除了左鎮人，還有哪些古代人們在台灣生活過？

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

馬丘比丘（Machu Picchu）可謂世界知名的遺跡，觀光客前仆後繼。後世外人神秘的想像下，這兒其實是印加帝國王室冬季渡假的離宮，平時有一批工作人員長住。公元 2023 年發表的論文，透過古代 DNA 分析，證實這群人來自南美洲各地。

印加王室專屬的服務團隊

馬丘比丘位於現今的秘魯南部，安地斯山區海拔 2450 公尺之處，距離印加帝國的首府庫斯科（Cusco）約 75 公里，只有幾天路程。此處當年是一片完整的園區，足以容納數百人，王室成員會在冬天造訪（南半球的冬天，就是台灣所屬北半球的夏季月份）。

即使是使用淡季，馬丘比丘也住著不少工作人員；從遺留至今的墓葬，可以見到他們的存在。園區由 15 世紀初開始營業，到印加帝國 16 世紀滅亡為止，此後與外界斷絕聯繫數百年，一直到 1912 年，美國調查隊再度「發現」這處世界奇觀。

馬丘比丘總共留下 107 座墓葬，174 位長眠者。這群人顯然不是印加王室，應該是歷代的服務團隊。以前有許多證據，根據不同手法與思維，支持馬丘比丘的工作員來歷很廣。例如這兒的陶器，各地風格都有。

誰在馬丘比丘工作呢？發跡於庫斯科的印加帝國，後來成為廣大疆域的征服者，有一套「米塔（Mita）」制度調用各地的資源與人力。這套韭菜輪替，後來被西班牙殖民者沿用加改造，成為恐怖的剝削機器，也算是南美洲國家現今社會問題的一個根源。

然而，馬丘比丘的工作人員應該不是米塔制度的服役者，而是「亞納柯納（yanacona）」。他們是王室專屬的服務人員，來自帝國各地，小時候就離開家鄉，接受培育以服務王室。

來自印加各地，還有帝國以外的亞馬遜

這項研究由馬丘比丘的墓葬取得 34 個古代基因組，以及附近烏魯班巴谷（Urubamba Valley）的 34 位古代居民樣本，他們代表當地原本的鄉民。

分析發現，印加帝國能接觸到的地區，當地特色的血緣都能在馬丘比丘見到。唯一例外是帝國最南端，現今智利中部、阿根廷西部那一帶。這使得馬丘比丘，成為印加帝國 DNA 多樣性最高的地點。

但是我不覺得，這等於馬丘比丘存在多樣性很高的「遺傳族群」。分析對象中只有一對母女，其他人都沒有血緣關係。這群人的 DNA 差異大，是因為持續有一位又一位孤立的人，從不同地方被帶進來，整群人只能算特殊個體的集合。

不過遠離家鄉，服務終生的亞納柯納們，彼此間還是可以結婚生小孩的。

性別方面有細微的差異。整體而言，男生具備較多安地斯高地的血緣，女生則配備更多高地以外族群的血緣。一個因素是，有些女生來自更遠的地方，例如文化有別的亞馬遜地區。

印加帝國對亞馬遜的政治勢力不是征服關係，似乎大致上對等。有些亞馬遜的女生大概出於交流目的，來到印加帝國。至少長眠於馬丘比丘的這幾位，生前受到的待遇看來不錯。

山區到更高山區的情慾交流

對於更在地的族群調查，發現一件有趣的事。庫斯科附近的人群，以「秘魯南部高地」血緣為主，可以視為長居本地的血緣。一部分人卻也能偵測到，與更高山上之「的的喀喀湖（Titicaca）」的居民共享血緣。

庫斯科與的的喀喀湖，兩個地區有點距離，考古學證據指出，早於 2500 年前兩地間就存在交流。而遺傳學分析則支持，兩地存在情慾流動；可惜現有樣本，不太能精確判斷交流發生的年代。

• 延伸閱讀：短篇 的的喀喀湖畔居民有魚和玉米，但是不太吃，主食馬鈴薯，藜麥，再來一點草泥馬

來自亞馬遜的媽媽，女兒，爸爸

這批調查對象中，我覺得長眠於馬丘比丘的那對母女最有意思，值得特別思考。這對母女都是百分之百的亞馬遜西北部血緣，長眠於同一墓穴，兩者的關係在當時有被強調。

「亞馬遜」的面積妖獸大，印加帝國最有機會接觸的，應該是距離安地斯東方不遠的區域，也就是亞馬遜的西部和西北部。不論如何，亞馬遜有自己的一套，印加帝國與其有所交流，不過始終無法將其納入統治。

