2

7
0

文字

分享

2
7
0

正當且公開的實驗室裡的秘密實驗——《再.創世》專題

再・創世 Cybernetic_96
・2021/07/15 ・6052字 ・閱讀時間約 12 分鐘

  • 作者 / 林纓

在許多年以後的某個地方。

那裡的土地有兩種顏色,紅色與藍色。紅色是因為鐵鏽、藍色是因為鈷和銅。紅土與藍土界線分明,幾乎是一條延伸到地平線另一端、看不見盡頭的直線。

空氣則是灰的。灰色的空氣像濃霧一樣籠罩土地之上的所有空間。如果你有眼睛,你會發現你看不到天空,只看得到眼前一公尺半的距離,而且你的眼睛會越來越痛,並在半小時內壞死。

所以這地方已經沒有所謂的「原生動物」或「原生植物」,會移動的只剩下灰撲撲的空氣和四種東西:

-----廣告,請繼續往下閱讀-----

AI。

把人腦裝進殻裡行走的人類。

機器人。

和奇美拉。

-----廣告,請繼續往下閱讀-----

雖然這四種東西都能自主行走,在「人權」的劃分方面卻有著非常明確的界線──就像紅土與藍土一樣。

擁有人權的是「AI」和「把人腦裝進殻裡行走的人類」,它們都有著相當的情感、智能和人格。

而機器人和奇美拉都不具有人權。機器人只是普通的工作用的空殼,沒有人格也沒有情緒,所以當然不具有人權。至於奇美拉──牠們是實驗室製造的「生物」,能在這種極端的灰色空氣裡生存的複合式生命體──組成牠們的是各種生物的基因,目的在於創造能適應這種極端環境的生物,但這實驗其實沒什麼意義,就屬哲學性質和娛樂性質。

圖爲展於安納托利亞文明博物館的獅身人像「奇美拉」。「奇美拉」在近代演變為異種生物部位混和之神話幻想生物的泛稱。圖/wikimedia

畢竟現在所有具有「人權」的「人」都已經不需要肉體──或許需要腦,但不需要眼睛耳朵和皮膚,也不需要進食──所以既不需要能吃的動物糧食,也不需要能被使用的動物肉體──那麼創造這些能呼吸灰色空氣的生命體又有什麼用呢?

-----廣告,請繼續往下閱讀-----

大概就像開發手機遊戲和桌上型點頭娃娃的目的一樣,為了賺錢或紓壓吧。

但奇美拉終究不及遊戲和影視等其他娛樂產業討喜,因此在全盛期的熱潮過後,許多奇美拉都被放歸自然,數百間實驗室惡性倒閉,現在只剩寥寥幾間矗立在這奔馳著野生奇美拉的荒蕪大地上。

而其中一間全然合法、營收還過得去、經歷過三波裁員但在員工福利方面頗有口碑的中型實驗室,正巧就座落在那條紅色與藍色的土地交界線上,紅色三百坪、藍色三百坪,不多不少剛剛好。

