【時代力量新北黨部新聞稿】
-
新北市三級警戒滿月 時代力量提五大呼籲
期盡速補足防疫缺失 建立完善疫情防護網
-
新北市疫情自5月15日宣布進入三級警戒後，至今已屆滿一個月，雖然已經連三日確診數降到兩位數，但參考國外一波波的高峰期，我們沒有輕忽的本錢。為此，時代力量副秘書長張衞航與新北黨部彭盛韶、陳姳臻兩位副執行長，以及新北市瑞芳區龍山里里長陳志強一同於今(6/17)日召開記者會，站在守護新北市市民健康安全立場上，盤點出這一個月來新北市在各項防疫措施上待改進之處，以及長久以來因為醫療量能的不足造成防疫工作執行更加困難的原因，並且提出五大呼籲：
-
1⃣ 盡速檢討全國六大醫療照護網，補足新北市醫療量能。
2⃣ 重災區列優先施打名單，增加新北市疫苗配給。
3⃣ 跨縣市接觸者資訊要更親民，避免民眾陷於恐慌。
4⃣ 市場分流管制再加強，責任不應全數推給自治會。
5⃣ 啟動調查雙和醫院特權疫苗事件，釐清事實，給予市民一個交代。
-
#盡速檢討全國醫療照顧網，#補足新北市醫療量能不足問題
-
彭盛韶表示，台灣於1986年劃分了「醫療照護網」，共分為六個區域，包括台北、北區、中區、南區、高屏以及東區醫療網。其中，台北醫療區納入了基隆、台北、新北、宜蘭、金門、連江等六個縣市，也因為這樣的區域劃分，長久以來，大家會認為雙北的醫療資源是共享的，因此新北市被列為醫療資源過剩地區。彭盛韶說，雖然衞福部於2011年將「台北一級醫療區域」再劃分出「六個次級醫療區域」，希望可以藉由醫療區域再劃分，將各地的醫療量能作更完善的規劃。但這樣的劃分仍將新北市多數行政區和台北、基隆合併為次級醫療區域，隨著Covid-19疫情在新北市的大量爆發，可看出這樣的劃分並未有效如實反映新北市的醫療需求，這不僅凸顯了新北市的醫療量能仍舊不足，也顯示出台灣目前的醫療照護網需要再次重新檢討。
-
彭盛韶接著說，依據衛福部提供的最新數據顯示，新北市每萬人口醫師數為15.44，等於一萬位新北市民只被分配到15.44位醫師，相較於其他五都，新北市民可以受到的醫師服務照護嚴重墊底，甚至不如宜蘭、基隆、新竹市、彰化、嘉義、花蓮等縣市。此外，從每位醫師服務人口數來看，新北市每位西醫需服務人口數為648人，為六都最高，而新北市民每萬人所能分配到的病床數為35.06，相較於台北市的76.64、或者其他五都中最差的台南市的52.44，都更加凸顯了新北市醫療資源嚴重不足的窘境，也讓新北市第一時間面對突然爆增的病例案，毫無招架之力。
-
彭盛韶認為，醫師人數以及病床數是衡量醫療資源是否足夠的最基礎指標，新北市作為全台最大縣市，卻是六都中醫療資源最貧乏的區域，也無怪乎為什麼高雄市的人口數比新北市整整少了130萬，但在醫事人員與疫苗的分配數量上，卻遠高於新北市。彭盛韶說，35年前醫療照護網的劃分或許是地理區域及人口結構使然，但新北市從1986年至今 ，人口成長數已超過130萬，幾乎等於整個台北醫療網的人口增長數（佔比高達89.72%），甚至高於中區、南區與高屏醫療區各自的人口成長總和，但面對Covid-19疫情，新北市無論是醫事人員或病床數都還是嚴重不足。 對此，彭盛韶呼籲，衛福部必須嚴正看待此事，並且再次盤點《醫院設立或擴充許可辦法》第6條附表的醫療區域劃分，協助新北市補足應有的醫療量能，以避免將來再有災難發生時，又因為醫療量能不足導致妨礙救災或防疫的悲劇一再重演。
-
#重災區應列為優先施打對象，#增加疫苗配給
-
陳志強說，作為一個里長、最基層的防疫工作人員，每天跟地方的民眾接觸，最大的體會就是疫苗配量的不足讓地方鄉親一直處於恐慌之中。新北市從5月30日開始，每天的確診數開始超過台北市，成為全台第一重災區。但很遺憾地是，中央疫情指揮中心在第一時間就疫苗數量的分配數，僅單單列出各縣市優先施打對之人數，完全忽略了新北市嚴重的災情，需要注入更多的防疫資源以避免疫情持續地擴大。
-
陳志強表示，降低傳播率、致死率跟重症率是防疫工作上最重要的三項目標，從5月15日新北市提升為三級警戒至今，雖然每日確診數已從三位數降為兩位數，但新北市仍是疫情高發區，這是不爭的事實。只要疫情沒有降低到個位數、甚至是零確診，任何的輕忽都會給予病毒有捲土重來、再次大範圍擴散的機會。台大公衛學院兼任教授金傳春就曾提出警告，疫苗分配必須用平時及戰時兩種情況來看，當雙北疫情居高不下，無法像懸崖式快速往下降，就代表有些傳播者沒具體找到，因此建議疫情指揮中心在疫情高發區，疫苗要多分配一點，以便去看是否能將傳播率降下來。
-
陳志強強調，作為新北市基層里長，一定要為新北市基層民眾請命，中央疫情指揮中心應該也是有聽進上述等學者專家的意見，或者為了弭平基層的反彈聲音，因此在宣布疫苗分配的隔日就快速將新北市的疫苗配給多增加10%。即便如此，陳志強認為還是提醒衛福部，現在的防疫是在跟病毒競賽，比誰跑得快。施打類別以及疫苗的分配一定要做全盤考量，相較於其他縣市，新北市病例數仍舊高居不下，致死率也還是最高，中央配給給新北市的疫苗，一定要將病例數及致死率列入評估，再多分配一些給新北市，以阻斷病毒的傳播與擴散。陳志強說，這樣做不只是為了新北市，更是從台灣社會全體來考量，唯有將仍屬於高風險區的新北市疫情控制住，台灣的防疫工作也才能更有效率。
