噴火龍與金屬暴龍獸，神奇寶貝和數碼寶貝的直接對決！─《空想科學讀本》

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

「沙贊！」然後一道閃電就會打下來，擊中一位青少年，瞬間變成一位穿著紅衣+披風、渾身肌肉的（中二）成年人，這就是 DC 宇宙中，超級英雄沙贊的變身過程。

很有趣的是，大家可以回想一下，最近這 10 幾年來席捲世界的漫威和 DC 英雄，絕大部分執行英雄行動前都是進行「著裝」，例如鋼鐵人、蝙蝠俠、美國隊長……等，但是沙贊不一樣，儘管不複雜，但他需要一套特別的手續來改變他自己的身體，已獲得他身為超級英雄的力量，這點跟日本的超人力霸王比較類似。

根據 DC 宇宙的設定，賦予沙贊力量、讓他變身的閃電都來自神界的奧林帕斯山，只要他大喊一聲，閃電就會隨傳隨到，而因為一切是神力的關係，理論上他接收力量的位置無關緊要，也非常的安全。

真不愧是奧林帕斯山啊！如果我們能夠在比利（電影中變身成沙贊的少年）的頭上裝一個收集閃電能量的器材，那費城一定變成全美國能源最豐沛的城市。

但是要進行超級英雄活動，普通的閃電能量夠嗎？這道奧林帕斯山的閃電會不會是一道超越人類認知的超級閃電呢？

還有儘管沙贊不會受影響，但如果有人不小心在變身時不小心碰觸他或在他附近，會發生什麼事呢？

這真的值得一起來探討～

先定立標準：閃電能提供多少能量？

閃電是大自然中最純粹的能量展現之一，經過大氣學家的觀測和預估，一道閃電電壓大概是 3 億伏特，帶有 10 億焦耳的能量，這差不多是燃燒 30 公升左右的汽油。

聽起來非常的厲害，那我們利用閃電來獲得能源會不會是個好方法？

其實從 1980 年代開始科學家就有這種想法，但是他們發現這其實很不切實際，主要原因有幾個：閃電很難預測、傳導到地面上能量又會大減、效率很不穩定……但那是大自然的閃電，讓沙贊變身的可是充滿神力的閃電耶！不只能夠提供沙贊穩定且高能的能量來源，還可以藉由跟蹤比利知道閃電的位置和時間。

我們只要把比利抓起來請出來，跟他預約時間大喊沙贊，就可以發電了～

現在的問題是……這道閃電有多少能量呢？

要知道一道神奇閃電帶有多少能量其實有點困難，因為一旦比利變身之後，他似乎沒有時間限制，不像超人力霸人那樣有 3 分鐘的活動上限，後者會比較好估算是因為你可以設想這 3 分鐘內超人力霸王做了哪些事情，在逐一拆解。

所以筆者覺得最能夠執行的方式，是羅列出電影中沙贊一次變身基本上會做到的事情，這樣結果應該就足夠是神力閃電的基本盤。

從電影《沙贊！眾神之怒》中，筆者列出幾個沙贊在超級英雄狀態時做的事，包括:

1. 以音速飛行 10 分鐘
2. 把一隻體型巨大的飛龍打飛 10 公尺
3. 把一台車移動 200 公尺
4. 從手中放出好幾道像特斯拉線圈的能量閃電

這樣感覺差不多了吧……等等～還有一件很重要的事，就是這道閃電同時還把一名 17 歲的青年變成一名看起來 30 歲的成年人，這瞬間成長所需的誇張能量應該也要算進閃電的功勞裡，所以這個列表還要加進另一項:

5. 讓 17 歲的青年成長成 30 歲男性的所需熱量

那我們接下來可以逐一估算了。

• 那首先就來計算成長所需的熱量吧！

要讓人成長的能量，其實也是熱量，也就是大家耳熟能詳的卡洛里，1 千大卡的熱量差不多是 4184 焦耳的能量。

根據衛服部提供的資料，一名成年人每日所需的熱量依他的活動量和體重來決定，那沙贊毫無疑問絕對是重度活動量那一類的，體重的話少年比利看起來介於 60~70 公斤之間，而飾演沙贊的演員柴克萊威曾說為了演戲需要增重到超過 90 公斤，雖然隨著體重增加每日所需熱量也會不同，但為了簡單估算，我們姑且用 80 公斤算到底吧～

