感染HIV還可以活多久？──《心之谷》

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

• 作者 / 照護線上編輯部
• 本文轉載自 Care Online 照護線上《讓愛滋與你和平共存，一起掌握U=U共識！感染科醫師圖解說明》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔

確診感染愛滋病毒，對三十多歲的陳小姐一開始相當衝擊，但是經過抗病毒藥物的穩定治療後，血液中的病毒量大幅降低，已連續數月都控制於驗不到病毒的狀態。

某日回診時，陳小姐問：「醫師，我還有機會懷孕、生小孩嗎？」

「可以喔！」醫師點點頭，肯定地說：「只要能好好治療，繼續將愛滋病毒量維持檢驗不到狀況，便沒有傳染風險，也可以懷孕、生產！」

許多愛滋感染者在確診後，會變得沮喪、自我懷疑，認為自己不能再與他人建立親密關係並承受外界異樣眼光。

台北市立聯合醫院仁愛院區內科部感染科主治醫師顧文瑋醫師指出，其實感染者若能穩定接受服藥治療，便可有效控制且降低血液中的病毒量，轉變如慢性病一般，同樣可以孕育下一代。

穩定治療、定期追蹤、掌握 U = U，愛滋慢性化，醫病勇敢溝通很重要！

愛滋病是由愛滋病毒（Human Immunodeficiency Virus，簡稱HIV）感染，導致病患身體免疫力降低，出現各種疾病症狀，又稱後天免疫缺乏症候群（AIDS）。

從 1980 年代開始，愛滋病與愛滋感染受到全球關注，過去種種迷思導致感染者遭受歧視困境，現今治療進步，愛滋感染已慢性化！

顧文瑋醫師解釋，愛滋病毒主要透過血液、體液傳染，但是傳染力與病毒含量多寡十分有關！「新冠疫情讓大家對病毒量的概念較為清晰！如同感染者的口水、汗水、尿液、糞便等皆不具傳染力。日常中與感染者一起上課、說話、游泳、共餐、洗衣服，都不會遭到傳染。」

此外，目前抗病毒藥物已可有效降低並控制愛滋病毒量。顧文瑋醫師說，根據研究證實，當愛滋感染者接受穩定服藥治療，讓病毒量低到偵測不到時，便不會把愛滋病毒傳給性伴侶，這就是國際重要共識「U = U」。

何謂 U=U？檢測不到愛滋病毒，便不具傳染力

「U = U」中的第一個 U 是 Undetectable，即「檢測不到病毒」；第二個 U 是 Untransmittable，即「不具傳染力」。

顧文瑋醫師說明，愛滋感染者在穩定接受抗病毒治療後，若持續穩定追蹤血液中病毒量，控制於測不到（低於 200 copies/ml）達六個月以上，其傳播病毒的風險是可忽略的。

「後來陳小姐回診時，穩定交往的男朋友也會陪同，主動了解用藥狀況，以及未來懷孕、生產該注意的事項。」顧文瑋醫師分享，「妥善穩定治療，讓愛滋病毒低到測不到，便沒有傳染風險，是非常重要的觀念！」

感染者與醫師攜手向前，掌握 U=U！ 台灣愛滋防治成績更卓越！

防治愛滋在世界各國皆是重要的任務，聯合國愛滋病規劃署（UNAIDS）就曾提出 3 個「90-90-90」的目標，希冀 2030 終結愛滋感染，期待朝向完善、全人的愛滋照護前進。

台灣經過多方努力，已達成「90-92-95」的成績，可謂領先亞洲其他國家；表示 90% 愛滋感染者已知自己的感染狀況；92% 已知感染狀況者已穩定接受服藥治療；95% 穩定治療者能有效控制病毒量，達到 U=U！

