致命甜點──《致命廚娘：不要叫我傷寒瑪麗》

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

• 本文轉載自《科普中国 我是科学家》。作者：Nekout，編輯：YuKi。

20世紀初，美國紐約曼哈頓的空氣中，籠罩著被傷寒所威脅的恐怖。而這一切都來源於一位名為瑪麗·馬龍（Mary Mallon）的廚師。

第一個被發現的傷寒帶原者

1906 年的夏天，瑪麗在銀行家查理斯·沃倫（Charles H. Warren）紐約的豪宅中尋得了一份廚師的工作。然而，在她就職的兩週後，這一家 11 人中，有 6 人因得了傷寒住進了醫院。

在現代醫學和微生物學剛剛啟蒙、抗生素還未發明的當時，傷寒是一種死亡率大於 10% 的可怕傳染病。

為了查清家人受害的原因，沃倫雇了當時有名的衛生學家喬治·索伯（George Sober）來調查真相。索伯簡單詢問了病患，發現他們的共同點是都吃了當地的蚌，他推測可能是水產攜帶了病原體，於是草草整理了調查結果，就這麼交了差。畢竟，傷寒在當時紐約衛生條件糟糕的貧民區經常發生，他覺得這次富人家中的傷寒爆發可能只是一個意外。

瑪麗因東家的變故丟了工作，又輾轉到多戶富人家中，繼續做廚師的工作。傷寒也跟著她到處傳播。至 1907 年的 3 月，瑪麗一共服務了 8 戶人家，而這 8 戶人家，無一例外地出現了傷寒症狀。

此時，索伯有點摸不著頭緒了，在他的概念中，傷寒的出現往往與糟糕的環境和不潔的飲食直接聯繫，可這次傷寒卻連續出現在環境優渥、衣食無憂的富人家中，難不成出現了只感染富人的傷寒？

直到後來，索伯發現一個規律——這些染病的家庭都曾僱傭過瑪麗。這時他才意識到，瑪麗有可能是一位健康的帶原者。他登門要求瑪麗配合他的調查，然而卻被瑪麗痛罵，並趕出了房門。

索伯不得不求助於紐約市衛生局，迫使瑪麗配合調查，並提供了自己的唾液、糞便和尿液樣本。

檢測結果發現，瑪麗確實是傷寒帶原者。

傷寒瑪麗的出現

隨後，瑪麗被隔離在紐約東河（East River）北兄弟島（North Brother Island）上的一家傳染病醫院裡。兩年的隔離治療讓瑪麗「學乖」了，一位新上任的衛生專員同情她，並給了她一次機會重新回到社會，但警告她不能再做廚師了。

由於瑪麗並沒有其他的專長，出院幾經輾轉後，她改名瑪麗·布朗（Mary Brown），又做回了廚師。這次，她在 3 個月內傳染了 25人，衛生局又一次將她抓回了北兄弟島隔離了起來。

這次，瑪麗再也沒有恢復自由。

後來，瑪麗成了美國的「名人」，被大家稱為「傷寒瑪麗」（Typhoid Mary），甚至漫威還以她為原型塑造了同名的超級大反派。

傷寒沙門氏菌如何致病

傷寒瑪麗所攜帶的病原菌，就是大名鼎鼎的傷寒沙門氏菌（Salmonella typhi）。這種病原菌經常出現在雞蛋殼，不新鮮的肉製品，抑或是患病者的排泄物中。

得益於現代社會衛生條件的進步，特別是現代廁所的大規模普及，污水處理技術的進步以及抗生素的推廣，使得傷寒沙門氏菌的危害相比 100 年前顯著降低了。但時不時出現的食物中毒案例，仍有可能把人們打個措手不及。

那麼，沙門氏菌究竟是如何侵入人體的呢？

從某種意義上講，它們確實算得上是「有備而來」——沙門氏菌攜帶著一種叫做三型分泌系統（Type III Secretion system）的武器，形似注射器，位於菌體表面。

這個「注射器」能夠刺穿宿主上皮細胞的細胞膜，並注射入一系列效應因子（effector），像對細胞下達了「放我進來」的指令，通過改變宿主細胞的骨架，讓正常的上皮細胞敞開門戶迎接（吞噬）在外排隊等待的細菌。

