第一條海底電纜｜科學史上的今天：11/13

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

每個人都有自己的特長，有些人擅長理工科，有些人則有著藝術天份。但擅長一件事並不僅僅取決於天賦，還可能與個性、興趣或生活經歷有關。今天我們要介紹的主角就是一個很好的例子。他不僅是電報的發明家，消除了空間的隔閡，讓遠方的人們能瞬間被拉近，從這個角度來看，他是一位科學家、工程師。但其實他還有另一個身分，是一位偉大的畫家。沒錯，他就是山謬．摩斯（Samuel Morse）。

摩斯發明了電報，徹底改變了通信的速度，將全世界緊緊地拉在一起。不只如此，就像現在流行短影音，大家就會想辦法把內容擠在很短的時間內說出來。電報發明後，為了要讓訊息能有效被傳遞出去，人們的溝通方式也因此轉變。史學家 Garry Will 就認為電報因為不能傳太多字，這種強制性的簡潔，影響了林肯的演說風格，他著名的《蓋茲堡演說》簡潔有力，就是一個最好的例子。

一個偉大的發明，連副作用都這麼強大，改變了人們的溝通習慣。摩斯的成就不僅是在科技領域，更是在影響人們的文化和溝通方式上留下了深遠的影響。

喜歡這系列將影片或有其它想法，歡迎留言分享喔！

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

• 林祖慰／中央氣象局地震測報中心。

海嘯，是一種具有強大破壞力的海浪。當地震發生於海底，因震波動力而引起海水劇烈起伏，形成強大波浪向前推進，進而將淹沒沿海地帶。因著海底及海岸地形的不同，所引發的海嘯也有所不同，所以，檢視地形、地理位置與海底觀測，便成防範海嘯一重要課題。

臺灣地處菲律賓海板塊與歐亞大陸板塊碰撞擠壓交界區域，地震活動頻繁且常造成社會大眾生命財產的威脅，其中芮氏規模 6 以上的中大規模地震，有將近 70％分布於東部海域（下圖）。

東部海域的地震不僅威脅臺灣的安全，過去也曾發生數起宜蘭、花蓮雖未致災，卻在臺北盆地發生傷亡災情的地震事件，例如 1986 年 11 月 15 日芮氏規模 6.8 的地震，造成當時臺北縣中和市華陽市場坍塌、2002 年 3 月 31 日芮氏規模 6.8 的地震，造成當時正在興建中的台北101（TAIPEI 101）大樓頂樓大型塔式起重機吊臂斷裂砸落等案例。

臺灣會發生海嘯嗎？

此外，地震伴隨著海嘯的發生，2004 年南亞大海嘯與 2011 年東日本大地震海嘯均造成嚴重傷亡與財產損失。而臺灣所在的環太平洋「火環帶（Ring of fire）」，是全球 90％ 地震的發生地，過去也有文獻記載，臺灣及附近區域疑似因大規模地震或海底山崩引發海嘯衝擊，例如 1867 年臺灣北部基隆地區海嘯災害、1771 年鄰近的日本石垣島發生 85 公尺高海嘯災害，都顯示臺灣近海地區有災害性海嘯發生的可能性。

因此，科技部也曾針對臺灣鄰近地區的海溝型大地震引發海嘯侵襲的可能情境進行模擬分析，顯示臺灣西南方馬尼拉海溝（Manila Trench）、太平洋中的亞普海溝與花蓮外海（琉球海溝）是引發高海嘯災害潛勢的可能地震源。因此，如何防範東部海域大規模地震與可能的海嘯威脅，成為臺灣所需面臨的重要課題。

海上沒有地震測站

地震海嘯防災工作的最重要基石是地震速報系統，而速報作業的主要關鍵包括測站分布、即時傳輸與維運管理。在 2011 年之前，交通部中央氣象局地震觀測網的測站均設置在本島與離島陸地範圍，對於發生於周圍海域的地震，偵測能力與計算精度都受到限制。

如果能在臺灣東部海域設置地震海嘯海纜觀測系統，就能將海域地震納入臺灣地震網觀測範圍之內，既彌補陸上地震測站的不足，也能有效改善海域和近岸的地震定位問題。如此一來，也能強化氣象局地震觀測網強震即時警報系統的正確性和可信度，提供更準確的即時防救災資訊。

以同樣處於環太平洋地震帶的日本為例，日本的東部與南部海域也面臨地震海嘯的威脅，為此日本政府耗費鉅資建造「地球號」鑽井船，於日本南海海槽（Naikai Trough）作深部地殼鑽探，研究板塊聚合帶巨大地震的孕震機制。

