轉基因作物不確定性的不確定性

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

本文由 台灣萊雅 L’Oréal Taiwan 委託，泛科學企劃執行。

不論是在分子生物研究所的實驗室裡，還是在中研院區內悠閒的林蔭步道上，我都沒辦法跟上林淑端的腳步，更遑論她話語中的資訊高密度，而我不是唯一跟不上的人。「最早從美國回來的時候，跟學生面試，問問題、看反應。學生竟然說『老師你講話好快、走路好快』，讓他有壓力。」談到自己怎麼挑人進實驗室，風格數十年不變的林淑端說「這樣就挑掉一些了」。

嗯，還好我只是來採訪的。

看不出來還有三年便七十歲的林淑端，身著輕便無印風的苔蘚綠寬鬆 T 恤與岩石灰長褲，圍著一條藏青色的短圍巾，像位遁居山林的高人，卻也像個躍躍欲試的孩子。

身為科學家，她表示做研究不外乎是因為現象「很有趣」，以及想了解此現象的「重要性」。1982 年，她毅然結束四年的中學教職，前往美國德州大學念博士班。起初她待的研究室重點是癌基因，當時學術界認為任何化學物質都會引發突變、產生癌化，但其實不然。因此觀察細胞一年之後，找不到重要性的她決定換一個研究室。

林淑端的新老師 Hans Bremer 研究細菌生長。細菌很小，眼睛看不到、種類繁多，「有許多有趣的想像空間」，又有重要的抗藥性議題，就這麼吸引了她。Bremer 博士當時研究的是 rRNA（核糖體 RNA）的轉錄調控，這機制跟細胞的生長快慢有關係；順著這個理路，她想那不妨來看質體（Plasmid）上的轉錄，質體是細胞染色體或核區外，能夠自我複製的 DNA 分子，而有些細菌的質體帶有抗藥基因，便產生了抗藥性。

「質體 DNA 的複製源頭其實是由兩個 RNA 在調控，但我想了解是正調控還是負調控。」簡單來說，正調控（positive control）是指能促發生物活性啟動，而負調控（negative control）則是抑制活性，使基因不表達。

當時林淑端讀了富澤純一（Junichi Tomizawa）這位日本科學家的研究，覺得驚為天人。「怎麼能把 RNA 的序列、突變的結合、次級構造，複製如何開始等等細節研究得那麼好！」見賢思齊且一向認真的她，當然也要把研究做到同等級。為了偵測細胞中的相關 RNA 濃度，林淑端不斷嘗試，她說自己運氣好，當時實驗室有好幾位來自德國的研究者，「他們的自製機械技工很好，但通常是做 DNA 電泳槽，但我想研究 RNA，他們就手工幫我做。」

使用毛細管轉移（Capillary Transfer）到膜上，透過探針偵測，她一步步逼近目標，「後來發現都對啊！」透過實驗，她證明 RNA 降解的快慢的確跟質體 DNA 的複製有關，作為博士班階段第一篇研究，也是她成為國際級 RNA 研究者的基礎。

現在歸納來看，林淑端認為好的研究要同時具備獨特切入點（例如極小的 RNA）與重要性（質體 DNA 複製的機制），這也是後續她做所有研究的必備條件。

然而若回到當時，身為 RNA 降解這一研究方向的拓荒者，她坦言「其實很 suffer」。

「大家做的都是 RNA 的剪接，問要切哪個位點結構才會對；好像做衣服，剪完不要的布就丟掉了，人家覺得降解是沒有用的。」林淑端坦言自己回到台灣之後，足足悶了五年，每一年進度報告審查，都被委員質疑「RNA 降解有什麼用？不是就沒了嗎？」但就像每一位貨真價實的科學家，她表示「我好奇、我有熱情、我感興趣，我就是要問到底。」

自從第一篇研究發現 RNA 降解的生物功能，林淑端已經有很清楚的概念：從穩定度可以知道半衰期，也就是濃度降低到一半所消耗的時間；半衰期跟 DNA 複製有關，從 DNA 可以看出強度、複製量。其中必須有特定的 RNA 酶，它的突變變得對溫度敏感並決定細胞存活，而這又帶出很多問題，例如為什麼細胞需要這個酶、為什麼失去活性細胞會死掉？她說，很多問題到現在還沒有很清楚的答案。她從多方著手解謎，從讀博士班到現在即將退休，從未停歇。

