The performance of local drives is complicated enough, but networked storage is even worse. Just over three months ago I published a brief guide to what you should expect from several types of storage, including a little information from network-attached storage (NAS) systems. This article adds more data points to that, to help you decide which NAS to use.

Performance will vary across different NAS manufacturers and models, and figures here are based on those measured on a range of products, with a single system providing those for 10 GbE. However, I believe these should be realistic targets that all better models should be able to achieve if not exceed. All connections were made using recent versions of macOS with their respective SMB support, and no special features like iSCSI were used, to ensure these should be readily achievable during backup and file sharing.

This table compares performance of two types of local storage, hard disks and SSDs, connected via USB 3.2 Gen 2 at 10 Gb/s, with those achieved with five different NAS configurations, all using SMB. Hard disks in NAS systems were configured in RAID 1 (mirror) arrays, while those for SSDs are individual or as JBOD. Write speeds are given for:

• the single 50 MB write test performed by Time Machine before each backup;
• 500 multiple concurrent writes of 4 KB each, performed in those same Time Machine tests;
• calculated net write speed over a first full backup to APFS of at least 180 GB;
• general write speed measurement using my app Stibium, which gives broadly similar results to other leading benchmarking apps.

General read speeds are also obtained using Stibium, and similar to other apps. All speeds are given as MB/s for consistency.

Storage medium

As you’d expect, hard disks are substantially slower than SSDs, although their difference isn’t as clear-cut when the effects of connection speed are taken into account. For example, overall backup speed to SSDs over 2.5 GbE was significantly slower than that to hard disks over 10 GbE.

Connection speed

The other dominant effect is that of connection speed, and the use of SMB over Ethernet. These are clearest when comparing NVMe SSD performance.

In general read/write testing, a local SSD achieves close to the maximum expected performance of 10 Gb/s at just under 1 GB/s. With 10GbE and SMB, write performance is about 60% of that, but 115% for reading. General performance of 2.5GbE is roughly a quarter of that of 10GbE and a local SSD.

Thus, overall performance is determined by a combination of medium, connection speed and type, each of which is rate-limiting. To get best performance improvement, you need to use both a fast storage medium (SSD) and fast networking (10GbE), in a NAS capable of delivering such good performance (processor, memory).

I/O Throttling

Behind all these performance figures lurks the mystery of how much they are affected by throttling by macOS. There would seem little point in spending good money for a higher-end NAS with 10GbE support, buying expensive network switches, and filling that NAS with costly SSDs, if macOS were then to throttle away those gains.

As I’ve explained, prior to changes in the documentation in 2019, I/O policy on throttling explicitly excluded remote volumes mounted through networks, but they’re now explicitly included in currently policy. However, throttling only comes into play when higher-priority I/O is competing for a share of the same disk bandwidth, and it isn’t a general restriction in transfer rate. There’s also evidence, presented there, that macOS runs first full backups at higher Quality of Service (QoS) to allow them to complete faster than scheduled automatic backups.

Unless a client Mac is simultaneously accessing a share on the same NAS or network, it therefore appears unlikely that I/O throttling should significantly reduce the speed of backups.

Recommendations

To improve performance of networked storage, particularly in Time Machine backups to a NAS:

1. Replace the NAS with a system designed for high performance, with processor, memory, 10GbE network connections and SSD slots capable of delivering that.
2. Upgrade your network to support 10GbE between clients and NAS.
3. Add SSDs initially to support caching for hard disk arrays, and eventually as primary backup storage.

Although suitable NAS systems will cost upwards of $/€/£ 1000, they should provide support for ample clients for years to come, and prove a worthwhile investment. Potential for improvement is greater than an order of magnitude: backups that previously had to be left running overnight, taking several hours, could take minutes, such as 180 GB in 8 minutes.

My sincere apologies – the table was omitted from the original version of this article. I have now restored that and hope it makes better sense as a result.

