惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

A
Arctic Wolf
博客园 - 聂微东
F
Fortinet All Blogs
云风的 BLOG
云风的 BLOG
小众软件
小众软件
V
Visual Studio Blog
博客园 - 三生石上(FineUI控件)
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Apple Machine Learning Research
Apple Machine Learning Research
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
The Cloudflare Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
The GitHub Blog
The GitHub Blog
Y
Y Combinator Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
博客园_首页
L
LangChain Blog
A
About on SuperTechFans
阮一峰的网络日志
阮一峰的网络日志
I
Intezer
T
The Blog of Author Tim Ferriss
Security Latest
Security Latest
C
CXSECURITY Database RSS Feed - CXSecurity.com
Know Your Adversary
Know Your Adversary
Simon Willison's Weblog
Simon Willison's Weblog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
P
Palo Alto Networks Blog
Scott Helme
Scott Helme
S
Secure Thoughts
Spread Privacy
Spread Privacy
T
Threat Research - Cisco Blogs
Attack and Defense Labs
Attack and Defense Labs
P
Privacy & Cybersecurity Law Blog
O
OpenAI News
H
Heimdal Security Blog
www.infosecurity-magazine.com
www.infosecurity-magazine.com
Help Net Security
Help Net Security
C
Cyber Attacks, Cyber Crime and Cyber Security
Blog — PlanetScale
Blog — PlanetScale
GbyAI
GbyAI
G
Google Developers Blog
博客园 - Franky
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
K
Kaspersky official blog
Recent Commits to openclaw:main
Recent Commits to openclaw:main
T
Tor Project blog
D
Darknet – Hacking Tools, Hacker News & Cyber Security
T
Tenable Blog
Google Online Security Blog
Google Online Security Blog
PCI Perspectives
PCI Perspectives

讀角獸

ChatGPT 讓你變笨?真正被外包的是第一個判斷 糖尿病前期不是病人,也不是健康人:我自費戴兩次 CGM 後看懂的中間地帶 買 MSTR 前先想清楚:你的對手盤是誰 焦慮的世代救不了你家小孩:三種家長讀同一本書的三種結果 被動投資悖論:當所有人都不用想,誰在幫你的股價定價? TQQQ 三倍槓桿放大了什麼?進場日期決定結論的遊戲 你花三千塊買的 NMN,有多少科學根據? 職涯的複利效應:中年轉型,你放棄的東西值多少錢? 168斷食:六本書和五個研究吵了十年,我站這邊 退休金存到死,還是花到零?連 Morgan Housel 都跟自己矛盾了。 瘦瘦筆停藥會復胖嗎?臨床 66% vs 真實 0.5% 的 130 倍落差 NMN 有用嗎?四個長壽專家互相矛盾的 2026 證據排行 副業到底值不值得做?專注派和多角化派吵了兩千頁,答案在你身上 你的大腦 38 歲開始轉型——這是衰退還是重組? AGI 到了嗎?GPT-5 考 57 分,記憶力那題交白卷 你讀了《原子習慣》為什麼還是沒改變 SpaceX $1.75 兆 IPO:你要搶那 30% 嗎? AI 會取代你的工作嗎?真正威脅是老闆以為 AI 很強 離開的勇氣:什麼時候堅持是毅力,什麼時候堅持是被綁架 大家都用 AI,誰輸錢?Simons 三十年 66% 卻叫散戶買指數 讓小孩用 AI 做遊戲,七個專家都說好。但他們連「為什麼好」都吵不完。 你以為你會用 AI 了,其實你只用了 1% 台積電關稅 15%:246 萬股東沒算的三筆帳 AI Agent 不安全。造出來的人親口說的。 投資決策不是你的:四組心理學矛盾,你抄的答案來自不同的考卷 指數投資的三個陷阱:0050 有 62% 是台積電,VOO 前十佔 35% 你最差的投資決定,可能都發生在同一個時間點 輝達貴不貴?你在同一條 AI 供應鏈上押了五次還沒發現 睪固酮低症狀:健檢顯示正常,但台灣沒測那關鍵 2% 台灣人一年吞 11 億顆安眠藥:《為什麼要睡覺》被抓包的部分 你以為你在思考,你其實在選擇相信誰 瘦瘦筆完整指南:猛健樂 vs 週纖達怎麼選 SpaceX IPO:護城河在退化還是在進化?
蛋白質一天要吃多少?0.8、1.6、2.2,三個數字,三派專家,沒有人幫你判斷信誰
讀角獸的作者 · 2026-04-08 · via 讀角獸

