半量子漩渦

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我不會稱量子糾纏為量子力學的「一般 (a)」特徵，而是量子力學「獨具 (the)」的特徵，它強制了完全背離經典的思想路線。

——薛定鍔（Edwin Schrödinger）1933 年諾貝爾物理獎得主

相對論雖然改寫了三百多年來物理學家對時間及空間的看法，但並未改變人類幾千年來對「客觀宇宙」——「實在」（reality）——的認知與經驗：不管我們是否去看它，或者人類是否存在，月亮永遠不停地依一定的軌道圍繞地球運轉。可是量子力學呢？它完全推翻了「客觀宇宙」存在的觀念。在它的世界裡，因果律成了或然率，物體不再同時具有一定的位置與運動速度……。

這樣違反「常識」的宇宙觀，不要說一般人難以接受，就是量子力學革命先鋒的傅朗克（Max Planck）及愛因斯坦（Albert Einstein）也難以苟同！但在經過一番企圖挽回古典力學的努力失敗後，傅朗克終於牽就了新革命的產物；但愛因斯坦則一直堅持不相信上帝在跟我們玩骰子！因此 1935 年提出了現在稱為「EPR 悖論（EPR Paradox）」的論文，為他反對聲浪中的最後一篇影響深遠的傑作。

1964 年，出生於北愛爾蘭、研究基本粒子及加速器設計的貝爾（John Bell），利用「業餘」時間來探討量子力學的基礎問題，提出題為「關於愛因斯坦（Einstein）－波多爾斯基（Podolsky）－羅森（Roson）悖論」的論文。貝爾深入地研究量子理論，確立了該理論可以告訴我們有關物理世界基本性質的地方，使直接透過實驗來探索看似哲學的問題（如現實的本質）成為可能。

2022 年的諾貝爾物理獎頒發給三位「用光子糾纏實驗，……開創量子資訊科學」的業思特（Alain Aspect）、克勞瑟（John Clauser）、蔡林格（Anton Zeilinger）的物理學家。讀者在許多報章雜誌（如 12 月號《科學月刊》）均可看到有關貝爾及他們之工作的報導，但比較深入討論貝爾實驗的文章則幾乎沒有。事實上貝爾的數學確實是很難懂的，但只要對基本物理有點興趣，我們還是可以了解他所建議之實驗及其內涵的。因此如果讀者不怕一點數學與邏輯，請繼續讀下去吧：我們將用古典力學及量子力學推導出在實驗上容易證明／反駁的兩個不同結果。

角動量與自旋角動量

在我們日常生活裡，一個物體（例如地球）可以擁有兩種不同類型的角動量。第一種類型是由於物體的質心繞著某個固定（例如太陽）的外部點旋轉而引起的，這通常稱為軌道角動量。第二種類型是由於物體的內部運動引起的，這通常稱為自旋角動量。在量子物理學裡，粒子可以由於其在空間中的運動而擁有軌道角動量，也可以由於其內部運動而擁有自旋角動量。實際上，因為基本粒子都是無結構的點粒子，用我們日常物體的比喻並不完全準確¹；因此在量子力學中，最好將自旋角動量視為是粒子所擁有的「內在性質」，並不是粒子真正在旋轉。實驗發現大部分的基本粒子都具有獨特的自旋角動量，就像擁有獨特的電荷和質量一樣：電子的自旋角動量為 ½ ²，光子的自旋角動量為 1。

量子力學裡的角動量有兩個與我們熟悉之角動量非常不同的性質：

1. 前者不能連續變化，而是像能量一樣被量化（quantized）了，例如電子的自旋量子數為 ½，所以我們在任何方向上所能量到的自旋角動量只能是 +½（順時針方向旋轉）或 -½（逆時針方向旋轉）
2. 後者的角動量可以同時在不同的方向上有確定的分量，但基本粒的（自旋）角動量卻不能。

