1

6
0

文字

分享

1
6
0

什麼是 SPAC? ——「特殊目的收購公司」如何推動新太空產業?

黃 正中_96
・2021/12/24 ・3125字 ・閱讀時間約 6 分鐘

  • 文/黃正中|國家實驗研究院國家太空中心研究員

今(2021)年,太空新聞(Space News)將年度太空新聞獎(SpaceNews Awards)[1]之一,頒給了特殊目的收購公司(Special-Purpose Acquisition Company,簡稱 SPAC)。SPAC 是在美國資本市場特有的一種金融工具[2],俗稱空白支票公司,專注於協助科技、電動汽車和綠色能源這些最為熱門的領域上市;自從新冠肺炎流行以來,推動新太空新創公司上市,重塑了太空創業領域。

太空企業是資本密集的產業,傳統資金來源透過創投公司投資。在過去,公司持續發展到上市規畫時,是經由首次公開發行(Initial Public Offerings,簡稱 IPO)程序,透過銀行或證券公司辦理。推廣活動需要較長時間,而且對於較小的公司來說,所收取的佣金或專業費用非常昂貴。有些公司發展到一定的規模,考慮直接上市(DRO),不創建新股,僅在不涉及承銷商的情況下發行、出售現有的流通股。

SPAC 是什麼?

SPAC 沒有本身的業務,而是合併或收購公司,使小公司更輕鬆、更經濟、更快速地上市, 如表一:

SPAC 傳統 IPO 直接上市或 DPO
是一家公開交易的收購公司是私人公司上市的流程是私人公司上市的流程
通過首次公開募股籌集資金向公眾發售新股無需中介,直接向公眾出售股票
擬收購符合投資策略的私人公司從公眾投資者籌集新資金無需路演(roadshow)、投資銀行或承銷商
收購私人公司,然後在不支付 IPO 費用的情況下上市需要針對機構投資者的推介活動(roadshow)和承銷商,可能很昂貴投資者沒有鎖定期或持有期
表一:資本市場金融工具比較。表/黃正中整理

自 2020 年秋季以來,有十幾家太空產業公司,選擇通過與 SPAC 合併上市。目前 SPAC 已經協助 7 家太空新創公司成功上市,所涵蓋的領域包括遙測影像、小型火箭、太空旅遊以及太空運輸等。

透過 SPAC 成功上市的太空公司

圖一:BlackSky 遙測影像新創公司紐約證券交易所上市。圖/BlackSky
  1. BlackSky 遙測影像新創公司(圖一),成功通過與 SPAC 合併籌集資金,在紐約證券交易所,成為上市公司[3]。BlackSky 公司在今年底前,將其遙測衛星星系的規模增加到 14 顆衛星,針對地球主要人口稠密地區,每一小時訪問、監測一次,並規畫於幾年內,發展為 30 顆高解析度的多光譜衛星系,每 30 分鐘監測一次地球。衛星數據應用包括國防、農業或森林管理、保險理賠,環境汙染控制等。
  2. Spire Global[4] 新創公司透過收集海上船舶、飛機的軌跡跟蹤訊號,以及類似福三和福七的無線電掩星資料,分析 110  多顆地球觀測立方衛星提供的數據,並透過 SPAC 合併後,在紐約證券交易所上市,Spire 公司從交易中籌集資金以擴大業務,包括野火預測、船舶跟蹤、保護海洋生物、精準漁業、海洋航行與天氣預報等。
  3. Planet(圖二)和 Satellogic[5] 是另外兩家遙測資訊和分析市場的地球觀測衛星公司,它們與 SPAC 合併上市後,籌集大量資金,提供衛星數據收集,並且通過衛星影像,跟蹤港口和其他地方的貨物流動,可用於評估經濟。
  4. 新創火箭實驗室(Rocket Lab,圖三)公司透過 SPAC 合併上市,籌得數億美元的資金,並將其用於開發新型、可回收的 Electron 小型火箭以及 Neutron 中型火箭。
  5. 小型火箭開發商維珍軌道(Virgin Galactic)公司在今年 7 月完成首次的太空旅遊,隨即在 8 月宣布將通過與 SPAC 的合併上市,其中包括波音公司的投資,這些資金將用於擴大 Virgin Orbit 的 LauncherOne 火箭製造。
  6. 太空運輸公司 Momentus 開發第一艘太空軌道間的 Vigoride 運輸船,規畫在 2022 年中為 SpaceX 的 Transporter-5 專用拼車任務飛行。
圖二:Planet 公司的 Dove 遙測立方衛星。圖/Planet

