賈伯斯誕辰│科學史上的今天：2/24

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。

下載 Youtube 影片、自動生成影片逐字稿、AI 智慧翻譯、匯出雙語 SRT 字幕、字幕內嵌 MP4 影片，甚至是把你的電腦當成 AI 運算伺服器、使用多模態 AI 模型來做圖片辨識……這一切的一切通通都免費，敢有可能 (Kám ū khó-lîng)？

今天的影片要來跟你分享開源 AI 套件 Ollama，這個開源套件AJ 最近上課演講工作坊逢人必教。

今天的影片，我們要手把手教你使用 Ollama 在你的電腦裡執行各種免費開源 AI 模型，希望你能跟我一樣成為 AI 暈船仔……Ollama 真香……啊扯遠了，我們沒有點數可以送。

今天的影片會分成三個部分：

1. Ollama 安裝與模型下載
2. 結合 Memo 翻譯影片字幕
3. 用多模態模型做圖片辨識

Ollama 安裝與模型下載

首先我們要先安裝 Ollama：

來到 ollama.com 點選 Download，下載適合自己的版本後進行安裝，安裝完畢之後，啟動 Ollama。以我的電腦來說右上角就會出現一個小小的 Ollama 圖示，這樣就成功安裝囉！

接著我們需要下載 AI 模型到你的電腦：

回到 Ollama 首頁，點選右上角 Models，這邊就會列出所有官方支援的模型，比如最近很流行的 Meta LLAMA 3、微軟的 Phi3、法國 Mistral AI 公司的 Mistral、Google Gemini 模型的開源版 Gemma 都有，你可以挑選喜歡的來測試。

比如我點選 LLAMA 3 的連結，模型頁面有兩個地方要注意：一是模型大小，LLAMA3 是 4.7G，一般而言要玩大模型，電腦記憶體至少 16G，預算夠就 24G 不嫌多；如果你是使用一般文書電腦，記憶體 8G 的話，建議你現在馬上停止你的任何動作。我有測試過電腦會直接當機……不要說我沒有提醒你。

點開 Latest 選單可以依照需求選擇不同版本的模型：

不過我們直接點選最右邊複製執行指令，打開電腦的終端機程式，或著命令提示字元，貼上，這樣電腦就會開始下載並且自動安裝囉。

你可以用 ollama list 指令查看現在電腦內有哪些模型，如果硬碟容量有限，用 ollama rm 後面加上模型名稱可以刪除模型。比如：ollama rm llama3。我們這邊另外安裝 llava 模型：ollama run llava，這樣準備工作就完成囉。

Ollama + memo

最近只要演講上課，我一定會分享 Memo 這套好用的軟體，我們之前也有一支影片分享他的用法。

最近 Memo 更新之後，我們就可以直接使用 Ollama 結合特定的模型來進行字幕的翻譯。舉例來說，我們打開 memo，複製 Youtube 網址；我們用這支 楊立昆 的演講，貼上網址，開始下載，下載完畢後使用電腦進行語音辨識，接著我們就可以使用 Ollama 搭配剛剛準備好的 LLama3 模型來做翻譯！

翻譯完畢之後就可以匯出 SRT 字幕

如果你本身是影片創作者，這招就可以輕鬆製作你的 SRT 字幕，再也不用花時間對字幕時間軸了。

或者你要把影片字幕直接內嵌在做簡報的時候播放影片：

匯出 MP4 格式，語言選雙語。如果你還沒用過這招處理影片，我強烈建議你一定要試試看！

Ollama + Enchanted

接下來我們要分享另一套非常實用的工具——Enchanted。他也是開源，可以讓原本是文字介面的 Ollama
提供類似 ChatGPT 的對話視窗，甚至支援圖片辨識的多模態模型 llava，Mac 用戶可以直接去 App Store 免費安裝。

同時開啟 Ollama 跟 Enchanted LLM：

就擁有一個漂亮的視窗介面，可以優雅的啟用各種想要測試的 AI 模型，他甚至有手機版 APP！用手機連線自己的蘋果電腦跑 AI 模型？這……這，真的可以免費用嗎？

讓我來試試看！

首先要先安裝 ngrok 這套程式，選擇自己的作業系統然後下載。Windows 用戶應該直接安裝就可以了，Mac 的用戶在終端機執行這行 Sudo 指令把程式解壓縮到 user local bin 資料夾，接著註冊一個免費的 ngrok 帳號。

複製 ngrok config 指令，貼回自己電腦的終端機，把連線金鑰寫入自己的電腦。

最後一步，啟動連線，指令是：ngrok http 11434 –host-header=”localhost:11434″

一切順利的話就會看到類似這個畫面。

然後把 forwarding 的網址複製，打開 iPhone 或 iPad 的 Enchanted app，在設定 Setting 裡面把 Ollama 網址貼上，這樣就可以遠端調用電腦的 Ollama 來使用 AI 模型，比如選用稍早下載的 LLava 多模態模型。

傳一張照片，問它這是什麼？

是不是非常神奇呢？
快練習把 ollama、ngrok 跟 Enchanted 串起來跟朋友炫耀吧！

總結

今天的影片跟各位分享了基於 Ollama 這個開源 AI 套件的各種有趣應用，你是否有成功在 iphone 上打造自己的 AI 服務呢？

1. 太複雜了我決定躺平
2. 笑話，我可是尊榮的 GPT Plus 用戶
3. 沒有 Mac 電腦不能玩……嗚嗚嗚
4. 你怎麼不介紹那個 ooxx Ollama 套件

如果有其他想看的 AI 工具測試或相關問題，也可以留言告訴我們～

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得

替 iPhone 開發新的 AI 助理？幫 Siri 裝一個小型 AI 模型就好啦！

自從二月 Apple 終止電動車開發，決定全力往 AI 領域發展。

在我還在想 Apple 要怎麼彎道超車時，三月底 Apple 就主動發了一篇 AI 相關論文，在 iPhone 上加裝一個小的 AI 模型，就能讓 Siri 更能聽懂你的話，這無論是實用性還是創意，我都給到中上水準。

在這篇論文出現之前，我想到 Siri 如果要跟上 AI 浪潮，勢必要打掉重練。

現在呢？不用！在 iPhone 上裝個小型 AI 模型，就能從智慧手機變成 AI 手機，讓 Siri 做到更多事。而在這篇論文的背後，也隱約看見了 AI 代理人（AI agent）的可能性！

所以今天，我們就來分享：

1. Apple 如何用小型 AI 模型升級 siri？
2. Android 手機上的 AI Agent 研究。
3. 未來 AI Agent 的發展，沒有鍵盤滑鼠的 LLM 作業系統。

最後再來分享怎麼用 AI Agent 的安裝方法。

廢話不多說，讓我們開始吧！

如果，有其他想看的 AI 工具測試或相關問題，也可以留言發問，如果喜歡這支影片的話，也別忘了按讚、訂閱，加入會員，我們下集再見～掰！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！