「黃金接觸」使低溫石墨烯製造成真

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

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜張琬婷
• 責任編輯｜簡克志
• 美術編輯｜蔡宛潔

水能被擠壓成冰？

水在攝氏零度以下會結冰。然而，當水被擠壓到極限時，會形成二維的奈米薄冰，不僅室溫下穩定存在，還有從未見過的鐵電特性（Ferroelectricity），而石墨烯則是實現這種擠壓條件的關鍵。中央研究院「研之有物」專訪院內原子與分子科學研究所的謝雅萍副研究員，她與我們分享了實驗室如何意外發現這層特殊的二維薄冰，以及團隊如何利用二維薄冰的鐵電特性製作有記憶電阻功能的奈米元件，研究成果發表在科學期刊《自然通訊》（Nature Communications）。

奈米尺度下，物質特性會跟著改變？

謝雅萍的主要研究題目之一就是合成新穎的二維材料，這是奈米科技的領域。奈米是什麼？奈米（nanometer）是長度單位，即 10^-9 公尺，一根頭髮的直徑長度約為 1 奈米的十萬倍。奈米尺度之下，很多物質的特性會隨之改變，最常見的例子是「蓮花效應」，因為蓮花葉上具有奈米等級的表面結構，為蓮葉賦予了疏水與自我清潔的特性，髒污與水珠都不易附著在蓮葉上。

奈米材料（nanomaterial）是指三維尺寸的材料，至少有一個維度的尺寸小於 100 奈米。只縮小一維，就是平面的二維材料（2D），例如石墨烯；縮小兩個維度，就是奈米線（1D）；三維都縮小，就是零維的奈米顆粒（0D）。

奈米科技（nanotechnology）的概念最早可追溯到 1959 年美國物理學家理查費曼（Richard Feynman）在演講中提出的願景「為什麼我們不能把大英百科全書全部寫在一根針頭上呢？」。1974 年日本科學家谷口紀男則是首度創造「奈米科技」這個詞的人，他認為奈米科技包括原子與分子層次的分離、固定與變形。

過去有不少科學家嘗試奈米材料的研發，但受限於製造技術不成熟，而無法順利製作出精細製程的奈米材料。1981 年，在掃描隧道顯微鏡（Scanning Tunneling Microscope, STM）發明之後，不僅有助於材料的微觀分析，操縱單個原子和分子也成為可能，奈米科技也逐漸實現。

無處不在的奈米科技？

我們生活周遭的奈米科技俯拾即是，從大賣場商品到半導體產業的電子元件都有。謝雅萍舉例：防曬霜之所以是白色，是因為裡面有二氧化鈦的奈米顆粒；許多塗料與噴漆亦會以奈米添加物，來增進耐蝕、耐磨、抗菌與除汙的特性，例如汽車鍍膜或奈米光觸媒；羽球拍或牙醫補牙會使用奈米樹脂，讓球拍和補牙結構更堅固。

至於半導體產業，奈米科技更是關鍵。透過縮小元件尺寸以及調整奈米元件的幾何形狀，以便於在單一晶片上乘載更多電晶體。「當今的電晶體大小皆是奈米等級，製作電子元件就等同在處理奈米科技的問題」，謝雅萍說道。

實驗中的難題，反而促成驚奇發現？

鐵電性是什麼？二維奈米薄冰有哪些可能的應用方式？

對謝雅萍來說，發現二維的奈米薄冰是個意外的驚喜。最初謝雅萍團隊其實是要製作以石墨烯為電極的開關，畢竟石墨烯是實驗室的主要研究項目，理論上當兩層石墨烯很靠近時，分別給予兩端電壓會是導通的「ON」狀態，沒電時就是斷開的「OFF」狀態。

然而，實驗過程中團隊卻發現當電壓為零時，石墨烯開關仍會導通，甚至要給予負電壓時才會成為 OFF 狀態。這個奇特的現象讓研究團隊苦惱許久，嘗試思考了各種可能性，但都無法完善的說明此現象。