-
#跨縣市接觸者匡列資訊更親民，#避免民眾陷於恐慌中
-
陳姳臻表示，不論是6月7日發生的台北市電視台攝影師意外過世後確診，但新北市同住家屬過了兩天後才被通知安排篩檢；以及基隆、新北黨部日前接獲的陳情案件，一位在基隆上班的新北市民染疫，但同公司居住於其他縣市的同事，符合接觸者規範，快篩陰性後僅被要求居家自主健康管理，遲遲未等到居家隔離通知，詢問衛生局亦無正面回答，讓民眾不知所措。雖然衛福部去年有公告「嚴重特殊傳染性肺炎疫情調查及接觸者追蹤指引」，明訂指標個案疫調是由居住地衛生主管機關負責，但遇到個案工作地及居住地垮縣市時，明顯出現溝通上的落差。
-
陳姳臻說，這不禁讓我們憂心，區域聯防的溝通是否不順暢，跨區出現匡列過程中的遺漏者，增添風險，相關規範也未刊登在縣市防疫專區的公告，徒增民眾的惶恐。陳姳臻認為現有的跨縣市匡列流程拿出區域聯防的精神，共同協助民眾、加強縣市衛生局橫向溝通，以免遺漏。而衛福部作為中央疫情指揮中心，不能只是一句「疫調屬地方權責」就把責任全數放給地方承擔，應該協助區域內進行督導與協調。
-
陳姳臻強調，接觸者的匡列追蹤是可能有效減緩病毒傳播的重要手段，防疫資訊公開平台越友善使用者，有助於完善該手段。舉例來說，美國加州政府的接觸者追蹤平台為例，一個完整的接觸者追蹤頁面，清楚、明確地將：如果成為接觸者，該怎麼辦？接觸者會怎麼被通知？如果是確診者未被衛生部門通知到，或者是接觸者，未被匡列時該怎麼辦等問題，用簡單的網頁模式讓民眾一目瞭然就是可以參考的作法。陳姳臻建議，國外已經走過冤枉的路，我們大可不用重走一遍，不論是中央還是地方政府，可以參考美國加州創設接觸者追蹤平台的方式，整理清楚的接觸匡列流程，避免目前疫調、匡列、居家隔離單發送全由電話人工解釋的塞車狀況，也可參考其虛擬助手等數位管道進行簡單的疫情調查，避免因為行政上的嫁接問題造成更多人處在感染風險或無端的恐慌，亦可以降低一線人員的工作壓力。
-
#新北市市場分流管制需再加強，#特權疫苗事件應盡速啟動調查
-
除了上述所提出的幾項呼籲，針對新北市這一個月來的防疫政策與作法，張衞航提出三大需要改進面向，包括各區域市場分流管制並未落實；雙和醫院特權疫苗問題仍未釐清；以及疫情期間，處於防疫第一線的消防員仍需協助非必要任務。
-
張衞航表示，全國各縣市自五月底就開始實施市場分流管制，原本和新北市一樣未強制分流措施的台北市，在發現以監視器監控人流的成效不彰後，已改於假日人潮較多時實施分流管制，但新北市政府仍堅持要將市場管制問題交給各市場自治會，結果就是有些市場還是無法確實做到人流控管。舉例來說，板橋的龍興市場主要出入口沒有落實區公所要求的人、車流管制，僅有部分店家做到QR-Code實聯制。另外，土城延吉街市場雖在主要入口設有管制點，但該市場巷子錯綜複雜，採買者可以直接越過主要入口，從旁邊小巷進入採買，根本無法達成管制目的。此外，新莊的豐年市場，甚至完全是開放式、沒有管制，也不是每個店家都實施實聯制。張衞航認為，盤點下來，新北市各地傳統市場的人流管制還是有漏網之魚，新北市府不應該把管制的責任轉嫁到自治會身上，要求市場自治會承擔，畢竟他們沒有公權力，市府應負起全部責任，針對上述狀況確實了解並提出解方。
-
張衞航接著說，新北為台灣疫情最嚴峻的區域，在雙和醫院爆發疑似特權施打疫苗事件時，新北市仍有第一線醫護人員雖已在造冊名單之內，卻遲遲等不到疫苗的情況。但市府面對此疑似特權疫苗事件，態度竟然是要大家「不應該在這個地方爭執和計較」，完全沒有要徹查懲處，實在離譜至極。張衞航認為，相較於台北好心肝、台中榮總的特權施打事件，當地檢調單位已啟動調查，新北市府作為疫苗配送的權責單位，應責無旁貸，主動向社會大眾交代清楚整起事件的來龍去脈。同時，也呼籲新北市政府應更嚴謹控管疫苗，落實造冊及複查，針對接下來的疫苗施打順序進行系統性地盤點，可造冊者應妥善造冊分配，讓新北所分配到的每一劑疫苗，都可以依序用在刀口上，幫助到每一位新北市民。
-
張衞航強調，防疫工作不分黨派、顏色，盤點出目前的防疫疏漏缺失，是希望市府甚至是衛福部可以針對這些缺失進行改善，讓疫情防護網的建立可以更完善。此外，除了市場分流、疫苗特權施打問題，#張衞航也為消防員請命。張衞航表示，新北市的消防弟兄作為第一線防疫工作人員，平常已繁重的勤務量，在疫情期間更是加劇，但在疫情仍舊嚴峻的此刻，#新北市的消防弟兄仍舊需要協助抓蛇業務。張衞航認為，#新北市政府應該立即改善這項負擔，不要再讓人力配置已明顯不足的消防員，在疫情期間勤務負擔更加吃緊，反而讓防疫工作大打折扣。

