面對海嘯有三寶，水門、堤防、趕快跑！──《課本沒教的天災日本史》

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。

• 文/古國廷 (Medium)

 2018 年印尼發生兩起海嘯重創當地； 2004 年南亞海嘯與 2011 年東日本海嘯亦造成當地嚴重災情。近十年鄰近地區發生數次致命海嘯，它們為何如此致命？台灣百年歷史亦有多起海嘯紀錄，台灣面臨海嘯威脅時，又該如何應對？

本文專訪中央大學水文與海洋科學研究所副教授吳祚任，分享海嘯專業知識，及台灣如何運用世界領先技術預警自救。

為什麼海嘯比一般巨浪更致命，造成災害更嚴重？

A：回答這問題，要從它們的特性開始說起。

海嘯跟一般海浪都是波浪，波浪又可以分成長波和短波。長波的波長很長，幾乎看不到也感覺不到；短波的波長短，可以明顯看到它的波動起伏。

如果波浪的波長非常長，遠比它的水深還要長，則稱之為淺水波；反之則稱為深水波。海嘯就是一種淺水波，例如 2004 年的南亞海嘯來說，它的波長大概 200 公里以上，但印度洋水深才 4 至 5 公里。

這樣子的淺水波有一個特性，就是這些水分子的運動非常一致，就好像團結做事有效率的公司，沒有速度的差異也沒有摩擦阻力。

因此海嘯在行進間能量的消耗很少，到岸邊時幾乎保留地震或火山山崩垂直擾動的能量。

再來，海嘯的波長很長，代表它很「厚實」；一般海浪波長較短，相對較「單薄」。因此同樣抵達岸邊，一般波浪就像潑水一樣，潑出去就結束了；而海嘯就像一長串高鐵列車往岸上衝。以 2011 年東日本海嘯為例，它的波長大概 200 公里，就像從台北到雲林這麼長的高鐵往岸上衝。

這樣保有當初地震或火山山崩垂直擾動的能量，且「厚度」很厚的海嘯往岸上衝，不僅衝擊陸地上各種設施的結構，也掏刷它們的地基。加上海嘯移動時也夾帶碎石和樹幹等等各種沖刷過的物體，讓人們尚未溺斃前就可能被這些物質撞擊而失去求生能力。

簡單來說，海嘯來臨時，逃生的方法就是不要把身體弄濕了。因為一旦被海嘯捲入，就很少有活命的機會。

 2011 東日本海嘯和 2018 印尼兩起海嘯有甚麼不同？

2011 年東日本海嘯是地震引起的。2018 年 9 月印尼蘇拉威西海嘯，目前判斷比較可能是地震引發海底山崩所致；而 2018 年 12 月印尼喀拉喀托之子海嘯則幾乎可以認定是火山山崩造成。

在這邊先給大家一個簡單的概念，要造成海嘯最直接有效率的方法，就是讓海水受到垂直方向擾動，像是地殼垂直抬升或陷落所造成的地震型海嘯。

山崩也會造成海嘯，就像你從岸邊滾落到游泳池產生大浪。這種山崩型海嘯又分成兩種機制，一種是地震造成陸地或海底的山崩，另一種是火山造成的山崩。

火山噴發時又有兩種方式驅使山崩，一種是火山震動使火山邊壁崩落一大塊；另一種是火山一直噴發，結果火山裡面的結構空掉了，使火山承受不住水壓而往內下陷，使海水產生向下垂直運動引發海嘯。

雖然沒有經過很仔細的統計，但一般來說 90 %以上的海嘯是地震引起，剩下有一些是海底山崩造成的，少數是由火山噴發造成。

地震型海嘯與山崩型海嘯有甚麼不同？

A：地震造成的海嘯，大部分都是很強烈的地震才會造成海嘯。

雖然不敢說全部，但一般來說要造成致災型的海嘯，地震矩規模（ Moment magnitude scale , Mw ）通常要大於 7.5 ，且震源深度大多離地表 35 公里以內。地震矩規模超過 8 海嘯就很嚴重，規模超過 9 就是毀滅型的海嘯，像是造成南亞海嘯的地震就是這樣的規模。

若造成這樣大規模的地震，比較高的機會是海溝型地震，也就是板塊之間碰撞及隱沒。這種板塊破裂的長度很長， 2004 年南亞地震的板塊破裂長度大約 1,200 公里，大概 4 個台灣這麼長； 2011 年日本地震板塊破裂長度也有 500 公里。

這樣大面積的抬升，導致地震型海嘯的影響範圍非常寬廣，海嘯的寬度可以接近板塊破裂的長度。以 2011 東日本海嘯為例，寬度大約 500 公里；而它的波長也很長，以日本海嘯來說可以到 200 公里。

這樣規模是甚麼概念呢？假設高鐵列車的寬度是 5 公尺，那 2011 年東日本海嘯就像從台北到雲林這樣長的高鐵，以 10 萬台併排的規模往岸上衝。不過地震型海嘯高度相較起來不會太高，以日本海嘯來說波高大概 10 到 30 公尺，但已經是毀滅級的海溝型海嘯了。