征服到山與海的盡頭！以及雨林的邊緣……

根據牙齒中鍶的穩定同位素，可以判斷一個人小時候在哪兒長大。媽媽 MP4b 成長於亞馬遜地區，表示她在長出恆齒後才抵達安地斯。

她的女兒 MP4f 則無法判斷具體地點，不過應該位於安地斯山區。兩人後來都在馬丘比丘服務，去世後長眠於此。

女兒沒有其餘地區血緣的特色，意謂女兒的爸，也配備百分之百的亞馬遜西北部 DNA，只是在馬丘比丘墓葬中看不到他。

印加帝國興起，亞馬遜扮演什麼角色？

年代方面，媽媽算是長眠於馬丘比丘最早的一批人，處於印加建國的初期，甚至有可能早於開國之日。

• 延伸閱讀：馬丘比丘的落成年代，印加建國比歷史紀錄更早？

依照歷史敘事，印加帝國始於「印加太祖」帕查庫特克（Pachacuti）擊敗昌卡人（Chanka）。印加勢力征服烏魯班巴谷以後，才有機會建設其上方的馬丘比丘。而印加太祖登基的年份為 1438 年。

然而，針對馬丘比丘遺骸的放射性碳同位素定年（碳14），指出兩人的年代或許早於 1420 年。考古學家因此懷疑，印加帝國建國的實際年代比 1438 年更早，也許早在 1420 年已經完成建國大業。

亞馬遜西北部長大的媽媽 MP4b 之年代，剛好介於這段時期。不論如何，這都是明確的證據，支持印加帝國建國之初，和亞馬遜之間有一定程度的正面交流。而女兒的爸，身份也引人好奇。

他是當時亞馬遜政權派往印加的政治代表，或是軍事團助拳人嗎？還是替印加王室服務的商人，或是作戰的傭兵？他是在哪個地方，什麼情境下，與來自家鄉的女性生下女兒？最後，他本人最終的命運如何？

馬丘比丘在這對母女以後，至少還有四位純亞馬遜西北部血緣的女性長眠，延續到印加帝國的最後時期，當中至少兩位是在安地斯山區長大，和前輩女兒 MP4f 一樣。印加王室與亞馬遜的人口交流，貫串整段帝國時光。

古代 DNA 的分析，有相當客觀的套路，但是從中能牽引出的主觀議題千變萬化，非常有意思。

延伸閱讀

• 安地斯遺傳史，瓦里，莫切，納斯卡，印加
• 印加帝國統治下，集團遷徙民眾
• 2020 克拉克獎 — 制度如何長期影響經濟發展
• 從未消失的文明，一部重見原住民文化的帝國交錯史──《印加與西班牙的交錯》
• 羽毛帝國的誕生？安地斯與亞馬遜的交錯
• 短篇 瓦里帝國偏遠殖民地，加料啤酒更刺激
• 短篇 戰國時代，隨秦國公主陪嫁楚國的大夫？
• 歐洲人到來之前，美洲本土的金屬工具人
• 匈奴西側邊疆，女主與她們的手下？

參考資料

1. Salazar, L., Burger, R., Forst, J., Barquera, R., Nesbitt, J., Calero, J., … & Fehren-Schmitz, L. (2023). Insights into the genetic histories and lifeways of Machu Picchu’s occupants. Science Advances, 9(30), eadg3377.
2. Who lived at Machu Picchu? DNA analysis shows surprising diversity at the ancient Inca palace
3. Ancient DNA reveals diverse community in ‘Lost City of the Incas’
4. Burger, R. L., Salazar, L. C., Nesbitt, J., Washburn, E., & Fehren-Schmitz, L. (2021). New AMS dates for Machu Picchu: results and implications. Antiquity, 95(383), 1265-1279.

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜田偲妤
• 美術設計｜蔡宛潔

南島語族的起源與變遷

南島語族發源自何方？是學界長期探索的焦點，在眾多研究領域中，語言學界為分布在南太平洋與印度洋諸島的族群確立關係，分類命名為南島語族（Austronesian-speaking peoples） 。除此之外，還有許多語言證據指出，南島語族可能是從臺灣擴散出去。中央研究院「研之有物」專訪院內語言學研究所張永利研究員，為我們深入分析，臺灣南島語保存哪些其他南島語「丟失的現象」，可以藉此重建南島語族的發展源頭與遷徙路徑。

南島語族的發源地究竟在何方？目前已有越來越多證據指出，南島語族可能是從臺灣出發，遷徙至廣大的南太平洋與印度洋島嶼開枝散葉。

考古學家在臺灣、呂宋島、大洋洲等地出土相似的陶器碎片，經年代鑑定後發現，最早的繩紋紅陶陶器來自 5、6 千年前的臺灣大坌坑文化。植物學家則對各地的構樹樣本進行分子親緣分析，發現南太平洋島嶼的構樹應源自臺灣，推測先民帶著樹皮衣材料構樹，自臺灣遷徙至南太平洋諸島。