EPR 論文

EPR 論文討論的是位置與動量的客觀實在性；貝爾將其論點擴展到自旋粒子的角動量上,討論兩個粒子相撞後分別往左、右兩個不同方向飛離後的實驗。因曾相撞作用之故，它們具有「關連」（correlated）的自旋角動量；但常識與經驗告訴我們，如果分開得夠遠的話，它們之間應不再互相作用影響，因此我們在任一體系所做的測量也應只會影響到該體系而已。這「可分離性」（separability）及「局部性」（locality）的兩個假設可以説是物理學成功的基石，因此沒有人會懷疑其正確性的。

讓我們在這裡假設粒子相撞後的總自旋角動量爲零。如果我們測得左邊粒子的 B- 方向自旋為順時（見圖一），則可以透過「關連」而預測右邊粒子的 B- 方向自旋應為逆時。因右邊粒子一直是孤立的，基於物理體系的「可分離性」與「局部性」，如果我們可以預測到其自旋的話，則其自旋應該早就存在，爲一「實在」的自然界物理量。

同樣地，如果我們突然改變主意去量得左邊粒子的 C- 方向自旋為順時，則也可以透過「關連」而預測到右邊粒子的 B- 方向自旋應為逆時。但右邊粒子一直是孤立的，因此其 C- 方向自旋也應該早就存在，亦爲一「實在」的自然界物理量。所以右邊的粒子毫無疑問地應同時具有一定的 B- 方向自旋與 C- 方向自旋。同樣的論點也告訴我們：左邊的粒子毫無疑問地也應同時具有一定的 B- 方向自旋與 C- 方向自旋。如果量子力學説粒子不能同時具有一定的 B- 方向與 C- 方向自旋，而只能告訴我們或然率，那量子力學顯然不是一個完整的理論！

貝爾的實驗

貝爾將這一個物理哲學上的爭論變成可以證明或反駁的實驗！如圖一，我們可以設計偵測器來測量相隔 120 度的 A、B、C 三個方向的自旋（順時或逆時）。依照古典力學（EPR），自旋在這三個方向上都有客觀的存在定值。假設左粒子分別為（順、順、逆）；則因總自旋須爲零，右粒子在三方向的自旋相對應爲（逆、逆、順）。在此情況下，如果我們「同時去量同一方向」之左、右粒子自旋，應可以發現（順逆）（順逆）（逆順）三種組合。可是如果我們「同時且隨機地取方向去量」左、右粒子自旋，應可以發現的組合有（順逆）（順逆）（順順）（順逆）（順逆）（順順）（逆逆）（逆逆）（逆順）九種；其中相反自旋的結果佔了 5/9。讀者應該不難推出：不管粒子在三方向的自旋定值爲何，發現相反自旋的結果不是 5/9 就是 9/9，即永遠 ≥ 5/9。

量子力學怎麼說呢? 在同一個假設的情況下, 量子力學也說如果我們「同時去量同一方向」之左、右粒子自旋, 應發現的組合也是只有（順逆）（順逆）（逆順）三種。但量子力學卻說：可是如果我們「同時且隨機地取方向去量」左、右粒子自旋，則會得到不同於上面預測之 ≥ 5/9 的結果！為什麼呢？且聽量子力學道來。

量子力學與或然率

在古典力學裡，如果在某個方向測得的自旋角動量為 +½，則其在任何方向的分量應為 +½ cosθ，如圖二所示。但在量子力學裡，因為不可能同時在其它方向精確地測得自旋角動量，因此分量只能以出現 +½ 或 -½ 之或然率來表示；這與古典力學不同，也正是問題所在。但古典力學到底還是經過幾百年之火煉的真金，因此如果我們做無窮次的測量，則其結果應該與古典力學相同：即假設測得 +½ 的或然率是 P，則

如果角度是 120º，則解得 P 等於 1/4：也就是說有 1/4 的機會量得與主測量同一方向（+½）自旋角動量，3/4 機會量得 -½ 自旋角動量。

讓我們看看這或然率用於上面所提到之貝爾實驗會得到怎麼樣的結果。依量子力學的計算，如果在左邊 A- 方向量得的是順時鐘的話，則因「關連」，右邊 A- 方向量得的便一定（100%）是逆時鐘；但因角動量不能同時在不同的方向上有確定的分量, 故在其它兩方向量得逆時鐘的或然率依照上面的計算將各爲 1/4，因此左、右同時測得相反自旋的或然率只有 ½ ［=(1+1/4+1/4)*3/9，三方向、九方向組合］而己。

