藻類生質燃料（一）：前景與瓶頸

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。

碳捕捉：把電廠排出來的二氧化碳再抓回去！

一九九〇年代，尚未開發出風能和太陽能，當時對氣候變遷的擔憂日益增加，因此有人建議捕捉和儲存那些從化石燃料發電廠排放出來的二氧化碳，如此就可將其轉變成一種低碳電力。

碳捕捉主要是透過化學反應將煙道氣（flue gas）中的二氧化碳分離出來，然後再將其壓縮液化，泵入地下洞穴，例如含水層或是廢棄的油氣田。

同時要針對傳統的發電機開收排放二氧化碳的費用。這將鼓勵電廠採用碳捕捉技術，不過前提是碳價要夠高，超過捕捉和封存二氧化碳的成本。

然而，即使在龐大的歐盟市場，碳的價格也從未高到足以讓碳捕捉在電力生產中具有競爭力，而且真正在運作的碳捕捉工廠很少。

即使如此，捕捉二氧化碳排放依舊可望成為一種脫碳方法，在未來某些產能製程中合乎成本效益。一個例子是將天然氣轉化為氫氣，這還能用於加熱和製造燃料電池，或用於生產水泥以及甲醇和氨等重要工業化學品。

碳捕捉的各種可行性：直接從空氣抓？多種一點樹？

也有人認真思考過直接從空氣中捕捉二氧化碳的可行性，因為目前我們所面對的現實非常危險，即二氧化碳排放量下降的速度恐怕來不及讓上升溫度控制在攝氏 1.5 度內。

種植更多的樹木可能是最簡單也最便宜的方法，但首先必須遏止每年大量的伐林問題。

每年約有一千萬公頃的森林遭到砍伐，用於種植大豆、棕櫚油和其他作物，以及放牧牲畜。這樣的伐林導致全球每年約 10％ 的二氧化碳排放量和生物多樣性的重大損失。

此外，封存大量二氧化碳所需的樹林面積也相當大──約要美國國土面積的四分之一，需要超過六年，甚至幾十年的時間才能讓樹木長到成熟，每年只能吸收平均全球燃燒化石燃料的 10％ 排放量。

而在成長期過後，還需要更換樹木，因為在建築中也會使用到木材。有人建議，可以燃燒林業的廢棄物來產生能量（熱或電），並捕捉和封存排放出來的二氧化碳。

這種生質能源的碳捕捉尚有爭議，必須要確保改變土地利用的這項變動最後的結果是產生淨負排放，而不是增加碳的排放量。此外，這種方法尚在開發中，可能會與其他對可耕地和淡水的需求產生競爭關係。

不過，可以使用化學吸收器直接從空氣中捕捉二氧化碳，這種方法比生質能源更緻密、更可靠， 只是目前的價格較為昂貴。

奧利金能源公司（Origen Power）正在開發將碳捕捉與具有商業價值的石灰生產相結合，這樣的製程可望降低成本。

吸碳新創公司「Carbon Engineering」也在開發另一種方法，是使用與二氧化碳接觸會形成碳酸鈣的氫氧化鉀。整個過程以石灰來合成氫氧化鉀，形成碳酸鈣，然後將其加熱，釋放出二氧化碳，進行壓縮和封存──這時便會再度合成石灰。他們預估，以這種方式捕捉二氧化碳的成本可望降低至每噸 100 美元。

碳捕捉的展望與未來

為了增加產值，可以將捕捉來的二氧化碳與氫結合（比方說以再生電力來電解水，製造出氫氣），這可用來合成低碳燃料，取代汽油、柴油或航空燃料，這樣一來，其總排放量會遠低於某些生質燃料。

若是要捕捉和封存燃煤發電廠排放的二氧化碳，電力成本會增加約 60％，而使用再生能源來發電，成本則低得多。

然而，隨著空氣碳捕捉的研發和大量投資，再加上在某些工業製程中捕捉二氧化碳，以及重新造林，預估到二〇五〇年時，碳捕捉可能會吸收掉全球年排放量的 10％。

到二〇五〇年，再生能源和核能的總發電量可能接近當前全球需求量的 90％，透過碳捕捉，全世界可能會達到二氧化碳淨零排放。但要處理大量再生電力，電網在輸送和分配上需要適應風場和太陽光電場輸出量的種種變數，因此發展儲能設備非常重要。

