在所有可能性中尋找不存在黑洞的宇宙——《時空行者 史蒂芬．霍金》

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

台北時間 1 月 18 號下午四點，中研院天文所公布了一張黑洞照！別小看這張照片，裡頭有玄機！不論是驗證愛因斯坦的廣義相對論，還是要研究 M87 黑洞有沒有什麼特性，都得從這張照片著手。

為什麼我們能拍到比之前更清楚的照片呢？這是因為，這次「事件視界望遠鏡」的團隊，加入了格陵蘭望遠鏡的觀測數據。它不僅是全球第一座位於北極圈內的重要天文觀測站，此外，這座觀測站，也和台灣脫不了關係喔！

就讓我們來看看，這張黑洞照到底是怎麼拍的？這幾張黑洞甜甜圈照，又藏有哪些重要資訊？

近年的黑洞觀測

大家應該都還記得 2019 年的黑洞熱潮，當年 4 月，人類第一張黑洞照——M87 的真面目，被公開了，我們終於取得了黑洞存在的最直接證據。3 年後的 2022 年 5 月，我們也終於看清楚那個在我們所在的星系中，在銀河系最深處的黑洞——人馬座 A*。這兩張像是甜甜圈的照片，掀起黑洞熱潮，也帶給我們不少感動，想必很多人都還記得。

但是，這兩張模糊的甜甜圈，不管對於科學家還是我們，想必都還不滿足！我們想看到的，是能跟電影星際效應中一樣，帶給我們強烈震撼的完整黑洞樣貌。

很快就有好消息，在 M87 照片公開的三年後。2022 年 4 月，天文學家展示了另一組 M87 的照片，除了原本的黑洞以外，還能看到外圍三條噴流，與圍繞在黑洞旁邊的吸積流，更加完整的黑洞結構同時存在在一張照片上。

有趣的是，在 2022 發表的觀測結果中，黑洞似乎胖了一圈，直徑比 2019 年發表的結果大了 50%。這可不是說黑洞在幾年間就變胖了 1.5 倍，不用擔心，宇宙不會因此毀滅。這主要是選用觀察的電磁波波段不一樣，2019 年觀察的電磁波波長是 1.3 毫米，2022 年的波長則是 3.5 毫米。但其實，1.3 毫米比 3.5 毫米的電磁波穿透力更好。也就是 2019 年的影像更接近黑洞的實際長相。

對了，2022 年的黑洞照並不是事件視界望遠鏡發的。你知道「事件視界望遠鏡」並不是唯一在進行黑洞觀測的計劃嗎？

為了觀測黑洞，全球的電波望遠鏡進行同步串聯，打算打造一個等效直徑幾乎等於地球直徑的超大望遠鏡。因為我們無法直接打造一面面積跟地球一樣大的望遠鏡，因此我們得將分布在各地的望遠鏡同步串聯，由數據分析來拼湊出整體樣貌。你可能不知道，全球的大型黑洞觀測國際合作計畫其實有兩個，一個就是大家比較常聽到的「事件視界望遠鏡 」，簡稱 EHT，主要以 1.3 毫米的波段進行觀測，也就是大家熟悉的甜甜圈照。而另一個大計畫是「全球毫米波特長基線陣列」，簡稱 GMVA，以 3.5 毫米為主要觀測波段。2018 年 GMVA 還加入了新成員，讓我們能看到最新的這張照片。其中一個是超強力助手 ALMA，另一個，就是第一座位於北極圈內，由台灣中研院主導的格陵蘭望遠鏡 GLT。

為什麼黑洞會那麼難觀察？

現在大家都知道，我們已經能確實拍到黑洞了。即使黑洞的本體是全黑的，圍繞在黑洞周邊快速旋轉的物質，也會因為彼此摩擦與同步輻射，放出強烈的電磁波，被我們看到。

但即便它會發光，仍然是個難以觀測的天體，直到近年，我們才補捉到它樣貌。這是因為，比起亮度，更難的地方在於尺寸，黑洞好小，更準確來說，是看起來好小。M97 和人馬座 A* 實際上都比太陽大上不少，但因為距離我們十分遙遠，從地球上來看，人馬座 A* 與 M87 黑洞的陰影尺寸，分別是 50 微角秒和 64 微角。從我們的視角來看，就跟月球上的一顆甜甜圈一樣大。

