越南兩千年古早味咖哩？香料的食慾流動

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

香蕉 BANANE

香蕉富含澱粉與纖維且相當滋補，比起當成配菜來烹調，更常被做成儲備食物、早餐或單作甜點。我們來解讀一下它的芳香特徵，看看在烹飪和烘焙時能有什麼新方法吧！

熟香蕉與辛辣食物是絕配？香蕉與熱料理的完美結合

乙酸異戊酯是產生香蕉氣味的主要酯類，很容易就能合成（這甚至是高中實驗課的主題），而且每個人都能立刻認出香蕉糖的氣味。如果把香蕉煮熟，青綠氣息就會消失，反觀甜甜的香氣和幾乎熟過頭的果香就會增強。你可以將整條香蕉連皮一起煮，比方在上頭戳幾個孔，用一些香料調味，或用鋁箔紙／烘焙紙把整根香蕉包起來做烹飪，如此所有的滋味都能被保留起來。但是不要吃香蕉皮喔，食用之前一定要去皮。

煮熟的香蕉，一方面能和甜甜的焦糖化食物完美搭配，又與辛辣、烘烤及發酵食物是絕配。如果把香蕉煎過或烤過，梅納反應所產生的氣味效果更佳，並能與肉類和魚做搭配。品嘗時要注意，溫度是產生烘焙香氣的關鍵。另外，香蕉所含的澱粉，在熱熱的時候尤其能延長口中餘韻。

香蕉生吃有綠質草本香？生香蕉的奇妙組合

還記得薄酒萊新酒著名的香蕉風味嗎？香蕉和這種酒確實有一些共同分子^*。為了讓這些綠質香氣綻放，香蕉必須是生的，可切成條或磨成細緻果肉。如果選擇生吃，請在要吃的時候再切開調味。揮發性化合物非常脆弱，香蕉這種水果氧化得非常快（青蘋果跟香草植物也是如此），所以要最後一刻再做準備！

*：即乙酸異戊酯（acétate d’isoamyle），以及十六酸乙酯（hexadecanoate d’éthyle）、己酸 2- 庚酯（hexanoate de 2-heptyle）等花香和果香分子。

馬上就來試試看！香蕉創新食譜：花生粉裹雞排佐嫩煎香蕉

• 準備花生：將花生搗碎，放入平底鍋中（乾）煎，微微烘烤。
• 煮雞肉：將雞腿肉去骨（最好是雞大腿部位，但如果不行的話，可以只用雞里肌）。將雞肉放入花生粉裡滾一下，煎過後放進溫熱的烤箱中完成烹飪。
• 準備香蕉：在煎鍋裡，用少許花生油煎的香蕉（不要過熟）。完成時，加點士麥那葡萄乾（Smyrne）。
• 擺盤：將雞肉、煎好的香蕉和濃縮肉汁擺在一起享用。

不同變化：煙燻風味的香蕉 BBQ

將整根香蕉連皮一起做成 BBQ。讓香蕉皮焦掉（就像燒烤茄子一樣），靜置放涼後再取出略帶煙燻味的果肉。

——本文摘自 拉斐爾．歐蒙（Raphaël Haumont）、提耶里．馬克思（Thierry
Marx），《料理滋味創意地圖：法國材料物理化學專家聯手米其林主廚，15種香調、80種常見蔬果食材的氣味因子，探索 1,500 種創新風味搭配！》，2024 年 8 月，積木文化，未經同意請勿轉載。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜林庭葦
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

上古中國最常見的武器是「戈」？

說到中國的兵器，你可能會想到金庸武俠小說中的倚天劍、屠龍刀。事實上，我們熟悉的劍是從歐亞草原傳入中國。早在劍成為主流兵器前，在上古中國的戰場上，廣泛使用的兵器是青銅製的「戈」。中央研究院「研之有物」專訪院內歷史語言研究所李修平助研究員，透過研究殷墟出土的「銅三角援戈」，分析這些兵器之於墓主的意義，並解開晚商社會與區域互動的謎團。

