有機食物沒有比較好！

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

本文由 家樂福食物轉型計畫 委託，泛科學企劃執行。

• 文／陳彥諺

你喜歡吃香蕉嗎？香蕉是台灣人從小到大非常熟悉的水果，不僅方便攜帶、營養價值豐富，更符合現代的養生概念，很適合健身者、節食者。不過，你是從哪裡買到香蕉的呢？
你知道現在已經有專屬香蕉的「驗證」了嗎？

從以前到現在的台灣「蕉傲」

為什麼香蕉也有驗證？在談到驗證之前，首先讓我們聊聊過去。

作為常見的、隨手可得的水果，香蕉不只是台灣重要的水果產業之一，也是全球重要的經濟果樹及糧食作物。在巔峰時候，香蕉曾經是全球產量最多的水果，經濟價值非常高，僅次於蘋果、柑橘及葡萄，而糧食重要性也僅次於小麥、稻米和玉米。

而我們的台灣，曾經有「香蕉王國」美名，當時因爲產量大，加上風土及氣候適合栽種，台灣種植出來的香蕉特別好吃，價格和出口銷量的成績都非常亮眼。在香蕉的黃金年代中，台灣東西南北都有種植。

只是，雖然台灣是香蕉王國，外銷成績乍看亮眼，但蕉農的辛苦卻很少人知道。行話裡有種說法是「種蕉如賭」，因為種植香蕉必須靠天吃飯，將蕉苗種下之後，接著蕉農便得對賭著天氣、氣候環境、市場狀況——如果自然條件不佳，會導致收成慘澹，不過，若整體銷量過剩，也將造成價格大跌。又如果非常好運，成功撐過上述的局面，最終在進入市場銷售前，還將面臨到中盤、行口（台語）的層層轉手。作為一個蕉農，有太多變數不能掌控，收入也因此起伏不定。

吃好蕉！守護蕉農大行動！

台灣香蕉，從過去的出口黃金年代，邁入今天的另一個美好時代。如今，香甜軟糯的台灣香蕉，仍然是我們生活中的重要存在。

今天的台灣，因為經歷了多次爆發的食安問題，消費者越來越注重食品安全。與此同時，農民們仍然有收入穩定的需求。要如何平衡這兩點呢？

家樂福認為，比起讓蕉農單打獨鬥，有另一個能兼顧農民與消費者雙方利益的方法，那就是以賣場的力量，支持小農。家樂福賣場內，只販售通過驗證的香蕉，藉由驗證，不僅可以做到產地溯源、驗證履歷，鼓勵且支持小農轉型，讓蕉農可以專注栽種，不需擔心後端銷售問題，同時，顧客也能藉由驗證得知透明資訊，進而安心選購。

四大金蕉：履歷蕉、有機蕉、金蕉伯、石虎香蕉

家樂福的香蕉驗證共有四大種。家樂福的「履歷蕉」，是從雲林到屏東產區中挑選出來當季的、品質最優良的香蕉，並且全產品都需具備「產銷履歷（TAP）標章」，也需要遵循「家樂福農藥規範」，履歷蕉的每一根香蕉，都有其栽種來源、用藥是否符合歐盟標準的紀錄，且只有在經過政府委託的第三方驗證機構定期抽檢合格後才能販售。

「家樂福 BIO 有機香蕉」則是來自全台最大的「有機驗證（Organic）」香蕉農園，位於屏東。「有機」的標章並不好取得，蕉農必須以全天然農法栽種，不施化肥、不催生催熟，以人工除草代替除草劑，讓土壤是自然健康的狀態，健康的土壤所種植出來的香蕉，除了來源健康，口感香氣也特別好。

「金蕉伯履歷香蕉」不是一個人，而是一群人！10 多年前，家樂福已開始在全台各地找尋志同道合的農友，終於在雲林遇到願意為食品安全及環境永續共同努力的蕉農，後來更成為長期契作的對象。他們以友善農法耕種，呵護土地，種出好蕉。

