是伸手或袖手？幫助與被幫助者背後的心理衝突——《利他衝動》

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

可愛即力量？為何幼態特徵能激發人們援助？

在《國家地理雜誌》有史以來最為人所知的照片中，史蒂夫．麥柯里（Steve McCurry）描繪了一位阿富汗少女，在蘇聯佔領阿富汗期間棲身巴基斯坦難民營的夏巴特．古拉（Sharbat Gula）。夏巴特凝望鏡頭，臉上灰塵肉眼可見，身穿破爛長袍，她又大又明亮的淺綠色標誌性雙眼，似乎在請求我們關注難民的困境。這幀照片之所以深具力量，或許是由於它同時觸動了我們多項需求線索，例如身為年輕女性、具有引人矚目的幼態特徵，也表現出她有明顯的需求。這張一九八五年的封面照片如今成為象徵世界各地難民需要同情和援助的象徵，即便他們來自不同國家或信奉不同宗教。

我們對於幼態延續的偏好也會被操控來激發關注和援助。例如，兔寶寶曾被描繪成身穿裙裝臉上化了妝，假扮成一個在困境中的雌親角色，並藉由誇張的、孩童般的行為來操控他人，好比纖弱的姿勢、同情的噘嘴和睜大的雙瞳，並緩慢地眨眼來強調這一點。馬丁．史柯西斯（Martin Scorsese）於一九九○年代重拍的《恐怖角》（Cape Fear）同樣包含了一些令人不適的場景，片中反派角色麥克斯．卡迪（Max Cady，勞勃．狄尼洛〔Robert De Niro〕飾演）試圖引誘他敵人的高中女兒丹妮爾（Danielle，茱莉葉．路易絲〔Juliette Lewis〕飾演），她藉由類似誇張、孩童般舉止來彰顯出這一刻的不當以及她的性感。

在南韓，男女都會接受昂貴的臉部整形手術，來加長他們的眼睛寬度並縮小下巴或顎部，從而藉由部分較為童稚的外觀來提高吸引力。幼態延續的線索，好比與身體不成比例的大眼睛和頭部，在現代文化中愈來愈被頻繁利用，好讓玩具或動漫角色更加顯眼也更有吸引力。有人提出，臉上的恐懼表情經演化被塑造成可以吸引援助和關注，因為一個人受了驚嚇，瞪大雙眼，就像是無助嬰兒的大眼睛。

幼態延續有別於脆弱、苦難或迫切需求，因為它是比較固定的，通常也不會表現在成年人身上。就實際的新生兒而言，幼態延續和脆弱先天上就是相關聯的。隨著個體年齡增長，他們的特徵變得更加成熟，臉部變細瘦，鼻子變長。由於這種分離，我們的利他衝動對實際新生兒表現得最為強烈，因為他們兼具脆弱、幼態又很可愛，並且需要我們的幫助。幼態延續可以促進成年人的援助，不過它對我們反應的影響，應該不如脆弱性那麼大，因為脆弱性更緊密地與實際需要幫助相互連結。

成年人長了又大又圓的雙眼，看來顯得很無助，或許就會吸引我們，激勵我們伸援，然而同時倘若他們沒有顯現弱勢又急需幫助，就不會觸發真正的拯救衝動。例如，倘若「巨石強森」癲癇發作跌落地鐵軌道，我仍然會感到驚慌，並湧現幫助的衝動，即使他平常都相當有吸引力、能幹又很強壯（當然了，我會需要找人幫忙，才能把他抬出來）。強森之所以吸引人，或許是由於他長了雙大眼睛、腦袋圓滾光禿，而且社交天真型角色也養成了一種幼態的感知。因此，年輕、可愛不見得是誘發利他反應的要件，不過這確實有助於激發衝動。

幫助背後的「文化規範」

在某些情況下，即便是年幼又無助的人，我們也可能不想提供協助。例如，在美國，人們一般都不願意趨近沒有親屬關係的嬰兒，就連遭逢苦難、需要幫助的嬰兒也一樣，特別是當附近有更具資格或者與嬰兒有親緣關係的人在場。當父母親見到陌生人趨近或碰觸他們的孩子時，心中會感到害怕並斥責那個人，因為他們不清楚對方有何意圖。我們講一些故事並用「母熊」來做比喻，描述牠們如何攻擊試圖從牠和牠的幼熊之間穿越的人。猴子有時會「綁架」其他雌猴的幼崽；綁架者往往是姑姑阿姨或者還沒有當母親的亞成年猴子。