「原本以為實現石墨烯開關應該是一件能夠很快完成的題目，沒想到過程中卻出現了這個意料之外的難題，因此這個研究比預期多花了一兩年」，謝雅萍無奈地笑道。

靈感總是突如其來，某次謝雅萍在與朋友討論研究時，突然想到一個可能的方向：「一直以來都有人猜測水是否為鐵電材料，但都沒有真正證實。臺灣氣候潮濕，開關關不緊會不會就是水的影響？」

設計實驗跑下去之後，謝雅萍團隊終於擺脫了一直以來的疑雲。原來，兩層石墨烯結構中，真的有水分子的存在！「一般水分子用手去捏，還是會維持液體的狀態。但是我們發現，當水被兩層石墨烯擠壓到剩下原子厚度時，水分子就會變成具有鐵電特性的二維薄冰！」，謝雅萍開心地說道。

換句話說，當極限擠壓之下，水會結成冰，而這層超薄的平面奈米薄冰會轉變成鐵電材料，而且可以在室溫下穩定存在！

鐵電材料乍聽之下很抽象，謝雅萍表示：「相較於會吸磁鐵的鐵磁材料，大多數人對鐵電材料比較不熟悉，其實概念十分相似」。她說，鐵磁材料經過外加磁場的「磁化」之後，即使不加磁場仍可維持原本的磁性。相對地，鐵電材料經過外加電場的「極化」之後，即使不加電場仍可維持原本的電荷極化方向。

謝雅萍團隊發現的二維冰具有鐵電性，這意味著水分子的正負極在外加電場之下會整齊排列，形成一個永久的電偶極，並且在電場消失後保持不變。

接著，謝雅萍發現，二維冰的鐵電性只存在於單層原子，增加多層原子之後，鐵電性會消失，變成普通的冰，這是因為多層原子的交互作用會打亂原本的極化排列。因此研究團隊發現的二維冰，是非常特殊的固態水，不是手搖飲加的冰塊那麼簡單。

因為石墨烯的擠壓和固定，二維冰可以在室溫下穩定存在，不會蒸發。謝雅萍團隊實驗發現，要升溫到攝氏 80 度，被夾住的二維冰才會變成水。如此大範圍的操作溫度，這讓謝雅萍開始思考將二維冰作為鐵電材料使用的可能性。

於是，謝雅萍團隊嘗試開發新型的電子元件，他們將二維冰與石墨烯整合成機械式的奈米開關。由於二維冰具有鐵電特性，在施加不同外加電壓之後，元件可以維持上次操作的電阻值，並保留至下次操作，有這種特性的元件稱為「憶阻器」（memristor）。

憶阻器這個詞是由記憶體（memory）與電阻（resistor）組合而成，字面上的解釋便是：具備記憶先前電阻值的能力。

謝雅萍表示：「我們可以藉由不同的外加大電壓寫入電阻值，再以微小電壓讀取之前的電阻值，允許快速存取」。而單獨一個二維冰奈米開關可以記住 4 個位元的資料，具備未來記憶體的發展潛能。

此外，二維冰奈米開關也是很好的開關裝置，團隊驗證導通電流和截止電流的比值可以達到 100 萬，開路和斷路的功能極佳，並且允許雙向操作。而開關的功能經過 1 萬次循環還不會衰減，相當穩定。

謝雅萍團隊是全世界第一個證實二維薄冰鐵電性的團隊，並實現第一個以石墨烯為架構的二維冰機械式憶阻器。她的團隊將往新穎二維材料的方向繼續邁進，目前實驗室有和台積電（TSMC）合作，希望透過產學合作，將更多奈米技術的應用落地實現。

與二維材料實驗的相遇？

謝雅萍目前除了是中研院原分所的副研究員，同時也是國立臺灣大學 MY Lab 實驗室的共同主持人，她和人生伴侶 Mario Hofmann 教授共同指導的 MY Lab 發揮了 1+1>2 的效果，創意與想法的激盪和交流，是產生傑出研究的關鍵。