As the world exits the COVID-19 pandemic, more and more companies are pushing for workers to “Return to Office”. Many are also expecting full-time in-person work and dismisses remote work (or Work From Home, a problematic term that I will expand upon later) as “not real work”. There have even been instances where companies that once promised remote work will be implemented permanently turning its back on workers that have structured their life accordingly and forcing them to come back to the office instead. This is done even in companies that according to their own statistics that remote work is more productive.

Opponents of remote work often use the term “WFH”, or Work from Home to describe remote work, and it is often described as a perk. They often believe that working from the office is the only way to do real work.

This is a clear case of the Principal-Agent problem. The managers of the company are supposed to be working for the benefits of the shareholders and maximizing the profit potential. Instead, managers fall to their personal crave for the sense of control. I know someone that manages his team from Toronto that he forces to go into the New York office everyday. After all, how can they know you are doing real work unless they get to force you to commute 2 hours each way? Knowing that someone was forced to lose sleep, gain anxiety, be more stressed, is simply an irreplaceable joy that remote work can never offer. #slam_dunk_argument

Even if we ignore the Principal-Agent problem and pretend there is no personal motivation for the managers making such a decision, and it was purely made for the benefits of the business, it makes no sense.

Companies usually pay their workers something called a salary, along with possibility other perks. All of these compensation have a singular purpose, make the employee happy enough to keep doing the job. If a company can pay someone $5k a month to do the job, chances are they won’t find someone at $10k a month if they deliver the same quality of products. It is the same theme as the Murphy’s law of combat, “Remember, your weapons are made by the lowest bidder”. Considering this, allowing workers more freedom in deciding where they want to live would be an obvious way of improving their happiness. A happier worker = A more productive worker, so a manager who is forcing their team to go into a shoebox office is engaged in active sabotage against the company interest.

The auto plants of Detroit shutdown because of cheaper costs of producing in Japan. Outsourcing labor is just one of the many ways of remote work, but somehow with the advent of new technology that allows for a programmer to code from anywhere in the world, they are somehow not doing “real work” unless they go to a desk that has the same Wi-Fi connection as any other Starbucks?

As a woman, the traditional office environment can often be actively hostile. From the increased potential of physical sexual assault due literally being in the same physical location, to the air-con temperature that is often too cold for women’s comfort, it is simply a space that is not friendly, and therefore reduces the productivity. Many woman are also expected to bear household chores, and there are way more stay-at-home moms compared to dads. The inability to participate in the working world from your kitchen counter has been a huge career barrier for many women.

The gender pay gap exists for a reason, prejudice. However, I argue the solution is simple, let capitalism take over. If a woman’s work quality is the same as their male counterpart, fire the guy and hire another woman. Gender pay gap exists? Good! Exploit it!

Societal attitudes towards work changes depending on the era. When computer programming first started, newspapers pushed that women are more suited to do the job, then thought as mere clerical work, because women are more “careful”. It was only after men realized the job was important that the prejudice against female coders started and programming became a male dominated domain. This shows that societal attitudes towards work and its relationship with gender has nothing to do with objective reality.

Different societies also have different attitudes towards work. In this video, the Japanese salaried worker spends most of his days travelling across Tokyo to meet with clients face to face to resolve matters that can often be done on the phone, because Japanese culture believes face-to-face meetings to be more “polite”. He also arrived at the office 40 mins before the official start time and had work even after arriving at home after 8 pm. Japan is not known for creating the biggest startups, perhaps for a reason. After all, how much brain space do you really have for creativity after such a long day?

Japanese work culture is also known to be very prejudiced against women, who often have no real path towards career success and are often expected to marry, baby, and quit. How far can an economy go that ignores half of its highly educated population?

By not opening jobs that can done remotely to remote workers, a company ignores the entire global population, apart from wherever they happen to have an office at. Remote work is not “Work from Home”, which usually leads to the logical fallacy of “You are at home for the entire day, therefore you are not working, therefore WFH is not working, therefore remote work does not work”. Remote work is just work in a different environment, one that can be adjusted to fit the individual needs much better than a standardized office environment, one that boosts productivity, and eventually revenue.