就像人類，當猴子把自己的幼崽安全抱在懷中時，牠們也允許其他個體趨近仔細端詳，而且牠們也允許近親密友合作照料，不過對不合宜的關注，牠們仍會保持高度警戒。由於這種──在人類和猴子中都存在的──文化規範，若是有辦法「克制」，我們就會避免干涉陌生孩子，但例外情況證實有這項規則。例如，當我們在商場見到迷路的幼童，若他的母親就在附近，或者現場有其他相關幫手（如商場保安人員），或者不知道該怎麼處理，這時我們就不會趨近那個幼童。

不過，當爸媽的人有可能比較願意干預，因為他們有帶孩子的經驗，也知道在公共場所遺失孩子是多麼可怕，如果孩子顯然是無助的、孤單的，並且需要我們幫助，大多數人都會本能地伸出援手。

單一受害者效應：一隻可愛的海獺打敗一群陌生的難民

驅使我們靠近新生兒的更廣泛吸引力，某程度上與「單一受害者效應」（single victim effect）（也稱為「確認之受害者效應」〔identified victim effect〕）有關。行為經濟學家已多次證明，當受害者是單一的有援助需求的個體時，我們對於捐款請求的反應會更為積極，超過存有多位需求者的情況，即便只有兩人也是如此。這似乎是非理性的，因為當有更多人需求援助時，你理應更願意提供幫助（再次回到布盧姆「擺脫共情」的理念），但當只有一名受害者時，援助似乎更為具體、更容易理解和尋思，也更為可行。

此外，利他反應模型預測，個體之所以驅使我們援助，是由於他們類似新生兒的典型狀況。所以這很可能並非偶然，因為許多單一受害者實驗使用的都是兒童的照片，不是成年人的，這就暗示了某種體認，也就是在所有條件都相同的情況下，我們更容易對較年幼的個體產生同情。野生物種保育宣導材料也常使用可愛幼齡動物的照片，好比海豹寶寶或北極熊幼崽來籌措資金。

實際上，在我們執行的一項研究中，人們更願意幫助一隻可愛的海獺，而不是一個無家可歸的男子或一群難民。或許每胎生產並照顧多子嗣的物種，好比囓齒類動物、貓、狗（或有多胞胎基因傾向的人類），比較不容易受到單一受害者效應的影響。

為強化利他反應，慈善機構應該選擇明顯需要幫助的年輕、幼態的受害者，來模擬我們自己無助子女的激勵架構。就算有幾十名或數千名成年人需要食物、衣物或住所，一張海報呈現一名明顯需要幫助的可愛孩童，應該能比依偎成團的群眾引來更多的援助。

親屬、社群與物種特性如何影響善心

既然利他衝動是演化來幫助我們自己的無助新生兒，這種衝動在那樣的背景脈絡中是最強烈的。目前還需要更多研究來討探親族新生兒和非親族新生兒的反應，並採行生態學視角來探究，受檢測物種是否一般都區別看待親族和非親族個體、是否生活在相互關聯的社會群體，以及是否在扮演親代角色、出現激素情況下，或者現場有圍觀群眾，以及有真正的父母在場的情況下，會更願意提供幫助。

我預期不同物種的反應表現互異，反映出它們的生態條件；在野外環境中很少遇到陌生嬰兒的動物，比較有可能照顧非子代幼崽，此外，生活在緊密社會群體的動物，尤其是相互關聯的社會群體中的動物也有此傾向。