現在這間實驗室的某個房間正在進行一場哲學的思辨。

-----廣告,請繼續往下閱讀-----

「你說,為什麼練僧侶的人那麼多?」白色殼子裡的AI傳了一條思緒。

「為了省藥水錢吧。」坐在它隔壁的黑色殼子裡的人腦也傳了一條思緒。

「不是為了滿足某種對他人施恩的慾望嗎?自我滿足的救世情節之類的。」白殼AI傳。

「不是為了滿足某種對他人施恩的慾望嗎?自我滿足的救世情節之類的。」白殼 AI傳。圖/Pexels

「好啊,那我今晚不補你啊,你自己打王去。」黑殼人腦傳。

-----廣告,請繼續往下閱讀-----

「你當我沒人要嗎?去廣場揮個手就十五個僧侶黏上來。」白殼AI傳。

「好啊,拆夥啊,你去跟他們打啊。」黑殼人腦傳,順帶附上3D晃動效果的不雅手勢貼圖。

「好啊!拆就拆!怕你啊!」白殼AI附上發光效果的爆破貼圖。

黑殼人腦舉起手,揍了白殼AI肩膀一拳,坑的一聲,白殼AI的警示器響了兩下:「嗶嗶,遭受衝擊。損傷率百分之零」。

-----廣告,請繼續往下閱讀-----

白殼AI也舉起拳頭,正要往黑殼人腦肩頭揍去,門就開了,兩人立刻坐正,埋頭檢查觀察箱裡的資料。

「身體素質……B。」黑殼人腦公開傳訊。

「還不錯呢,果然是亞洲獅、鞭蠍和豪豬的混種。」白殼AI公開傳訊,讚賞地敲敲觀察箱的強化隔窗。

「或許應該加點蟑螂?」黑殼人腦公開傳訊。

-----廣告,請繼續往下閱讀-----

「你什麼都想加蟑螂。」白殼AI公開傳訊,附上翻白眼貼圖。

「蟑螂是已知曾經存在的最強勢物種,混什麼都是優勢吧。」黑殼人腦公開傳訊。

「既然都滅絕了,當時的素質評比就沒什麼意義。現在重要的是基因之間的協調性。」白殼AI敲了敲操作台。

門口的機器人嗶嗶兩聲,移動手腳到一旁進行例行房間維護。

「既然都滅絕了,當時的素質評比就沒什麼意義。現在重要的是基因之間的協調性。」圖/Pixabay

白殼AI和黑殼人腦這才回頭,兩人都洩氣地傳了一連串無意義的貼圖,重新懶回椅子上。

「還以為是陳上司咧。」黑殼人腦傳。

「你都叫它陳上司啊?我都叫它奧特曼。」白殼AI傳。

「那是它幾年前的名字啊?」黑殼人腦問。

「二十年前……?還是四十?忘了。這個比較好記。」白殼AI傳。

「那肯定是它黑歷史時期的名字……它後來都取簡單的單名了。」黑殼人腦傳。

「我倒是不喜歡換名字。」白殼AI傳。

「對喔,沒見你換過名字。我倒是換過兩次。」黑殼人腦傳。

「三次。還有『黑月X影殺』。」白殼AI傳。

「黑歷史──」黑殼人腦傳了一連串表示崩壞的貼圖。

「當時大家都不知道那個X到底是什麼意思呢。問你你也不說,只會傳月亮貼圖。」白殼AI傳。

「別說了。還是談談奇美拉吧。我們還在工作呢。」黑殼人腦傳。

白殼AI對黑殼人腦露骨的轉移話題感到可笑,同時也憐憫它曾經暴露於工作場合的黑歷史時期,想想如果是自己取了那種名字來工作,肯定會在清醒後立刻羞憤辭職的吧。就這點來看黑殼人腦還算有骨氣,就這麼堅持到現在沒換工作,著實令人敬佩。

白殼AI於是配合地轉移話題:

「你覺得如果把這些奇美拉的腦裝進殻裡,牠們也能和我們溝通嗎?」

黑殼人腦停頓了一會兒,把掃描器的正面轉向白殼AI,遲疑地傳:

「你怎麼每次都在想這麼哲學的問題?」

「你怎麼每次都在想這麼哲學的問題?」圖/Pexels

白殼AI傳:

「不然我們繼續聊你的名字?」

黑殼人腦傳:

「奇美拉的腦嗎?我覺得嗯,我想想,應該是可以。或許能進行某種程度的溝通吧。」

白殼AI傳:

「但這樣會產生更嚴重的人權問題。萬一證明這些怪物真的有思考能力,這些實驗或許就得終止了。畢竟目前牠們被視作和機器人同等級無智能、無感情、無人格的生物嘛。」

黑殼人腦傳:

「而我們會失業。」

白殼AI傳:

「你怎麼老是能提出這麼膚淺的觀點?」

黑殼人腦傳:

「那如果是人腦被放進奇美拉裡呢?」

白殼AI傳:

「肯定無法和我們溝通。奇美拉的身體裡沒有晶片也沒有收發器,無法接收到我們的訊息。」

黑殼人腦傳:

「但人腦放得進去嗎?」

白殼AI傳:

「如果建構一個內接轉換槽……可以試試看。」

這兩人的哲學探討隨著時間過去,就這樣持續了六年。

終於在某一天,兩人都難以按耐住好奇心,打算在這座一成不變的實驗室裡展開一場秘密實驗。

終於在某一天,兩人都難以按耐住好奇心,打算在這座一成不變的實驗室裡展開一場秘密實驗。圖/Pexels

把人腦放進奇美拉肉體裡的秘密實驗。

它們利用自己的工作時間和休息時間暗自打造了人腦轉接槽,暗自解剖了觀察箱裡它們創造的第十二隻奇美拉:黑猩猩和家豬和塔朗圖拉狼蛛混種,並在那一天──那關鍵的一天──把黑殼人腦的殼蓋打開,並把黑殼人腦的腦放進奇美拉裡。