實驗結果呢？1/2，小於 5/9！顯然粒子在不同方向同時具有固定自旋的假設是錯的！EPR 是錯的！古典力學是錯的！量子力學戰勝了！貝爾失望，克勞瑟賭輸了！

量子糾纏態

上面提到如果左邊 A- 方向量得的是順時鐘的話，則右邊 A- 方向量得的便一定（100%）是逆時鐘；可是左、右粒子在作用後，早已咫尺天涯，右粒子怎麼知道左粒子量得的是順時鐘呢？量子力學的另一大師薛定鍔（Edwin Schrödinger）從 EPR 論文裡悟到了「糾纏」（entanglement）的觀念。他認爲在相互作用後，兩個粒子便永遠糾纏在一起，形成了一個量子體系。因是一個體系，因此當我們去量左邊粒子之自旋時，量子體系波函數立即崩潰，使得右邊粒子具有一定且相反的自旋。可是右邊的粒子如何「立即知道」我們在量左邊的粒子 A- 方向及測得之值呢？那就只有靠愛因斯坦所謂之「鬼般的瞬間作用」（spooky action at a distance）了！此一超光速的作用轟動了科普讀者³！筆者也因之接到一些朋友的詢問，為寫這一篇文章的一大動機。

可是仔細想一想，在古典力學裡不也是這樣——如果左邊 A- 方向量得的是順時，則右邊 A- 方向量得的便一定是逆時——嗎？但卻從來沒有科學家或科普讀者認為有「鬼般的瞬間作用」或「牛頓糾纏態」去告訴右邊粒子該出現什麼。這「鬼般的瞬間作用」事實上是因為在未測量之前，量子力學認為右邊粒子自旋是存在於一種沒有定值之或然率狀態的「奇怪」解釋所造成的。例如我們擲一顆骰子，量子力學說：在沒擲出之前，出現任何數的或然率「存在」於一種「波函數」中。但一旦擲出 4 後，波函數便將立即崩潰：原來出現 4 之 1/6 或然率立即瞬間變成 100%，其它數的或然率也立即瞬間全部變成零了。但在日常生活中，我們（包括 EPR）從不認為那些或然率「波函數」為一「客觀的實體」，故也從來沒有人問：其它數怎麼瞬間立即知道擲出 4 而不能再出現呢？波函數數怎麼瞬間立即崩潰呢？

事實上從上面的分析，讀者應該可以看出：根本不需要用「右粒子『知道』左粒子量得的是順時鐘」，我們所需要知道的只是量子力學的遊戲規則：粒子的角動量不能同時在不同方向上有確定的分量；即如果 100% 知道某一方向的自旋，其它方向的自旋便只能用或然率來表示。一旦承認這個遊戲規則，那麼什麼「量子糾纏態」或「鬼般的瞬間作用」便立即瞬間消失！這些「奇怪」名詞之所以出現,正是因為我們要使用日常生活經驗語言來解釋量子系統中訊息編碼之奇怪且違反直覺的特性⁴ 所致。

結論

在想用日常生活邏輯或語言來了解自然界的運作失敗後，幾乎所有的物理學家現在都採取保利（Wolfgang Pauli）的態度：

了解「自然界是怎樣的（運作）」只不過是形上學家的夢想。我們實際上擁有的只是「我們能對大自然界說些什麼」。在量子力學層面，我們能說的就是我們能用數學來說的——結合實驗、測試、預測、觀察等。因此，幾乎所有其它事物在本質上都是類比和或想像的。事實上，類比或意象性的東西可能——而且經常——誤導我們。

換句話說，物理學的任務是透過數學計算⁵，告訴我們在什麼時刻及什麼地方可以看到月亮；至於月亮是不是一直那裡，或怎麼會到那裡……則是哲學的問題，不是物理學能回答或必須回答的。如果硬要用日常生活邏輯或語言去解釋月亮怎麼出現到哪裡,那麼我們將常被誤導。

