莎士比亞的問題－《上帝的粒子》

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

• 本文轉載自科技大觀園，原文為《撞夠了沒？還沒！大強子對撞機續集上映中》
• 作者／郭雅欣｜科技大觀園特約編輯

大強子對撞機（Large Hadron Collider, LHC）隸屬於歐洲核子研究組織（European Organization for Nuclear Research, CERN），是一座巨大的粒子加速器，它包括一個位於地底、周長 27 公里的粒子加速環，就像粒子的跑道一樣。質子或是重離子在超導磁鐵的引導下，在跑道上急速奔跑然後對撞，物理學家就從這些對撞事件中，尋找新的粒子，探究未知的物理。

LHC 在 2012 年就撞出了眾所期待的希格斯粒子，當時的物理界一片歡欣雷動，而最早預測希格斯粒子存在的希格斯本人以及同年提出理論的恩格勒，也在隔年獲得諾貝爾物理獎。LHC 很快就把主線任務解完了，那然後呢？ 8 年過去了，LHC 並沒有因為主線任務解完就退休，這些年來，它仍然努力的製造一次又一次的對撞事件，畢竟科學家預期在 LHC 的撞擊能量尺度，應該還可以看到一些新東西，然而實際情況是如何呢？ 

偏偏不倒的危樓—標準模型

在 LHC 找到希格斯粒子之後，研究團隊於 2015 年底起，把 LHC 的對撞能量從原本的 7 TeV 或是 8 TeV（1 TeV=10¹²電子伏特）調高到 13 TeV，運作了 3 年，這段時期稱為 LHC 的 Run II。撞擊的能量愈高，就愈能撞出罕見的事件。更明確的說，LHC 能撞出的粒子質量上限，大約落在總撞擊能量的 1/6，（在粒子物理中，粒子質量通常以能量單位表示），比這個能量更重的粒子出現的機率太低，事件樣本也太少，因此要有更多觀察，就必須把對撞能量拉高，並且累積更多數據。

全世界的物理學家正在針對這 3 年的數據做分析，長期參與 LHC 實驗的臺大物理系教授陳凱風說：「雖然還沒有分析完，目前的確是存在一些不能被排除的意外訊號，但是統計上還不足以證實這些是新物理所造成的現象。」在尋找新粒子這個目標上，雖然研究成果豐碩，但是量測結果並沒有明顯超出標準模型的範疇。

另一方面，研究團隊也希望根據新資料的分析，來修正標準粒子模型裡的參數，但目前測量出的結果，卻都和理論預測大致相符。「這是一種很詭異的感覺。」陳凱風形容。事實上，現有的標準粒子模型並不是很穩定，陳凱風說：「我們認為目前的理論架構一定有些毛病，但偏偏又找不出來。這就好像我們蓋了座危樓，但又找不出如何補強它，而地震來它還偏偏不會倒。大概就是這麼微妙的感覺！」

舉例來說，標準粒子模型包括了六種夸克：上夸克、下夸克、魅夸克、奇夸克、頂夸克、底夸克，以及六種輕子：電子、緲子、濤子，以及三種對應的微中子。而其中的頂夸克質量明顯比另外五個夸克大非常多，而微中子的質量小到無法直接測量，這在物理學家眼中，是不應該自然發生的；此外，標準模型也無法滿足這個幾乎只存在物質、絕大多數反物質都消失的宇宙。為了解決這個問題，物理學家也提出一些假設，例如，會不會其實還有更重的夸克與輕子、或是更多奇異的玻色子存在呢？「但從 LHC 的實驗結果，我們還沒有找到符合的訊號。」陳凱風說。

 「你當然也可以說，反正宇宙就是這樣運作，但我們覺得背後一定有某個機制導致這樣的結果，只是我們就是沒找到。」陳凱風並且以 100 多年前的元素週期表舉例，當初的週期表也是東缺西漏，但隨著一個個新元素的發現，這些缺口也漸漸被補滿。「而現在的標準粒子模型，就像是有著漏洞、明顯還沒完成的拼圖，卻又找不到東西來填補。」陳凱風說。 

