不只是全球暖化，灌溉也造成海平面上升

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

思韋茨冰川 (Thwaites Glacier)，又稱末日冰川 (Doomsday Glacier)，是南極洲西部冰蓋 (ice sheet) 的一部分，面積約為 192,000 平方公里，相當於美國堪薩斯州的大小。也因其如此大的面積，加上近年快速的融化速率，使得科學家難以預估當前全球平均海平面的上升速率。為能更準確了解冰川消融對全球的影響，科學家有必要找出三個關鍵問題的答案：第一，是什麼造成冰川融化速率加快？第二，造成冰川融化加快的機制有哪些？以及第三，冰川融化加快將如何影響全球平均海平面上升？

為什麼南極洲冰川加速融化

是什麼造成南極洲冰川融化速率加快？在過去科學家的研究中，就已注意到南極洲的冰蓋、冰棚 (ice shelf)，會受到周圍相對溫暖的水流影響而導致融化 [1][2]。然而這些溫暖的水流是如何流動，以及這些水流如何影響這些冰川地形，受限於直接觀測資料的缺乏，一直是一個亟欲解決的問題。直到西元 2019 年，來自美國和英國的科學家，透過一項科學計畫 International Thwaites Glacier Collaboration (ITGC)，針對思韋茨冰川進行更進一步的觀測 [3][4]。科學團隊們藉由多波束測深探測儀 (multibeam echo-sounder ,MBES) 的資料，試圖繪製出思韋茨冰川周圍的海床地形變化，以便進一步了解暖水在冰川周圍流動的路徑；掌握路徑分佈後，則可以改善模擬冰川融化的模型，從而提高預測全球海平面上升速率的準確性。

觀測冰川底下暖水數據

今年最新的研究中，科學家首次針對思韋茨冰川底下的暖水收集觀測數據 [5]。這項任務的重要性在於，它可以幫助科學家回答以下問題：冰川底下海洋環流的基本性質是什麼？暖水主要是由哪一個路徑影響冰川？暖水可以深入冰川底下的洞穴到多遠的距離？以及冰川的融化速率有多大程度取決於暖水的流動？

要完整的了解暖水如何影響思韋茨冰川融化，首先要了解整體冰川地形的結構。從圖二可以看到，冰川 (Glacier) 屬於在陸面上緩慢流動的巨大冰體，而冰蓋 (Ice Shelf) 則為從陸地流入海洋大量的冰，在出海口累積成一片厚而廣大的浮冰，並與附近海岸線連成一體（可參考圖二）。當暖水流經冰棚底下，便會加速冰棚局部融化，而一旦冰棚融化，便會加快冰川流入海中的速率，從而加速冰川融解。第二，了解暖水的流動路徑及性質十分重要，其中路徑取決於冰川周遭的海底地形分佈。比喻來說，當水流經一道高牆時，流動的方向就會受到阻攔，反之當流經一個通道時，就會特別順暢；其中海脊 (ridge) 相對周圍地勢來得高，就如同那道高牆，而海槽 (trough) 則相比周遭地勢來得低，如同一個凹槽。因此對於暖水來說，海槽更像是一個容易經過的通道。

目前科學家對於思韋茨冰川周圍的海床分佈已有一定了解，並推估出在冰川北方存在三個主要的海槽，分別標示為 T1、T2 及 T3（見圖三 Ａ），推斷暖水可能透過這些區域進入冰棚底下。根據觀測，目前已知最高的融水 (meltwater) 濃度出現在思韋茨海槽 (Thwaites Trough)，然而並不了解冰棚底下暖水的流動分佈；此外從圖三中可知，在東側存在海脊，因此暖水相對受到東側海脊的阻擋，更有可能經由北側透由深海槽進入思韋茨冰川舌 (Thwaites Glacier Tongue, TGT) 底下。根據先前模擬模型，思韋茨冰川的侵蝕與海洋動力存在關係 [6][7]，且暖水主要從北側的路徑而來，東側進入的水體則相對少了許多，並僅在冰棚下流動約幾公里之遠。然而如先前所述，受限於觀測資料的缺乏，模型的模擬仍有許多改進空間。