除了上述證據，還有一樣活在生活周遭的非物質遺產，能作為南島語族「出臺灣說」的有力證據，那就是臺灣原住民族正在使用的「語言」！

中研院語言學研究所是研究與推廣「臺灣南島語」的重要基地，走進語言所典藏豐富研究著作的展覽室，投身臺灣南島語研究近 30 年的張永利研究員，與我們熱情分享語言學家的工作。

各地南島語言的特徵與變遷，是語言學家長期探索的問題，多年來一位位研究者深入原住民族部落，用羅馬拼音一字一句記錄部落長者的口語發音，經由比較臺灣與其他地區南島語言的關連與特徵，南島語族的發展源頭與遷徙路徑就在歷代語言學家的重建下現形。

如何確定臺灣南島語更接近原始南島語？同源詞繁簡成線索

南島語族是總人口數近 4 億人的龐大族群，其分布範圍北到臺灣、南到紐西蘭、東到復活節島、西到馬達加斯加。臺灣是南島語族分布的最北界，目前官方認定的原住民族共有 16 族，每個族群都有自己的語言，在整個南島語族 10 個主要語言分支中，臺灣南島語就佔了 9 個分支，其語言多樣性與存古性為世界少見。

「曾有外國學者讚嘆：南島語言是上帝送給臺灣的禮物！」張永利逐步分析臺灣南島語的珍貴之處：「考古和語言證據推估，臺灣南島語至少有 5 千年歷史，而麻六甲海峽附近國家使用的馬來語只有 2 千多年而已。此外，臺灣南島語還保留一些其他語言丟失的現象。」

所謂「丟失的現象」正是語言學家證實臺灣南島語較古老、可能是南島語族早期祖居地的關鍵證據。藉由歷史語言學方法比較南島語言之間的親緣關係與發展先後，丟失的現象慢慢浮現，成為值得研究的案例。

首先，語言學家特別構擬出一套「原始南島語」作為比較標準，音韻、構詞、句法越接近原始南島語者，就越有可能是族群發源地。

要構擬出原始南島語並不簡單，語言學家無法穿越時空回到 5 千年前，必須集結全球語言學家的力量，深入各個南島語族聚落採集語言材料，再從中找出語音、語意相似的「同源詞」做比較。由於語言變化的過程經常發生「由繁趨簡」現象，因此發音越複雜的語言通常越古老，語言學家再從較古老的語言構擬出原始南島語。

張永利舉同源詞「眼睛」為例，說明臺灣南島語較為古老的原因。眼睛的原始南島語是「maCa」（大 C 的發音為 ts 複合音，同注音符號ㄗ），而臺灣的排灣語是「maca」，其發音與原始南島語相同。

再看看馬來語的眼睛是「mata」，ts 複合音明顯簡化成 t，發生語言「由繁趨簡」的現象，證明臺灣南島語比馬來語更古老。

張永利進一步解釋，為何「由繁趨簡」現象可看出語言發展的先後順序：「有人可能會質疑，為什麼語言不是從簡單變複雜，發音由 t 變成 ts？如果是這樣你要解釋，多出來的 s 音是怎麼無中生有。這就如同人類社會的變遷，從複雜變簡單通常有跡可循，但無中生有需要創新的力量，從來不是簡單的事。」

這些語言有畫面！從同源詞推測千年前的生活型態

同源詞還可以重建南島語族原初的生活環境。根據語言學家的觀察，能成為同源詞的單字通常是日常使用的基本詞彙，例如爸爸、媽媽等親屬稱呼、數字 1 到 10，或是眼睛、頭、手、腳等身體部位。

因此，如果還能發現動物、植物、生活器具的同源詞，代表這些事物是曾經長時間存在的文化，才得以跨越千年時空在語言中留下印記，成為一窺南島語族原初生活環境的線索。

語言學家從原始南島語、原始排灣語、原始泰雅語、原始鄒語彙整出 100 個基本同源詞，當中包含許多指稱農作物、野生動植物、生活日用品的字詞：

從上述同源詞可推測，原始南島語族應該是以稻作維生，擅長紡織與編織技藝，生活周遭可見「露兜樹、甘蔗、藤」、「河鰻、田鼠、蒼蠅」等主要分布在亞熱帶地區的動植物。這些同源詞所反映的自然與文化特徵，對解答南島語族發源地問題具有相當大的啟發。

此外，從某些同源詞的語意轉變還可看出指稱的是外來事物。例如鄒語的「水牛」叫作「’ua chumu」，「chumu」是指「水」，但「’ua」最初並不是指「牛」，其真正的意思是「鹿」。換句話說，水牛應該是外來物種，推測鄒族先民看到外來的牛，跟鹿一樣都是四隻腳的大型哺乳類動物，因而發生「指鹿為牛」的情形。

