2006世界盃：禁慾？還是不禁慾？

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

F 編按：本文編譯自 Live Science

是不是常聽人家講「運動天賦」？這種天賦到底是什麼？運動員哪裡跟我們不一樣？這個問題現在科學家或許可以給你一個答案。近年透過腦科學研究發現，運動員的大腦與普通人的大腦存在顯著差異，這些差異塑造了他們在比賽中的敏捷反應、精確動作及卓越判斷能力。

所以現在運動選手不只比體力，還要比腦力了嗎？這些差異具體差在哪裡？

快速反應：視覺處理能力

在團隊運動如足球或籃球中，快速處理視覺資訊並作出決策對勝負至關重要。一項 2013 年發表於《Scientific Reports》的研究發現，職業運動員比起業餘運動員或一般人更擅長處理動態視覺場景，例如追蹤快速移動的物體。這種能力能夠幫助運動員在瞬間解讀賽場上的複雜資訊，並迅速做出反應。

視覺處理能力的測試還可用於判斷運動員是否適合回歸賽場，例如在傷後復健階段，確保運動員在完全恢復判斷能力之前不會貿然上場。

肌肉記憶：動作的自動化編程

對於體操選手或跳水運動員而言，肌肉記憶是完成複雜動作的關鍵。2023 年《Journal of Neuroscience》的一項研究表示，大腦如何通過訓練快速「壓縮」和「解壓縮」動作資訊，最終將動作序列整合成一個流暢的過程。這種訓練過程使運動員能夠無需刻意思考，便能完美執行複雜動作。

肌肉記憶的形成依賴於大腦皮層神經元的網絡活動，這種神經編程能力也同樣適用於訓練有素的音樂家或舞蹈家。

預測能力：球場上的決策利器

運動員擁有卓越的預測能力，例如棒球擊球手能根據投手的動作，快速判斷球的速度與方向。2022 年發表於《Cerebral Cortex》的研究發現，當擊球手預測投手的投球軌跡時，大腦左腹側顳葉皮質的神經元活動會根據預測結果而改變。

這種高效的預測能力源來於運動員在比賽中，學會透過關聯視覺線索與物體運動軌跡的技能。研究還發現，潛水選手等專業運動員的大腦中與動態運動解讀相關的區域，如上顳溝（STS），比普通人更厚，這也反映了運動訓練對大腦結構的塑造。

平衡與空間感：身體控制的高峰

對體操選手來說，擁有非凡的平衡感與空間感知能力，兩者缺一不可，而這在科學上被稱為「本體感覺」（proprioception）。位於小腦的神經網絡讓運動員能迅速調整身體姿態，即使在空中失誤也能及時修正動作。

然而，當這套「安全網」失靈時，可能導致嚴重後果。如 2020 年東京奧運中，體操選手西蒙·拜爾斯（Simone Biles）因「扭轉失靈」而一度無法控制動作，凸顯了平衡能力在高風險運動中的重要性。

注意力與認知靈活性：多任務處理的關鍵

團隊運動要求運動員能快速在不同思維模式間切換，例如足球選手需在控球時預測對手動作並調整策略。2022 年《國際運動與運動心理學期刊》的一項研究顯示，運動員，特別是參與高強度間歇訓練的選手，擁有更強的認知靈活性和注意力分配能力。

研究也指出，這些能力的提升可能與長期訓練相關，但確切機制仍需進一步研究。

抗衰老的秘密：運動對老年大腦的保護

這些運動訓練對大腦的影響，可不是只有相關區域的提升。運動對大腦健康的影響，可能會持續一生。一個典型例子是加拿大田徑選手奧爾加·科特爾科（Olga Kotelko），她在 95 歲時仍保持驚人的腦部健康，其白質結構完好程度甚至接近比她年輕三十多歲的普通人。科學家認為，持續的運動訓練可能是她保持記憶力與認知敏銳的原因之一。

下一代的訓練策略：腦力與體力並重

隨著運動科學的不斷進步，科學家也開始呼籲教練更注重對年輕運動員的腦部訓練，例如提升記憶力與決策能力。西悉尼大學的運動科學家凱莉·斯蒂爾（Kylie Steel）指出，運動員的身體或許會訓練至極限，但在認知能力上仍擁有巨大的潛力提升。例如，足球訓練中可以鼓勵球員使用非慣用腳進行射門，以提升大腦靈活性，幫助他們在成年後更加出色地應對比賽挑戰。

近年研究讓我們重新認識了體育訓練對人體的深遠影響，運動改變的不僅是肌肉，還包括大腦。從視覺處理到肌肉記憶，再到抗衰老的腦部結構，透過運動與科學的結合，將為未來的運動員開啟全新可能性，也提醒我們，持續鍛煉不僅益於身體，也有助於大腦的健康。

