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

經典兒童動畫系列《海綿寶寶》（SpongeBob SquarePants）裡，主要角色海綿寶寶、派大星、蟹老闆、章魚哥等，還有其他海洋生物，各個人模人樣。就算沒穿上衣，也至少套了件褲子。^[1]這裡其實有個值得深思的前提：任何動物倘若想學人類穿褲子，得先搞清楚下半身在哪裡。^[2]而根據 2023 年 11 月登載於《自然》（Nature）期刊的海星論文，^[3]我們能大膽宣告：派大星不應該穿褲子。不是會被海水沖走的那種乾脆別穿，而是根本就不曉得該怎麼辦的只好不要穿。

棘皮動物 vs. 兩側對稱動物

海綿寶寶有次請派大星，把新鞋穿在腳上給牠看。「你會想看我穿在…手上嗎？」派大星問。睿智又隨和的海綿寶寶覺得都可以，畢竟手套也能戴在腳上。^[4]此處劇情的安排，很巧妙地迴避了一個相當關鍵的問題，那就是如何區分海星的身體部位。

如果今天討論的是狗、蝙蝠、蜘蛛、鯊魚，甚至蛞蝓，這些動物的身體，皆有明確的頭尾以及對稱的兩邊。因此，就算找不到手、腳，也能硬把褲子套在下半身。^[2]海星、海膽等棘皮動物（echinoderms），跟昆蟲、軟體動物、脊椎動物一樣，都是從左右對稱的祖先演化而來。^{[3, 5]}現代海星幼年時期的外型，也還是兩側對稱動物（bilateria）的模樣；不過長著、長著就長歪了，變成由數瓣完全相同的單位，所組成的放射狀造型。^{[2, 3, 5]}嘴長在底部中央，肛門則於背面朝上，^[2]與擬人化還迸出眼睛、眉毛的派大星，大相逕庭。

海星頭尾的假說

生物學家早已知道，海星內部有內骨骼、肌肉，以及消化、水管和中樞神經系統等。然而，過往對其頭尾的方向順序，卻有多種不同的假設，例如：某隻觸角為首，對面那邊就是尾；每隻觸角各司其職，依序繞一圈，分別擔任從頭到尾的身體部位；由正中央的頭朝末梢，箭靶般向外劃分；或是蛋糕般由下而上層疊，整隻倒栽蔥等。^[3]

《自然》期刊這篇論文的美、英研究團隊，抓成年的 Patiria miniata 海星，來跟兩側對稱動物，比較基因分佈，以驗證上述的假說何者正確。比方說，一個活化的基因，若通常位在其他動物的頭部；我們就可以將它出現於海星身上的區塊，也視為頭部。^[3]

海星有頭無身

研究團隊在Patiria miniata海星身上，比對到一些活化的前腦（forebrain）、中腦（midbrain），以及中腦與後腦（hindbrain）交界的基因，確定海星有頭部。然後，就沒有然後了。^{[2, 3]}尋遍不著軀幹在哪的研究團隊表示，所謂的「觸角」或「腕」，其實是頭的延伸。^[5]總之，以前的那一堆假說全錯，而且海膽等其他棘皮動物，很可能也是這種只有頭的情形。^[2]換句話說，符合最新科學描述的派大星，應該是顆嘴巴貼著海床，沒穿褲子的頭，靠著周圍密佈的管足移動、覓食。^[5]

多數動物發展出兩側對稱的身體後，不會再走回頭路。^[2]海星倒著幹就算了，還在途中搞丟了軀幹，而且不曉得是什麼時候遺失的。研究團隊等於才剛解開一個謎團，馬上又發現了新的問題。接下來可得埋首化石堆，弄清楚海星在演化的過程中，發生了什麼事。^[5]

1. ‘List of SpongeBob SquarePants characters’. Wikipedia. (Accessed on 05 NOV 2023)
2. Nature Video. (02 NOV 2023) ‘How would a starfish wear trousers? Science has an answer’. YouTube.
3. Formery L, Peluso P, Kohnle I, et al. (2023) ‘Molecular evidence of anteroposterior patterning in adult echinoderms’. Nature.
4. ‘SpongeBob SquarePants: Your Shoe’s Untied/Squid’s Day Off’. IMDb. (Accessed on 03 NOV 2023)
5. Davis N. (02 NOV 2023) ‘Starfish ‘arms’ are actually extensions of their head, scientists say’. The Guardian, Australia.

