日本第一位諾貝爾獎得主──湯川秀樹誕辰｜科學史上的今天：1/23

• 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。

說明：此篇文章原本乃為泛科學 Youtube 影片所寫，經簡化之後，拍攝成〈缺電、輻射、核廢料有解嗎？「核融合發電」有可能嗎？〉和〈最受期待的核融合發電在哪裡？能源數據誰在膨風？〉兩部作品。又，本文並不針對核融合的技術性問題多做解釋，而是想用最少的字數，讓讀者瞭解核融合發展的全貌與大致進程。同時，此文主題也跟「世界是否應該採用核能發電」、「臺灣是否該使用核能發電」、「台灣是否該重啟核四」無關；這是三個完全不同的問題，核融合發電跟現有的核能發電技術也有所不同，無法一概而論。

在漫威電影裡，許多情節設定都跟真實世界的科學有所關連。就前陣子上映的《蜘蛛人：無家日》來說，在公開預告片中可見到知名反派八爪博士的回歸；他不但是研究核能的科學家，在《蜘蛛人2》還打造出了核反應爐。

八爪博士的核反應爐，跟太陽可說有 87 分像；姑且不論畫面呈現得正不正確，這部機器特別的地方就在於，它是核融合反應爐，而非目前核能發電所用的核分裂反應爐。然而，這兩者差在哪裡？都已經有核能發電技術了，為什麼還要研發核融合發電？不僅如此，核融合研究甚至一度引發學術界的爭議醜聞，甚至被拿來拍成 IMDb 超低分的電影。

傳統核能發電的發展趨勢

不久前（2021 年底），臺灣舉辦了是否重啟核四的公投。在選舉期間，我們或許聽過不少關於核能發電的利弊分析與討論。在溫室效應越來越受到關注、以及強調 2050 年要淨零碳排放的現代，核能發電極低的碳排放，是不容忽視的優點；但另一方面，核廢料問題，和核子事故風險，也是反核人士眼中無法接受的缺點。

不管如何，近數十年來，全球核能發電量雖然在日本福島核災後一度減少，但整體而言，仍大致呈現緩慢增長的趨勢。不過，核能在全球的發電佔比，則是於 1996 年達到 17.5% 的高峰後，開始緩慢下降。

另一方面，若比較從 1954 年到 2020 年，「開始運轉的核電廠」和「停止運作的核電廠」兩者的數目。可以發現，在 1990 年之前，開始運轉的核電廠，遠比停止運作的核電廠要多得多。但從 1990 年開始，兩者就呈現差不多的趨勢。

基於上述統計資料，大抵可以說，因為總總複雜的原因，不管是對是錯，在上世紀 90 年代以後，核電廠慢慢地不像以前那麼受到歡迎。而近年來對溫室效應的關注，以及仍是現在進行式的俄烏戰爭，會對核能發展帶來什麼影響，有待我們持續關注。

為什麼要研究核融合發電？

就在核能前景尚未完全明朗的同時，我們卻也能在許多新聞媒體上看到，除了新式核分裂發電技術的研發之外，還有「Google 和比爾蓋茲投資核融合反應爐」、「世界最大核融合反應爐進入組裝階段」、「中國核融合再創新世界紀錄」、「核融合新創 Helion 獲 22 億美元資金」、「貝佐斯投資核融合新創」等，關於核融合發電的消息；美國政府和其他許多國家也都投入資源在核融合研究。

同樣是核能發電，核融合發電和傳統的核分裂發電，有什麼不一樣？為什麼許多國家與知名人士都對核融合發電寄予厚望？八爪博士又為什麼打擊蜘蛛人的正事不幹，要去研究核融合？（搞錯重點了好ㄇ）

核反應的類型

簡單來說，核反應可分成兩大類，一是原子核分裂成其他較輕原子核，稱為核分裂（nuclear fission）；另一則是，兩個以上的原子核結合成新的原子核，稱為核融合（nuclear fusion）。因為核反應往往伴隨能量的吸收或釋放，核能電廠於是利用這一點，擷取核分裂過程中釋出的能量，作為發電之用。

