興大研究證實 檜木精油助減壓放鬆

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

• 作者 / 多明尼克．侯柯  (Dominique Roques)
• 譯者 / 韓書妍

「我從來搞不懂，這麼小小一片葉子，竟然可以產生如此強勁深濃的氣味。」奧利維耶 (Olivier) 驚嘆，他是我公司中的另一位香水大師。

這位業界之星憶道：「十八歲時，我經過坎城安提柏路 (rue d’Antibes) 上剛開幕的 Réminiscene 店面，因此認識了廣藿香。香氣飄到路的遠處，而且據說廣藿香可以掩蓋大麻的氣味，帶有悖德的感覺，因此更加誘人。他們的香水配方有一半都是廣藿香精油，從來沒有人能做到這種程度！」

奧利維耶是一九九二年發售的 Thierry Mugler 「天使」(Angel ) 香水的創作者，這款香水無疑獨具一格，廣受歡迎，被香水界視為革命性的作品。

這款作品源自對美食香調的狂戀，始終是全球最暢銷的香水之一。因為我們談到廣藿香，奧利維耶告訴我這件創作的起源：「品牌的香水負責人叫做薇拉，她想要一款充滿濃濃女人味的香水。

我以一件私人創作「帕楚」(Patchou) 為出發點，其中含有一半廣藿香和香草。我好愛這個香調，因此想方設法運用它。」奧利維耶了整整兩年的時間，每天努力將「帕楚」化為「天使」。他透過這款香水，描述提耶里．穆格勒 (Thierry Mugler) 在阿爾薩斯的童年回憶，加入帕林內、咖啡、蜂蜜香調，再加上香草，突顯黑醋栗和葡萄柚的香氣。「我選擇不要使用花香搭配廣藿香，而是透過美食香調為其增添難以抗拒的魅力。」

「天使」的配方最後維持單純，只有二十六種原料，一半是經典成分，並且保留四分之一的廣藿香，是相當可觀的劑量。奧利維耶分享他對精油的感受。

廣藿香帶有發霉、皮革、辛香料、菸草和腐植質氣味，幽暗肉慾的特質，能與任何木質調完美結合，男香女香皆適用，不分性別、超越香氛、撩人銷魂。

在辦公室裡，奧利維耶無法抗拒地拿出幾瓶廣藿香，浸潤試香紙。從第一張試香紙開始，印尼的田野回憶一口氣湧上我的心頭。

調香師表示暫停片刻，我們便開始嗅聞其他不同的部份，都是他正在創作的配方香調。他近乎低語地繼續說道：「森林地面、腐植質和氣味，也跟色彩有關。我一直覺得『天使』是藍色和黑色的。對我而言，廣藿香是黑色的。如果我想要在香水中加入黑色，就會使用廣藿香。」他的肺腑之言令我再度響起墨汁中的廣藿香。我喜歡調香師的觀點與黑色帶香氣墨汁的碰撞，墨汁會在紙上留下若有似無的氣息。

一如所有香水界人士，奧利維耶仍清楚記得最近一次發生在二〇〇八年的廣藿香危機。自從一九七六年的事件後，印尼生產組織的脆弱，導致多起重大危機發生，同樣令業界餘悸猶存。

移居者手工蒸餾葉片是以數萬名小農為基礎，總是會經過一連串收購人才到達出口商手中。在葉片價格長期過低的情況下，只要遇到其他獲利更高的機會，農民就放棄種植廣藿香。再加上惡劣的天候條件，這番處境引發了一九九八年和二〇〇八年的嚴重危機。相隔十年，由於兩年之間太晚發現精油短缺和飆高的天價，導致相同局面再度重演。

各種配方中，廣藿香無所不在，卻是眾人關心的焦點。買家們總會開玩笑說：「香水界只要廣藿香順利，一切就順利！」很不幸地，二〇〇八年由於幾週內價格翻了數倍，廣藿香再也不順利了。香水業界深受其苦，震驚於業界竟然再一次受農夫心情、投機商人的長期惡習以及印尼氣候的左右。業界下定決心要由內而外重新整頓策略。對買家來說，再也無需及時生產，所有大型用戶都有足量庫存，再也不愁沒有廣藿香精油了。

——本文摘自《香氣採集者：從薰衣草、香草到澳洲檀香與孟加拉沉香，法國香氛原料供應商走遍全球，發掘品牌背後成就迷人氣息的勞動者與風土面貌。》，2021 年 10 月，積木文化。

• 作者 / 哈利・柯林斯, 崔佛・平區（Harry Collins, Trevor Pinch）
• 譯者 / 李尚仁

至少從一九五○年代起，現代醫學就認為安慰劑效應在科學上已經成立。研究顯示如果施予安慰劑的話，大約有百分之二十到百分之七十不等的病人似乎可以由此受益。

其中或許最讓人驚訝的是安慰劑外科手術：適當地麻醉病人、切開皮膚，但實際上卻沒有接受有意義的手術；根據報導這樣的手術高度有效。

有時候假的手術甚至似乎比真的手術還更有效。例如，它似乎對某些種類的胸痛和背痛有效。一九九○年代中期的研究顯示，這對膝關節炎有效；只把病人的膝蓋切開，其治療效果和那些對膝關節進行刮搔沖洗的效果一樣好；而一般認為後者是膝關節炎高度有效的標準療法。

