重女輕男的雞蛋國度

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

• 【科科愛看書】我們的性別，到底是如何決定的？由天氣、運氣還是神的旨意？多年以來，我們漸漸知道性別背後的科學根據，然而，仍然有太多未知是我們不曾發現的。跟著《變身妮可》一起走過跨性別女孩與她家庭的成長之路，相信在這條路上，唯有更多的理解方能帶來尊重及包容。

由雪若．卻斯（Cheryl Chase）成立的「北美間性人社團」有項重要訴求是：醫生不該直接對間性嬰兒動手術，而是到適當的年齡後交由他們自己決定。之所以提出這項訴求，是因為他們認為性矯正手術常基於文化壓力而非生物因素。對此卻斯表示：

間性人不該被視為畸形、不正常或怪異的個體，因此醫生首先建議的處置不該是手術。

行為主義的大騙局：性別不是他人可以決定！

卻斯和間性人社團反對在 1960、70 年代箝制整個心理、精神及性政治圈的行為主義（behaviorism），此主義最熱切的支持者是約翰霍普金斯大學（Johns Hopkins University）的約翰．莫尼（John Money）博士，他深信性別認同是一種社會建構，因此在面對外生殖器曖昧或不正常的嬰兒時，父母應該直接決定自己想要哪一個性別的孩子，然後提供適當的衣物並引導孩子走向特定性別道路，之後自然會得到理想的結果。

莫尼用來展示的「樣品」是一名在 1965年 8月出生的孩子：他是一個名叫布魯斯的健康男嬰──其實是同卵雙胞胎的其中一位──8 個月大時，一場手術中為了移除梗阻而進行的燒灼治療意外燒掉了布魯斯的陰莖，莫尼於是建議家長把他以「布蘭達」的身分撫養長大，所以這名男嬰被移除睪丸，得到女生的名字與衣物，並被當作女孩撫養。布蘭達進入青春期後，他們還在本人不知道的情況下進行女性荷爾蒙治療，使她在那段時間長出胸部。

布蘭達的童年總是充滿無止盡的霸凌與嘲諷，因為除了女性衣著與荷爾蒙之外，她完全不覺得自己是女生，行為舉止也不像。直到青少女時期，她滿腦子都是輕生念頭，父母才告訴她真相，讓她在 14 歲時準備變性為男生。到了 30 歲，已經改稱自己為大衛．瑞默爾（David Reimer）的布蘭達經歷了乳房切除術、睪酮注射及兩次的陽具重建手術，最後結婚也收養了孩子，但仍被莫尼醫生和父母的決定所折磨。他的雙胞胎兄弟一生都有心理方面的疾病，最後因為過度服用抗憂鬱劑身亡，兩年之後，38 歲的大衛也自殺了。

這段過程中，病患都還在世，莫尼卻一直向大眾更新這個「實驗」案例的性別重建手術進度，還在 1972 年和 1977 年發表了歡慶實驗成功的文章。直到 1990 年代，米爾頓．戴蒙醫生（Dr. Milton Diamond）找到治療青少女布蘭達的精神科醫生，才揭發了這個謊言。莫尼口中的大成功其實是場無從挽回的悲劇，布蘭達在成長過程中始終想要撕爛衣服、踩壞洋娃娃，而且總是被人騷擾，還被說成「黑猩猩」或「穴居婦女」。大衛．瑞默爾備受折磨的故事被發表在 1997 年的一篇學術文章中，2000 年還出版了一本相關書籍，大程度地扭轉了「先天╱後天」論辯中的焦點，至少在大腦性別這塊領域是如此。

多樣化性別選項，讓人勇敢界定真正的自己

當時逐漸廣為接受的觀點認定性別天生，而且在出生前就已決定，但瑞默爾的案例無法解釋性解剖學與性別認同之間的落差。其實瑞默爾的處境讓許多細節更難被理解。1953 年，曾為美國大兵的喬治．約振森（George Jorgensen）從歐洲以克莉絲汀．約振森（Christine Jorgensen）的身分回到美國，他是首先接受性別重建手術的美國人，不過當時出生為男性者想變成女性並沒有被視為醫療問題，而是精神問題，因此，大眾會被給予這些人一些聳動的稱謂，像是「性倒錯者」、「類陰陽人」或「性調包怪」。

到了 1970 年代，英國作家珍．莫里斯（Jan Morris）和網球選手瑞妮．理察斯（Renee Richards）由男性變性為女性，不但出了暢銷書還登上主流媒體頭條，但這些現在被稱為跨性別者的人畢竟還是邊緣人、自然的偏查產品，或者科學上無法解釋的存在。