上皮細胞不像巨噬細胞，它們不具有消化細菌的能耐，沙門氏菌被上皮細胞吞噬後，就像來到了桃花源，細胞內的營養物質任牠吃喝，而宿主的免疫系統又找不到它。吃完一家再換一家，引發宿主產生一系列炎症反應，並造成嚴重的病變。

免疫系統vs.沙門氏菌

傷寒沙門氏菌在成功侵染宿主細胞之前，還是需要謹慎行事——免疫系統時時刻刻都監控著宿主的身體，一旦發現外來入侵者的踪跡，就會主動對其進行剿滅。

而免疫系統識別傷寒沙門氏菌的「標籤」，就是它們那一頭漂亮的秀髮——鞭毛。

這些鞭毛的結構與三型分泌系統類似，特點是能夠像螺旋槳一樣旋轉，推動細菌四處遊走。

免疫系統一旦抓到這些「小辮子」，就會命令巨噬細胞去吞噬並消滅絕大部分入侵的沙門氏菌。

而沙門氏菌為了長期生活在人體，會想方設法不被免疫系統察覺。

比如，它們會通過刷低自己的「存在感」，向宿主的免疫系統妥協——當成功入侵上皮細胞後，就降低自身的代謝水平，靠低調行事來躲避免疫細胞的追殺。而這也很可能就是傷寒瑪麗一直攜帶著沙門氏菌卻不發病的原因。

沙門氏菌的新技能

近日，加拿大麥克馬斯特大學(McMaster University)的研究者又發現了沙門氏菌躲避免疫細胞監測的一種新的方式[3]——變「禿」。

為了防止被免疫細胞揪住「小辮子」，有些沙門氏菌選擇了拋棄鞭毛，忍痛割「髮」，從而讓自己在免疫細胞面前變成「隱形菌」。

這些沙門氏菌又是如何變禿的呢？

原來，沙門氏菌有一種名為 SsrB 的轉錄因子能夠負向調控鞭毛合成相關的基因。當 SsrB 激活時，沙門氏菌的腦袋就會變禿，雖然暫時失去了運動能力，但卻獲得了針對免疫系統的隱身技，從而躲過免疫細胞的攻擊。確實算得上是非常機（狡）智（詐）了。

犧牲了一頭秀髮的沙門氏菌，最終開啟了隱身技能，變得更加強大。

看來，變禿意味著變強大果真名不虛傳。所以還是樂觀地面對自己上揚的髮際線，和日漸稀疏的頭頂吧！

1. “Dinner With Typhoid Mary” (PDF). FDA.（https://orauportal.fda.gov/courseware/FD202W100/SCORM_FD202_Module_3_Microbiology/Module_3_Dinner_With_Typhoid_Mary.pdf）
2. Marineli et al. 2013. “Mary Mallon (1869-1938) and the history of typhoid fever”. Annals of Gastroenterology. 26 (2): 132–133.
3. Ilyas et al. 2018. Regulatory Evolution Drives Evasion of Host Inflammasomes by Salmonella Typhimurium. Cell Report. In press.

• 本文原文為〈最新研究证实，变秃真的可以变强大！〉禁止轉載，如有需要，請聯繫微信公眾號《我是科学家》。

瑪麗這次遇上了對手。

她在救護車裡又踢又叫又罵，驚恐又憤怒，拉車的馬在市區一路飛馳，奔向威拉德帕克醫院。這間隔離檢疫醫院位於下東城區東十六街的東河沿岸。

瑪麗被單獨關在一間設在外面的隔離病房，房裡所有東西都是白色的：白色的牆、白色的天花板、白色的日光燈、白色的地板、白色的床和白色的小水槽。

小隔間裡設有白色的馬桶，瑪麗在別無選擇的情況下一定得使用這個馬桶。

瑪麗穿著白色的浴袍。她不得不穿，因為醫院看護沒收了她的衣服，好像她是個被收押的犯人。瑪麗也不能打電話或寫信和任何人聯絡，連布萊霍夫也不行。

對於像瑪麗這樣極端獨立自主也一直自立自強的女性來說，被關進醫院是莫大的侮辱。

威拉德帕克醫院是一間教學醫院，醫學院學生在此研究各種重大傳染病，像是麻疹、天花、霍亂、斑疹傷寒、黃熱病、結核病和傷寒。院裡的病人當然都是罹患這些疾病的人，多半來自紐約市最貧困的廉租公寓區。

