你覺得老外都長得很像嗎？

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。

高智商成績分數可以用買的！？

當時，在布洛瓦郡鑑別資優生的程序在一、二年級時展開。如果老師判斷一個孩童可能有資格參加資優課程，就會轉介孩子去學校心理師那裡作一個測驗。家長也可以聘請私人心理師來進行測驗。凡是被測出智商在一百三十以上的孩童就會被評估納入資優課程。由於幼年貧困和英語能力有限已經被證明會影響標準化測驗的成績，低收入戶學生以及英語非母語的學生被判定為資優生的門檻比較低，是一百一十五。

可是該郡學生的智商分數看起來很怪。分數並非正常分布，而是在一百二十九分時人數歸零，然後在一百三十分時（亦即被認定為資優的最低門檻）人數驟然升高。而且沒有一個孩子拿到不達門檻的一百二十九分。

後來分析這些數據的經濟學家蘿拉．朱里安諾（Laura Giuliano）帶著冷冷的幽默感告訴我：「高智商分數似乎是有市場的。」私人心理師表面上是被聘請來評估孩子，可是以每次幾百美元的價格，他們實際上是被雇來確保孩子被認定為資優。朱里安諾告訴我，當她自己的孩子接近入學年齡，其他的家長低聲告訴她哪些心理師是「好的」。「好」似乎意味著掌握了「發現」智商一三〇的技巧。

這種買來的智商是理解這種差距的一條線索：大多是白人的富有家長基本上是替子女買到資優生的名額。但是這仍舊無法解釋黑人孩童和拉美裔孩童、英語非母語的孩童、低收入戶孩童被鑑別為資優的人數何以如此之少。就算富有的白人小孩被鑑別為資優的人數超出正常比例，這也不該壓低其他孩童被鑑別為資優的人數。

辨別資優生的新作法——剔除老師和家長的推薦制度

帕克懷疑篩選過程的第一步可能有問題，亦即當老師和家長推薦學生去作測驗。於是在二○○三年十一月，她把那張地圖展示給學校董事會看，並且提出了一種鑑別資優生的新做法。帕克說，關於誰該接受測驗，布洛瓦郡不該仰賴任何人的個別判斷。該郡應該對每一個孩子進行篩選。面對那張凸顯出不平等的閃亮紅色地圖，學校董事會一致投票贊成。

二○○五年，布洛瓦郡展開了全面篩選。員工得到加班費，加班對該郡兩萬名二年級學生進行測驗。由於眾所周知智商測驗和其他標準化測驗都含有偏見，所選用的測驗是一種非語言的認知測驗，把這種風險降到最低。該測驗不依靠與任何特定文化有關的文字或圖像，而是測量解決問題的綜合能力。

在學生作過測驗之後，帕克的團隊就親手把用葡萄牙文、西班牙文和海地克里奧爾語寫成的家長同意書送到每個學校，讓家長能夠同意接下來的步驟。他們有技巧地回答家長的來電，那些家長擔心這張有關「特殊學生」的書面通知乃是表示孩子有行為問題。團隊成員要他們放心，說事情正好相反，說這是個好消息。

等到篩選程序完成，結果很驚人。在全面進行篩選之後，黑人孩童和拉美裔孩童被認定為資優的人數增加為三倍。在接下來那一年裡，有資格參加資優課程的另外數百名孩童中，有八成來自低收入戶或是英語非母語的學生。這些學生當中有許多人的分數明顯高出門檻，這表示即使是資賦特別優異的孩子從前也被排除在資優課程之外。

問題不在於這些孩子的資賦不優異，而在於沒有人費心去把他們找出來。

改變篩選制度與教育環境——不同種族間的成績差距就消失了

改變不僅止於此。布洛瓦郡規定：只要學校裡有資優兒童，哪怕只有一個，該校就必須替這名學生設立一間特殊的「高成就學生教室」，配備有受過特殊訓練的教師和更進階的課程。然後這間教室就會把分數接近門檻的那些學生也收進去──例如，某個年級有四名資優生，而一間「高成就學生教室」可以容納二十四名學生，就表示分數緊跟在後的二十名學生也可以在這間教室學習。