回到碩博士時期，謝雅萍都在臺大物理所，鑽研材料的光電性質與新穎光電元件的機制。她回憶：「當時我們都要向化學系要材料，他們給什麼我們就得用什麼，但難以了解整個材料製造的細節。」後來她體認到，擁有製造材料的調控能力才能真正突破元件設計上的侷限。

謝雅萍在博士班時申請到了千里馬計畫，讓臺灣博士生獲得國科會補助前往國外頂尖研究機構，進行為期約半年至一年的研究。「我認為這個計畫非常好，也可以幫助學生建立重要人脈！」在指導教授引薦下，謝雅萍因緣際會進入美國麻省理工學院（MIT）的二維材料實驗室，自此與二維材料結下不解之緣，她認為：「好材料與好元件是相輔相成的，前瞻材料更是如此。」

「我到了 MIT 之後，深刻體悟到他們做研究的態度與臺灣學生的不同。臺灣學生像是把研究當作一份工作，然而我在 MIT 時就感受到他們學生對於自身研究的熱忱。討論風氣也非常盛行，學生之間會互相分享自己的研究內容，互相幫忙思考、激盪出新想法」，謝雅萍分享自己在 MIT 時期的觀察。

當年二維材料還在萌芽階段，她所在的 MIT 實驗室已是此領域的佼佼者，她也因此立下了目標：「希望未來我有能力時，能夠自己掌控自己的材料做出好元件！」如今，謝雅萍正走在自己目標的道路上，過去認識的朋友也都是各頂尖大學的二維材料實驗室主持人，直到現在都還會互相幫忙。

從物理到二維材料，身處這些男性為主的學術環境，謝雅萍顯得自在，而且積極參與討論和交流。「我發現女科學人會把自己變得較中性，讓自己融入整個以男性居多的環境中，才不會在團體中有突兀的感覺」，她分享道。

謝雅萍的實驗室 MY Lab，是與臺大物理系 Mario Hofmann 教授共同主持的奈米科技實驗室，他們除了是工作上的夥伴，更是人生中的最佳拍檔！當初兩人就是在美國麻省理工大學 MIT 相識，再一起回到臺灣。

讓「研之有物」團隊好奇的是：這種共同主持的模式與一般實驗室相比，是否有特別之處？

「從多個面向而論，我認為都是 1+1>2 的」，謝雅萍說道，「實驗室會有兩倍的資源、儀器、計畫與兩倍的人脈。遇到一個題目，兩個人思考時會從不同的觀點切入。即便是夫妻，我們在研究上看的面向也都不一樣，因此可以激盪出許多有趣的想法」。

她補充，不僅對實驗室本身而言，對學生也有很大的好處，「因為學生的研究必須同時說服我們兩個人，代表學生的研究成果會非常扎實，也可以為學生帶來信心。」重要的是，「學生也會得到兩倍的照顧與關愛，我覺得我們的學生是蠻幸福的」，謝雅萍笑笑地說。

• 本文轉載自諾貝爾化學獎專題系列，原文為《【2005諾貝爾化學獎】歧化 – 一個更換伴侶的舞蹈》
• 譯者／蔡蘊明｜台大化學系名譽教授

今年的諾貝爾化學獎由三位化學家所共同獲得，他們是法國的 Yves Chauvin，以及兩位美國的學者 Robert H. Grubbs 及 Richard R. Schrock，得獎的原因在表彰他們發展歧化（metathesis）反應在有機合成上的運用所造成的卓越貢獻。得獎者的成就已經在化學工業上成為一項重要的方法，並在合成化合物上開啟了新的機會而將使工業上製造藥物、塑膠以及其它材料的生產更為方便，這些物質的價格會因此降低而且減少對環境的衝擊。

歧化 — 一個更換伴侶的舞蹈

什麼是歧化？

在化學的反應中，原子之間的鍵結會斷裂而新的鍵結會生成。今年諾貝爾化學獎的焦點是稱為＂歧化＂的反應，這個名詞具有＂改變位置＂的意義。如（圖1）所示，在烯（一種含有碳－碳雙鍵的化合物）的歧化反應中，形成雙鍵的兩個碳會與另外一組雙鍵的兩個碳交換伴侶，形成另一個新的組合。在所示的反應中，一個丙烯的分子將其中的一個 CH₂ 基團與另一分子的丙烯中之 CH₃CH 交換，結果就產生了丁烯及乙烯。這個反應需要使用一個催化劑（催化劑是一個能使反應加速進行但卻不會成為產物的一部份的分子）才會發生。

