獵豹的速度並非決勝關鍵

• 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。

動物的移動方式及進化

動物會使用肌肉骨骼系統來進行各種運動，有時是只動身體的一部分，有時則是移動整個身體，讓自己移往其他地方的情況。理所當然的是，動物將自己整個身體移動到其他地方，會比只有動一部分身體需要更多的能量。所以移動時會特別需要注重效率。

動物們在進化過程中獲得各種生活形態，以及適合該生活形態的移動方法。只要看看動物們的走路方式，就能理解這個進化過程。

像山椒魚等兩棲類動物，以及蜥蜴、壁虎等爬蟲類，都是從軀幹伸出四肢來撐起身體，並扭動身軀，一一藉著四肢的支點往前方移動（圖一）。扭動軀體的運動跟魚在游泳時的軀幹動作很類似。兩棲類和爬蟲類是脊椎動物進化過程中最初上陸的動物們，本來就擁有類似魚那樣扭動身軀的身體構造，要善用這種構造在陸地上運動，就演化出了這樣的走路方式吧。

後來兩棲類中有一部分軀幹變短、後肢也變得發達，那就是蛙類（圖二）。長長的後肢可以產生強大的跳躍力。說到彈跳，身體要是扭來扭去的穩定性就不好，要是身體變短，就不會扭來扭去的了。因為獲得了短身軀跟長後肢，使得蛙類可以進行大幅度跳躍。

一部分的爬蟲類（恐龍類）和哺乳類的四肢又更加發達，可以進行多樣化的運動。他們的四肢不只是變長，還跟兩棲類或蜥蜴等爬蟲類不一樣，四肢不是生長在身體兩側，而是下方。往下生長的四肢可以高高舉起軀幹，只要前後擺動四肢就能移動了。

比起移動整個身體，只有四肢動作的效率會比較好。另外，體幹如果可以不激烈動作，身體就可以比較安定，而且更容易控制。結果就能實現高速運動。另外，像鹿或是馬等擅長跑步的動物，牠們的四肢，特別是末端部分會很長（圖三）。腳變長的話，跨一步的距離也就會變長，可以跑得比較快。

本來哺乳類也不是軀幹就保持不動，而是軀幹跟四肢經常一起協調地動作，但是方向跟魚或蜥蜴的橫向運動不同，是身體往腹背方向彎曲再伸直，像是為人熟知的貓科動物跑步時的動作。例如，獵豹跑步時，身體會大大彎曲再伸直，用全身力氣來有力地跳躍並讓步伐加大，創造出陸地上最快生物才有的跑步速度。（圖四）

所有哺乳類雖有程度差別，但似乎都有像這樣身體往腹部方向屈伸的動作。前面所述的馬跟鹿等動物，雖然看起來軀幹動作沒這麼大，但脊骨還是會反覆進行彎曲再伸直的動作。只是活動程度比貓科動物少得多了。

稍微離題一下，從陸地再度回到水中的哺乳類也不例外，海豹或海狗、鯨魚等動物，游泳時的脊椎也是往腹背方向屈伸的。魚類一般是身體往兩側扭動來游泳，所以我們可以說水棲哺乳類的身體往腹背方向屈伸，是因為從腳配置在軀幹下方的哺乳類演化而來，可以說水棲哺乳類才有這樣的特性吧！

——本文摘自《鴿子為什麼要邊走邊搖頭？》，2023 年 8 月，晨星出版，未經同意請勿轉載。

• 作者／怪奇事物所｜Incrediville

編按：泛科學的好夥伴怪奇事物所出第二本書啦！這次，我們收錄了五個與動物求偶行為有關的內容，快跟著怪奇事物所一起認識這很怪但也很可愛的世界吧！

母鬣狗的〇〇比公鬣狗還要大

雄鬣狗可以說是自然界裡，最有資格靠夭男人真命苦的動物了──在牠們的母系社會中，男生豈止下賤，那個身分地位真叫連狗都不如（鬣狗在分類上與貓科動物關係更近，真的不是狗）。

鬣狗的族長皆由最能打的雌鬣狗擔任，這位最強最惡的女王，又稱「阿爾法雌性」，而且在鬣狗社會，不只女王本人高高在上，任何雌性的地位，也都比雄性還要尊貴，連最低階的雌性都能壓過最高階的雄性。

為了貫徹這種雌性浪漫，雌鬣狗甚至演化出一種很屌的武器，就是在兩腿間直接長出一條「偽陰莖」：雌鬣狗在成長時，陰蒂會不斷延伸成長條狀，最長可達18cm，看起來就跟真的一樣棒。