Ignoring women means ignoring 50% of the potential talent pool, mandating in-person work means ignoring 99.99% of the potential talent pool. Remote work is simply, work. An employee of any gender is simply, an employee.

Soviet Union is dead, but capitalism has been defeated.

All hail prejudice.

想成為科學化的健身人，但每次打開論文都只會看結果、看不懂數據嗎？其實結果後面的統計學才是看懂文獻的關鍵。（圖文版：@vin_training）

簡介

科學化的健身是現在的趨勢，不過僅僅會去搜尋論文然後看懂標題和結論，就像是去書店看了封底的大綱就當作已看過這本書一樣，錯過了真正能讓你思考和學習的內容。研究結果只是一系列實驗和分析的最後一步，想要真正讓一篇論文擴展你對健身科學的理解，就需要去讀背後的過程。其中，實驗數據的統計就是相當重要的一塊，尤其健身相關實驗通常為期較短、受試者人數較少，所以對數據的解讀的不同就很容易影響對結果的判讀。

本文是零基礎都能輕鬆入門的統計學介紹，只介紹觀念而不會提及任何數學公式，且會以一篇真正的健身論文為例，帶大家看一些基礎的統計觀念。

文獻例子

本文以 Evenly Distributed Protein Intake over 3 Meals Augments Resistance Exercise–Induced Muscle Hypertrophy in Healthy Young Men 作為介紹基礎統計概念的例子。本研究探討「把蛋白質平均分配到每一餐，會不會更能增加肌力和肌肥大」，直接講結論：在 12 週的飲食控制＋重訓後，平均分配蛋白質的人比不平均分配的人，增加更多的瘦組織與更多的肌力，但都未達「統計上的顯著」。等等就來介紹這句話的涵義，及論文中其他常見的數據。

兩個數字看懂一組資料： Mean ± SE

如果你被告知，這裡有一群平均年齡 20 歲的人，那你覺得這群人是全都大學生、還是一群家長和他們的國小小孩呢？

光靠「平均年齡」是無法讓你回答上面的問題的，此時就需要知道這群人的年齡分佈。如果大家都差不多是 20 歲，那大家的年齡分佈就很緊密；如果有些人 16 歲、有些人 30 歲、有些人 8 歲⋯⋯那年齡分佈就很離散。讓我們能得知離散程度的數據即是「標準誤 standard error, SE」，如果 SE 越大，代表越離散，反之則越緊密。（註：有時統計是用「標準差 standard deviation, SD 」而非 SE，這裡就不細講它們的差別了 ，只要知道它們都是用來描述離散程度就好）

我們直接進入研究例子：

（請看圖二）mean 就是「平均」的意思，所以本篇論文一開始就提供受試者的基本數據：平均年齡是 20.8 歲，而 ±0.4 歲的 0.4 就是 SE 。SE ＝ 0.4 歲算是相當小，所以代表他們研究的是一群 20 歲左右的年輕人，而這就呼應了標題的「young men」。

而若一個實驗結果的 SE 很大，那就代表實驗者的改變存在很大的個體差異。例如：如果一個飲食方法讓實驗者半年瘦了 5 ± 4公斤，代表有些人瘦不到 1 公斤、有些人瘦超過 9 公斤，那我們就會推論這個飲食法不是對每個人都很有效的。

接著來看研究結果（圖三）。12 週的飲食控制＋重訓後，平均分配蛋白質到每一餐的受測者增加了 2.5 ±0.3 公斤的瘦組織重（油脂以外的體重，包含肌肉），而不平均分配蛋白質的受測者則增加了 1.8 ±0.3 公斤。對 1.8 和 2.5 來說，0.3 並不算大，所以可以推測這兩組幾乎所有的實驗者都確實比實驗前長了更多肌肉。而當我們想比較哪一組增肌更多時，雖然乍看之下前者的瘦組織增加幅度更高，不過僅從這些數據其實難以推斷前者是不是真的比後者增加比較多的瘦組織。