Run III — LHC 改頭換面

儘管 LHC 的 Run II 呈現的結果意外的平靜，但 Run III 已經準備在明年啟動。

在 Run III 階段，LHC 將把對撞能量再往上調高至 14 TeV以上，這是 LHC 當初設計的最大許可能量。另一方面，研究團隊將對 LHC 做許多技術上的修改測試。這是因為在 Run III 結束後，LHC 將進行一次大改造升級，要將每次參與對撞的粒子數量與密度提升，這樣一來，對撞事件發生的次數會跟著上升 5~10 倍。

為了因應這樣的升級，許多軟硬體、零件也必須跟著升級，其中最重要的一項就是偵測器。比如說目前 LHC 底下的 CMS 實驗所裝載的量能器，主要材料是以一種鉛鎢玻璃晶體為材料的閃爍體，而這些安裝在偵測器頂蓋處的晶體長期接受高輻射劑量，已經有了不少缺陷，變得愈來愈不透明了。陳凱風說：「試想如果升級之後，還用一樣的零件材料，那原本經過 10 年才會損壞的，現在只要 1 年就會接近無法運作了。」因此，偵測器必須跟著升級才行。

新的量能器（High Granularity Calorimeter, HGCAL）會以矽半導體材料為主，並且切分成 28 層排成一列，這樣做的好處除了較不易打壞外，每一層都能獨立送出粒子經過時的位置資料，可以更準確地描繪出粒子穿越偵測器的物理反應。目前由臺大物理系教授呂榮祥、裴思達主持的硬體實驗室，就正在研製這種新型量能器。再加上也會一同升級的各種裝備，未來可以對粒子的物理特性有更精準的量測。 

LHC 有來自全世界 85 個國家、超過 8,000 位物理學家參與，可說是全世界最大的實驗計畫。但在加速器的發展上，LHC 可能還不是終點，未來計畫籌建的加速器計畫，還包括 CERN 的未來環形對撞機（FCC）、中國的環形正負電子對撞機（CEPC），以及日本的國際直線對撞機（ILC）等。

雖然說這些計畫是否真的會有所進展，還要看未來的局勢發展，但我們不妨期待包括 LHC 在內的這些實驗計畫，會繼續帶給我們怎樣的驚喜！就如陳凱風在訪談快結束時所說：「希望我們下次討論的，是在對撞的數據中，我們發現了什麼有趣的新物理！」

編按：本文摘自《離開太陽系》第八章：打造星艦。
星艦是一種尚處於理論階段，用來作恆星際旅行的交通工具。嚴格上星艦需要人駕駛，在不超過壽命的期間內到達目的地恆星系。星艦一詞目前只出現在科幻小說中，現實中人類還沒有創造出真正可以進行星際旅行的機具。

為何要追星逐月？
因為我們的靈長類祖先選擇展望更遠的山頭，而我們是他們的後代。
因為我們不會在這裡無限期繼續生存。
因為眾星就在遠方，在嶄新的地平線外召喚我們。
──天體物理學家兄弟詹姆斯與古格里．班福德

百年星艦會議：擬定星際旅行時間表，帶領人類航向宇宙

二○一一年， DARPA 和 NASA 聯合贊助一場名為「百年星艦」（100 Year Starship）的研討會，成果豐碩。這場研討會的目標不只是要在百年內實際造出星艦，更要結合頂尖科學家之力，為下個世紀擬定可行的星際旅行時間表。這項計畫由一群資深物理學家和工程師組成的非正式團體「老衛士」（Old Guard）負責統籌，其中不少人已年越古稀。他們寄望匯集眾人智識，帶領人類航向星辰。這股熱情至今燃燒數十載，不減當年。

藍迪斯也是老衛士之一。不過這個團體還有一對奇葩──詹姆斯與古格里．班福德，這對雙胞胎碰巧都是物理學家，而且也都是科幻作家。詹姆斯告訴我，他還是小孩子的時候就迷上星艦，狼吞虎嚥所有能到手的科幻小說，尤其是羅伯特．海萊因的「太空軍」系列（Space Cadet）。

