雙盲實驗之必要 │ 科學史上的今天：07/12

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。

• 作者 / 哈利・柯林斯, 崔佛・平區（Harry Collins, Trevor Pinch）
• 譯者 / 李尚仁

至少從一九五○年代起，現代醫學就認為安慰劑效應在科學上已經成立。研究顯示如果施予安慰劑的話，大約有百分之二十到百分之七十不等的病人似乎可以由此受益。

其中或許最讓人驚訝的是安慰劑外科手術：適當地麻醉病人、切開皮膚，但實際上卻沒有接受有意義的手術；根據報導這樣的手術高度有效。

有時候假的手術甚至似乎比真的手術還更有效。例如，它似乎對某些種類的胸痛和背痛有效。一九九○年代中期的研究顯示，這對膝關節炎有效；只把病人的膝蓋切開，其治療效果和那些對膝關節進行刮搔沖洗的效果一樣好；而一般認為後者是膝關節炎高度有效的標準療法。

不幸的是，這些看來很簡潔明瞭的發現還是引起爭論。現在我們必須穿越另一個更為扭曲的哈哈鏡廳堂：身體不適的人即便沒有接受任何治療也有可能痊癒，而接受安慰劑治療的病人和接受大量醫學介入的病人，同樣可能都是以大略相同的速率自行痊癒。

換句話說，接受安慰劑治療的病人，可能不是由於安慰劑效應而有所改善，而是自行痊癒的；而醫學治療也同樣無效，接受外科治療的病人其實也是自行痊癒的。

在這樣的情況下，並不是安慰劑效應和真正的外科手術一樣好，而是安慰劑效應並不比真正的外科手術好，兩者同樣都是無效的。

用實驗證實「安慰劑效應」

要了解是否真的有安慰劑效應，必須做另外一種實驗：把接受安慰劑的一組，和完全沒有接受安慰劑的另一組拿來做比較。在這種情況下，如果有安慰劑效應的話，接受安慰劑的病人的治療狀況，必須要比沒有接受治療的病人好。

兩位丹麥醫師（Hrobjartsson and Gotzsche）蒐集對接受安慰劑治療與沒有接受治療之病人進行比較的研究論文，並在二○○一年進行分析。在這一百一十四個試驗當中，只有少數實驗是直接設計來測試安慰劑；其餘大多數狀況是醫生檢查了三組病人：接受醫學治療的病人、接受安慰劑治療的病人，以及完全沒有接受治療的病人。他們發現就治療狀況的改善而言，接受安慰劑的病人和沒有接受治療的病人，兩組並沒有顯著的差別。

這聽起來像是個決定性的研究，丹麥醫師的報告乍看之下很有說服力。他們分析的研究數量以及病人數目都很大。此一研究似乎推翻了一個重大的成見。但如果仔細檢視論文最後謹慎的但書的話，就會發現其結論並不是那麼地牢不可破。

首先，資料顯示安慰劑對於疼痛的經驗有小的效應，此外安慰劑有可能對一小部分病人或某些疾病有相當大的效應，雖然並非對所有病人或所有疾病都有效應。丹麥研究者所使用的統計分析方法，很容易掩蓋掉這些輕微的效應和少數的疾病與病人。更讓人憂心的是下面所要討論的複雜邏輯，要說明此一邏輯，在句子結尾必須使用越來越多的驚嘆號。

不管是安慰劑或其他的療法，是無法以盲目的方式和沒有治療的狀況做比較！病人和治療者都會知道誰沒有接受治療；事實上，沒有接受治療這件事情是無法隱瞞的，否則這就不是「沒有接受治療」，而是接受安慰劑。

現在，事情變得更複雜

如果醫師和病人知道誰沒有接受治療，我們會預期這將帶來期待效應以及報告效應；如果安慰劑有作用，我們會預期安慰劑組病人和未受治療組病人的差異會更加顯著！換句話說，沒有接受治療的病人應該會對自己的前景感到悲觀，而執行治療的人應該會預期該組病人不會有什麼改善；因此我們會認為，不論施行治療者或接受治療者，都會有很強的報告效應，而且期待效應還會強化這兩者。

總而言之，即便沒有安慰劑效應，在這些非盲目的實驗中，由於沒有治療那一組的負面報告偏差和期待效應，實驗結果應該會看到有安慰劑效應。在這個愛麗絲夢遊的仙境中，這應該是種永遠不會失敗的實驗！不管有沒有安慰劑效應，結果應該總是看起來會有安慰劑效應的！！

現在這些實驗的結果卻是沒有顯著的安慰劑效應，那麼意味著沒有任何的期待效應與報告效應出現在這些實驗中，這顯示這些實驗一定有什麼問題！！！就像孟德爾關於遺傳性徵的著名實驗一樣，實驗結果太漂亮了，使它看來好像一定是造假！

丹麥研究者在回應這些質疑時論稱，由於大多數的實驗有三組病人，而非兩組，因此病人和分析師所在意的都不是安慰劑組和未受治療組的差異，而這點或許減低了報告效應與期待效應。然而這樣的論點看起來仍是很薄弱的。

無論如何，缺乏期待效應和報告效應即便不是決定性因素，也有其他理由讓我們不信任這個研究的結論。正如前面所說，沒有接受治療的那一組病人，無可避免地會知道他們並沒有接受治療。如果他們的疾病很嚴重的話，那麼他們可能會覺得既然在這個研究當中沒有接受任何治療，便會自行決定以和此一研究無關的方式尋求其他的治療（參見第四章有關維他命 C 試驗的類似主張）。這點並不適用於安慰劑組，因為這一組的病人以為他們正在接受治療。結果就是，有無自行治療所帶來的差異，可能導致不同組別的成功率沒有太大的差別。