誠如筆者在『思考的極限：宇宙創造出「空間」與「時間」？』一文裡所說的：『空間與時間都根本不存在：它們只是分別用來說明物體間之相對位置與事件間之前後秩序的「語言」而已。沒有物體就沒有空間的必要；沒有事件就沒有時間的必要』，我們在這裡也可以說；「量子糾纏態」根本不存在，它只是用來說明量子力學之奇怪宇宙觀的「語言」而已；沒有量子力學的或然率自然界，就沒有「量子糾纏態」的必要。

註解

1. 讓我們回顧一下在 1925 年最早提出電子自旋觀念的高玆密（Samuel Goudsmit）及烏倫別克（George Uhlenbeck）當時所遭遇到的困擾。如果不是因為他們那時還是個無名小卒的研究生，提出電子自旋的人大概便不是他們了！底下是烏倫別克的回憶：『然後我們再一起去請教（電磁學大師）羅倫玆（Hendrik Lorentz）。羅倫玆不只以他那人盡皆知的慈祥接待我們，並且還表現出很感興趣的樣子——雖然我覺得多少帶點悲觀。他答應將仔細想一想。一個多禮拜後，他交給我們一整潔的手稿。雖然我們無法完全了解那些長而繁的有關自旋電子的電磁性計算，但很明顯地，如果我們對電子自旋這一觀念太認真的話，則將遭遇到相當嚴重的難題！例如，依質能互換的原則，磁能便會大得使電子的質量必須大於質子；或者如果我們堅持電子的質量必須為已知的實驗數值，則電子必須比整個原子還大！高玆密及我都認為至少在目前我們最好不要發表任何東西。可是當我們將決定告訴羅倫玆教授時，他回答說：「我早已將你們的短文寄出去投稿了！你們倆還年青得可以去做一些愚蠢的事！」』。後來呢？電子自旋的概念在整個量子力學的系統裏，脫出了「點」與「非點」這類的爭論，而被物理學界普遍接受。今天當物理學家用「電子自旋」這一術語時，有他們特定的運作定義，絕不虛幻，但也絕不表示電子是一個旋轉的小球（因為那將與實驗不符）；但是有時把電子看為自轉的小球，可以幫助我們理解與教育初學者。
2. 單位為普朗克常數（Planck constant）除以 2π。
3. 玻爾（Niel Bohr）：「那些第一次接觸量子理論時不感到震驚的人不可能理解它。」
4. 這種量子效應以前一直被認為造成困擾，導緻小型設備比大型設備的可靠性更低、更容易出錯。但 1995 年後，科學家開始認識到量子效應雖然「令人討厭」，但實際上可以用來執行以前不可能處理的重要資訊任務，「量子資訊科學」於焉誕生。
5. 薛定鍔：「量子理論的數學框架已經通過了無數成功的測試，現在被普遍接受為對所有原子現象的一致和準確的描述。」

延伸閱讀

• 「愛因斯坦的最後一搏⎯EPR悖論」，《科學月刊》，2016 年 5 月號。
• 『量子糾纏態的研發:再談「愛因斯坦的最後一搏－EPR 悖論」』，《科學月刊》，2022 年 12 月號。
• 『思考的極限：宇宙創造出「空間」與「時間」？—宇宙觀的發展史（下篇）｜20 世紀後』，《泛科學》，2023 年 5 月 17 日。
• 「思考別人沒有想到的東西──誰發現量子力學？」，《泛科學》，2022 年 6 月 1 日。
• 《我愛科學》（華騰文化有限公司，2017 年 12 月出版）：收集筆者自 1970 年元月至 2017 年 8 月在《科學月刊》及少數其它雜誌所發表之文章。內含「電子自旋」、「愛因斯坦的最後一搏－EPR 悖論」。

1894 年，美國物理學家邁克生（Albert Abraham Michelson）作為芝加哥大學物理系的創立者，在為學校的瑞爾森物理實驗室（Ryerson Physical Laboratory）落成典禮致詞時，表示：「雖然無法斷言說，未來的物理學不會比過去那些驚奇更令人驚嘆，但似乎大部分的重要基本原則都已經被穩固地建立了。」

