面對似是而非的醫療資訊，我們究竟該如何查證？｜【科科齊打交】

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。

占星術的背後

占星術是極普遍的偽科學，書店架上塞滿了談占星的書，而且幾乎每一份報紙都會發布每日星座運勢。蓋洛普（Gallup）1986 年發布的一項調查報告指出，52％ 的美國青少年相信星座，而各行各業中，認同占星學中某些亙古流傳說法的人，也多到讓人難過。我說讓人難過，是因為如果那些人相信占星師和占星術，當你進一步思考他們還可能相信哪些人事物，會讓人不寒而慄。一旦那些人手握大權（比方說雷根總統）、卻根據這類信念行事，特別可怕。

占星術主張，人出生那一刻的各星球牽引力，會影響一個人的個性。但這個論點很難讓人接受，理由有二：（一）占星學完全沒有提到這種牽引（或是其他）力道，到底要透過哪一種生理或神經生理機制運作，更別說解釋了；（二）負責接生的產科醫師施加的牽引力，遠高於各個星球。請記住，一件物體對於身體（比方說，新生兒）施加的牽引力，和物體的質量成正比，但和物體與身體的距離平方成反比。這是否代表比較胖的產科醫師接生的寶寶，會有一組人格特質；比較瘦的產科醫師接生的寶寶，會有另一種不同的人格特質？

占星理論中有很多缺陷，但數盲視而不見。他們不太關心運作的機制，也不太想去比較數值大小。話說回來，即使沒有清晰明瞭的理論基礎，但如果占星術有用、有實務證據撐腰，還是應該獲得尊重。只可惜，一個人的出生日期，與標準人格測驗的得分之間，沒有任何相關性。

一直以來，都有人找占星師做相關的實驗（最近是加州大學的蕭恩．卡爾森﹝Shawn Carlson﹞）。研究人員會給占星師看三個匿名的人格特質側寫，其中一個是當事人的。當事人提供所有占星要用到的數據（透過問卷，而非面對面），占星師必須從人格特質側寫中挑出哪一份是當事人。實驗中總共有 116 位當事人，而負責檢驗的是歐洲與美國 30 位最頂尖（由同業判定）的占星師。實驗結果如下：占星師約有三分之一的機率，可以挑出正確的當事人人格特質側寫，也就是說，和隨機猜測沒什麼區別。

凱斯西儲大學（Case Western Reserve Univer sity）物理學家約翰．馬蓋文（John McGervey）檢視《美國科學名人錄》（American Men of Science）上，超過 1 萬 6,000 位科學家，以及《美國政治名人錄》（Who’s Who in American Politics）上，超過 6,000 位政治人物的出生日期，發現他們的星座是隨機且均勻分布在十二個月中。密西根州立大學（Mi chi gan State University）的伯納德．西弗曼（Bernard Silver-man）取得密西根州 3,000 對夫婦的紀錄，發現他們的星座和占星師預測相配的星座之間，沒有相關性。

那麼，為何這麼多人相信占星之說？一個明顯的理由是：在通常語焉不詳的占星預言中，人們會去讀他們想讀到的一切，然後為預言添加根本不存在的真實性。他們也比較可能記得有成真的「預言」，過度看重巧合，忽略其他。其他理由還包括，占星術的歷史悠久（當然，人祭﹝ritual murder﹞和獻祭也同樣古老）。或是因為，它原理很簡單、但操作起來有一定的複雜度，會讓人感到安心。或者是，堅稱這個月能不能墜入愛河和天上的浩瀚星海有關，很能寬慰人心。

我猜，此外還有最後一個理由，那就是在一對一諮詢期間，占星師會從臉部表情、儀態、肢體語言等等，尋找和人格特質有關的線索。我們來看看知名的案例：聰明的漢斯（Clever Hans）。漢斯看來是一匹會算數的馬，牠的訓練師會擲骰子，問牠骰子上面的點數是多少。而漢斯會用馬蹄踏出正確答案，然後停住，旁觀者都大為驚異。但人們看不出來的是，訓練師原先都站定不動，等到馬兒敲到正確的次數，會有意無意地動了一下，就是這樣的反應讓漢斯停了下來。所以，不是這匹馬知道答案，牠只是反映了訓練師知道答案。人常無意間在占星師面前扮演訓練師的角色，占星師就像漢斯一樣，反映出客戶的需求。

美國天文學家卡爾．薩根（Carl Sagan）就說過，要破解占星術以及更廣義的偽科學，最好的辦法就是真正的科學。真正科學的奇妙之處也同樣神奇，不過多了一項優點：這些奇妙之處很可能是真有其事。說到底，偽科學之所以成為偽科學，並不是因為得出的結論稀奇古怪。畢竟，運氣好猜中、機緣巧合、奇特的假說，甚至是一開始的誤信，都在科學上扮演過一定角色。偽科學失當，是因為其結論經不起檢驗，以及無法和其他經過檢驗的主張之間，建立起一致的關係。我很難想像，像演員莎莉．麥克琳（Shirley MacLaine，按：麥克琳是推動新時代運動的先驅）這些人會因為證據不足、或有更好的替代解釋，就去否定通靈等超自然現象。

——本書摘自《數盲、詐騙與偽科學》，2023 年 11 月，大牌出版，未經同意請勿轉載。

填寫血型，是為了避免被輸錯血嗎？

很不可思議的，日常生活中很多地方都會被要求填寫血型。

馬拉松的報名表和號碼牌、幼兒園或學校的文件、貼身的避難包等，都有血型註記欄位。

但是在不少國家，如果要求市民也填寫同樣的資料，這就困難了。因為很多人根本不知道自己的血型，問了反而徒增困擾。

究竟我們填寫的血型資訊有什麼用？或許你會想，莫非是受傷需要輸血時可以派上用場？但這其實是誤會。

即便患者提前告知，輸血前仍會確認患者的血型

輸血前一定會進行血液檢查確認血型。每家醫院所需時間不同，但一般來說，血型檢查結果只需要數十分鐘就能出來。還有在輸血前，一定會進行將患者血液與一部分血液製劑混合，觀察是否出現有害反應的「交叉配合試驗」。

