獅城蒙灰-跨國界的東南亞霾害

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

• 文/柯灃隆（畢業於國立新竹高中，現就讀成功大學心理學系，對自然科學和社會議題皆有興趣和接觸。）
• 責任編輯/蔣維倫

今年（2018）七月，美國總統川普簽署了「消防人員癌症登錄法案（The Firefighter Cancer Registry Act of 2018）」，該法案要求美國衛生及公共服務部（Department of health and human services）建立一個登錄系統，收集罹癌消防員的年齡、醫療資訊、生活習慣、出勤頻率等資訊，針對消防員癌症發生率進行研究。為什麼美國政府會開始關注這個議題呢？

消防員具有較高罹癌風險

根據美國疾病管制與預防中心（Centers for Disease Control and Prevention）在 2015 年發表的一項研究，消防人員罹患癌症的風險較一般大眾提高了 9%，因癌症而喪生的風險更是提高了 14% [1]。該研究包含了將近 30,000 名在 1950 年至 2009 年間於芝加哥、費城以及舊金山，實際參與第一線火場工作消防人員的資料。

研究發現提高的罹癌風險主要包括與消化道、呼吸系統和泌尿系統相關的癌症。儘管和此研究一樣指出消防員具有較高罹癌風險的研究不在少數，公衛學家仍然需要更多時間和證據來釐清這樣的趨勢是否代表了因果關係。

國際癌症研究機構（International Agency for Research on Cancer）是世界衛生組織轄下的癌症研究機構，自 1971 年開始評估各種潛在的致癌因子，根據當時可得的證據將這些因子劃分為確定致癌、極有可能致癌（probably）、可能致癌（possibly）以及大概不致癌（probably not）等分類，並且不斷地更新。劃分的依據以流行病學方法為主，同時也參考動物實驗或與致癌機制有關的資料。在 2010 年出版的專書中，IARC 的工作小組將消防工作歸類為可能致癌（possibly），代表支持其致癌的證據有限 [2]。

但專書中也提到，消防員在工作的過程中確實會接觸到致癌物質，其來源正是燃燒產生的煙霧。

消防員工作現場的致癌物是哪來的？

我們知道在理想的燃燒之下，不論燃燒的材料是由碳、氫、氧、氮、硫或其他元素所組成，最終的產物都是這些元素的氧化物，其中又以二氧化碳和水為大宗，對人體來說相對無害。但實際上，理想的燃燒只能在仔細控制的實驗中被慢慢逼近，唯有當氧氣和易燃物的比例以及燃燒的溫度都恰到好處時才有可能發生。

火場中（以及瓦斯爐上、金爐裡這些日常生活中可見的燃燒）的不完全燃燒，將會導致許多燃燒副產物的生成，這當中也包含了一些致癌物質。另一方面，火場中的高溫會使有機物質發生裂解，燃燒的過程也會將原本封存在固體中的有毒物質以蒸汽或微粒的方式釋出。在火場煙霧中曾經被偵測出的致癌物包括砷、石綿、苯、鎘與甲醛等 [2]。

燃燒過程中還會產生另一個不容忽視的副產物──懸浮微粒。顆粒比較大的懸浮微粒可以被呼吸道的黏液和纖毛排除，然而顆粒較小的 PM₁₀ 與 PM_2.5 可以穿透這些屏障到達支氣管和肺泡，被認為和心血管疾病與肺癌等疾病有關。更細小的微粒更是會穿過肺泡而循環全身。此外，這些懸浮微粒有很大的表面積，因此能夠吸附其他物質，包括本文中提到火場中出現的致癌物質 [2]。吸附在懸浮微粒上的致癌物質不僅能夠隨著微粒被吸入體內，也可以附著在消防員身上的裝備，進而沾染到其他器材、車輛或消防隊的空間。值得留意的是，上述致癌物質與懸浮微粒的產生並不僅限於建築物火警中，開放空間中的車輛、垃圾堆或植被火警都具有同樣的危險。

消防人員保護指南

簡而言之，消防人員面對的危害，和烤肉、火力發電與露天焚燒等十分相似，都是來自燃燒過程中生成的有害物質。對於消防人員的職業暴露，美國消防協會（NFPA）等組織提出了相對應的指引和建議，筆者在此將其整理、摘要如下，希望能提供第一線消防人員、政府官員、立法者與消防裝備製造商等作參考。