#今日疫情重點【新增297例本土，校正回歸258例，死亡19人，疫情沒有下降趨勢；指揮中心加開專責病房，表示醫療量能充足，北市駁斥空床數；指揮中心預估10月底接種一劑疫苗人口達6成；雙北提紓困方案、兵推四級警戒】

台灣今（28）日新增297例COVID-19（又稱新冠肺炎、武漢肺炎）本土確診個案，校正回歸258例（新增與回歸數共555例），2例境外移入，19例死亡，死亡人數屢創新高，年齡介在40多歲～80多歲。重症使用呼吸器的人數從昨日139人，上升到159人。

今日下午15萬劑莫德納疫苗抵達台灣。指揮中心副指揮官、內政部次長陳宗彥今日上午在全國防疫會議後記者會上表示，過去針對疫苗，封緘審核約需要3週時間，這段期間經過各部會協調，COVID-19的疫苗審核希望縮短到1週，莫德納疫苗也會努力照此時程辦理。

指揮中心今日並公布全國專責病床數量，表列台北市和新北市的空床數各有682和1,183床，醫療量能足夠。但台北市長柯文哲反駁表示，北市各醫學中心量能皆已緊繃，台北市衛生局長黃世傑也表示只剩20張空床，中央公布的空床數數據與地方實際情況出現明顯落差。

■新增297例本土，疫情沒有下降趨勢，陳時中：不是太好的狀況

今日新增的297例本土個案，為157例男性、140例女性，年齡介於未滿5歲～90多歲，發病日介在4月29日～5月27日。其中新北市136例最多、再來是台北市94例、桃園市21例、台中市10例、花蓮縣9例、彰化縣7例、基隆市及台南市各6例、嘉義市2例、新竹縣、屏東縣、台東縣、南投縣、新竹市、高雄市各1例。（見最新疫情概況圖）

校正回歸258例部分，為133例男性、125例女性，年齡介於未滿5歲～90多歲，發病日介在5月11日～27日。同樣是新北市141例最多，再來是台北市114例、彰化縣2例、桃園市1例。

新增個案加上校正回歸共555例確診病患中，具萬華活動史者110例，台北茶藝館9例、獅子會相關1例，其他已知感染源181例、關聯不明143例、疫調中111例。

針對目前的每日病例趨勢，陳時中表示，從校正回歸後，每日確診人數趨向於平坦，但沒有下降，「這樣情況不是太好，」他表示，篩檢上面還是要加快，儘速把社區病人抓出來，阻斷傳播。

不過，陳時中也表示，從發病日作為確診數計算來看，確診人數是有稍稍趨緩；而且目前也沒有疫情突然上升的狀況，代表整體社區管制、三級警戒、口罩、洗手等公衛措施都有一定成效，整體疫情、病例還需要再研判整體狀況，下週一或二會做詳細的報告。

台灣流行病學學會理事長許光宏在接受《報導者》採訪時表示，觀察防疫作為是否有用，得觀察兩個傳染週期即14天，本土案例自5月15～17日進入高峰，本週正是關鍵，可以觀察疫情是否會在這幾天趨緩；另外一個判斷時間點，則是5月19日進入全國三級警戒，若防疫有成效，也可在6月2日～9日看出疫情下降的變化。（見經校正回歸每天確診數圖）

■死亡個案持續上升，今日死亡19例，此波出現急速猝死個案，年輕個案待了解原因

今日新增19例死亡個案，包含14位男性、5位女性，年齡介在40多歲～80多歲，發病日介於5月10日～24日，確診日介於5月17日～28日，死亡日期則介於21日至27日。疫情自去年爆發以來，共78人死亡，其中71人屬於本土個案、7人境外。

新增19名死亡個案中，目前已知13名皆有慢性病史，也有個案在同日從發病到死亡，或短短幾日。今天最年輕的40多歲死亡個案（案6824），指揮中心發言人、疾病管制署副署長莊人祥說明，此案在5月18日出現發燒、喉嚨痛，當日前往診所就醫，20日診斷急性氣管炎，23、24日診所就醫、25日到醫院快篩為陰性，26日晚上倒臥在家中浴室，後被送醫但到院前死亡。

指揮中心專家諮詢小組召集人張上淳表示，PCR較快篩敏感，快篩僅能測得病毒量較高的確診者，而病毒量愈高，傳播能力也愈好，但這跟疾病的嚴重度無關。一個病患是否會轉為重症，還是得看病人的臨床狀況，在病患發病一週左右是重要的觀察期。

此外，張上淳表示，最近有幾個死亡個案年紀較輕，但病情突然惡化，並非典型的狀況，慢慢出現愈來愈喘，針對這些個案，「若有足夠時間，確實應該詳細檢討，包括做死亡個案的病理檢驗，才能更清楚了解過世原因。」

■指揮中心指出專責病房已加開且充足，北市駁斥「不要坐在辦公室看數字」

指揮中心表示，以5月11日～26日累計的確診個案收治情況來看，有37%確診者收治在醫院、33%在集中檢疫所、15%在加強版集中檢疫所，安排中、聯絡中各佔約5%，現已有92人解除隔離。　