差異到底顯不顯著： p 值

雖然概念不完全一樣，但可以這樣思考：假設一個賽車手在同一個賽道上，分別用兩台不同廠牌的賽車跑計時賽。第一台車跑了 10 分鐘，第二台車則跑了 10.2 分鐘。光靠這個數據，你很難確定哪台賽車的性能比較好，因為第二次跑比較慢可能是第二台性能確實較差，也可能是賽車手剛好表現較差。同樣的，只知道一組人增加 2.5 公斤、另一組人增加 1.8 公斤，也很難判斷這是實際存在的效果差別，還是「剛好而已」。

此時，就要去看比較兩組數據的「p 值」為何。再看回圖三，反白的字後面有「p = 0.06」，這代表雖然第一組比第二組看似增加更多瘦組織，但這個差異有 6％的機率「只是剛好而已」，而我們通常會覺得 6％的機率已經足夠高了，所以認為兩組其實沒有差別。這就叫「差異未達統計上的顯著」。

舉一個比較貼切的例子：假設六年甲班和六年乙班各有 40 位學生，而這兩班同座號的學生身高都一樣（例如：兩班的 1 號都是 140 公分、2 號都是 142 公分，以此類推），那我們可以很直覺地認定「這兩班的身高一模一樣」。不過，要是我們不知道上述的特徵呢？假設我們從兩班中各隨機抽 10 個學生，比較這兩組學生的身高，其中甲班抽出的 10 個學生平均身高 150，乙班的則是 140，而這個差距不代表甲班的學生身高比乙班高，只是抽樣時剛好都抽到比較高的學生罷了。p 值就是在計算這個「剛好」的機率。

回到研究。更精準得來說，p 值＝0.06 的意思是，如果蛋白質分配的方法對增肌完全沒有影響的話，得到跟我們實驗的結果一樣或更加極端的機率為 0.06（6％）。通常只要 p 值高於 0.05，我們就會認為兩組之間沒有實質上的差異，所以這個統計的結果即是認為「平均分配蛋白質到每一餐不會幫助增肌」。

統計結果還是可能有誤

我們可以透過觀測到的幾棵樹來描繪一個森林的樣貌，但還是會有錯誤的地方。統計也是類似，想透過觀測到的局部來推斷全體，就難免會有出錯的時候，只是可以用數學來有邏輯地進行判斷，以最小化錯誤。

以本研究為例，p 值＝0.06 其實相當靠近 0.05，換句話說只要 p 再小一些，我們就會得出完全不同的結論。而在受測者人數較少時，p 值的計算結果原本就會比較大，所以說不定若他們再多招募幾個受測者，就會改得到「蛋白質分配會影響增肌效果」的結論。

更進一步來看，雖然都沒有達統計顯著，但平均分配蛋白質的受測者們在「每一樣肌力與瘦組織的測驗上」都更高。綜合以上兩點，可以合理推斷平均分配蛋白質或許真的更有利於增加肌肉量和肌力，只是程度不大，所以難以從有限的受測者中觀測到明顯的差異。

結論

本文在不提及任何公式的前提下介紹了代表離散程度的「standard error」和判斷差異顯不顯著的「p 值」，並解釋它們在本文的意義及限制。現在除了看標題和結論外，也能去看看結果的 p 值和實驗前後的 SE，讓你對研究的認識更加深入。即使如此，本文也只是介紹統計學的一些皮毛而已，若大家有興趣的話，未來再寫進階一點的統計學。

很多人都認為同時增肌減脂是新手的權利，並認為交替增肌、減脂的 cycle 才是擁有好身材的方法。但為什麼會有研究發現健齡五年的健身老手也能同時增肌減脂呢？（圖文版：@vin_training）

簡介

同時增肌減脂（也就是 recomposition）是大家的夢想，但一旦脫離新手圈、成長的幅度減緩了，就容易遇到瓶頸。此時，交替增肌與減脂是一個繼續進步的好方法。因此，多數人在成長停滯後，便認為自己無法再同時增肌減脂了。但事實上，許多人的訓練、飲食、與恢復還有很大的進步空間，若能更認真、更仔細地執行健身，就很有機會再度獲得新手般的進步，讓自己成功地同時增肌減脂。這不是空泛的勵志話，而是確實被記錄於研究中的真實故事。