找出冰棚消融的主因

這次的研究中 [5]，科學家透過新的觀測數據，發現海槽比原本預期的還要深約 100~300 公尺，並透過其他觀測儀器，如自主水下載具 (Autonomous Underwater Vehicle  , AUV) 等，量測這些海槽中海水的性質，確認在 T2 及 Ｔ3 兩個海槽中存在厚度約 200-300 公尺的暖水，並透過聲學都卜勒流速剖面儀 (Acoustic Doppler Current Profiler, ADCP) 數據的收集，推斷出在 Ｔ2 海槽中存在一向北流出的水體，而在 T3 海槽，則存有向南流入冰棚底部的暖水，該熱流約達 0.9 兆瓦 (terawatt, TW)；根據推算，其將產生一年約 85 Gt（gigatonne, 十億噸 ）的融水。從先前 2010-2018 年所建立的數據可得知，該處整體冰棚的融化速率約為 97.5 Gt/year，揭示出在 T3 流入的暖水可能為影響冰棚大部分消融的原因。

當相對高鹽度的暖水流入冰棚底部，失去潛熱並接觸融化的冰水後，水溫開始下降，由於與融水的混合，鹽度也隨之降低，最終提高含氧量 [8][9]。

透過這些資訊，科學家發現在 T2 海槽，融水的比例相對高於 T3，尤其是位於上層向北的水流（水深 400 公尺內）。另外透過 AUV 資料的收集，科學家發現來自 Pine Island Bay 的深層水透過流經東側冰棚 (Eastern Ice Shelf, EIS) 底下而抵達 T3 海槽區域。該發現比原先模型所預期的深層水流動範圍更向西延伸 [7]，說明在 EIS 底下的海脊可能比原先預估的深度還要深（>1050 公尺），又或者並沒有如原先所推估的延伸至北邊，以阻擋來自 Pine Island Bay 的深層水。

根據本次研究 [5]，科學家總結出高比例的融水主要在西側流出，而另兩個深層水主要分別流入冰棚兩側，其中之一為先前已知由思韋茨海槽進入的暖水，另一個則為之前未知、由 Pine Island Bay 流入的暖水路徑。後者由於受到在地氣候條件 [10] 以及 Pine Island 冰川融化的影響 [11]，意味著未來思韋茨冰川的融化速率以及該處整體冰川動力機制，將會比原先模型所預期的，更加依賴於 Pine Island 區域當地條件。

冰川消融帶來的影響

由於冰棚的存在有助於減緩冰川上冰流入海水的速率，當冰棚因流入的暖水融化而逐漸脫離海床（失去如路障般的作用），便會反過來加速思韋茨冰川上的冰流入海中。冰川的前緣不斷融化導致朝陸地後退，最後高聳的冰川峭壁將承受不住自身重量，而快速崩解；一旦思韋茨冰川消失，會使得南極洲西側的冰蓋更不穩定，並可能造成連鎖崩解的效應。[12]

思韋茨冰川的融化貢獻每年全球海平面上升的 4%，而若整個冰川全部消失，則將造成全球海平面上升近 0.5 公尺的高度 [13]，這將進一步影響各國海岸線的分佈、人口的遷移，甚至是氣候乃至生態系統的改變。當前南極的冰川融化問題無疑對當代人類再次敲響了警鐘，而若人類對於氣候變遷再不做出更多具體的因應作為，則隨著末日冰川的消失，人類的末日恐怕又將更靠近一步。

