當用湯匙攪動咖啡的時候，可以看到咖啡隨著湯匙周圍流動。在描述液體運動上，液體總有一層吸附在固體上，然後吸附在表面上的液體分子一個拉著一個外圍分子，把湯匙傳來的動量由表面傳出去；這種一個拉一個的強度就是所謂的黏度。
那如果黏度消失了，液體會變成什麼模樣呢？其實這樣的液體很久以前就被發現了，稱為超流體。這影片就是介紹，當冷卻氦到一定程度的時候，就會讓液態氦變成超流體。一開始瓶中的液態氦不停蒸發變成氣泡，一邊蒸發、一邊也帶走熱量，而讓剩下的液體變得更冷，然後冷卻到一定的程度，液態氦就整個安靜下來，變成超流體。
這時候有非常好的導熱性，也失去黏性。因為沒有黏度，所以當可以吸附表面的時候，這些超流體就一點都沒有阻礙的爬上表面(不需要帶著其他的分子拖油瓶)，所以裝到一個燒杯裡, 這種沒有黏度的液體就會自己跑出來，如果給個管子揷到這種液體裡，在合適的條件下，這種液體就會自己變成噴泉從管子跳出來。
本文原發表於科學影像Scimage
本文與 研華科技 合作，泛科學企劃執行。
每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？
想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。
這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。
邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。
當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。
那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。
第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。
第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？
第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。
所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！
知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！
所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。
以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。
此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。
當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。
你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。
但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。
當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。
模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！
然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。
建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。
這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。
模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。
想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。
舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。
但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。
像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？
一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！
你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！
二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。
三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。
研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。
無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。
台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。
如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！
👉 更多研華Edge AI解決方案
👉 立即申請Server租借
討論功能關閉中。
本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。
甜品中常見的愛玉，其實是非常有趣的生物材料，它並不需要加熱、也不需要額外的添加物，就可以在室溫底下凝結成膠，變成愛玉凍。中央研究院物理研究所陳彥龍研究員，分析愛玉在凝膠過程黏性與彈性的改變，最後建立數學模型，預測愛玉結膠現象。未來，愛玉將有望取代藻膠（alginate），用於人造植物肉的口感調整，或是作為輸送藥物的微顆粒成分。現在先讓我們一起來看有趣的愛玉研究吧！
愛玉為臺灣人的平民美食，檸檬愛玉、愛玉粉圓、愛玉芒果冰……QQ 彈彈好吃到咩噗的愛玉，是許多人喝手搖時最愛的配料，也是炎熱夏天的消暑聖品。
我們從小吃到大的愛玉，學名叫 Ficus Pumila var. Awkeotsang，它跟洋菜凍、石花凍等膠體食物很不一樣，在製作過程中，愛玉並不需要經過烹煮、也不需要加入其他添加物，就能在室溫下產生膠化反應，形成愛玉凍。
可惜的是，愛玉在學術上並未有太多深入的探討。中研院物理所陳彥龍研究員，主要從事高分子流體與非線性流體的研究，他一直以來對膠體非常有興趣。這一次他鎖定了愛玉，與美國麻省理工學院（MIT）合作，希望從流變學的角度切入，探究愛玉膠化的秘密！
首先，我們要先簡單了解一下，愛玉為什麼可以在室溫下結膠？
大家如果有製作過愛玉的話，應該都會記得一開始的步驟：我們要先把愛玉籽裝進紗布袋裡面，並在水中不斷地搓揉，靜置一段時間後，才能讓愛玉慢慢形成。這個「洗愛玉」的動作，其實就是將愛玉籽中的高分子、酵素、金屬離子等物質，析出到水溶液裡面，形成愛玉萃取液。
而在萃取液中，最主要的成分之一，就是聚半乳醣醛酸（poly galacturonic acid，簡稱 PGA）。PGA 是一種長鏈的高分子，也是讓愛玉凝結成膠的重要成分，它在水溶液中會發生三階段的化學反應：
愛玉萃取液中，鈣離子會與長鏈的 PGA 形成交聯，而多個交聯會緊密排列，成為更穩定的連結區。隨著連結區愈來愈多，愛玉也就變成愛玉凍了！詳細如下：
第一階段（I），PGA 分子的 R-COOCH3（甲氧基），會被愛玉獨有的愛玉果膠酶（pectin methylesterase enzyme）活化變成 R-COOH（羧基），兩個 R-COO– 和鈣離子會形成暫時性的交聯（crosslink）。
第二階段（II），當萃取液中的鈣離子搭起一座又一座橋樑，連續的交聯將兩段 PGA 鏈結在一起，開始形成點狀交聯（point-like crosslinks，PC）或較短的連結區（Short Junction Zones，SJZ）。
第三階段（III），隨著越來越多鈣離子與 PGA 鍵結，交聯一個接著一個排列，形成長串的連結區（Junction Zone，JZ）。連結區是非常穩定的結構，它就像拉鍊一樣，把兩段 PGA 牢牢地嵌在一起，此時愛玉也慢慢出現固體特性，變成了「愛玉凍」。
身為物理學家，陳彥龍還想知道：愛玉在結膠過程中，物理性質又是怎麼改變呢？為了釐清這個問題，研究團隊從流變學（Rheology）的角度，分析愛玉結膠的現象。
所謂的「流變學」，是探討材料物理性質的一種方法，通常會測量材料的黏彈性（Viscoelasticity），很適合兼具固體與液體特性的軟物質（Soft matter）。
對固體來說，如果對材料施力的話，它的形狀會改變；當外力移除，它就會回復原本形狀。這就是固體的「彈性」（Elasticity），它會吸收讓形狀改變的能量，就像我們用湯匙碰一下布丁，布丁會回彈一樣。
另一方面，如果我們對液體施力，材料就會開始流動，在相同的施力下，不同流體會有各自的流速，例如攪動玉米濃湯和奶茶的黏稠度就不一樣，這代表不同流體有不一樣的「黏性」（Viscosity）。
有些物質同時具備「彈性」與「黏性」兩種特性，而愛玉就是其中一種。愛玉從萃取液變成愛玉凍的過程中，雖然「彈性」變得越來越明顯，但仍然保有流體的「黏性」。這樣的愛玉，不是單純的固體、也不是單純的流體，所以需要透過流變學，探討愛玉的物理性質。
為了研究愛玉的黏彈性，研究團隊將愛玉萃取液裝進流變儀（rheometer）的杯狀容器內，再把圓筒狀量具（下圖）放入愛玉之中。這個量具由馬達驅動，會像陀螺一樣在愛玉裡面來回轉動，向愛玉施力。從愛玉反饋給儀器的力矩，我們就可以了解結膠過程中，愛玉的黏彈性變化。
一般來說，流變儀會使用固定的頻率（例如正弦波）旋轉量具，來蒐集物質對特定頻率的反應。不過，由於愛玉結膠的變化很快，這樣的量測方式追不上愛玉質變的速度。陳彥龍說道：「測量的過程中，愛玉材料性質就已經變了。」
為了解決這個問題，美國麻省理工學院 Gareth McKinley 教授與學生 Michela Geri 發明了Optimally-Windowed Chirps（OWCh）量測方式。OWCh 可以疊加不同頻率、不同振幅的形變波，再使用這個疊加波，對愛玉進行測試，最後從實驗結果，回推愛玉對不同頻率形變的力學反應。
陳彥龍表示「OWCh 測量物質對頻率反應的時間非常短，在愛玉演化的過程中，每一個時間點我都可以得到它對頻率的反應，擴充了之前實驗上做不到的量測。」
從流變儀的實驗結果，我們得知愛玉在結膠時的黏彈性變化，下圖黑線 G’ 代表愛玉的固體性質（彈性模數部分，storage modulus）、紅線 G” 代表愛玉的液體性質（黏性模數部分，loss modulus）。
可以看到，一開始液狀的愛玉幾乎沒有彈性，但過了一段時間後，彈性模數開始快速增加，甚至超過了黏性模數。兩條線交會的點為膠化點（gelation point），此刻為膠化時間（gelation time，tgel），代表愛玉的固體與液體特性相同。
在膠化點之後，愛玉的固體性質越來越明顯。最終，愛玉變成了愛玉凍，黏彈性的變化也漸漸趨於穩定。
不過，如果看仔細一點，會發現一個有趣的現象：膠化點之後，愛玉的黏性與彈性會先經歷小幅度趨緩，甚至下降，再轉折成穩定上升的趨勢，出現了拐點（inflection point）（上圖箭頭處）。
這就奇怪了！在陳彥龍一開始的理論預測中，鈣離子與 PGA 交聯的濃度（[Ca-PGA]），會隨著時間增加而穩定上升。照理說，愛玉應該也要穩定的固化才對。然而，不論是彈性還是黏性，都同時出現拐點，代表愛玉在膠化時，還有一些狀況沒被考慮到。
經過一番研究，陳彥龍推測，拐點的出現，可能是因為某些交聯「分離了」。我們前面有提到，成串的交聯會形成連結區（JZ），而 JZ 非常穩定，是愛玉膠體重要的結構支撐。但是，單獨的交聯、或是較短的連結區（SJZ），鍵結其實是很弱的。在形成 JZ 之前，這一些不穩定的交聯可能會先分離，導致交聯網路形成的速度變慢，才會在實驗中看到黏性與彈性出現拐點的現象。
另一方面，為了觀察凝膠過程的微觀結構，研究團隊使用冷凍電子顯微鏡 （Cryo-EM） ，觀察愛玉結膠時的變化。陳彥龍主要選定了三個時間點來觀測，分別是膠化點（A）、拐點（B），以及愛玉凍趨於穩定的時間點（C）。
從下圖可以看到，在接近膠化點前，圖片中間有一些白色細纖維（A），看起來是愛玉凍剛開始形成的狀態。至於周圍的其它孔洞，則可能是因為樣本急速冷凍，導致水結成冰晶所造成的空隙。
接著，拐點左右的時間點，我們看到愛玉開始形成網路結構（B）。隨著時間增加，結構變得越來越緻密，等到膠體進入穩定階段時，就形成了穩固的纖維網路（C），而愛玉也變成緻密的愛玉凍了！
陳彥龍團隊不僅從實驗了解愛玉物理特性，還發展理論預測愛玉膠化程度。簡單來說，只需要知道愛玉籽一開始的重量，以及環境的基本條件，就可以推算愛玉在不同時間點的彈性、黏性會如何變化。
首先團隊從化學反應動力學出發，算出愛玉萃取液中鈣離子和 PGA 交聯的濃度 [Ca-PGA]，也就是鈣離子搭了幾座橋。有了 [Ca-PGA]，就可以知道某個時間的愛玉彈性。原則上交聯越多，愛玉越有彈性。
不過，因為實驗發現愛玉黏彈性有轉折點，團隊進一步考慮短連結區（SJZ）和連結區（JZ）的數量密度，修正理論模型，貼近真實的膠化情況。
最後，研究團隊終於研擬出一個能夠預測愛玉膠化行為的數學模型。陳彥龍總結道：「這次主要的研究成果，就是探討愛玉結膠過程中黏彈性的改變，還有透過反應動力學的理論基礎，來預測愛玉膠化的過程。」
有了理論模型後，未來製作愛玉時，我們就不用依賴那雙洗愛玉籽的神之手，而是能更精準的掌握和控制愛玉的結膠品質。讓愛玉不僅可以單吃，還能成為食品業和生醫材料的幫手！
在食品科學方面，近年廠商開始嘗試用人造植物肉取代動物肉食材, 輔助環境永續與減少碳排放。這些植物肉，通常都會利用膠狀食材來調整口感，如果我們能夠精準地調整愛玉的硬度，或許也能讓愛玉成為植物肉的一部分。
在生醫材料的應用上，愛玉也可以參一腳。近幾年，很多研究討論藻膠在藥物輸送上的應用，將藥品包在含有藻膠的微膠囊內，控制藥物在體內釋放的時間。
藻膠的成分，與愛玉有很多類似的地方，陳彥龍期待地說：「如果用愛玉來做的話，是不是能夠達成類似的性質呢？」
另外，由於愛玉本身的果膠分子屬於弱電解質，有機會取代其他高分子液體的應用。目前，陳彥龍團隊正在跟其他實驗室合作，探討愛玉做為鋰電池的電解液，是否具有未來發展性。
下次當你吃著喜歡的愛玉時，大可不必思考背後複雜的流變學；不過要記得，愛玉不只是手搖杯的配料、也不只是臺灣美食，更是極具發展潛力的生物材料！
愛玉不只是愛玉，更是極具發展潛力的生物材料！
本文轉載自 CASE 報科學 《千變萬化的流體（二）：超流體》
剛睡醒的早晨，沖泡好一杯香氣四溢的咖啡，加入鮮奶、糖攪拌後準備享用時，卻發現咖啡似乎還在不停的旋轉，沒有停下來的跡象。仔細看，還會發現咖啡竟然開始沿著杯壁向上攀爬、越過杯口，最後在杯子底部匯聚、滴落。很明顯，以上場景純屬虛構，咖啡可不會這樣。但大自然中卻有種流體有這樣的性質，那就是：超流體。
在上一篇文章＜千變萬化的流體（一）：一個做了 90 年的實驗＞中，我們介紹了流體的黏滯性。其中瀝青具有非常大的黏性，其流動十分緩慢，外在表現基本上和固體無異。黏滯性極小的一端，則存在著一種不具有任何黏滯性的流體，便是超流體。超流體具有許多神奇的性質，例如可以通過極微小的毛細管、將超流體放在容器中，它會沿著容器壁爬升，跑出容器外…等等。令人感到可惜的是，具有如此神奇性質的超流體，目前只有在極端低溫的條件下才能存在。
1937 年，科學家卡皮查與艾倫，在嘗試將氦-4這種元素冷卻到極低溫時，發現當溫度低於 2.17 K（−270.98°C）時，氦的性質突然發生改變[1]。在以下連結的影片中呈現了氦-4冷卻的過程。
我們可以發現當氦的溫度逐漸下降，氦突然從原本如沸騰般充滿氣泡的情況，突然「安靜」了下來，那時便是氦-4的溫度達到「臨界溫度」，發生根本性質的改變（物理上稱為「相變」），從一般流體轉變為超流體。
為什麼會出現這個景象？這裡我們要介紹超流體的第一個重要性質：「超流體內部不存在溫度差」[2]。這意味著，若是我們在超流體的一端加熱，溫度可以瞬間傳遞到超流體的另一端。這個性質在一般流體中可沒那麼常見，讓我們回想一下生活中最常見的流體之一：水。
當我們將一壺水，放在瓦斯爐上加熱時會看到水的熱對流現象：最靠近火源的水溫度上升最快，因為密度減小而上浮，旁邊溫度較低的冷水則往中央靠近，形成對流。對流愈是劇烈，整個流體便顯得愈不平靜。但若是我們加熱的是超流體，由於超流體的熱傳導率是無限大，因此熱源所釋放的熱量會在一瞬間傳遞到整個超流體中。由於內部沒有溫差，不會出現如熱水般的劇烈對流現象，顯得特別「安靜」。
這種特性顯示超流體分子的性質，就如同一個巨大的整體：若流體中有一個地方溫度改變，所有分子就要一起改變。這種性質來自於氦-4是一種「玻色子」。玻色子這種粒子在極低溫的情況下，會傾向於所有粒子都落回最低能量狀態（基態），這個現象被稱為玻色-愛因斯坦凝聚。蘇聯物理學家朗道透過此理論，解釋了氦-4為何在極低溫下會形成超流體。
打個比喻，剛成年的少年們，每個人都有獨特的生活模式，但到成功嶺受訓時，便全部「凝聚」在一起，形成一個具有共同性質的集體。有趣的是，由於少年們都具有極為相似的性質，因此他們之間的「摩擦」（彼此之間的交互作用，也就是黏滯性）會大幅下降，形成獨特的超流體現象。
若是我們手邊有兩種流體，想要判斷哪一種可以通過一根細管子。我們的生活經驗告訴我們，愈黏的流體，愈不容易通過。黏性愈大的流體，代表它們分子之間的作用力愈大。打個比喻的話，可以說它們更愛「群聚」，若是要通過某一個孔洞，那就要讓大部分的分子一起通過才行。例如，固體可以想像成是一種黏性無限大的流體。想要讓一個硬幣通過吸管，那吸管勢必要比硬幣大才行。那黏滯性為零的超流體，會怎麼表現呢？它們的分子之間可以說「毫無感情」，因此只要細管的孔徑允許一個分子通過，那超流體就有辦法流過這根極細的管子。
超流體沿著容器壁爬升又是怎麼回事呢？若是我們將水裝在一根試管中，仔細觀察，可以發現管壁的水位比中央的水位來的高，這個稱為水的「附著力」，也就是容器壁對於水分子有個吸引力。那為什麼容器壁不會將水一直拉上去，而會停在某個位置呢？一方面是地心引力，另一方面是水分子之間「扯後腿」的黏滯力。水分子想要沿著杯壁向上爬，但黏滯性就如同他不是自己一個人爬，而是攜家帶眷外掛行李，因此爬到某一個高度就爬不動了（如圖二）。
這時讀者大概可以想到超流體是怎麼回事了。如特種部隊的超流體分子，它沿著容器壁攀爬只需要自己能爬上去就可以。最終的結果，便是超流體會在容器壁形成只有一個分子厚度的薄膜，將整個容器包裹起來。延伸到容器外的流體，在地心引力影響下便會匯聚在容器底端，向下低落，形成了超流體「逃出容器」的奇特現象。
在發現超流體現象之前，沒有人預期到物質在被降至極低溫後會表現出如此截然不同的性質。隨著科技的進步，人們逐漸有能力一探各種極端條件下物質的變化，相信還有非常多有趣的現象在等著我們。
[1] 除了氦-4以外，它的同位素氦-3也在更接近絕對溫度時（0.0026K）展現出了超流體的性質。
[2] 由於這個性質和超導體的「超導體內部不存在電位差」十分相近，因此得名「超流體」。
[1] Superfluidity
[2] Pyotr Kapitsa Biographical
[3] The Strange, Frictionless World of Superfluids
Zero
鄭國威 Portnoy