同時，日本於周圍海域也建立 10 餘條海纜系統，裝置數十座地震與海嘯觀測站，嚴密監測海域的地震活動。2011 年 3 月 11 日芮氏規模 9.1 東日本大地震發生後，更投入超過日圓 230 億日圓，於日本東部海域建置全長超過 5600 公里的海纜觀測系統，並設置 150 座以上的地震海嘯觀測站。

海底的地震警報烽火台

在政府預算經費的支持下，氣象局於 2007 年起開始進行東部海纜觀測系統的設置，將地震海嘯監測的衛哨由陸域向外拓展到東部海域。這個海纜觀測系統就像是古代示警的烽火，在偵測到地震、海嘯時能迅速將資訊傳進地震偵測網。每個即時觀測站就是一座烽火台，由一個能抵抗海水壓力的長條型圓柱桶構成，內部封裝著各式偵測儀器，包含加速度型地震儀、速度型地震儀、傾斜儀、海嘯壓力計與水下聽音計等儀器。

這些儀器就像烽火台上拿著火把的衛兵，一看情況不對就點燃烽火台，將警告訊息傳遞出去。而一個個圓柱桶會被橫放於海床上，並透過光纖海底電纜纜線進行電力供應與觀測資料傳輸。由於海纜系統資料傳輸速度近乎即時，結合氣象局既有陸上地震監測網測站進行海陸聯合觀測，面對臺灣東部海域中大型災害地震與海嘯的威脅，預期將可縮短強震即時警報系統的偵測時間，也能提高預警的效益。

氣象局於 2011 年 11 月完成第 1 期海纜系統，由宜蘭頭城陸上站往東南外海舖設 45 公里海纜，尾端設置 1 座即時觀測站。又在 2017 年 10 月完成第 2 期海纜系統擴建，將海纜長度延長 70 公里，總長 115 公里，並增設 2 座即時觀測站，將監測範圍擴展至和平海盆與南澳海盆鄰近區域。

氣象局目前正在辦理第 3 期海纜系統的建置作業，規劃由第 2 期海纜系統尾端，向東南方穿過耶雅瑪海脊至加瓜海脊西側，再往西穿過呂宋島弧，轉向南邊繞經恆春半島外海至屏東枋山登陸，第 3 期計畫預計增建海纜 580 公里及新增 6 座即時觀測站，規劃於 2020 年底完成。

海纜系統怎麼維護？

過去所架設的海底電纜，最大的困境是遭外力破壞損毀。舉例來說，在海底坡度較陡之處，可能會因地震或颱風等因素而發生海底山崩。2006 年 12 月 26 日芮氏規模 6.7 的恆春地震，就曾造成臺灣南方多條國際電信電纜斷裂，而嚴重影響亞洲網路傳輸。除此之外，因漁業活動致電纜損壞而中斷網路傳輸的例子，也時有所聞。

針對上述情況，海底電纜本身可考量鋪設沿線的地質狀況，選擇不同類型鎧甲防護纜線，以降低自然因素或人為外力造成斷纜的風險。自然環境條件可藉由海底地形與地質調查分析、鑽井岩心採樣與洋流觀測資料，協助判斷最適宜的鋪設路線。

海纜觀測系統主要有嵌入式（in-line）與節點式（Node）兩種架構系統，嵌入式是將纜線與內含觀測儀器的即時觀測站採一體成型方式製作，其優點是體型相對較小且可掩埋，較不易受外力損毀，缺點是個別觀測站儀器不能擴充；節點式系統則透過纜線連接節點，再由節點連接觀測儀器設備，其優點是可以自由擴充與更新儀器設備，但缺點為即時觀測站體稍大且因設置於海床上而較易受外力損毀。

因此，在第 2 期海纜系統擴建時，便選用嵌入式的即時觀測站型態，同時也盡可能將站體設置於較深水域，分別為945、1114 與 2732 公尺，且系統沿線水深淺於 600 公尺的海纜需掩埋 1.5 公尺，以降低天然與人為破壞。

除了前述提到的即時觀測站及電纜纜線，海纜觀測系統中還有一個位於陸地的陸上監控站。其所扮演的角色是海纜傳輸訊號「登陸」的機電與通訊控制端。在海纜觀測系統出現故障時，首先會透過陸上監控站來嘗試排除故障，當狀況無法解除，就只有海上作業一途。如果要維修水下的線路與站體，就需要利用特殊船隻與儀器協助，例如透過無人水下載具（remotely operated vehicle, ROV）進行攝影巡視，查看海纜觀測系統的情況，排除可能威脅，降低海纜故障風險。