在中央研究院歷史語言研究所的研究室裡，李修平助研究員揮舞著一把仿銅戈模型，一邊講解、一邊模擬商代士兵的作戰情形。

銅戈這類青銅器是用銅、錫、鉛為主的礦物冶煉鑄造而成，跟非金屬材料做的兵器截然不同。第一，銅戈相當鋒利，就算沒有正中敵人要害也會造成大量失血，攻擊效率極高。第二，石器要花時間打磨，但銅戈只要有夠多模具，就能大規模量產。第三，石器斷了就斷了，但銅戈就算鈍掉，磨一磨就能再用；就算爛掉，也能重鎔再製。

「銅戈彰顯了商代的軍事和科技實力，你不覺得這類兵器超猛的嗎！」李修平讚嘆古人的智慧，娓娓道來自己對銅戈與青銅器著迷的原因：

青銅器的鑄造技術就像當代的半導體，是上古中國最尖端的科技！

的確，與石器、玉器或陶器相比，青銅器的製造技術更複雜，從開採礦物、冶煉金屬，乃至鎔鑄器物，整套製程都需要高超的知識體系和工藝技術。

此外，李修平更從銅戈觀察到複雜的區域互動關係。目前，學界普遍認為「戈」是中國本土發展出的兵器，源自黃河流域，並往四周流傳。而青銅鑄造則是來自歐亞草原的外來技術，傳入中國後逐漸本土化，被用來製作各式禮、兵器，也包括銅戈。

根據目前的考古發現，在被視為「晚夏時期」的二里頭文化（西元前約 1750 至 1520 年）、「早商時期」的二里岡文化（西元前約 1510 至 1300 年）就已出土少量的銅戈。到了中、晚商時期，銅戈不僅大量出現於黃河中游的小屯文化（包括「花園莊期」與「殷墟文化」，西元前約 1320 至 1050 年），更散布於上古中國境內各地。不同地區銅戈的形制變化與出土脈絡，成為考古學家研究上古中國區域互動的重要材料。

考古學家如何還原文物身世？

在殷商時期，銅戈已是中國廣為使用的兵器，一支銅戈基本上具備：青銅製的「戈頭」、固定戈頭並可手執的「柲」、柲上端的「冒」，與柲下端的「鐏」。

戈頭又可大致分為用來攻擊的「援」、支撐柲的「內」（常見的造型有直內、曲內、管銎），以及位於兩部位銜接處的「闌」（分為上闌、側闌、下闌）。

為了讓戈頭在作戰時不會從柲上脫落，會在「援」或「內」上設計稱為「穿」的孔洞，可穿繩將戈頭和柲綁在一起。後來更出現了合瓦形的「管銎」，是形狀如兩塊瓦片圍成的孔洞，可讓柲直接穿過戈頭固定。

在形態各異的銅戈中，李修平注意到一種形狀特殊、數量稀少的「銅三角援戈」。與一般銅戈相比，銅三角援戈的主要特徵為：援呈三角形、援末有長方形穿、無上下闌。

銅三角援戈不僅造型特殊，更令人矚目的是，學者對於銅三角援戈的起源意見紛陳，目前至少包括「漢中盆地說」、「中原說」、「漢水流域說」與「涇渭三角地帶說」等不同說法。這也連帶影響其背後所反映的不同區域互動關係，形成眾說紛紜的局面。

根據目前的考古證據，在距今 3000 多年前的商代，銅三角援戈已見於上古中國各地，包括今日黃河流域的河南、河北、山東、山西、陝西，與長江流域的湖北、湖南與陝西南部等地。此外，殷墟所在的河南省安陽市，則出土近 20 件銅三角援戈。

為了藉由銅三角援戈此一個案，進一步探索商代複雜的區域互動關係，李修平首先分析史語所典藏的 4 件殷墟出土銅三角援戈。當中有 2 件「直內三角援戈」和 1 件「曲內管銎三角援戈」發現於洹河以西的小屯東北地（即一般所謂的「宮殿區」）。另有 1 件「直內三角援戈」發現於洹河以東的大司空村。