直到最近十年，性別才逐漸被視為一個光譜，人們並不一定全然陽性或陰性，而是兩者的混合體：舉例來說，男孩子的女生和女孩子氣的男生比比皆是。最近臉書和約會網站「OK邱比特」都在男性與女性之外加了一個自訂的性別選欄，其中包括「無性別」（agender）、「雙性別」（bigender）、「泛性別」（pangender）、「性別酷兒」（genderqueer）和「兩性」（androgyny）等十數個選項。

首先採取非性別二元分類的大多是學術機構，全國許多學校都在校內資訊系統內增添了性別中立選項，因此，教授拿到學生名單時，上面會包括每位學生想被稱呼的代名詞資訊，包括「他」、「她」、「他們」，或是性別中立的「xe」、「xyr」和「xem」。

身心性別不一致，是揮之不去的折磨

但對於那些性解剖構造與心理認同不相符的人而言，並沒有所謂的「性心理中立」。他們或許同意性別是光譜，但也非常清楚自己落在光譜的什麼位置。紐約石溪大學的研究在 2015 年也證實了這點。

研究者找來 32 位 5～12 歲的孩童，他們全是來自支援系統良好家庭的跨性別者，也都仍未進入青春期，在問了他們一系列足以精確檢驗性別認同的問題之後──那是一種間接連結測驗，意圖估算受試者將男性與女性的概念與「我」及「非我」連結起來的速度──結果發現跨性別組（包含由男變女及由女變男兩者）和控制組的順性別孩童（也就是性解剖結構與性別認同相符者）的反應並無差別。

正是這種身體與心靈的不一致導致折磨人的身體疏離感，順性別者當然也有喜歡或不喜歡自己身體的分別，並試圖進行改變或加強，但他們不會否認自己的身體。

那是一種大多藏於潛意識的親密認知，所以跨性別者在面對身體自我的議題時，幾乎是清醒及呼吸的時時刻刻都感覺到真我被否定。對於這些人而言，身體和他們的自我認知相左，或者說跟他們認為自己該有的樣子相左。他們對於維持自己活在世上的載體感到疏離，但沒有任何心理諮商或行為制約能處理這種衝突，唯一的出路就是使身體與心靈一致。

擁抱自己的女孩

2008 年在德國，16 歲的金姆．佩卓斯（Kim Petras）經歷了性別重建手術，她和懷特一樣出生時為男性，但兩歲就開始熱愛芭比娃娃及穿洋裝，隨著時光流逝，金姆的家長都意識到兒子堅持自己是女生是有原因的，其中父親所說的話更呼應了凱莉從一開始看待懷特的方式：「我們把金姆視為一個女孩，而不是個問題。」

世界上許多人都不同意這句話強調的概念，甚至包括許多跨性別者家長與醫界專業人士。過去（現在也常是如此）許多家長總帶著自我認同為女性的兒子到處求醫，但最後只得知自己的孩子需要密集治療，或需要被送到精神醫學機構，但仍有其他人意識到，強迫這些孩子在不是自己的身體裡經歷青春期會帶來多大的傷害。

正因如此，金姆．佩卓斯的機長終於找了一位表示可以幫忙的醫生，他是伯恩德．梅耶伯格（Bernd Meyenburg），法蘭克福醫院大學（University of Frankfurt Hospital）認同障礙之孩童與青少年的精神科特別病患門診（Psychiatric Special Outpatient Clinic for Children and Adolescents with Identity Disorders）院長，他告訴他們很少有小兒科醫生理解性別不安，也請他們想像一個女孩臉上長出鬍子、聲音變低沉或一個男孩長出胸部又有了月經會是什麼情況。

金姆．佩卓斯在 12 歲時開始了女性荷爾蒙治療。在德國，性別重建手術必須滿 18 歲才能進行，但金姆得到特殊豁免，並在 16 歲時成功完成療程。之後她的父親告訴媒體，「我以為自己會比妻子更難接受這件事，但金姆是個非常有說服力的女孩，她知道自己要什麼，也知道該怎麼達成目標。我以她成就的一切為榮，包括她如何完成這趟旅程，以及無論多難、多苦都要追求夢想的決心。」

21 世紀開始之前，跨性別孩童無法在青春期之前採取行動，也無法推遲青春期，以爭取身體成為徹底男性或女性之前的寶貴時間，因此，所有性別重建手術都是在完全發育的男體或女體身上執行。跨性別者想將身體與心靈同步的深植慾望促使他們接受性別重建手術，但要是結果不如預期，此時必須付出的心理後果極具毀滅性，而且大多情況確實都是如此。