但即便很困難，看到黑洞對我們來說十分重要，我們需要有確切的證據來證明我們對於黑洞的預測並沒有錯。例如在 2022 年有照片證明「銀河系中間真的有黑洞！」之前，2020 的諾貝爾物理獎頒獎時，仍以「大質量緻密天體」來稱呼銀河系中央的「那個東西」。現在，從黑洞噴流、吸積盤、自轉軸、到光子球層，我們還有好多黑洞特性，需要更高解析度的照片來幫我們驗證，驗證廣義相對論的預測是否正確，而我們對於黑洞與宇宙的認識是否需要調整。

好的，我們知道為了追星，嗯，是追黑洞，科學家無不卯足全力提升望遠鏡的解析度。但是為何格陵蘭望遠鏡的加入，就能提升照片解析度呢？

組成世界上最大的望遠鏡？

越大的望遠鏡看得越清楚，為了將全世界的電波望遠鏡串聯，打造等效口徑幾乎等於地球的超大望遠鏡。這些望遠鏡使用了特長基線干涉測量法，這些望遠鏡則稱為電波干涉儀。

這些電波干涉儀通常由一系列的天線組成，例如位於智利的阿塔卡瑪大型毫米及次毫米波陣列 ALMA，就是由 66 座天線組成，最遠的兩座天線距離長達 16 公里。在觀測同一個訊號時，透過比較每座望遠鏡收到訊號的相位差，就能計算出訊號的方位角，進一步推算出原始訊號的樣貌。而當這些天線數量越多、距離越遠，就等於是一座更高解析度、口徑更大的望遠鏡。例如 ALMA 的影像解析度高達 4 毫角秒，能力比知名的哈伯太空望遠鏡還要好上 10 倍。另一座位於夏威夷的次毫米波陣列望遠鏡 SMA，則是由 8 座天線組成，雖然單座天線的直徑只有 6 公尺，卻足以以模擬出一座直徑 508 公尺的大型望遠鏡。

利用相同技術，只要透過原子鐘將全球的望遠鏡同步，就能模擬出直徑幾乎等於地球直徑的超巨大望遠鏡，也就是「事件視界望遠鏡 」或是「全球毫米波特長基線陣列」。

沒錯，格陵蘭望遠鏡 GLT 也扮演重要角色。但為什麼要把望遠鏡建在北極圈內？

畢竟這可不簡單，為了讓望遠鏡能在最低零下 70 度 C 的嚴苛環境中工作，還期望它能發揮超越過去的實力，科學家改造了不少設備，甚至還要加裝除霜裝置。

但這一些都是值得的，因為光是 ALMA、SMA、GLT 三座望遠鏡，就可以在地球上構成一個大三角型，等於一台巨大的電波干涉儀。

而對於事件視界望遠鏡來說也十分重要，因為在地球的南邊已經有南極望遠鏡了，東西向則有許多來自中低緯度的望遠鏡。剩下的關鍵位置，當然就是北極的格陵蘭望遠鏡了。而特長基線干涉技術要在不同頻段發揮作用，每個望遠鏡的相對位置也十分重要。格陵蘭的地理位置與良好的大氣環境，讓格陵蘭望遠鏡可以觀測 230GHz 這個特殊波段的訊號，並且補足黑洞的諸多細節。根據官方消息，未來還要真的登高望遠，更上一層樓地把整座格陵蘭望遠鏡搬上格陵蘭島山頂的峰頂站台基地 （Summit Camp ），觀測 690GHz 的特殊訊號，期待能看到黑洞的光子球層，驗證廣義相對論的預測。

順帶一提，這邊提到的 SMA、ALMA 和格陵蘭望遠鏡，不僅合作關係密切，這些重要計畫台灣還都參與其中！

SMA 是 2003 年啟用，全世界第一座可觀測次毫米波的望遠鏡陣列，也是史密松天體物理台與台灣中研院天文所合作興建與運作的望遠鏡，每年也有許多台灣參與或主導的研究發表。

2013 年啟用，位於智利的 ALMA，則是由東亞、歐洲、北美共同合作的國際計畫，台灣當然也參與其中。擁有66座望遠鏡的 ALMA，也是地面上最大的天文望遠鏡計畫。而有趣的是，由中研院主導的格陵蘭望遠鏡所使用的天線，就是使用 ALMA 的原型機改造而成的！

最後，這次最新的黑洞照就是這張，在 2018 年 4 月拍攝，歷經將近 6 年分析，才正式公布的照片。它與 2017 拍攝，2019 年公開的第一張黑洞照一樣，主角都是 M87。