其實化學家早就知道可以透過這種反應來製造新的化合物，只是他們並不瞭解催化劑在這個反應中扮演的角色為何。Yves Chauvin 提出的反應機制在對這個反應的認知上跨出了一大步，因為他解釋了催化劑是如何的運作。此時，研究者獲得了一個新的挑戰機會，那就是如何的去創造一個新的且更有效的催化劑。緊接著，Robert H. Grubbs 及 Richard R. Schrock 的基礎研究進場，由於他們的貢獻，才有今日那些非常有用的催化劑可供使用。

有機化合物 — 豐富的多樣性

碳元素能與碳元素以及其它的元素如氫、氧、氯和硫形成很強的鍵結，碳原子能以單鍵、雙鍵或三鍵的方式與其它的原子結合，可得到直鏈或分岔的結構，又可生成具有各種型態和大小的環狀結構。這個領域的化學稱為有機化學，因為在地球上生命的存在都是基於碳的這種多樣性。

眾多的有機化合物中，目前其實只有一小部份被研究過，但即使如此，我們現在已經可以得到各種新的藥物、材料、塗料等等，這是幾年前所無法想像的。

有機合成

所謂的有機合成就是將不同的化合物以特定的方式反應而製造出其它的化合物；透過有機合成，我們可以從已知的化合物原料製造出新的化合物。許多的工業必需利用有機合成，例如製藥和生技的工業，以及纖維和特用化學品的工業。在（圖2）中，一個在癌症的研究中所需的化合物 A 需要用另一個化合物 B 來合成，而 B 又需要從別的分子來合成。在化合物 B 的結構中具有一個由碳原子所組成的長鏈，其中有一個碳原子被氧原子取代。在合成化合物 A 時，這個長鏈被轉變成了一個大環的結構，這個環狀的結構正是抗癌的活性所必需。

為了製造這個大環，催化性的歧化反應正好派上用場，而其使用的催化劑正是這次的諾貝爾獎得主之一所開發出來的。由化合物 B 的結構中之長鏈兩端的雙鍵（圖中圈出的部分），透過歧化反應可以製造出兩個新的雙鍵，其中一個雙鍵用在結合長鏈的兩端而形成大環，而另一個雙鍵則存在於另一個副產物乙烯當中。如果要用別的方法來形成這個大環，將需要非常複雜而冗長的步驟。

歧化反應是如何發現的

歧化反應的發現可回朔至 1950 年代，正如同許多有機化學反應的發現一般，它源自於工業界，有好些個專利描述了催化性的烯聚合反應，其中的一篇專利是由美國杜邦公司的 H. S. Eleuterio 在 1957 年所提出的，它描述了得到不飽和的碳鏈（鏈上具有許多雙鍵）的方法；在此之前，由乙烯聚合成聚乙烯只會得到飽和的碳鏈（鏈上不具雙鍵）。這個出人意外的發現造成了深遠的影響。

在同年，另一份專利顯示，當使用一個由三異丁基鋁（triisobutyl aluminum）與氧化鉬（molybdenum oxide）依附在氧化鋁上的催化系統時，丙烯可轉變成丁烯及乙烯，這個在（圖1）所示的反應被稱為菲利浦公司的三烯製程（Phillips triolefin process）。這兩個專利都成功的在工業界中使用。

在許多年之後，這兩個發現的關聯性才被固特異輪胎及橡膠公司的 N. Calderon 發現，他指出，在上述的兩種製程中所發生的是同一種型態的反應，並稱之為烯的歧化反應（olefin metathesis），只不過在分子的層次，其中的催化劑之結構及其運作的機制在當時仍屬未知，因而由此所啟動之精采的催化劑獵捕行動，只能在黑暗中透過隨意擲擊四處碰觸的方式盲目的摸索。