到海邊戲水時，不知大家是否曾注意過，海水漲退潮之間的潮間帶，可能會出現一朵朵黃綠、青褐或帶些紫色，像小菊花般的生物？只要輕輕一碰，牠的觸手就會迅速縮起，所以也被稱作「海中的含羞草」。 

這個生物的名字叫做菟葵 (zoanthid) ，俗稱「鈕扣珊瑚」，是介於珊瑚與海葵的生物^[1]。因爲具有美麗的色彩，故常被用來作為水族箱的裝飾；但其實菟葵並不如牠的外表和別稱這麼可愛，反而暗藏著能致命的劇毒！

==【密集恐懼症警告！】==

==【會害怕的大家趕緊撤離！】==

神秘的外表下隱藏劇毒？！

菟葵泛指所有「群體海葵目」的生物，故又稱群體海葵；其下游物種繁多，主要分布於熱帶及亞熱帶海域。牠們的體內的共生藻類除了可提供宿主能量之外，也使得牠們體表色彩豐富多變^{[2, 3]}。

不過菟葵並不像珊瑚，擁有分泌堅硬石灰質骨骼的能力，所以為了保護自身組織，菟葵會在其所附著的地方分泌黏液，這些黏液會隨著時間變硬，形成幾丁質外殼，以作為替代骨骼^{[2, 3]}。

菟葵單體含有一個直徑約 10 毫米的開口，為平滑且寬大的口盤，外圍處有兩圈短小觸手，並透過共肉組織 (coenenchyme) 聚集在一起^[3]。

這些觸手一經碰觸就會像含羞草似地收縮，埋入共肉組織裡，因此常引起前來潮間帶戲水的遊客或潛水員的好奇觸摸，但部份的菟葵含有「菟葵毒 (palytoxin; PLTX)」，很容易就不小心引起中毒^[4]。

中毒的後果不堪設想

摸到菟葵而中毒到底會有多嚴重呢？

2008 年德國 1 名男子於家中清理水族箱時，手指不慎碰觸到菟葵後，感到四肢無力、肌肉疼痛、顫抖，隨後出現暈眩及言語障礙等症狀，經治療 4 星期後才完全康復^[3]。

除了直接觸摸之外，菟葵毒素也會經由食物鏈，蓄積於高階生物體當中，所以會食用菟葵或藻類的生物，如螃蟹、河魨或其他魚類等，體內都有可能蓄積毒素。在臺灣，就發生過多起人類食用水產品所造成的中毒案例^[2]。

臺灣最嚴重的中毒案例發生於 2011 年，臺東縣 1 位漁民捕獲俗稱青鱗仔的小沙丁魚，分送給親友們食用，結果有 2 人食用後感到舌頭麻痺，出現嘔吐、胸痛及全身刺痛等中毒症狀，其中 1 人死亡^[3]。

還有 2000 年，臺灣 1 名歲男子食用 3 尾米點箱魨 (Ostracion meleagris) 後感到不適、冒汗和呼吸困難，送醫後出現呼吸衰竭、血壓下降且心律不整等症狀，經醫院緊急治療後，心臟功能才恢復正常。但由於橫紋肌溶解症，導致急性腎衰竭、寡尿症狀持續 20 天之久，一個月後才康復出院^[3]。

塗在矛上的劇毒

這麼可怕的毒素，被研究者發現的時間其實並不長，約 40 年左右而已。

當初發現的由來，是源自於夏威夷 Muolea 地區，當地湖泊裡，生長著擁有劇毒的藻類，原住民會採集該毒藻塗抹於矛上製成毒矛，其毒性足以使獵物致命。後來經過許多學者前往採樣進行調查，1971 年終於成功純化出毒素，確認為——菟葵毒^[5]。

之後學者陸續發現，菟葵毒存在於許多生物體內，例如 Palythoa 屬及 Zoanthus 屬之菟葵及 Ostreopsis 屬的渦鞭毛藻皆有，與菟葵生活區鄰近的海洋生物，如海星、軟珊瑚或多毛蟲等，體內亦有發現菟葵毒^[3]。

不過有研究指出，從菟葵 (Palythoa caribaeorum) 分離出的細菌裡，發現具有類似菟葵毒之溶血活性。此外，也有學者從其他種細菌中分離出菟葵毒，所以大家推測，細菌也可能是菟葵的毒素來源^[3]。

