海水怎麼是鹹的——從郵輪游泳池回溯到原始海洋│環球科學札記(5)

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 / 張之傑

我們這趟環球之旅，很少遇到陰雨天氣，特別是在紅海和地中海期間，晴空無雲，天藍得透亮，沒有一點兒雜質；海藍得像面鏡子，閃耀著藍寶石似的光影。

若干年長或行動不便的乘客，喜歡鎮日坐在八樓長廊的沙發上，望著舷窗外的碧海藍天打發時光。我常帶著筆電在八樓長廊寫作，累了就眺望著海天一色的海平線。由於地球是圓的，海平線以一個很大的弧度中消失在視線中。

海和天為什麼是藍色的？這和散射有關。陽光射到地球，會碰到空氣和懸浮在空中的小水珠（雲），使得天空的顏色經常展現變化。晴天的時候，射到地球上的光線碰到空氣中的氮分子或氧分子，就會引起散射作用，藍光的波長較紅光短，散射得較厲害，看在我們眼裡，天空就成為藍色的。

這個道理看起來好像很簡單，但是人類明白這個道理是十九世紀末葉的事。一八七三年，英國物理學家瑞利（Lord Rayleigh）是第一位看天看出名堂的人。他的散射理論——瑞利散射，使我們了解了天色的秘密。

在陽光的七種色光中，紅、橙、黃光的波長較長，藍、靛、紫光的波長較短。所謂波長，就是兩個波峯間的距離；而波峯，是指物質振動最大的地方。舉個例子，當我們扔一塊石頭到水裡，會激起一圈圈漣漪。兩圈漣漪間的距離就是波長。當然啦，光波的波長比漣漪的波長小得多了，波長最長的紅光，不過十萬分之七、八公分，藍光不過十萬分之四、五公分而已。

瑞利發現，散射不會改變射入光的波長，只會改變射入光的方向。那麼散射又怎麼會造成天空的各種顏色呢？原來散射的作用截面，既與散射粒子的大小有關，也與被散射光的波長有關。空氣中的氧分子、氮分子，大小恰好可以散射波長較短的藍光，藍光散了一天，天空當然呈藍色的。

到了傍晚，夕陽西下，陽光打斜裡射過來，較接近地面，而地面的空氣含有較多的水氣和灰塵，粒子比氧分子、氮分子大得多，較容易散射波長較長的紅光、橙光或黃光，艷麗的晚霞就是這樣散射出來的。

如果天上水浮著小水滴，也就是雲，那又是另一種景象。小水滴比灰塵大得多，各種波長的色光都能被它散射，結果，雲就成了白色的。如果雲層較厚較密，陽光穿不過去，就變成了灰色或黑色。白雲蒼狗，不過是陽光玩的把戲而已！

當雲聚成雨滴的時候，顆粒就更大了，大得具有稜鏡的作用。倘若一邊已經出太陽，一邊還在下雨，陽光穿過雨滴，就會形成我們看到的虹。噴泉和瀑布上也可以出現虹，原理是一樣的。此次環球之旅，我們看到過幾次彩虹，印象最深刻的一次是在復活節島。公路靠海的一側，忽然出現拱門似的彩虹，距離我們目測不到五十公尺。站在彩虹下照相，宛如置身彩虹之下呢！

陽光照到水裡，又是一番景況。較深的水都是藍色的。水原本透明無色，水分子的大小可讓波長較長的紅色繞過去，而波長較短的藍光被散射，所以較深的水莫不是藍色的。水愈深，散射、反射的藍光就愈多，看起來就愈藍了。

同樣是水，為什麼海是藍的，而浪花卻是白的？為什麼驚濤拍岸，會捲起千堆雪？道理很簡單，所謂浪花，其實就是小水滴，可以散射各種波長的光，所以浪花就和白雲一樣，變成白色的了。

就像看天一樣，人類真正懂得看海也是晚近的事。印度物理學家拉曼（Sir Chandrasekhara Raman），從印度搭船去英國。天連海、海連天的景況，使他悟出海水和天空的顏色，都是光線散射所造成的。一九二一年，拉曼在英國《自然》上發表了一篇論文，提出他的散射理論，題目是〈海的顏色〉。古今中外，多少人有過「看海的日子」，卻只有拉曼獨具智眼，看出別人看不出的道理。

