流感，不只在現在：那場被遺忘的台灣大瘟疫

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

1858 年 10 月 30 日星期日早晨，一件離奇的事件席捲布拉德福德這個英國城市。

2 名男孩突然身亡，其他人則突然染上怪異、可怕的疾病。

有人說這是因為霍亂暴發，其他人則認為是瘟疫。隨著日子過去，更多的死亡案例被報導出來，警方懷疑這是預謀犯案，他們很快就發現了原因：硬薄荷糖。

有問題的薄荷糖

幾天前，人稱「薄荷糖比利（Humbug Billy）」的威廉．哈達克（William Hardaker）一如往常在布拉德福德格林市場擺攤賣糖果，他照常販售大受歡迎的硬薄荷糖，儘管這一批以折扣買到的糖果顏色似乎有點不太一樣。

哈達克從糖果批發商喬瑟夫．尼爾（Joseph Neal）那裡購買，這位批發商向來喜歡用「daft」這種成分來替換昂貴的糖。

Daft 是混合熟石膏（plaster of Paris）、石灰粉、硫酸石灰或其他無害物質，用來取代昂貴的糖。

不幸的是，喬瑟夫．尼爾後來訂購的 12 磅 daft 訂單由藥局裡年輕助手處理，他並非測量 12 磅重的 daft，而是從一旁容器裡取出 12 磅的砒霜（三氧化二砷，arsenic trioxide），這兩種白色粉末質地類似。

為喬瑟夫工作的糖果製造師覺得這批加了 daft 的硬薄荷糖有點奇怪，但是他們沒有阻止喬瑟夫試吃一顆，以及將其販售給哈達克。

哈達克也吃了一顆糖果，兩人吃完後馬上就覺得不舒服。不過因為哈達克當時以折扣價購買這批硬薄荷糖，所以他也用折扣價將糖果販售出去，那天的銷售特別好。

超過 200 人感到不適，更有 20 人中毒身亡

星期日午夜，當地的鳴鐘者喊叫著可怕硬薄荷糖的事，在布拉德福德掀起軒然大波。那時候已經有超過 200 人感到不適，更有 20 人因砒霜中毒而死。

結果證實每一顆硬薄荷糖內含有足以殺死兩名成人的砷含量。隔天，藥師、助手及喬瑟夫．尼爾都站在法庭上被控殺人罪（manslaughter），不過最後他們卻沒有一個人去坐牢。

食物與飲料摻假法案

儘管如此，該名助手的悲慘失誤促成了 1860 年的《食物與飲料摻假法案》（Adulteration of Food and Drink Bill），正式奠定了製造糖果必須使用的原料。

布拉德福德糖果中毒一案也促進 1868 年英國的《藥局法》（Pharmacy Act），針對藥師處理、販售已知毒藥必須遵守的嚴謹規範。而 1874 年廢除糖稅，終於也讓糖成為所有人都能負擔得起的成分。

——本文摘自《毒物犯罪研究室：解析23種經典致命植物、礦物、藥劑、毒品，從醫學鑑識＆毒物科學揭秘恐怖毒殺與謀殺手法》，2022 年 11 月，創意市集出版，未經同意請勿轉載。

鼠疫桿菌導致的黑死病，史稱鼠疫桿菌的第二次大流行，公元 1346 到 1353 年的大瘟疫影響歐洲非常深遠。已知最早 1346 年的病例位於黑海附近，不少學者卻主張這波鼠疫桿菌來自更東方。2022 年發表的論文報告，在天山地區的古墓中，找到黑死病起源的線索。

威脅潛伏：來自黑海更東方的鼠疫桿菌

取樣古代 DNA 的技術成熟後，如今可以直接定序遺骸中的 DNA 片段，查看是否存在鼠疫桿菌（Yersinia pestis）等微生物。一系列研究得知，人類感染鼠疫桿菌的歷史超過五千年，因此在黑死病的年代，鼠疫桿菌並非新型傳染病，只是以前都沒有過那麼嚴重。

• 延伸閱讀：花粉揭秘：黑死病災情，歐洲各地很不一樣

鼠疫桿菌和所有生物一樣，會持續改變遺傳序列。假如黑死病源自黑海的更東方，那麼在比黑死病興起更早的時間點，黑海東邊的某處，應該能見到導致黑死病的鼠疫桿菌品系，變成黑死病品系之前，還差一點的樣貌。