無法執行的雙盲實驗

考量上述兩種反對丹麥研究人員結論的論點，讓我們不知道該採取什麼樣的立場，這種情況經常出現在困難的統計科學中，我們只知道不能像過去那樣把安慰劑效應視為理所當然，但我們仍舊很難確定它並不存在。要解決這個問題，必須在安慰劑組和沒有接受治療組之間進行一場雙盲實驗，然而這在定義上就是不可能的（在這個句子最後不得不加上一個驚嘆號）！

儘管有這些學術爭論，製藥公司與藥物試驗的執行者乃至製藥公司的批評者，都認為安慰劑效應是真實的。批評者指出，所謂的雙盲通常無法執行，因為如果藥物有昏眩或口乾等副作用的話，病人經常能因此猜出他們吃的是真藥或是安慰劑。這意味著即便藥物在隨機對照試驗中勝過了安慰劑效應，但也可能只是因為由於藥物有副作用，而有了更強的安慰劑效應！

製藥公司和為其執行試驗的單位非常重視安慰劑效應的真實性，它們實際上甚至還評估接受試驗的病人對於安慰劑效應的敏感程度，試圖排除掉那些容易受到暗示的病人（隱藏式的心理治療）等等。我們可以這樣說：就安慰劑效應如何影響我們對醫學的思考而言，它是真實的。

——本文摘自《醫學的張力》，2021 年 9 月，左岸文化。

「以古為鏡，可以知興替。」如果能在過去、現在兩點拉出一條直線的話，未來的趨勢也有機會在我們掌握之中；當我們遇到困難時可以透過過往的經驗，幫助我們下判斷。這就是歷史的重要性！同樣的，歷史的脈絡可以幫助我們學習科學，而且還有機會發現科學家並不是我們想像中的神聖不可侵。2015 年 12 月 22 日在胖地台北，泛科學的專欄作者張瑞棋帶著《科學史上的今天》，和我們分享科學家背後鮮為人知的小故事。

「從小到大，科學家在我們心中非常偉大，無論是哥白尼的日心說，或者證明地心引力作用一樣的伽利略。這些科學家閃耀著光芒，直到越讀越多書後才發現，光芒的背後其實存在著陰影。這些科學家們的陰影來自信仰、權威以及性別。」

信仰

普遍認為哥白尼的日心說之所以不被認可，是因為宗教的打壓。然而另一種觀點是由於哥白尼認為上帝創造的宇宙應該存在著完美對稱的幾何關係，也就是軌道應該是圓形的！但這會和他觀察到的天文現象不吻合，因此與其說日心說的發表示因為教會的壓力，其實哥白尼本身的執迷才是造成學說延宕的原因。又比如提出滅絕說的居唯葉，他認為物種會因為某些災難而滅絕，另一方面在創世後仍物種繼續被創造。由於他深信聖經的創世論，甚至抨擊達爾文的演化論，導致演化論的發展備受阻礙。

權威

除了信仰外，有時候科學家利用自身權威、堅持己見，抑制別派學說，亦會影響科學的發展。你能想像西元十六世紀，醫生們拿著的解剖經典是出自於西元二世紀的蓋倫，且內容漏洞百出嗎？蓋倫是根據其動物解剖的經驗來推斷人體的內部構造，當然和人體的構造有很大的出入。但許多人不改抵抗權威，使得錯誤流傳千年。直到維薩留斯的出現，人體的結構才終於被了解。維薩留斯憑藉著大量的人體解剖經驗，推翻了多年來的理論，加上他有美術的長才，得以將知識快速的更新、傳播。

另一個為人所知的例子是牛頓及萊布尼茲。在微積分發展上，英國推崇地位較高的牛頓提出的流數，而非萊布尼茲的微積分，這導致英國的數學研究落後其他歐陸國家。最後一個權威造成的悲劇，讓許多產婦賠上了性命。十九世紀，醫生塞默維斯發現由醫院接生的產婦死亡率遠遠高出了由助產士接生的。他推測原因是醫學系的學生在解剖完大體後沒有清潔，而將細菌帶給產婦。然而其他高傲的醫生們認為：醫生怎麼可能害人呢？而摒棄了塞默維斯的想法。

性別

女性在科學界受到的打壓也不少：在代數領域有傑出成就的埃米諾特，竟因其性別而無法擔任大學教授；華生看了羅莎琳．佛蘭克林的 DNA  X 光繞射圖片，終於發現了 DNA 的雙螺旋結構，並以此得到了諾貝爾獎。雖然華生得獎的時候佛蘭克林已過世，然而我們可以想像，在當時的社會氛圍下，即便她在世，女性科學家的得獎機率仍然很低；發現脈衝星的喬瑟琳貝爾其成就在天文界有目共睹，然而諾貝爾物理獎的獎座是被指導教授赫維許拿走；吳健雄透過實驗證實宇稱不守恆，但最後是理論學家楊振寧及李政道是拿到了諾貝爾物理獎。

有些時候科學家對抗的不是來自外界的輿論、權威，反對的力量反而是來自科學界：牛頓打壓虎克及萊布尼茲；愛迪生堅持使用直流電系統，並利用交流電椅製造世人對交流電的恐懼，藉此反對特斯拉的交流電系統；發明氫彈的泰勒對前主管歐本海默落井下石，聲稱歐本海默對美國不忠……

我想呈現的不只是科學家的榮耀，還有其與常人無異的一面

跟著《科學史上的今天》的腳步，我們可以發現科學家或許只在智力上比一般人高超，但其品性仍和常人一樣：他們也會忌妒、也會排擠別人、也會為了得到權力耍手段。如果大家能用平等的角度認識科學家，去了解理論後的時代背景，那學科學就不再只是背公式和定理，而是和一段段生命故事相遇的奇幻旅程。