2020 東京奧運如火如荼地進行，但日前美國「體操天后」拜爾絲以心理健康因素，退出東奧多項體操賽事震撼各界！但運動員除了體能出類拔萃外，其實心理層面與常人無異。她的退賽也讓大眾更加關注運動員的心理健康。

「體操不是一切，心理健康比運動更重要！」身為美國隊奪金熱門人選、手握奧運 4 金輝煌戰績的拜爾絲（Simone Biles）在賽後記者會上強調。最終，她以心理健康為由，退出東奧體操團體賽後，再度退出跳馬等多項賽事。

被公認為「有史以來最偉大的運動員」（Greatest of All Time, G.O.A.T.）的拜爾絲在奧運退出多項賽事，許多媒體在第一時間紛紛讚賞她的決定。

拜爾絲和先前日本網球女將大坂直美（Naomi Osaka）的退賽，也都再次突顯兩大心理健康的趨勢：Ｚ世代比起其他世代，更能覺察自身的心理健康；以及，受到疫情影響，運動員的心理健康狀況變得更需要關注。

繼大坂直美退賽後，Ｚ世代運動員帶頭倡議心理健康

在拜爾絲退賽之前，世界排名第 2 的「網球天后」大坂直美，就因長期飽受憂鬱症之苦，拒絕出席賽後記者會。最終，以保護心理健康為由，在 6 月宣布退出今年法國網球公開賽。

她也在《時代》周刊寫下「不 OK 也沒關係！」（‘It’s O.K. Not to Be O.K.’）的專欄文章，除了首次對外揭露從法網退賽後的心路歷程外，也呼籲體壇需積極正視運動員的心理健康。

不只拜爾絲、大坂直美積極為心理健康公開發聲，過去游泳名將「飛魚」菲爾普斯（Michael Phelps）、短跑運動員諾亞萊爾（Noah Lyle）等運動員，都曾公開自身患有憂鬱症等經驗。

高度關注自身心理健康的浪潮，也開始吹向各行各業。在去年對 1000 名美國成人所進行的調查，就發現有 80% 的員工考慮辭掉目前的職位，轉而從事更注重員工心理健康的工作。考量自身心理健康的因素，也與正在歐美職場出現的大規模離職潮有關。

比起其他世代，Ｚ世代更有心理健康病識感

心理學家麥克米倫（B. Janet Hibbs）就強調，在 1996 年後出生的Ｚ世代，比前幾代人，更願意尋求心理健康的幫助，並揭露自身相關經歷。而對心理健康議題積極關注和公開發聲的新動力，可能是種世代轉移。

Z世代比起其他世代更能「覺察」自身心理狀態，主要和學校的心理衛生教育，以及當今對心理健康議題的討論更開放有關。而會開始如此「重視」自己的心理健康，一部分原因也和新冠疫情有關。

畢竟在這段期間，我們多出許多時間和自己獨處，也會開始重新審視、並評估現有的生活。也積極去思考未來要專注在哪些對自己真正重要的事，而不只是取悅別人等。

雖有調查指出，Ｚ世代的心理健康狀況比上個世代更差，但同時也指出Ｚ世代是更善於意識自身心理健康問題，並積極尋求相關幫助。在 2019 年的調查就發現，Ｚ世代只有 45% 的人，表示他們的心理健康狀況良好；相比之下，千禧一代（1980－1990 年代出生的人）則有 56%。

且在疫情之下，也重創年輕族群的就業機會。去年美國 CDC 的調查也有類似發現，在18 至 24 歲年輕族群中，有 62.9% 的人表示自己有焦慮或憂鬱的症狀，是所有年齡層中比例最高的；且在該族群有 25% 的人，表示自己曾在過去一個月內考慮過自殺。

值得慶幸的是，Ｚ世代卻比長輩們更可能尋求心理支持的相關資源。在 2019 年的調查就發現，在Ｚ世代中，有 37% 的人表示自己曾接受過心理治療，或尋求其他心理支持資源；而在千禧一代、Ｘ世代、戰後嬰兒潮的比例，尋求資源的比例分別為 35%、26%、22%。

疫情之下，運動員的心理健康變得更需要關注

Z世代除了對心理健康有更多覺察外，運動員們更是獨自承受各界、贊助商等的期待和關注，並且需要在賽事中拿出最完美的表現。也因此他們承受超乎常人想像的壓力——尤其是菁英運動員。

過去國際奧委會的報告就指出，大約有三分之一的運動員，曾在職涯中遭受心理健康危機，包括沮喪、憂鬱、焦慮、飲食失調和倦怠等。

古特巴格（Vincent Gouttebarge）等人在 2019 年的薈萃分析研究也發現，有「33.6% 的菁英運動員」和「26.4% 的前運動員」都表示自己有焦慮和憂鬱的症狀。另外在近期研究中，發現相較於男性運動員（10.2%），女性運動員在焦慮或憂鬱症上，有更高的患病率（約 26%）。