他了解到，如果他和弟弟真心對太空感興趣，那就應該去學物理。學得越多越好。所以兩人立志要拿到物理博士學位。現在詹姆斯是「微波科學公司」（Microwave Sciences）董事長，數十年來始終積極投入「高功率微波系統」相關研究。古格里是加州大學爾灣分校的物理教授，另一個身分則是眾人嚮往的科幻界桂冠「星雲獎」（Nebula Award）得主。

百年星艦研討會結束之後，詹姆斯和古格里合寫一本書：《星艦世紀：航向最偉大的地平線》（Starship Century: Toward the Grandest Horizon），其中包含眾人在研討會發表的許多意見想法。本身是微波輻射專家的詹姆斯相信，光帆最有可能帶領人類飛出太陽系。不過他也表示，另類純物理設計也發展了相當長的一段歷史，因此這些造價貴得離譜、卻是依紮實物理定律所設計出來的新奇玩意兒，將來有一天說不定就真的做出來了。

100％能量轉換率的反物質星艦，有可能嗎？

第五波科技革命（包括反物質引擎、光帆、核融合引擎、奈米船等）或許能將星艦設計推往令人振奮的新視界。曾現身《銀河飛龍》的反物質引擎說不定會成真：這種引擎能提取宇宙蘊藏量最豐富的能源、並藉由物質與反物質碰撞，直接將物質轉換成能量。

顧名思義，「反物質」與「物質」完全相反，兩者所帶的電荷也相反。是以「反電子」帶正電，「反質子」帶負電。（我曾經在一群高中生面前嘗試驗證反物質：將一顆會放出反電子的「鈉–二十二」膠囊放進雲霧室［cloud chamber］，並且拍下反物質通過時留下的美麗痕跡。後來我還造了一座兩百三十萬電子伏特的電子迴旋加速器，希望能分析反物質的特性。）

物質與反物質發生碰撞時，兩者會互相湮滅並化為純能量，所以這個反應釋出的能量轉換效率為百分之百。相較之下，核武的能量轉換率僅百分之一，意即氫彈所含的能量幾乎都浪費掉了。

反物質火箭的設計相對簡單：將反物質儲放在安全槽內，再以穩定流速注入內燃室。反物質與普通物質在內燃室內「乾柴遇烈火」，爆炸般地釋出巨量 γ 射線和 X 射線。反應產生的能量經排氣室出口噴出，產生推進力。

詹姆斯．班福德特別告訴我，雖然反物質火箭最受科幻迷青睞，但要想製造這種引擎會碰上幾個大問題。其一：反物質是自然現象，但其存量相對來說非常稀少，因此我們必須製造大量反物質供引擎使用。全球第一顆「反氫原子」──結構為一顆反電子圍繞反質子旋轉──於一九九五年、在瑞士日內瓦的「歐洲核子物理研究中心」（European Organization for Nuclear Research，CERN）製造誕生。

那些都是理想狀態，現實中的難題還是無法解決

研究人員將一道普通質子束射向一枚普通物質標靶，質子撞擊標靶後產生些許反質子，然後再利用巨大磁場引導質子與反質子，令其一左一右分道揚鑣。接下來，反質子會降速並儲存在「磁力阱」（magnetic trap）內，與反電子組成反氫原子。二○一六年， CERN 的物理學家取得反氫原子，分析環繞反質子的反電子殼層，一如預期地發現反氫原子和普通氫原子的「能階」（energy level）可完全對應。

CERN 物理學家宣稱，「假如我們能把在 CERN 製造的反物質全部集合起來、與普通物質進行湮滅，這個反應產生的能量大概可以讓一顆電燈泡持續亮好幾個月。」推動火箭絕對需要更多能量，更別提反物質還是世上最昂貴的一種物質形式。以今日造價估算，製作一公克反物質大概需要七十兆美元。目前，科學家只能利用粒子加速器（建造和運作成本可謂天價）製作極小量的反物質。 CERN 的「大型強子對撞機」（LHC）是全世界威力最強的粒子加速器，造價超過百億美元，卻只能產出薄薄一束反物質。若要儲備足以驅動星艦的反物質燃料，美國大概會破產吧。