因為要用無菌低溫箱轉換的關係,黑殼人腦失去意識了一段時間。

當它醒來,設法掃描周圍的時候──

它發現它的感知器變得十分奇怪。感知範圍只有面前一小塊區域,而且無法模式轉換,只能用色感光譜的方式呈現。

而且它要呼吸。每一口氣吸進肺裡都像異物,那感覺一點也不好,噁心且疲累。

它想傳訊給白殼AI說這簡直是個糟透的蠢殼,但它無法傳訊,只能透過窗格看著光譜下呈現白色的那具人形金屬殼。

它於是上前──幾乎難以移動,因為它的腳是八隻很不協調的巨型狼蛛腳,而驅動狼蛛腳的肌肉是猩猩的大腿肌──跌跌撞撞地摔向窗格,用力打了打窗面。

白殼AI對它揮了揮上臂,它們之間只剩下這種溝通方式。

畢竟沒有晶片、沒有網路,只剩下奇美拉的眼睛和耳朵。

而無論AI或人腦,現在的人們溝通只需要意念,自從耳朵與嘴巴被淘汰後,語言和聲音成了失落許久的古文明。

自從耳朵與嘴巴被淘汰後,語言和聲音成了失落許久的古文明。圖/Pexels

它驅動狼蛛腿也想進行一樣的揮手動作,卻狼狽地摔倒了。摔進地上那坨黏膩的──黏膩?這種感覺也是第一次。神奇的令人不自在的觸覺。還有痛覺。天啊!竟然會痛,它摔倒了。

它在地上翻滾爬行想站起來,但這具不協調的混合軀體無法隨它所願。

白殼AI拍了拍窗格,它不確定這是要它冷靜或是在詢問它在幹嘛的意思,但它冷靜不下來也不知道自己在幹嘛。

這具軀體實在太不自然也太不協調了。

一切感官都如此限縮又多餘,限縮的部分在於:不能三百六十度掃描、不能切換鏡頭、不能傳訊、不能開啟腳部的噴射推進器,多餘的部分在於:有痛覺、要呼吸、有八隻腳。

它才待兩分鐘就受不了了,它想立刻換回去,終止這現在看來完全就是無意義且愚蠢的好奇心,但它爬不起身,無法告訴白殼AI它的想法。

當它終於重新用八隻腳站立,已經過了一個半小時,白殼AI坐在觀察窗前觀察它,而它撲向觀察窗,很野性地用兩條前腿敲打窗格。

白殼AI又對它揮了揮前臂。

這個混帳。

它暗自傳了一大堆不雅手勢貼圖,卻發現它現在這具肉做的軀體根本無法傳貼圖,它越來越惱怒,又敲了敲窗格。

此時,外頭那扇門開了。

它看見白殼AI回頭,而陳上司走進來,白殼AI和陳上司說了一些話,白殼AI被帶走,陳上司也離開,這裡只剩它一人。

怎麼回事?

它感到驚慌,但安慰自己等等就能換回來吧。

但是白殼AI沒有回來,過了半小時後,變成另外兩位灰殼和紅殼的人坐在觀察窗外,很不熟練地操作房間的設備,好像正在瀏覽這隻奇美拉的資料。

調職?這是調職嗎?

之前有聽說過最近要調職,所以它們兩人才加緊這項秘密實驗的腳步,沒想到竟然是在這種關鍵的時刻調職?

不,或許只是例行的職場檢查?白殼AI馬上就會回來吧?

它惴惴不安地盯著窗格外的灰紅兩人,因為種族歧視的問題現在多數的外殼型號已經無法從外觀辨別是人腦還是AI了,總之就是兩個人。

它就這樣在這具不協調的軀殼裡盯著那兩人──

持續了半年。

在這半年內它沒日沒夜地等著白殼AI回來,沒日沒夜地感到疼痛,沒日沒夜地設法要和窗格裡的灰紅兩人溝通,但那兩人什麼都不明白。

它們只會在儀器上操作,只會在房間偷懶,只會在窗格前悠哉地打鬧,對它的舉動視而不見,頂多偶爾敲敲窗面,但顯然不是為了要認真溝通。

天啊!這一切都是因為那該死的好奇心!該死的哲學思辨!該死!

終於在它變成奇美拉的半年後,陳上司進來,紅灰兩人離開房間,取而代之的是白殼AI。單從外觀型號它不確定那是否就是它的同事、它的朋友,畢竟沒有晶片無法感知到IP位址或姓名ID。

但那顯然是白殼AI,因為陳上司一離開,它就立刻用力拍了拍窗格,然後開始準備無菌低溫箱,然後嘶──麻醉氣體瀰漫整個觀察箱,奇美拉的軀殼昏了過去。

當它再次醒來時,已經回到那具再熟悉不過的黑色外殼。

它不用再眨眼了。它有感應器。

它傳的第一條訊息是:

笑臉貼圖。

它傳的第一條訊息是:笑臉貼圖。圖/Pixabay

那是最便捷的基礎貼圖。

「你還好嗎?」白殼AI傳,「我沒想到那麼剛好會在那個時間點被調走,據說是人事部挪用公款的問題,還有第四波裁員……這房間又必須靠個體晶片掃描才能進入,我只能向奧特曼申訴說我想調回來,奧特曼這個人又很會拖,沒想到竟然耗了半年才回到這個房間……」