最近一隊專家重新調查，早在一百多年前便已得知的遺址。用現代的國家疆域劃分，地點位於吉爾吉斯北部，伊塞克湖（Issyk-Kul）周圍的楚河谷（Chüy Valley）兩處遺址：Kara-Djigach 和 Burana。

早在公元 1885 到 1892 年，俄羅斯帝國時代的考古學家 Nikolai Pantusov、Daniel Chwolson 便探索過這兒。

世界各地的考古遺址，數量其實非常多，但是大部分都沒有受到重視。吉爾吉斯古墓時隔一百多年後又引起注意，是因為有些墓葬的石碑記錄提到「瘟疫」，剛好被新時代的專家聽到。

蒙古帝國宗教寬容政策下的新移民社群

接下來一段和黑死病不直接相關，卻不失為有趣的歷史，能順便認識現代的跨領域手段，如何探討這類問題。沒興趣的讀者可以直接略過。

石碑上紀錄的名詞為 mawtānā，這是敘利亞語（Syriac）的瘟疫。報導這回新發現的新聞對此都一提而過，論文正文受限於篇幅也沒有多作描述，所幸附錄中有較為完整的介紹，我覺得背後的歷史故事相當有趣。

Kara-Djigach 地理上位於新疆西方，天山地區的南側。政治上，現在屬於吉爾吉斯，黑死病年代算是大蒙古帝國的轄區，更早之前則是西遼的國土。

提及西遼和蒙古帝國是因為，在西遼統治的年代 Kara-Djigach 沒有住人（另一處遺址 Burana 有），要等到蒙古帝國統治時，才有源自西方的基督徒移民，長途遷徙到此處建立社區。等下！基督徒？

不少人對蒙古帝國有很殘暴的印象，成吉思汗堪稱人類毀滅者。但是征服時對敵人不手軟以外，蒙古帝國擺在當時，統治並不算暴虐，而且特別重視貿易。蒙古帝國算是繼承後世所謂的「絲路」，然而，中亞的民族、宗教、文化非常複雜，衝突屢見不鮮。

成吉思汗開創蒙古帝國以來，憑侍強大武力，持續實施宗教寬容政策，不在意子民信什麼宗教，不論摩尼教、伊斯蘭、基督教、佛教、道教、諾斯替、亞那毛毛……只要乖乖聽話，能創造利益，帝國就保障其地位與安全。

在此背景下，許多在原本居住地受到迫害、排擠的人，移民到新天地討生活（蒙古統治當然也沒有那麼美好，有些移民是受到蒙古帝國的迫害，被迫或主動搬家）。

創立 Kara-Djigach 社群的基督徒，不屬於羅馬、君士坦丁堡的兩大基督教系統，而是東方亞述教會（Church of the East，或稱作 Nestorian 聶斯脫里教會）。他們從西方移民到察合台汗國轄下經營新家園，他鄉變故鄉，一代一代的基督徒長眠於此，數百年來留下不少石碑。

公元 1338 年，塞琉古 1649 年，虎年瘟疫爆發

石碑大部份是敘利亞語，也有少數突厥語。總共 600 多個石碑，公元 1248 到 1345 年有 467 個，整理後能一眼看出光是 1338 一年就有 118 個，比例高的不尋常。其中 10 個出現 mawtānā：敘利亞語的瘟疫。

所以 1338 年這個年代，不是科學定年法的估計，而是直接的文字紀錄。但是石碑寫的不是公元 1338 年，而是「1649 年」和「虎年」。

Kara-Djigach 這群居民是基督徒，卻不使用根據基督生辰的曆法，他們遵循一套更古老的曆法：塞琉古紀年（Seleucid）。

塞琉古紀年來自亞歷山大大帝去世後，衍生出的塞琉古帝國，從公元前 311 年開始計算。因此塞琉古 1649 年，也就是公元 1338 年。那時還在用塞琉古紀年的人不多，堪稱活化石。

另一方面，突厥、蒙古等古代草原文化習慣以十二生肖紀年，不過動物項目和漢人略有不同。Kara-Djigach 所屬地區時常會與十二生肖紀年的人交流。公元 1338 年是草原十二生肖的虎年，也是天干地支的戊寅年。