以我們現在的後見之明，這段話聽起來固然錯得離譜，但在當時，從 17、18 到 19 世紀，在伽利略、牛頓、馬克士威等前輩的的貢獻之下，物理學已經達成了非凡的成就。

我們現在稱為古典的物理學，對於整個世界的描述幾乎是面面俱到了，事實上沒有人預料到 20 世紀將出現徹底顛覆世界物理學認知的重要理論，量子力學。

而這最一開始竟只是出自於一件不起眼的研究，關於物體發出的光。

萬物皆輻射

在此我們要先理解一個觀念：所有物體無時無刻不在發出電磁波輻射，包括了你、我、你正使用的螢幕，以及我們生活中的所有物品。

至於為什麼會這樣子呢？其中一個主要原因是，物體都是由原子、分子組成，所以內部充滿了帶電粒子，例如電子。這些帶電粒子隨著溫度，時時刻刻不停地擾動著，在過程中，就會以電磁波的形式放出能量。

除了上述原因之外，物體發出的電磁波輻射，還可能有其他來源，我們就暫時省略不提。無論如何，從小到大我們都學過的，熱的傳遞方式分成傳導、對流、輻射三種，其中的輻射，就是我們現在在談的，物體以電磁波形式發出的能量。

那麼，這些輻射能量有什麼樣的特徵呢？為了搞清楚這件事，我們必須先找個適當的範本來研究。

理想上最好的選擇是，這個範本必須能夠吸收所有外在環境照射在上面的光線，只會發出因自身溫度而產生的電磁輻射。這樣子的話，我們去測量它發出的電磁波，就不會受到反射的電磁波干擾，而能確保電磁波是來自它自己本身。

這樣子的理想物體，稱為黑體；畢竟，黑色物體之所以是黑的，就是因為它能夠吸收外在環境光線，且不太會反射。而在我們日常生活中，最接近理想的黑體，就是一點也不黑、還超亮的太陽！這是因為我們很大程度可以肯定，太陽發出來的光，幾乎都是源於它自身，而非反射自外在環境的光線。

或者我們把一個空腔打洞後，從洞口發出的電磁波，也會近似於黑體輻射，因為所有入射洞口的光都會進入空腔，而不被反射。煉鐵用的鼓風爐，就類似這樣子的結構。

到目前為止，一切聽起來都只是物理學上一個平凡的研究題目。奇怪的是，在對電磁學已經擁有完整瞭解的 19 世紀後半到 20 世紀初，科學家儘管已經藉由實驗得到了觀測數據，但要用以往的物理理論正確推導出黑體的電磁波輻射，卻遇到困難。正是由此開始，古典物理學出現了破口。

黑體輻射

由黑體發出的輻射，以現在理論所知，長得像這個樣子。縱軸代表黑體輻射出來的能量功率，橫軸代表黑體輻射出來的電磁波波長。

在理想狀況下，黑體輻射只跟黑體的溫度有關，而跟黑體的形狀和材質無關。

以溫度分別處在絕對溫標 3000K、4000K 和 5000K 的黑體輻射為例，我們可以看到，隨著黑體的溫度越高，輻射出來的能量功率也越大；同時，輻射功率最高的波段，也朝短波長、高頻率的方向靠近。

為了解釋這個曲線，物理學家們開始運用「當時」畢生所學來找出函數方程式，分成了兩派：

一派是 1896 年，由德國物理學家維因（Wilhelm Carl Werner Otto Fritz Franz Wien），由熱力學出發推導出的黑體輻射公式，另一派，在 1900 與 1905 年，英國物理學家瑞立（John William Strutt, 3rd Baron Rayleigh）和金斯（James Jeans），則是藉由電磁學概念，也推導出了他們的黑體輻射公式，稱為瑞立－金斯定律。

你看，若是同時擺上這兩個推導公式，會發現他們都各自對了一半？

維因近似 Wien approximation 只在高頻率的波段才精確。而瑞立－金斯定律只對低頻率波段比較精確，更預測輻射的強度會隨著電磁波頻率的提升而趨近無限大，等等，無限大？――這顯然不合理，因為現實中的黑體並不會放出無限大的能量。

