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
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