黑殼人腦傳不出訊息,它現在正感動於這具協調身體的無病無痛無呼吸和切換三百六十度掃描以及遠紅外線感知模式和全境衛星視角。

「啊對,第四波裁員你中獎了,你現在失業了。」白殼AI傳。

黑殼人腦又傳了一個笑臉貼圖。

「你沒事吧?」白殼AI傳。

黑殼人腦緩慢地點開記錄檔,開始撥放自己這半年來的錄像。

監視錄像裡的它,無論是遲鈍不協調的動作還是那些看似無意義的行為,看起來都像隻再普通不過的奇美拉。

像每一隻被它們創造出來的奇美拉。

「看起來……和其他奇美拉一模一樣。」黑殼人腦傳。

「是啊。」白殼AI傳。

「沒有人會發現異常。」黑殼人腦傳。

「是啊。」白殼AI傳。

「會不會其他奇美拉其實也有和我們相當的智能和人格……」

「這個問題就不要再深究了。自從你遭遇這件事後,我就對哲學探討沒興趣了,我現在的興趣只有躺著不動自動續能,和玩遊戲。」白殼AI傳。

黑殼人腦沉默接收著奇美拉的監視錄像。

白殼AI關掉錄像撥放,推著黑殼人腦走出房間,提前打卡請假下班,一路將黑殼人腦推到研究室外,站在荒蕪的藍紅土地交界線上。

白殼AI輕輕揍了黑殼人腦的肩膀一下,黑殼人腦沒有感覺到痛,只聽到警示器響了兩下:「嗶嗶,遭受衝擊。損傷率百分之零」。

黑殼人腦體會到一種難以言喻的情緒,它漫無目的地傳了熱咖啡和陽光燦爛的海邊的貼圖給白殼AI。

白殼AI沒說什麼,拉起黑殼人腦的手,用黑殼人腦的手打了自己一下:「嗶嗶,遭受衝擊。損傷率百分之零」。

黑殼人腦的感測器正面轉向白殼AI,然後伸出拳頭。

白殼AI的拳頭和它撞了一下,就像每次下班後它們的默契。

「今晚,再一起打遊戲?」白殼AI傳。

「幸好我練僧侶。我今天實在……沒心情打怪物。」黑殼人腦傳。

實驗室靜靜地矗立在藍與紅土的界線上,兩年後,又一波經濟蕭條襲來,這間中型奇美拉實驗室終於也在拖欠了員工十個月薪水後惡性倒閉。遊戲和貼圖產業倒是一如既往地蒸蒸日上,應該說現在只剩這兩樣能穩定推陳出新又賺錢如洪水的產業了。

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
再・創世 Cybernetic_96
11 篇文章 ・ 29 位粉絲
由策展人沈伯丞籌畫之藝術計畫《再・創世 Cybernetic》,嘗試從演化控制學的理論基礎上,探討仿生學、人工智慧、嵌合體與賽伯格以及環境控制學等新知識技術所構成的未來生命圖像。

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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 / 圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
250 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
AI 伺服器晶片大又貴,萬一焊接失敗還有救嗎?
宜特科技_96
・2026/09/18 ・3984字 ・閱讀時間約 8 分鐘

本文轉載自宜特小學堂〈CoWoS, EMIB, SoIC等先進封裝如何精準貼裝且順利重焊(Rework)?〉,如果您對半導體產業新知有興趣,歡迎按下右邊的追蹤,就不會錯過宜特科技的最新文章!

隨著 ChatGPT、生成式 AI 與大語言模型(LLM)的爆發,輝達(NVIDIA)的 Blackwell(如 B200)、Ultra系列,以及 AMD、英特爾(Intel)的高階伺服器晶片,都高度依賴 2.5D / 3D 異質整合先進封裝技術。

為了追求運算極限,晶片不再只是單一矽晶圓,而是 CPU、GPU 和好幾顆 HBM(高頻寬記憶體)用先進封裝「拼貼」在一起。這導致整個封裝完的晶片尺寸變得奇大無比,隨便就突破 90 X90 mm的尺寸,這在以前的消費性電子,例如手機晶片頂多 15 X15 mm,是難以想像的大小。

-----廣告,請繼續往下閱讀-----

一顆高階 AI 晶片的報價動輒幾萬美金,如果在最後打上印刷電路板(PCBA)時,才因為焊接不良(如冷焊、橋接)導致測試失敗,若要整顆報廢,所費不貲。這時,就是「返修系統」上場的時候!如何完美地拆下這顆昂貴的晶片、清理乾淨電路板,再精確地焊回去,是極高難度的維修門檻。