比利瞬間成長為超人般壯碩所需能量= 40 大卡 x 80 公斤 x 365 天 x (30-17) 年 x 4184 J= 6.35x 10¹⁰ 焦耳 = 635 億焦耳

這數字怎麼已經有點大了……但在吐槽之前，我們先把其他的所需能量都估算完吧～

• 以音速飛行 10 分鐘

這裡我們借用四分之一英里估算法，這是個可以從物體重量（通常是車子）和行駛四分之一英里所需的時間來求得功率的簡單方式。

沙贊體重 90 公斤，而他在音速下完成 1/4 英里所需的時間為 1.2 秒，根據線上工具估算，這名英雄相當於擁有 22,876 馬力，轉化為瓦特差不多是 1700 萬瓦特，如果沙贊要飛行 10 分鐘，他就會需要大約 100 億焦耳的能量 。

• 把一隻體型巨大的飛龍打飛 50 公尺

這個計算方式並不困難，就是簡單的做功運算，但是筆者遇到了很嚴重的問題：電影中的飛龍-拉頓到底多重呢？

經過一番搜尋，網路上對於一條中世紀奇幻飛龍到底有多重幾乎是沒有定論，看起來好像沒有人有認真算過，所以筆者打算自己來操刀，解決這個世紀大謎題 (?)。

有看過《空想科學讀本》的人對筆者使用的方法一定不陌生，就是把模型浸到水裡面，估算體積之後放大，再考慮密度來求得飛龍的體重。

所以筆者到了地下街的玩具店，買了一條看起來最像電影中奇幻飛龍體型的模型玩具（其實是動漫《轉生成為史萊姆》的公仔，似乎是主角後期的樣子吧？筆者沒有看不清楚~），將它放進水盆裡面裝水，做好水位標記之後取出模型，水位下降之後從水盆的面積和下降高度求得玩具龍的體積大概是 0.000283 立方公尺，這時我們需要玩具龍的身長和電影中的拉頓身長來做等比放大，玩具龍身體差不多是 25 公分，而從電影中拉頓站在棒球場內野的畫面來做估算，它的身長大約是 25 公尺，身長差 100 倍，所以體積會變 100 的 3 次方也就是 100 萬倍，所以說拉頓的體積大概是 283 立方公尺。

這時我們需要拉頓身體的密度來求得體重，如果拉頓是生物的話，它的身體密度應該也要接近水（每立方公尺 1000 公斤），例如人體的密度就差不多是每立方公尺 1062 公斤，但是電影中拉頓身體看起來有點像是由木頭構成的，而世界上最堅硬的木頭是澳洲鐵木樹（Australian buloke）密度是 1085 kg/m3，再加上龍的奇幻性質，我想把拉頓的身體密度定為 1100 kg/m3 應該是還可以接受的吧？

如果用這個方式估算，電影中看守花園的飛龍拉頓，體重大概會是 311 公噸，我們套入物理課本中看過的做功計算公式，可以知道沙贊把一條龍打飛 50 公尺所需要的能量，大概會是 7775 萬焦耳。

• 把一台車移動 200 公尺

相較前面兩個，這計算相對簡單一點，我們一樣用上面的作功公式來求需要能量，而我們需要的就是車子的重量。根據統計，美國一般路上的車子平均重量為 1800 公斤，如果要在 3 秒鐘內移動 200 公尺，就相當於需要 4 百萬焦耳。

• 從手中放出好幾道能量閃電

沙贊從手上放出閃電，看起來就像是電弧的一種，而電弧是因為有強大的電場或高壓電存在，使的原本不導電的物質電漿化得以使電流通過的現象，而說到能夠最穩定產生電弧的狀況，筆者第一個想到的是在現實中會看到的特斯拉線圈。