菟葵毒分子結構龐大又複雜，比河魨毒更毒

菟葵毒為無色、易吸濕之非結晶性固體，外觀沒有固定形狀，為水溶性，具耐熱性。

其化學式為 C₁₂₉H₂₂₃N₃O₅₄，分子量為 2680.13 Da，結構複雜且分子量龐大，並存在著許多異構體以及結構類似物^{[註 1]}。

而在毒理學中，半數致死劑量 (lethal dosage 50%; LD₅₀) 是描述有毒物質的常用指標之一，意為動物實驗中，能致使實驗動物產生百分之五十比例之死亡所需要化學物質之劑量。通常毒素給予實驗動物的方式，分為口服、靜脈注射和腹腔注射，不同的給予方式，毒性亦略有差異。

那麼菟葵毒的毒性到底有多強？其實它在非蛋白質類的生物毒中是最強的，就小鼠腹腔注射之 LD₅₀ 來看，為 0.15～0.72 μg/kg (體重)^[3]，大約是河魨毒素 (tetrodotoxin) 之 20～80 倍^{[註 2]}，毒性強度遠高於之前筆者所介紹過的麻痺性貝毒及河魨毒。

延伸閱讀：

《在海產店吃盤「塔香西施舌」然後就死掉了？——來認識致命的「麻痺性貝毒」》
《推理系動畫毒殺利器！——認識致命的「河魨毒」》

不知道的海洋生物不要摸也不要吃

令人眼花撩亂的菟葵毒及其各類似物，毒性雖略有差異，但致毒機制大致相同。

身為神經毒素的菟葵毒，其引起中毒主要的症狀為發燒、噁心、嘔吐、呼吸困難、心律不整，或橫紋肌溶解所造成之肌肉疼痛，亦會引發其它藥理反應，如骨骼肌、平滑肌和心肌的收縮，及血小板的聚集等^{[2, 3]}。

菟葵毒的毒性不但猛烈，菟葵本身分佈的地區也不算少數——太平洋地區、西印度群島、牙買加、波多黎各及巴哈馬，以及臺灣的東北角、墾丁與綠島，均有出現的記錄^[2]。

此外，菟葵毒的研究歷史，不如麻痺性貝毒、河魨毒來得悠久，還有許多未知的地方。故呼籲大家，在進行夏日戲水活動時，請不要隨意觸摸不知名的海洋生物，也不要食用自行捕撈或來路不明的水產品，以避免菟葵毒中毒。

註解

1. 結構類似物 (structural analog)，是指一系列的化合物在主結構上大致相同，但部分結構會有一個或多個原子、官能基或子結構不同，造成它們之間的化學特性不太一樣。
2. 河魨毒素 (tetrodotoxin) 之腹腔注射之 LD₅₀ 是 12.5～16 μg/kg (體重)^[8]。

參考資料

1. 鄭源斌，2021。美麗菟葵 新藥寶庫？。科學人，230: 12。
2. 吳尚宜，2017。基隆產珊瑚菟葵種屬的基因鑑定及其毒素對細胞毒性之探討。國立台灣海洋大學食品科學所碩士學位論文。基隆。
3. 葉子寧，2018。基隆產菟葵 Palythoa tuberculosa 之季節毒性分析及菟葵毒萃取液之細胞毒性探討。國立台灣海洋大學食品科學所碩士學位論文。基隆。
4. 社團法人台灣環境資訊協會，2016。海中的有毒含羞草—菟葵。台灣珊瑚礁體檢志工快訊。
5. Moore, R. E. and Scheuer, P. J. 1971. Palytoxin: a new marine toxin from a coelenterate. Science 172: 3982 495-498.
6. Aratake, S., Taira, Y., Fujii, T., Roy, M. C., Reimer, J. D., Yamazaki, T. and Jenke-Kodama, H. 2016. Distribution of palytoxin in coral reef organisms living in close proximity to an aggregation of Palythoa tuberculosa. Toxicon 111 86-90.
7. Pelin, M., Brovedani, V., Sosa, S. and Tubaro, A. 2016. Palytoxin-containing aquarium soft corals as an emerging sanitary problem. Marine drugs 14: 2 33.
8. Abal, P., Louzao, M. C., Antelo, A., Alvarez, M., Cagide, E., Vilariño, N., Vieytes M. R. and Botana, L. M. 2017. Acute oral toxicity of tetrodotoxin in mice: Determination of lethal dose 50 (LD50) and no observed adverse effect level (NOAEL). Toxins 9: 3 75.