「石虎山蕉」則是南投中寮的一群農友。他們為了保育瀕臨絕種的台灣保育類動物石虎，不擴大農地面積、不使用化學肥料及除草劑，保留給石虎一塊乾淨、安全、友善的棲息地。

家樂福的 Act For Food 食物轉型計畫

家樂福與民生息息相關，通路可以單純只是販售點，也可以帶來改變、產生力量。因此，家樂福推動食物轉型計畫，希望建立起與農民、農民團體相互信賴的合作連結，藉由大量計畫性種植、保證收購降低平均成本，一來讓農民能獲得合理的農務所得，二來讓消費者能以合理價格買到安全的食物，三來，通路能成為穩定供貨的角色。

買香蕉選擇家樂福香蕉驗證，不僅食得安心，更是以行動支持在地農民。家樂福相信每個人都值得最好的，以家樂福 AFF 食物轉型作為領航，一同創造友善農民、土地、消費者的共好模式。

家樂福以行動，開創對所有人與土地共生共好的食物轉型模式，也邀請大家一同參與支持。

• 深入瞭解四大金蕉：https://bit.ly/392kTrP

化學反應中，能夠加快反應過程的物品就叫做「催化劑」。我們的生活處處都有催化劑，據估計，世界上大概有 35% 的 GDP ，是和某種化學催化有關的。但想想看，如果能讓催化劑的效率提升，是不是更能讓省去繁雜的製程，提高工作效率呢？

今年的諾貝爾化學獎，就是頒發給革新催化劑的 Benjamin List 和 David MacMillan！他們開發出「不對稱有機催化劑」，不只改善催化效率，也克服了「不對稱金屬催化劑」的缺點。說到這，什麼是「不對稱催化劑」？不對稱「有機」催化劑和不對稱「金屬」催化劑又有什麼差別？

為了解答這個問題，這次泛泛泛科學請到中央研究院化學研究所的陳榮傑老師，來替我們解說本屆獲獎的「不對稱催化劑」到底是什麼？另外，陳榮傑老師還說出 2020 年僅用兩週就做出轟動全台的「瑞德西韋」背後小故事！就讓我們一起來了解本次諾貝爾化學獎的內容吧！

本次專訪感謝 台灣科技媒體中心 的協助。

• 00:57 陳榮傑老師的研究

中央研究院化學研究所的陳榮傑老師主要研究「有機合成」，包括天然物的全合成、不對稱有機催化反應。有時他的實驗室也會運用合成能力協助開發藥物，最著名的即是在 2020 年，他們僅用兩週就合成出可以協助治療新冠肺炎的「瑞德西韋（Remdesivir）」藥物，純度還高達 97%。

延伸閱讀：武漢肺炎／中研院7人團隊2週合成瑞德西韋 純度達97%

• 03:39 2021 諾貝爾化學獎得獎研究

李斯特（Benjamin List）在研究催化性抗體時，雖然以前就有人以脯氨酸（proline）做催化劑，但卻因為當時沒有系統性發展，所以研究後繼無人。結果在他簡單的測試下，不僅證明脯氨酸是有效的催化劑，也證明它能驅動不對稱催化。

麥克米倫（David MacMillan）則是為了能夠讓不對稱催化劑能夠大規模工業生產，所以開始改良不對稱催化劑，最後他利用胺基酸的衍生物合成，開發出以他命名的催化劑 MacMillan catalyst。

延伸閱讀：

The Nobel Prize in Chemistry 2021

【2021諾貝爾化學獎】更高效率且環保的化學合成——「不對稱有機催化劑」

2021諾貝爾化學獎記者會 會後新聞稿

• 06:33 想了解「不對稱催化劑」要先知道「鏡像異構物」

不對稱合成也可以稱為手性合成、掌性合成、鏡像異構物合成。有些分子會產生鏡像異構物（enantiomer），宛如一個分子照了鏡子，結構左右互換，又好似人的左右手雖然對稱但算是兩種不同的結構。同一組鏡像異構物的沸點、熔點、光譜都一樣，兩者唯一不同的是用偏極光照射時，正常分子是順時鐘旋轉（右旋），但鏡像異構物則會產生逆時鐘旋轉（左旋）。

延伸閱讀：左旋還是右旋？化學對稱跟你我的身體有關！

• 09:37 不對稱合成

生物體內組成的基本單位如氨基酸、醣類，很容易會產生鏡像異構物，這些鏡像異構物也需要不同的酵素去辨認，如同你的左右手只能分別套上左右手的手套。在製藥上無可避免的須要只合成其中一種鏡像異構物才會有效果，而用化學的方式選擇性合成單一的鏡像異構物，這就叫做「不對稱合成」。