SPAC 投資了太空創業領域,大量資金流入初創公司,同時投資者通過收購或首次公開募股,收回資金和投資回報,沒有傳統 IPO 的開銷。SPAC 不只是一張空白支票,新創公司在上市前都會規畫資金的用途。

-----廣告,請繼續往下閱讀-----
圖三:火箭實驗室可回收 Electron 火箭發射。圖/Rocket Lab

透過 SPAC 上市有什麼風險?

雖然 SPAC 是一種更快的上市方式,但即使 SPAC 交易進展順利,上市後業務進展,也未必一帆風順。例如,美國 Astra 小型火箭新創公司,雖透過 SPAC 合併上市,火箭發射仍多次失敗。

又例如維珍銀河公司,尚未開始商業服務,並且實際上沒有收入紀錄,但在 SPAC 協助上市後,股價反覆飆升和下跌。因此,對於每家可能與 SPAC 合併的公司來說,有更多的公司願意接受上市的負擔和風險,以換取大量資金。

對 SPAC 合併的興趣下降[6]

儘管今年 SPAC 的合併主導了太空產業,卻出現了疲軟跡象,包括 SPAC 合併中,並發融資的規模縮小,例如:Rocket Lab 上市獲得 4.7 億美元投資;相比之下,Terran Orbital 於 10 月通過 SPAC 合併上市,僅獲得 5,000 萬美元的投資。

第二個因素是贖回率上升,SPAC 的股東尋求收回資金,而不是持有合併公司的股票。今年稍早,整個市場的贖回率約為 10%,但到 11 月已增長到 70%。

-----廣告,請繼續往下閱讀-----

SPAC 持續吸引投資

雖然興趣下降,只要有新穎投資標的與題材, SPAC 還是會持續吸引投資,合併太空產業新創公司,並協助其上市。最新的 SPAC 投資協助建造大量生產小型衛星的 Terran Orbital 公司[7],計劃通過 SPAC 合併上市,為商業和政府客戶製造、運營衛星。

在 SPAC 合併上市之前,Terran Orbital 公司已經獲得了包括洛克希德馬丁(Lockheed Martin)、AE Industrial Partners 等多家公司投資,計畫在佛羅里達州的 Merritt 島上,建立一個全球最大、大批量創新製造小型衛星的工廠(圖四),每年可生產 1,000 多顆衛星。

Terran Orbital 還規劃建立小型合成孔徑雷達地球觀測衛星星系,可以快速訪問白天和黑夜捕獲的全球影像,未來也將開發下一代人工智慧和太空產品。

除此之外,美國 Tomorrow.io 新創太空觀測氣象公司,宣布將通過 SPAC 交易在 2022 年中期在納斯達克上市,所得款項將用於支持大約 32 顆小型衛星星系的計劃。Tomorrow.io 太空觀測技術與我國福衛三號、七號上的無線電掩星酬載類似,未來將提供天氣和海洋觀測,包括詳細的全球降水覆蓋,平均每小時一次的速度收集數據,並將建立天氣智慧平台。

-----廣告,請繼續往下閱讀-----
圖四:Terran Orbital 在佛羅里達州的新工廠。圖/Terran Orbital

結論

太空企業是資本密集型公司,新創太空公司可能會受到整體資本下降受到影響,包括通貨膨脹和利率等更廣泛的經濟問題。在新冠肺炎(COVID-19)流行期間,特殊目的收購公司趁勢崛起,推動新太空產業,幫助新創公司上市,籌資研發新產品,扮演著重要的角色。這也是美國新創太空產業蓬勃發展的重要推手之一。因此,今年度太空新聞獎,頒給了純粹資金運作,推動新太空的特殊目的收購公司。

參考資料

  1. Live Event: The SpaceNews Awards and year-end panel discussion    
  2. 特殊目的收購公司-SPAC 介紹
  3. Now officially a public company, BlackSky moving to expand sales and marketing
  4. Spire Global joins rush to public markets with $1.6 billion SPAC deal
  5. Satellogic to public through SPAC deal
  6. Interest in SPAC mergers declining
  7. Terran Orbital plans to go public through SPAC merger
文章難易度
所有討論 1
黃 正中_96
8 篇文章 ・ 7 位粉絲
國家實驗研究院國家太空中心研究員。勿忘對科學研究的熱情,勇敢築夢,實現夢想…...