至於太陽，主要由氫構成。龐大的重力將氫向內擠壓，於太陽核心產生極端的高溫和高壓，並促使氫進行核融合反應成為氦，連帶產生能量。目前的核融合研究，目的就是在地球上複製這個過程，以獲取釋出的能量。只不過，地球上並不存在如太陽核心般的高溫和高壓，所以必須人為地製造出適合的環境，核融合發電才有可能實現。也因此，有人會把核融合技術形容成人造太陽，而《蜘蛛人 2》電影裡，八爪博士製造出的核融合裝置，就長得一副太陽的樣子。

核融合發電的優點與困難

相較於傳統的核能電廠，核融合發電擁有許多優點。首先，在許多人擔心的安全性問題上，核融合發電不可能出現像是爐心熔毀或熱失控等狀況。因為核融合發電所需的「燃料」（雖然核反應不算是燃燒）需要人為持續提供，而且核融合反應的環境也需要精密控制，所以一旦系統出現狀況，就會使得整個發電程序停止運作——換言之，不可能「爆走」。

但核融合發電在安全性上的優點，也是它最大的缺點——因為核融合反應實在太容易動不動就停止了，科學家們想方設法，目前也沒辦法做到讓反應爐持續不間斷地運作；換言之，它不具有商業發電的價值。也是因為這樣，我們在新聞裡常會看到，某國科學家成功突破紀錄，讓核融合反應持續了幾秒鐘或幾分鐘。而如何讓核融合反應爐能夠持續運作，就成為相關研究最重要的課題之一。

除了安全性問題之外，核能發電產生的核廢料也常為人所詬病。不可否認，目前的核能發電方式，會產生具輻射性的核廢料，半衰期從數百年到百萬年不等，而台灣一直未能設立核廢料的最終處置場，全世界至今也沒有任何一座高階核廢料處置設施正式運轉。預計最快要到 2024 年，在芬蘭才會有全球第一座的高階核廢料永久處置場正式啟用。然而，臺灣的地質條件跟芬蘭完全不同，能否找到適合的最終處置場，仍是個問號。

那麼在核融合發電，也會面臨核廢料的難題嗎？答案既是，也不是。核融合發電也會產生核廢料，但其屬於低階核廢料，基本上就是工作人員使用過後的防護衣和清潔用品，以及反應爐的腔壁等。這些核廢料的半衰期大體而言都不長；因情況而異，約數十年到數百年，其輻射水平即可回覆到接近一般環境的背景值。所以，做為結論，核融合發電還是會產生核廢料，但相較於現有的核能發電，其危險程度以及對環境的影響要小上很多。

最後，核融合發電還有另一個優勢：燃料。現在的核能發電，主要使用鈾 -235 做為燃料；雖然全球的鈾礦礦藏相對豐富，根據世界核能協會（World Nuclear Association）的估計，足夠人類再使用 90 年，但並非取之不竭。相對地，核融合發電常用的燃料是氫的同位素——氘和氚；而氫在地球上極為豐富，要製備氘和氚也並不困難。換句話說，人類完全不需要擔心核融合的燃料不夠這種事情。除此之外，在核融合過程中，還會運用到鋰，它可幫助生成反應所需的氚，而幸好鋰的存量在地球上也是非常豐富，若把陸地上和海洋中的鋰都考慮進來，同樣不需要擔心鋰會用光。^[1]

核融合發電的分類

在核融合發電中，為了讓相異原子核能夠進行融合，一般會將其加熱到一億度上下的高溫。一種作法是，利用雷射直接或間接加熱裝了燃料的膠囊，以誘發膠囊內部燃料的核融合反應，稱為慣性局限融合（Inertial confinement fusion）。

另一種常見的作法則是，將燃料加熱，使其成為電漿狀態。很顯然地，一億度的電漿，是沒有任何容器可以盛裝的；所以科學家會利用強大的磁場，拘束住電漿，讓核融合反應能夠穩定持續地發生，稱為磁局限融合（magnetic confinement fusion）。八爪博士製造的機器，就比較接近這樣的作法。但跟電影不同的是，現實裡的研究人員是不可能直接站在高溫電漿旁邊的。八爪博士的設計，跟現實不但有差距，而且也顯然更危險。

