象鼻蟲的「螺旋腿」

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

• 前情提要：不存在的某櫛角菊虎？——分類學家偵探事件簿（一）
• 前情提要：沒有菜市場名這回事，分類學只允許一個「家豪」的存在！——分類學家偵探事件簿（二）

特產於澳洲的刺葉樹和刺葉樹象鼻蟲

刺葉樹（Xanthorrhoea; grasstrees）是僅分布於澳洲的特有植物，木質莖幹頂上有一圈又細又長的葉子，開花季時會從頂上長出一根細細長長的花柄，常被利用為園林造景植物，澳洲原住民傳統上也會利用刺葉樹的樹脂於器具製作和容器修補。

刺葉樹象鼻蟲（Paratranes）是體態呈長橢圓形而扁平的黑色象鼻蟲，和刺葉樹有著相存相依的伴生關係，更是僅僅分布於澳洲的獨特昆蟲。

在我們最新發表的分類學研究論文中^[2]，我們確認了本屬有兩個物種，分別為長細刺葉樹象鼻蟲（Paratranes monopticus (Pascoe, 1870)） 和一個全新物種——齊氏刺葉樹象鼻蟲（Paratranes zimmermani Hsiao & Oberprieler, 2021），這個新物種紀念來已故的澳洲象鼻蟲分類學家埃爾伍德．齊默爾曼（Elwood Zimmerman）以彰顯這位極具貢獻的分類學者。

不是新發現，是前人搞錯了！

不過這次的研究並非是在田野調查中找到了新物種，而是過往研究中，出現了把不同物種當作同一物種的狀況。

1898 年，亞瑟．米爾斯．李（Arthur Mills Lea）描述了一種外型與長細刺葉樹象鼻蟲極為相似的物種 Tranes xanthorrhoeae Lea, 1898。

我們重新比對李在 1898 年發表的科學文獻與模式標本，發現在原始文獻中，並未指定正模式標本（Holotype），而文獻中引用的不同物種的複數標本，全被視為同一種物種的群模式標本（Syntypes）。

模式標本是什麼？

分類學家除了形態分類鑑定外，「維穩生物的學名分類系統」也是相當重要的任務。為了避免相同物種被重複命名，或是不同的物種被當作同一種，分類學家會用實體標本來說明特定物種的特徵，這些標本統稱為「模式標本（Type specimens）」。

在分類學中，模式標本作為物種發表時的實體存證，是回顧前人描述的物種，重新對其物種假說地位進行檢視的客觀證據。

具有權威性的模式標本，或稱為「具（載）名模式標本（Name-bearing type）」有三類，分別為「正模式標本（Holotype）」、「群（總）模式標本（Syntype）」和「選模式標本（Lectotype）」。

其中，群模式標本是研究者描述一個物種時，指定多個標本來代表該物種，而每具標本皆能定義該物種，但這產生了一個問題，在群模式標本中，不小心混入其他物種該怎麼辦呢？

為了避免這個狀況，生物分類命名規約規定，後人學者可重新指定這些群模式標本中的其中一隻，作為代表該物種定義的唯一模式標本，這個被再次選出來的模式標本，就叫「選模式標本」。

一般來說，若群模式標本都是同一物種的話，並不需要特別挑選選模式標本（Lectotype）。但李用來引證 Tranes xanthorrhoeae Lea, 1898 的群模式標本中，混合了兩個物種，分別是長細刺葉樹象鼻蟲，以及被李誤認為是 Tranes xanthorrhoeae Lea, 1898 雌性個體的新物種，也就是後來被我們新分類出來的齊氏刺葉樹象鼻蟲，而面對這種情況，就必須特別思考該用哪一個物種當作選模式標本。

分類學家的決策過程

選模式標本的選擇，並不只是為物種選擇正確的模式標本這麼簡單。以李的情況為例，背後就牽扯到 Tranes xanthorrhoeae Lea, 1898 這個學名最後會代表什麼物種，以及李是否發現了新物種。

