消失4000年的長毛象將復活救地球?科學家估最快4年內實現,怎麼做到的?
消失4000年的長毛象將復活救地球?科學家估最快4年內實現,怎麼做到的?

上月13號,一群科學家與一群企業家宣布,他們共同成立了一間新公司「Colossal」,並且打算用基因工程技術「復活」在4,000年前就已經滅絕的長毛象,並將數以千隻的長毛象帶回西伯利亞的苔原,實現他們「減緩北極永凍土融化」的目標。

Mammoth-elephant
圖/ Colossal

「對我們來說,這是個重要的里程碑,」來自哈佛大學(Harvard University)的生物學與遺傳學家邱奇(George Church)說,他八年來都帶領著一個小實驗團隊,研究要怎麼復活長毛象:「這將讓世界變得不同。」

「Colossal」目前已經獲得了1,500萬美元(折台幣約4億1,655萬元)的初始資金,這筆錢將用來支持邱奇的研究,並在它們位於美國波士頓(Boston)和達拉斯(Dallas)的辦公室同步展開相關實驗。

長毛象是「做」出來的?

邱奇團隊的前任成員之一海索利(Eriona Hysolli),則將負責監督「Colossal」編輯大象DNA的實驗,實驗團隊預計要在大象的DNA中添加長毛象的特徵,例如濃密的毛髮,以及可以抵禦寒冷的脂肪層,他們希望能在幾年內就製作出類似長毛象的大象胚胎,並在最終創造出整個物種族群。

「Colossal」在Twitter指出,它們復活長毛象的目的是為了要讓地球變得「更加健康」。

復活長毛象的念頭在2013年第一次被提出,當時邱奇在國家地理學會(National Geographic Society)的一場演講中闡述了相關的概念。

邱奇當時表示,現今的亞洲象(Elephas maximus)和已經滅絕的長毛象,在大約600萬年前有著共同的祖先,所以透過修改亞洲象的基因組合,可以製造出和長毛象相似、表現出同樣特徵和行為的物種。

elephant
圖/ Pixabay

讓苔原變回草原

而且,除了滿足科學上的好奇心以外,邱奇認為復活長毛象還可以協助保護環境,因為長毛象曾經生活的西伯利亞和北美苔原正在迅速暖化,並釋放出二氧化碳、甲烷等溫室氣體。

在長毛象還存活的時候,苔原還不是苔原,而是草原。一些研究人員認為,長毛象其實是生態系統工程師,牠們會破壞苔蘚、樹木,然後用自己的排泄物滋養大地,並因此維護了草原的生態系統。

邱奇則進一步推論,復活長毛象將可以讓苔原變回草原,草原不只可以防止凍土融化、土壤被侵蝕,還可以吸收更多的碳、反射更多的陽光,從而減少大氣升溫,減緩氣候暖化的速度。

希望還能「去滅絕」其他物種

2017年,邱奇於哈佛大學的實驗室發表了一項成果,指出他們已經將 45個長毛象基因添加到亞洲象的基因組中;2019年,一間德州的人工智慧公司「Hypergiant」的創始人拉姆(Ben Lamm)找上了邱奇,表示自己對復活長毛象很有興趣。

最終,拉姆成立了科技公司「Colossal」支持邱奇的研究,從修改DNA的實驗做起,他們希望最終能將實驗成員海索利所謂的「功能性長毛象」帶到大自然野放。

拉姆向《華盛頓郵報》表示:「我們相信我們的努力會讓現在這個正在衰退的生態系統,復原成一個資源比較豐富的生態系統,就跟 1萬年前的苔原一樣。」

而且除了復活長毛象之外,他們還希望能夠「去滅絕」(de-extinct)——也就是「復活」其他物種,並建立一個瀕危物種的遺傳物質清單。

構成長毛象特徵的60個基因

目前,實驗成員海索利和她的實驗小組透過分析從化石收集而來的長毛象基因,列出了該物種和大象之間的關鍵差異,最終,他們集中研究了其中60個基因,認為這些基因對構成長毛象的特徵非常重要。

接下來,研究人員將嘗試製造出一個基因組合類似長毛象的大象胚胎。為此,他們需要從大象的卵子中取出DNA,並用類似長毛象的DNA取而代之。

然而,至今其實從未有人從大象身上取得卵子過,所以如果這個方法行不通,海索利和她的實驗小組打算從一般的大象組織中取得幹細胞,然後再誘導它們發育成胚胎。

Mammoth-elephant
圖/ Colossal

還需打造人造長毛象子宮

當胚胎製作完成後,邱奇一開始打算要將它們都植入雌性的大象子宮中,讓牠們代為孕育「長毛象」,但他最終拋棄了這個想法:一來,從未有人幫大象做過體外受精;二來,如果要建立一個物種族群,他將需要非常多的代理孕母。

因此,他最終決定要製造一個人造的長毛象子宮:「我不會做出大膽的預測,認為這將會非常容易......但所有事情到了這個時間點,已經都變得相對容易——所有我們需要的動物組織,我們都有製作的方法了。」

而為了達成這個目標,實驗團隊必須製作出一個人造子宮,能夠容納200磅(約91公斤)重的胎兒長達兩年。

但另一方面,有許多科學家對於「Colossal」能否實現這個目標感到懷疑。即使成功了,「Colossal」也將面臨嚴重的道德問題:畢竟,製造出一個人類對其生物學特徵了解甚少的物種,是否是一件符合人道的事?

在倫敦政治經濟學院(LSE)研究動物感知與福利的博士後研究人員布朗寧(Heather Browning)便認為,即使長毛象可以對苔原帶來任何好處,也必須先衡量牠們在被製造出來時可能會經歷的痛苦。

「如果牠們和大象相似的話——大象有著格外強烈的母嬰連結,而且會持續非常長的一段時間,但你卻沒辦法提供一個母親給牠們,」布朗寧說:「一旦有一隻或兩隻年幼的長毛象誕生了,誰來確保牠們有被好好照顧著?」

Mammoth-elephant
圖/ Colossal

利用新取得的基因工程和生殖技術賺錢

除此之外,「Colossal」的投資人也有疑問:長毛象可以怎麼賺錢?但創辦人拉姆預測,他們將可以從復活長毛象的實驗過程中,取得新形式的基因工程和生殖技術:「我們對從中產生的新技術抱持著希望和信心,我們可以為此成立單獨的業務部門。」

「但短時間內,我們的重點只會放在可以加速過程和效率的技術上,這些技術不只能夠復活長毛象,還能讓長毛象重新回歸野外。」

根據科技新聞網站「TechCrunch」報導,拉姆認為「Colossal」目前的資金應該足以讓它們開發出一個成功的長毛象胚胎,它們預計在未來的四到六年內生產第一批「長毛象」。

本文授權轉載自:地球圖輯隊

【熱門焦點】

1.辭三星半導體工程師、留50個月生活費專心閉關創作,韓國小說新銳寫出《魷魚遊戲》殘酷社會中的夢境救贖

2.台灣將買COVID-19口服藥!美國默沙東集團開發臨床實驗傳喜訊,陳時中:談判中

最新10月號雜誌《無程式碼時代來了!》馬上購:傳送門
「電子雜誌」輕鬆讀:傳送門

責任編輯:傅珮晴、錢玉紘

往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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