不幸的是，這些看來很簡潔明瞭的發現還是引起爭論。現在我們必須穿越另一個更為扭曲的哈哈鏡廳堂：身體不適的人即便沒有接受任何治療也有可能痊癒，而接受安慰劑治療的病人和接受大量醫學介入的病人，同樣可能都是以大略相同的速率自行痊癒。

換句話說，接受安慰劑治療的病人，可能不是由於安慰劑效應而有所改善，而是自行痊癒的；而醫學治療也同樣無效，接受外科治療的病人其實也是自行痊癒的。

在這樣的情況下，並不是安慰劑效應和真正的外科手術一樣好，而是安慰劑效應並不比真正的外科手術好，兩者同樣都是無效的。

用實驗證實「安慰劑效應」

要了解是否真的有安慰劑效應，必須做另外一種實驗：把接受安慰劑的一組，和完全沒有接受安慰劑的另一組拿來做比較。在這種情況下，如果有安慰劑效應的話，接受安慰劑的病人的治療狀況，必須要比沒有接受治療的病人好。

兩位丹麥醫師（Hrobjartsson and Gotzsche）蒐集對接受安慰劑治療與沒有接受治療之病人進行比較的研究論文，並在二○○一年進行分析。在這一百一十四個試驗當中，只有少數實驗是直接設計來測試安慰劑；其餘大多數狀況是醫生檢查了三組病人：接受醫學治療的病人、接受安慰劑治療的病人，以及完全沒有接受治療的病人。他們發現就治療狀況的改善而言，接受安慰劑的病人和沒有接受治療的病人，兩組並沒有顯著的差別。

這聽起來像是個決定性的研究，丹麥醫師的報告乍看之下很有說服力。他們分析的研究數量以及病人數目都很大。此一研究似乎推翻了一個重大的成見。但如果仔細檢視論文最後謹慎的但書的話，就會發現其結論並不是那麼地牢不可破。

首先，資料顯示安慰劑對於疼痛的經驗有小的效應，此外安慰劑有可能對一小部分病人或某些疾病有相當大的效應，雖然並非對所有病人或所有疾病都有效應。丹麥研究者所使用的統計分析方法，很容易掩蓋掉這些輕微的效應和少數的疾病與病人。更讓人憂心的是下面所要討論的複雜邏輯，要說明此一邏輯，在句子結尾必須使用越來越多的驚嘆號。

不管是安慰劑或其他的療法，是無法以盲目的方式和沒有治療的狀況做比較！病人和治療者都會知道誰沒有接受治療；事實上，沒有接受治療這件事情是無法隱瞞的，否則這就不是「沒有接受治療」，而是接受安慰劑。

現在，事情變得更複雜

如果醫師和病人知道誰沒有接受治療，我們會預期這將帶來期待效應以及報告效應；如果安慰劑有作用，我們會預期安慰劑組病人和未受治療組病人的差異會更加顯著！換句話說，沒有接受治療的病人應該會對自己的前景感到悲觀，而執行治療的人應該會預期該組病人不會有什麼改善；因此我們會認為，不論施行治療者或接受治療者，都會有很強的報告效應，而且期待效應還會強化這兩者。

總而言之，即便沒有安慰劑效應，在這些非盲目的實驗中，由於沒有治療那一組的負面報告偏差和期待效應，實驗結果應該會看到有安慰劑效應。在這個愛麗絲夢遊的仙境中，這應該是種永遠不會失敗的實驗！不管有沒有安慰劑效應，結果應該總是看起來會有安慰劑效應的！！

現在這些實驗的結果卻是沒有顯著的安慰劑效應，那麼意味著沒有任何的期待效應與報告效應出現在這些實驗中，這顯示這些實驗一定有什麼問題！！！就像孟德爾關於遺傳性徵的著名實驗一樣，實驗結果太漂亮了，使它看來好像一定是造假！

丹麥研究者在回應這些質疑時論稱，由於大多數的實驗有三組病人，而非兩組，因此病人和分析師所在意的都不是安慰劑組和未受治療組的差異，而這點或許減低了報告效應與期待效應。然而這樣的論點看起來仍是很薄弱的。

無論如何，缺乏期待效應和報告效應即便不是決定性因素，也有其他理由讓我們不信任這個研究的結論。正如前面所說，沒有接受治療的那一組病人，無可避免地會知道他們並沒有接受治療。如果他們的疾病很嚴重的話，那麼他們可能會覺得既然在這個研究當中沒有接受任何治療，便會自行決定以和此一研究無關的方式尋求其他的治療（參見第四章有關維他命 C 試驗的類似主張）。這點並不適用於安慰劑組，因為這一組的病人以為他們正在接受治療。結果就是，有無自行治療所帶來的差異，可能導致不同組別的成功率沒有太大的差別。