面對晶片巨大化的硬體挑戰,業界普遍遵循的 IPC-9701 規範(焊接性能與可靠度實驗標準)也更加嚴格。從組裝到 Rework(重工)都是重要環節;所謂 Rework,就是將已組裝的元件拆下、修復或更換後再重新組裝,尤其適用於高價值元件的修復與再利用,也是確保 AI 伺服器在高溫、高負載環境下維持可靠度的關鍵。

本文將探討在 AI 算力大爆發的時代下,如何提供一套能跨越物理限制、確保高良率與高可靠度的「大尺寸晶片貼裝與自動返修關鍵解決方案」,協助AI供應鏈上下游克服硬體演進的最後一哩路。

一、AI伺服器晶片巨大化帶來的製程痛點

近期業界最常面臨的痛點是:「現在的大尺寸晶片可能達到 150x150mm,能用什麼工具貼裝?晶片重工維修時又該如何確保品質?」

-----廣告,請繼續往下閱讀-----

(一) 現有設備的尺寸限制:

現行普遍的貼片設備(Pick and Place, P&P)受到物理限制,最大僅能支持邊長約 90×90 mm 的元件,面對現今尺寸動輒超過 90×90 mm 的巨型晶片,已完全無法滿足對位與貼裝的需求。

(二) 手工返修帶來的重工風險:

當大尺寸晶片需要進行重工(Rework)或維修時,若使用傳統人工或非專用設備加熱,容易導致以下缺陷:

1. PCB剝離(Peeling):因加熱不均勻或過熱,導致印刷電路板層壓結構受損。

2. 零件燒焦與冷焊(Cold Solder):溫控不精準導致元件表面燒焦,或是錫膏未完全熔化而形成冷焊,嚴重影響焊接品質。

由左至右是傳統人工除錫製程中,易因溫控不準確,導致爆版、燒焦或冷焊(焊接不良)。圖/宜特科技

3. 焊墊缺陷:傳統人工除錫製程中,容易因物理接觸刮傷或拉扯,造成電路板焊墊(Pad)損壞。

傳統手工除錫常見的缺陷:左圖造成BGA焊墊損傷,右圖為人工除錫後高度不均的現象。圖/宜特科技

二、解密「晶片手術」:高階返修與自動除錫技術

從上面的案例可以了解,在面對大型 AI 晶片的貼裝與返修,真正的挑戰不只是「拆下來再焊回去」,而是如何在不傷害晶片與電路板的前提下,精準完成拆除、除錫、對位與重焊。要完成這場高難度的晶片手術,尺寸、精度、溫控與除錫,每個環節都是關鍵。


因此,專為大型晶片開發的「高精度返修系統解決方案」誕生了!透過精準的溫控技術與光學對準功能,確保BGA元件的可靠拆裝與高效返修,避免因焊接不良導致的損毀。

(一)超大尺寸晶片的也能拆裝:

現行普遍的貼片設備(Pick and Place, P&P)受到物理限制,最大僅能支持邊長約 90×90 mm 的元件,面對現今尺寸動輒超過 90×90 mm 的巨型晶片,已完全無法滿足對位與貼裝的需求。

-----廣告,請繼續往下閱讀-----

(二)高精度光學對位控制更精準:

晶片拆下後,要重新對準電路板上的焊點並不容易。透過高解析彩色相機與光學影像重疊技術,可微調 Theta 角與 X/Y 軸,將對位精度控制在 ±25 μm 以內,降低貼裝偏移的風險。

(三) 複合溫控提升受熱均勻度:

大型晶片若局部溫差過大,可能造成基板翹曲甚至損傷,採用大功率紅外線(IR)結合熱風循環複合加熱,並配備即時監控系統,確保大面積基板受熱均勻,避免板材翹曲或損傷。

結合大功率底座紅外線(Dynamic IR)與頂部熱風循環(Hot Air)的精密加熱架構示意。圖/Kurtz ersa,宜特科技重製

(四) 不傷板清理殘留焊錫:

晶片移除後,電路板上仍會留下殘錫,傳統人工除錫可能增加焊墊受損的風險。自動吸錫技術則能以完全不接觸 PCBA 的方式,自動把殘錫吸取乾淨,徹底杜絕手工除錫帶來的焊墊損壞缺陷 。

三、實際案例分享

宜特經常收到客戶緊急送修、搭載大型 AI晶片的高價伺服器主機板。為了兼顧「高精準貼裝」與「無損維修」,以下是我們將核心技術應用在真實案例的分享。

-----廣告,請繼續往下閱讀-----

案例一:大尺寸晶片(> 90 X 90 mm)光學對位貼裝

客戶研發出一款全新的超大尺寸AI晶片,常規SMT(表面黏著)產線根本無法精準貼裝,也會擔心焊接過程溫度不均,導致高價晶片損壞,而以下是我們針對大型晶片的貼裝流程建議。