研究的起點，就得先從殷墟的地理位置，與文物的出土脈絡說起。

殷墟是商代晚期的王都遺址，其歷史可追溯至距今 3000 多年前，位於今日中國河南省安陽市的洹河流域，佔地廣袤，遍布大大小小的遺址。

史語所自 1928 至 1937 年間，陸續在殷墟進行 15 次考古發掘，在當年是首次由官方學術單位，在單一遺址中，進行長時間、大規模、系統性的考古發掘工作，奠定了中國考古學往後 90 餘年的發展。

為了尋找中國最早的文字──甲骨文，經過多年調查，史語所的考古學家前往安陽市西北部的小屯村，進行田野考古工作。由於小屯村以北發現大量的夯土台基，顯示此處曾是商代晚期的宮殿和宗廟的所在地，因而稱之為「小屯宮殿區」。此外，更在小屯宮殿區的西北方、洹河以北的侯家莊以北，發現了「西北岡王陵區」。

考古學家藉由解讀出土於殷墟的甲骨文，證實了歷史文獻上殷商王朝的存在。墓葬中更找到各式青銅製的禮、兵器，與《左傳》「國之大事，在祀與戎」的記載相符。毫無疑問，在不晚於殷商時期，「祭祀」和「戰爭」就是一個國家立足的根本。

在殷墟發掘的文物，皆有賴考古學家就其出土「脈絡」，還原身世背景。

除了觀察文物本身的形制、材質、刻紋等外在特徵之外，文物出土的地層、在遺址中的位置、周圍的其他遺存等，都是協助考古學家研究古人思想行為的關鍵。

李修平舉例，一件銅器在遺址的不同地方被發掘，可能暗示它所處的不同生命週期。例如在作坊附近發掘，可能是半成品或廢料；在居住區發掘，可能是使用中的物品；在垃圾坑發掘，可能是毀棄品；在墓葬中發掘，則可能是陪葬品。

從墓葬風格推算墓主身份地位？從戈的形狀看出區域互動可能性？

史語所典藏的 4 件殷墟出土銅三角援戈，有 3 件出自墓葬、1 件出自水井。首先，李修平從墓葬所在的位置、墓室的規模、陪葬品數量，以及是否有殉葬者，推測墓主的身分，與文物對墓主的個人意義。

舉例來說，直內三角援戈 R002108、R002109 皆出自小屯宮殿區的墓葬（這兩座墓葬的年代，均埋於「小屯宮殿區」形成之前）。雖然這兩把銅戈都做工精美、鋒利依舊，但出土墓葬的「排場」卻有所落差。

R002108 出自墓葬 M232，規模頗大，不但有殉葬者，還有眾多銅、石兵器，暗示墓主的身分地位與眾不同，生前可能有指揮作戰的能力。R002109 則出自墓葬 M270，規模較小、陪葬品也少，推測墓主在當地社群大概屬低階貴族。

李修平指出，上述兩件「直內三角援戈」雖然都出自墓葬，但這兩件兵器對於它們的擁有者來說，意義可能大不相同。

對墓葬 M270 墓主來說，R002109 是他為數不多的陪葬品中相對珍貴的器物。反觀墓葬 M232 墓主，不只陪葬品豐富，胸前還放了一把比 R002108 更精美、鑲有綠松石的曲內銅戈。此外，就陪葬品放置的位置來看，M232 墓主可能重視鑲嵌綠松石銅戈，更勝於 R002108。

此外，李修平也透過分析出土脈絡，為大司空村發掘的「直內三角援戈」R015552 拼湊出不同身世。

R015552 的前鋒圓鈍、內上沒有可穿繩的孔洞，作戰時戈頭容易與握柄分離。因此，李修平推測，這把銅戈可能不是實用兵器，而是作為儀杖或有其他用途。

此外，R015552 所在的墓葬位於殷墟的「東部工業區」，該地已發現生產各式骨器、陶器的作坊，或許也鑄造銅器，而此墓葬的位置正好位於骨器作坊的範圍。

因此，墓主的身分地位和所屬社群，可能與小屯宮殿區的政治菁英較遠，而與大司空村南地的工匠社群較近。

另一方面，李修平也從造型特殊的「曲內管銎三角援戈」R002130，觀察到區域互動的可能性。

R002130 的出土地點特殊，位於小屯宮殿區北部的一處水井內。這座水井出土的考古遺存數量豐富、材質多元，包括占卜用的甲骨、銅渣（代表附近可能有鑄銅活動），以及至少 21 件青銅兵器與工具。李修平推測，這些青銅器物的擁有者可能是生活或服務於小屯宮殿區的人員。