而海纜與漁業活動如何和平共存，還需要更多的溝通與互信體諒。第 1、2 期海纜系統建置完成後，氣象局均彙整海纜路由點位資訊，請海軍大氣海洋局協助進行長期航船布告。而第 3 期海纜系統擴建，也在作業開始前拜會相關漁會進行說明，並請漁會協助向漁民宣導，以降低施工風險。

作業期間，於每航次亦將事先備妥舖設作業區域圖、作業期程、作業船舶及人員名冊等資訊，請內政部、行政院農業委員會漁業署和相關漁會等機關單位協助宣導與溝通；另備妥舖設作業區域圖請海軍大氣海洋局協助發布航船布告，提醒航行作業船隻注意避讓。以上作為，皆是為了盡可能減少對漁業活動影響的措施。

氣象局海纜觀測系統已納入實際地震海嘯監測作業，2017 年 10 月 18 日至 2018 年 10 月 17 日這1年間，就在宜花海域監測 73 個芮氏規模 3 以上的地震事件。如果把海纜系統的監測結果納入強震即時警報自動定位的案例進行分析，發現這 3 座海底即時觀測站平均可提升地震定位準確度約 8.59％，相當於水平與深度綜合定位誤差由 12.45 降低至 11.38 公里。另外，也能增加預警時效約 7.9％，相當於預警報告產製時間由 20.52 秒降低至 18.90 秒。由於氣象局在發布強震即時警報或海嘯警報時，皆須依據震央位置與地震規模推估各地的S波到時與預估震度大小，因此提升震源參數的準確性後，可以增加警報的可靠性。

地震海嘯海纜觀測系統持續建置中

臺灣四周環海，不僅地震與海嘯的防災作業非常重要，其他海域資源有關民生經濟的發展，亦需仰賴前瞻性的探勘研究與水下技術，因此需要海洋領域人才的培育與經費的投入。以海纜觀測系統建置為例，相關專業知識與技術門檻實屬困難，目前臺灣水下技術尚在起步發展階段，專業人才仍屬不足，短期內須仰賴國外專業廠商協助，所幸已有國家級海洋研究機構與部分民間業者投入人力物資開發研究，期待將來能累積更多實務經驗，厚植海洋科技發展。而氣象局仍將持續推動與建置地震海嘯海纜觀測系統，結合強震即時警報系統，發揮地震測報與災防預警效能。

本文摘自《科學月刊 09 月號/2019 第 597 期：正視震知識》，科學月刊社出版。

1839年，惠斯登（Charles Wheatstone）和庫克（William F. Cooke）在英國建造了世界上第一條商用電報線路；約莫同時，美國的摩斯（Samuel Morse）也和維爾（Alfred Vail）發表其電報系統。自此以後，歐洲與美國各地紛紛沿著現成的鐵路，在城市與城市間架起線路。陸上的電報網迅速成形，但海洋卻是一大阻礙。

約過了十年，「盎格魯－法國電報公司」（Anglo-French Telegraph Company）總算在1850年8月拉了一條電線橫越英吉利海峽。不過這不算是第一條海底電纜，因為他們想得太天真了，竟然只用一般的漆包線，完全沒有外殼保護，因此沒幾天就損壞了。1851年11月13日，世界第一條海底電纜才終於鋪設完成，穿越英吉利海峽將英國與法國連接起來。兩年後更多海纜從英國拉往愛爾蘭、比利時與荷蘭。

橫越大西洋的洲際海底電纜則困難許多。1858年的第一條海纜也是不到一個月就毀損，直到1866年才克服技術問題，成功鋪設連接倫敦與紐約的電纜。至於台灣的第一條海底電纜，是劉銘傳以「孤懸海外，往來文報，屢阻風濤」為由，奏請清廷鋪設獲准，而於1887年鋪設了淡水至福州的海底電纜，這也成了中國第一條海底電纜。

電報內容力求簡短，因此不過是兩條銅線的電纜已足以應付，但要拿來講電話卻不適合，因為一人佔線，其他人就不能用了。第一條電話專用的洲際海底電纜直到1956年才完工，連接蘇格蘭與加拿大，可同時容納36通電話。自1980年代實用的光纖發明以後，海底光纜逐漸取代海底電纜，提供更大的國際頻寬，也才有如今網際網路的普及。

海底電纜從最初的發送電報之用，只能傳送文字；到讓地球兩端的人可以講國際電話；再進化到現在，各種型態的資訊內容經由海底光纜串起世界各個角落，每個階段都發揮了大幅縮短世界距離的功能。如今海底光纜已經是全球網路不可或缺的重要骨幹，默默的隱藏在大海底下，繼續盡責的撐起這個網路時代。

本文同時收錄於《科學史上的今天：歷史的瞬間，改變世界的起點》，由究竟出版社出版。