本文即是要解釋，為何同時增肌減脂比多數人認為的可行，及如果你符合條件的話，要怎麼同時增肌減脂。

老生常談：同時增肌減脂的原理

同時增肌減脂理論上是可行的，只要消耗脂肪、產生能量，然後把這能量拿去建造肌肉即可（《熱量是怎麼變成肌肉的？》有更詳細的解說）。

不過，如果你的身體不太想再減少脂肪，也不容易再快速增肌的話，同時增肌減脂就會變難。因此，基本上只有以下幾類人是可以有效地同時增肌減脂的：

1. 健身初學者：合成肌肉的能力很強，所以能讓身體不惜犧牲脂肪、成就肌肉。
2. 肥胖者：因為脂肪很多，所以較容易分解脂肪。若把分解脂肪所獲得的能量拿去建造肌肉，就能同時增肌減脂。
3. 久未訓練者：若原本已經健身一段時間，因為各種原因而有一陣子不能健身，那重新開始訓練時，肌肉記憶會讓身體很容易就拾回之前流失的肌肉。這個狀態有點類似初學者。
4. 用藥者：表現增強藥物（performance-enhancing drugs）能促進肌肉成長與脂肪分解。

總結來說，若你增加肌肉或減少脂肪的傾向很高，那你就可以同時增肌減脂。

令人意外的是，竟然在一些研究中，有規律重訓多年的人還成功同時增肌減脂了。

重訓老手竟然同時增肌減脂？

一篇探討蛋白質的研究，意外地發現平均訓練年資五年的實驗組在八週的訓練後，竟增加了 1.5 公斤的瘦體重並減少了 1.6 公斤的脂肪重。他們不是新手、也不肥胖（男女平均體脂 18％）、規律訓練、也沒用藥。那照理來說，他們應該不太可能在短短八週內就明顯增肌減脂才對。

確實，健身老手很難顯著地同時增肌減脂（可參考這篇回顧性論文）。但不可否認的是，上述的蛋白質實驗和其他相關實驗中，總是有一些健身老手可以同時增肌減脂。他們的結果可能會在平均中被抵銷淡化掉，但這些「個案」是真實存在的。那這些「個案」為什麼能同時增肌減脂呢？

不願面對的真相

如果我們再深入地去探討上述成功增肌減脂的那篇研究，會發現即使實驗組平均訓練年資有五年，但臥推 1 RM（rep max，次數最大重量）只有 87.8 公斤，而深蹲 1 RM 只有 112 公斤。這以平均體重 75 公斤的實驗組來說，絕對不是能稱得上「advanced（進階）」的表現。這代表了，雖然訓練年資長達五年之久，但他們並不能稱為「健身老手」，且他們的進步空間還非常大，所以在透過恰當的飲食與訓練後，他們才能在兩個月內同時增肌減脂，還提升肌力。

在健身房放眼望去，其實大部分的人都跟實驗組的人一樣。就算已經規律重訓數年，但嚴格來說，甚至可能還未脫離新手圈。為什麼呢？

雖然很多人沒有發現或不敢面對，但你「其實沒那麼認真」，不管是在訓練上還是飲食上都一樣。可以觀察看看，健身房中有多少人在重訓時，一組中最後一下和第一下的速度根本差不多快，這代表他們離力竭非常遠。簡而言之，他們的訓練缺乏足夠的強度去刺激成長，所以才會一直停滯在原地。飲食和休息也是，有確保自己真的有攝取足夠的蛋白質嗎？有確保每晚能睡到 7–8 小時嗎？若「吃、睡、練」都還沒認真施行，那不管訓練年資有多長，都不能稱之為健身老手。

換句話說，對這些人來說，只要把吃睡練做好，就很可能可以同時增肌減脂。

其他例外

除此之外，原本較少訓練的部位，也較容易在減脂的同時肌肥大，因為疏於訓練的肌群就類似於新手，增肌的傾向很高。譬如，對一個認真健身多年的人來說，或許很難在減脂時還讓胸肌成長，但如果他平常比較少鍛鍊小腿，那只要此時衝高小腿的訓練量，小腿就很有機會增肌。