她說，科學家就是很執著的一群人，不然做研究這件事「95% 的時候是失敗的」，很難撐下去。然而重點不是 5% 做對了什麼，而是那 95%，「因為沒有那 95%，就沒有那 5%。」她形容到後來 5% 的時候，會感到「That’s it !」而在那個當下，整個團隊都進入了另一個狀態。這個最後一步的感覺，要靠累積磨練出來。

然而一道門開了，後頭有無限道門。為了研究室裡年輕研究者的職涯，將退休的林淑端已鎖定最後一道門，要在三年內找到鑰匙，「我要去證明這個領域裡一直沒有答案的問題。」她說，現階段想加入她實驗室的新人，需要全心全神認同她要問的問題，有共識且極為專注。

如今，因為冠狀病毒是 RNA 病毒，新冠疫苗也利用 mRNA 技術開發，全世界的人都知道 RNA 了，但知道歸知道，研究 RNA 獲得的新知還可以用在哪裡呢？

林淑端感嘆，回台灣前五年她之所以苦悶，就因當時學界普遍認為 RNA 降解根本不值得關注，何必研究？然而回頭看，不論是在大腸桿菌表現或藉由昆蟲細胞來量產蛋白，所有要在體外表現蛋白的醫藥，都要製造一個模板，讓 mRNA 表現蛋白，而要做到這件事需要先了解脆弱的 RNA 在細胞的穩定度如何維持，這時她自基礎研究發展的知識立刻派上了用場。

「我現在常常在想，RNA 疫苗如果要不那麼快降解，可以透過修改核苷酸，因為核糖核酸酶（RNase）是用正常的 RNA，又例如利用富含腺苷酸跟尿苷的元件（AU-rich elements, AREs，這是哺乳類動物細胞中 RNA 穩定性的最常見決定因素），控制 ARE 穩定性的分子機制，細胞表現的 RNA 就可不會降解……這個應用性很高，是吧！」對她來說，基礎研究科學的應用性不必強求，因為主要是增加新知識。當基本功扎實，想得到或者需要應用的人跟場景自然會刺激研究人員去想怎麼解決、如何應用。

打開學術生涯最後一道門

如前面提到，林淑端在退休前要解開一個問題：大腸桿菌在腸道最後段的缺氧環境會切換成厭氧消化，然而厭氧菌分解同樣多葡萄糖獲得的能量，比起有氧狀態下少了十倍以上，那麼 RNA 降解的機制是否也跟實驗室有氧狀態下的降解很不一樣？而這對人體的腸道微菌叢生態以及腸道代謝會有什麼影響？

分解葡萄糖產生能量，簡稱糖解（glycolysis），在生物分子層次可劃分出十個步驟、牽涉到十個蛋白酶，烯醇化酶（Enolase）是其中之一。林淑端團隊在 2017 年發表的論文中發現烯醇化酶在 RNA 降解中也有作用，並確認了它的功能，「證明烯醇化酶對無氧環境下細菌細胞分裂很重要，而且必須要在核糖核酸酶 E 上面，沒有烯醇化酶跟核糖核酸酶，大腸桿菌就活不了。」

在此基礎上，林淑端與研究團隊提出假說：糖解過程跟 RNA 降解兩者之間有某種交流，可能是蛋白與蛋白直接接觸，或是藉由「第二訊息」，比如被稱為能量貨幣的三磷酸腺苷（ATP）。例如，兩個過程可能對 ATP 互相需求而產生合作，因為葡萄糖最終產生 ATP，而 RNA 最終降解成為一個一個核苷酸，其中的二磷酸腺苷（ADP），就是 ATP 的前驅物。「RNA 沒有用，一定要降解，否則它的核苷酸沒辦法回收再利用。在細胞裡面沒有任何廢物，百分之百再利用，他們中間就是有默契，這就是我要證明的。」林淑端說，她們已經找到了完整的拼圖，只是還不知道怎樣拼起來，但方向看起來可行。

作為她研究生涯最後的計畫，在之前申請計畫階段，中研院邀請了外部審查委員審查，委員意見都給予很高的肯定，但也強調失敗的風險很大。「但風險越大，回饋也越大，所以他們其實很期待，風險是我在擔心。」林淑端笑著說。