——本文摘自《利他衝動：驅策我們幫助他人的力量》，2024 年 11 月，知田出版，未經同意請勿轉載。

• 本文轉載自科技大觀園，原文為《長照問題面面觀，該如何超前部署——陽明交通大學衛福所李玉春專訪》
• 作者 / 國立台灣大學｜黃瑋絜

鼎鼎大名的「長照」如何拯救世界老化速度第一快的台灣？

台灣是世界上人口老化速度最快的國家，根據國發會的推估，5 年後台灣人口中會有超過 20% 為 65 歲以上的長者，按此速度發展，到了 2065 年，老年人口會占全台人口的四成以上，也就是說，到時候平均每 1.2 位勞動人口就要扶養 1 位老人，照護負擔相當沉重。

事實上，不用等到 5 年甚至 40 年後，現在已有許多家庭面臨老人照顧問題，家裡的經濟支柱為了照顧家人而離開職場、由老人照顧「老老人」等情況時有所聞，新聞上更是時常見到照顧者因為無法負荷沉重的照護重擔，忍痛殺害被照顧者的「長照悲歌」。因此，為了緩解龐大的照護壓力，台灣自民國 96 年起推行「長照十年計劃」，希望透過完善的照顧體系，讓老年人可以獲得適當的照護，同時減緩照顧者的重擔。並在 2017 年續推「長照十年計劃 2.0」（簡稱長照 2.0）。

現行的長照 2.0 大幅擴增財源、服務對象與服務內容，以失能、失智、衰弱的老年人及其照顧者為主要服務對象，提供「四包服務」，包含照顧及專業服務、交通接送服務、輔具及居家無障礙環境改善服務及喘息服務，並在各社區中設置社區照顧關懷據點、巷弄長照站等資源，讓需要的長者都能獲得生活照顧、健康促進、復能照護等服務，也提供辛苦的家庭照顧者喘息的時間與空間。

隨著國內長照體系逐漸成熟，實際使用的人數也越來越多，根據衛福部的統計，106 年時使用長照 2.0 服務的人數僅 10.6 萬人，但 109 年已攀升至 35.7 萬人。近年來也有研究顯示，長照服務確實能夠改善使用長者和家庭照顧者的生活品質。可見長照 2.0 已初步達到「看得到、找得到、用得到」的目標。

長照服務看似萬能，BUT！目前的長照體系其實存在隱憂

長期照護體系雖然是解決老人照護問題的優良解方，但世上沒有無過之聖賢，也沒有完美無缺的制度。被問到長照體系存在哪些問題，一直以來研究長照保險、長照財源、長照評估工具與長照給付包等議題的陽明交通大學李玉春教授認為，除了申請資格、給付規定等制度上的限制外，目前的長照體系還存在以下隱憂。

第一是制度公平性不足，在現有的制度下，並非所有 65 歲以上失能長者都能公平接受長照的補助，例如聘請外勞照顧的失能長者不能接受照顧服務的補助、僅低收入戶長者可以補助機構住宿費用等。第二個重要的議題為長照的財源籌措，雖然現在長照服務的財務狀況良好，但隨著老年人口增長、服務使用人數上升，根據推估，長照十年計畫的基金可能在 2026 年就會用罄。

另一個問題則是地方政府缺乏特約管理經驗，加上行政人力嚴重不足，行政管理負荷沉重，衛福部雖已增加補助，能仍遭遇很大困難。過去的新聞報導就曾提到，在長照體系中替個案擬定照護計畫、串連各種長照服務的 A 單位個案管理師，近年來人數雖已超過 2 千人，但因為需求量也飛速成長中，實務上仍難以負荷。

如果我們希望長照體系能夠長久運作、希望自己年老時也能有長照體系的支持，那麼勢必要解決上面提到的財源、人力及公平性問題。接下來便進一步探討，針對這些「體系隱疾」，該開出什麼樣的處方箋。

財源與公平性問題的可能解方——長照保險制度

目前長期照護的經費來源為菸稅、遺贈稅、房屋合一稅與政府編列之公務預算等稅賦收入，雖然短期內經費豐盈，但若考慮整個體系的「長期發展性」，李玉春老師認為，菸稅將隨吸菸率減半下降，仰賴稅收及公務預算作為經費來源，會有財源不穩定、須與其他政事搶預算等風險，相較之下，長照保險制度是更好的選擇。

