泛知識節紀實：跨越視覺科學：烏賊可能比你還聰明

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。

「大象～大象～你的鼻子怎麼那麼長？」

喬治亞理工學院（Georgia Institute of Technology）最新的研究發現，大象皺巴巴的「皮膚」竟然隱藏著超強的「伸展之力」，跟肌肉簡直就是完美搭檔。有了隱藏的伸展力，大象就能夠加倍發揮象鼻的各種功能，還能將象鼻伸得更長、更遠！

又硬又軟的萬用工具！象鼻究竟有多強？

象鼻實在是非常神奇的存在，它擁有超過四萬條肌肉，既能柔軟靈活地捲起水果和樹葉，又能強悍地打斷樹幹、抵禦攻擊。究竟它為何能這樣「又硬又軟」靈活切換呢？

為了深入探索象鼻的秘密，研究團隊特別跑去亞特蘭大動物園（Zoo Atlanta），設置了高速攝影機，紀錄下非洲大象用象鼻拿取食物的過程。

乍看之下，軟軟的象鼻似乎就像我們的舌頭一樣，是充滿肌肉的無骨組織。然而，它真正派上用場時，可一點兒也不像舌頭呢！透過鏡頭，研究人員發現：象鼻頂部跟底部的運動狀況完全不一樣。當大象伸長象鼻時，象鼻外側的延伸能力比內側強多了。仔細看看畫面，就能發現外側的象鼻其實伸得更長！

秘密就在皮膚裡！打開皺紋發揮伸展之力吧！

至於兩邊的長度為何會有如此大的差距呢？秘密原來就藏在象鼻的皺褶中！研究團隊解剖了大象屍體，發現象鼻外側與內側的皮膚非常不同——象鼻外側那摺疊起來的皮膚，比另一側的皮膚多出了約 15% 的彈性。

更有趣的是，大象移動象鼻的方式，跟章魚觸手這種軟趴趴器官常用的「平均伸展大法」十分不同，象鼻伸展時就像是打開了一把折疊傘，內部是固定的，而傘面則可以向外變寬、延伸。不只如此，大象們還會如同開折傘一樣「分批運動」象鼻喔！

怎麼說呢？牠們運用象鼻時，會先探出頂端，然後視需求一節一節依序運用後面的肌肉，不到萬不得已，絕對不會動到靠近身體這側的肌肉群！學者們表示，大象之所以會這樣動，是因為象鼻前端部分的肌肉量較少，動起來也比較不費勁，而大象其實就跟人類一樣懶，當然是追求越省力越好囉！

借我學一下啦！皺褶象皮竟能應用在機器人身上？

另一方面，象鼻上這些皺巴巴的皮膚其實也十分堅硬，能起到重要的保護作用。比如說，在關節部分，一般肌肉容易拉伸，甚至拉傷，但如果有了皺褶，則需要花上整整 13 倍的力量才能拉伸。

這樣的保護力有什麼用呢？在未來，或許可以應用在仿生機器人身上喔！許多仿生機器人都會設計液壓系統，雖然十分靈活，但施力時卻也非常容易斷裂。如果我們能在機器人身上添加一些皺巴巴的皮膚，不僅能提供更強大的保護力，也讓機器人在運用上出現更多不同的可能性。

參考資料

1. Skin: An additional tool for the versatile elephant trunk
2. Schulz, A. K., Boyle, M., Boyle, C., Sordilla, S., Rincon, C., Hooper, S., Aubuchon, C., Reidenberg, J. S., Higgins, C., & Hu, D. L. (2022). Skin wrinkles and folds enable asymmetric stretch in the elephant trunk. Proceedings of the National Academy of Sciences of the United States of America, 119(31), e2122563119. https://doi.org/10.1073/pnas.2122563119
3. How Skin Helps Elephants Move and Twist Their Trunks
4. 動物奇門功夫．象鼻神奇構造

眼睛是人類的靈魂之窗，除了能盡收美景之餘，似乎也能透過眼睛去闡述著不同的情感，但是但是，在這漫長的物種演化過程中，偉大的大自然先生竟然悄悄的把盲點藏在我們如此重要又浪漫的眼睛之中，人類的眼睛與其他物種的眼睛相比，難不成是不小心做壞掉的瑕疵品？

人類眼睛的結構大解密

要知道這個問題的答案，要從人眼結構開始談起。眼睛能夠幫助人們看到世間萬物，主要是因為在我們的眼球中有一種感光細胞，它能夠感知光源，然後將光的訊號轉換成電訊號，傳達給我們眼球中的神經細胞，而眼球的神經細胞將電訊號帶給大腦，而最後大腦會將收集到的各種電訊號整理成我們每時每刻看到的影像。

從上面的敘述中，我們知道眼睛能產生影像主要有兩個重要的原件：感光細胞 + 傳遞訊號的神經細胞。直覺上來想，我們的眼睛應該要設計成：感光的細胞距離光線越近越好，這之中障礙要越少越好。

