MIT打造了「縮小燈」!只要雷射光和尿布材料就能讓物體迅速縮成千分之一
MIT打造了「縮小燈」!只要雷射光和尿布材料就能讓物體迅速縮成千分之一

最近,MIT研發出一種只要照雷射光,就能讓物體縮小一千倍的技術,而且這個方法在物體變小之後,還不會恢復原狀。

MIT 版縮小燈1.jpg
這張照片就是MIT研究團隊利用「內爆製造」做出的3D奈米結構,再複雜的結構對於「內爆製造」來說,都能輕鬆縮小成一千倍。
圖/ 地球圖輯隊

只需要雷射光和尿布

最近,麻省理工學院(MIT)找到了一種可以迅速將物體縮小1,000倍的方法,這種方法不只快速,而且材料便宜又容易取得──只需要雷射光和聚丙烯酸(polyacrylate)──聚丙烯酸這種材料因為吸水效果非常好,通常在嬰兒尿布裡就能找到,在多數的生物工程實驗室裡也很常見。

幾乎所有材質都適用

MIT將這項技術命名為「內爆製造」(implosion fabrication),不管是金屬、量子點(quantum dot)或DNA,都能利用「內爆製造」的方式,迅速將該物體3D等比例縮小1,000倍。

負責這項研究的MIT神經網路與大腦認知科學專家波伊登(Edward Boyden)表示,科學家們已經花了數年的時間在尋找能夠更方便製造奈米材料的技術,現在有了「內爆製造」,幾乎就能讓任何材料瞬間變成3D奈米尺度。

MIT 版縮小燈2.jpg
雖然現在的3D列印技術,已經可以「印出」奈米尺度的結構,但受限於技術上的限制,3D列印不像「內爆製造」可以應用在各種材質。
圖/ 地球圖輯隊

3D奈米尺度,方法有兩種

在「內爆製造」之前,如果想要打造3D奈米尺度的材料,可以分成兩種方法。

第一種方法是利用光先在面板上蝕刻(etching)出2D平面圖案,再將2D平面層層疊起,變成3D立體結構,但這種方法既耗時又很有挑戰性。

另一種方式則是利用3D列印技術,直接「印出」奈米尺度的物體。但受限於3D列印技術上的限制,用這種方法做出來的成品只能是特定的塑膠材質,在結構上也有一定的限制。

像照到縮小燈,一起縮小

但「內爆製造」和上述這兩種方法都不一樣,「內爆製造」不是從零開始做一個奈米尺度的材料,而是先有一個物體之後,接著像照了縮小燈一樣,讓物體等比例縮小成千分之一倍,如此一來就能輕鬆製作出更精巧、又是奈米尺度的物品。

MIT 版縮小燈3.jpg
這也是MIT研究團隊利用「內爆製造」縮小而成的奈米結構。
圖/ 地球圖輯隊

「內爆製造」要怎麼做?

在「內爆製造」開始之前,我們需要先準備好聚丙烯酸和螢光素(fluorescein)的膠狀溶液,將想要縮小1,000倍的物體放進這個膠狀溶液之後,利用雷射光照射,就讓物體可以和整坨膠狀溶液固定在一起。

脫水的力量「向內爆炸」

接下來只要在這一整坨膠狀溶液當中加酸、脫水,就能讓這一整坨膠狀溶液利用脫水的力量向內爆炸,讓整個東西等比例縮小後,就能獲得每邊縮小10倍、相當於體積縮小千分之一的物體了。

MIT 版縮小燈4.jpg
研究人員認為,未來要將「內爆製造」應用在光學、醫療和機器人領域都不是問題。
圖/ 地球圖輯隊

從手機鏡頭到機器人

關於「內爆製造」的應用範圍,研究團隊認為在光學和機器人領域可以做為「內爆製造」的第一步。例如:利用「內爆製造」打造一個專門研究光的特製鏡頭,或讓智慧型手機的鏡頭、內視鏡或顯微鏡的鏡頭變得更好、更精巧。

如果將「內爆製造」用來打造奈米尺度的電子設備或微型醫療機器人,未來在癌症治療上,或許就能在癌症藥物當中加入奈米尺度的機器人,患者將癌症藥物和奈米機器人一起吞下肚後,就能用這個機器人尋找癌細胞「對症下藥」。

以後在家就能做

由於「內爆製造」所需的材料都能輕鬆取得,所有的材料都沒有毒性,或許未來這項技術就能讓大眾在學校或家裡自行操作。

延伸閱讀:

  1. 3D列印技術大突破 加州理工大學成功印出奈米尺度的金屬
  2. 神奇「自我修復」墨水 快速修復不是夢
  3. DNA存檔? 歐洲學者發明前所未有儲存技術

本文授權轉載自:地球圖輯隊;作者時穿

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