就李的狀況，分類學家會有以下兩種做法：

• 方案一：若指定了長細刺葉樹象鼻蟲為選模式標本，也代表李當初沒有發現新物種，新物種只是不小心混入群模式標本中，而 Tranes xanthorrhoeae Lea, 1898 這個學名，就會等同於長細刺葉樹象鼻蟲，由於 Tranes xanthorrhoeae Lea, 1898 的出現時間晚於長細刺葉樹象鼻蟲，因此它將成為細刺葉樹象鼻蟲的同物異名 (Synonym)，而另一個新物種需要重新命名（這也是我們最終選擇的方案）。
• 方案二：如果選擇新物種為選模式標本，也代表李當初確實發現了新物種，只是群模式標本中混入了長細刺葉樹象鼻蟲，這時 Tranes xanthorrhoeae Lea, 1898 的意義，將變成與長細刺葉樹象鼻蟲相異的新物種，Tranes xanthorrhoeae Lea, 1898 就會變成新物種的有效學名，我們也不需要再另外描述命名一個新種了。

那麼作為一個專業的分類學家，我們應當選哪個方案呢？

在參考李對 Tranes xanthorrhoeae Lea, 1898 的原始描述後，我們發現李在形態描述，大部分只有長細刺葉樹象鼻蟲的形態，而新物種的描述卻是寥寥數語，因此我們選擇了方案一，認為李並沒有發現新物種。

除了發現、描述未知的生物多樣性，分類學家更應回顧過去前人所做的研究，考據、檢視過往的文獻以及模式標本以檢驗物種假說，並作出合理的決策處置。這個研究成果也再次將澳洲的象鼻蟲分類學往前推進了一步。

• 本論文日前已經線上刊載於《歐洲分類學期刊 European Journal of Taxonomy》
• 此文響應 PanSci 「自己的研究自己分享」，以增進眾人對基礎科學研究的了解。

1. Lea A.M. (1898) Descriptions of new species of Australian Coleoptera. Part V. Proceedings of the Linnean Society of New South Wales 23: 521-645.
2. Hsiao, Y. & Oberprieler, R.G. (2021). A review of Paratranes Zimmerman, 1994, Xanthorrhoea-associated weevils of the Tranes group (Coleoptera, Curculionidae, Molytinae), with description of a new species. European Journal of Taxonomy 767, 117-141. https://doi.org/10.5852/ejt.2021.767.1493

這篇是由分遺100級第六組同學與老葉合力完成的

自然界中處處可看到奧妙的機械設計提供我們採借。像我們肩關節的構造就被應用在方向盤和車輪間的轉軸上；但是先出現在工程機械的設計上，過後才在自然界發現的例子就相當少見。

在今年(2011)七月一日的「科學」雜誌上，德國的研究團隊發現了一種象鼻蟲(Papuan weevil，Trigonopterus oblongus)的髖關節向內和向外轉動就像一個螺絲(1)；他們的「螺旋腿」的螺紋為410度，髖關節內有相對應的溝槽（如下圖）。

象鼻蟲的髖關節跟大腿。圖片連結網址：維基百科

腿部的肌肉則用來控制腿旋轉的角度（超過一圈喔！）；研究團隊認為這種「螺旋腿」的構造可以提供牠們在樹上進食時有更多的彈性，同時也讓他們在休息時有更多的穩定性。畢竟，要讓「螺旋腿」脫臼的難度比讓球型與窩狀關節要難得多。

筆者小時候曾經玩過椿象，對於牠的腿可以轉那麼大一圈留下非常深刻的印象（以為自己把牠的腿弄斷了，沒想到一翻回來一骨溜就跑掉了…），不知道原來他們的關節那麼有趣，還可以刊登在「科學」期刊上，真是扼腕啊…

見見巴布亞象鼻蟲本尊吧！

圖片來源：維基百科

他比我小時候玩過的椿象看起來帥多囉…

參考文獻：

1. ScienceNow. 2011/6/30. ScienceShot: A Beetle With Screws for Legs – ScienceNOW

在上一篇文章我們介紹了闊胸波溫蘇鐵象鼻蟲 (Miltotranes prosternalis) 的生態習性（見一生只為一人傳情，卻被誤解了 16 年的波溫蘇鐵象鼻蟲），也帶大家認識了蘇鐵這類外型類似棕櫚的熱帶、亞熱帶木本裸子植物，它們有著經濟重要性，可被作為田園造景植物，也身居保育價值而名列於國際自然保護聯盟 IUCN 的保育名錄和《瀕臨絕種野生動植物國際貿易公約》 (CITES) 附錄。