每次交配前，雌鬣狗都得先把假陰莖往內收（大概像穿襪子前先翻一下的那種收法），雄鬣狗才算是獲得許可，得以長驅直入，雌性也就能完全掌握交配主導權了。此外這種假陰莖，還附帶社交作用──因為勃起的陰莖，在鬣狗社會是一種軟弱的象徵，所以當低階雌性想討好上面的大人物時，也會將陰莖勃起表達自己的順從。

也因為鬣狗使用陰莖的方式如此前衛，自古以來常被誤會是同性性行為，而飽受衛道人士抨擊，雖說如今看似還了鬣狗一個公道，不過這種女生都有大○○的設定，根本比同性戀還要刺激啊？

#古人真是太缺乏想像力了

80% 的公海豹一輩子都是處男，但剩下 20% 一生會和 250 頭母海豹交配

動物的求偶競爭，其實比你想像的更慘烈更無情。所以即使扣掉螞蟻蜜蜂這些習性特殊、只有權貴階級有生育能力的社會性動物，自然界還是存在不少可撥仔終身無法脫處。

比如象鼻海豹正是一個血淋淋的例子。

研究發現，雌性象鼻海豹只收菁英，絕不接受垃圾，擇偶條件開得非常嚴格──唯有那些最精銳、最能打的雄海豹，才可獲得牠們青睞、受邀繁衍下一代。

相對的，雄海豹一旦當上菁英，從此就能縱橫情場，躋身大眾情人，被翻牌的頻率直逼歌舞伎町夜之帝王，一生約可和 250 頭雌海豹勾勾纏。

然而在所有的雄象鼻海豹中，這種豹生勝利組僅僅只占兩成，其他 80% 通通算是被選剩的孩子，等待牠們的結局，只有母胎單身一輩子。

雖然聽起來好像很可憐，但象鼻海豹約在 5 歲達到性成熟，而平均壽命其實不到 15 歲。換句話說，牠們保持處男的歲月，最多也就十年，根本連轉職魔導海豹的資格都沒有。

從這個角度看，誰比較可憐還真的不好說啊 。

公獵豹光靠喵喵叫，就能讓母豹排卵喔！

一般來說，雌性動物的排卵機制分成兩種：一種是「自發性」，會在固定時間規律排卵；一種是「誘導性」，要透過特殊刺激，特別像是交配等外力影響才會排卵。

例如公貓生殖器上長滿的倒刺，就是為了在交配時刺激母貓排卵（這超痛）。另外雖然有些人聲稱看到帥哥會大排卵，但人類女性可是道道地地的排卵靠自發，所以妳家姨媽才會每個月固定來打卡。

至於今天要說的獵豹，雖然也是一種大貓，但過去一直沒人知道牠們究竟什麼時候排卵，既沒有固定週期，也不是在交配中被喚起，難道只有感覺對了才可以？

後來終於有科學家注意到，每當公獵豹發出一種奇異的喵喵叫，周圍母豹就有很高的機會在未來幾天受孕，才進一步發現，這是因為在聽到這種愛的呼喚後，母豹體內和發情或排卵有關連的性賀爾蒙──例如動情激素、黃體素助孕酮都會立刻噴發，從而刺激母豹排卵。

像這樣靠聲控啟動的繁殖機制，在哺乳動物中可是非常非常罕見，我想，這也是少數經過科學認證的──能讓人懷孕的好聲音。

越帥的小鳥越容易被吃掉喔

帥有什麼用？帥能吃嗎？這題的答案，其實要看你是什麼動物──如果你是隻小鳥的話，長得帥，還真的會讓你更好吃！

這要說到澳洲有一種青春小鳥，叫華麗細尾鷯鶯，每當發情警報響起時，雄鷯鶯的羽毛，都會由鐵鏽灰轉成小發財藍，目的當然是用力帥他一波好吸引雌鳥青睞。

但耍帥往往是要付出代價的，因為藍色在自然界非常顯眼，所以變了色的雄鳥，就像漆黑中的螢火蟲一樣，是那麼樣的鮮明，那麼樣的出眾，連帶提高了被掠食者盯上的風險。

因此科學家發現，這些拉風的雄鳥，不但會花費更多時間警戒周遭環境，遇到任何風吹草動，都要搶先躲進龜仔坑，就算風頭過了也要拖到最後一刻才出來面對，美其名是愛惜羽毛，講難聽點就是貪生怕死。

更有趣的是，相較於安全感不夠的雄鳥，雌鳥（不會變色）心臟反而會變得更大顆，找掩護以及警戒的時間都會比求偶期前更短，顯然是看準天塌下來也有帥過頭的雄鳥頂著先。所以在求偶期間慘遭捕食的雄華麗細尾鷯鶯，也算是名副其實的把自己「帥死了」，更應證了什麼叫長得帥死得快。

