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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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