為了擴增醫療量能，指揮中心日前已要求各醫院加開專責病房，同時開放隔離病床可以多人一室。衛福部常務次長石崇良今表示，目前全國收治確診個案的醫院達180家、病床數共9,015床，目前空床數為7,380床，多數都在中南部。其中北北基桃床數可以陸續開出2,800床（目前北北基桃空床數2,473床），雙北開設速度加快，不過有過多確診者集中在部分醫院的情形，希望透過緊急醫療系統分流。負壓隔離病床部分，全國有919張，前幾天量能最為吃緊，僅剩約200床，目前已協調將部分病人移往專責病房，把負壓病房留給需要呼吸器、插管的重症病人，雙北負壓病房空床數約140床可用。

針對指揮中心公布台北市的專責病房有682床空床，台北市長柯文哲下午立即駁斥表示，請中央「不要坐在辦公室看數字」，應到第一線去看，就知道不可能有幾百床空床。台北市衛生局長黃世傑也表示，呈現數字和解讀的時候，希望能跟地方多了解及溝通，就他所知，台北市的專責病床只剩下20床，很快就會用完，加護病房和負壓隔離病房更吃緊，前幾日北市聯合醫院和台大醫院都有求救或反應，也有救護車送患者到醫院沒有病床的狀況，「今天說我們台北市醫療量能是足夠的，我覺得這個結語是值得再深思。」

■陳時中：雙北1～3類公費族群都可打到疫苗、預估10月接種一劑人口達6成

昨日指揮中心宣布新一批41萬劑AZ疫苗，首波將配送15萬劑，提供給第1～3類公費族群（醫護人員、中央及地方政府人員如村里長等、高風險接觸第一線人員）優先接種，但引發高雄獲得的疫苗較新北多的爭議。陳宗彥今天說明，5月27日前後，新北市分別取得4萬9,300劑疫苗、1萬8,000劑疫苗，總共6萬7,300劑。高雄市在27日之前取得的疫苗較少，共3萬3,800劑疫苗，這次則配給2萬1,000劑疫苗，整體5萬4800劑疫苗，少於新北市。

陳時中強調，雙北是接種疫苗的重點區域，1～3類公費族群絕對可以接種到疫苗，一線的警察也可以接種。台北市副市長黃珊珊表示，剛配發的疫苗到今日已經施打1,132人，會讓專責病房的第一線人員全數接種完畢後，再開放第2、3類；新北市長侯友宜也希望本週日能把疫苗打完。

目前前兩批共31.62萬劑AZ疫苗已全數打完，而平均一瓶疫苗可打10.5人，因此目前總施打人次已超過33萬。陳時中表示，希望在10月底接種一劑疫苗的人口可以達到6成，因為目前研究推估6成就能有社區防護，觀察國外的施打狀況，兩成以下看不出效果、2～4成些微效果、4成以上效果不錯、6成就能壓住疫情。

■雙北快篩準確度達7成，但當確診病例人數不多，準確度會差很多

指揮中心醫療應變組副組長、疾病管制署副署長羅一鈞表示，由檢驗資料比對判斷，同一個民眾同時接受抗原快篩、核酸PCR的結果，來看出快篩的準確度。這次針對5月21～26日、24家醫院上傳的資料，台北市有5家醫院、新北市有4家，結果雙北的比對結果，快篩陽性的確診率達73～75%。

但雙北以外使用快篩的成效就不高，羅一鈞說，以桃園為例，一家醫院0%，另一家71%。他表示，快篩建議對高風險、相關接觸者身上使用，Ct值低於22以下，快篩檢測率都很高，「因此建議用在感染初期、有明顯症狀的民眾，使用快篩會比較準確。」

■ 台大公衛學院教授陳秀熙：要控制疫情，非藥物公衛介入措施（NPI）須達85%以上

今日新北市政府邀請台大公共衛生學院教授陳秀熙出席記者會，向市民解釋新北市的疫情趨勢。陳秀熙指出確診數的高峰落在5月22日，這是因為社區篩檢站的大量設置，導致能夠被篩檢出來的陽性人數相對增加，而第一波感染主要來自萬華的社區傳染，是在警戒措施尚未實施之前發生。

陳秀熙進一步說明，在多數人接種疫苗達到群體免疫之前，非藥物公衛介入措施（NPI）仍是關鍵，如果沒有嚴格落實三級警戒，疫情勢必會再延長。COVID-19的R0基本再生數（用來判斷傳染病傳播力的重要指標：平均一個感染者，會傳給幾個人）在完全沒有NPI的情況下是5.78，而雙北在實施三級警戒後，NPI達到70～75%，Re（NPI介入後有效再生數）降到1.45～1.73，疫情處於緩步上升但仍可控制的狀態。

但陳秀熙坦言，若要讓疫情真正趨緩，NPI介入必須達到85～90%，讓Re小於1，才能阻斷傳染鏈。他也提醒，根據COVID-19的病程進展，以沒有新增確診者的條件來估計，加護病房的需求高峰會落在6月4日，達到128床。因此，現下完全不能對疫情有所懈怠，必須繼續落實防疫措施。

■ 雙北提紓困方案、兵棋推演四級管制措施

台北市與新北市今日都針對疫情影響推出特別紓困。台北市財政局長陳家蓁說明，短期紓困措施包含延降稅賦、延遲或減免租金、優惠利息、各項補貼（防疫旅館、急難救助、公車、藝文專案）、企業融資和勞工紓困等，失業勞工紓困計畫基本上比照去年辦理，整個短期紓困措施實施期間為5～7月份，後續視疫情狀況滾動修正，民眾若有需要皆可上市府疫情專區查詢申請方法和詳細資訊。

新北市亦提出防疫助扶專案，包含民生救助、青年見習、勞工紓困、社宅租金緩繳、租金及權利金減收、地方稅減免、藝文支持、罰單緩繳、農產銷售等項目，專案預計將持續到8月31日。

