一句話總結：美國柏克萊實驗室推出MOSAIC可重組顯微鏡，將十多種成像技術濃縮進單一機體，結合Perlmutter超級電腦與開源軟體，直接解決生物數據「拍得出來、算不出來」的陳年痛點。
核心要點
- 數據洪流來襲：MOSAIC每小時最多產生4TB影像數據，傳統人工判讀與標準處理流程直接當機，這不是未來式，是現在進行式。
- 模組化設計搞定一切：從過去佔據10呎乘4呎光學桌的龐然大物，縮小到單一緊湊儀器，兩到五秒內快速切換不同成像模式，同一組雷射、鏡片與相機就能搞定十多種功能。
- 自適應光學是關鍵：內建修正活體組織造成影像模糊的技術，訊號與解析度同步提升，這對觀察活細胞來說不是加分題，是必考題。
- 超級電腦扛下重擔：柏克萊實驗室自家的運算工具，加上NERSC的Perlmutter超級電腦即時支援，讓巨量資料不再只是「先拍再說，算不出來就放著」。
- 開源精神貫徹到底：團隊已在不同地點複製建置超過十次，公開分享超過50份研究授權與完整建置文件——這種透明度在儀器開發領域堪稱異類，但正是科學該有的樣子。
- 技術系出諾獎名門：源於2018年諾貝爾獎得主艾力克·貝齊格（Eric Betzig）與Srigokul “Gokul” Upadhyayula等人提出的自適應光學晶格光片顯微鏡，不是路邊冒出來的野路子。
講直白一點，生物影像領域長期以來有個尷尬局面：顯微鏡越做越厲害，拍出來的東西越來越多，但多數實驗室的電腦根本跑不動那些資料。MOSAIC這套系統的出現，等於是把「拍攝」和「運算」兩件事同時拉到新的高度。
我特別想點出的是模組化這個設計思維。過去你要拍不同尺度的生物樣本，大概要換三四台不同的顯微鏡，每台的校正方式還不一樣。現在MOSAIC用同一組硬體，透過自訂光學切換系統在幾秒內切換模式——這不只是省空間，是直接改變了實驗設計的邏輯。研究人員可以同一批樣本、同一套標準，去比較不同成像技術給出的結果，這在以前幾乎是不可能的。
話說回來，每小時4TB的數據量也透露了一個訊號：「會拍」已經不是門檻，「會算」才是。柏克萊實驗室的做法很乾脆——直接找NERSC的Perlmutter超級電腦來扛。但一般大學實驗室或中小型生技公司呢？他們沒有國家級的運算資源。這也是為什麼團隊選擇把軟體工具和建置文件全部開源，說真的，這比發表一篇Nature論文還務實。
編輯觀點：MOSAIC的突破不在於單一技術的極致，而在於它把「成像—運算—分享」三個環節串成一條完整的工作流。從產業面來看，這套系統釋放的信號很明確：生物影像的競爭，接下來不會只比解析度和速度，還要比數據處理能力和跨系統的相容性。台灣的生技研究單位如果還在用「拍完再想辦法分析」的老思維，很快就會被這波浪潮甩在後面。開源文件都擺在那了，與其等代理商引進，不如現在就下載來研究。
目前MOSAIC已經實際應用在人類視網膜色素上皮細胞（hTERT-RPE1）的分裂觀測上，五種不同成像模式提供互補視角——這不是展示demo，是已經上線工作的工具。
如果你在生醫影像或細胞生物學領域工作，現在該問的問題不是「MOSAIC會不會很貴」，而是「我的實驗室什麼時候開始研究這套架構」。開源文件的門檻比你想的低，數據處理的瓶頸比你想的急迫。去找出那份建置文件，跟你的儀器負責人坐下來談——別等到隔壁實驗室都跑完一輪數據了，你還在手動對焦。
一句話結論
MOSAIC證明了生物影像的未來不是拍得更清楚，而是算得更快、比得更全面——而這條路，已經有人幫你把基礎建設鋪好了。
本文改寫整理自公開新聞來源，原始報導由科技新報發布。
常見問題 FAQ
MOSAIC顯微鏡跟傳統顯微鏡最大的差別是什麼？
最大差別在於MOSAIC用同一組硬體就能切換十多種成像模式，傳統顯微鏡通常一台只能做一種功能，換模式就得換機器。
每小時4TB的數據量，一般實驗室有辦法處理嗎？
很難。這也是為什麼柏克萊實驗室同時開源了運算工具，並建議使用高效能運算資源，一般實驗室需要評估自己的儲存和運算基礎建設是否足夠。
MOSAIC的建置文件真的全部公開嗎？
是的，團隊已公開超過50份研究授權與完整建置文件，並在不同地點成功複製建置超過十次，不是紙上談兵。
這項技術跟諾貝爾獎得主貝齊格有什麼關聯？
MOSAIC的技術基礎源自2018年貝齊格與Upadhyayula等人提出的自適應光學晶格光片顯微鏡，可以視為該技術的模組化升級版。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。