「我們希望宣導 U = U 的概念，讓愛滋感染者理解抗病毒治療的重要性，只要穩定接受藥物治療，即可將愛滋感染轉成一慢性病，對於感染者來說，也不會持續承受巨大壓力。」顧文瑋醫師強調，「面對愛滋感染是一輩子的事情，如同一般慢性病控制！感染者若有任何治療或身體健康疑問，都可以主動提出與醫療團隊討論，醫師才能根據生活、工作的需求，適時調整藥物。」

主動積極防治愛，讓愛無礙不困難！

除了感染者自身積極治療外，民眾應更加全面理解、認識愛滋感染，並放下過去的焦慮與歧見。目前也越來越多臨床醫師願意主動了解愛滋治療、U=U 國際共識，並加入以人為本的病患照護。醫師們更在意如何為病患提供適合的治療與幫助，看重疾病治療本身而非存有歧視眼光，不論是民眾、醫護、政府與感染者，我們都希望一同營造更友善、平等的環境！

顧文瑋醫師叮嚀，感染愛滋僅有高風險行為，並沒有特定族群之分！民眾應維持單一固定性伴侶，性行為時務必全程正確使用保險套，可同時預防其他性傳染病感染。疾病管制署目前也有提供免費匿名愛滋篩檢，只要有性行為的民眾，建議至少進行一次篩檢；若有無套性行為者，建議每年至少進行一次篩檢；若為高風險感染者，建議每 3 至 6 個月篩檢一次。一旦感染需及早就醫治療，並檢驗愛滋病毒，切勿共用注射針頭、針筒、稀釋液。懷孕婦女需接受愛滋病毒檢查，若確診，便要儘快接受治療、穩定控制病毒量，讓愛無礙不困難。民眾對愛滋感染與愛滋病有任何疑問，務必諮詢專業醫療人員！

更多愛滋衛教資訊，請參考以下協會：

台灣露德協會

台灣基地協會

愛滋感染者權益促進會

台灣愛之希望協會

台灣紅絲帶基金會

• 本文轉載自 Care Online 照護線上《讓愛滋與你和平共存，一起掌握U=U共識！感染科醫師圖解說明》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

B 型肝炎是台灣很熟悉的傳染病，主要藉由血液、體液的交流傳染。它的歷史非常久遠，在世界各地普遍存在。新發表的論文報告：超過一萬年的人類遺骸中，已經能見到 B 型肝炎病毒（Hepatitis B virus，簡稱 HBV）；各款遺傳品系萬年來起了又落，可謂各領風騷數千年。

古代 DNA 的研究，技術已經進步到可以由遺骸或環境樣本，定序裡頭所有的 DNA 片段。例如取自人類牙齒的樣本，定序不只能獲得人類的 DNA，也可能捕獲當事人生前口腔中的微生物。所以同一份樣本被定序後，可以進行不同目的之探索。

和人類一起移民美洲，獨立發展的 B 肝病毒

B 肝病毒以 DNA 為遺傳物質，被感染的人去世後，病毒的 DNA 可能保留在死人骨頭、牙齒中，因此有機會被偵測到。新問世的論文搜尋資料庫，在世界各地 137 個古代樣本中，偵測到 B 肝病毒的存在。

這批古代 B 肝病毒，年代介於距今 400 到 10500 年前，絕大部份位於歐亞大陸西部和美洲。將各款病毒擺在一起畫演化樹，美洲的古代病毒自成一群，和歐亞大陸的同類平行發展。

一直到數百年前歐洲人殖民以前，美洲的 B 肝病毒都自成一群，最古老的樣本距今約 9000 年，位於安地斯高地的 Cuncaicha 岩蔭遺址（CUN002）。

如今的 B 肝病毒被分為 10 種基因型，稱為 A 到 J 型。美洲流行的 H 型、F 型（genotype H、genotype F），便是這群病毒流傳至今的後裔。

B 肝病毒的主要宿主是人類，大部分傳播會跟著人走。（北極區以外）美洲原住民的祖先從亞洲移民到美洲後，長期獨立發展，和其他地區缺乏交流。而美洲居民的 B 肝病毒也獨立演化超過一萬年，和人類遷徙、分家的狀況一致。