上述核融合發電方式，全部都需要人為地產生高溫，讓核融合得以發生——但這並不表示核融合只能在高溫環境中產生。實際上，早在 1950 年代，科學家就發現，確實有核融合反應在低溫環境即可發生，現在稱為緲子催化融合（muon-catalyzed fusion）。緲子是一種性質跟電子非常類似，但質量比電子大得多、且非常容易衰變的基本粒子。若在氘和氚組成的氫分子中，用緲子取代電子，那麼該氫分子內部的氘和氚，甚至在室溫就可能產生核融合反應。

只不過，緲子的備製不僅需要花費大量能量，其迅速衰變的性質，也讓我們很難拿來作為核融合發電之用，再考慮到其他的技術性問題，使得目前的核融合研究，都是朝著高溫的方向進行。

然而，1989 年，有兩位科學家聲稱，成功在室溫環境下，以他們發現的新方法實現了核融合反應。這樣的消息迅速獲得媒體注意，並被大肆報導，人們對實現低溫核融合又開始寄予期望。很可惜地，其他科學家嘗試複製兩人的實驗成果，卻都無法成功；另一方面，科學社群也發現了兩人實驗上的瑕疵。於是，沸騰一時的「冷融合」話題就這麼煙消雲散。現在，雖然仍有少部分人從事相關研究，但都未能成氣候。

儘管如此，或許因為冷融合很有話題性，這個議題並未在媒體上消失；2011 年美國好萊塢甚至以冷融合為主題，拍了一部 IMDb 超低分的電影，英文片名就是冷融合（cold fusion），臺灣翻譯成《關鍵核爆》，劇情甚至把幽浮（UFO）都扯進來了。

延伸閱讀：八爪博士4ni！？《蜘蛛人》裡的人造太陽或將問世？（下）

參考資料

• 世界核能協會
• 2021世界核能產業現況報告
• World Nuclear Performance Report 2021 COP26 Edition
• 國際熱核融合實驗反應爐
• 國際原子能總署
• 馬克斯‧普朗克電漿物理學研究所
• JT-60U Experimental Report No. 46
• Muon-catalyzed fusion – Wikipedia
• Inertial confinement fusion – Wikipedia
• Magnetic confinement fusion – Wikipedia

[1] 其實，鈾也存在海洋中。若考慮到海水中的鈾，那麼基本上人類也不用擔心鈾礦不足。只不過，鈾在海水中濃度極低，約 10 億分之 3，不論在運用的技術還是成本上，挑戰都很高。

• 作者｜盧彥森，目前任職於 德國于利希研究中心 能源與氣候研究所

第一個地表模型的開發者——真鍋淑郎

在大氣科學領域中，有一部份專業領域統稱為「氣象模擬」，其中，有一門名為「地表模式」的領域，是專門算地表上各種物理、化學、生物作用的行為。

在做這些模擬的研究者中，有個很有名的日本名字，叫做 Manabe，他的論文會一直出現在大家眼前，也就是（只有我們在乎的）《 Manabe 1969, CLIMATE AND THE OCEAN CIRCULATION I : THE ATMOSPHERIC CIRCULATION AND THE HYDROLOGY OF THE EARTH’S SURFACE 》^[1]，最近因為大量的報導，我才知道原來他名字的漢字是——真鍋淑郎，也就是第一個地表模型的開發者，而在 2021 年時，他拿下了諾貝爾獎。

地表模式（Land Surface Model）在大氣模擬中有舉足輕重的地位，可以算地面是怎麼跟大氣作反應的，像是降水是怎麼被樹冠層截流、土壤水是怎麼變成地表逕流跟地下水、水是怎麼靠蒸散發回到大氣中；還有太陽光怎麼被地面或葉面吸收、能量怎麼被蒸散發作用給吸收、地面上的溫度增加或減少了多少，還有太陽輻射是有多少返回大氣層。

而真鍋淑郎的地表模式，則涵蓋了一大部份的物理反應，供美國國家海洋暨大氣總署（NOAA）的 Geophysical Fluid Dynamics Laboratory 的全球大氣模型使用。