李玉春老師受衛福部邀請擔任總顧問，規畫適合台灣之長照保險；多年前便開始研究德國、日本、荷蘭等國的長照保險制度，汲取各國制度優點並改善不足之處。

如同前面所述，稅收制有財源不穩定之隱憂，為了改善此缺失，台灣的長照保險制度預計採「混合財源」，其中 36% 的經費來自稅收及公務預算，剩餘的經費則由國民繳納之保費負擔。服務提供方面則考量華人文化的家庭關係緊密，因此給付方式以專業照顧為主、家庭照顧為輔，也就是說，長保除了補助專業人員的照顧服務費用之外，符合條件的家庭照顧者若自行照顧（不包括專業服務）也能獲得部分現金給付。

長照保險制度運行模式與台灣行之有年的健保類似，國民只要定期繳納保費，需要的時候就可以申請使用長照服務。在這種「有付費即可使用」的制度下，所有經政府評估失智、失能的國民都能被涵蓋進來，不論長者是否住在養護機構中、不論失能者的年齡、不論使用的是專業照顧還是家庭照顧，都可以申請服務或給付，公平性較現行制度更好，財務也較能永續經營。惟住宿型機構只給付重度失能者，且膳宿費要自付，因此跟住在家中的人一樣，只給付長照服務，只是服務的地點不同而已。

長照保險制度推行路上的重重阻礙

不過，所有新制度上路都須經歷一番苦難與阻礙，當年規劃的長照保險制度也不例外。

李玉春老師分享，在長照保險相關法令推動初期，需要負擔部分保費的雇主端反對聲音強烈。當時政府花了很多心力向雇主們分析、解釋制度的優點及必要性，強調企業受雇者若因為照護責任而離開職場對公司及整體勞動市場的損失，並承諾降低雇主保費負擔，才讓工商團體雇主代表，漸漸接受長照保險之概念。

雇主的問題解決了，那麼，需要繳保費的付費者是怎麼想的呢？根據 2016 年的民調，有高達 86% 的民眾支持實施長照保險制度，其中又以 30 歲以下的民眾支持率最高。由此可以推測，年輕一代的人們擔心無法負荷照顧重擔，期待能透過社會保險及長照服務緩解龐大照顧壓力，因此對長保制度持正面態度。

解決了雇主、付費者及預算的問題之後，下一個難關就是長照資源的普及度不足。即使有完善的給付、支付制度，若沒有足夠的長照服務資源可以提供給大家，需要的人也用不到服務，再好的制度也是徒勞。

還好，政府推動長照 2.0 計畫後，近幾年長照服務機構如雨後春筍一般增加，民眾對長照的認知度及接受度也越來越高，直至今日，長照服務在老年人口間的覆蓋率已逾五成，推行長照保險的良機也近在咫尺。

不過，李玉春老師說，雖然當初遇到的困難已一一破解，但未來可能還會遇到其他阻礙，舉例而言，在現行的長照制度之下，民眾不用繳納保費就可以獲得服務，未來開始收取保費，可能會迎來另一波反對聲浪。若無法開辦長照保險，因應超高齡社會長照需求快速的增加，政府可能仍需加入其他的財源－例如調高營業稅，挹注長照財源，使長照制度能可長可久。

女媧煉石補天，那麼長照的人力缺口該怎麼補？

長照服務使用率上升固然是好事，但人力供給該如何追上需求，是長照制度上路之後持續面臨的挑戰。過去的研究中曾提到，長照第一線服務人力的不足，主要原因為薪資低、勞動條件不佳、缺乏成就感與職涯發展前景、沒有專業科系培養人才等。

為了解決上述問題，近年來，政府大幅提升了長照服務的支付標準，並規範最低薪資（3.2 萬元），讓照顧服務員薪資大幅提升（有些每月可到 4 – 5 萬元），因此吸引大量人才投入，讓居家服務蓬勃發展。但配套措施是服務單位也應提供照服員更好的升遷管道，規劃較之前更良好、完善的職涯發展機會，確保第一線服務人員能從工作中獲得成就感，未來也有升遷、自主開業的機會，才能讓年青人願意持續投入。