被身體囚困的運動記者

40 歲的麥克．潘納（Mike Penner）是《洛杉磯時報》（Los Angeles Times ）的資深運動記者，2007 年 4 月 26 日，他固定刊出的週四專欄出現了一個驚人的標題：「過去的麥克，明日的克莉絲汀。」文章的頭四段非常驚心動魄，甚至可說史無前例：

在時報的運動部門工作了 23 年，我扮演過各種角色，擁有過各種頭銜：網球賽寫手、安納罕天使隊專屬記者、奧運賽寫手、雜文家、運動媒體評論員、國家美式橄欖球聯盟專欄作家，最近則是時報「晨間簡報」的推手。

但從今天開始，我即將休假幾個禮拜，之後將帶著全新的生命回到崗位。

以克莉絲汀的身分。

我是一名跨性別運動寫作者。我花費了超過 40 年、無止盡的淚水及數百小時探索靈魂深處的治療，才終於鼓起勇氣打下這些文字。我知道許多讀者、同事和朋友讀到這裡一定非常震驚。

他們確實很震驚，但潘納心意已決，也選好「克莉絲汀．丹倪爾」作為新名字。之所以選擇「克莉絲汀」是為了向跨性別先鋒克莉絲汀．約振森（Christine Jorgensen）致敬，「丹倪爾」則是他原本的中間名。接下來就是為期 31 個月的狂喜、輿論稱讚、私生活挑戰、憂鬱，但最後終究還是性別重建回男性。潘納身高 190 公分，肩膀寬闊，聲音低沉，面對身邊所有人時總隱藏自己的性別不安，包括他的妻子。雖然公開自己的決定在心理上是一種解放，但也讓他失去了婚姻，而以女性身分過活也非常困難。

第一個徵兆出現在他宣布變性後數週，她出席了英國足球明星貝克漢在洛杉磯的記者會，那是潘納首次以丹倪爾的新身分出席體育活動，之後她將這段經驗寫在部落格上：

他（貝克漢）穿著一身銀灰色的巴寶莉（Burberry）西裝抵達，身旁圍滿助理及支持者。我穿著羅斯（Ross）的金色調上衣及埃姆斯（Ames）的多彩佩斯利圖樣裙子出席，腳上穿著愛柔仕（Aerosoles）的開趾高跟鞋，身邊一個人都沒有。

另外一位出席的記者決定在自己的部落格上提到克莉絲汀：

我實在不想指指點點，但克莉絲汀實在不是個有吸引力的女人。她看起來就像穿著洋裝的男人，真的，就算有人曾被那些資深變裝癖唬過去，但今天只要注意看她的人都不可能受騙。或許這樣說很殘酷，但那個空間內有人出生就是女性，靈魂也是女性，而她們和克莉絲汀之間的差異在我看來實在太大了。我們簡直像在配合某人的角色扮演遊戲。

對丹倪爾來說，這一切都太殘酷、太傷人了，他攝取女性荷爾蒙、化妝、戴假髮、著女裝，但外表就各方面而言仍不幸地就是麥克．潘納。丹倪爾同意接受《浮華世界》（Vanity Fair）的專訪，也安排了攝影，事後，攝影師試圖解釋過程如何成為一場災難，他向《紐約時報》（New York Times）表示，自己努力想說出正確的話，但「面對一個看起來就像男人的人，你要怎麼說出『你是個美麗的女人』？」書寫這篇報導的記者也為這項說法背書，並表示，因為害怕丹倪爾因此出現自殺傾向，所以在攝影浩劫之後，他決定抽掉這篇訪談。

丹倪爾的妻子提出離婚申請，許多朋友也消失了，雖然她交了新朋友，也得到許多支持者，但輿論平息後，她發現自己孤身一人住在小公寓內，還失去了幾乎陪伴他整段成年生活的夥伴。

因為被憂鬱淹沒，丹倪爾停止攝取女性荷爾蒙，也疏遠了所有新舊朋友。她覺得自己作為女性失敗了，並在寂寞的折磨下決定變回男性，甚至在《洛杉磯時報》的專欄作家姓名也改回了麥克．潘納。因此，2009 年 11 月 27 日，穿著藍色襯衫、黑色牛仔褲和黑白愛迪達球鞋自殺的是麥克．潘納。在小公寓地下車庫內那台 1997年分的豐田凱美瑞車中，他因為一氧化碳中毒而死。

本文摘自《變身妮可：不一樣又如何？跨性別女孩與她家庭的成長之路》，時報出版