Chauvin 的機制

越來越多的化學家開始注意到到歧化反應可能提供給有機合成的高度潛力，不過可能沒有人料想到它會成為如此的重要。雖然有許多的研究者提出各種歧化反應如何發生的可能機制，但真正的突破要等到 1970 年 Yves Chauvin 所發表的一份研究報告，他和他的學生 Jean-Louis Herrison 指出其中的催化劑是一個金屬碳烯（metal carbene），這種化合物具有一個金屬與碳形成的雙鍵。在之後的文獻中，金屬碳烯也被稱為金屬亞烷基（metal alkylidine）。在更早些年 E. O. Fisher（1973年諾貝爾化學獎）也發現過一些其它的金屬碳烯。Chauvin 也提出了一個嶄新的機制來解釋這個金屬化合物在反應中扮演何種功能。他們所進行的一些新的實驗結果完全符合這個新機制的運作，而無法用之前所提出的各種機制來解釋。在（圖3）（a ）中，一個金屬亞甲基做為催化劑，造成兩個雙鍵上的亞烷基之交換，導致兩個新的雙鍵生成（圖中金屬 M 上所用的中括號代表金屬除了與碳之間有一個雙鍵之外其上還有其它的基團）。

（圖3）（b）所示為此反應的機制，在反應的第一階段，金屬亞甲基與一個烯形成一個四元環，這個環含有一個金屬和三個碳，相互以單鍵結合。在下一個階段，其中的兩個單鍵斷裂並形成一個新的烯（即乙烯）和一個新的金屬亞烷基。在第三步驟，這個新的金屬亞烷基又與原先的烯結合成一個新的四元環。在最後的步驟中，這個含有金屬的四元環裂解產生歧化的產物並同時重新得回原先的金屬亞甲基，這個重新得回的金屬亞甲基又繼續投入另一個歧化反應的循環當中。這個反應的最終結果就是兩個烯的分子交換了它們的亞烷基，也就是進行了歧化反應（圖3）（a）。Chauvin 的機制一舉解釋了所有早先文獻中的結果，他的機制也得到了 Robert H. Grubbs、Thomas J. Katz 以及 Richard R. Schrock 等研究團隊的實驗之強烈支持，現已廣為大家所接受。

上面所描述的 Chauvin 機制可以視為一種舞蹈（圖4），其中催化劑與烯這兩組在舞蹈中交換舞伴。金屬和他的舞伴雙手相牽，當碰到烯隊時這兩組人馬結合成一個圈圈跳舞，隔了一會兒，他們與原先的同伴鬆手然後與新的伴侶湊成一對共舞。現在新形成的金屬隊又開始尋找新的烯隊，再次組成圈圈跳舞，換句話說，金屬隊成為一個分歧化的媒介者。

研發新的催化劑

到此時更多的化學家開始體認到，如果能找到更有效而可靠的催化劑，將可以使得這個反應在有機合成上成為一個極為重要的方法。早先所使用的催化劑結構並不明確，對空氣及濕氣極為敏感，穩定度很差而只能短暫的存在。一個好的催化劑必須是穩定的，並具有確定的結構，其化學活性要能針對需要而做調整，此外它們必須具有選擇性，也就是說只會與雙鍵反應而不會作用到分子上的其它部位。Chauvin 的研究結果顯示了有效率的催化劑可以如何的建立，但問題是在所有結構很明確的已知金屬亞烷基中，沒有一個可以成功的運用在烯的歧化反應上。雖然有好些位化學家在研發歧化反應的催化劑及其運用，並且也有重要的貢獻，不過，在此研究領域中關鍵性的進展則出自於 Robert H. Grubbs 及 Richard R. Schrock 的團隊。