2019 年,台灣健身社群有人發了一篇算得很認真的討論文。70 公斤、每週五次健身房,他說自己每天至少要吃到 105 克蛋白質。那天算下來只吃了 84 克。還差大約一份乳清的量。

他結尾寫 QQ。

這個場景我熟。身邊有人為了追一個數字開始算每餐,喝完乳清還差一份,晚上煮雞胸湊齊。蛋白質變成一種每天要還的帳。

那個數字從 Attia 來。《Outlive》第 15 章他這樣算:你 70 公斤,每天需要 154 克蛋白質,每公斤 2.2 克。RDA 的 0.8 是 70 年前為年輕靜態男性設計的生存底線,對追最佳化的人不夠——adequate 不等於 optimal。

這套論述聽起來合理。Huberman 也這樣推。健身房裡「體重兩倍克數」已經是常識。

「It's baloney.」胡說八道。

這是 Stuart Phillips 的回話。麥克馬斯特大學,研究蛋白質二十幾年,把 49 篇 RCT 堆在一起算過:效益在 1.6 g/kg 就到頂了,超過的基本上直接尿掉。他補一刀:蛋白質是蛋糕的糖衣,運動才是蛋糕本身,糖衣加再多不會把蛋糕變成別的東西。

2025 年他寫了一篇評論,標題叫「蛋白質跳過鯊魚的一年」。話題炒過頭了,行銷大過科學。

但故事還沒完。

一天 56 克就夠,還是 154 克才夠?差三倍背後是什麼

RDA 0.8 g/kg 是七十年前建立的數字,70 公斤的成人換算下來是 56 克。

美國 2025-2030 新版飲食指南在 2026 年 1 月 7 日正式發布,第一次官方調高到 1.2-1.6 g/kg,對 70 公斤的人來說是 84-112 克。台灣衛福部國健署 2022 年公告的第八版 DRIs,成人 1.1 g/kg、老年人 1.2 g/kg。

然後是 Attia 的 2.2 g/kg,154 克。

三個數字,三倍差距。我第一個直覺是信 Phillips 的 1.6。49 篇 RCT 堆在一起得出來的結論,比單一訪談節目上的醫師推薦硬。一邊是有學術整合分析的陣營,一邊沒有。

然後 Eric Topol 寫了一篇文件,把我那個直覺打掉。

Topol 指出,Phillips 畫出「1.6 截線」倚賴的那篇 2018 Morton et al.(BJSM)論文,統計 p 值是 0.079

沒達到顯著。

那條「超過 1.6 沒有用」的截線,統計上不夠硬。Phillips 的 meta-analysis 本身是嚴謹的,但從整合分析走到「1.6 是天花板」這個精確宣稱之間,有一個讀者不會注意的縫。那個縫叫 p 值。

那就回去考慮 Attia 的 2.2 g/kg 吧。

Attia 的論點建立在對現有研究的詮釋上。他沒自己做 RCT,他讀別人做的,然後給一套解釋:RDA 是最低生存值,設計對象是年輕靜態男性;老年人和重訓者被嚴重低估;肌肉維持是晚年獨立生活的關鍵變數,跟「不生病」完全是兩個目標。他把整套論述寫進《Outlive》第 15 章,讀完你會覺得這個人真的花時間想過。

然後 Topol 爆了另一件事。

Attia 和 Huberman 各自持有 David 蛋白棒的股份。

一邊說你要吃 154 克,一邊持有蛋白棒公司股份——信任的基礎已經不一樣了。

他的論述不會因為這件事變成假的。利益揭露改變的是你讀同一段文字時要加多少重量。一個剛剛用完整章節說服你「你需要吃到 154 克」的醫師,被你發現他的經濟利益跟你吃更多蛋白質綁在一起。你沒辦法再用剛才的姿態讀他。

我在這個問題上來回很久。

信 Attia → 信 Phillips → Phillips 的 1.6 截線統計不硬 → 回 Attia → Attia 持股 → 信誰?

