外太空也能看見的中國霾害

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／黃正中 研究員、丘政倫 博士｜國家太空中心

幾千年來，航海者觀察著星星來確定他們在海上的位置，這種「看到而知之」的概念，也被運用在人造衛星的「恆星追蹤儀」上，用來確認所在位置與控制人造衛星的姿態，因此也被稱為「人造衛星的眼睛」。

人造衛星的眼睛——恆星追蹤儀

恆星追蹤儀，又稱星象儀，是人造衛星的關鍵元件，工程師們利用恆星追蹤儀所記錄宇宙中的星光比對恆星（如下圖），參考地球自轉速率，以及人造衛星飛行的慣性，經過演算，可以判斷目前人造衛星飛行的位置和姿態。

在宇宙中任何兩顆明亮的星星，星星之間的角度、間隔都是獨特的，沒有一對間隔完全相同的明亮的恆星。恆星追蹤儀使用分離角度來識別相機所指向的恆星，利用這些信息，人造衛星可以演算出在太空中的相對位置。

但是，約莫二十年前的發射的福衛一號，其實並沒有裝上恆星追蹤儀喔！這沒有眼睛的人造衛星到底是怎麼一回事呢？

沒有眼睛的福爾摩沙衛星一號

國家太空中心所研製的福爾摩沙衛星一號，在研發階段時，恆星追蹤儀尚未成為標準元件，而是使用慣性導航系統（inertial navigation systems, INS），慣性導航系統所選擇的引導星取決於地球自轉的時間和目標的位置，利用加速計和陀螺儀測量物體的加速度和角速度，估算連續運動物體位置、姿態和速度。慣性導航系統的優勢在於給定了初始條件後，不需要外部參考外部資訊 (例如恆星資料庫)，就可確定當前位置、方向及速度，然而，隨著遙測衛星的照相的需求，對於地理位置判斷，姿態控制的精確度已經跟不上任務需求。

因此，後續發展的福爾摩沙二號衛星，便使用了「恆星追蹤儀」，以參考恆星資料庫與相對角度的方法，大幅提高了姿態控制的姿態控制精確度。當時的「恆星追蹤儀」是外購衛星元件，然而從福爾摩沙八號衛星開始，我國衛星採用自主研發成功的恆星追蹤儀，成為我國衛星姿態控制的標準配備。

恆星追蹤儀的結構

恆星追蹤儀是光學裝置，若使用光電池作為主要偵測器，準確度比較低；偵測器若使用照相機則靈敏度較高，可以獲得相對比較好的解析度；恆星追蹤儀主要的配置包括遮光罩、鏡頭、影像感測器（CCD 或 CMOS）、驅動控制器、處理器、軟體、電源供應以及介面。

目前天文學家已經精確測量了許多恆星位置，並記錄在恆星資料庫中，因此人造衛星可以用來比對恆星資料庫，經由偵測器獲取鏡頭視野中恆星分布的圖像，經由演算法可以測量人造衛星在參考座標中的所在位置，用以確定衛星飛行的方向或姿態。

恆星追蹤儀的發展

恆星追蹤儀經過廿年來的發展，市面上已經出現許多高靈敏度的恆星追蹤儀型號，具有過濾錯誤光源的功能，例如人造衛星表面反射的陽光或人造衛星推進器產生的廢氣羽流，以排除陽光反射或恆星追蹤儀窗口受到污染等干擾。除了各種誤差源，新型的恆星追蹤儀能修正包括球差、色差，以及低空間頻率、高空間頻率、時間等的各種誤差。

恆星追蹤儀的識別機制

一般恆星追蹤儀的識別算法，主要利用宇宙中共有約 57 個常用的明亮導航星星；但是，對於更複雜的任務，則需要更多數量的恆星數據庫以確定人造衛星的方向；通常高精度姿態需要數千顆恆星的目錄以確保全天各角落都有足夠星數落在視野內可供辨識，比對並過濾以去除有問題的光點，例如大尺度的星際變化，顏色指數不確定性，或在資料庫中的位置顯示不可靠的情況。這些類型的恆星目錄經演算法最佳化後，即儲存為衛星上的機載恆星資料庫。

恆星追蹤儀發展恆星識別算法，還要注意很多潛在的混淆源，例如行星，彗星，超新星等相鄰天體；除此之外，太空中鄰近的人造衛星，地球上大城市的燈源或光污染等光點，則需要擴散函數的雙峰特徵加以排除。