雖然蘇鐵含有有毒物質──蘇鐵苷，會造成肝腸胃道疾病以及具備神經毒性，然而世界一些地方的原住民，仍然會將蘇鐵樹幹磨粉後，再進行反覆淘洗等工序來去除毒性以供食用，日本奄美群島的居民甚至會利用琉球蘇鐵的種子來製作「蘇鐵味噌」。

而在人工栽培的蘇鐵身上，卻有著讓園藝栽植者氣到大喊：「有沒有學生要來研究怎麼防治牠呀？」並公開呼籲設立專項研究生獎學金的澳洲蘇鐵蛀莖象鼻蟲，這到底是怎麼一回事呢？

蛀食蘇鐵莖幹的澳洲象鼻蟲

蘇鐵褐蛀象鼻蟲 (Demyrsus) 和蘇鐵黑蛀象鼻蟲 (Siraton) 是僅分佈於澳洲的象鼻蟲特有屬別，幼蟲會蛀食蘇鐵的莖幹，這兩個屬別的象鼻蟲在澳洲的天然寄主植物是鱗木澤米蘇鐵 (Lepidozamia) 及大澤米蘇鐵 (Macrozamia) 兩類蘇鐵。

在野外，牠們僅會侵襲死亡或生病不健康的個體，並不會造成危害，然而在人工環境如植物園、花園和苗圃場內，牠們被發現除了澳洲蘇鐵外，他們還能攻擊外國產的蘇鐵類群，並造成大量死亡，有曾經意外被引入美國、義大利、比利時和南非的紀錄，甚至當初蘇鐵黑蛀象鼻蟲這個屬被發現時，就是以在義大利採集的標本所發表描述的，事隔多年人們才發現牠並不產於義大利而是遙遠的澳大利亞。

蘇鐵是一種生長速度非常慢的植物，所以可想而知栽種者大半輩子的心血付之一炬的痛心，甚至曾經有位蘇鐵愛好者在園藝雜誌上呼籲設立一個研究生獎學金機會來資助防治這種象鼻蟲，可見得該苦主有多麼悲憤。

由於這些象鼻蟲蛀食的位置非常深而且蘇鐵莖幹質地又非常堅硬，當園主發現後院的蘇鐵盆栽漸漸落葉，並且有不明的甲蟲鑽出時，感染狀況早已病入膏肓，而這些特性也造成現行的藥劑施用仍無能為力，所以目前僅能靠限制大型野生植株進口和檢疫來管控，以期能減少意外攜入這些「澳客」的機會，國際自然保護聯盟 IUCN 蘇鐵專家群已經將這兩類象鼻蟲都列為最高威脅層級的蘇鐵害蟲，幸好目前都是零星的發現紀錄，尚且沒有在國外長期立足的狀況。

澳洲蘇鐵蛀莖象鼻蟲的分類學研究

在我們 2020 年底發表於澳洲昆蟲學會的學術期刊「南方昆蟲學 Austral Entomology」的論文中 (Hsiao & Oberprieler, 2020)，我們研究了蘇鐵褐蛀象鼻蟲和蘇鐵黑蛀象鼻蟲的分類學，我們檢視了成蟲、蛹和幼蟲形態，重新釐清和定義了屬級和種級的特徵，整理了完整的物種形態鑑定資料，並提供了成蟲和終齡鑑定檢索表和地理分佈圖，在我們的研究過程中，除了已知種的蘇鐵褐蛀象鼻蟲 (D. meleoides)、中間蘇鐵黑蛀象鼻蟲 (S. internatus)和羅氏蘇鐵黑蛀象鼻蟲 (S. roei)。

我們驚訝地發現產於北昆士蘭的蘇鐵褐蛀象鼻蟲是一個尚未被世人發現的全新物種，我們將新種象鼻蟲命名為鋼鑽蘇鐵褐蛀象鼻蟲 (D. digmon)，學名源自日本經典卡通「數碼寶貝大冒險 02」中的裝甲體昆蟲型數碼獸「鋼鑽獸 ディグモン」命名，鋼鑽獸擁有操縱大地的力量，可旋轉鑽頭在地面給予沖擊以引起地割，跟我們這種鑽到蘇鐵莖幹深處害蘇鐵死亡的象鼻蟲非常地相似。

另外我們透過蘇鐵物種和象鼻蟲分佈的比較，也列出了數種潛在的蘇鐵寄主種類，可供有關檢疫單位參考，由於我們所發現的此新物種的標本籤上明確記載著會攻擊非洲特有的稀有蘇鐵──非洲蘇鐵屬 (Lepidozamia)，所以很有可能也有潛在的危害性。