B 肝病毒在哪兒起源，有多資深？

美洲和歐亞大陸的 B 肝病毒，在什麼時候分家？論文對此不敢給出肯定的答案，也許是一萬多年前，也可能較接近兩萬年前。不過再怎麼說，都比智人祖先離開非洲的年代，要更晚許久。

過去有學者認為，B 肝病毒的歷史能追溯到數萬年前，智人離開非洲的時候。一大證據來自澳洲原住民感染的 C4 亞型（subgenotype C4），和同類分家 5 萬年之久。

但是這回估計 C4 資歷應該不超過 4500 年，遠遠比人類移民抵達澳洲的年代更遲。由此推論，C4 很可能是後來才抵達澳洲的。

• 延伸閱讀：由博物館頭髮 重建澳洲族群史

根據現有資訊推敲，B 肝病毒的共同祖先頂多處於 2 萬年前。但是更早以前是否已經存在，卻在歷史洪流中失傳呢？目前無法判斷，需要更多樣本才能釐清。

傳染病同類的不同品系間競爭激烈，若是新秀徹底取代老將並不意外。B 肝病毒在歐洲一萬年來的發展史，便是鮮明的興替實例。

歐亞大陸西部，延續四千年的上古霸權

137 個樣本，大部分位於歐亞大陸西部，可以看出比較詳細的端倪。簡單說：江山代有病毒出，各領風騷數千年。

距今 9000 到 11000 年前，歐洲一帶有 2 款遺傳品系；隨後的 7500 到 9000 年前，其中一款完全消失（Mesolithic 1，下圖左紅色），只剩另外一款（Mesolithic 2，下圖紫色），最早出現在高加索北部，接著在歐洲各處，缺乏農業，不定居的採集狩獵族群中廣傳。

接下來四千年，也就是距今 3500 到 7500 年前，歐洲和中東幾乎完全被另一群病毒佔領（WENBA，下圖綠色）。論文推測此一品系，是在距今 8000 年過後的歐洲新石器時代，隨著中東農夫移民潮進入歐洲，廣傳各地。

歐洲最初的農夫移民源於安那托利亞（現在屬於土耳其），可是約一萬年前，唯一的安那托利亞樣本卻不屬於這款（上圖左淡紅色），不是 WENBA 品系的直系祖先。

可想而知，目前取樣很有限之下，無法精準判斷各品系起源的位置與年代。每個時期可能都有多款品系共存，我們只能見到，當時存在感比較高的少數代表。

距今約 5000 年前，青銅時代開始之際，歐洲又有大量移民湧入，能追溯到其東方的草原地區。但是人類族群的 DNA 組成明顯改變之際，B 肝病毒卻沒有變化。或許這時歐洲、草原流行的品系是同一款，你傳我，我傳你，還是看不出差別？

• 延伸閱讀：德國青銅時代，沒有女兒的父權大家庭，還有遠嫁的女生

反正歐亞大陸西部在這四千年間，各地的人們不管生活方式、文化差異多大，大家都共享同一款 B 肝病毒！

B肝病毒的興替：霸權崩潰與轉移

盛極四千年的 WENBA 戰隊，距今 3300 年前過後卻幾乎消失。取而代之的是至今仍然存在的 A 型品系（Genotype A，上圖右紅色、下圖左紅色），已知樣本中距今 3500 到 5000 年前分佈於中東、高加索、歐洲東緣；隨後又前進歐洲，到 1500 年前還很有存在感。