此外，政府也同步推動復能服務，希望維護或促進失能者內在潛能使盡可能獨立生活，因此吸引許多醫事專業人才選擇投身長照體系；但因對復能服務的誤解，造成浮濫使用，去年下半年政府已開始限縮給付，有些治療師只好回到醫療院所工作。如何平衡醫療與長照體系的發展，端視政府政策引導與長照單位之努力，才能持續吸引更多專業人力投入。

除了「升遷」之外，想要有效解決人力不足的問題，也應開始從「教育體系」下手，建立完善的人才培育系統，提供更多專業人力，也是相當重要的解方。因此，多年前在教育部鼓勵下，許多設有老人服務、老人照護的科系都加入長照產學合作平台，在長照 2.0 配套提升薪資的政策實施後，未來應該會有更多人投入照顧服務產業。但醫療專業領域人力，如護理、物理治療、職能治療科系之傳統教育，較缺長照相關課程，目前仰賴畢業後的補充訓練終非長久之計。為提升服務品質，未來有必要強化醫事專業人力在學長照相關課程之提供。另外因應長照跨領域整合服務提供與個案管理人才的需求，政府也應鼓勵跨專業長照學程之設立，改善過去人才培養不足的問題。

我也想替長照盡一份力，可以怎麼做？

看到這裡，有些人可能也認同長期照護的理念，想要加入長照服務體系，卻不知道大門在哪裡，或是害怕踏入的門檻太高，無法輕易跨越。

其實，通往長照服務或高齡相關產業的道路非常多，不管你現在是否擁有專業的照護技能，都有可以努力的方向。

首先，若你是社工、護理、物治、職治、公共衛生、老人照顧等長期照護相關科系畢業生，那就有機會成為照顧管理專員、個案管理師與行政管理人才；如果你是正在執業的醫事人員，也可以考慮投入居家復能、居家護理等服務，成為長照體系的一員。當然也可在社區型、住宿型長照機構服務。

不是長期照護相關科系畢業、卻有意將老人照顧當作職業的人，則可以報名各縣市的社會福利單位、大專院校所舉辦的照顧服務員訓練課程，完成 90 小時的訓練之後，就可以成為照顧服務員，提供照顧服務，服務達一定年限後，亦可成為照顧管理專員、個案管理師，甚至可以自己創業，成為照服單位的負責人（照老闆）。

除了正式照護人員之外，因多數長輩不需長照，故投入社區照顧，擔任非正式照顧人力（如社區組織或社區關懷據點志工），促進長者健康，減輕失能可能性，更是高齡照護體系的重要一環。因此，即使沒辦法或不想成為照顧失能長輩的第一線人員，仍可快樂的在社區擔任志工，如參加社區關懷據點，協助進行健康促進、預防延緩失能、共餐、送餐、電話問安、關懷訪視等，甚至透過地方創生，與長者共同發展社區產業，都是很有意義且有高度成就感的服務投入方式。

李玉春老師還提到，近年來因為老年人口增長，誕生了許多新興銀髮產業，例如各類型長青學苑、運動中心、銀髮住宅、休閒養生、銀髮資通科技等，這些產業都需要包含高齡照護在內，各種各樣領域之人才的投入，因此，高齡長照這條路不僅商機多，發展的方向也相當多元、寬廣。

面對名為「超高齡社會」大魔王的挑戰，長照體系是保障我們未來生活品質的重要配備及武器，因此，如何讓長照體系永續經營是值得思考、深究的議題。透過李玉春教授的解說，我們了解到高齡長照制度與體系運行方式和願景，以及人力資源的需求與發展趨勢，期盼在政府、學界、服務單位及每一個社區民眾的努力之下，我們能夠一同創造一個「養得起的未來」。

資料來源

• 衛福部長照專區：我想申請長照！
• 「長照 2.0 執行現況及檢討」專案報告
• 全國逾２千人不夠用！ 長照A個管不只「缺很大」
• 推動長照 2.0 的靈魂角色「個管員」：打造全方位且連續性的跨領域客製化照顧
• 台灣長期照顧政策及照顧服務人力發展之探討
• 台灣長期照護保險的規劃與展望
• 長照保險制與長照稅收制之比較分析
• 長照 2.0 復能照護∼翻轉長照復健與追求生命意義的本質