AI 預測蛋白質結構贏過科學家，科學家也要失業了？才不會呢！

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／照護線上編輯部
• 本文轉載自 Care Online 照護線上《蛋白質來源怎麼選？動物性和植物性有差嗎？完整比較看這裡》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

怕得肌少症，蛋白質該吃肉還是吃豆？本文從「必需胺基酸」解析兩者差異。動物蛋白增肌效果佳；植物蛋白採多樣化攝取也很健康！一文掌握優缺點與聰明吃法。

老化後大家很怕肌少症，怕會失去足夠的肌肉質量與肌肉力氣，導致身體機能變差。於是，為了維持足夠的肌肉質量，我們參加了愈來愈多健身房課程，也認真補充含有蛋白質食物。

這時候你可能會好奇，如果從不同管道攝取蛋白質，結果會有不同嗎？說到要補充體力，最直觀的就是吃肉不是嗎？畢竟，我們很難想像，吃豆腐和吃牛排對補充蛋白質的效果一樣好吧！那麼實際上，動物性來源的蛋白質，真的就會贏過植物性的蛋白質嗎？

要回答這個問題，我們或許還是要回歸到一些基本的蛋白質的合成與分解來做討論。

必需胺基酸

每次你吃膠原蛋白補充劑的時候，是不是以為膠原蛋白會直接從腸胃道跑到臉部，讓臉變得軟嫩Q彈好年輕呢？

可惜事情不是這樣的。我們攝取蛋白質後，會在體內分解更小的分子，也就是不同的胺基酸。自然界有超過三百種胺基酸，而我們的身體內，需要的共有二十種。胺基酸就像是不同模樣的磚塊，每當身體需要建構蛋白質時，會利用這些不同的胺基酸元件，這個胺基酸拿一塊，那個胺基酸用兩塊，這樣堆堆疊疊來建構出不同的立體構造蛋白質。

所以，當我們攝取了蛋白質，都是先進到腸胃道經過消化吸收，替身體累積一些不同的胺基酸原料，以便身體利用。

在這二十種體內所需的氨基酸裡，有些是身體可以自行製作的，但其中有九種是身體做不出來，僅能靠從食物攝取的。我們把這九種身體做不出來，只能靠吃進來的胺基酸叫做「必需胺基酸」。

所以，當我們思考動物性蛋白質或植物性蛋白質哪個來源比較好的時候，我們可以先看看，哪一種蛋白質會提供我們足量的「必需胺基酸」呢？

超級比一比

從奶類、豬肉、牛肉、雞蛋、魚類海鮮、雞肉等來源攝取的動物性蛋白質，會被稱為「完整的蛋白質來源」，因為這些來源可以提供「所有的必需胺基酸」，讓身體獲取足量的胺基酸小磚塊原料，可以用來建構各種所需的蛋白質。

那植物性蛋白質呢？我們可以從堅果、種子、全榖類、豆類（黃豆、豌豆、扁豆）等食物攝取到植物性蛋白質。其中，黃豆和豌豆屬於完整的蛋白質來源，裡面含有九種必需胺基酸，但其他大部分的植物性來源蛋白質沒辦法提供完整的九種必需胺基酸。

不過，這並不是代表說「攝取植物性蛋白質是不夠的」，而是你可能要多方面地攝取，才能獲取到足量的九種必需胺基酸。例如，白吐司的離胺酸lysine含量極少，你可能要配合吃些花生等堅果類的食物，才能在這一餐獲取到足量的離胺酸。記得，如果從植物性來源攝取蛋白質，務必要採取多樣化的攝取方式，不能吃孤項，才能獲取到足夠的必需氨基酸。

動物性蛋白質的好處

除了動物性蛋白質可以提供完整的必需胺基酸之外，動物性蛋白質可能還是比較幫助人維持肌肉的質量。

根據2021年的一份綜合分析研究，動物性蛋白質和植物性蛋白質都會幫人「長肉」，維持住肌肉的質量，但動物性蛋白質能更持續性地保住肌肉質量，比較明顯能看到每單位的肌肉上升。尤其在小於五十歲（年紀輕一點）的成人身上，補充動物性蛋白質的「長肉」好處更明顯。然而，在肌力上面，就沒有看到補充動物性蛋白質與植物性蛋白質的差別。也就是說，雖然肌肉質量變多了，但不代表肌力就同時上升。

從動物性來源攝取蛋白質時，我們還同時會獲取到維生素B12以及血基質鐵（heme iron）。同樣地，我們身體無法自行製作維生素B12，而B12對維持神經功能和DNA製作等都非常重要。補充足夠才不至於導致不可逆的神經病變。