師道無他，以身作則而已

大學畢業後，林淑端曾當過四年初中老師。這段不長不短的歷程，對她後來出國改走學術路線，有莫大的影響。

「我本來就住梧棲，到處都是養鴨的。從鄉下怎麼走到今天，想來也不可思議，非常感恩。」林淑端表示由於父親做生意，使得「家裡很多狀況」，但即使如此，林淑端的母親曾對她說，她這輩子最難過的是自己不識字，因此只要林淑端能念，就不要擔心。跟她只差一歲的姊姊，只唸到小學畢業，便選擇扛起家計，讓林淑端能專心唸書。

「還好我們需要很少，獎學金也夠，我教書四年一毛錢沒拿，薪水紙袋全都交給家裡，在家裡就是睡覺吃飯。」一直到要出國，林淑端才驚覺需要錢。當時她幫一位大學老師做研究，這位老師得知之後，二話不說將郵局存款給她，作為她可以在國外生活的證明。

「總之我沒有富裕過，也沒有缺乏過，也不覺得錢很重要，反正夠用，就這樣走過來了。薪水少或多，從來也沒有在意過，但興趣一直驅動著我，也一直很感恩。」

雖然自己一路都是好學生，但林淑端不是典型的老師。當時補習風氣已盛，填鴨式教學成為時代產物，林淑端這位年輕教師反而帶學生跑操場、露營，這讓家長覺得很另類，也有點擔憂。

「我在大安教一年，童軍競賽就得獎，梧棲的校長就拿聘書到我家要聘我回家鄉，後來到梧棲任教才知道，所有老師教職員的孩子都在我的班級。」但是她發現，學生考試補習早班晚班排得滿滿的，壓力大、又被動。身為新來的導師，跟學生只差 10 歲的她就像大姊姊，把學生帶到操場上課、帶去露營，家長質疑「這個老師在搞什麼？」

不過這就是林淑端教學的秘訣。在當時的梧棲鄉下，她用非典型方式帶的班級升學屢破最佳紀錄，她說「我沒有什麼模板，但我知道我要把學生的興趣提起來，刺激他們做到最好。」自己求學過程中遇到很多好老師，當老師後深覺當時教育現況有很多問題，自己一個人無法辦到，然而如果想要影響教育體系，林淑端知道自己得爬得更高，加上她本身就熱愛研究，便決定結束教職與先生一同赴美深造。出國時，學生跟家長包了兩部遊覽車來歡送。「那時候不覺得怎樣，現在想起來才覺得自己就是做什麼就進入狀況。每個人只要找到他的熱情，投入做，就能做得好。」

回台灣之後，林淑端建立自己的研究團隊，成員大多是讀過她論文、慕名遠來的外國人。外國人來台灣做研究，從簽證邀請函到落地租房，很多問題都要解決，來了也不像台灣學生，可以不合就走，林淑端對待外國研究者就像對家人一樣，唯有如此才能讓他們在自己的實驗室穩定發展，「雖然收的人不多，但都待很久」，她謙虛地說只有更好的學生，沒有更好的老師，老師可以啟發，但做出成果的是年輕人。她要為社會培育出能找問題跟解問題的博士級人才，這能產生最大影響，也能代代相傳。

她的團隊如家人般互相照料，但工作極具挑戰。每週一對一討論與每月大 Meeting 上，學術問答針鋒相對，有如不見血的拼搏，透過這樣的過程，林淑端認為重點是讓團隊中每個人都感到有幫助，才能落實科學求真的價值。曾經有印度學生一時無法接受而選擇回國，但反思之後，寫信對林淑端說：「我永遠是你的學生，因為我學到太多了。」

學術也是技術，技術就得從觀察中學，包括觀察團隊領導人對事情的投入、熱情、嚴謹、對問題的批判性，對成員的要求。「他每天都看到你，你每天都這樣，他就會學。」林淑端強調，做研究不要害怕，不知道就說不知道，不要假裝好像知道又好像不知道，「其實只有真的不知道，你的理論跟假說才不會亂講。一直那麼多年，我覺得真的就這樣而已。」

再來就是享受過程，「結果不是關鍵，過程才是關鍵」。她說這其實不是苦中作樂，因為思考過程，想到底缺了什麼，就是樂趣本身。

最後，驗證出來的結果要有趣地、有故事性地、有邏輯地說出來。發表是為了激發讀者思考。這些讀者可能是新一代的研究者或是同儕，把文章寫好才能刺激領域發展。

女性需要的是機會

身為 2020 年第十三屆台灣傑出女科學家獎傑出獎得主，林淑端表示 1987-1990 年在史丹佛做博士後時，就發現當上教授的女性很少，而且性別不同還影響薪資。回到台灣後，雖然跟美國比起來，學術工作薪資不高，但不分性別大家都平等，特別在中研院分子生物研究所，女性比例超過 50%，「我們蠻強勢的，而且男性同事都很紳士。」她說。