為什麼說「曲內管銎三角援戈」反映出區域互動的可能性呢？

首先，在二里頭文化時期至小屯文化時期，中原地區（黃河中下游、今日中國河南省一帶）出土的銅戈，其援部大多呈長條形，外觀呈現三角形者相對較少。如前所述，援部呈三角形的銅戈，究竟源於何地，仍有進一步討論的空間。

此外，能插入握柄的管銎設計，是北方式青銅器的特色，殷墟雖然有出土管銎銅戈，但數量遠不及無管銎設計的銅戈。

最後，曲內設計是中原地區銅戈常見的造型，最早見於二里頭文化時期，但融合「三角形援」和「曲內」這兩種設計的銅戈卻非常罕見。

李修平認為，「曲內管銎三角援戈」展現了各地物質文化元素在晚商王都交融的現象，也體現了商代工匠勇於實驗各種創新的銅戈設計，致力打造出能讓戈頭和握柄緊密結合的完美兵器。

「研究史語所收藏的殷墟出土銅三角援戈，只是研究的起點。」李修平表示：「直到今日，殷墟的考古工作已持續進行約 100 年，不僅累積龐大的材料，更發現種類豐富的『舶來品』。此外，在上古中國境內各地，也陸續發現五花八門的外來遺存。換句話說，運用脈絡比較分析法來研究上古中國的區域互動，其實才正要起步。」

跳脫「華夏中心史觀」！區域互動有多複雜？

「區域互動」的研究看似有很多材料可做，但李修平坦言，如果單純相信眼前的證據，很可能會誤入陷阱。

舉例來說，假設 3000 年後，外星人來到地球考古，發現臺灣是全世界晶片製造廠最密集的地方，他們可能會以為臺灣是半導體的發源地，但其實真正的發源地在美國。光是當代社會的物質文化都能推敲出多種可能，要推斷 3000 年前殷墟文物背後的區域互動關係，就更加困難。

李修平進一步指出，在中國考古學的研究中，當墓葬中出土了外來遺存，經常採用較籠統的說法。例如，某地「影響」了某地，又或者兩地之間存在某種「關係」，但詳細原因無法具體說明。特別是進入了夏、商、周時期，「華夏中心史觀」成為詮釋區域互動的基本預設。

其中一個例子，就是被學界視為夏朝晚期的二里頭文化與周邊地區的關係：一般認為，二里頭的物質文化就像太陽般輻射四方，只要在周遭地區看到類似的物質文化，很可能就是受到二里頭的「影響」。

「但這樣的論述其實有待商榷。」李修平點出爭議：「只因為看到這邊出土的陶器跟二里頭的陶器類似，就能斷定它被二里頭「影響」嗎？物質文化流傳的動力，是文化？是政治？是經濟？還是偶然的巧合？又或者是其它多重、複雜的因素？」

有關區域之間的「互動關係」，其內涵充滿各種可能性，諸如交換、模仿、貿易、移民、戰爭或殖民等原因，真相並沒有那麼單純。

因此，自 2020 年接手史語所安陽工作室以來，李修平就試圖跳脫「華夏中心史觀」，將上古中國的區域互動關係進行更細緻的梳理。

然而，研究過程並不容易，因為做研究必須跟著材料走，而不是跟著既有的、主流的論述走。如果有新的材料出土，就要接受已有的認識很可能被挑戰、甚至推翻的可能性。

「現代社會都這麼複雜了，古代社會也有它複雜的一面。」李修平望著眼前正在進行的研究，僅管還有許多難題未解，卻擋不住他躍躍欲試的心情。

「新的考古材料持續出土，不斷更新我們對古代世界的認識。儘管如此，考古學家仍要竭澤而漁，盡力蒐羅所有材料，試圖在相對穩固的基礎上，還原古代社會的複雜性，並提出比較合理的解釋。這是我做研究的基本態度。」