在疫情期間，要如何持續維持身心巔峰狀態，並迎戰推遲一年的東奧，成為運動員們最大的挑戰。這些處於運動生涯巔峰的運動員，多半難擁有正常的社交生活，且在封城期間，運動員的訓練方式、時間，以及經濟狀況等方面都受到衝擊，這些也都影響到他們的心理健康。

去年 10 月，史丹佛大學團隊的研究就發現，有更多的職業運動員體驗到焦慮／憂鬱的症狀，且比疫情之前更嚴重。在去年 3 月中到 8 月間，有 22.5% 的運動員至少有一週有一半的時間，感到沮喪和憂鬱等，而疫情之前這個比例只有 3.9%。同樣，也有 27.9% 的運動員表示自己在疫情期間，感受到緊張和焦慮的情緒，而疫情前只有約 4.7%。 

「運動員能夠優先考慮自身的心理健康，而不是不惜一切參加比賽。」

拜爾絲、大坂直美等運動員的公開喊話和倡議，不僅能讓大眾理解他們正面對的心理健康挑戰是如何影響他們的工作，更能夠試圖消弭精神疾病的汙名化。希望未來不論是體壇、職場及整體社會，都能逐漸接受「不 OK 也沒關係」！

參考文獻

• Gouttebarge, V., Castaldelli-Maia J., Gorczynski, P., Hainline, B., Hitchcock, M., Kerkoffs, G., Rice, S., and Reardon, C. (2019). Occurrence of mental health symptoms and disorders in current and former elite athletes: a systematic review and metaanalysis. British Journal of Sports Medicine, 53, pp.700-706.

Original publish date:Jun 14, 2006

編輯 John C. H. Chen 報導

參加世界盃的總教練請注意，研究顯示選手比賽前一天享受性行為基本上並不會影響隔天場上的表現。

在重要比賽前夕要求參賽選手禁慾以全力備戰幾乎是個不成文的慣例。歷史上最早出現相關的記載出現在四千年前的美索不達米亞，近代支持此說的另一重要代表則是前世界拳王阿里。而現在正在舉行的四年一度的世界盃，相當多的總教練為了確保球員場上的競爭力，自然就對球員下達禁慾令。根據近期出版的英國版Marie Claire雜誌對世界盃參賽球員顯示，的確有相當多的球員相信禁慾對球場上表現有幫助，而決定在比賽期間克制自己的慾望。

但是對禁慾可以提高運動員的場上表現這種說法，一直沒有生理學上的確切證據。所以加拿大McGill University的Ian Shrier找了一些運動員來做實驗。他發現運動員在發生性行為後十二個小時與發生性行為前踩健身車的表現相比，並沒有表現下滑的情形。因此他認為，比賽前禁不禁慾跟選手的表現應該沒有影響。他表示運動員發生性行為之後對他的肌耐力、肌肉強度及利用氧氣的能力都沒有影響。而運動員心理層面上也一樣沒有顯著影響。

金賽性學研究所的前所長ohn Bancroft則表示，主要的問題可能是出現在男性性高潮之後的不反應期。這段時間的長短不等，從青少年的二十分鐘到中老年人的廿四小時都有。在這段期間最大的特點就是會相當放鬆，也就是會想睡覺。但是Bancroft認為足球選手的體能都很好，基本上這不會是個問題。

當然，幾乎所有專家都同意，無論是男女運動員，重要比賽前一天最重要的就是好好休息。曾經擔任美國職棒洋基隊總教練的Casey Stengel就表示，並不是性行為把選手搞垮了，而是選手滿腦子都在想這檔事，弄的一整晚都不睡而累垮的…

原始論文
(1)McGlone S. & Shrier I. Clin. J. Sport Med. , 10. 233 – 234 (2000).
(2)Rerkpattanapipat M. S. & Kotler M. N., Eur. Heart J., 22. 201 – 208 (2001).

參考來源：

• News@nature.com: Sex before the big game?

相關連結：

• 2006/06/14 中國時報：禁慾一周 8分鐘高潮3次

本文版權聲明與轉載授權資訊：

• 本文採用書面授權轉載模式，詳細著作權聲明與轉載規定請見 http://sciscape.org/copyright.php。

• [Jun 16, 2006] 2006世界盃 2010年的世界盃在人工草地比賽？
• [Jun 15, 2006] 2006世界盃 世界盃另一戰場：賭客對莊家
• [Jun 14, 2006] 2006世界盃 進球、進球、再進球