另外如有兩種鏡像異構物也需要分別測試，陳榮傑老師舉例 1960 年代的沙利竇邁（Thalidomide）事件就是不清楚沙利竇邁的右旋結構可以抑制孕婦害喜症狀，左旋結構卻會導致新生兒畸形，才會造成畸形兒比例異常升高。

2001 年時就有另一組人馬（William S. Knowles, Ryoji Noyori, K. Barry Sharpless）以不對稱催化獲得當年諾貝爾化學獎，不過當年開發的催化劑含有金屬成份，今年獲獎的催化劑研究則不含金屬，避免了金屬造成的問題。

延伸閱讀：鏡像異構物的分離方法（上）

• 15:47 為什麼需要「不對稱催化劑」？

要達成不對稱合成，最好的方式是透過催化劑，讓反應活化能降低，加速反應進行。如果不採用不對稱催化劑加以控制，合成出的化合物會是各佔一半含量的異構物。

延伸閱讀：不對稱催化(Asymmetric Catalysis)（一）─ 不對稱氫化反應(Catalytic Asymmetric Hydrogenation)

• 17:47 催化的重要性

根據估計，世界上有 35% 的 GDP，都在某種程度上涉及到化學催化 。因為催化劑可以降低反應活化能，原來需要高溫或高壓的反應，有了催化劑就可以在較低的條件下進行，節省了大量能量。諾貝爾化學獎至今頒發過七組關於催化的研究，不只是製藥，石油產業、高分子材料等等也都是催化研究的受益者，可見催化對我們的生活有著巨大的影響力。

• 20:22 2001年也有不對稱催化劑的研究獲得諾貝爾化學獎，與今年的差別是？

2001 的諾貝爾化學獎由 William S. Knowles、Ryoji Noyori、K. Barry Sharpless 三位獲得，他們的不對稱催化劑含有金屬成份，有些還是貴金屬或重金屬，合成過程中需要特別去除重金屬污染，會有殘留的風險。而今年得獎的 Benjamin List 與 David  MacMillan 開發的「不對稱有機催化劑」屏除金屬，使用更精細的方式設計分子的立體結構。用量只要原來金屬催化劑的百分之一，還能維持效用與不對稱的選擇性，而且沒有重金屬的污染問題。比起許多酵素必須在人體內作用還有過往的金屬催化劑，不對稱有機催化劑能做的事情更多，未來延續性更加廣泛！

延伸閱讀：

The Nobel Prize in Chemistry 2001

【2001諾貝爾化學獎】催化性的不對稱合成

• 25:32 Benjamin List 與 David MacMillan 的得獎關鍵

早在 1970 年代就有人在研究以脯氨酸（proline）用做催化劑，但卻沒有人繼續研究下去，Benjamin 認為可能是其效果不甚理想。抱著先試試的態度，Benjamin 測試了是否能夠催化讓兩個碳原子結合的羥醛反應（aldol reaction）。令他驚訝的是結果相當的有效。透過實驗，Benjamin 不僅證明脯氨酸是一種有效的催化劑，也證明了這種氨基酸可以驅動不對稱催化。

MacMillan 早年投身在天然物全合成領域，接受紮實的有機合成訓練。在研究有機金屬不對稱催化的過程中產生了避免使用金屬成分的想法，後來發展出與 Benjamin List 基底不太一樣但殊途同歸的研究結果。

• 31:51 陳榮傑老師在「天然物全合成」的研究歷程

「天然物全合成」就是要動用所有可能的方法合成標的化合物，由於天然物的結構複雜，合成的方法也是非常紮實的訓練。

• 35:07 科學家為了化繁為簡研究催化劑

可以簡單，誰想要複雜？為了把工作過程簡單化，並更有效率地完成工作，科學家們才願意研究催化劑。此外，化學反應的步驟越多，最後的產率可能會變低，所以如果能夠簡化步驟，就不會白白浪費物質與時間成本。

• 42:39 2020 年轟動全台的瑞德西韋

• 54:13 每個研究的背後，都有一個為社會付出的科學家

在每個領域，都有人在做很基礎的事情。希望能藉這次的化學獎，讓大家知道基礎研究的重要；大家也要想到，在這些受獎人的光環之下，其實背後也是有許多基礎研究在支撐的。