由於疫情並未趨緩，雙北都兵棋推演升級四級的管控措施。台北市長柯文哲表示，去年雖然也辦過桌上演習，但過去都未遇到類似這兩週的狀況，現在針對過去的計畫再做精進。「做最壞的打算、做最好的準備，」柯文哲認為並非一定需要封城，可能再觀察兩週，但不能不預先準備，有問題會再與中央商討。

新北市長侯友宜表示，目前設在市內的14個「熱區防疫中心」就是為了加強管制和宣導，為可能的升級做實戰演練。他也說明，去年新北市就已做過兵棋推演，且亦拜訪過台北市、基隆市、桃園市和宜蘭縣等四縣市的首長，「高度管制絕對不會只有新北市，一定是所有北部區域的縣市聯防，」如有必要時，由中央統籌下令指揮來聯合作戰，才能有效防堵。

■ 疫調 VS 民眾隱私，指揮中心說明確診個案資料發布原則與健保卡註記

自5月16日起，指揮中心已授權地方政府公布確診個案的疫調資訊，陳宗彥表示部分縣市政府對依據仍有不清楚之處，中央訂有「確診個案資料發布原則」（https://reurl.cc/4aRa5j），原則上應避免公開確診者過於細節的個人資訊，若要公布收治醫院、工作場所和內容等，應基於防疫需要且事先溝通，足跡部分也只應公布大眾運輸和未實施實聯制、無法確認接觸對象之開放場所。

對於輿論質疑註記萬華地區高風險族群之健保卡一事，陳宗彥說明，註記是基於協助醫療機構和醫事人員快速和精確判斷，加速轉診和轉檢，此外也是為醫療人員及同一時段就醫之民眾的健康安全。萬華地區的健保卡註記資料自5月15日開始，在5月29日就會刪除。陳宗彥也呼籲，醫療機構若遇到來自高風險地區的個案，更應協助就醫而不該拒絕。

至於同樣為協助疫調而推出的「台灣社交距離」APP，在疫情升溫的五月中旬後被大量下載，至今約有800萬人下載，不過上傳足跡資料的確診者卻只有29人。亦有使用者反應自己曾接觸過確診者，在APP上卻完全沒有收到通知。對此，陳宗彥表示下載與否是個人意願，但APP要產生效果必須擴大使用者人數，且確診者也需要提供足跡。啟動上傳必須由衛政人員處理，在防疫會議上，指揮中心已提醒縣市政府衛政人員應提供協助，才能達到通知接觸者的目的。

■ 網路私售快篩試劑違反醫材法，指揮中心：未批准任何可個人使用的快篩試劑

警方發現網路上有人私售新冠病毒快篩試劑，陳宗彥說明，快篩試劑屬第三級醫療器材，依據《醫療器材管理法》只有醫療器材商和藥局可販售，擅自透過網路、電話和社群媒體販售都會觸法，可處新台幣3萬元以上、100萬元以下罰鍰。指揮中心提醒非經正式管道販售之試劑無法確認有效性和正確性，民眾勿購買檢測，若發現有類似狀況可向官方檢舉。

陳宗彥也表示，目前未批准任何可以個人使用的快篩試劑，國內快篩都必須由醫事人員來採檢。至於企業提出希望自行快篩，指揮中心已經討論完成，企業應和醫療院所合作，由醫事人員來採檢，相關做法請經濟部和廠商研議後提報指揮中心。

■ 長照機構新規定：新進者及住院後返回機構者須提供核酸檢驗陰性報告

陳宗彥並表示，為避免住宿式長照機構內的群聚感染風險，已訂出收住人員的流程供各縣市政府依循，今日起實施。不建議收住來自社區的新進服務對象，若確有必要，服務對象要先自費做核酸檢驗，提供入住3日前的陰性檢驗報告，且進入機構後應先安置在獨立空間或單人房14天，確認沒有症狀才能解除隔離。

至於原本的長照機構住民，若因病至醫療院所診療或住院，出院前先做公費的核酸檢驗，同樣要是陰性才能轉入或返回機構，但回到機構後不必隔離。

（文 / 陳潔、陳德倫 ；設計與資料整理 / 黃禹禛、柯皓翔、黃適敏 ；攝影 ／鄭宇辰、葉臻、余志偉、蘇威銘）

#延伸閱讀
【「這是我們集體的失敗」──疫苗生產大國卻被疫情重創，來自印度沉痛的告白】https://bit.ly/3bXnguw
【真的假的？確診數「校正回歸」很正常，但一次回補太多天恐使疫情判斷失準？】https://bit.ly/3fJSUfW
【從武漢到世界──COVID-19（武漢肺炎）疫情即時脈動】http://bit.ly/2HMR2T6

#報導者 #COVID19 #本土案例 #確診 #死亡個案 #校正回歸 #快篩 #NPI #疫苗 #AZ疫苗 #莫德納疫苗 #紓困 #台灣社交距離

迎接終端AI新時代：讓運算更靠近資料所在

作者 : Andrew Brown，Strategy Analytics
2021-03-03

資料/數據(data)成長的速度越來越快。據估計，人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長，現在我們也真正目睹物聯網(IoT)的成長，未來連網的裝置數量將遠遠超越地球的人口。

這包括種類繁多的不同裝置，像是智慧感測器與致動器，它們可以監控從震動、語音到視覺等所有的東西，以及幾乎大家可以想像到的所有東西。這些裝置無所不在，從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物，它們的數量將持續爆炸性成長。