再舉我自己的經驗為例：我原本的訓練偏向健力，所以背肌肌肥大訓練做得比較少。某次減脂時，我把背部訓練量增為原本的 1.5 倍，就成功在減脂時仍獲得背部肌肥大。

如何同時增肌減脂？

會讀這篇文章的人，可能有 20% 是確確實實的健身老手了。對你們來說，把增肌和減脂交替進行會是比較有效的方法。對其他八成的讀者來說，下面六點是可以幫助你有效增肌減脂的重點（反過來講，如果你目前尚未做好這六點，那你同時增肌減脂的可能性就很高）。

1. 確保每組都至少「接近力竭」：許多人在覺得很累或很酸時就會停下來，但其實離真正的力竭還非常遠，如果有教練在旁邊督促的話，再多做個 5 到 6 下都不是問題。
2. 有計劃地訓練：不要像無頭蒼蠅般想練什麼就練什麼。要有一個扎實的訓練課表，並養成紀錄訓練的好習慣。
3. 吃夠蛋白質：想同時增肌減脂，蛋白質舉足輕重，至少要吃到體重的 2 倍（公克），吃更多也是有益無害。
4. 控管好熱量：若比較在意增肌，那熱量就稍微盈餘；若比較注重減脂，那熱量就稍微赤字。重點是盈餘或赤字的幅度都不要太大。建議每天記錄飲食的內容和熱量來增加對食物的意識。
5. 充足的睡眠：每天睡至少 7 到 8 小時，有充分的休息才有成長。對於睡眠品質不好或睡眠時間較少的人，至少也要改善睡前習慣，讓身體能更早入睡、好好休息。
6. 進階細節：進食時機也有影響，建議訓練前吃碳水以補充足夠的熱量與肝醣，而睡前可喝杯乳清讓夜間也能繼續合成蛋白質。也要降低生活中的壓力，減少皮質醇等賀爾蒙的負面影響。

結論

若你發現你跟本文引用的研究中的受試者很像，雖然訓練多年，但不管在身材或是肌力表現上都不出眾，那遵循本文的建議就有機會讓你突破瓶頸，再次增肌減脂。但這條路絕不容易，它要求的是更高的自律，及更嚴苛訓練和生活方式。想要享有同時增肌減脂的特權，就要拿出相對應的決心。

為何熱量盈餘能幫助增肌？想增加一定要一直塞食物嗎？同時增肌減脂到底可不可行？（圖文版：@vin_training）

簡介

根據「質量守恆定律」，一個人體重增加，就代表一定有吃東西。這很合理。但等等，我們從來不會用食物的重量來計算該吃多少，我們都是用熱量啊！熱量是「能量」，身體組織是「質量」，那我們增肌時就是把能量轉換成質量、減脂時就是把質量轉換成能量囉？

當然不是。雖然核能發電廠確實可以把質量直接轉化成能量，讓我們有電可以用，但在生物體中，能量與質量是不會直接轉換的（除非你是鋼鐵人在胸口有安裝核反應爐）。所以，體重的增減還是來自於物質的吸收與排放。那熱量到底在這之中扮演什麼角色呢？

這一切都要從 ATP 說起。

重點

1. ATP 是人體的能量電池，可以「放電」變成 ADP，而 ADP 也可以「充電」變回 ATP。
2. 粒線體是人體的發電廠，可以「燃燒」原料以釋放能量，而這個能量可儲存在 ATP 中，供日後使用。
3. 從小腸吸收的營養素經處理後可以被粒線體拿來製造大量的 ATP。而當營養素所提供的能量低於身體運作所需的能量時，則會由身體組織裡庫存的的脂肪、肝糖、或蛋白質作為燃料，被粒線體分解以製造更多 ATP。
4. 當身體中的 ATP 量已經超出需求時，ATP 可以把身上的能量貢獻給合成反應，製造脂肪、肝醣、或蛋白質，儲存在脂肪細胞、肝臟、和肌肉中。
5. 熱量盈餘能幫助增肌，是因為當攝取的營養素能提供夠多的能量時，身體就能有多餘的 ATP 去提供氨基酸合成成蛋白質的能量。如果想增肌減脂，就須由庫存的脂肪提供合成蛋白質所需的能量，但這個過程只有肥胖者或新手較容易達成。