全球現有的大型原子對撞加速器都屬於「目的導向」設備，僅供研究使用，在製作反物質方面更是極度沒效率。目前想過的部分解決方案，是建造專門用來「攪拌原子」的工廠設施。 NASA 科學家哈洛德．葛里希（Harold Gerrish）認為，如此一來，反物質的製造成本可望降至每公克五十億美元。

至於「存放」則是另一道難題，同樣所費不貲。若將反物質置於瓶中，它會撞擊瓶身，要不了多久便湮滅消失。這時就需要「彭寧離子阱」（Penning traps）來框限反物質。這種離子阱利用磁場「抓住」反物質原子，令其懸浮，防止它們與容器接觸。

在科幻小說中，諸如成本、儲存這類難題，有時會透過「天上掉下來的禮物」而順利解決（譬如突然發現一顆「反物質小行星」，讓人類能廉價取得反物質）。可是這種假設場景也同樣冒出一個複雜問題：反物質究竟來自何方？
架起儀器朝外太空掃視，舉目所及皆是「物質」，而非「反物質」。我們之所以曉得這一點，是因為電子與反電子相撞至少會放出一百零○二萬電子伏特的能量──這是反物質撞擊的指紋。然而在檢視宇宙時，我們只能偵測到非常微量的這類輻射。我們周圍的可觀測宇宙絕大部分是由普通物質──也就是構成你我的相同物質──所組成的。

物理學家相信，在「大霹靂」那一刻，宇宙處於完美的對稱狀態，含有等量的物質與反物質。若真是如此，兩種物質的湮滅作用本應十分完美且徹底，宇宙亦將純粹由放射線組成。可是你在這裡、我在這裡，你我皆由照理說已不存在的物質組成。我們的存在與現代物理理論相悖。

科學家還沒搞清楚宇宙的物質何以多於反物質。大霹靂時，僅有約百億分之一的普通物質熬過爆炸，你我也是其中一部分。目前的主流理論是，某種東西在大霹靂時違反了物質與反物質的完美對稱性，但我們還不識其真面目。諾貝爾獎仍癡癡等待能解開這道謎題的有志之士。

對所有期望打造星艦的人來說，反物質引擎始終都在決選的優先名單上。但我們對反物質的特性仍幾近一無所知。舉例來說，我們不曉得反物質「朝上」或「朝下」墜落。按現代物理學預測，反物質和普通物質一樣會朝下墜落。但這麼一來，「反重力」大概就不可能存在了。話說回來，這項理論和其他多數反物質理論皆不曾測試檢驗過。受制於成本和人類的有限理解，反物質火箭大概到下個世紀仍只會是美夢一樁──除非，「外太空飄過一顆反物質小行星」此等好事恰巧落在我們頭上。

另一個待嘗試的迷人概念：衝壓噴射核融合星艦

衝壓噴射融合火箭則是另一種迷人概念。這種火箭外表看起來像個巨大霜淇淋筒，鏟起星際間的氫氣、送進核融合反應器予以濃縮，產生能量。衝壓噴射火箭的推進模式和噴射機或巡弋飛彈一樣，相當符合經濟效益：譬如噴射機無需自行攜帶氧化劑，只要吞進大量空氣就能節省成本。而太空更是充滿無盡的氫氣，燃料供應無虞，故星艦可以持續加速到永遠。這種動力系統和光帆一樣，比衡無上限。