無法執行的雙盲實驗

考量上述兩種反對丹麥研究人員結論的論點，讓我們不知道該採取什麼樣的立場，這種情況經常出現在困難的統計科學中，我們只知道不能像過去那樣把安慰劑效應視為理所當然，但我們仍舊很難確定它並不存在。要解決這個問題，必須在安慰劑組和沒有接受治療組之間進行一場雙盲實驗，然而這在定義上就是不可能的（在這個句子最後不得不加上一個驚嘆號）！

儘管有這些學術爭論，製藥公司與藥物試驗的執行者乃至製藥公司的批評者，都認為安慰劑效應是真實的。批評者指出，所謂的雙盲通常無法執行，因為如果藥物有昏眩或口乾等副作用的話，病人經常能因此猜出他們吃的是真藥或是安慰劑。這意味著即便藥物在隨機對照試驗中勝過了安慰劑效應，但也可能只是因為由於藥物有副作用，而有了更強的安慰劑效應！

製藥公司和為其執行試驗的單位非常重視安慰劑效應的真實性，它們實際上甚至還評估接受試驗的病人對於安慰劑效應的敏感程度，試圖排除掉那些容易受到暗示的病人（隱藏式的心理治療）等等。我們可以這樣說：就安慰劑效應如何影響我們對醫學的思考而言，它是真實的。

——本文摘自《醫學的張力》，2021 年 9 月，左岸文化。

在房間裡放個薰香燈，點上幾滴精油，讓香味漫布在整個房裡，不外乎是一種生活情趣阿～身心靈彷彿都輕鬆許多。然而這樣的身心舒暢到底是一種自得其樂，還是真的是精油的功勞呢？國立中興大學研究證實，檜木精油對人體的療育功能確有其事！

國立中興大學森林學系王升陽特聘教授與其博士生陳啟榮，於《天然物通訊》（Natural Products Communication）發表了一篇有趣的研究論文（已被接受，未刊登），發現成年人吸入紅檜精油5分鐘後有助放鬆，而扁柏精油則有助於專注。

王升陽指出，學術上被稱為檜木的樹種其實是指扁柏屬的針葉樹，全世界目前存在有六種。檜木類木材具有濃鬱香氣、耐久性優異，因此深受喜愛並具有極高的經濟價值。台灣就擁有了兩種檜木，即是大家所熟悉的台灣扁柏（Hinoki）和紅檜（Meniki），這兩種木材更是檜木中材質最佳並具有特殊香味的檜木品種。

該研究以18 – 24歲的成年人為試驗對象，分別讓受測者吸入一定濃度紅檜與扁柏精油的精油，並以儀器量測受測者之血壓、心跳與正、副交感神經之活性，並計算自律神經總活性。

結果發現，成年人在吸收兩種檜木精油5分鐘後，對兩種檜木氣味呈現了不同的反應，無論男女在吸收紅檜精油後表現出收縮壓下降、舒張壓上升以及心跳下降；交感神經活性下降、副交感神經活性上升，而在自律神經總活性方面則提升。但在吸收扁柏精油後，無論收縮壓、舒張壓與心跳均下降；但在交感神經活性上升，副交感神經活性下降；且自律神經總活性方面則提升。

王升陽指出，一般而言當我們感受壓力、危險時，身體就會啟動相關必要的機能，例如：心跳及血壓上升、呼吸變快、體溫增高，讓人體保持警覺、提高專注力，達到可以積極應變的狀態，此時則是交感神經起動。而副交感神經是抑制性的，負責讓人體鬆弛休息、保存體力、促進消化、睡眠啟動等。由上述之結果顯示，經吸入紅檜精油5分鐘後，可使壓力解除。而扁柏可讓人交感神經活性上升、副交感神經活性下降，換言之可使人精神集中，提高專注力。

此外，研究團隊並利用盤斯心情量表（Profile of Mood Stat, POMS）來評估成人吸收林木揮發性成分後的情緒反應，分析結果發現，當人體接受了紅檜或是扁柏的精油，於緊張、沮喪、憤怒、疲卷與困惑等構面，使用精油後緊張感顯著下降。

在森林中，人們感受到的清新氣息大多來自芬多精。根據王升陽的分析，扁柏具有多樣化的成分組成，其中含量較豐的成分，包括欖香烯，杜松烷，松烯和檸檬烷；同為檜木類的紅檜之香味成分則與扁柏差異甚大，主要的香味成分則為桃金孃烯醇、桃金孃烯醛和杜松烯。事實上，若直接利用嗅覺感覺扁柏與紅檜的氣味，是可以明顯區分紅檜與扁柏的木材，我們認為紅檜中較甜的味道應該是桃金孃烯醇及桃金孃烯醛所貢獻；而扁柏的辛辣味，則應是大量的單萜類，如松烯，檸檬烷，異松油烯，松油烯所共同形成。經人體吸收後，對於人類的生理，具有正面的效益，它可以降低人體交感神經系統的活動，增強副交感神經系統的作用，達到平靜寧和的效果，若結合森林環境中的景觀與自然的聲響，效果將更為明顯。

資料來源：中興大學新聞稿