0

1
2

文字

分享

0
1
2
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 54 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

1

1
1

文字

分享

1
1
1
這些太空垃圾會不會阻礙我們太空旅行?太空垃圾怎麼清? 
PanSci_96
・2024/05/29 ・5682字 ・閱讀時間約 11 分鐘

人類上太空的夢想會被我們親自摧毀嗎?

隨著火箭成本降低,人人都能把衛星丟上太空,現在,當你晚上抬頭看天空,你看到的星星可能不是星星,而是人造衛星。你看到一閃而過的的流星,可能只是墜入大氣的太空垃圾。

這些多到不行的太空垃圾已經成為隱憂,更可怕的是,這些以超音速飛行的太空垃圾可能摧毀其他衛星,在衛星軌道上製造更多不可預期的致命飛彈。有人擔心,人類終有一天會無法穿過這片垃圾雲,天空永遠被自己封閉。 終於,有人提出清理太空垃圾的方法了,但這些方法真的可行嗎?

現在的太空垃圾有多少?

最大的太空垃圾可能是整節火箭!

所有在繞行地球的軌道上失去功能的東西,都會成為太空垃圾,最大的包含壞掉的衛星、和大量運送衛星上太空的第二節推進火箭,例如 1960 年代太空競賽時大量發射的火箭,有許多至今還在宇宙遊蕩,每一個都像公車一樣大。而小東西,則包含太空人在太空漫步時遺忘的東西,或是太空垃圾互相碰撞後產生的碎片,最小可能只有數毫米,小的像隻蚊子。但不論太空垃圾來自哪裡,只要缺乏妥善的管理和追蹤,就可能成為其他運作中設施和儀器的致命血滴子。

-----廣告,請繼續往下閱讀-----
所有在繞行地球的軌道上失去功能的東西,都會成為太空垃圾,最大的包含壞掉的衛星、和大量運送衛星上太空的第二節推進火箭。
圖|PanSci YouTube

為什麼說太空垃圾真的很危險?

為了不被地心引力拉入大氣,墜向地球,在軌道上繞行地球的物體大多都以非常快的速度在移動,包括現在還在運作的衛星與各種設施。舉例來說國際太空站位於距離地球表面四百公里高的近地軌道(Low Earth Orbit),以大約每秒 7 ~ 8 公里的速度高速移動,是地表音速的 20 倍。也就是說,太空上的車禍可嚴重多了,來自不同方向或不同傾角的物體,可能會以超過每秒 10 公里的相對速度發生碰撞。別說公車大小的太空垃圾了,只要直徑超過 1 公分的碎片就足以對太陽能板或玻璃造成損害。更麻煩的是,大小在 10 公分以下的物體,大多還因為尺寸過小難以追蹤。

那麼,我們的頭上有多少太空垃圾呢?

根據歐洲太空總署 ESA 的資料,目前軌道上有 6800 個運作中的衛星,相對的有超過 3 萬 2千個可追蹤的太空垃圾。但如果估計所有無法追蹤的物體,大於 10 公分的物體可能有超過 3 萬 6 千個,介於 1 公分到 10 公分的則高達一百萬個。

根據歐洲太空總署 ESA 的資料,目前軌道上有 6800 個運作中的衛星,相對的有超過 3 萬 2 千個可追蹤的太空垃圾。但如果估計所有無法追蹤的物體,大於 10 公分的物體可能有超過 3 萬 6 千個,介於 1公分到 10 公分的則高達一百萬個。
圖|PanSci YouTube

在這些太空垃圾中,大多數大型太空垃圾就是來自發射衛星後,一起留在太空的第二節推進火箭,小型太空垃圾則來自火箭爆炸或各種大大小小碰撞所產生的碎片。

太空上曾發生過嚴重的太空垃圾碰撞事件?