1. Jacobs, S. S., Hellmer, H. H., & Jenkins, A. (1996). Antarctic ice sheet melting in the Southeast Pacific. Geophysical Research Letters, 23(9), 957-960.
2. Jacobs, S., Giulivi, C., Dutrieux, P., Rignot, E., Nitsche, F., & Mouginot, J. (2013). Getz Ice Shelf melting response to changes in ocean forcing. Journal of Geophysical Research: Oceans, 118(9), 4152-4168.
3. Hogan, K. A., Larter, R. D., Graham, A. G., Arthern, R., Kirkham, J. D., Totten Minzoni, R., … & Wellner, J. (2020). Revealing the former bed of Thwaites Glacier using sea-floor bathymetry: implications for warm-water routing and bed controls on ice flow and buttressing. The Cryosphere, 14(9), 2883-2908.
4. Jordan, T. A., Porter, D., Tinto, K., Millan, R., Muto, A., Hogan, K., … & Paden, J. D. (2020). New gravity-derived bathymetry for the Thwaites, Crosson, and Dotson ice shelves revealing two ice shelf populations. The Cryosphere, 14(9), 2869-2882.
5. Wåhlin, A. K., Graham, A. G. C., Hogan, K. A., Queste, B. Y., Boehme, L., Larter, R. D., … & Heywood, K. J. (2021). Pathways and modification of warm water flowing beneath Thwaites Ice Shelf, West Antarctica. Science Advances, 7(15), eabd7254.
6. Seroussi, H., Nakayama, Y., Larour, E., Menemenlis, D., Morlighem, M., Rignot, E., & Khazendar, A. (2017). Continued retreat of Thwaites Glacier, West Antarctica, controlled by bed topography and ocean circulation. Geophysical Research Letters, 44(12), 6191-6199.
7. Nakayama, Y., Manucharyan, G., Zhang, H., Dutrieux, P., Torres, H. S., Klein, P., … & Menemenlis, D. (2019). Pathways of ocean heat towards Pine Island and Thwaites grounding lines. Scientific reports, 9(1), 1-9.
8. Jenkins, A. (1999). The impact of melting ice on ocean waters. Journal of physical oceanography, 29(9), 2370-2381.
9. Biddle, L. C., Heywood, K. J., Kaiser, J., & Jenkins, A. (2017). Glacial meltwater identification in the Amundsen Sea. Journal of Physical Oceanography, 47(4), 933-954.
10. Webber, B. G., Heywood, K. J., Stevens, D. P., Dutrieux, P., Abrahamsen, E. P., Jenkins, A., … & Kim, T. W. (2017). Mechanisms driving variability in the ocean forcing of Pine Island Glacier. Nature communications, 8(1), 1-8.
11. Webber, B. G., Heywood, K. J., Stevens, D. P., & Assmann, K. M. (2019). The impact of overturning and horizontal circulation in Pine Island Trough on ice shelf melt in the eastern Amundsen Sea. Journal of Physical Oceanography, 49(1), 63-83.
12. Carolyn Beeler (2019). If Thwaites Glacier collapses, it would change global coastlines forever.
13. SUSIE NEILSON (2020). Antarctica’s ‘Doomsday Glacier’ Is in Serious Danger, New Research Confirms.

全球暖化如今已是各國不得不慎重面對的議題，為此，許多國家在1997年12月簽訂了《京都議定書》，更在2009年12月的第十五屆聯合國氣候變化大會（ COP15，Fifteenth session of the Conference of the Parties）上通過了《哥本哈根協議》，希望所有締約國能為阻止地球暖化共同努力。

該協議一項倍受矚目的聲明如下：「若要避免危險的氣候變化，全球在一世紀內的氣溫上升應以攝氏2度為限。」這項目標是由跨政府氣候變化專門委員會（IPCC， Intergovernmental Panel on Climate Change）所制訂，因為氣溫上升不僅代表了地球溫度升高，更會造成冰山、冰蓋（即大陸冰川）的融化、海平面上升和陸地面積縮小等問題。

限溫2℃……真的就夠了嗎？

其實，許多學者專家都認為這個目標設定得過於保守。舉世聞名的氣候科學家、曾服務於NASA的詹姆斯‧漢森（James Hansen）博士與其16名同事，在上週發表了一篇長達66頁的論文，聲稱當前限制全球升溫的計畫完全不足以避免冰蓋的融化，以及隨之而來的海平面上升。

漢森博士是最早（1988年）提出「現今的全球暖化現象並非自然變化，而是因為人類製造了大量溫室氣體、改變了大氣組成，進而引發了全球升溫」的專家學者。他所率領的團隊在最新發表的研究中指出：儘管2℃這個目標在政治上已經是相當難以達成的標準，對地球的幫助卻依然有限。若地球持續升溫，將造成大量冰蓋融化，並形成一個正向回饋循環，促成更多的冰蓋、冰山融化和更嚴重的海平面上升。他們認為，改變大氣的組成──把目前高達 400 ppm 的二氧化碳濃度恢復為 350 ppm 的水準，才是更理想的目標。