於是這些學生就也能從更快的步調、更豐富的課外活動、更高的教師期望和同儕支持中獲益。朱里安諾及其同事大衛．卡爾德（David Card）發現：在這種特殊教室學習的黑人和拉美裔「高成就學生」在數學和閱讀的成績大幅提升。在被安排進入這些教室之前，這些學生的數學和閱讀成績比不上智商相同的白人學生。在那之後，這個差距消失了。

這些學生當中有更多人變得有資格繼續參加步調加速的課程，使他們走上新的學習道路。事實上，黑人和拉美裔學生的整體數據情況都有了改變。事實證明，在進行普遍篩選之前，這些學生不僅比較不可能被篩選為資優，而且更可能被篩選出有學習障礙。而這種加強篩選反映在智商分數的整體分布上。在進行普遍篩選之後，黑人和拉美裔學生的分數分布圖和白人學生的分數分布圖變得一致。

——本文摘自《隱性偏見》，2022 年 10 月，平安文化出版，未經同意請勿轉載。

隱性偏見的概念指出偏見起作用的方式就像電路。這個電路始於我們從周圍世界吸收「文化知識」，當家人、媒體、課堂、鄰居給予我們有關不同群體的大量資訊。

這些知識當中有些是真實的，例如，從統計數字來看，男性和女性的平均身高的確有差異。有些知識則並不為真：平均而言，男孩的數學成績並不優於女孩。隨著時間，這些訊息變成深埋在我們腦中的聯想和刻板印象。

當我們遇見觸發了這些聯想的某個人或某件事，我們的文化知識就會影響我們對當下情況的反應，包括我們會有什麼行動，會說些什麼，以及會有什麼感受。因此而出現的歧視行為會助長差異，而差異又會進一步餵養引發這整個過程的文化知識。而且我們每一次所看見的並非單一層面的身分，而是多重類別的身分，包括種族、性別、年齡以及其他，每一種身分都帶有可能被融入感知者腦中的聯想。

把隱性偏見視為一種電路，這個概念有助於解釋許多遭遇。

黑人學生在學校所受到的差別待遇

以小男孩小傑．鮑威爾（JJ Powell）為例。四歲時，小傑聰明而且合群。他能熟練地寫出自己和弟弟的名字，喜歡玩上學的遊戲，通常行為良好。可是他在家鄉內布拉斯加州奧馬哈市去上幼稚園的第一年春天，他母親圖妮特．鮑威爾（Tunette Powell）開始接到電話，要她去接小傑回家。他因為把口水滴在同學身上而被停學。另一次是因為他扔了一張椅子，還有一次則是在午睡時間不聽話。鮑威爾感到不解。她那個優秀、樂觀的兒子？「哇！」在一次訪談中她回憶說，「我是個失敗的家長。」

可是後來她參加了小傑班上一個同學的生日會，開始和幼稚園的其他家長交談。有一個母親說她兒子狠狠地打了一個男孩，對方因此進了醫院。她的兒子並沒有被停學，她就只接到了一通電話。更多的家長說起自家小孩的行為問題。並沒有其他小孩被停學。事實上，其他的家長甚至不知道學校會使用這種懲罰。小傑被停學了三次。就鮑威爾所知，唯一的差別在於她的小孩是黑人，而其餘的小孩是白人。

鮑威爾的兒子不是特例。德州的一項研究檢視了幾百萬份的學校成績單和懲戒紀錄，其中有每一個在二○○○年至二○○二年之間開始就讀七年級的學生一直到十二年級的在校紀錄。這些紀錄包括所有違反行為規範（例如遲到或是服裝不整）的懲戒處分。校方可以自由裁量針對這些違紀行為的反應，可以做出校方認為適當的任何處罰。這項研究發現，黑人學生在第一次犯規時就被罰停學的可能性超過兩倍。

多項研究證實了此一模式。在心理學家菲利普．阿提巴．戈夫（Phillip Atiba Goff）及其同事所進行的一組研究中，受試者得知一個男孩的故事，這個男孩有反社會的行為，範圍從輕罪到重罪。接著受試者被問了一些問題，關於這個孩子的行為責任，以及在他行為背後的意圖。

在評估同樣的行為時，如果這個男孩是黑人，受試者就認為他更應該為他的行為受到責備；他們也高估了他的年紀，多達四歲以上，例如一個十三歲半的男孩被認為是個成年人。比起一樁輕罪，黑人小孩被視為更應該為一樁重罪受到責備；對白人小孩來說，情況則正好相反：當他行為的嚴重性增加，白人小孩被認為所需負的責任更小。