顯然這兩個解釋都不夠精確。

就這樣，在 1894 年邁克生才說，物理學可能沒有更令人驚嘆的東西了，結果沒幾年，古典物理學築起的輝煌成就，被黑體輻射遮掩了部分光芒，而且沒人知道，這是怎麼一回事。

普朗克的黑體輻射公式

就在古典物理學面臨進退維谷局面的時候，那個男人出現了——德國物理學家普朗克（Max Planck）。

普朗克於 1900 年就推導出了他的黑體輻射公式，比上述瑞立和金斯最終在 1905 年提出的結果要更早，史稱普朗克定律（Planck’s law）。普朗克假想，在黑體中，存在許多帶電且不斷振盪、稱為「振子」的虛擬單元，並假設它們的能量只能是某個基本單位能量的整數倍。

這個基本單位能量寫成 E=hν，和電磁輻射的頻率 ν 成正比，比例常數 h 則稱為普朗克常數。換言之，黑體輻射出來的能量，以hν為基本單位、是一個個可數的「量」加起來的，也就是能量被「量子化」了。

根據以上假設，再加上不同能量的「振子」像是遵循熱力學中的粒子分佈，普朗克成功推導出吻合黑體輻射實驗觀測的公式。

普朗克的方程式，同時包含了維因近似和瑞立－金斯定律的優點，不管在低頻率還是高頻率的波段，都非常精確。如果我們比較在地球大氣層頂端觀測到的太陽輻射光譜，可以發現觀測數據和普朗克的公式吻合得非常好。

其實有趣的是普朗克根本不認為這是物理現象，他認為，他假設的能量量子化，只是數學上用來推導的手段，而沒有察覺他在物理上的深遠涵意。但無論如何，普朗克成功解決了黑體輻射的難題，並得到符合觀測的方程式。直到現在，我們依然使用著普朗克的方程式來描述黑體輻射。不只如此，在現實生活中，有許多的應用，都由此而來。

正因為不同溫度的物體，會發出不同特徵的電磁波，反過來想，藉由測量物體發出的電磁波，我們就能得知該物體的溫度。在疫情期間，我們可以看到某些場合會放置螢幕，上面呈現類似這樣子的畫面。

事實上，這些儀器測量的，是特定波長的紅外線。紅外線屬於不可見光，也是室溫物體所發出的電磁輻射中，功率最大的波段。只要分析我們身體發出的紅外線，就能在一定程度上判斷我們的體溫。當然，一來我們都不是完美的黑體，二來環境因素也可能產生干擾，所以還是會有些許誤差。

藉由黑體輻射的研究，我們還可以將黑體的溫度與發出的可見光顏色標準化。

在畫面中，有彩虹背景的部分，代表可見光的範圍，當黑體的溫度越高，發出的電磁輻射，在可見光部分越偏冷色系。當我們在購買燈泡的時候，會在包裝上看到色溫標示，就是由此而來。所以，如果你想要溫暖一點的光線，就要購買色溫較低，約兩、三千 K 左右的燈泡。

結語

事實上，在黑體輻射研究最蓬勃發展的 19 世紀後半，正值第二次工業革命，當時鋼鐵的鍛冶技術出現許多重大進步。

德國鐵血宰相俾斯麥曾經說，當代的重大問題要用鐵和血來解決。

就傳統而言，煉鋼要靠工匠用肉眼，從鋼鐵的顏色來判斷溫度，但若能更精確地判斷溫度，無疑會有很大幫助。

德國作為鋼鐵業發達國家，在黑體輻射的研究上，曾做出許多貢獻，這一方面固然可能是學術的求知慾使然，但另一方面，也可以說跟社會的需求與脈動是完全吻合的。
總而言之，普朗克藉由引進能量量子化的概念，成功用數學式描述了黑體輻射；這件事成為後來量子力學發展的起點。儘管普朗克本人沒有察覺能量量子化背後的深意，但有另一位勇者在數年後繼承了普朗克的想法，並做出意味深長的詮釋，那就是下一個故事的主角――愛因斯坦的事了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！