你說兩張照片看起來都一樣？嗯，沒錯，雖然還是看得出差異，但兩張照片大致上看起來的確差不多。

這兩張照片所得出的光環半徑相同，代表在相隔一年的拍攝期間，黑洞半徑並沒有產生變化。因為 M87 並不會快速增加質量，所以這個觀測結果非常符合廣義相對論對於光環直徑的預測。並且這張照片也讓我們更加確定，2017 年拍攝到的甜甜圈結構，並不是黑洞的偶然樣貌。

有相同的地方，也有不一樣的地方。這兩張照片光環上最亮的位置逆時針偏轉了 30 度，光是這點，就將開啟下一波的黑洞研究熱潮。透過比較不同時間拍攝的照片，科學家將可以深入研究黑洞的自轉軸角度，以及自轉軸隨著時間偏轉的「進動」現象，並更進一步分析黑洞周圍的磁場與電漿理論。

因為 GLT 的加入，有效提升了 EHT 的影像保真度，科學家能取得更加真實的黑洞照，為未來的黑洞研究打下基礎，例如挑戰很難被拍到的光子環。

特別感謝中研院天文所研究員，同時也是格陵蘭望遠鏡計畫執行負責人的陳明堂老師協助製作。我們還有一場與陳明堂老師的直播對談，直接來和大家聊聊這次的黑洞結果以及回答各式各樣的黑洞問題。一起繼續來體驗黑洞的魅力吧！

也想問問大家，現在有了一批新資料，你最期待下一次的黑洞成果發表，帶來什麼消息呢？

1. 我們成功觀察到了霍金輻射！
2. 黑洞的模擬結果發現超越廣義相對論的新理論！
3. 黑洞中其實有其他文明，而且我們已經成功接觸了！

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！

星際捷徑

一個無底深淵怎能成為星際飛行的捷徑呢？原來按照愛因斯坦的理論，黑洞是一個時空曲率趨於無限大——也就是說，時空本身已「閉合」起來的區域。但往後的計算顯示，若收縮的星體質量足夠大的話，時空在閉合到某一程度之後，會有重新開敞的可能，而被吸入的物體，將可以重現於宇宙之中。只是，這個「宇宙」已不再是我們原先出發的宇宙，而是另一個宇宙、另一個時空（姑毋論這是甚麼意思）。按照這一推論，黑洞的存在，可能形成一條時空的甬道（稱為「愛因斯坦－羅森橋接」），將兩個本來互不相干的宇宙連接起來。

這種匪夷所思的推論固然可以成為極佳的科幻素材，但對於克服在我們這個宇宙中的星際距離，則似乎幫助不大。然而，一些科學家指出，愛因斯坦所謂的另一個宇宙，很可能只是這一宇宙之內的別的區域。如果是的話，太空船便可由太空的某處飛進一個黑洞之內，然後在遠處的一個「白洞」（white hole）那兒走出來，其間無須經歷遙遠的星際距離。把黑洞和白洞連結起來的時空甬道，人們形象地稱之為「蛆洞」、「蛀洞」或「蟲洞」（wormhole）。

「蛆洞」是否標誌著未來星際旅行的「捷徑」呢？不少科幻創作正以此為題材。其中最著名的，是《星艦奇航記》第三輯《太空站深空 9 號》（Deep Space Nine, 1993-1999），在劇集裡，人類發現了一個遠古外星文明遺留下來的「蛆洞」，於是在旁邊建起了一個龐大的星際補給站，成為了星際航運的聚散地，而眾多精彩的故事便在這個太空站內展開。

我方才說「最著名」，其實只限於《星艦》迷而言。對於普羅大眾，對於「蛆洞」作為星際航行手段的認識，大多數來自二○一四年的電影《星際效應》（Interstellar，港譯：《星際啟示錄》），其間人類不但透過蛆洞去到宇宙深處尋找「地球 2.0」（因為地球環境已大幅崩壞），男主角更穿越時空回到過去，目睹多年前與年幼女兒生離死別的一幕。電影中既有大膽的科學想像，也有感人的父女之情，打動了不少觀眾。大家可能有所不知的是，導演基斯杜化．諾蘭（Christopher Nolan, 1970-）邀請了知名的黑洞物理學基普．索恩（Kip Thorne, 1940-）作顧問，所以其中所展示的壯觀黑洞景象，可不是憑空杜撰而是有科學根據的呢！

