膠原蛋白
膠原蛋白
2002.12.01 |

膠原蛋白到底是什麼?從美容化妝的效果來看膠原蛋白,保濕除皺的功能令人愛不釋手;若從生物科技的角度來看膠原蛋白,卻看到人體組織工程未來的希望無窮。究竟什麼是膠原蛋白?能應用在哪些領域?未來的發展如何?
台灣現在掀起膠原蛋白熱其實是好事,雖然多數還停留在研究室階段,但是,從不同應用面去研究膠原蛋白,以後能夠整合的話,就能產生突破性的成長。國外的研究發展雖然領先很多,但台灣人連彩券密碼都可以破解,這真是世界第一!台灣人或許真的比較聰明,能找出捷徑。
膠原蛋白其實是生活裡常見的東西,平常吃的豬腳、豬筋裡的膠質,就是一種膠原蛋白。不過,豬腳的膠質只能當高蛋白營養品吃,並沒有化妝品、醫藥使用上強調的膠原蛋白功效,為什麼?因為膠原蛋白經過加熱之後,原本的三股螺旋立體結構就被破壞了。換句話說,加熱使膠原蛋白失去原本的生物活性,當然也就失去效果。所以,膠原蛋白並非稀有物,但是要保持它的生物活性,有技術上的難度。

**活化細胞、修復皮膚的生物活性

**
生物科技領域研究膠原蛋白已經有20到30年基礎,一般來講,膠原蛋白最大的功效是具有活化細胞、促進皮膚修復的能力。舉例來說,傷口都是從外向內逐漸癒合,因為細胞不是跳躍式修復,緩慢的癒合速度會留下疤痕,如果利用膠原蛋白充滿孔隙的立體結構特性,在傷口癒合過程中將細胞吸引進孔隙中,而且膠原蛋白本身豐富的蛋白,可以供給細胞豐富的營養及優良的成長環境。
這種原理的專業的說法是「模版效果」(template),就像蓋房子時,先以模版搭出結構性架構,再灌進水泥,能夠加快建築的速度;膠原蛋白充滿孔隙的立體結構,就像先用模版蓋好一個個結構,讓修復細胞進去,傷口修復速度就會比較快,也比較不容易產生疤痕。

**保濕除皺的美容聖品

**
不過,控制膠原蛋白孔隙大小的技術會影響效果,若孔隙過大,將無法留住細胞,孔隙過小,細胞又根本無法進入。這就是膠原蛋白的技術難度,也就是如何保持它的生物活性。這些還是針對膠原蛋白在醫藥上使用而言,如果要談論膠原蛋白在化妝品的應用,則又有另一番學問。
膠原蛋白會應用在化妝品,除了皮膚修復功能之外,最主要是看上膠原蛋白的保濕特性,因為它的氫鍵(分子間的作用力)會捉住水分子,保濕效果很明顯。人的皮膚通常30歲之後會逐漸乾燥,因為皮膚內原有的膠原蛋白(正常約佔皮膚組成的23%至30%)逐漸減少,皮膚外表就會乾燥、出現皺紋。
這並不是說人體內的膠原蛋白失去功能,而是耗損的量超過補充的量。就像剛蒸出的饅頭很飽滿、圓滑,但放久了,水氣跑掉,就變成乾癟皺巴巴的樣子,如果再拿去蒸、補充水氣,又會恢復飽滿圓滑。
化妝品級的膠原蛋白要做到能溶於水、容易被吸收,就必須使分子結構變得更小。醫藥級膠原蛋白大約是300奈米(nm,10-9m)的大分子,化妝品級要小10倍,約3-30奈米小分子。要切的小,但又不能破壞原來的立體結構,否則會失去生物活性,有些化妝品級膠原蛋白只考量切得更細,卻忽略原有結構立體孔隙的重要,結果破壞了生物活性結構,效果當然也大打折扣。
另一個關鍵是膠原蛋白的萃取過程。因為要從牛、豬、鳥類的皮、筋等組織萃取出膠原蛋白,常需要加入其他物質幫助萃取,醫藥級使用會再進行純化手續,但是有些在化妝品級的應用,卻沒有去除雜質就直接使用,造成使用者過敏和安全性顧慮。市面上化妝品膠原蛋白原料,有1公升幾千塊到幾萬塊的價格落差,就知道品質層次差很多,購買時必須注意化妝品級膠原蛋白的效果、持久性和安全性。

**人體組織工程應用是未來金雞

**
講到膠原蛋白的發展,目前大家比較瞭解、熟悉的是應用在保養品及化妝品上,但對生物科技發展來說,看重的卻是未來在人體組織工程的應用。
例如,用膠原蛋白培養軟骨組織、人工血管、瓣膜、關節等,以人體的排斥性來說,相較於其他材質,膠原蛋白最相容、也最不易發生後遺症,國內已有許多單位正在進行這部份的研究與發展。
若談到實際量產,目前僅有台鹽引進國外技術,正式生產醫藥級敷料,可用在燒燙傷、糖尿病、褥瘡病患的皮膚修復,是目前唯一有量產技術的公司。這個市場目前估計有10億元,雖然還不大,但後續成長空間很多。只是要進入量產階段,除了對膠原蛋白本身有良好的研究基礎,更需要量產設備、掌握製程技術,這些會是關鍵。
我認為,台灣現在掀起膠原蛋白熱其實是好事,雖然多數還停留在研究室階段,但是,從不同應用面去研究膠原蛋白,以後能夠整合的話,就能產生突破性的成長。國外的研究發展雖然領先很多,但台灣人連彩券密碼都可以破解,這真是世界第一!台灣人或許真的比較聰明,能找出捷徑。

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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