延伸閱讀：焦慮、容易被激怒？ – 缺乏維生素B12（懶人包）

動物性蛋白質的壞處

雖然動物性蛋白質可以維持肌肉質量，也能提供完整的胺基酸需求，但你可能也聽過，攝取紅肉或是紅肉加工製品，會增加一個人罹患中風、心肌梗塞、糖尿病等的機會。

一份追蹤超過12萬人20年的研究報告指出，每天多攝取一份紅肉，也就是約掌心大小的紅肉，死於心血管疾病的機率就高13%。若攝取的為加工紅肉，情況更糟，每天只要多吃一條熱狗，或兩片培根，也就是約半份的加工紅肉量，死於心血管疾病的機率提高20%。相對來說，若控制一天的紅肉攝取量於半份以下，就能減少心血管疾病的發作機率。

這個結果並不讓人訝異。畢竟，紅肉裡含有大量的飽和脂肪，而萬一要變成香腸、火腿、肉鬆、肉乾等好吃邪惡的紅肉加工製品時，又會再添加更多的鹽、糖、脂肪、與眾多添加物，在在傷害我們的健康。

如果你喜歡從動物性來源攝取蛋白質，還是要注意，可以從奶類、不帶皮雞肉、魚類、海鮮等處攝取蛋白質。少吃點紅肉吧，不僅降低心血管疾病的機率，對地球也比較友善。

想要高蛋白，除了總量，更要重視來源

植物性蛋白質的好處

能提供九種必需胺基酸的植物性蛋白質來源包括了黃豆、豌豆、奇亞籽、蕎麥、黎麥，屬於完整蛋白質。不過，如果想要從植物性來源完整攝取到必需胺基酸的話，最好的策略還是多樣化的攝取。

雖然從研究看起來，植物性蛋白質似乎比較不能確保我們的肌肉質量，但我們吃東西不是只為了蛋白質一種成分，植物性蛋白質的來源同時也提供了纖維、天然抗氧化劑、維生素、礦物質等眾多重要的營養成分，而且裡面含有較少飽和脂肪，較容易控制膽固醇和體重，較不會引發心血管疾病，也是非常棒的營養來源呢。

均衡選擇，減少加工

每種食物來源都有其好處與壞處，平日飲食還是要多樣化選擇，並減少繁複的烹調方式，減少額外添加物，盡量以新鮮食材製作並簡化食物口味，才能讓我們吃的健康開心。

想像一下，如果有一天，救命的解藥不再僅僅來自大藥廠耗資數十億美元的無塵實驗室，而是出自你家客廳的一台筆記型電腦？這聽起來像極了科幻電影的瘋狂劇本，卻是一個為了挽救愛犬性命，真實上演的科學奇蹟。

這場「素人對抗癌症」的戰鬥，不只徹底打破了我們對醫療邊界的認知，更像一顆投入靜水中的巨石，激起的漣漪正迅速蔓延到整個人類醫學、長壽社會與個人健康責任的論述核心。今天，就讓我們來拆解這場傳奇救犬記背後的科學邏輯，看看「生物可程式化」的時代如何悄悄降臨。

一隻狗、一位工程師，與一個不肯認輸的決定

故事的主角是澳洲軟體工程師 Richard Sutherland。他領養了一隻曾有創傷歷史的柴犬 Kuma，Kuma 很快成了他生命中不可或缺的夥伴。然而在 2023 年，Kuma 被確診為高度惡性的「肥大細胞瘤」（Mast Cell Tumor, MCT），這是犬類中最常見也最兇猛的皮膚惡性腫瘤。獸醫遺憾地告知，即便進行手術與化療，Kuma 存活的時間恐怕也只剩幾個月。

面對死神的宣判，Sutherland 拒絕單純等待奇蹟。身為工程師，他本能地選擇了另一條路：定義問題，然後寫出解法。他動用了約 3,000 美元（約台幣十萬元）的個人積蓄，委託商業基因體公司對 Kuma 的腫瘤組織進行了「全外顯子組定序」（Whole Exome Sequencing, WES）。

這項技術專門聚焦於基因組中實際被轉譯成蛋白質的那 1-2% 編碼區域。相較於昂貴且龐雜的全基因組定序，WES 更適合用來尋找腫瘤的「體細胞突變」。但問題來了，取得幾十 GB 的原始定序數據後，一個沒有生物醫學背景的工程師，該如何在超過兩萬個基因的龐大變異資料中，揪出那幾顆真正驅動癌症的「子彈」？

科學的鑰匙：ChatGPT、AlphaFold 與 mRNA 的三重奏

這不是盲目的嘗試，而是一場精密的科學工程。Sutherland 其實正踏在目前全球頂尖生技公司（如 Moderna、BioNTech）積極推進的「個人化新抗原疫苗」（Personalized Neoantigen Vaccine）研發前線上。他靠著三件神器，完成了這項不可能的任務。

步驟一：用 ChatGPT 尋找「新抗原」

癌細胞突變會產生原本不存在於正常細胞的異常蛋白質片段，如果這些片段能呈現在細胞表面被免疫系統識別，就稱為「新抗原」（Neoantigen）。要成為有效的靶標，突變必須夠多、必須能與個體的 MHC（主要組織相容性複合體）緊密結合，還要能活化 T 細胞去毒殺癌細胞。