這些不會因為病患本人主張「我是 A 型」就省略。即使以前在同一家醫院接受過血液檢查，確切知道血型的狀況下，也一定要做交叉配合試驗（除了術前檢查等例外）。

為什麼呢？理由很單純。如果誤用了不同血型的血液，會引起危及性命的「溶血反應」，這麼重大的資訊，不能光靠患者自我表述。

另外，很多人是以出生時受檢的結果當作自己的血型，但新生兒的血液檢查不一定正確。有些人以為自己是 A 型，第一次手術時接受檢查才知道是 B 型，不能依賴自我表述的血型也有這個層面的考量。

什麼都不知道的緊急狀況下，到底該怎麼辦？

那麼，如果遇到不知道血型的患者大出血，也來不及做血型檢查的緊急狀況，該如何處置？這個時候就只能相信本人的自我表述嗎？

當然不能。這個時候就只能用 O 型血了，因為不管對方是什麼血型，應該都不會引起嚴重的反應。即使是緊急狀況，也不可能只利用自我表述的血型情報。

近年來因為有這樣的案例，所以出生時很多醫療機構不會驗血型。正在閱讀此書的你，或許不知道自己小孩的血型，完全不用擔心，需要的時候再去檢查即可。

順道一提，我也不知道自己小孩的血型。

緊急情況時，為什麼 O 型血能輸給所有人？

在 1900 年，奧地利人蘭德斯坦納發現「血液有不同類型」前，錯誤輸血的事故頻傳。

蘭德斯坦納注意到人的血清和他人的紅血球混合後，有的會凝結破裂，有的不會。在經過確認很多樣本配對的反應後，歸納出人有 A、B、C 三種血液類型的結論。之後的研究又發現了第四種 AB 型，C 型被改稱為 O 型。

所謂的血型，就是指紅血球表面的抗原種類。你可以想像細胞表面有很多棘刺狀物，輸血的時候最重要的「棘刺」有 ABO 和 Rh 二種系統。

A 型紅血球有 A 抗原，B 型紅血球有 B 抗原，AB 型則同時有 A 抗原和 B 抗原，O 型的沒有抗原；另一方面，A 型血清有抗 B 抗體、B 型血清有抗 A 抗體、O 型血清兩種抗體都有，AB 型則是兩種都沒有。

看起來非常複雜，但結論很簡單，我們只會有對自己的抗原不反應的抗體。

抗體和抗原就像鑰匙和鎖孔，如果 A 抗原對抗 A 抗體、B 抗原對抗 B 抗體就會產生凝集反應，紅血球就會被破壞。

因此如果把 B 型的紅血球輸給 A 型患者、把 A 型紅血球輸給 B 型患者，紅血球抗原和抗體會相互結合，凝結破裂。

另一方面，O 型的紅血球不管對方是誰都不會凝結，是因為 O 型紅血球沒有 A 抗原也沒有 B 抗原。不管是稱為 C 或 O，都是代表「沒有」抗原，也就是「零」的意思。

此一發現在安全輸血普及上扮演極重要的角色。1930 年，蘭德斯坦納以此成就獲得諾貝爾醫學生理學獎。

血型不只有 ABO，Rh 也有超過 40 種抗原

如同 ABO 有 A 和 B 二種抗原，Rh 也有 C、c、D、E、e 等超過四十種抗原。其中有 D 抗原的統稱為 Rh 陽性、沒有的稱為 Rh 陰性。錯誤輸血會引起強烈反應的，是 D 抗原。

發現 Rh 的還是蘭德斯坦納，是在發現 ABO 後四十年的 1940 年。

Rh 是取恆河猴（Rhesus monkey，德語為 Rhesusaffe）頭兩個字母。因為 Rh 是恆河猴共通的抗原。順道一提，日本人罕有 Rh 陰性者，大約只有 0.5％，台灣人為 0.3％，但白人則有 15％。

血型還有很多其他分類。MNS 血型、P 血型、Lewis 血型、Kell 血型、Diego 血型等不勝枚舉。如果是罕見血型，即使 ABO 和 Rh 一致，也有可能發生錯誤輸血。

明明知道自己的血型沒什麼用，為什麼大家都很在意？

「血型」本來是沒有必要知道的醫學資料，但為什麼很多人都會記得呢？而且不只是自己的血型，有的人連家人、朋友、同事、上司的血型都一清二楚，實在是很驚人。

理由恐怕是很多人都認同血液性格學說。當然，血液和個性之間的關聯毫無科學根據，只要想到血型的機制，就會知道紅血球表面抗原跟個性有關的說法有多無稽。

當然，也不能受到「你是 O 型所以會有〇〇個性」的暗示，因而影響到人格形成。如果真的是這樣，那對本人是有害的。

不管如何，還是有很多人期待用血型將人歸類。現在電視或雜誌上「O型的人一板一眼」「A 型和 B 型速配指數？」等不可思議的企畫仍舊源源不絕。

人與人之間，要靠直接對話、一起相處，才能初步互相認識。很遺憾的，這真的不是靠血型就可以了解的事。

——本文摘自《了不起的人體：如此精妙，如此有趣，說不定還能救你一命》，2022 年 7 月，如何出版，未經同意請勿轉載。