瑪麗沒有犯罪，卻被警察強行逮捕關了進來，周圍都是病人，又不准與外界聯繫，還要被迫接受醫學檢驗。

她不知道醫院打算把她關多久，毫無疑問必然十分害怕。

根據梭普的解釋，拘禁瑪麗是必要的手段，因為紐約市衛生局認為她「危險而不可信賴，可能會趁機逃跑」。

貝克對瑪麗也不抱憐憫之情，她說：「如果瑪麗願意配合，讓我順利拿到樣本，可能一輩子都不會被關。是她自己惡劣的行徑導致不幸的命運。」

等到瑪麗再也忍耐不住用了廁所，看護採集了她的尿液和糞便樣本，送到衛生局的檢驗室。瑪麗的血液樣本也在沒有法院命令、未經本人同意的情況下被採集。

瑪麗的樣本被送到檢驗室由細菌學家分析，尋找傷寒桿菌。

喬治‧梭普和衛生主管機關無不期盼著檢驗結果出爐。

細菌學家在實驗室分離出瑪麗檢體中的細菌，然後加以培養，也就是在培養皿中讓細菌增生，再把細菌夾在玻璃片中，放在顯微鏡下觀察，尋找傷寒桿菌。

人類的腸道是個複雜的微生物生態系統。大腸的職責是擠出我們吃喝的食物當中存有的每一丁點液體、鹽分和養分，剩餘的殘渣就成為糞便排出體外。

為了完成職責，大腸裡面布滿數十億個微生物，這些有益的細菌幫助身體消化我們吃喝的食物。人類糞便成分中有四分之三是水、四分之一是固體；而健康成人的糞便固體成分中，有十分之三是那些幫助消化後死掉的細菌。

尿液則是由腎臟製造後進入膀胱貯藏，百分之九十五為水；在健康的膀胱中，尿液是無菌的。

細菌學家在瑪麗的尿液樣本中沒有發現細菌，但是從糞便樣本分離培養出純化的傷寒桿菌。這表示這種致命的病菌很有可能寄生於瑪麗的膽囊。

細菌學家把檢驗報告交給細菌檢驗實驗室主任威廉‧哈洛克‧派克（William Hallock Park）醫師。

派克讀了報告，打電話告知梭普這個消息。儘管瑪麗‧馬龍有著紅潤的雙頰、整齊健康的牙齒、炯炯有神的藍眼睛和白皙的皮膚，看起來非常健康，但她卻是傷寒帶原者。

這項發現使梭普欣喜若狂，印證了他之前的猜想，「那個廚娘確實是活生生的細菌培養皿。」

儘管瑪麗否認曾經得過傷寒，檢驗結果證實了她曾經在某個時候罹患這種疾病。

瑪麗是在說謊嗎？不見得。可能她得病的時候年紀很小，所以不記得，或是症狀太輕微，被誤以為是流感。或許包括瑪麗在內沒有一個人發現，她得到可怕而致命的傷寒。

不可否認的是，這是一種非常特殊的情況。當我們生病時，體內的免疫系統和細菌展開一場大戰；以傷寒來說，在百分之九十七的病例中，要嘛是傷寒桿菌戰勝、病患死亡；要嘛是免疫系統戰勝、傷寒桿菌死亡。

在少數大約百分之三的病例中，病患痊癒後，體內持續帶有致命病菌，時間可能長達數月之久。

在極少數、大約百分之一或更少的病例中，病菌和免疫系統大戰的結果是平手，沒輸沒贏。患者是康復了，但終生帶有傷寒桿菌。

在這樣的例子中，傷寒桿菌持續存活於患者的膽囊。除了一開始發病的階段，之後患者並未出現任何症狀，他們在各方面仍然正常生活，半點也沒意識到自己和正在發病的人一樣帶有病菌，更沒想到自己正在散播病菌、使人生病。

瑪麗的情況就是這樣，但是她的例子更加特殊，因為瑪麗的免疫系統似乎運作得太好，以至於連一開始都沒人發現她生病，甚至她本人也沒發現。

對喬治‧梭普來說，發現瑪麗的案例不啻是個重大突破，他說：「根據我的判斷，這顯然是一起長期散布傷寒病菌的案例，德文稱為『Typhusbazillenträgerin』。」

終於完成檢驗。梭普希望現在瑪麗會好好聽他說話，聽他闡述他的偉大構想。

• 本文摘錄自《致命廚娘：不要叫我傷寒瑪麗》，遠流出版。