課堂上沒有教的UAV小常識（中）

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。

美國中西部科羅拉多州淹大水，造成8人罹難，上萬棟住宅受淹水損壞。而連帶引發的救災爭議正如火如荼延燒，不是民眾批評政府救災效率不彰，而是因為民間企業即時的災區空拍行動，被政府單位下令停止。

2013年9月9日起的1周，屬於半乾燥地帶的科羅拉多州受低氣壓環流影響，累積雨量多達460毫米，逾科州年雨量一半的豪雨造成山洪暴發，災區周圍河川洪峰最高達5.7公尺，超越此河川的歷史洪峰紀錄3.6公尺，部分市區甚至被洪水包圍，需要派遣大量的直升機，才能撤離災區民眾或空投救災物資。

大規模災害發生時，不論洪水、土石流、森林大火，第一時間的空拍影像是必備配件，它提供緊急救援單位視覺上的災區範圍、受災情況，能夠從宏觀的角度掌握災情，才能有效率的計劃救災工作。

空拍影像可大致分為衛星影像(satellite image)及航照圖(aerial image)兩類，衛星規律的在地球上空運行，因為拍攝高度遠高於天氣現象發生的對流層，狂風暴雨雖阻撓不了衛星運作，雲層遮蔽卻是衛星影像的致命傷害，加上衛星的解析度相對較低，因此一般水災判斷災情所需的「即時」影像無法透過衛星取得。

航空載具是普遍用來掌握第一時間災情的工具，因為飛行高度低，解析度普遍較高，並且可以在雲層以下進行拍攝，避免遮蔽問題。航空載具要拍攝森林大火的航照不困難，但是豪雨成災的情況下得面對氣流不穩的挑戰。9月11日，所有進行空拍的航空載具都迫降了，除了名為「飛控」的無人飛機( Falcon Unmanned Aerial Vehicle)。

飛控無人飛機為美國CLMax工程公司所有，運用人力的發射方式簡直像是射紙飛機，身長1.27公尺、攜帶攝影器材和全球定位系統(GPS)的它，可以持續在距離地面約90至450公尺的空中飛行1小時，拍攝的高解析度影像同時附有地理座標，此外，飛機上無人且機體迷你的優點，使飛控足與惡劣天氣抗衡。

CLMax公司運用飛控拍攝科州核心災區的影像，將眾多單獨的照片縫合後可得大範圍的災區影像，再與Google Map疊圖，達到突顯災情的效果。任何人都能在網路上免費取得飛控拍攝的災情影像，甚至可以下載具有地理座標的KMZ檔案，民眾只要安裝Google Earth程式，就可以從電腦上的地球看見災區！

然而，這項拍攝工作在9月14日被迫停止，由於美國總統歐巴馬在當日簽署災區聲明，授權中央的聯邦緊急事務管理署(Federal Emergency Management Agency, 簡稱FEMA)指揮救災行動，而FEMA認為無人飛機可能造成直升機救援的安全疑慮，因此下令停止拍攝。

可惜的是，CLMax公司蒐集災情航照的速度比美國政府還快，並非行政效率的問題，而是政府面對新興科技以及救災產業的態度，立場仍然偏向保守。民間組織的創新性、人材培育與資源分配彈性正好可以彌補政府的不足，如果對新科技存有疑慮，政府應該積極推行檢測計畫，制定防災工作的公私協力辦法，善用科技並善待民間活力，官方眼中違規的絆腳石，會是緊急救災工作的得力助手。

延伸閱讀：

本文原發表於行政院國家科學委員會-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊，也有臉書喔！

作者：Magana 來自 UAV實驗室

下一頁