所以我們也在此呼籲，謹記帥小鳥的教訓，大家一起長得醜活得久，謝謝。

其實北極熊的腳非常臭喔

科學家發現，北極熊的腳是真的很臭。

許多動物都會利用氣味傳遞訊息，像熊族大多會透過摩擦樹木，留下牠們的體味。然而北極可沒有什麼樹，在白茫茫一片真乾淨的冰天雪地，除了幾道偶然的足跡，你很難再留下什麼東西。

好在北極熊的腳丫上，長著發達的汗腺及濃密的毛髮，那個積累的臭味，就連極地的寒風都會為之顫動，不論是北極寂寥的風中雪中或你的心中，北極熊走到哪，腳臭味就能留到哪。

此外，在收集了 200 多隻北極熊的腳臭後（噁），科學家還發現，公北極熊對發情母熊的腳臭，普遍有著更明顯的反應、看起來會更加興奮，可見想得到北極熊的芳心，一定要靠腳臭。而在這之後也有研究證實，野生公熊就是靠這薰人的腳氣，找到心儀的母熊。

所以對北極熊來說，腳是真的要越臭，才越有可能找到另一半（或者說被找到），反觀人類老要擔心自己腳臭口臭狐臭放屁臭，會嚇到約會對象以後不聯絡，這看在北極熊眼裡，還真是挺奢侈的煩惱欸。

每位小朋友心中都有一種最愛的動物，特別是那些有「最」字頭頭銜的動物總是榜上有名。目前現生陸地上奔跑最快的動物，大家馬上聯想到獵豹。事實上，獵豹成功打獵的關鍵，並不是牠們爆發出的驚人速度。最新的研究指出獵豹真正靠的是牠們更為出色的敏捷度和機動性，這才是牠們生存的高超技倆。

獵豹的速度究竟有多少一直是科學家眾說紛紜的主題，1960年代的測量計算出高達時速64英哩（相當於時速103公里）的速度，但後續的實驗量出來最快卻只有40英哩（相當於時速64.4公里，跟一種稱為靈提的獵犬差不多）。

為了找出這些苗條的傢伙到底最擅長哪部分，研究團隊在五隻野生獵豹身上裝上檢測器來追蹤牠們的行動。這個檢測器可以用來記錄速度、加速度、減速度和位置。最後經過17個月，共收集了367個跑步的數據。

作者驚訝地發現敏捷度和機動性是獵豹捕獵過程中最重要的關鍵。牠們的確有能力跑出高速，有隻名為法拉利的獵豹跑出了時速93公里的速度。但是總平均下來，時速最高只有53公里，而且這樣的速度也無法持續維持。另外，在成功捕獵和失敗的打獵過程中，科學家發現兩組不同速度的獵豹並無明顯的捕食差異。換句話說，超級快的獵豹和稍快一點的獵豹，牠們捕食成功的機率是差不多的。

研究資料顯示了這些獵豹是動物界中「加速度和減速度『最快』」的冠軍，獵豹可以在一次的跨步中增加或減少時速14.5公里。牠們的肌肉每公斤可以輸出100瓦的功率，這是陸生動物中單位重量輸出最高的功率。比較一下，全世界最快的紀錄保持人，來自牙買加的短跑選手Usain Bolt，他的每公斤肌肉只產生25瓦的功率。因此，比起單純的高速，獵豹真正致勝的關鍵，是牠們能夠在瞬間加速、又能在瞬間減速，持續緊跟著獵物不放，逮到時機一把撂倒獵物。

傳統上的思維都把獵豹描述成破曉殺手，待在開曠的草原上靜靜注視著，直到逼近到幾百公尺外，如鳴起賽跑槍聲一樣，倏然地展開精采的生死追逐戰。最新的研究則顛覆了這個想法：獵豹的確在白天展開殺戮，不過有半數的追逐時間是發生在灌木叢、疏林草原等具有很多植被的地方，好讓獵物處處碰壁、反應不及，最終成為獵豹的午餐了。

參考文獻：

1. Chow, D. 2013. Hunting Cheetahs Rely More on Agility Than Speed. Livescience.http://www.livescience.com/37372-cheetah-running-hunting-behavior.html
2. Wilson, A. M., Lowe, J. C., Roskilly, K., Hudson, P. E., Golabek, K. A. & McNutt, J. W. 2013. Locomotion dynamics of hunting in wild cheetahs. Nature 498, 185-189.http://dx.doi.org/10.1038/nature12295

———————————————————————-

本文原發表於科學Online-科技部高瞻自然科學教學資源平台，經授權轉載。

「科學Online」在科技部高瞻計畫指導下執行，為一具有指標性與權威性的科教網站，擁有以大學教授為主的專業責任編輯群，強調科學知識推廣的正確性，涵括豐富的自然科學實驗與講座影音、教學與學習資源、科技報導、科學圖鑑等，並結合App、Podcast與社群網站等媒體，提供科學教育多元且無地域界限的自主開放學習園地。