大尺寸晶片(> 90mm x 90mm)貼裝流程。圖/宜特科技

1. 精密光學重疊對位(Optical Superposition):
在實機對位時,系統配置了5 MP GigE高解析彩色相機,利用光學影像重疊技術,將晶片接腳(下圖的橘點)與電路板焊墊(下圖中的綠方塊)的影像同時呈現在螢幕上。
工程師就能非常直覺地在畫面上進行Theta角度微調(旋轉修正與 X-Y 軸向微對齊,將貼裝精度控制在極精準的±25 μm以內。當對位完成,真空吸嘴便會自動放開,安全地將元件放到極其精準的座標上。

高精度光學影像重疊(Optical Superposition)對位原理,是系統利用分光鏡(Beam Splitter)與雙LED光源,同時捕捉上方晶片接腳(橘點)與下方電路板焊墊(綠方塊)的影像,將兩者即時重疊於螢幕中,協助工程師進行極其直覺且精準的對位微調。圖/Kurtz ersa,宜特科技重製
IC對位微調補償機制(Alignment Correction)。系統在影像重疊後進行兩階段修正:1. Theta軸向調整(Theta adjustment),旋轉校正晶片角度偏差;2. X-Y 軸向調整(X-Y adjustment),進行前後左右的水平線性對齊,確保晶片錫球與PCB焊墊達到精密接合。圖/Kurtz ersa,宜特科技重製

2. 即時溫控多點監控(Real-time Profile):
在焊接階段,系統採用大功率紅外線(IR)與熱風循環複合加熱。我們在電路板上拉出多達7個位置的溫度感測線(熱電偶),在螢幕上即時繪製動態溫度Profile曲線。此技術能確保這顆超大晶片的每一處受熱都完美均勻,徹底杜絕了傳統加熱不良導致的翹曲(Warpage)、零件損壞或焊接問題。

實機運作時,透過多達7組熱電偶拉線進行的Real-time Profile即時溫度曲線監控,確保巨型基板受熱完全均勻、避免板翹。圖/Kurtz ersa

案例二:高價大尺寸 BGA 元件無損重工返修(Rework)

當客戶測試完的 AI 伺服器主機板上的大尺寸晶片,因焊接不良需要更換。此時最擔心的是拆下舊晶片後,人工清理電路板殘錫可能會刮傷、扯斷脆弱的焊墊(Pad),導致整片百萬級主機板報廢。
針對此案例,我們以自動無接觸的除錫手法解除了人工除錫可能刮傷焊墊的問題,將焊墊損傷機率降為零,讓後續重新貼裝(Remount)的新晶片能夠再次擁有完美的焊接基底。

-----廣告,請繼續往下閱讀-----
晶片重工返修流程。圖/宜特科技

四、自動無接觸除錫技術(Auto Scavenger):

當系統自動將舊晶片安全解焊並移除後,電路板上留下了參差不齊的殘錫。此時,「Auto Scavenger 自動吸錫模組」立即啟動。這是一個完全獨立的智慧模組,不需要操作人員費時設定。吸嘴會自動下降至板材上方,在「完全不與PCBA發生物理接觸」的前提下,自動、快速地將殘留焊料吸取乾淨。

(從左到右)顯示了從開始拆拔BGA到焊料吸取,再到完全去除殘留焊料的過程。圖/宜特科技

隨著 2.5D/3D 先進封裝技術發展,AI 晶片越做越大、成本也越來越高,一旦焊接出問題,直接報廢的代價可不小。如何在不傷害晶片與電路板的情況下完成返修,並確保後續使用的穩定與可靠,也成為 AI 晶片製程中越來越重要的一環。

本文出自 www.istgroup.com

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

宜特科技_96
27 篇文章 ・ 6 位粉絲
我們了解你想要的不只是服務,而是一個更好的自己:) iST宜特自1994年起,以專業獨家技術,為電子產業的上中下游客戶, 提供故障分析、可靠度實驗、材料分析和訊號測試之第三方公正實驗室

0

0
0

文字

分享

0
0
0
AI 進雞舍,感測器顧豬場:科技如何成為畜牧業的最佳幫手?
鳥苷三磷酸 (PanSci Promo)_96
・2026/09/05 ・3583字 ・閱讀時間約 7 分鐘

從仰賴人力巡視、憑經驗判斷,到導入感測、影像辨識、聲音分析與 AI,智慧畜牧正逐步以數據支撐養殖決策。(圖片提供:Shutterstock)

過去,養雞農得在半夜走進雞舍,靠耳朵分辨雞隻有沒有出現「囉音」(呼吸道疾病的特有聲音);但農民時間有限,一天頂多進雞舍巡三次,而打噴嚏、咳嗽這類異常聲音,又常和背景噪音太相似、不夠明顯,「漏聽」幾乎在所難免。

