些毒物的外型與細胞的重要成分極為相似，但不完全相同，因此可以進入細胞的新陳代謝過程，但無法執行正確的生化功能。毒物會假冒體內的細胞分子，使得細胞的化學作用緩慢停止，最終死亡。當死亡的細胞夠多，整個身體就會跟著死去。

如果不同的毒物以不同的方式發揮作用，不難想像受害者所經歷的症狀也會不同。以大多數消化型的毒物而言，無論作用方式為何，人體的第一反應通常是嘔吐和腹瀉，試圖藉此從體內清除毒物；影響心臟神經和電流訊號的毒物則會導致心悸，最終導致心跳停止；影響細胞化學性質的毒物通常會引起噁心、頭痛和嗜睡的症狀。毒物的作用及可怕後果的故事在本書中比比皆是。

雖然大多數人認為毒物是致命的藥物，但科學家也已經使用與毒物完全相同的化學物質來梳理細胞和器官內部的分子和細胞機制，利用這些資訊開發能夠治療和治癒多種疾病的新藥。舉例來說，科學家透過研究毛地黃植物中的毒物如何影響身體，成功研發出了治療充血性心臟衰竭的藥物。

現代外科手術時使用的常規藥物，同樣也是透過了解顛茄如何影響人體運作後問世，這種藥物除了能預防術後併發症，甚至還能治療在化學戰中受害的士兵。由此可知，化學物質的本質沒有好壞之分，它只是一種化學物質。造成差異的是使用這種化學物質的意圖：是要保護生命，或是奪去生命。

——本文摘自《毒藥的滋味：11種致命分子與使用它們的凶手》，2024 年 7 月，方舟文化，未經同意請勿轉載。