不過學界是殘酷的。在那個電腦比房子貴的年代（房價在 1960 年的中位數約為$11,900，CNBC報導），真鍋順便背了個學界的鍋，像是：你的模型是不夠真實的、你的土壤濕度估算不夠物理……等因為電腦計算跟理論發展還不夠成熟，所以尚未發展的物理與計算方法。

後來的論文也會稱真鍋的地表模式是水桶模型（因為其計算土壤濕度的方法宛如水桶一樣，滿了就去除，而非經土壤中水流方法流走的）。但無論如何，第一個地表模型，基本上就是真鍋與他在普林斯頓的好夥伴們發展出來的。因此，真鍋的地表模型也在後來的論文中，尊稱為第一代的地表模式，建立起祖師爺等級的封號(Sellers et al., 1997)。

水桶模型後，百家爭鳴的地表模式大戰

雖然第一代的地表模式，土壤當做水桶，地上也沒有植物，更不要說可以進行光合作用或是碳排放來研究二氧化碳是怎麼搞壞我們的人生，但也讓後續的第二代地表模型有了出發點。

1980年後，在個人電腦逐漸普及後，地表模式也開始百家爭鳴，其中真鍋的身影也就只存在各家論文的引用中了。後來再出現時，則是在地表模式大戰——PILPS（Project for the Intercomparison of Land-surface Parametrization Schemes）^[2]。這個計畫中，以水桶模型這個稱號出現。基本上始於 1995 年的 PILPS 計畫，就是利用荷蘭的 Cabauw 量測站測到的氣象狀況，來驗證各家第二代的地表模式中，誰才是最強的。

當然結果就是，沒有誰家最強。

更重要的是，雖然地表模式都比真鍋的模型更複雜了一點，但是有個東西是沒有人考慮到的：光合作用。

當時各家的蒸散發公式，主要都是用Jarvis的葉面氣孔參數化公式做考量^[3]，所以也沒有真的考慮到二氧化碳、水、太陽之間的直接關聯。而做出這個關連性主要公式——Farquhar等人^[4] 的二氧化碳同化作用公式，才在 1980 年時正式發表，離他同事 Berry 拿去演化成植物氣孔跟光合作用的連動公式^[5]，還有七年。而在地表模型大戰中發表的模型，其實都長得 87% 像。

在 1997 年時，NASA 的 Sellers等人^[6]，與多位同樣是地表模式的作者與植物氣孔模擬專家，在《Science》期刊中，登高一呼：我們要有能夠計算生態跟複雜物理的模型！畢竟在 PILPS 的大戰中，沒有真正的勝者，也沒有真正的輸家，甚至我們的真鍋大哥在水文計算上也沒有輸^[2]！

所以在 2003 年，集合了 PILPS 大戰中和解的部份朋友們，第一支集眾人之力誕生的通用地表模式（Common Land Model）上線了^[7]，這支從 1998 年開始寫的程式，過了近五年後才發表，算是第三代地表模式的代表作。

而這個第三代中，植物終於開始有了它的意義，這植物的葉子終於可以隨四季生長了，也會行光合作用了，土壤也增厚到兩公尺多了，土壤也會依不飽和水流公式往下滲流，也可以計算堆雪了。其中最重要的，就是那光合作用公式的應用。

持續再精進與貢獻

之後的地表模式，就一直著重在地面植物的改良，讓植物越來越真，從一開始的沒有植物，到會蒸發水，再到會跟二氧化碳互動，以及跟氮交互作用，計算植物的農作產出，一步步朝著更精細的方向前進。

當然地表模式也有很多需要改良的地方，首先是地表模型是假設地表跟大氣是一維方向的互動，而土壤中水流也是只會向下滲流，如果要計算真正的水流，就必須要進行三維的地下水流動，這就是另外一個耗資源的計算。另外植物也不是真的植物，植物被假設只有四片葉子，還只有一層。

英國的「JULES」模型曾報告說他們做了個多層葉冠層的模型，最後只能淡淡的說因為計算資源耗太兇，所以沒算完 ^[8]。更甚者，地底下的根是「死」的，一年四季，不生不滅、不垢不淨，持續地在只有兩公尺厚的土裡，把水吸到植物中行光合作用(Pitman, 2003)^[9]。

