暑假到了來去跑秋名山啊！跑山前你應知的行車概念

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

每次過彎都要到極限？轉向不足或過度都有危險！

在車輛轉彎的過程中，當車輛轉彎的速度達到車輛轉彎的極限，車輛會存在兩種轉向特性，即轉向不足和轉向過度。何謂轉向不足及轉向過度？我們可以用下圖（抓地力圓）來說明：

• X 座標代表車輛在轉彎時由於慣性所產生的離心力（主要受車速和轉向角度影響）
• Y 座標代表驅動力
• Z 座標代表合力
• 圓圈則代表輪胎與地面之間的最大抓地力。

輪胎和路面一定的情況下所產生的抓地力理論上固定，離心力和驅動力的改變都會引起合力的改變。當合力大於抓地力時，輪胎就會沿著合力的方向滑動。如果這個輪胎位於前輪，就是轉向不足。如果這個輪胎位於後輪，那麼出現的就是轉向過度。

更具體的解釋，就是車頭或是車尾哪一個部分的輪胎先失去抓地力。

轉向不足的情況就是前輪喪失了抓地力，在沒有導向力的牽引下，加上車輛原本的慣性推著汽車往前跑，駕駛者就會有彎道轉不過去的感覺。

轉向過度就是後輪先失去了抓地力，但是因為前輪還擁有抓地力，因此後輪會以比前輪更快的速度往前跑，駕駛者會覺得車子轉得太多了。

相較於轉向過度來說，轉向不足是比較穩定的，只要把車輛的速度降低下來，通常前輪的抓地力就會恢復，車輛就在控制之中，這就是為什麼幾乎所有的道路用車輛都刻意設計得偏向轉向不足。不過要克服轉向不足就是要慢下來，在賽車中這可不是好事，因此賽車的調校都會避免轉向不足的設定。而轉向過度與轉向不足相比則是高度的不穩定，除非駕駛者做出很快地技巧性修正方向盤及油門，否則一旦轉向過度，通常都是以打滑失控收場。

不過有轉向過度傾向的底盤設定實際上是協助車子入彎，而且在失控的範圍之內，它的過彎速度遠比轉向不足要快上許多，這也是為什麼幾乎所有的賽車都刻意將底盤的設定朝轉向過度多一點。汽車設計上有很多因素可以影響到轉向特性，比如車輛的軸距、輪距、車輛的重量、車輛的重量分配比例、懸吊結構和調教、輪胎、地面抓地力係數等，這些因素加起來形成一部車的轉向特性。

後輪驅動 vs. 前輪驅動，過彎特性有差嗎？

我們普遍能夠聽到的一種說法是前驅車的特性是轉向不足、後驅車的特性是轉向過度。這種說法不完全對，是一種比較片面的說法，也就是純粹由驅動力改變引發輪胎滑動的情況。前驅車的驅動力施加在前輪，突然增加驅動力自然會引發轉向不足。後驅車的驅動力施加在後輪，突然增加驅動力自然會引發轉向過度。這是一種人為製造的轉向不足或者轉向過度。

而我們可以人為改變的因素還有很多，比如增加離心力或降低抓地力。假設用很快的速度入彎，那無論前驅車還是後驅車都會發生轉向不足。又假設大力煞車的同時猛打方向盤，那無論前驅車還是後驅車都會發生轉向過度。

此外，四驅車是由四個車輪分擔整體驅動力，分配到每個驅動輪上的驅動力比前驅或者後驅車上的都要小，所以四驅車能夠承受更大的整體驅動力。這也就是為什麼四驅車通常要比前驅和後驅的過彎能力高。

那台86就是這樣過彎的！人家有練過別亂學喔！

基本上甩尾是轉向過度的現象，算是一種特殊的駕駛技巧，又叫「滑胎」或「漂移」。主要用在表演或是路況變化較大的賽車活動，其中又以越野賽裡應用頻率較多，而其他競速類的賽車則較少運用甩尾技巧過彎。這主要原因是甩尾雖然可以在過彎時保持較高的引擎轉速，但由於在一般柏油路面上過彎時車速減損較多，再加上輪胎損耗較大，除非是特殊原因，車手並不會經常在競賽過程中使用此技巧。他的原理是利用鎖死輪胎（後輪）或是大踩油門（後輪驅動），或是利用轉向貫性，使輪胎與地面的相對速度大幅提升，輪胎與地面由靜摩擦力變為動摩擦力，降低抓地力而出現打滑的狀況，產生轉向過度的效果。

延伸閱讀

• 暑假到了來去跑秋明山阿！跑山前你應知的行車概念

本文出自財團法人車輛研究測試中心；原文《汽車過彎的動態特性》，如需轉載，歡迎與車輛中心聯繫。