資料爆量成長，讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質，在成本與資源效率、彈性與便利性有它的優點，但也有一些缺點。由於運算與儲存在遠端進行，來自終端、也就是那些在網路最邊緣裝置的資料，需要從起始點經過網際網路或其他網路，來到集中式的資料中心(例如雲端)，然後在這裡處理與儲存，最後再傳回給用戶。

對於一些傳統的應用，這種方式雖然還可以接受，但越來越多的使用場景就是無法承受終端與雲端之間，資訊被接力傳遞產生的延遲。我們必須即時做出決策，網路延遲要越小越好。基於這些原因，開始有人轉向終端運算；越來越多人轉而使用智慧終端，而去中心化的程度也越來越高。此外，在這些即時應用中產生的龐大資料量，意味著處理與智慧必須在本地以分散的方式進行。

與資料成長連袂而來的，是人工智慧與機器學習(ML)也朝終端移動，並且越來越朝終端本身移動。大量來自真實世界的資訊，需要用ML的方式來進行詮釋與採取行動。透過AI與ML，是以最小的延遲分析影像、動作、影片或數量龐大的資料，唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作，在未來還將會直接在終端裝置上進行。

資料正在帶動從集中化到分散化的轉變

隨著資訊科技市場逐漸發展與成熟，網路的設計以及在其運作的所有裝置，也都跟著進化。全盛時期從服務數千個小型客戶端的主機，一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能，基礎架構持續重組與最佳化，以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存，以及資料處理的需求。

智慧型手機與其他行動裝置的爆炸性成長，加上物聯網的快速成長，促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素，包括網路的可用性、安全性、裝置的運算力，以及把資料從終端傳送到儲存設備的相關費用，近來也已轉向使用分散式的運算模型。

從邊緣到終端：AI與ML改變終端典範

在成本、資源效率、彈性與便利性等方面，雲端有它的優點，裝置數量的急遽增加(如圖2)，將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的，這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸，而且從能源、頻寬與運算力角度來看，相當沒有效率。

在終端執行進階處理與分析的能力，可協助為關鍵應用降低延遲、減少對雲端的依賴，並且更好地管理物聯網產出的巨量資料。

終端AI：感測、推論與行動

在終端部署更多智慧的主要原因之一，是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方，可以更快與更準確地做出回應，同時免除不必要的資料傳輸、延遲與資料移動中的安全風險，可以節省費用。

處理能力與神經網路的重大進展，正協助帶動終端裝置的新能力，另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下，對近乎即時回應的需求。這是一個三道步驟的程序：傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作)，以及採取行動(如物件是披薩，冰箱的壓縮機發出正常範圍外的聲音，因此發出警告)。

感測

處理器、微控制器與感測器產生的資料量相當龐大。例如，自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化，並且與以往相比，會搜集更多的資料。

它們搜集到的資料極具價值，但每次都從各個終端節點把資料推回給雲端，數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行，就可以大幅提升效率。

推論

終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時，就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜，機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作，這對體積越來越小的裝置，極為關鍵。

例如，圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具，訓練高效能的意法半導體(ST)微控制器(MCU)，以轉換成最佳化的程式碼，讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像，而且準確度相當高，而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣，轉移到在終端運作的MCU本身。

行動

資料一旦完成感測與推論後，結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉)，或針對應用情況進行最佳化(戴耳機的人正在移動中，因此會針對穩定度而非音質進行最佳化)，或是回饋迴路(根據裝置訓練取得的機器學習，輸送帶若發出聲音，顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧，因為這些能力提升後，運算力也會因此增加。在我們使用新的機器學習工具後，一些之前在雲端或終端完成的關鍵功能，將可以移到終端本身的內部進行。

終端 AI：千里之行始於足下

從智慧型手機到車輛，今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務，從最簡單到最複雜，並需要各式各樣的能力。例如，應用處理器是高階處理器，它們是為行動運算、智慧型手機與伺服器設計；即時處理器是為例如硬碟控制、汽車動力傳動系統，與無線通訊的基頻控制使用的非常高效能的處理器，至於微控制器處理器的矽晶圓面積則小了許多，能源效率也高出很多，同時擁有特定的功能。

這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作，之前必須透過威力更強大的元件才能完成，但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能，例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。

隨著更多功能在較小型的終端進行，這將可以省下資源，包括資料傳輸費用與能源費用，同時也會產生極大的環境衝擊，特別是考量到全球目前已有超過200億台連網裝置，以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。

TinyML、MCU與人工智慧

根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示：「令人相當興奮的是，我還不知道我們將如何使用這些全新的裝置，特別是它們後面代表的科技是如此的吸引人，我無法想像那些即將出現的全新應用。」

微型機器學習(TinyML)的崛起，已經催化嵌入式系統與機器學習結合，而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型，過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型，耗電量只有數毫瓦。

物聯網環境中有數十億個微型裝置，可以為各個產業提供更多的洞察與效率，包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持，可望改變我們處理物聯網資料的方式。

受惠於TinyML，微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別)，以及動作(例如震動、溫度波動等)。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

儘管之前提到的雲端神經網路框架工具，是取用這個公用程式最常用的方法，但把AI函式庫整合進MCU，然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式，然後從中建立模型，例如預測性維護能力。

如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU)，利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性，讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要，原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。

AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能，我們可以把其精華歸納至我們簡稱為「3V」的三大領域：語音(Voice，如自然語言處理)、視覺(Vision，如影像處理)以及震動(Vibration，如處理來自多種感測器的資料，包括從加速計到溫度感測器，或是來自馬達的電氣訊號)。

終端智慧對「3V」至關重要

多數的物聯網應用聚焦在一些特定的領域：基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何？)，以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。

