馬斯克腦機介面公司Neuralink發狂言,15年內復活侏羅紀公園,基因編輯技術走到那了嗎?
馬斯克腦機介面公司Neuralink發狂言,15年內復活侏羅紀公園,基因編輯技術走到那了嗎?

以矽谷「鋼鐵人」伊隆.馬斯克為首的腦機介面公司Neuralink,傳出計劃要用基因技術復活「恐龍」,在15年內實現《侏羅紀公園》真實版。

今年4月,Neuralink共同創辦人麥克斯.霍達克(Max Hodak)宣稱,15年內將能培育以基因改良的「外來物種」——恐龍,科幻電影中的侏羅紀公園指日可待。

同日,霍達克又解釋道,此恐龍非彼恐龍,而是將恐龍基因融合至現有物種中,創造出一個「新物種」,此話一出,隨即遭到各方質疑。到了5月,這位共同創辦人加碼宣佈自己已從Neuralink離職。

這項計畫是透過技術來滿足好奇心,去製造一個充斥著「新物種」、供人類消遣的樂園嗎? 這些問題不得而知, 但已知的是,霍達克想挑戰現存規律

延伸閱讀:隔空操控猴子玩電動、打兵乓球!Neuralink新進展揭密,馬斯克想用黑科技做什麼?

「復活恐龍」只是妄想

生物科學為我們揭開了基因的面紗。基因是由DNA這個雙螺旋結構所組成,鹼基對(A\T\G\C)則是DNA的基本組成單位。

根據2012年的一項遺傳學研究,DNA大分子結構的平均半衰期僅521年。這意味著,即便某生物死後,遺骸沒有腐爛且獲得了妥善保存,一旦過了521年,其DNA大分子結構起碼有一半的連結會斷開。

此項研究來自於某氣溫穩定落在13.1°C的地區,該地出土的158塊恐鳥(也稱摩亞鳥,一種已滅絕的巨型鳥類)骨骼遺骸。根據碳12同位素分析,這堆遺骸的平均年限落在600~8,000年之間。也就是說,Neuralink根本無法提取完整的恐龍基因,因為DNA早已消失了。

人類的基因組是由大約31.6億個DNA鹼基對,組成約2.5萬個基因。這2.5萬餘個基因,最後又構成了23對染色體。這23對染色體,便是人類的「圖紙」。 自卵細胞授精後,每個人在胎中都是按照這張「圖紙」來發育、生長。在人類離開母體後,身體對於各種損傷的修復,也依據23對染色體來完成。

人類基因組計劃(The Human Genome Project,HGP)在1990年正式啟動,美國、英國、法國、德國、日本和中國科學家共同參與了這一項預算達30億美元的人類基因組計劃。

按照此計劃的設想,在2005年,要把人體內約2.5萬個基因的密碼全部解開,並同時繪製出人類基因的圖譜。換句話說,就是要揭開組成人體30億個鹼基對的秘密。

到2000年6月26日,人類基因組草圖的繪製工作已完成。最終完成圖要求定序所用的複製人能忠實地代表常染色體的基因組結構,序列錯誤率低於萬分之一。截至2003年4月14日,人類基因組計劃的定序工作已完成,該計劃歷時約13年,耗資達30億美元。

如今18年過去了,我們依舊只能探索單個基因在疾病和人類發育過程中可能扮演的角色,但這背後的骨牌效應仍是未知。

為何人類共用一套基因組,但外在表徵卻不盡相同?為何都是從胚胎細胞出發,各種細胞、器官及組織的分化儼然像一個毫釐不差的精密機器?為何基因座的突變會帶來疾病,而相同的疾病背後又有哪些關聯性?

目前的科學界給不出答案。

因此,馬斯克的同僚們提到復活「恐龍新物種」,單純是一個不考慮可行性的想法,但對於合理評估和看待基因編輯技術的發展而言,這樣的發言是不負責任的。

Jurassic Park
圖/ 截圖自Twitter

基因編輯技術走到哪裡了?

在許多科學家的共同努力下,基因編輯技術距離人們的生活並不遙遠。

當患者身體出現發炎時,醫生經常會開立一種藥物—— 青黴素注射液 。然而,如今司空見慣的抗生素在80年前的價格好比黃金。在半個多世紀裡,人們利用各種遺傳學方法對產生青黴素的菌種進行大量改造,不斷改進培養基和發酵條件、試圖完善發酵設備及相關設備,並對發酵控制投入大量心力,使青黴素的生產水平不斷提高。

尤其是近十年內,人們對青黴素在微生物中的合成路線及代謝途徑進行全面研究,發現了控制和調節青黴素合成、代謝的許多「閥門」。人們利用各種手段來調節和控制這些「閥門」,使微生物按人為要求的合成路線大量生產青黴素。

基因編輯在其中發揮出相當大的作用,科學家正是利用基因工程將青黴素生物合成過程中,發揮「開關」作用的關鍵酶基因複製到生產菌種裡,加大對青黴素合成路線的控制力度,即進行代謝調控。此外,控制發酵的過程盡可能地利用原材料,以減少副產物的產生。