已知最早的黑死病出現在 1346 年的黑海，1338 年只是短短的 8 年前。顯而易見，如果在 8 年前的吉爾吉斯找到鼠疫桿菌，便有機會追溯黑死病的起源。

為求簡便，本文之後稱這場虎年發生的瘟疫為「虎疫」。其實虎疫是以前日本人對霍亂的稱呼，但是名字帥，這邊先借用一下。

快要變成黑死病前不久的鼠疫桿菌

即使由於鼠疫去世，死人骨頭內也不見得會殘留鼠疫桿菌。幸運的是，Kara-Djigach 遺址的 3 位長眠者體內，順利偵測到鼠疫桿菌的古代 DNA。

3 個樣本的平均覆蓋率分別為 0.13、2.8、6.7。論文判斷品質比較好的兩個基因組，遺傳上或許完全一樣，因此後續分析時直接合併，變成覆蓋率 9.5 的一個樣本。

將虎疫和古代、現代鼠疫桿菌樣本一起分析，不得了，不得了，不得了。用虎疫當模板，再變化一點點，便可以衍生出所有 14 世紀黑死病的基因組！

• 延伸閱讀：中世紀黑死病，之後數百年的餘波

非常清楚，導致黑死病的鼠疫桿菌，由虎疫品系衍生而成。根據遺傳差異估計年代，導致黑死病的品系們的共同祖先，估計介於公元 1316 到 1340 年。因此 1346 年起大爆炸的黑死病，遺傳上只能追溯到不久以前的 14 世紀初期。

有派觀點主張，蒙古帝國 13 世紀主導的戰爭與貿易，促使歐亞大陸的大流動，與黑死病發跡有關。根據現有資訊看來，蒙古帝國起家的時刻，距離黑死病的發源還有點早。

遺傳上最接近虎疫的現代鼠疫桿菌，地理上都位於天山一帶，具體來說就是吉爾吉斯、哈薩克、新疆的土撥鼠（marmots，旱獺屬，統稱土撥鼠，不過有好幾個物種）。

論文推論黑死病品系的直系祖先，應該一直都在天山地區流傳。它在公元 1338 年的虎疫爆發，首度於吉爾吉斯留下記錄，8 年過後的 1346 年於黑海現蹤，然後繼續往西向歐洲廣傳，一發不可收拾。

貨出去，人進來，黑死病襲來

多數讀者大概不熟悉中亞地理。從新疆出發，往西是吉爾吉斯，再往西是哈薩克、烏茲別克，再來是土庫曼，接下來是裏海和伊朗，更往西是高加索地區，更西邊是土耳其和黑海。這應該就是黑死病，由東向西傳播的路線。

發生虎疫的吉爾吉斯 Kara-Djigach 在當年是人進來，貨出去的國際貿易中心，發大財之餘，爆發瘟疫並不稀奇。光從遺傳上比對，黑死病之前與大爆發之後的鼠疫桿菌，並沒有很明顯的變化。從公元 1338 到 1346 年發生什麼事，讓黑死病大魔王有登上舞台的發揮機會，值得繼續深究。

也很有趣的是，中亞發跡的鼠疫往西方廣傳形成黑死病，會不會也往東方傳播呢？公元 1338 年，統治中國的政權是元朝，元順帝的至元四年。

公元 1368 年創立明朝的朱元璋 1328 年出生，和元順帝是同時代的人，元順帝也是最後一位統治漢地的元朝皇帝。元朝末代皇帝任內的國家大亂，是否和鼠疫有關？

延伸閱讀

• 拉脫維亞5000年前，最古早的鼠疫桿菌，源自動物傳染？
• 花粉揭秘：黑死病災情，歐洲各地很不一樣
• 中世紀黑死病，之後數百年的餘波
• 18世紀初的鼠疫桿菌，大北方戰爭到馬賽大瘟疫
• 「猛虎」起疫

參考資料

1. Spyrou, M. A., Musralina, L., Gnecchi Ruscone, G. A., Kocher, A., Borbone, P. G., Khartanovich, V. I., … & Krause, J. (2022). The source of the Black Death in fourteenth-century central Eurasia. Nature, 1-7.
2. Ancient plague genomes reveal the origins of the Black Death
3. Black death: how we solved the centuries-old mystery of its origins
4. 800-year-old graves pinpoint where the Black Death began
5. Ancient DNA traces origin of Black Death

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。