所以無論如何，地表模型不僅不死，其勢更烈，因為有太多的東西可以靠地表模式來計算，像是人類對地球表面的影響、化合物排放，也都可以靠地表模式計算其對大氣的影響，就連地下水模型也都要拜託地表模式處理複雜的地表水文狀況^[10]。

從 1969 年到 2021 年，無數的改良與改版，還有兩次的超級地表模式大戰（第二次利用 Rhône 流域量測結果^[11]），都增加了人們對大氣系統的了解，並且一步步改善天氣預報的準確度，而其中的功臣之一，當然是真鍋博士在 1969 年，比 Unix 更早發表的地式模型，所以的確功不可沒，而現在地球科學的眾多估算中，地表模式解決了很多的水文與能量問題，更遑論對氣候變遷的計算，才能在1975年提出二氧化碳加劇溫度上升的研究^[12]。拿下諾貝爾獎，不僅僅是贊同真鍋博士的功勞，更是對大氣模擬界的慰勞吧。

參考資料

1. Manabe S. (1969). CLIMATE AND THE OCEAN CIRCULATION 1: I. THE ATMOSPHERIC CIRCULATION AND THE HYDROLOGY OF THE EARTH’S SURFACE. Mon. Weather Rev. 97:739–774.
2. Pitman, A. J., Henderson-Sellers, A., Desborough, C. E., Yang, Z. L., Abramopoulos, F., Boone, A., … & Xue, Y. (1999). Key results and implications from phase 1 (c) of the Project for Intercomparison of Land-surface Parametrization Schemes. Climate Dynamics, 15(9), 673-684.
3. Jarvis PG. (1976). The Interpretation of the Variations in Leaf Water Potential and Stomatal Conductance Found in Canopies in the Field. Philos. Trans. R. Soc. Lond. B Biol. Sci. 273:593–610.
4. Farquhar, G. D., von Caemmerer, S. V., & Berry, J. A. (1980). A biochemical model of photosynthetic CO 2 assimilation in leaves of C 3 species. Planta, 149(1), 78-90.
5. Ball JT., Woodrow IE., Berry JA. (1987). A model predicting stomatal conductance and its contribution to the control of photosynthesis under different environmental conditions. In: Progress in photosynthesis research. Springer, 221–224.
6. Sellers PJ., Dickinson RE., Randall DA., Betts AK., Hall FG., Berry JA., Collatz GJ., Denning AS., Mooney HA., Nobre CA., Sato N., Field CB., Henderson-Sellers A. (1997). Modeling the Exchanges of Energy, Water, and Carbon Between Continents and the Atmosphere. Science 275:502–509
7. Dai Y., Zeng X., Dickinson RE., Baker I., Bonan GB., Bosilovich MG., Denning AS., Dirmeyer PA., Houser PR., Niu G. (2003). The common land model. Bull. Am. Meteorol. Soc. 84.
8. Best MJ., Pryor M., Clark DB., Rooney GG., Essery RLH., Ménard CB., Edwards JM., Hendry MA., Porson A., Gedney N., Mercado LM., Sitch S., Blyth E., Boucher O., Cox PM., Grimmond CSB., Harding RJ. (2011). The Joint UK Land Environment Simulator (JULES), model description – Part 1: Energy and water fluxes. Geosci Model Dev 4:677–699
9. Pitman AJ. (2003). The evolution of, and revolution in, land surface schemes designed for climate models. Int J Clim. 23:479–510.
10. Kollet SJ., Maxwell RM. (2006). Integrated surface-groundwater flow modeling: A free-surface overland flow boundary condition in a parallel groundwater flow model. 29:945–958.
11. Boone A., Habets F., Noilhan J., Clark D., Dirmeyer P., Fox S., Gusev Y., Haddeland I., Koster R., Lohmann D. 2004. The Rhone-Aggregation land surface scheme intercomparison project: An overview. J. Clim. 17:187–208.
12. Manabe, S., & Wetherald, R. T. (1975). The effects of doubling the CO2 concentration on the climate of a general circulation model. Journal of Atmospheric Sciences, 32(1), 3-15.