Strategy Analytics的研究顯示，許多已經完成部署或將要部署的物聯網B2B應用，仍然只需要相對簡單的指令，如基本的開/關，以及對設備與環境狀態的監控。在消費性物聯網領域中，智慧音箱的語音控制AI已經出現爆炸性成長，成為智慧家庭指令的中樞，包括智慧插座、智慧照明、智慧攝影機、智慧門鈴，以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能，可以依據地點與環境，在音質優先與穩定度優先之間自動切換。

如同我們檢視的結果，終端AI可以在「3V」核心領域提供價值，而它觸及的許多物聯網領域，遍及B2B與B2C的應用：

震動：包含來自多種感測器資料的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。
視覺：影像與影片辨識；分析與識別靜止影像或影片內物件的能力。
語音：包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力，以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景：

震動

可以用來把智慧帶進MCU中的終端AI的進展，有各式各樣的不同應用領域，對於成本與物聯網裝置與應用的效用，都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域，包括：

溫度監控；
壓力監控；
溼度監控；
物理動作，包括滑倒與跌倒偵測；
物質檢測(漏水、瓦斯漏氣等) ；
磁通量(如鄰近感測器與流量監控) ；
感測器融合(見圖7)；
電場變化。

一如我們將在使用場景單元中檢視的，這些能力有許多可以應用在各種被普遍部署的物聯網應用中。

語音

語音是進化的產物，也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令，也不令人意外；聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其他新的電器。

在工業環境中，供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因，有離線語音處理的需求，因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作，並從機器手冊與工廠文件，立即取用資訊。

語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。語音有潛力成為最安全的輸入模式，因為它可以讓駕駛的眼睛持續盯著道路，而雙手仍持續握著方向盤。

對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務，語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。

視覺

正如我們之前已經檢視過，終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用，例如依據大小與品質為農產品分級。

曳引機裝上機器視覺攝影機後，我們幾乎可以即時檢測出雜草。雜草冒出後，AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草，並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用，並找出農地中仍具抗藥性的殘餘雜草。

使用場景

預測性維護工具已經從擷取與比較震動的量測資料，進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體，我們也可能做到遠端監控。

震動分析

這種類型的預測性維護在旋轉型機器密集的製造工廠裡，相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如，把震動計量器接上靠近選煤廠離心泵浦內部承軸處，就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動，可能顯示滾珠軸承出現鬆動，需要更換。

磁感測器融合

磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器，它與附近平面的磁鐵一起作動，與這個磁鐵相對應的感測器也會移動。

聲學分析(聲音)

與震動分析相似，聲測方位分析也是供潤滑技師使用，主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損，否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時，承軸會因為潤滑不足或錯位出現故障，可能造成整個生產流程的中斷。

聲學分析(超音波)

聲音聲學分析雖然可以用來進行主動與預測性維護，超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音，並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比，更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高，但終端 AI 的進展可以促成這種細微層級的聲學檢測，大幅降低部署的費用。

熱顯影

熱顯影利用紅外線影像來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化。與其他對事故敏感的監視器一樣，它們會觸發排程系統，自動採取適當的行動來預防零件故障。

消費者與智慧家庭

將語音運用在消費者與智慧家庭，是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置，例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置，可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長，說明消費者對於可接收與提供語音互動等現有裝置的強勁需求，與日俱增。

消費者基於各種理由使用智慧音箱，最常見的使用場景為：

聽音樂；
控制如照明等智慧家庭裝置；
取得新聞與天氣預報的更新；
建立購物與待辦事項清單。

除了像智慧音箱與智慧電視等消費裝置，智慧家庭裝置語音的使用，也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購，它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器，裝置在偵測到煙霧或一氧化碳時，可以發出語音警告。

終端 AI 為強化這些能力提供了全新機會，而且常常結合震動(動作)、視覺與語音控制。例如，增加姿態辨識來控制例如電視等家電，或是把語音控制嵌入白色家電，即是以最低成本強化功能性最直接的方式。

健康照護

用來發現醫護資訊的 AI 驅動終端裝置的應用，將為病況的治療與診斷，提供更多的價值。這種資訊可能是資料，也可能是影像、影片以及說出的話，我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法，為整個產業節省成本。受惠於終端 AI 的進展，像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作，也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用，也可以把 AI 用在第一線的病人診斷，然後再由醫師接手提供諮詢。

其他健康照護實例包括像 Wewalk5 等物件，這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件，並搭配 Google Maps 與 Amazon Alexa 等 app，方便使用者提出問題。

結論

由於連網的終端裝置數量越來越多，這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個，而微控制器的數量也超過 2,500 億，每年還會增加約 300 億個。越來越多的程序開始進行自動化，不過，把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用，意味著許多全新、令人興奮且引人矚目的物聯網使用場景，可能無法開花結果。

解決這些挑戰的答案，並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助，但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。

儘管為終端裝置增添先進的運算能力在十年前仍不可行，TinyML 技術近來的提升，已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力，可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升，在源頭掌握情境化與具關聯性的資料，具有極大的價值，並將開啟全新的使用場景與營收機會。

終端裝置的機器學習，可以促成全新的終端 AI 世界。新的應用場景正在崛起，甚至跳過傳送大量資料的需求，因而紓解資料傳輸的瓶頸與延遲，並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界，其中還有很多我們現在想像不到的機會。

附圖：圖1：從集中式到分散式運算的轉變。
(資料來源：《The End of Cloud Computing》，by Peter Levine，Andreessen Horowitz)
圖2：全球上網裝置安裝量。
(資料來源：Strategy Analytics)
圖3：深度學習流程。
圖4：MCU的視覺、震動與語音。
(資料來源：意法半導體)
圖5：AI 工具集執行模型轉換，以便在MCU上執行經最佳化的神經網路推論。
(資料來源：意法半導體)
圖6：物聯網企業對企業應用的使用-目前與未來。
(資料來源：Strategy Analytics)
圖7：促成情境感知的感測器融合。
(資料來源：恩智浦半導體)