在另一項研究中，研究者把一名行為不檢的學生的在校紀錄拿給幾位老師看。如果那個學生是黑人，那些老師就更可能替這名學生貼上「惹是生非者」的標籤，而且更可能把第二次違規視為一種更嚴重的不良行為模式的一部分。

按照隱性偏見的概念，小傑的老師吸收了帶有種族歧視的有關黑人兒童的刻板印象。當小傑拒絕午睡，她腦中的刻板印象影響了她對他和他的行為的解讀，使得她把這種行為看得比白人小孩的同等行為更嚴重，而把小傑視為更應該受到懲罰。

隱性偏見塑成某些族群的刻板印象

在一個名叫郭伽（Philip Guo）的年輕計算機科學學生身上，有偏見的待遇對他有利。郭伽成長於一個華裔美國家庭，家人都主修人文科學。他在六年級時嘗試自學BASIC程式語言，但因為太難而放棄。後來，他在中學修了一門計算機科學課，那門課的老師在開課前幾週才學了教材。

這激發了他對撰寫程式的興趣，可是當他在二○○一年上了大學，他基本上是個初學者，尤其是相對於他的同學而言，他的許多同學在大一時就已經擁有十年撰寫程式的經驗。他修了入門的計算機科學課程，開始做暑期實習，這時他注意到一件不尋常的事。他回憶說：「在開會時，別人似乎總是假定我知道自己在做什麼。」其實他並不知道。當他因為感到茫然而沉默，同事以為他沉默是因為他懂了。

在學年當中，郭伽冒昧地寫電郵給教授，得到了一個研究職位。在接下來那幾年裡，他得到了一個又一個的工作，而他知道自己其實尚未擁有這些工作所需要的技能。在這些工作上，他有機會習得知識，同時還獲得報酬，一直受益於別人對於他專業能力的假定。他回憶：「技術水準與我相似的其他人並未得到我所得到的鼓勵。」

郭伽的主管可能吸收了一種刻板印象，把他那種背景的人和技術專業能力連結在一起。當他們看見他在苦思一個問題，這些刻板印象就在他們腦中跳出來，影響了他們對他的所言所行、他的疑問乃至他的沉默的解讀。郭伽的經驗凸顯出偏見的一個重要面向：偏見不僅會在某些情況下造成不利條件，也會在另一些情況下創造出優勢。

同一個群體可以受到有利於他們之刻板印象的影響，也受到有害於他們之刻板印象的影響，有時候甚至是同一種刻板印象。例如，亞裔美國人給人的「模範少數族裔」刻板印象掩蓋了諸如騷擾、種族歧視、貧窮、暴力和歧視的種種難題；這種刻板印象暗示出並不存在的同質性。

在學校裡，它掩蓋了學生對於資源與支持的需求。而且它無法保護人們不受到剝奪人性的待遇：一項針對哈佛大學入學申請紀錄的分析甚至表示亞裔申請人經常在「個性」這一項的評估中得分較低。

對生物學家本．巴雷斯來說，這個偏見迴路在他變性之前與之後發揮了不同的功能。在變性之前，別人透過對女性之刻板印象的鏡片來看待他，認為女性的科學能力比較差。這種刻板印象影響了同事對他的工作與言行的看法。

他們認為他比較缺少權威、才華和價值，於是以打斷他、質疑他、否定他的專業能力作為回應。在變性之後，巴雷斯有了相反的經驗：他被視為更有能力、更有知識、更有權威，而且比較不適合被打斷。假如巴雷斯是屬於另一個種族或族裔的科學家，或是有某種身心障礙，他在變性前後的經驗就會有所不同。

——本文摘自《隱性偏見》，2022 年 10 月，平安文化出版，未經同意請勿轉載。

這不只是你的問題，然而這問題可能影響法庭的判決。英國格拉司哥大學(Glasgow University)的Roberto Caldara研究團隊利用腦電波儀(EEG)對高加索白人與東亞的亞洲人進行實驗[英]，證明這種認知症狀普遍存在，但他也強調，只要常常與其他種族的人相處就能辨識得更好。而這項實驗結果也讓法院未來有可能採用腦電波來判斷證人對被告的指證是否有效力。