ATP：人體的能量電池

與其說 ATP 是能量貨幣，不如說是能量「電池」。充飽電時這個電池就是 ATP，並在釋放能量後變成沒電的 ADP。

「ATP 是人體的能量貨幣」是課本最常用來描述 ATP 的一句話，代表身體需要能量時，就會使用 ATP。或許就是因為如此，讓許多人自動把 ATP 與「能量」劃上等號。但 ATP 其實是一種「高能分子」，而不是能量。ATP（adenosine triphosphate）的中文為三磷酸腺苷，顧名思義就是「有三個磷酸根的腺苷」。

你可能還是會想說：磷酸根和腺苷又是什麼東西？別擔心，你不需要搞懂詳細的化學，只要知道 ATP 的親戚們是誰就好。跟 ATP 擁有類似結構的分子，稱為「核苷酸」，也就是人體遺傳物質的構成原料。RNA 是由核糖核苷酸組成，而 DNA 則是由去氧核糖核苷酸組成。可以參考下表：

當身體需要能量時，會把 ATP 和水找來，讓它們化學反應變成 ADP 和 P。這個反應會產生能量，而身體就能將這個能量用在需要的活動上，如收縮肌肉或合成身體組織。

因此，與其說 ATP 是能量貨幣，不如說是能量「電池」。充飽電時這個電池就是 ATP，並在釋放能量後變成沒電的 ADP。講到這邊，大家應該已經可以理解，物質跟能量是不能混為一談的。

＊註：我還是認為課本把 ATP 比喻為能量貨幣是合理的，因為當我們在分析生理反應時，有 ATP 確實就等同於有能量。本文是為了讓大家能分辨「能量」和「物質」的差異，才用電池做比喻。

粒線體：人體的發電廠

粒線體則會分解營養素的代謝物，這個過程會放出能量，而這個能量就能拿來把 ADP 變成 ATP，供日後使用。

既然 ATP 是從 ADP 「充電」而來的，那這個電（能量）是從哪裡來的呢？

ATP 的能量來源是由分解物質而來的，且大多數的 ATP 都是由粒線體製造的，所以粒線體又被稱為人體的「發電廠」。我們先來看看真正的發電廠是怎麼發電的：

火力發電廠會把煤炭燃燒成較小的物質，如二氧化碳和水。這個過程會放出大量的熱能，而這個熱能就能拿來驅動發電機，然後即可把電儲存在電池中，供日後使用。

粒線體則會分解營養素的代謝物。這個過程會放出能量，而這個能量就能拿來把 ADP 變成 ATP，相當於把能量暫存在 ATP 中，供日後使用。（註：這個分解作用是一種「氧化反應」，跟燃燒的本質是類似的，既會排放二氧化碳和水、也會釋放能量，所以可以把它想成「慢速燃燒」）

你可能會想，既然最後 ATP 還是要轉化為 ADP 才能給肌肉所需的能量，那為何不一開始就直接讓粒線體釋放能量給肌肉，還要先做成 ATP 再給肌肉？其實這就跟你為何要買電池而不是直接連發電廠的電一樣，因為肌肉收縮的部位跟粒線體有段距離，所以讓電池移動到各地比把發電廠搬來搬去更有效率。

消化系統：人體的燃料加工廠

發電廠的煤炭，是煤炭加工廠把開採出的煤炭加工好，再送去給發電廠。而人體則是有消化系統「加工」吃進的食物、吸收營養素後，再拿去生產 ATP。

當你吃進一個漢堡時，消化系統會用各種物理及化學作用把漢堡的蛋白質分解成氨基酸、澱粉／糖份分解成簡單醣類、脂肪分解成三酸甘油脂，然後再由小腸吸收至循環系統中。此時，這些營養素才能拿來儲存起來或生產 ATP。