資料來源：https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI

GTA5 ➤ 教學 - 各種錯誤基本解法 - 10/31更新DirectX修復 - 請見影片說明 | GTA5 Error Fix Tutorial
【目錄】
Steam使用者：0:50
RockStar官方使用者：2:24

【10/20更新】
▶R星版：
①全新安裝GTA5，手動使用中文用戶更新檔（http://j.mp/1yD6BFa）
②若自動下載失敗，手動安裝10/20更新檔（http://j.mp/1N0PfTz）
（設定「GTAV.exe」，「GTAVLauncher.exe」，「PlayGTAV.exe」- 內容 - 相容性-以系統管理員的身分執行）。
▶STEAM版：程式自動更新

▶刪除ScriptHookV.dll，dinput8.dll
▶若持續無法登入，請刪除我的文件內的rockstar資料夾。
▶更改「美國」DNS（教學http://j.mp/1GL7DS1）：請使用Level3（209.244.0.3，209.244.0.4），也可以用其他的，自己挑（http://j.mp/1GL7ePM）
▶使用「手機網路」下載遊戲
▶修復DirectX（推薦）：http://j.mp/1yOTil2
▶修復遊戲檔案（推薦）：http://j.mp/1cirKdf

【其他問題】
▶光碟安裝問題：請勿使用光碟，見下光碟無法安裝解法。
▶錯誤訊息 - ERR_GFX_D3D_INIT：遊戲內設置成VSYNCE關閉，Tesselation關閉，DirectX為10，模式調到無邊框。。也可嘗試將顯示卡降頻約20mhz（超頻的反向操作，請google）。
▶錯誤訊息 - 無法初始化 DIRECTX 9 裝置：解法在此（http://i.imgur.com/9dDM81h.png）
▶錯誤訊息 - 遊戲服務無法使用：創建新的英文名使用者管理員，Win8參見此篇（http://j.mp/1GLr6lE）
▶錯誤訊息 - Social Club無法初始化 / Social Club安裝不完整 / 需要新版本的Social Club：（steam版）驗證遊戲完整性，（官方版）用「手動更新Social Club」下載遊戲
▶無限登入 - 手動更新Social Club啟動器，並看此解法（http://i.imgur.com/hpmoD14.png）
▶代碼12 - 使用系統管理員身份開啟，換dns，不斷重開，更改系統相容性

【重要：請確認所有程式皆為最新版】
▶關閉Mactray，關閉所有防毒程序，使用「管理員身份執行」
▶Win7 SP1：http://j.mp/1H6Ooks（啟動器停止運作解法之一）
▶DirectX兩檔皆須裝：http://j.mp/1GLp4BX（錯誤視窗解法之一）
▶手動更新Social Club啟動器 / 手動下載遊戲：http://j.mp/1GL9S7Z（光碟無法安裝 / 找不到遊戲執行路徑檔 / ERR_GEN_ZLIB_2解法 / 代碼9 /無限登入解法）
▶Microsoft Visual C++ 2008 SP1：http://j.mp/1cuD3Q6
▶官方網路連線疑排難解：http://j.mp/1CJxWBX（Rockstar遊戲服務無法使用 / 無法存取Rockstar伺服器）
▶NVIDIA顯示卡驅動程式：http://j.mp/1H6NgNN
▶AMD顯示卡驅動程式：http://j.mp/1H6Nl4b

【推薦閱讀】
▶路徑須為英文：http://j.mp/1cutZuE
▶Nvidia顯示卡問題：http://j.mp/1cuu7KB
▶啟動器閃退問題：http://j.mp/1cuu8hv，http://j.mp/1cuupB1
▶退款：http://j.mp/1cuubdc




-考古文4/15-
▶檢查檔案完整性教學（WinMD5）：http://j.mp/1L2YXIz
▶本次更新檔案檢查碼：http://j.mp/1L2Z0nO
▶替換成官方版啟動器（內含steam原版）：http://j.mp/1JNi8mh（啟動器停止運作解法之一，grand theft auto v launcher已停止工作解法之一）
▶官方版使用者可用的專屬「遊戲更新檔」（steam使用者勿用）：http://j.mp/1GQbpK4
▶終極解法：重灌「英文版」Win7 64bit


【結論】
▶steam版使用者：
1. 可從50秒開始觀看（①改路徑為中文名 ②可嘗試關閉nvidia顯卡 ③置換為官方啟動器）
2. 如果無效，再嘗試RockStar版的解法。

▶Rockstar官方版使用者：
1. 可從2:24秒開始觀看（①代碼1：下載「遊戲更新檔」，或是進入C-Program FilesX86-Rockstar Games-Social Club 裡找到subprocess點兩下，接著開啟桌面GTA5）
2. 如果無效，或是遊戲中途閃退，看看這篇（http://j.mp/1cuxAJ0）檢查檔案完整性（代碼7 / 代碼5 / GTA5意外退出解法之一 / ERR_GEN_ZLIB_2解法）
3. 最後再嘗試Steam版的解法

【注】「關閉nvidia顯卡大法」適用於有內顯的「筆電」的使用者，一般人勿用。
【注】AMD使用者請關閉「內顯（intel HD Graphic...）」，nVidia使用者也可以試試看（GTA5意外退出解法之一）


▶訂閱Youtube（http://youtube.com/cooMasterShooter）
▶實況台（http://twitch.tv/cooMaster88）
▶粉絲專頁（http://facebook.com/cooMaster88）


聯絡E-Mail：cooMaster@outlook.com
以FPS遊戲為主的遊戲頻道，提供第一手的射擊遊戲資訊與評論。
只要有槍可打，就有苦大師。