〈本文選自《科學月刊》2020年9月號〉

• 賈新興／臺灣大學大氣科學系博士，前中央氣象局長期預報課課長，現職為天氣風險管理公司總監。

夏季是颱風出現的季節，往年的 7 月平均會有 3～4 個颱風生成。但今（2020）年 7 月卻罕見地無颱風生成，主要原因是季風槽受太平洋高壓，以及較大的垂直風切所導致。

颱風消失了？生成條件大盤點

每年的 7 月是颱風開始活躍的月份，平均而言，7 月都有 3～4 個颱風生成，從 1951 年以來的颱風生成資料顯示，歷年 7 月最少都有 1 個颱風生成，最多則有 8 個颱風生成，分別是 1971 年 7 月和 2017 年 7 月。

然而今年的 7 月，整個西北太平洋海域卻靜悄悄的，沒有半個颱風生成，到底是發生了什麼事，讓 7 月颱風銷聲匿跡了呢？就讓我們一一檢視颱風生成的條件。

生成條件一：溫暖的洋面

颱風生成在海面上，廣大的洋面能提供足夠水氣，當水氣蒸發釋放潛熱時，就可以讓颱風有足夠的能量成長。

一般來說，當海水溫度超過 26°C 時，才會產生足夠的水氣。而西北太平洋地區，每月氣候平均的海溫都在 27°C 以上，其中 2 月的平均海水溫度也有 27°C（圖一）。

因此，西北太平洋溫暖的海域，時時刻刻都有足夠的水氣提供颱風生成所需的能量。從西北太平洋區域今年 7 月平均的海水溫度分布圖發現，整個西北太平洋的海溫至少都超過 29°C（圖二）。

溫暖的洋面，雖然提供了足夠的能量，但為什麼颱風仍舊長不出來呢？讓我們再檢視其它颱風生成的動力條件！

條件二：活躍的季風槽

颱風是個逆時針旋轉的低壓中心。夏季時，當北半球的西南季風，和太平洋高壓所帶來的東風或東北風相遇，兩者所造成的輻合作用，會使低氣壓的漩渦繼續加深，讓風速增強。

當低氣壓的近地面最大風速到達或超過每小時 62 公里或每秒 17.2 公尺時，我們就將它稱為颱風。這個伴隨西南季風和太平洋高壓南側的東風或東北風相遇的地方，通常稱作季風槽，或是俗稱颱風生長的故鄉。

從 7 月大氣低空風場的氣候平均圖，可以看到西南季風和太平洋高壓南側的東風形成的季風槽，從東經 120 度往東南方向延伸至東經 160 度。比較今年 7 月的大氣低空風場（圖三）可以發現，整個季風槽不見了，原來應該是季風槽所在的區域，一整個都被太平洋高壓的東風所佔據了。

而太平洋高壓是個穩定且下沉的空氣，但颱風是個垂直發展的低氣壓，因此，偏強的太平洋高壓讓今年的西南季風無法深入至西北太平洋區域，剷平了颱風的家，也就讓颱風長不起來了。

條件三：垂直風切不能太大

另外，颱風垂直發展的高度至少可以達到對流層頂的高度，因此當高空風和低空風的風向差異太大時，也就是一般我們所說的垂直風切太大時，就無法讓水氣凝結所釋放出的潛熱更有效地提供颱風發展，造成颱風的垂直發展不好，颱風就不容易生成。

根據7月氣候上的垂直風切分布顯示，在西北太平洋區域的風切平均介於 -10～5之間。但今年 7 月的垂直風切，則介於 -10～10 之間，明顯比氣候平均值高，因此不利於颱風的垂直發展。

都是高壓和垂直風切惹的禍！

從以上颱風的生成條件來看，今年 7 月雖然有足夠的水氣提供的能量來源，但要讓颱風旋轉起來的季風槽，因為太平洋高壓太強，使得季風槽無法向東推進到西北太平洋區域；偏強的太平洋高壓帶來穩定的下沉空氣，連帶的也讓垂直風切太大，颱風更是長不起來！

今年 7 月的太平洋高壓太強，不但讓颱風長不起來，連帶的也是造成臺北創下自 1897 年以來的最高溫紀錄 39.7°C 的原因之一！至於為什麼今年的太平洋高壓如此強大，就是另一篇故事了。

〈本文選自《科學月刊》2020年9月號〉

科學月刊／在一個資訊不值錢的時代中，試圖緊握那知識餘溫外，也不忘科學事實和自由價值至上的科普雜誌。