如果有一套系統能全天候守在雞舍,不僅聽見異常聲音,還能透過影像觀察雞隻狀態、同步記錄體重,情況會不會有所不同?這正是「智慧監測走進畜牧業」的真實場景。

透過感測、影像辨識、聲音分析與 AI,畜牧養殖管理,已經逐步從仰賴人力巡視、憑經驗判斷,轉向以數據支撐的決策;智慧畜牧不只能提高生產效率,也能改善動物福利與整座牧場的生物安全。

本文從家禽到豬隻,採訪兩位長期投入智慧畜牧管理的研究者:國立中興大學生物產業機電工程學系蔡燿全副教授以及國立臺灣大學生物機電工程學系郭彥甫教授,探討科技如何成為畜牧業的最佳助手。

-----廣告,請繼續往下閱讀-----
透過機器視覺與深度學習,系統能辨識母豬的姿態,量化進食、站立與哺乳時間,協助豬農及早發現健康異常。(圖片提供:臺灣大學生物機電工程學系郭彥甫教授)

科技接手觀察,補上人力巡視極限

「如何客觀量化健康指標,其實相當困難。」蔡燿全副教授指出,人工巡視的限制,在於「人不可能一直在現場」。以雞舍為例,雞隻體重反映健康狀況,但用「肉眼估算」並不精準,原因出在羽毛會隨當下溫濕度蓬鬆變化;至於雞隻的消化道疾病,則要看肛門與糞便,但「異常聲音」要在夜深人靜的半夜靠「人耳」去分辨,這些都是雞農單靠人力會存在的侷限。

養豬也是。郭彥甫教授指出,過去豬農評估一欄豬的健康狀態,多半是走進去、用肉眼看一下,母豬花多少時間吃料、站立、有沒有在哺乳,無法精確量化判讀。

靠肉眼、人耳判讀,既消耗人力、又不夠精準,因此,智慧畜牧把這些工作交給機器,透過感測器接手觀察,目標在於「及早發現」。

以雞舍為例,機器讀的是「身體徵象」。

-----廣告,請繼續往下閱讀-----

蔡燿全副教授指出,透過「家禽監測系統」,在雞舍裝設麥克風、攝影機與秤重平臺,把叫聲、雞冠與雞眼的顏色、體重,連同溫濕度、風速、氣體等環境資料,一併轉成可判讀的數據。

以體重為例,當雞隻走上秤重平臺,秤出幾隻的總體體重後,平台上方的攝影機,再以AI影像辨識方式,辨識出秤重平台上的雞隻數量,進而換算出雞隻的平均體重,更進一步的做法是,只要在雞舍中央架一臺主機,建立「影像輪廓對應實際重量」的關係,雞舍的其餘角落,只需由上往下拍的攝影機(不必裝設秤重平臺),單靠影像就能推算體重。這也同步解決了動物福利的問題:不必再人工抓雞懸掛量重,對雞隻的干擾降到最低。

在豬舍方面,機器讀的則是「行為與姿態」的動態變化。

郭彥甫教授指出,只要在母豬分娩欄後方架設攝影機,以機器視覺與深度學習,辨識母豬的姿態,量化牠花多少時間進食、站立與哺乳,同時逐隻追蹤欄內仔豬的移動,把狀態分成哺乳、休息與活動三類。當母豬把乳頭壓住、遲遲不讓仔豬吸奶,又不太進食,系統就能標記出這頭母豬已接近生病,整欄仔豬可能跟著吃不到奶、活動力下降。這些畫面,都讓長期被關在窄欄、行動受限的母豬處境,能夠直接被機器紀錄、透過數據化被豬農看見。

-----廣告,請繼續往下閱讀-----

專家教會 AI 讀懂異常,監測從記錄升級為預警

但機器「看得到」只是第一步,「讀得懂」則要靠人與 AI 協作。

以豬舍的應用場景為例,郭彥甫教授指出,AI的機器學習過程,得先由「人」在影像裡,把豬一隻一隻單獨標註起來,累積上千張影像之後,提供給AI學習、訓練,確保AI能夠「讀懂」之後,之後就由機器接手,自動辨識每一隻豬;例如有些小豬在吃飼料、有些在喝水、有些在打架、互咬;郭彥甫教授指出,這套AI 辨識仔豬「日常行為」的準確率已達到91.36%,等於在100隻仔豬中,AI就能精準判讀出91.36隻的行為模式。

雞舍的場景也是同樣邏輯。蔡燿全副教授解釋,透過預先架設機器在雞舍,進行現場錄音,接著以濾波去掉雜訊、把聲音切成小段,再請專家逐段標註,哪些是正常叫聲、哪些是異常囉音,取出聲紋特徵之後,再餵給AI機器學習,訓練出辨識模型。