接下來興起的是 D 型品系（Genotype D，下圖藍色），與 A 型共存一段時間後，從 1500 年前起成為歐亞大陸西部的新興霸權，從此一直延續到現代。

江山代有 B 肝出，WENBA 戰隊為什麼會徹底退出江湖呢？論文推測，多半和距今 3000 多年前的氣候、政治等劇變有關。

青銅時代晚期，地中海東部、中東一帶發生大規模的崩潰潮，周圍的歐洲、埃及動蕩不安（知名的特洛伊戰爭就發生在那個時期），數個重要的政權、勢力瓦解，社會秩序崩解。希臘的邁錫尼文明，黎凡特地區的烏加里特等城邦，安那托利亞的西臺帝國都不復存在。

在人類的經濟、政治強權崩潰，人群大洗牌的同時，B 肝病毒似乎也跟著霸權轉移。

上古霸權仍有後裔！卻是半殘的？

然而，在古代樣本沒有取樣到的地方，WENBA 戰隊仍有後裔持續傳承，衍生出 G 型品系（Genotype G）。如今它的存在感薄弱，遺傳多樣性很低，三千餘年來應該是悄悄地活著。

奇妙的是，G 型其實不算是健全的病毒，由於突變之故，它的核心蛋白（core protein）功能受到影響，而且無法生產「B 型肝炎 E 抗原（HBeAg）」，嚴重降低它的複製和感染能力。

曾經縱橫四千年的霸權，現存唯一後裔竟然是半殘的。但是 G 型也有其厲害之處：善於和其他病毒共生。現代的 G 型感染者，多數也同時是愛滋病患。而且 G 型品系的搭便車能力，很可能不是最近出現。

進一步考察非常驚人地發現，與其類似的突變缺失，其實古代樣本中相當常見：距今 3500 到 7000 年前，總共有 14 款略有差異的 B 肝病毒具有這些缺陷。

已知歐亞大陸西部的 83 位古代 B 肝宿主中，高達 22 人同時感染有缺失的病毒，以及健全的另一款品系（包括目前主流之一的 A 型）。半殘的 G 型品系似乎就靠著搭便車，一路前進到現在。

B型肝炎的歷史，也是全人類的歷史

感染 B 肝病毒多半不會致命，長期帶原卻會影響健康，有時候後果非常嚴重，因此被列為公衛計畫的打擊目標。台灣成功根除 B 肝病毒，是偉大的公衛成就，每一位居民都因此受益。

上萬年來普遍與人共生的 B 肝病毒，其歷史也是人類的一部分歷史。至今古代 B 肝病毒的研究，取樣幾乎都來自美洲和歐亞大陸西部，其餘地區如東亞、東南亞、非洲的樣本極少。B 肝病毒在這些地方如何演化，也令人好奇。

延伸閱讀

• 16世紀墨西哥城3位非洲奴隸，還有他們的B型肝炎與雅司病
• 一路走來，始終如一：義大利中世紀B 肝病毒和現在幾乎零差異
• 比維京人更古老的北歐天花，也許不如後來致命？傳染病的演化史
• 鼠疫桿菌，歐洲新石器時代崩潰的元凶？
• 反映古早人遷徙的胃幽門螺旋桿菌
• 尼安德塔人與穿越時代的腸道菌！與古代人共生，是怎樣的微生物？
• 美洲考古攋人包，Make America Great Again!
• 美國沙丘足跡：白沙國家公園 2 萬多年前的人類腳印
• 德國青銅時代的戰士們，大多乳糖不耐
• B型肝炎疫苗的誕生，和臺灣的B肝「清零」計畫——臺灣大學醫學院倪衍玄院長專訪
• B 肝疫苗及台灣的肝炎聖戰——疫苗科學的里程碑（三）
• 人類與 COVID-19 互相適應，這是場長久的「無限之戰」
• 陳建仁和6國專家的COVID-19經驗與展望

參考資料

1. Kocher, A., Papac, L., Barquera, R., Key, F. M., Spyrou, M. A., Hübler, R., … & Moiseyev, V. (2021). Ten millennia of hepatitis B virus evolution. Science, 374(6564), 182-188.
2. Study traces the evolution of the hepatitis B virus from prehistory to the present

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。