熟悉的蘇鐵最對味──澳洲蘇鐵蛀莖象鼻蟲的跨屬危害及演化啟示

如前文所述，蘇鐵褐蛀象鼻蟲和蘇鐵黑蛀象鼻蟲除了澳洲產的蘇鐵之外，還能危害外國產的蘇鐵，而在分析手邊的危害紀錄後，我們發現了有趣的生物學現象，雖然兩類象鼻蟲可以攻擊好幾屬外國的蘇鐵，然而根據統計，危害的記錄集中在非洲蘇鐵屬 (Encephalartos) 的物種上。

如果我們將這樣的寄主偏好連結上蘇鐵的演化樹，我們驚奇地發現非洲蘇鐵和作為天然寄主植物的澳洲鱗木澤米蘇鐵及大澤米蘇鐵是共同形成一個支序，是共享最近血緣的近親類群。

在演化上的近緣性說明了這些蘇鐵可能在生理上特性相近，所以當這些象鼻蟲意外的被帶到遙遠的異鄉國度，身為澳洲蘇鐵親戚的非洲蘇鐵因此對於這些象鼻蟲更好「入口」，可說是最熟悉的異國料理。

另外，由於澳洲和非洲從前都是從岡瓦那古大陸分離，所以這些象鼻蟲攝食起蘇鐵的起源也令人相當地好奇，到底這樣的食性是在岡瓦那古陸時期就已經演化生成，並且根據澳洲蘇鐵有著非洲蘇鐵遠親的鏡像性，澳洲蘇鐵蛀莖象鼻蟲在非洲也曾經有著類似的近親象鼻蟲兄弟但後來因不明原因滅絕，抑或是說這些象鼻蟲是正港澳洲出產的特有類群，牠們是澳大利亞自岡瓦那古大陸分離後才誕生演化出來，後天水平地獲得了這種「口味偏好」(土生土長的台灣人在習慣台式炸排骨後，某一天嘗到日式炸豬排後不可自拔？)，雖然值得研究的細節還很多，但我們目前並沒有發現有任何證據支持前者的「兄弟滅絕說」。

總而言之，從演化生物學上的觀察我們得以呼籲園藝業者、愛好者和植物園經營方，如果你不想要你心愛的蘇鐵植株死亡，那麼你應該要避免引進野生的鱗木澤米蘇鐵及大澤米蘇鐵，並將其與非洲蘇鐵種植在一起。

參考文獻

Hsiao, Y. Oberprieler, R.G. 2020. A review of the trunk-boring cycad weevils in Australia, with description of a second species of Demyrsus Pascoe 1872 (Coleoptera: Curculionidae). Austral Entomology 59 (4): 677-700.

這篇是由分遺100級第六組同學與老葉合力完成的

自然界中處處可看到奧妙的機械設計提供我們採借。像我們肩關節的構造就被應用在方向盤和車輪間的轉軸上；但是先出現在工程機械的設計上，過後才在自然界發現的例子就相當少見。

在今年(2011)七月一日的「科學」雜誌上，德國的研究團隊發現了一種象鼻蟲(Papuan weevil，Trigonopterus oblongus)的髖關節向內和向外轉動就像一個螺絲(1)；他們的「螺旋腿」的螺紋為410度，髖關節內有相對應的溝槽（如下圖）。

象鼻蟲的髖關節跟大腿。圖片連結網址：維基百科

腿部的肌肉則用來控制腿旋轉的角度（超過一圈喔！）；研究團隊認為這種「螺旋腿」的構造可以提供牠們在樹上進食時有更多的彈性，同時也讓他們在休息時有更多的穩定性。畢竟，要讓「螺旋腿」脫臼的難度比讓球型與窩狀關節要難得多。

筆者小時候曾經玩過椿象，對於牠的腿可以轉那麼大一圈留下非常深刻的印象（以為自己把牠的腿弄斷了，沒想到一翻回來一骨溜就跑掉了…），不知道原來他們的關節那麼有趣，還可以刊登在「科學」期刊上，真是扼腕啊…

見見巴布亞象鼻蟲本尊吧！

圖片來源：維基百科

他比我小時候玩過的椿象看起來帥多囉…

參考文獻：

1. ScienceNow. 2011/6/30. ScienceShot: A Beetle With Screws for Legs – ScienceNOW