而山崩型的海嘯就很不一樣了，它的波高可以很高。同樣的崩落量，陸上的山崩其崩落的高度越高，海嘯就越高；海底的山崩越接近水面，海嘯就越高。而山崩崩落的體積與質量越大，其海嘯高度就越大。但範圍就不像地震那麼廣，山崩海嘯的初始寬度大概就是它崩落範圍。

整體來說，地震引起的海嘯影響範圍寬廣但波高相對不高；山崩造成的海嘯影響程度很強但範圍很窄。

台灣較容易受到哪種海嘯威脅？很不幸的，都有可能。

台灣東部外海有琉球島弧，發生大規模地震時海嘯會影響東海岸；台灣西南部外海有一整段叫馬尼拉海溝，大規模地震產生的海嘯對墾丁到台南一帶影響比較嚴重。在帛琉附近的亞普海溝雖然離我們比較遠，但因為地形關係，地震發生海嘯時，台灣北部蘇澳一帶、東部以及高雄至台南沿海都會受到影響。

而台灣北部金山一直到三貂角，雖然不是那麼肯定，但因為地形關係，可能會有海底山崩造成的海嘯，且過去有類似的事件發生。 1867 年基隆發生規模 7 的地震。照理說海嘯高度應該不高，但卻發生 7 至 12 公尺的海嘯，這是地震規模 8 左右才會產生的海嘯高度。目前我們推估很有可能 10 %是地震造成， 90 %是山崩造成的，但這數據只能說是推估。

台灣西南岸也有海底斜坡地形，其海底山崩威脅也不容忽視。另外台灣的火山大部分分布在東北海域，雖然說目前看到都不大，但也很難說什麼時候會影響到，只能盡量預警。

Q：台灣要如何預警海嘯的發生？

A：我以前是用情境分析了解海嘯如何影響台灣。

情境分析就是判斷可能造成海嘯的來源，例如說哪個斷層或海溝地震會產生海嘯？它如何影響台灣？但就如上述提到，有很多造成海嘯的原因，像是地震、海底山崩或火山，很多可能性，算都算不完。於是我們發展出海嘯影響強度評估法（ Impact Intensity Analysis Method ），簡稱 IIA 法。

它的原理像是醫生想要知道你身體哪個地方感覺特別疼痛，就在每個部位都敲敲看，敲這個地方沒感覺再換下一個地方，當敲到某個地方你特別痛，代表同樣的力道發生在這個地方對你衝擊特別大。

而所謂 IIA 法就像這樣，針對要研究的特定地區或基礎建設，在其周邊海域都模擬同樣力道的水體擾動，運用水動力學搭配海底地形，去檢視哪個地方水體擾動形成的海嘯威脅最大。像是上圖這個例子是研究基隆金山一帶，紅色地區發生海嘯的威脅程度較大，發生在其他淡藍色區域就比較不用擔心。

如此我們就可以先排除淡藍色區域，針對紅色區域聚焦做情境分析，研究這個海域地形如何，有甚麼原因可能引發海嘯，會如何影響沿岸地區或基礎建設等等。

而 IIA 法，可以再進一步製作成地震–海嘯關係圖（ Seismic Tsunami Relation ），白話來說就是「不用電的海嘯預警圖」，不需要靠電力運作，就能在地震時知道海嘯會不會威脅到所在地區。它是針對沿海每個村里，繪製外海各個方位發生多大的地震規模時，其產生的海嘯會影響到該社區。所以當地震發生，村里長可以快速用地震發生方位和規模這兩個最簡單的資訊，自主判斷是否可能有海嘯威脅。

海嘯發生時要如何自救？

A：事發當下，如果是地震引發的海嘯，台灣目前技術能夠在地震發生以後，結合中央氣象局的地震速報，將其轉成海嘯源去模擬各地海嘯高度，過程只需要 1.5 分鐘。以近海海嘯抵達台灣最快 15 分鐘來說，這樣的預警時間算是足夠。

但這樣的海嘯預警需要地震來當作 Enter 鍵，如果海底山崩沒有地震，就等於沒人按下 Enter 鍵，所以山崩型海嘯又稱之為「沉默的海嘯」，我們還在規劃如何預警它。

一般民眾在海嘯來臨的時候，記得要向上逃生、垂直逃生。海岸邊大多都是透天厝而且三層樓以上，所以發生時就逃到頂樓。不要跑到路上，因為會塞車。如果是開車或在機車上，就趕快下車借民宅逃到頂樓。如果開車時不幸海嘯已經衝過來，留在車內時不要開門開窗，等海嘯退去，趕快逃往民宅頂樓。

至於平常的時候，沿海的重要基礎建設要知道 IIA 的結果，知道哪個地方來的海嘯影響特別大，北部的設施和南部的設施要注意的海嘯來源絕對不同。當知道哪個地方來的海嘯衝擊特別嚴重，再進一步做情境分析，了解海嘯如何衝擊這些基礎建設，然後判斷是用工程抵擋或是放棄這個設施。國家災害防救科技中心也有海嘯災害潛勢圖，可以事前知道最大情境海嘯會淹到什麼地方。

其實就台灣三四百年歷史，紀錄到的海嘯次數不少，歷史上已經有教訓了，老天都給我們那麼多機會，真的要多注意一下才行。

※本文亦刊載於環境資訊中心，原作者Medium