波爾．安德森（Poul Anderson）的名作《 τ 零》（Tau Zero），描述一具衝壓噴射火箭因故障而無法關閉的故事。當火箭加速至逼近光速時，一些光怪陸離、涉及相對論的扭曲現象逐漸浮現：火箭內時間變慢，但火箭外的宇宙時間仍正常前進。火箭速度越快，火箭裡的時間越慢。然而對於火箭或星艦上的人來說，一切看起來再正常不過，反倒是外頭（宇宙）的時間飛快掠過。最後，這艘星艦的速度快到全體組員只能無助地看著時光以數百萬年的速度飛逝。在航向未來數十億年之後，星艦組員意識到宇宙已不再膨脹，實際上反而正在塌縮：宇宙膨脹終於開始反轉。隨著宇宙邁向終點「大崩塌」（Big Crunch），星際逐漸聚集、宇宙溫度驟升。來到故事尾聲，星辰開始崩塌，星艦設法擦過並逃離宇宙這團大火球，目睹新宇宙在「大霹靂」中誕生。這篇故事或許荒誕不經，理論基礎倒是完全遵守愛因斯坦相對論。

讓咱們暫且把前段的末日預言放在一邊。初看之下，衝壓噴射核融合火箭這玩意兒厲害到不像是真的。但幾年過去，有人開始提出批評：譬如那把「鏟子」或許得做到好幾百公里寬，不僅大得不切實際、製作成本更是無人負擔得起。此外，這種引擎的核融合速度可能無法產生足夠的動力，不足以維持星艦巡航。詹姆斯．班森博士（James Benson）也明白地指出，或許銀河系內其他區域的氫氣量充足，但我們所在的這一區（太陽系）氫氣不足，無法餵飽衝壓噴射引擎。另外還有人宣稱，當衝壓噴射火箭通過太陽風帶時，太陽風的牽引力可能超過火箭推進力、使其無法達到需要的相對速度。目前物理學家已著手修改設計，期望能修正這些缺點。不過在衝壓噴射火箭成為實際選項之前，人類還有好長一段路要走。

除此之外，還有星艦旅行必須面對的難題

在此必需特別強調一點：前面提及的所有星艦旅行，都必須面對與「近光速移動」有關的諸多問題。最大的危險是撞上小行星，即便是再微小的小行星都可能畫破或刺穿星艦防護罩。誠如先前所提，宇宙碎片常在太空梭表面留下刮痕或創口，而這些碎片有時會以接近軌道速度（近地軌道）的速度、或時速近三萬公里的高速撞上太空梭。然而，如果飛行速度接近光速，那麼宇宙碎片撞擊的速度也會是前述速度的許多許多倍，搞不好還會令星艦粉碎解體。

在電影中，這類難題大多會藉由「可輕易驅除所有微小隕石的超強力場」加以排除。然而不幸的是，這種力場只存在在科幻作家的腦袋裡。就現實而言，要形成電場、磁場確實不難，但即使是不帶電的塑膠、木頭、水泥等家中一般常見物品，依然能輕易穿透這些力場。此外，遊走外太空的微小隕石因為不帶電，故無法利用電場或磁場令其偏向。至於重力場則因為具吸引力、作用力又弱，也不適合作為我們需要的防護力場。

「煞車」則是另一項挑戰。試想，若以趨近光速的速度迂迴穿越太空，接近目的地時該如何減速？光帆仰賴太陽光或雷射光提供動力，卻無法用於減速，故大多只能用於「飛越」任務。

讓這些核子動力火箭來個一百八十度大迴轉、令推進力徹底轉向，或許是這類火箭的最佳煞車方式。不過如此一來，每趟任務粗估會有一半的推進力用於達到目標速度、另一半則用於減速。關於光帆該如何減速，或可將帆體反過來，利用目的地的星光使其降速。

另外還有一個問題：具「載人」功能的星艦體積多半相當巨大，故只能在太空組裝。因為如此，人類必須執行多次太空任務，將建造星艦所需的材料分批送往近地軌道，然後再安排另一批太空任務，完成星艦組裝。為避免經費嚴重超支，科學家必須針對太空發射任務構思一套更經濟的執行方式──於是「太空電梯」登場的時刻到了。

本文摘自《離開太陽系：移民火星、超人類誕生到星際旅行，探索物理學家眼中的未來世界》，2018 年 12 月，時報出版