商用恆星追蹤儀

近年來商用恆星追蹤儀如雨後春筍，相繼出現在大型航太展；看到了立方衛星的商機，恆星追蹤儀也出現微小化，麻雀雖小卻五臟俱全，誤差精度已表現不俗，可以裝置在衛星上。

國家太空中心恆星追蹤儀研發

近幾年來國際上許多單位相繼投入恆星追蹤儀的研發，包括我國的國家太空中心將恆星追蹤儀列為前瞻關鍵研發項目，並已掌握跨領域整合之關鍵技術，取得不錯的研發成果，國產恆星追蹤儀將會應用在福爾摩沙八號衛星。

1. 國家太空中心網站 
2. 恆星追蹤儀維基網站
3. NASA 網站

• 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

過去曾有謠言說，在外太空唯一可見的地表建築是萬里長城。中國以大量人力所完成的建築奇蹟早已令舉世驚嘆，究竟能否在太空被看見雖然眾說紛紜但已經無足輕重。不過2013年12月7日的一張照片卻是歷史上第一次證明，席捲中國的霾害已經嚴重到能被衛星觀測。

2013年12月7日，NASA﹝National Aeronautics and Space Administration，美國國家航空暨太空總署﹞負責氣候觀測的旗艦衛星「蓋亞」﹝Terra﹞拍攝到一張照片，顯示出盤旋在中國大陸華北到華中整個天空的濃厚霾害。同一時間，北京和上海兩大都市的空氣質量指數﹝AQI，Air Quality Index﹞分別攀升至487及404，這個數值超過300就算是「嚴重汙染」了。

在中國，「空氣質量指數」每小時發布一次，列入評量指標的包括二氧化硫﹝SO2﹞、二氧化氮﹝NO2﹞、可吸入懸浮粒子﹝PM10﹞、細懸浮粒子﹝PM2.5﹞、臭氧﹝O3﹞、一氧化碳﹝CO﹞等六種汙染物。AQI數值在50以下是最理想的，但一般工業化地區多處於100到200之間；若AQI高於100，老人與體弱多病者就會感到不適；介於200到300之間時，最好選擇待在家或是戴口罩出門；若AQI高達300到500，此時的空氣幾乎對所有人都是有害的，輕則染上疾病、重則減少壽命。

霾﹝Smog﹞的來源是氮氧化物﹝nitrogen oxides﹞以及產生於車輛排氣、工廠廢氣等化石原料燃燒的揮發性有機化合物﹝volatile organic compounds﹞與陽光共同發生化學反應，因此在空氣中產生出對人體健康有害的微小懸浮粒子。

這些飄在空中的小粒子，讓上海這個繁華大都會的千萬市民都慌了手腳：飛機禁止起降、工程建設休班、公務車輛停駛、學校被迫停課等等；而在首都北京，空氣中懸浮微粒的濃度甚至高出世界衛生組織認為「安全」的標準將近20倍，造成交通大亂、空境清淨機和口罩賣到缺貨等怪象；鄰近的天津、石家莊等國際機場航班幾乎全部延誤。

2013年10月，NASA衛星「水族」﹝Aqua﹞拍攝到中國東北大城哈爾濱被霾所覆蓋，導致地面能見度降到十公尺以下，黑龍江省境內多條高速公路被迫關閉。這歸因於當時天冷，溫度下探攝氏零下40度，家家戶戶為了取暖而開啟煤炭燃燒系統，加上因時值秋收冬藏之際，附近村落的農民習慣燒毀農作物的斷莖殘根所致。12月的《國家地理雜誌》指出，燃煤和焚燒農作物所產生的霾害等空氣污染，容易引發肺癌和心臟病，導致東北地區的人均壽命比南方少了5.5年。

根據美國CBS報導，霾害對中國的飛航安全影響深重，一些航空公司開始要求旗下的飛行員具備在低能見度的情況下起降飛機的能力，尤其像北京的首都國際機場這樣繁忙的交通熱點，更是在考驗機長們的神經。除此之外，航空公司主管最迫切解決的當務之急，正是減少中國各地因霾害而延遲的飛機班次。

12月中霧霾南移，十多天的折磨之後，上海居民感嘆「終於看見藍天」，然而它並沒有消散，而是悄悄往韓國、台灣等地移動。台灣在這次霾害中也多少受到波及，像是高屏、雲嘉南等局部地區因地面風速增強、擴散條件較差等因素，造成懸浮微粒濃度上升，影響民眾健康。空氣污染無國界，雖然身在台灣，與大陸一衣帶水的我們也不能只抱著隔岸觀火的心情，應隨時保持警覺、做好準備，才能在面臨災禍時臨危不亂、保持鎮定。（本文由國科會補助｢新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣｣執行團隊撰稿）

責任編輯：鄭國威 ｜元智大學資訊社會研究所

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊，也有臉書喔！

延伸閱讀：