此研究模擬了在 2℃ 的升溫條件下，由冰蓋融化所造成的大氣與海洋模式間的回饋循環。他們發現格陵蘭和南極融冰的水量足以減緩兩個關鍵水團：北大西洋深海和南極底層水的形成；這兩者都是大洋環流、大洋輸送帶的一部份，在全球氣候調節上，扮演了吃重的角色。而大量冰水的注入可能造成水柱分層，溫度較高的海水被壓在冰水底下，無法將熱量送至海水表層釋放，使得海底溫度上升、海底冰架融化，又導致更多冰水注入環流，加強此現象循環發生，對全球環境產生重大影響。

漢森博士表示：「最可怕的事情在於：這項模擬結果和我們近年觀察到的南極、格陵蘭表層海水的降溫現象是一致的。」該團隊更提出距今 130,000 年到 115,000 年前的間冰期（interglacial period），又被稱為伊米亞間冰期〈the Eemian〉的資料作為佐證：當時的平均溫度只比現在高不到 1℃，但因為大規模的冰蓋融化，海平面比現在高出將近5到9公尺。

造成的爭議與討論

雖然這份研究還未經過同行審查（一般論文皆須進行這個步驟，過程約需歷時半年至一年），但因為漢森博士希望這份研究能對 12 月在巴黎舉行的全球氣候會議有所影響，所以在完成審查前，就先行把資料放到網路上免費釋出，研究內容也引發了學界熱烈討論。

賓夕法尼亞州立大學的氣候研究者麥可‧曼恩（ Micheal Mann）認為：漢森博士團隊所提出的研究成果的確相當引人注目，特別是關於一兩世紀內可能發生的西南極冰蓋融化和海平面上升。不過對於研究中的其他部分，他則持懷疑態度。

「我認為他們模擬的格陵蘭及南極融冰氣候模式有些太過牽強了，但他們的研究無疑會讓許多關鍵議題展開討論。」曼恩這麼說道。美國國家大氣研究中心的氣候學者凱文‧崔恩伯斯（Kevin Trenberth）也抱持了相同意見，認為模型中包含了太多假設，現實情形是否也會正如他們模擬的狀況發生，恐怕還是個未知數，不過這確實會促使他人進行更深入的研究。

同樣來自賓夕法尼亞州立大學的冰川學家，同時也是全球冰蓋專家的理查德‧艾里（Richard Alley），認同2℃的變化對地球來說已經非常危險，但是他並不認為這份研究可以提供我們太多「答案」，不過內容中提出許多非常有趣且重要的估計值，一定會促成許多技術上的討論和關於全球暖化的研究。

來自波茨坦氣候影響研究所，致力於海平面上升和近年環流翻轉研究的學者──斯特凡‧拉姆斯托夫（Stefan Rahmstorf）也同意IPCC對海平面上升程度的評估太過樂觀，2℃溫度上升可能讓海平面上升好幾公尺，然而拉姆斯托夫並不認為伊米亞間冰期是個恰當的舉例，因為當時海平面的高度變化，主要是受到行星軌道週期影響，而非二氧化碳的排放量。

由於這份研究不僅內容龐大、結合眾多領域，更同時引進新的氣候模型實驗，科學界到底會對此研究成果抱持什麼樣的態度，目前仍難以評估。不過因為該研究成果與IPCC的看法相悖，加上多數科學家的「習性」，批評聲浪恐怕難以避免。漢森博士對此表示，雖然他們在這篇論文中提出了許多觀點，但其實主旨只有一個──海平面上升是「人為造成的氣候影響所引發的大衝擊」。

資料來源：

• Climate researcher blasts global warming target as ‘highly dangerous’ Sciencemag.org [July 21, 2015]
• James Hanson’s controversial sea level rise paper has now been published online
  Washington Post [July 23, 2015]
• The world’s most famous climate scientist just outlined an alarming scenario for our planet’s future
  Washington Post [July 20, 2015]
• 哥本哈根協議 維基百科
• 聯合國氣候變化框架公約 維基百科
• Global Warming Has Begun, Expert Tells Senate The New York Times [June 24, 1988]