不過，在中研院處長，院長、副院長等主管中，女性就很稀有了。林淑端在 2007 年負責創建中研院國際處，並擔任國際處長一直到 2016 年，「我很幸運地跟翁啟惠院長同事，他很信任我，知道我對教育很感興趣。」林淑端知道要提高中研院的能量，需要學生加入研究，因此她創建並擔任處長的目標就是要將國際學生制度化，提出跟大學不同的獨特教育價值，也推動中研院能全英文運作。那段時間常跑教育部開會的她，也注意到當時教育部的科長、專員、司長大多是男性，「自然規律，性染色體是 ½，如果女性的資源也 ½ 的話，那社會就會不一樣。」

「我做行政的幾年的確有看到男女差異，但我在教育裡沒有歧視，不會偏好女孩。」林淑端認為提供機會最重要，而若有一些因素系統性地讓女性無法獲得機會，就該改變。例如研究單位必須提供日間幼兒照顧。她也指出，遇到 COVID-19 這樣的情況，若小孩生病，待在家照顧孩子的大多都是媽媽，這或許是女性的天性，但仍須思考這造成的影響。

少子化對學術界的衝擊很大，因此只要有研究熱情的年輕人進入林淑端的團隊，她都希望按照個性予以激發，讓他們成功。當她 2020 年起開始參與吳健雄基金會與台灣萊雅為女高中生舉辦的高中女校科學巡迴活動，就覺得特別振奮與開心。

「到高中去，讓我覺得很有成效，因為許多高中女生在一個非常單純的學校，很多在鄉下，對未來的願景不是很清楚，當我們去的時候可以告訴他這一路的風景，讓她們知道做的事是有用的。」例如林淑端在分享時會將國家生技研究園區的轉譯計畫、基因編輯嬰兒等跟 RNA 相關的新事件融入，讓台下的女高中生知道：「事情不是停在這，在你們的時代不知道會碰到什麼新知，但是你們做出來才會有新知。」只要聽眾中有一個人繼續走，她覺得就很值得。

她想起自己剛回台灣，學界同儕從她身上，往往只看到她老師史丹佛大學醫學院教授 Stanley N. Cohen 的影子，看不到她對研究的貢獻，曾有一段時間很不服氣、孤單、挫折，「但都要走過來，所以我現在才能幫年輕人。」

「作育英才」短短四字，林淑端用一輩子來實踐，儘管即將退休，她的腳步與思緒仍舊飛快，吸引更多後進追逐；而當她被超越，也是她最欣喜的時刻。

台灣傑出女科學家獎設立於 2008 年，是台灣第一個專為表彰傑出女科學家、並鼓勵女性參與科學而成立的獎項，由台灣萊雅及吳健雄學術基金會共同主辦。

本文由 台灣萊雅 L’Oréal Taiwan 委託，泛科學企劃執行。

大家都喜歡禮物，但如果今天這個禮物包藏了致命物質，你還喜歡嗎？就像希臘人送給特洛伊人的木馬一樣，看似是戰利品的禮物，結果卻是包藏禍心的可怕毒藥！

近期，新加坡的南洋理工大學團隊研發出一種新的抗癌方式。將 L-苯丙胺酸 (L- phenylalanine) 包覆在奈米顆粒上，癌細胞吸收後會使其自行凋亡。雖然這項發現仍在早期研究的階段，但目前在細胞實驗和老鼠實驗，皆有不錯的效果。

癌細胞需要很多、很多的胺基酸

對於快速生長的癌細胞，往往需要吸收大量的胞外必需胺基酸來支持其快速生長，因此不少癌症的表徵之一就是：負責攝取胺基酸的基因¹會大量表現。

此外，不少研究也都證實，若我們能夠減少癌細胞的胺基酸攝取，就能有效降低其生長速率。因此科學家們相信，嚴格控制癌症病患飲食中的蛋白質含量，並搭配藥物，可能有助於癌症的治療。