——本文摘自《牛津通識課｜再生能源：尋找未來新動能》，2022 年 6 月，日出出版，未經同意請勿轉載。

我們的能源從哪裡來、往哪裡去？

全球每年對能源的需求量相當巨大，若用「瓩時」──即一度電這樣的度量單位──來表示會出現天文數字，因此改用「太瓦時」（TWh）來表示，太瓦時等於 10 億瓩時。

在一八〇〇年，全球約有 10 億人口，當時對能源的需求約為 6000 太瓦時；而且幾乎全部來自傳統的生質能源。到了二〇一七年，全球人口達到 76 億，發電量增加了 25 倍（156000 太瓦時）。

下圖顯示在二〇一七年全球主要能源消耗總量的百分比，其中近 8 成為化石燃料。其他再生能源包括風能、太陽能和地熱能，其中成長最快的是風場和太陽光電場。生質能源則主要來自傳統生質能源。

大約有 1/3 的全球能源消耗在將化石燃料轉化為電力和精煉燃料上。

剩下的稱為最終能源需求（final energy demand），是指用戶消耗掉的能源：每年約 10 萬太瓦時。

大約有 10％ 是來自開發中國家傳統生質能的熱，22％ 來自電力，38％ 用於供熱（主要來自化石燃料） 30％ 在交通運輸。熱能和電能主要都是用於工業和建築。汽油和柴油幾乎提供了所有用於運輸的燃料。

怎麼做比較不浪費？能量轉換效率大比拚！

我們看到供熱與供電一樣重要。兩者都可以用瓩時為單位，也就是一度電來測量，雖然電可以完全轉化為熱量，例如電烤箱，但只有一小部分以熱能形式存在的能量可以轉化為電能，其他的必然會散失到周圍環境裡。

在火力發電廠中，存在於化石燃料中的化學能會在燃燒後轉化為熱能。這會將水加熱，產生蒸汽，蒸汽膨脹推動渦輪的葉片，轉動發電機。只有一部分熱量被轉化成電力；其餘的熱量在蒸汽冷凝，完成循環時，就轉移到環境中，成了殘熱。

這份熱電轉化的比例可透過提升高壓蒸汽的溫度來增加，但受限於高溫下鍋爐管線的耐受度。

在一座現代化的火力發電廠中，一般熱能轉化為電能的效率約為 40％。若是在較高溫的複循環燃氣發電機組（combined cycle gas turbine，CCGT）裝置中，這個比例可提高到 60％。

同樣地，在內燃機中也只有一小部分的熱量可以轉化為車子的運動能量（動能）；汽油車的一般平均效率為 25％，柴油車則是 30％，而柴油卡車和公車的效率約為 40％。

另一方面，電動馬達的效率約為 90％，因此電氣化運輸將顯著減少能源消耗。這是提高效率和再生能源之間協同作用的一個範例，這將有助於提供世界所需的能源。

再生能源的過去跟未來

在十九世紀末，水力發電的再生資源幫助啟動了電網的發展，在二〇一八年時約占全世界發電量的 16％。而在再生能源──風能、太陽能、地熱能和生質能源──的投資上，相對要晚得多，是在二十世紀的最後幾十年才開始。

起初的成長緩慢，因為這些再生能源沒有成本競爭力還需要補貼。但隨著產量增加，成本下降，它們的貢獻開始增加。這些其他再生能源發電的占比已從二〇一〇年的 3.5％ 上升到二〇一八年的 9.7％，包括水力發電在內，再生能源的總貢獻量為 26％。

不過，就全球能源的占比，而不是僅只是考慮用戶消耗的電力來看，再生能源僅占約 18％，而傳統生質能則提供約 10％ 的能量。隨著太陽能和風能的成本在許多國家變得比化石燃料更便宜，它們在總發電量中的占比有望在未來幾十年顯著增加。

這世界花了很長的時間才意識到這一事實，從現在開始，再生能源勢必將成為主要的能源來源。

——本文摘自《【牛津通識課02】再生能源：尋找未來新動能》，2022 年 6 月，日出出版，未經同意請勿轉載。