特斯拉線圈是一種由知名物理學家特斯拉發明的強大變壓器，這種變壓器使用共振原理運作，主要用來生產超高電壓但低電流、高頻率的交流電力，因為特斯拉線圈可產生絢麗的電弧效果，所以很常在一些科學博物館或展示中看到，而世界上最強大的特斯拉線圈： Electrum 的能量使用率為 130,000 瓦特，假設沙贊能夠用同等功率放出電弧長達 10 秒鐘，就會需要 130 萬焦耳的能量。

這下子我們需要的數字都有了！

這道神奇閃電所附帶的能量大約是：

635 億（變成大人）+100 億（音速飛行 10 分鐘）+7775 萬（打飛一條龍）+400 萬（移動一台車）+130 萬（放出閃電）= 735 億 8305 萬焦耳

 而正常世界一道閃電的能量大約是 10 億焦耳，也就是說～這道神奇閃電差不多是等於 74 道現實中閃電的能量。

好厲害啊！真不愧是奧林帕斯的眾神，能夠這麼精準的傳遞如此巨大的電能量根本就是神蹟…..也確實是神蹟沒錯～

但是如果一個不小心承接這道能量的人不是沙贊的話，會發生什麼事呢？

一般人被普通的閃電擊中就已經不是鬧著玩的了！

直接被閃電擊中的人會成為電流的一部分，一部分電流會沿著皮膚表面移動，另一部分會穿過身體的心血管或神經系統，前者會對皮膚造成灼傷，後者則有可能造成呼吸停止或心臟驟停，但我們還是能找到一些歷史上從雷擊中生還的故事，因為有沒有辦法在雷擊中活下來是跟就醫和電流通過體內的時間而定……運氣好的話，你不會死的。

但是在沙贊的神奇閃電面前，這一切都成為笑話。

這道 735 億焦耳的閃電能量相當於 2 顆歷史上最強大非核子炸彈：炸彈之母（GBU-43/B 大型空爆炸彈）爆炸所釋放出的能量，所以如果今天好死不死沒有打在比利身上，而是擊中地面的話，後果一定不堪設想，周遭的親友絕對是灰飛煙滅，費城可能會變成廢墟，之前說的收集能量可能完全行不通，因為應該沒多少設備儀器能夠承受如此巨大的威力。

反倒是比利啊~你是不是在承接沙贊能力時同時被改造了，被2顆炸彈之母轟炸都沒事，真是太神啦！還有就是一定要站好喔～

善用工具烹飪的原始人

既然黑猩猩會用石頭打碎、敲爛食物，當然不難想像遠古人類也會做同樣的事，而且可能還做得更頻繁、更有效率。

我們知道遠古人類會拿石頭當作錘子敲擊另一塊石頭，敲出銳利的石頭碎片、還有除去碎片之後剩下來的核心部位。石頭的核心可經進一步修飾，做成一種稱為｢手斧」﹙hand axe﹚的工具﹙但這種工具的實際用途至今仍爭論不休﹚。遠古人類有可能利用銳利的石頭碎片切割食物、並用比較鈍的石頭和石頭底部敲爛食物。把肉切成小塊，特別是鳥類和哺乳類的肉，使其較易消化。

遠古人類切肉的行為，本質上也許就是把石製工具當作比牙齒更有力、更尖銳、且更易替換的替代品。最初的遠古人類出現的時候﹙距今約一百九十萬年前﹚，他們已經累積了長達一百四十萬年使用工具的歷史。

歷經這段漫長歲月，遠古人類可能已經將切割技術掌握得得心應手，也可能像多數的狩獵採集者和某些黑猩猩族群一樣，學會了捶打食物。跟切割一樣，捶打的動作不僅能去除食物的外殼、還能幫助研磨食物，釋出細胞中更多的營養和熱量供人利用。用來捶打食物的石頭，再次成了牙齒的化身。

除了切割捶打食物之外，最初的遠古人類可能也已經會發酵食物。發酵跟切割捶打是相似的原理，也能讓食物變得更好咀嚼、更易消化。發酵能將熱量變得更易吸收，而且如果處理得當，還具有殺死潛在病原菌的額外好處。不只如此，在疆肉類和植物根莖類發酵的過程中，還能增添原本食材沒有的營養素。