1. 不論是發生在建築物內的火警，或是發生在開放空間中的車輛、垃圾堆等火警，消防人員都應該穿著全套的消防衣並使用呼吸器，避免有害物質被吸入或與皮膚接觸。
2. 未直接參與火警搶救，卻仍然有機會接觸到有害物質的人員，也應該穿著防護裝備並使用呼吸器或防護級別夠高的口罩。這些人員可能包括殘火處理、通風排煙與火場調查等人員。
3. 任務結束的消防人員，若能在拔下呼吸器之前，先將全身裝備做簡單的清洗並脫除，將會大幅減少有害物質的暴露。由於火場中產生的許多有機性的有害物質不溶於水，因此清洗時須使用清潔劑。
4. 脫去裝備後，在現場就應該盡可能的清潔雙手與頭頸部。這可以透過水和清潔劑或是濕紙巾來達成。歸隊途中，應該把車輛的窗戶打開來通風。歸隊後應該盡快洗澡與更衣，以去除附著在身上的有害物質。
5. 從火場中攜出的裝備附著有微粒和有害物質，最好能夠在火災現場附近就用水和清潔劑清洗再歸隊。如無法達成，在歸隊途中也應盡量放在車廂以外的地方，或是以大塑膠袋密封起來，歸隊後再做清洗。
6. 消防衣、褲屬於多孔材質，容易將有害物質與微粒吸附在其中，最好在每趟火場任務結束後都經過清洗才繼續使用。因此也建議消防機關為每位消防員準備兩套消防衣、褲交替使用。
7. 柴油廢氣是已知的致癌物，故消防人員應盡量避免吸入消防車輛的廢氣。消防隊駐地中停放車輛的地方應保持良好通風，在災害現場也應隨手將門窗關閉，以免內部受到柴油廢氣以及火場煙霧的汙染。

由於消防人員在執勤與備勤時具有團體生活的特性，上述的措施只有在團體中的每一個人都確實執行時才能發揮最大的效果。這些措施固然有些窒礙難行之處，有些麻煩、有些花錢，卻是和每一位救火英雄的健康息息相關，在保護自己的同時，還能保護身邊弟兄以及家人的健康。筆者建議不妨從更頻繁且確實的使用呼吸器開始，畢竟吸入煙霧是接觸有害物質最直接的方式。

期許本文能夠喚醒第一線執勤人員對於相關議題的重視與實際行動，也希望主管機關能夠透過相關器材的採購、教育訓練的實施等方式來進一步提高對消防人員健康的保障。

參考資料：

1. Daniels, R. (2018, May 10). Firefighter Cancer Rates: The Facts from NIOSH Research | | Blogs | CDC.
2. IARC (2010). Painting, Firefighting, and Shiftwork. IARC Monographs on the Evaluation of Carcinogenic Risks to Humans, 98:9-764
3. WSCFF (2016). Healthy In, Healthy Out: Best Practices for Reducing Firefighter Risk of Exposures to Carcinogens. 

編按後記：

以下為消防員工作權益促進會理事所提供的經驗談：

• 本身是消防的外勤隊員，年資 8 年。個人防護這點確實是越早年越不重視，甚至時至今日，同業還是有人會把不做好個人防護當作英勇象徵，把沾滿碳粒、異味的消防衣視為功勳；自己在現場皮膚直接接觸外部的部位常會全部起疹，徒手收拾裝備後雙手也常常會刺痛好幾天。
  後來漸漸接觸歐美國家相關資訊，才知道在火場外圍作業也應該要戴過濾式防毒面具、收拾裝備要戴防水手套，所有離開火場染物的裝備都要視同化學汙染物清洗才能重新上架使用。
  但之前工作中已經接觸不少，健檢也出現輕度肺纖維化的情況。醫師看了 X光片還問我是不是抽菸抽很兇呢。不，醫生我從來不抽菸阿 QQ

最近《空氣污染防制法》修正案三讀通過，惹來了不少爭議，而「空氣汙染」如何影響人體健康一直以來都是熱切討論的議題。一般而言，我們可能覺得空氣汙染對人類健康的影響，不外乎是肺炎、氣喘或是支氣管炎這種呼吸道的疾病。

不過前陣子才發表的最新研究成果可能顛覆你的想像！就在今年六月底，美國密蘇里州聖路易華盛頓大學醫學院（Washington University School of Medicine）發表在《刺胳針行星健康（The Lancet Planetary Health）》期刊的研究就說了「PM_2.5 是導致糖尿病的成因」。

糖尿病應該是因為現代人大魚大肉的飲食習慣或缺乏運動造成吧？！沒想到我們經常掛在嘴邊的「PM_2.5 」居然也跟糖尿病扯上關係？PM_2.5 又是怎麼導致糖尿病的？

PM_2.5 如何導致糖尿病？──引起發炎反應，使胰島素抗性上升

「PM_2.5」，也叫「細懸浮微粒」，指的是「直徑小於或等於 2.5 微米的懸浮微粒（Particulate Matter, PM）」，其中 2.5 微米相當於三十分之一的頭髮直徑。這些從肺吸進體內的細懸浮微粒，因為體積非常的小，可以自由穿梭在肺的支氣管和血管壁，再透過血液循環跑到身體不同的器官，引起發炎反應，進而使得「胰島素抗性上升」。