講話講重點！第一個字就表明重點的「焦點系統」

除了從同源詞可以證明臺灣南島語較接近原始南島語，語言學家還發現，比起其他地方的南島語言，臺灣南島語保存最完整的「焦點系統」。這是一種非常古老的文法，在世界其他語言中並不常見。

焦點系統是用來凸顯一句話中想要強調的焦點，主要分成主事、受事、處所、工具共 4 種焦點，每種焦點都有相對應的動詞詞綴變化，並會在重點字詞前方加上格位標記 a。

由於南島語言習慣將動詞置於句首，等於你聽到第一個字就知道說話者想強調什麼。以下為 4 種焦點在排灣語的使用方式：

古老的修飾用語：副動詞

最後一個臺灣南島語較為古老的證據在於，其詞類相當有限，主要是動詞、名詞的應用，沒有真正的副詞、形容詞等修飾詞。但是當有需要用到修飾用語時該怎麼辦？這就輪到特殊的「副動詞」登場！

副動詞顧名思義是指：具副詞作用的動詞，是臺灣南島語經常使用的詞類。張永利秀出排灣語和馬來語的句子，進一步說明副動詞與一般副詞的不同：

排灣語的「g<em>alju」就是一個副動詞，意思是「慢」，之所以看出它是一種動詞，關鍵在於它跟後頭表示「吃」的動詞「k<em>an」有一樣的詞綴變化「em」。而中間的連繫詞 a 亦可應證「g<em>alju」與「k<em>an」應同屬於動詞。此外，「g<em>alju」的後面連接附著代詞「aken」表示「我」的意思，附著代詞一般會貼在動詞上。

值得注意的是，古老的副動詞在臺灣南島語言普遍保留下來，但是在臺灣之外的南島語言，如馬來語，卻通常都已經丟失。

綜上所述，從同源詞複雜度、焦點系統完整性、使用詞類有限等語言證據可知，臺灣南島語在目前已知的上千種南島語中，其古老排名可說名列前茅，也代表臺灣可能是南島語族早期的祖居地。

張永利表示：「綜合歸納現在的語言和考古證據，我們可以畫出南島語族遷徙路徑，基本上是從臺灣遷徙出去，先遷往菲律賓群島，再往南到婆羅州一帶，隨後一分為二，分別往東方太平洋和西方印度洋遷徙。」

用「說」的文化資產——母語

對張永利來說，越深入研究就越能體會，臺灣南島語真的是臺灣千年不墜的國寶！除了持續在學界發表臺灣南島語的概念運用規則，張永利也會到原住民部落推廣族語，多年來也跟國內語言學家一起編寫鄒語、噶瑪蘭語、賽德克語等族語教科書。

在與族人互動的過程中，張永利發現，年輕族人為了溝通方便，有簡化族語的傾向，以致某些傳統用語漸漸流失。

以鄒語為例，傳統上在說 11 這個數字時，老人家會講 maskx veiya ucni，「maskx」是 10、「ucni」是 1，中間的「veiya」是「回來」的意思，翻譯成中文就是「10 回 1」，可見鄒族會使用十進位來算數，可是現在的年輕人通常會省略「veiya」的用法。

另外名字的說法也發生簡化現象，例如有一位鄒族人的名字是 Pasuya、家族名是 Tiakiana，老人家會講 Pasu’e Tiakiana，大致的意思是「來自 Tiakiana 家族的 Pasuya」。但是現在的年輕人就直接講 Pasuya Tiakiana，身分證上的名字也這樣登記。

面對日漸普遍的族語簡化現象，張永利有感而發的說：「年輕人覺得只要聽得懂就好，但我會跟他們說，語言也是文化的一部分，而且很多說法只存在特定族群中，想復振傳統文化就要講道地的族語。」

一般人常將語言視為溝通工具，認為只要能有效溝通就好，然而深諳語言奧妙的張永利卻有不同看法：

語言也是一種文化資產，不論是臺灣南島語、華語、臺語或客語都有其文化特色，具有身分識別作用。

「母語能留著就是你的寶藏，現在『特色』就是你最重要的資產！」母語是臺語的張永利不僅在學術場域研究語言，更在日常生活中透過多使用母語來保存語言資產。「語言不是只寫在教科書、或在課堂上唸，一定要積極使用，這樣語言才能真的活起來！」

千年以來，臺灣這座南島語族的原鄉發展出眾多語言文化各具特色的族群，如今在族人及語言學家的努力下，族語的復振工作正如火如荼進行，許多正名成功的族群紛紛從族語找回身分認同，找回值得守護的南島語族寶藏。