Schrock 的第一個實用的催化劑

Schrock 在 1970 年代初期開始研究新的金屬亞烷基錯合物，但是到底哪一種金屬最適合製造出最有效的催化劑呢？他嘗試了含有鉭（tantalum）、鎢及鉬的催化劑，逐漸的掌握了哪些金屬可以使用以及它們如何的運作。對 Schrock 而言，鎢及鉬很快的顯示出是最適當的金屬，雖然用這些金屬合成了一些催化劑，但對於在金屬上到底要放上什麼基團才能製造出穩定而活性又高的催化劑仍不確定。在 1990 年，Schrock 的團隊終於得到突破而發表了一系列活性又高而結構又很明確的含鉬之催化劑（圖5）。

由於他的發現，化學家開始體認到烯的歧化反應可以普遍的運用在有機合成上，歧化反應越來越受到那些活躍的有機合成化學家們的注意，他們發現歧化反應可以取代許多傳統的合成方法，而在同時也提供了一種嶄新的方式來合成有機化合物。在（圖5）中所示的含鉬催化劑雖然對氧氣及濕氣是很敏感的，但只要透過適當的處理方式，不失為一個在有機合成上威力強大的工具。

一種由 Grubbs 所研發的通用催化劑

另一個突破則發生在 1992 年，Robert Grubbs 的研究團隊報導了他們所發現的一個含釕（ruthenium）的催化劑，它在空氣中是穩定的，表現出很高的化學選擇性，但是化學活性較 Schrock 的催化劑為低，這個新的催化劑可以在醇、水及有機酸的存在下催化歧化反應（參考圖2），在此之後 Grubbs 進一步的改進了他的催化劑，在（圖6）中所示的是幾個很有效而又容易合成的催化劑中的一個。

Grubbs 的催化劑已成為在普通的實驗室中，被普遍使用在歧化反應上，而且功能明確的催化劑。在（圖6）中所示的催化劑被稱為 Grubbs 催化劑，並成為一個被其它新的催化劑用來比對的標準。Grubbs 催化劑的通用性導致其後在有機合成上新的展望。Grubbs 對催化劑的設計是基於詳細的反應機制研究，他持續的開發以釕為基礎的催化劑，朝著製造合成上最具威力的催化劑而努力，這些合成包括了具有特殊性質的聚合物。

運用以及影響

這幾位諾貝爾獎得主所發展的合成方法，已經在學術研究上迅速的成為普遍使用的工具。為了製造新化合物所設計的工業製程，在這方面也有熱烈的發展，利用催化性的歧化反應可以縮短合成的步驟，得到更高的產率及更少的廢物，這導致更乾淨而對環境衝擊較小的製程。這種反應開啟了更多的機會去探索更多樣性的有機分子。除了他們之外，許多其他的研究者也提供了重要的貢獻，並持續的為了解決特定的問題例如合成複雜的天然物及其類似物，而開發新的歧化反應催化劑。

歧化反應在製藥工業、生技工業及食品工業上具有極大的商業潛力；新的催化劑亦可廣泛的運用在聚合物的合成上，雖然截至目前許多最有用的聚合物仍然是用傳統的方式來合成，但最近在聚合物合成的研究顯示，某些歧化反應催化劑在合成具有特殊性質的聚合物方面具有光明的前景。

雖然 Schrock 與 Grubbs 所發展的催化劑問世不過短短數年，但是他們所發展的應用性之深入的確是令人驚訝，這包括了昆蟲費洛蒙、除草劑、聚合物和燃料的添加劑、具有特殊性質的聚合物以及各種在藥物發展上很有潛力的各種分子之合成。有關一些可以對付各種人體疾病所發展的各種分子尤其值得一提，因為許多的研究者正投入於製造可能的藥物來治療各種狀況，例如細菌感染、C 型肝炎、癌症、阿茲海默症、唐氏症、骨質疏鬆、風濕、發炎、纖維症、HIV／AIDS、偏頭痛等等，歧化反應也因此成為一項重要的武器來尋找新的藥物以治療這世界上許多主要的疾病。

參考資料

蔡蘊明譯自諾貝爾化學獎委員會公佈給大眾的參考資料：

http://nobelprize.org/chemistry/laureates/2005/info.html

若要參考更深入的說明請見：

http://nobelprize.org/chemistry/laureates/2005/adv.html