那麼蛆洞是否就是人類進行星際探險的寄託所在呢？

然而事情並非這麼簡單。我們不要忘記，黑洞的周圍是一個十分強大的引力場，而且越接近黑洞，引力的強度越大，以至任何物體在靠近它時，較為接近黑洞的一端所感受到的引力，與較為遠離黑洞的一端所感受到的，將有很大的差別。這種引力的差別形成了一股強大之極的「潮汐張力」（tidal strain），足以把最堅固的太空船（不要說在內的船員）也撕得粉碎。

潮汐張力的危險不獨限於黑洞，方才提及的中子星，其附近亦有很強的潮汐力。 拉瑞．尼文（Larry Niven, 1938-，港譯：拉利．尼雲）於一九六六年所寫的短篇〈中子星〉（Neutron Star），正以這一危險作為故事的題材。

尤有甚者，即使太空船能抵受極大的潮汐力，在黑洞的中央是一個時空曲率趨於無限，因此引力也趨於無限的時空「奇點」（singularity）。太空船未從白洞重現於正常的時空，必已在「奇點」之上撞得粉碎，星際旅程於是變了死亡旅程。

然而，往後的研究顯示，以上的描述只適用於一個靜止的、沒有旋轉的黑洞，亦即「史瓦西解」所描述的黑洞。可是在宇宙的眾多天體中，絕大部分都具有自轉。按此推論，一般黑洞也應具有旋轉運動才是。要照顧到黑洞自旋的「場方程解」，可比單是描述靜止黑洞的史瓦西解複雜得多。直至一九六三年，透過了紐西蘭數學家羅伊・卡爾（Roy Kerr, 1934-）的突破性工作，人類才首次得以窺探一個旋轉黑洞周圍的時空幾何特性。

旋轉的黑洞

科學家對「卡爾解」（The Kerr solution）的研究越深入，發現令人驚異的時空特性也越多。其中一點最重要的是：黑洞中的奇點不是一個點，而是一個環狀的區域。即只要我們避免從赤道的平面進入黑洞，理論上我們可以毋須遇上無限大的時空曲率，便可穿越黑洞而從它的「另一端」走出來。

不用說，旋轉黑洞（也就是說，自然界中大部分的黑洞）立即成為科幻小說作家的最新寵兒。

一九七五年，喬．哈德曼（Joe Haldeman,1943-）在他的得獎作品《永無休止的戰爭》（The Forever War, 1974）之中，正利用了快速旋轉的黑洞（在書中稱為「塌陷體」——collapsar）作用星際飛行——以及星際戰爭得以體現的途徑。

由於黑洞在宇宙中的分佈未必最方便於人類的星際探險計劃，一位科學作家阿德里安．倍里（Adrian　Berry,1937-2016）更突發奇想，在他那充滿想像的科普著作《鐵的太陽》（The Iron Sun, 1977）之中，提出了由人工製造黑洞以作為星際轉運站的大膽構思。

要特別提出的一點是，飛越旋轉黑洞雖可避免在奇點上撞得粉碎，卻並不表示太空船及船上的人無須抵受極強大的潮汐力。如何能確保船及船員在黑洞之旅中安然無恙，是大部分作家都只有輕輕略過的一項難題。

此外，按照理論顯示，即使太空船能安然穿越黑洞，出來後所處的宇宙，將不是我們原先出發的那個宇宙；而就算是同一個宇宙，也很可能處於遙遠的過去或未來的某一刻。要使這種旅程成為可靠的星際飛行手段，科幻作家唯有假設人類未來對黑洞的認識甚至駕馭，必已達到一個我們今天無法想像的水平。

然而，除了作為星際飛行途徑，黑洞本身也是一個怪異得可以的地方，因此也是一個很好的科幻素材。黑洞周圍最奇妙的一個時空特徵，就是任何事物——包括光線——都會「一進不返」的一道分界線，科學家稱之為「事件穹界」（event horizon）。這個穹界（實則是一個立體的界面），正是由當年史瓦西計算出來的「史瓦西半徑」（Schwarzschild radius）所決定。例如太陽的穹界半徑是三公里，也就是說，假若一天太陽能收縮成一個半徑小於三公里的天體，它將成為一個黑洞而在宇宙中消失。「穹界」的意思就是時空到了這一界面便有如到了盡頭，凝頓不變了。

簡單地說，穹界半徑就是物體在落入黑洞時的速度已達於光速，而相對論性的「時間延長效應」（time dilation effect）則達到無限大。對太空船上的人來說，穿越界面的時間只是極短的頃刻，但對於一個遠離黑洞的觀測者，他所看到的卻是：太空船越接近界面，船上的時間變得越慢。