Sutherland 利用 ChatGPT 作為他的「智識介面」，協助撰寫 Python 腳本、整理與篩選突變資料。雖然 AI 本身不是生物資訊引擎，但它強大的代碼輔助與文本推理能力，大幅降低了門檻，讓他得以建構出原本需要博士級專家才能完成的分析管線。

步驟二：AlphaFold 的蛋白質立體建模

找出潛在的新抗原後，必須確認它的「形狀」真的和正常蛋白質不同。這時，DeepMind 劃時代的 AI 工具「AlphaFold 2」登場了。過去需要耗資百萬、耗時數年的蛋白質結構解析，現在只需要網路連線，幾分鐘內就能精準預測立體折疊結構。Sutherland 藉此確認了突變蛋白確實能作為疫苗的標靶。這證明了一件事：結構生物學被徹底民主化了。

步驟三：客製化 mRNA 疫苗上陣

目標確認後，他設計了一段對應的 mRNA 序列。這段序列就像是一張發給免疫系統的「通緝令」，注射進體內後會教導細胞製造這些腫瘤特徵蛋白，啟動免疫系統追殺帶有相同特徵的癌細胞。在取得獸醫主管機關的「特殊人道同情豁免」許可後，這劑客製化疫苗被施打在 Kuma 身上。幾週後，奇蹟發生了：Kuma 的腫瘤開始縮小，活力也逐漸恢復。

醫療典範轉移：從「大數法則」到專屬於你的「N-of-1」

傳統藥物開發是建立在「統計多數」上的，尋找對「平均患者」有效的療法。但現實是，每個人、每顆腫瘤都是獨特的，這就是為何同一種化療對某些人有效，對另一些人卻毫無作用（即腫瘤異質性）。

Sutherland 的做法，展現了未來的「N-of-1 醫療」：臨床試驗的樣本數不是一萬人，而是「一個人」（或一隻狗）。隨著基因定序成本崩跌、AI 分析能力平民化，以及 mRNA 合成技術的成熟，這種「不找萬能藥，只為你打一把專屬鑰匙」的醫療模式，正逐漸從實驗室走向現實。

長壽社會的挑戰：成為自己身體的守護者

台灣即將在 2025 年邁入超高齡社會，活得長已是常態，但「活得好」才是考驗。當醫療技術逐漸軟體化，癌症或許將從「絕症」轉為可管理的「慢性病」。未來我們甚至能定期更新癌症疫苗，維持免疫系統對腫瘤的監控。

Kuma 的故事揭示了一種全新的主體性：我們不應再只是被動接受治療的患者。借助智慧穿戴裝置收集生理數據、了解自身的基因風險，並透過 AI 輔助整合健康資訊，每個人都可以成為自己健康的「共同決策者」。醫師的角色也將從「知識的壟斷者」轉變為「認知的橋接者」，協助我們辨識偽科學，共同制定健康策略。

技術民主化的光明與陰影

當然，我們不能忽視這場革命帶來的風險。Sutherland 的成功發生在法規相對彈性的獸醫領域，若在人體上進行，未經監管的「生物駭客」（Biohacking）行為將帶來極大的安全隱憂。此外，個人基因數據的隱私保護、以及高昂技術可能加劇的「健康貧富差距」，都是社會必須迫切面對的倫理挑戰。

Kuma 的故事不是終點，而是一個時代的預告。醫療的邊界正在被那些拒絕等待、選擇親手書寫解方的人們重新定義。活得長是科技的恩賜，但活得有尊嚴、有主體性，則需要我們每一個人的覺醒。或許未來的某一天，你的健康，就掌握在你親手敲下的那一行代碼裡。

參考資料

1. Alexandrov, L.B., et al. (2013). Signatures of mutational processes in human cancer. Nature, 500, 415–421.
2. Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589.
3. Reynisson, B., et al. (2020). NetMHCpan-4.1 and NetMHCIIpan-4.0: improved predictions of MHC antigen presentation by concurrent motif deconvolution and integration of MS MHC eluted ligand data. Nucleic Acids Research, 48(W1), W449–W454.
4. Sahin, U., et al. (2017). Personalized RNA mutanome vaccines mobilize poly-specific therapeutic immunity against cancer. Nature, 547, 222–226.
5. Marusyk, A., et al. (2012). Intra-tumour heterogeneity: a looking glass for cancer? Nature Reviews Cancer, 12, 323–334.
6. Tie, J., et al. (2016). Circulating tumor DNA analysis detects minimal residual disease and predicts recurrence in patients with stage II colon cancer. Science Translational Medicine, 8(346).
7. Karikó, K., & Weissman, D. (2005). Suppression of RNA recognition by Toll-like receptors: the impact of nucleoside modification and the evolutionary origin of RNA. Immunity, 23(2), 165–175.