「胰島素抗性上升」又是甚麼意思呢？正常來說，當我們吃進米飯或全麥麵包這些含有「碳水化合物」的食物，經過消化系統分解成一個個「葡萄糖」，而胰島素就像是一把一把的鑰匙，為全身上下的細胞打開「葡萄糖通道」，好讓每個細胞都可以好好利用葡萄糖養分，同時也可以降低在血液中的葡萄糖濃度，也就是「降血糖」。

但是當細胞沒辦法正常的被胰島素這把鑰匙打開通道，也就是「細胞對胰島素抗性上升」，此時葡萄糖沒辦法進入細胞而存留於血液之中，讓分泌胰島素的胰臟誤以為「鑰匙不夠」，而「製造更多鑰匙」，也就是「胰島素分泌增加」。胰臟過度操勞的結果反而讓自己漸漸失去製造胰島素的能力，使得血液中的葡萄糖維持高濃度，這也就是「第二型糖尿病」的由來了！

近年三個「空氣汙染與糖尿病」研究

了解了空氣中的汙染源怎麼導致第二型糖尿病，讓我們回過頭來看看這篇華盛頓大學醫學院「PM_2.5 是導致糖尿病的成因」的新研究！

研究團隊蒐集將近 173 萬名沒有糖尿病史的退伍軍人健康數據，追蹤中位數 8.5 年的時間，再整合美國環境保護局（Environmental Protection Agency）和美國國家航空暨太空總署（NASA）的空氣數據，設計出模型來預估空氣汙染物與糖尿病的關聯性。

而研究結果發現，若是暴露在每立方公尺 5~10 微克細懸浮微粒，就有 21% 的機率可能導致糖尿病；而暴露在在每立方公尺 11.9~13.6 微克細懸浮微粒，也有 24% 的可能。雖然 3% 似乎看起來很微小，但這代表著每十萬人就多了五六千新的糖尿病案例。

不只是今年六月底的研究說明空氣汙染與糖尿病的關聯，其實從二十世紀末就開始有些零星的研究指出空氣污染可能跟肥胖以及糖尿病有關。2014 年瑞士的研究結果顯示 PM₁₀ 每增加 10 µg/m3，糖尿病的患病率會增加 40%，而 NO₂每增加 10 µg/m3，糖尿病的患病率則會增加 19%。

另外，在 2017 年發表在 Diabetes 的這篇論文也在青少年身上發現空氣汙染可能是糖尿病成因。研究團隊追蹤了 314 名 8 至 15 歲，住在洛杉磯的拉丁裔青少年的健康狀況，平均追蹤了 3.4 年的時間。研究結果發現長時間的空氣污染暴露，導致這群青少年的胰島素分泌增加，以及胰島素抗性上升等問題，造成得糖尿病的機率增加。

當這群青少年到了 18 歲，再度進入實驗室做 12 小時不進食的空腹胰島素檢測，他們血液中的胰島素含量比正常情況多出近 27%，代表這群青少年「胰島素分泌增加」；另外糖耐力測試的結果也發現這群青少年血液的胰島素含量比一般狀況多出 36%，表示他們有「胰島素抗性上升」的情形出現。

在台灣的我們，該怎麼看待這個研究成果？

前面列舉出的研究，其研究對象是以瑞士人及美國人為主，那在台灣的我們可以怎麼解讀這些研究成果？

華盛頓大學醫學院研究團隊的通訊作者 Ziyad Al-Aly 表示：「即使許多業者認為目前的空汙規定太嚴苛，但研究證據顯示現行美國環境保護局和世界衛生組織提出的空氣汙染安全標準還不夠嚴格。」

其中美國環境保護局的空汙安全標準是「每立方公尺 12 微克細懸浮微粒」，而臺灣行政院環境保護署的標準是「每立方公尺 15.4 微克細懸浮微粒」。雖然單從數據來看，目前臺灣的標準較美國更為寬鬆，但也不用立馬認為在臺灣的我們就一定很容易得到糖尿病。

「空氣汙染會不會造成糖尿病」這件事可能還需要更多的研究結果來證明，也有許多不可預測的變因可能影響著研究結果，像是 PM_2.5 的汙染來源差異（是汽機車或是工廠排放）或不同國家的飲食與運動習慣差異都可能影響國民得第二型糖尿病的機率。在越來越多與空氣汙染及人體健康有關的研究成果發表之前，還是記得每天看看當天的空氣品質，再決定當天要在哪裡活動吧！

延伸閱讀：

• 隨時隨地，自己的空污自己測
• 人人都該看的空氣 AV：讓你紫爆資訊一把罩！
• 你快樂嗎？空氣污染影響我們的幸福感受