這個循環本身可能就是被問錯的問題。

Attia 和 Phillips 表面上是 2.2 對 1.6,但底下是兩套不同的遊戲。Attia 在玩「最佳化」,目標是把肌肉和代謝都推到上限,不滿足於生存值。Phillips 在玩「天花板」,過了邊際效益歸零的點再吃都是浪費,學術上沒資料支持就不應該推薦。中間夾著整個補充劑產業和蛋白棒的 influencer 經濟。

在回答信誰之前,你要先知道自己站在哪張桌上。

你每天在做 168,蛋白質可能根本塞不進去

簡單說:8 小時窗口塞 154 克蛋白質,4 餐間隔只有 2 小時,幾乎不可能不超熱量。

台灣同時流行兩個健康趨勢:168 斷食和高蛋白飲食。很少人認真想過,這兩件事放在一起是什麼意思。

走一遍一天的流程試試。

早上 11 點,窗口打開。你抓一個便當,排骨、滷蛋、青菜,蛋白質大概 30 克。下午 2 點吃一杯希臘優格加一個茶葉蛋,湊 20 克。下午 5 點一份雞胸加地瓜,35 克。晚上 6 點 45 分再喝一杯乳清,25 克。窗口快要關上了。

加起來 110 克。Phillips 派 70 公斤的人要達到的 112 克,勉強。

同一個窗口塞 Attia 派的 154 克。你要多擠 44 克,平均每兩小時一餐。而且四餐都要高蛋白密度。便當那種「排骨加白飯加菜」不夠,你需要「一塊雞胸+一盒豆腐+一杯乳清」那種組合。熱量很快失控。

這裡要問的問題是能不能同時做。誰更健康是另一件事。

一個容易忽略的事實是:同時測試 168 斷食和高蛋白飲食的隨機對照試驗,幾乎沒有。網路上和訪談節目裡那些「兩個可以一起」的建議,沒有直接的試驗支持。你做的是一個學術上沒被充分測試過的組合。

這讓我讀到「168 加高蛋白完全沒問題」的說法就多問一句:你的依據是什麼?

正常人沒事,但 1/7 的人可能不知道自己不正常

「高蛋白傷腎」這件事,答案取決於你是誰。

Attia 引用的 Cochrane review 和多項 RCT 顯示:腎功能正常的人,蛋白質吃到超過 3 g/kg 在人體實驗裡也沒有腎臟損傷的跡象。這個結論是有研究支持的。

問題是:你確定你腎功能正常嗎?

有個腎臟科醫師在健身社群解釋了台灣的狀況:對腎臟病患者而言,0.6-0.8 g/kg 就已經接近上限了,一個滷雞腿便當就是一整天蛋白質建議量的 5/8。這和「正常人吃三倍沒事」是完全不同的世界。

Topol 引用的數字是:大約 1/7 的成年人有慢性腎病(CKD),其中 9/10 不知道自己有。

每七個認真追蛋白質目標的朋友,平均就有一個在用不適合自己的結論。

我算了一下這個比例。如果它是對的,你身邊那個認真計算每餐蛋白質的人,可能正站在這個結論不適用的那一邊。

事情還沒結束:Topol 引用了一篇 2024 年發表在 Nature Metabolism 的研究,指出高蛋白飲食可能透過 leucine → mTOR 的路徑增加動脈硬化風險。這個機制先在小鼠實驗裡發現,然後在人體研究中也看到了類似方向。Attia 說機制研究不等於人體傷害,不能從動物實驗直接外推到臨床建議,這是不同層次的問題。兩個都是有學術背景的人,他們的分歧不是因為一個懶惰、一個認真,而是因為他們對「足夠的證據」設了不同的門檻。

所以「高蛋白傷腎嗎」這個問題,正確答案是:取決於你的腎功能、取決於你的攝取量、取決於你怎麼看 mTOR 爭議。一句話回答不了。

你爸媽的醫生可能還在用 30 年前的數字

50-65 歲這一段,吃蛋白質有一個你可能沒聽過的轉折。

Valter Longo 在 2014 年丟出一個很難忽視的數字。他的 CELL Metabolism 論文裡,50-65 歲之間高蛋白飲食(超過 20% 熱量來自蛋白質)的族群,全因死亡率比低蛋白族群高 75% 以上,癌症死亡率高四倍。

這組數字讓我下意識查了一下自己的年紀。

但同樣這篇研究,65 歲以上的族群翻過來:高蛋白讓全因死亡率下降 28%,癌症死亡率下降 60%。

跨過 65 歲這條線,建議方向反過來走。

Attia 對這套數字的批評是:流行病學充滿混淆因子,觀察不到因果,只有 RCT 值得參考。Longo 的回應沒在讓步:你不可能用 RCT 追蹤一個人三十年的飲食習慣。