但是呢，事實卻很殘酷，光線要到達人類的眼睛之前需要穿過一層一層的神經細胞才能到達感光細胞。除了需要經過層層阻礙，這種設計也會導致感光細胞要讓出一個空位給神經細胞從眼球離開，而讓出的空間即為盲點，也就是眼睛感知不到光線的地方。

章魚先生的眼睛結構，跟人不一樣！

章魚先生的眼睛設計即為剛剛提過的完美方案：首先光線可以無障礙的“直達”感光細胞，感光細胞再把訊息傳給較深層的神經細胞，神經細胞再將訊號傳給大腦處理影像，整個訊號就從最外層的感光細胞一路傳到最深層的大腦處理器。所以章魚先生眼中的神經細胞就不需要感光細胞的“讓位”，接收到感光細胞的訊號後就可以默默的離場，繼續接下來的傳遞工作。所以章魚先生的眼睛也就沒有盲點這種構造，這能讓他的感光細胞可以無死角的感光！如此有效率的擺設，讓人類的眼睛淪為悲慘的瑕疵品。

為了讚歎如此效率的設計，這裡再次簡單的闡述人類與章魚先生的差距。人類眼中的擺設由外到內為：神經細胞 → 感光細胞 → 大腦，感光細胞接受到光線後需要傳訊號給神經細胞，而神經細胞要傳訊號給大腦時，感光細胞由於在兩者之間，所以就必須讓出位置給神經細胞通過，這個被讓出的位置，就沒辦法塞入感光用的細胞，導致人類盲點的出現。然而章魚先生眼中構造的排列由外到內為：感光細胞→神經細胞 → 大腦，感光細胞可以自在的接收光線，傳訊號給神經細胞後，神經細胞也可以自在的離開眼睛直通大腦。

有盲點的眼睛真的比較殘嗎！？

眼睛的盲點區域是接收不到光線，也看不到成像的，但是，在我們的日常生活中，怎麼都沒注意到自己眼睛原來有盲點呢？這是因為我們這一雙明亮的眼睛，平常日常生活中看到的世界，很大部分都是重疊的，所以兩顆眼睛能互相幫助對方，補足對方看不到的盲區，讓我們的視野完整，完全感受不到盲點的存在。

那麼我們要怎麼去體會盲點呢？

你可以做個有趣的實驗：首先在紙上畫上兩個距離為 10cm 的十字架。然後把左眼閉起來，用右眼去看左邊的十字架，慢慢把紙貼近你的眼睛，過程中你會發現原本在右邊的十字架會“憑空消失”！會有這個現象是因為你的眼睛有盲點，感光神經需要“讓路”給視神經，導致有些地方的光線是感知不到的，所以才導致你沒辦法觀察某個地方的視線。做完實驗的你，可能會嘗試單眼去看看周遭，但是一樣無法發現盲點。那是因為我們強大的大腦很擅長“腦補”，會嘗試腦補我們盲點的區域，讓你擁有一個完美的視野，所以除非是故意去測試或挑戰它，不然平常生活中是很難捕抓到盲點的存在。

人類靈魂之窗的謎底揭曉！

那麼，為什麼人類的眼睛不好好的設計成章魚的眼睛呢，無死角的感光細胞不是很好嗎？

其實人類的感光細胞為“高配版”的感光細胞，如此高檔的感光細胞，讓我們能辨識更多顏色以及各種細微的邊邊角角。如此高配的感光細胞相對來說，需要很龐大的操作步驟，所以人類感光細胞的底層還有一層色素層細胞 – retina pigment epithelium。這種細胞即為感光細胞的管家，能夠幫忙感光細胞分擔其他事物，讓感光細胞能專注於高效率的感光，也讓光線處理的品質達到最優化。故人類的感光細胞要卡在眼球的最深處主要是為了優化感光細胞的品質，從而安排了一個“管家”細胞給感光細胞。

那麼為什麼章魚先生沒設計成高配版的感光細胞呢？這是因為章魚先生處在的環境為海底，在海中的光線很少，如此高配耗能的眼睛對於章魚先生是一個沒什麼用途的功能。此外，章魚先生的眼睛長在兩側，萬一有盲點，兩顆眼睛沒辦法互相代償，會使到他們看到的視野會有視野盲區，這對於身處於弱肉強食的世界來說，是相當致命的存在。所以章魚先生的眼睛寧願選擇低配版無死角版本的眼睛，去看看低配版的美麗世界。

綜上所述，其實人類的眼睛沒有裝反啦~人類的兩顆眼睛很靠近，所以可以互相補償對方看不到的盲點哦！作為盲點的交換，人類獲得了“高配版”的感光細胞，進而獲得了一個不愧於靈魂之窗的高配版眼睛。所以要好好的愛護自己高配版的眼睛哦！

資料來源

1. Boulton, M., Dayhaw-Barker, P. The role of the retinal pigment epithelium: Topographical variation and ageing changes. Eye 15, 384–389 (2001). https://doi.org/10.1038/eye.2001.141