有些細菌能製造維生素B12，有些細菌能吸取空氣中的氮氣、並將其轉化為胺基酸。可惜的是，考古紀錄並沒有辦法證實遠古人類是否曾經利用發酵技術處理食物。在西北大學﹙Northwestern  University﹚任教的靈長類學家凱蒂．亞瑪托﹙Katie Amato﹚， 不久前舉出有力的證據，主張最初的人類物種可能已經會發酵食物，但是事實上是否真的如此，至今還是未知數。

再接下來，就是已知用火的威力了。

人類用火煮食的理由？

靈長類學家理查．蘭翰姆﹙Richard Wrangham﹚在他的著作《生火： 烹飪如何造就人》﹙Catching Fire : How Cooking Made US Human﹚中主張，生火煮食的行為是早期遠古人類的演化歷程中獨特、關鍵的特徵。

蘭翰姆推測，人類祖先是因為食用熟食，才得以獲得足夠熱量、演化出更大的腦部。如果煮食要能成為影響早期人類演化的關鍵驅動力，最晚必須要在一百九十萬年前就已經發展出來才行。但是目前我們比較確知的、人類最早開始控制火源煮食的證據，發現的年代都還要晚很多。

平心而論，就連人類在早於一百九十萬年前開始進行發酵、採集蜂蜜、更常切割捶打肉類或根莖類、或更常食用海產等等行為的證據，至今也都還沒有發現。

但是不論蘭翰姆這個爭議十足、關於人類用火的重大猜想是否正確，其中蘊含了另一項假說，是我們認為爭議小很多的。這個假說無關乎用火是否左右了人類祖先的演化，而是關乎人類祖先最初發明新飲食方法的動機。這個假說不只與用火有關，還牽涉到切割、磨碎以及發酵食物等種種行為。

蘭翰姆在他的書中不時提到：他認為人類祖先開始用火的動機，是因為熟食比較好吃——起碼比生食好吃。沒錯，用火煮食讓人們更易取得食物中的熱量，甚至可能讓人們有更多空閒時間做其他事情，像是發明語言、用石頭製作工具等等。但人們並不是為了計畫要做這些事情才開始用火的。很少有動物是基於長期的利益而選擇進行某一行為， 現代人類也不例外。

蘭翰姆主張：人類祖先開始煮東西吃的理由無他，單純是因為煮過的食物比生食更好吃。讓我們好好思量一下蘭翰姆這項主張所代表的意義。火帶給我們溫暖、指引我們方向；火受人們馴服並幫我們加熱爐子裡的食物；火最終帶來了內燃機、現代城市、現代戰爭、網際網路等等無數技術革新。但人們最初開始用火，就只是為了讓食物更好吃。

我們來給蘭翰姆的這項假說取個名字吧，這樣比較好記：不如就稱為｢尋味者假說」好了。不論用火技術最早是在何時開始，我們都可以利用尋味者假說來說明用火的功能。不管蘭翰姆所另外提出的、關於用火對早期人類演化的重要性的假說正不正確，尋味者假說都有可能成立。

這個假說單純認為：人類開始用火最初、最主要的動機，是因為用火煮過的食物比沒煮過的食物風味更豐富、吃起來更享受。這個假說不只適用於火而已。尋味者假說可以套用在黑猩猩的飲食傳統和料理方法上：黑猩猩製作並使用工具，是為了追求更豐富的風味，而牠們使用哪些工具，一部分與環境有關、一部分與傳統有關。

尋味者假說或許也可以解釋為何人類祖先開始利用其他技術處理食物， 不管那些技術源自哪個年代。但是尋味者假說有一個重大前提：它預設人類祖先運用新工具和新技術所獲得的食物，實際上真的比原本的食物好吃。幸好，大部分的證據都顯示確實如此。

——本文摘自《舌尖上的演化》，2022 年 12 月，商周出版出版，未經同意請勿轉載。