體內能量不足時，會分解食物或身體組織以製造 ATP

要把 ADP 變回 ATP，就需要靠分解營養素所提供的能量，所以就得從食物或身體組織中取得營養素。

當夏季用電量激增時，發電量會趕不上需求。此時，發電廠需要採購更多的煤炭才能發更多的電、卻又不會讓庫存量減少。但如果採購的煤炭還是不夠的話，就還是得用庫存的來發電了。

人體也是類似的情況。身體以醣類和脂肪酸（及少量的氨基酸）作為生產 ATP 的燃料。當循環系統中的燃料不夠用時，我們需要吃東西以提供更多營養素；如果吃的食物又不夠時，就會分解肌肉及肝臟中的肝醣和脂肪細胞中的脂肪來提供醣類和脂肪酸。這些來自食物或來自身體組織的分子，就能被粒線體分解，產生 ATP，供身體使用。

舉例來說，運動會消耗大量能量，所以肌肉中的很多 ATP 會被使用並轉化成沒電的 ADP。此時，身體需要將這些 ADP 「充電」變回 ATP，才能繼續給肌肉取用。而要把 ADP 變回 ATP，就需要靠分解營養素所提供的能量，所以就得從食物或身體組織中取得營養素。若從身體的庫存中取用大量營養素，體重就會降低，這就是減重的原理，也是為何熱量消耗需要大於熱量攝取，才有可能取用大量的庫存脂肪。

體內能量很多時，會消耗 ATP 並用釋放的能量來合成身體組織

如果活動量減少或食物攝取增加，就會使體內循環的營養素增多，此時製造出來的 ATP 會高於身體所需。既然沒有什麼需要使用 ATP 的事，那就把 ATP 的能量儲存起來吧！

血液循環中的簡單醣類、三酸甘油脂、和氨基酸可以被合成成肝醣、脂肪、和蛋白質，作為能量庫存，未來食物缺乏時可以拿來產能（如上一節所述）。

熱量盈餘為何能幫助增肌？同時增肌減脂是可行的嗎？

肌肉其實一直都是在合成與分解，並維持一個動態的平衡，就像是一個活水湖一樣要有水流進來、也要有水流出去，才能保持水質乾淨，不然就會變一灘死水。所以增肌其實是蛋白質合成速率大於分解速率，並不是只合成、不分解。

熱量盈餘能幫助增肌，是因為當循環中的營養素夠多時，身體就有許多的 ATP 可以運用。等這些維持生理機能、提供運動能量的需求都被滿足後，剩下的 ATP 就能幫助循環中的氨基酸合成成蛋白質，讓肌肉增大。（這也是為何除了熱量要夠外，蛋白質也要充足，不然就算有了 ATP 也沒有材料可以建造肌肉）

但熱量在平衡時、或甚至些微赤字時，也有機會能夠增肌同時減脂。請看回圖六，如果來自小腸的營養素不夠的話，是可以動用庫存的脂肪來生產 ATP，然後再拿這些 ATP 去合成肌肉的。不過，這對肥胖者（脂肪庫存多）和新手（容易合成肌肉）才比較有效，對於已經偏瘦或重訓經驗豐富的人，還是要在熱量盈餘較能有效增肌。

總結

希望透過這篇文章，能讓大家對於「食物、能量（熱量）、和身體組織」的關係更加了解。如果下次有人問你：「熱量是怎麼變成肌肉的？」相信你已經可以自信地回答：「食物中的能量在經消化與分解後，會暫時儲存在 ATP 中，此時只要有足夠的 ATP 及氨基酸，ATP 就能提供氨基酸合成成蛋白質所需的能量，最終讓肌肉增大。」

如果他們聽不懂，那就傳這篇文章給他們就好。

更多進階健身知識，請閱讀我的 Medium 帳號 Vincent C.

並追蹤我的 Instagram ＠vin_training。