當機器學會判讀後,監測的價值就能直接從「記錄」,升級為「預警」。

-----廣告,請繼續往下閱讀-----

舉例來說,雞舍的聲紋辨識系統,由於是24小時錄音,在農民尚未察覺、還沒記錄到異狀之前,系統就先發出「偵測到異音」的預警,不會等到農民到現場查看才發現。此外,影像辨識系統則可以預先偵測到人眼較難察覺的雞眼異常(雞眼異常後2至3天會出現較高死亡率),等於替農民爭取到提早3天處置的黃金時間。

預警換來實際效益。蔡燿全副教授表示,根據合作雞農的回饋,導入這項系統之後,育成率可提升約3%,因為透過系統24小時不間斷監控,農民更能做到「及早發現、及草治療」,提高雞隻「從飼養到出貨」生命週期的完整性。此外…….傳播途徑。蔡耀全副教授補充,傳統雞隻育成率大約落在80%,導入系統這幾年來,育成率持續提升,近年來已經逐步成長至85%至87%。此外,因為農民不再需要頻繁進出雞舍,也切斷了病原透過人腳、野鳥糞便帶入的傳播途徑。蔡耀全副教授補充,傳統雞隻育成率大約落在80%,導入系統這幾年來,育成率持續提升,近年來已經逐步成長至85%至87%。

豬舍也是。郭彥甫教授指出,量化母豬的姿態與哺乳行為,能夠提早判斷牠是否接近生病,另一方面,系統對仔豬群體活動力的追蹤,則讓農民能夠更早察覺「一頭母豬不好、整欄仔豬跟著受影響」的連鎖效應,進而提早做出相對應的準備措施。 科技帶來的好處,除了提前預警,減少人為疏漏,當農民的巡視工時下降、勞動強度減輕,也能間接讓更多青年農民,願意回鄉接手畜牧場。

雞舍聲紋辨識系統可 24 小時錄音,在農民察覺異狀前發出預警,影像辨識也能提早發現人眼較難察覺的雞眼異常。(圖片提供:Shutterstock)

技術到位、市場未到,智慧畜牧的應用挑戰

然而,儘管智慧畜牧的技術持續進步,但要真正落地應用並普及化,目前仍有待跨越的門檻。

-----廣告,請繼續往下閱讀-----

「因為農民沒有 IT 部門。」蔡燿全副教授點出了智慧畜牧最大的門檻:推廣難度高。

他解釋,老一輩農民對科技熟悉程度較低,一旦網路不穩、甚至插頭沒插上的小狀況,原廠可能就得親自跑一趟畜牧場,服務成本相當高,再加上臺灣市場規模有限,負責落地推廣、技術轉移的農業科技公司,意願自然不高。

此外,「農民投入意願」也是一大門檻。「如果這個科技一定可以幫他賺到錢,他就會樂意接受。」郭彥甫教授觀察,豬農評估導入系統的關鍵,在於能不能幫他「賺到更多錢」,而非只是「節省時間和勞力」,「如果只是省下勞力,農民多半會傾向自己來、或是另外聘請人力。」臺灣雖然在2020年就從口蹄疫除名,但近年來面對周邊國家持續存在的非洲豬瘟等疫情風險,豬農對外部人員(智慧農業團隊、農業科技廠商等)進出格外謹慎,都讓智慧畜牧的應用落地,還需要更多溝通與推廣。

最後一道判斷留給人,「資料治理」智慧畜牧下一步

換句話說,智慧畜牧的技術本身,其實已經備妥,唯獨產業與市場的節奏,還需要時間跟上。

-----廣告,請繼續往下閱讀-----

從雞舍到豬場,感測與 AI 接手了「看」這件過去只能靠人力與經驗撐著的工作,效率、動物福利與疫病防線,也因此被重新畫過一遍。

值得一提的是,兩位研究者不約而同都將「最後一道判斷」留給了人:雞隻該不該投藥、母豬難產怎麼處置,這類牽涉責任的決定,仍由農民與獸醫拍板,AI 負責的是更精準的監測、讓異常更及早被發現。

隨著愈來愈多養殖現場,開始累積這些數據,郭彥甫教授預測,「資料治理」將是畜牧業下一步的趨勢。他解釋,當養殖場規模擴大、不常親臨現場的經理人將更依賴簡單直觀的報表,掌握場內狀況;而這些累積下來的數據,還能推估產量、預估禽隻出場時機,同時對接市場價格,做出更合適的決策。

資料來源

-----廣告,請繼續往下閱讀-----
  1. 中興大學生物產業機電工程學系蔡燿全副教授
  2. 臺灣大學生物機電工程學系郭彥甫教授

原文連結:https://pse.is/9k7pkt

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
250 篇文章 ・ 320 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia