塞車好心煩！自動駕駛能解嗎？——台大資工林忠緯專訪

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。

特斯拉即將在 2024 年 10 月推出無人計程車，並且 Robotaxi 的正式名稱，將取名為 Cybercab。
等等，在無人車正式上路之前，我先問你一個重要問題。如果我開特斯拉自駕車撞死人，要負責的是我這個駕駛、乘客，還是特斯拉與馬斯克？

自駕車撞死人：駕駛、乘客，還是特斯拉負責？

當你駕駛特斯拉自駕車撞死人，責任歸屬是個複雜問題。無人車上路前，了解現行法律與技術界限至關重要。如果你強行介入自駕車運行，解除自駕功能後的事故責任由你全擔。如果不干預，事故責任可能由車商承擔。然而，最終誰來負責，仍取決於多方因素，包括車輛技術和法律規定。

這是個很現實的電車難題，應該說自駕車難題。如果你駕駛的自駕車正在失控向人群駛去，你是否有勇氣按下緊急剎車，承擔一切責任？

這類問題正是現在無人駕駛技術面臨的道德和法律挑戰。

電車難題再現：自駕車技術的進展與挑戰

自駕車並不是未來的幻想，而是已經在我們的日常生活中逐漸實現的技術。特斯拉和其他汽車製造商已經展示了他們的自動駕駛系統，這些系統能夠完成從停車到高速公路駕駛的各種操作。目前的自駕技術主要依賴於先進駕駛輔助系統（ADAS），這些系統結合了多種技術以提升駕駛的安全性和效率。

ADAS 並不是一個新概念，它可以追溯到 1950 年代的汽車巡航控制系統，隨後在 1970 年代加入了防鎖死煞車系統和車身動態穩定系統。現代的 ADAS 功能更加多樣化，包括防撞系統、車道偏離警示、盲點監控、自適應巡航和駕駛監控等，這些功能大大降低了人為失誤導致的事故風險。

自駕車三隻眼睛：相機、光達和雷達的全面解析

自駕車依賴於三種主要感知技術：相機、光達和雷達。相機負責辨識交通號誌和行人，光達則通過發射紅外雷射光脈衝繪製 3D 地圖，雷達在惡劣天氣中表現尤為出色，能夠在雨天、霧天和沙塵暴中提供穩定的數據。

自駕車的決策過程可以分為感知、決策和控制三個步驟。感知階段依賴於相機、光達和雷達提供的數據，決策階段則依靠 AI 算法來判斷最佳行動方案，最後由控制系統執行決策。這些技術的進步使得自駕車在面對複雜的交通情況時，能夠做出更準確的反應。

全球無人計程車競賽：各國如何迎接自動駕駛未來

特斯拉並不是唯一的自駕車領導者，Google 的 Waymo 和通用汽車的 Cruise 已經在無人計程車領域取得了重大進展。中國的自動駕駛公司小馬智行和百度的蘿蔔快跑也已成功讓無人計程車在主要城市上路營運。根據預測，到 2025 年，全球將有約 800 萬輛 3 級或 4 級的自駕車在道路上行駛。

特斯拉的 Cybercab 無人計程車即將上路，標誌著自駕車技術進入新的階段。隨著技術的不斷進步和法律框架的完善，自駕車將在未來的交通系統中扮演越來越重要的角色。然而，自駕車事故責任的問題仍需進一步探討和解決，以確保這一新技術能夠安全、可靠地服務於社會。

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

在這個通信技術普及的年代，我們不斷介紹各式各樣的通信技術。大多數的通信技術都是為人服務的，這似乎是理所當然的。然而，有一種通信技術並非直接為人服務，而是為物體之間的交流提供支持。這種技術不僅存在，而且在現代已經成為最主要的通信形式之一，我們稱之為——物聯網（IoT）。

物聯網，Internet of Things，簡稱 IoT，顧名思義就是物品，機器、設備連上網路。

在我們生活中，如智慧手錶和藍牙耳機這些穿戴式設備，它們各自擁有特定功能，同時又能透過藍牙技術相互連結，這就是物聯網的一種應用。

你可能會問，手機也算是物聯網的設備嗎？

這取決於你如何定義和使用手機。如果是人們使用 5G 或 4G 技術彼此傳訊息和溝通，那麼這不屬於物聯網的範疇。但當手機與藍牙耳機或智慧手錶連接時，它們之間的互動更符合物聯網的概念。因此，物聯網的基本定義是，不直接涉及人跟人、或是人與設備的互動。基本上都是設備跟設備之間的溝通。

通信是人類最基本的需求，同時也帶來無限商機，就像我們不想跑到別的地方買可樂，卻發現賣光了一樣，科技為能解決這些需求，促使通信技術的持續成長。

如同手機的普及帶動了市場需求，從一家一部的電視和冰箱，到人人一支的手機，並且每隔幾年就更新換代。這種商機吸引了企業的投資，也推動了強大的研發動能。

而現在，我們正生活在一個設備數量遠超人類數量的時代，從藍牙耳機、智慧手錶，到遍布全球的智慧設備，物聯網的技術已經無處不在。

不妨思考一下，還有哪些需求尚未被滿足，也許它們正是下一個物聯網應用的起點。

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

參考資料

• The little-known story of the first IoT device – IBM Blog
• 台中空品感測器物聯網勇奪 GO SMART 國際大獎- 生活 – 自由時報電子報
• 目前環境部空污感測器涵蓋那些地區？監控多少污染源？
• PM2.5 Open Data Portal
• 東大・NTT ドコモ・東北電力、「LoRa 無線通信技術」を活用した送電設備の監視に係る実証試験を実施
• 横浜国立大学様（藤野陽三教授） | 導入事例 | ソナス株式会社