這個僵局的底下是一個結構性的缺口。在「吃三十年會怎樣」這個問題上,Attia 要的那種乾淨數據從來沒有被收集過,也不可能被收集。時間長度本身超出 RCT 的能力範圍。Longo 的數據有混淆因子,但它是目前唯一真的跨過三十年的。這組爭論的更長版本在長壽科學的地基有多脆那篇裡有詳細拆解。

然後是台灣的情況。

國健署第八版 DRIs 已經把老年人從 0.8 調到 1.2 g/kg。這個更新有多少醫師在用,我不知道。

我問過一個在藥局工作的朋友。他說門診老人拿到的飲食建議單,他見過的版本大多還是寫 0.8。醫師知道新數字,問題卡在建議單沒更新、門診時間也不夠詳細解釋。官方的建議從 0.8 漲到 1.2,但這個資訊在門診這一層卡住了,沒到長輩手上。

幫家人找蛋白質建議的時候,你會撞到兩個侷限:醫生給的可能是過時的數字,Huberman 給的可能夾帶利益。兩件事同時成立。

信誰之前,先問自己是哪種人

讀完這些東西之後,我覺得「應該吃多少克蛋白質」這個問題被問錯了。

先別急著問多少。先問:你是哪種前提群的人?

有三個前提你必須先確認,才能把別人的研究套到自己身上:

前提一:你的腎功能。 腎功能正常的人吃高蛋白在合理範圍內是安全的。有 CKD 或腎功能在邊緣的人不在這個結論的適用範圍裡。問題是,大多數有輕微腎功能問題的人不知道自己有。GFR(腎絲球過濾率)60 以下才算 CKD,但很多人在 60-90 的邊緣地帶沒有任何症狀,也沒有被告知。在認真拉高蛋白質之前,去驗一次腎功能指數是值得的事——成本很低,在做飲食調整之前很有用的基線。

前提二:你的年齡和運動習慣。 50 歲以下、有固定重訓的人,Phillips 的 1.6 g/kg 是有充分研究支撐的參考點。65 歲以上擔心肌少症的人,高蛋白的支持者反而更多——連 Longo 在 65 歲之後都調成高蛋白。台灣國健署針對老年人的 1.2 g/kg,跟美國新版指南方向一致。

前提三:你的建議來源有沒有跟你一樣的目標。 Attia 推 2.2 g/kg,同時持有蛋白棒公司股份。這不代表他的建議是假的,但你該把這個資訊放進去一起想。「體重兩倍克數」這個說法的傳播路徑是健身 influencer 和補充劑業者。結論不一定錯,關鍵是這個建議對誰有利。

我自己的調整很無聊:我不追 2.2,因為我沒辦法在不大幅改變飲食的情況下做到,而且那個數字的統計基礎讓我沒有很有把握。我的目標大概是 1.2-1.4 g/kg,靠食物為主,偶爾喝一杯乳清。對雞蛋、豆腐、魚這類蛋白質密度高的食物更有意識,沒有買很多補充劑,也沒有精算每一餐。這個範圍讓我在台灣的日常飲食裡不用特別費力就能達到,也不用去煩惱 8 小時窗口塞不塞得進去的問題。

做 168 的人,那個窗口內蛋白質的質比量更值得關注。50 歲以上,建議去做一次腎功能和骨密度的基線檢查——那兩個數字比 Attia 的 154 克更值得你知道。

這四組矛盾,我沒辦法替你選。Phillips 可能對,Attia 可能也沒有完全錯,Longo 的年齡切點值得認真看待,而 Topol 的利益衝突揭露讓整個局面再多一層。

但有一件事你可以問:你採用的建議,出發點跟你的目標一樣嗎?


下次有人問你「蛋白質要吃幾克」,先問他三件事:腎功能如何、幾歲、建議來自誰。把這三題放在數字前面。


本文讀了這些來源:

書:

論文 / 文章:

Podcast:

社群:


聲明

本文僅供資訊參考,不構成醫療或營養建議。飲食調整、補充劑選擇請諮詢醫師或營養師,尤其有腎臟疾病、糖尿病或其他慢性病的情況下。


你可能也想讀