而在太空船抵達界面時，時間已完全停頓下來。換句話說，相對於外界的人而言，太空船穿越界面將需要無限長的時間！

無限延長的痛苦

了解到這一點，我們便可領略波爾．安德遜（Poul Anderson, 1926-2001）的短篇〈凱利〉（Kyrie, 1968）背後的意念。故事描述一艘太空船不慎掉進一個黑洞，船上的人自是全部罹難。但對於另一艘船上擁有心靈感應能力的一個外星人來說，情況卻有所不同。理由是她有一個同樣擁有心靈感應能力的妹妹在船上，而遇難前兩人一直保持心靈溝通。由於黑洞的特性令遇難的一剎（太空船穿越穹界的一剎）等於外間的永恆，所以這個生還的外星人，畢生仍可在腦海中聽到她妹妹遇難時的慘叫聲。

安德遜這個故事寫於一九六八年，可說是以黑洞為創作題材的一個最早嘗試。

太空船在穹界因時間停頓而變得靜止不動這一情況在阿爾迪斯一九七六年寫的《夜裡的黑暗靈魂》（The Dark Soul of the Night）中，亦有頗為形象的描寫。恆星的引力崩塌，在羅伯特．史弗堡（Robert Silverberg）的《前往黑暗之星》（To the Dark Star, 1968）之中卻帶來另一種（雖然是假想的）危險。故事中的主人翁透過遙感裝置「親身」體驗一顆恆星引力塌陷的過程，卻發覺時空的扭曲原來可以使人的精神陷於瘋狂甚至崩潰的境地。

以穹界的時間延長效應為題材的長篇小說，首推弗雷德里克．波爾（Frederik Pohl, 1919-2013）的得獎作品《通道》（Gateway, 1977），故事描述人類在小行星帶發現了由一族科技極高超的外星人遺留下來的探星基地。基地內有很多完全自動導航的太空船，人類可以乘坐這些太空船穿越「時空甬道」抵達其他的基地，並在這些基地帶回很多珍貴的，因此也可以令發現者致富的超級科技發明。

故事的男主角正是追尋這些寶藏的冒險者之一。他和愛人和好友共乘一艘外星人的太空船出發尋寶，卻不慎誤闖一顆黑洞的範圍。後來他雖逃脫，愛人和好友卻掉進黑洞之中。但由於黑洞穹界的時間延長效應，對於男主角來說，他的愛人和好友永遠也在受著死亡那一刻的痛苦，而他也不歇地受著內疚與自責的煎熬。

故事的內容由男主角接受心理治療時逐步帶出。而特別之處，在於進行心理治療的醫生不是一個人，而是一副擁有接近人類智慧的電腦。全書雖是一幕幕的人機對話，描寫卻是細膩真摯、深刻感人，實在是一部令人難以忘懷的佳作。

由於這篇小說的成功，波氏繼後還寫了兩本續集：《藍色事件穹界以外》（Beyond the Blue Event Horizon, 1980）及《希徹會晤》（Heechee Rendezvous, 1984）。而且兩本都能保持很高的水準。

時間延長效應並非一定帶來悲劇。在先前提及的《永無休止的戰爭》的結尾，女主角正是以近光速飛行（而不是飛近黑洞）的時間延長效應，等候她的愛侶遠征歸來，為全書帶來了令人驚喜而又感人的大團圓結局。

七○年代末的黑洞熱潮，令迪士尼（Walt Disney）的第一部科幻電影製作亦以此為題材。在一九七九年攝製的電影《黑洞》（The Black Hole）之中，太空船「帕魯明諾號」在一次意外中迷航，卻無意中發現了失蹤已久的「天鵝號」太空船。由於「天鵝號」環繞著一個黑洞運行，船上的人因時間延長效應而衰老得很慢。這艘船的船長是一個憤世疾俗的怪人，他的失蹤其實是故意遠離塵世。最後，他情願把船撞向黑洞也不願重返文明。

比起史提芬．史匹堡（Steven Spielberg, 1946-）的科幻電影，這部《黑洞》雖然投資浩大，拍來卻是平淡乏味，成績頗為令人失望。除了電影外，科幻作家艾倫．迪安．霍斯特（Alan Dean Foster, 1946-）亦根據劇本寫成的一本同名的小說。

——本文摘自《超次元．聖戰．多重宇宙》，2023 年 11 月，二○四六出版，未經同意請勿轉載。