簡單來說, 透過基因編輯技術,可以為細菌嵌入幾段基因,這些基因可以讓細菌擁有生成青黴素的能力,人們只要提供其生長所需的營養物質和環境,就能坐收成果

基因
利用酵母細胞生產青黴素的過程。
圖/ 虎嗅網

這些技術讓80年前的液體黃金,如今僅剩50元台幣左右的價格 。這項技術被歸類於「合成生物學」的學科內。透過對細胞菌落進行基因編輯,甚至可以實現讓其生產石油等能源,或青蒿素、大麻二酚等化工物品,以及PHA等可分解塑膠。

除了細菌方面的應用,還可以改良動植物的基因,讓其具備自動驅蟲的能力。雖然沒有「復活恐龍」的驚艷,但這是基因編輯技術在生活中的紮實應用。

在合成生物之外,基因編輯技術也逐漸發展為一種新興療法,業界將其歸納為細胞及基因療法。細胞療法以細胞為載體,透過基因編輯工具的改良,讓其具備治療疾病的能力。而基因療法則越過了細胞,期望能直接在基因層面進行操作。

在單基因誘導的遺傳疾病中,例如先天性耳聾、失明、血友病、地中海貧血症等,都可以透過基因編輯工具對治病基因進行改造。

工具成為了治療疾病的敲門磚,也決定了基因編輯可觸及的邊界。即便上述的目的均已達成,但在大量領域,基因編輯仍未擁有姓名。

麥克斯.霍達克談及的恐龍新物種,就是其中一片無人之地,將由基因編輯工具的發展決定。

工具是基因編輯技術的重要命題

基因作為一個精密運轉的機器,精準運行是必定的大前提,若突變可能會引發出更大的問題。以癌症為例,細胞之所以會發生癌變,便是當調控細胞生長的基因發生突變或損壞時,使得細胞失去控制,持續地生長及分裂而產生腫瘤。

人為干預是為了解決問題,而不是製造問題。因此,人們對基因編輯工具的精度有較高要求。

幾十年間,基因編輯工具歷經反覆運算,從重組核酸酶媒介的基因編輯技術到TALENs技術,再到因諾貝爾而備受關注的CRISPR/Cas9基因編輯技術, 精度的遞進是工具革命的重要命題

基因
ZFN、TALEN及CRISPR/Cas9基因編輯技術:(a)鋅指核酸酶(ZFN);(b)TALEN;(c)CRISPR/Cas9。
圖/ 虎嗅網

延伸閱讀:諾貝爾化學獎頒給「上帝手術刀」!首度兩位女學者獲獎,基因編輯技術獲肯定

若用一句話概括基因編輯工具的主要目標,那就是 先破壞、再修護

作為一種常見的分子生物學事件,在哺乳動物分裂活躍的細胞中,DNA雙鏈斷裂(DNA double-strand breaks,DSBs)每天會發生。然而,在真核生物細胞裡面,透過自發雙鏈斷裂實現基因編輯的概率通常低於百萬分之一。

而DSBs發生後,細胞可以透過多種方式進行修復,但都會導致一定程度的遺傳資訊丟失。基於這個原理,人們可以主動觸發斷裂過程,再提供特定的鹼基或DNA片段,就有機會把特定DNA序列刪除或嵌入。

人為使用化學誘導劑、輻射處理等方法,或使用轉座子技術也可以實現基因的突變,但這些突變是隨機的,需要後續進行大量的篩選工作來獲得所需的基因型。

定點基因編輯因此成為基因功能研究和物種定向改造的優選策略。但對比上述三種基因編輯工具,仍有各自無法跨越的問題。

  • 鋅指核酸酶技術(zinc finger nucleases,ZFNs)從2001年開始陸續被用於不同物種的基因編輯,但除了高成本之外,編輯位點也較單一。

  • TALENs雖能實現更大範圍的編輯,但由於體積太大且較多重複的序列,讓編碼基因更加困難。

  • CRISPR/Cas9的出現,某種程度上緩解了上述的問題。它可以針對單一鹼基實現精準編輯,據研究顯示,CRISPR/Cas9在細胞系中基因編輯的脫靶率最高,可以降低近4個數量級。

在體內進行基因編輯(即治療過程中),CRISPR/Cas9的遞送再次成為科學家和企業的另一道必答難題。如今,這道難題的階段性答案是「腺相關病毒(AAV)」,它像是一台列車,可以將基因編輯工具有效地運送到目的地(待編輯的基因位點)。

基因
基因編輯的治療簡圖
圖/ 虎嗅網

可惜,AAV也有缺點。目前,其劑量過高所導致的毒性問題,在去年已讓5名患者失去生命,其過小的體積也讓它無法完全包裹CRISPR/Cas9。 這讓遞送環節的瓶頸,成為了基因治療商業化的最大難題之一

遞送系統的開發、工具的不斷優化和對病理的探索 ,這三項因素是基因編輯發展的三駕馬車,環環相扣、缺一不可。

因此,回過頭來看「復活恐龍」這個願景,就會清楚地認識到真實世界不是網路,在認可馬斯克的團隊之前,「認識現實」是一個人類應該具備的理性。

燦笑馬斯克elon musk tesla.JPG
圖/ Reuters Connect

面對電車和火箭,馬斯克及其團隊是思想上的巨人。但面對基因的秘密,至少目前的全人類都沒有話語權。

本文授權轉載自:虎嗅網
責任編輯:文潔琳、蕭閔云

關鍵字: #伊隆‧馬斯克
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 2026 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