但這種治療方式需要醫師對病患的身體狀況有良好的了解、監控和支持，且有造成病患營養不良的風險，對於有惡病質 (Cachexia)² 的病患，更是不適合。

因此，如何將癌細胞對於必需胺基酸的大量需求結合到癌症治療中，成為一大難題。

暗藏「毒藥」的胺基酸大禮包

針對這個問題，南洋理工大學的研究團隊設計了一種新的治療方式。將 L-苯丙胺酸這個必需胺基酸包覆在直徑 30 nm 的矽製奈米顆粒上，並將此特製奈米顆粒命名為 Nano-pPAAM ³。

該團隊先前的研究顯示，多孔抗癌藥物運輸用矽製奈米顆粒，被細胞吸收後會使細胞內的活性氧物質 (Reactive oxygen species，簡稱 ROS) 大量產生，使其因此產生細胞凋亡 (apoptosis)。

因此順著這個思路，他們設想：「若將癌細胞需要的必需胺基酸包覆住這些矽製奈米顆粒，是否能使癌細胞在吸收後自行凋亡？」就像特洛伊木馬一樣，外表看似是給癌細胞的禮物（必需胺基酸），但裡面卻是包著致命的士兵（奈米顆粒）

他們的研究結果指出，比起傳統的抗癌藥物 Cisplatin，Nano-pPAAM 能更專一的殺死乳癌、皮膚癌和大腸癌細胞而不傷害一般細胞。在裸鼠實驗中，Nano-pPAAM 也能明顯地抑制老鼠體內的移植的乳癌細胞的生長。

以前的奈米顆粒，只是毒藥的「司機」

該研究的計畫主持人指出，這個研究的方向和傳統的奈米顆粒研究不同。

傳統的奈米顆粒是用於包裹和運送，將抗癌藥物包裹並運送到腫瘤中再做刺激，使其釋放抗癌藥物到腫瘤中。

在傳統的療法中，奈米顆粒僅僅扮演運輸的角色，本身並無藥效。然而，在這一次的研究中，奈米顆粒不會攜帶任何抗癌藥物，而是使用奈米顆粒本身的性質，直接讓癌細胞產生大量的活性氧物質並讓癌細胞自行凋亡。

他們在先前的研究無意中發現，特定大小的奈米顆粒送入細胞後，會產生大量的活性氧化物質，他們才因此決定深入研究奈米顆粒的哪些物理參數會導致活性氧化物質在細胞內的生成。

如何從司機變身為致命毒藥？

先前的測試初步顯示這個現象與奈米顆粒的材質有關，同樣大小的奈米顆粒若以銀和鈦合成不會產生活性氧化物質，只有以矽合成才會產生。

因此後續的測試他們先建立了大量的矽製奈米顆粒的篩選庫，以奈米顆粒的大小、孔洞數還有送入密度為篩選標準，成功找出能使細胞產生大量活性氧化物質的奈米顆粒所具備的大小、孔洞數還有送入密度。

這樣做有什麼好處呢？

以往就算奈米顆粒成功攜帶藥物進入組織中，我們也需要各種化學與物理的刺激，才能讓奈米顆粒釋放出藥物並產生藥效，再加上腫瘤組織附近的微環境相當複雜，使得這類刺激不易發生，讓癌症治療面臨嚴峻的難關。

不過，本研究中的 Nano-pPAAM 完全不需要額外攜帶藥物，因此在對抗癌細胞的過程中，我們就能免去藥物運送和代謝的困擾，為未來癌症治療提供一個新的方向。

接下來，研究團隊將往「專一性」的方向做研發，使其能精確地攻擊特定種類的腫瘤，同時提高其殺死癌細胞的能力。或許，未來 Nano-pPAAM 能結合更多治療方式，如近來火熱的免疫療法，讓我們在對抗癌症的道路上尋找更多的可能與希望。

註解

1. 此基因爲 LAT1 (The L-Type Acid Transporter)
2. 惡病質 (Cachexia) 是癌症病患因體內賀爾蒙代謝與新陳代謝異常，或因食物攝取量減少所產生的營養不良症狀。
3. 此特製奈米顆粒的全名為：Nanoscopic phenylalanine Porous Amino Acid Mimic。

1. Wu, Z., Lim, H. K., Tan, S. J., Gautam, A., Hou, H. W., Ng, K. W., … & Tay, C. Y. (2020). Potent‐By‐Design: Amino Acids Mimicking Porous Nanotherapeutics with Intrinsic Anticancer Targeting Properties. Small, 16(34), 2003757.
2. NTU Singapore scientists devise ‘Trojan horse’ approach to kill cancer cells without using drugs 
3. Nanoparticle Density: A Critical Biophysical Regulator of Endothelial Permeability