歷史上比較嚴重的一次撞擊事件發生在 2009 年,銥衛星公司運作中的通訊衛星,重量 700 公斤的 iridium 33,和失效、重 900 公斤的蘇聯軍用衛星 kosmos 2251,在 789 公里的高空,兩台衛星以每秒 11.7 公里的相對速度直接撞上,化成了兩團在軌道上繞行的碎片團。

-----廣告,請繼續往下閱讀-----

NASA 估計,這單一次的碰撞產生了超過 2000 片可追蹤的碎片,雖然許多碎片受地球引力慢慢墜入大氣燒毀,但直到到 2023 年 2 月的統計,大約還有一半,也就是 1000 片碎片留在軌道上。過往也曾經觀察到碎片從距離國際太空站僅 100 多公尺的位置驚險掠過。

如何解決太空垃圾的問題?

太空垃圾又多又危險,真的有辦法清除嗎?

2023 年三月,NASA 發表一篇研究,整理了關於各種清理太空垃圾的方法與成本,包含從地面或太空發射雷射推動垃圾改變軌道,或是直接物理性撞擊改變軌道,還有透過捕捉垃圾,直接在太空將垃圾循環利用,作為燃料或其他用途的再利用等方法。

透過捕捉垃圾,直接在太空將垃圾循環利用,作為燃料或其他用途的再利用。
圖|PanSci YouTube

清理不同大小的物體,要用的方法跟產生的效益也不同,因此他們評估了針對兩種策略。第一種策略將會優先處理目前最大、最具威脅性的 50 個太空垃圾,例如完整的第二節火箭或是失去功能的完整衛星。第二種策略則是優先移除 1 到 10 公分的十萬個小型垃圾。NASA 分別評估處理這兩種目標帶來的效益,恩,所謂的效益,就是預估能減少多少因為太空垃圾碰撞而產生的損失。

要如何移除太空垃圾呢?

移除大型垃圾主要的方法主要是再入大氣層(re-entry),簡單來說就是讓垃圾落入大氣層燒毀。這個方法預計讓運送任務完成的火箭載具,透過剩餘的推進燃料,順手將其他大型垃圾帶下來。移除這 50 個大型垃圾預計總共會花費 10 億美金,但在移除 30 年後所帶來的效益,將會超過花費的成本,非常划算。

-----廣告,請繼續往下閱讀-----

至於小型太空垃圾,主要使用的方法將會是成本較低的雷射。藉由雷射產生的微弱動能來改變垃圾的軌道,將它們送入大氣層或推離常用的軌道。發射雷射的裝置可以設置在地面或是太空中,單純以使用效率來說,設置在太空所需要的能量較低,但是設置在地面維護和管理比較方便。然而這也衍伸了許多爭議,主要圍繞在這個清除垃圾的雷射也可以作為武器使用,例如在戰爭爆發時用雷射攻擊敵國的衛星。不過如果順利設置的話,清除十萬個小型垃圾後大約只要十年就可以達到等同於成本的效益,比移除大型垃圾能更快回收成本。

至於小型太空垃圾,主要使用的方法將會是成本較低的雷射。藉由雷射產生的微弱動能來改變垃圾的軌道,將它們送入大氣層或推離常用的軌道。
圖|PanSci YouTube

方法有了,但我們真的能讓太空再次乾淨嗎?

太空垃圾問題有解嗎?

現在的太空有多擁擠?

如果把歷史發射資料整理出來,會發現近五年人類的衛星發射數量幾乎是直線攀升,2012 年一整年全世界也只發射了 200 多顆衛星,到了 2022 年已經成長到一年 2000 多顆衛星。而且絕大部分都是來自於美國的衛星,想當然很大一部份都來自於 SpaceX 的星鏈計畫。而受益於獵鷹九號的高成功率和可回收造就的低廉成本,也能夠發射更多的中小型衛星,像是我們臺灣也發射了不少自主研發的立方衛星上太空,例如 2021 的「飛鼠」和「玉山」以及最近才剛發射的珍珠號立方衛星。

如果所有的衛星與火箭都會變成太空垃圾,我們清理垃圾的速度又不夠快,還有可能發生凱斯勒現象(Kessler syndrome),也就是碰撞產生的碎片引發連鎖反應,造成更多撞擊和更多碎片,讓不可控的太空垃圾快速增加,直到新的火箭與衛星都難以穿越,我們將無法前往太空,被自己的創造出的人造物封鎖在地球。

-----廣告,請繼續往下閱讀-----
如果所有的衛星與火箭都會變成太空垃圾,我們清理垃圾的速度又不夠快,還有可能發生凱斯勒現象(Kessler syndrome),也就是碰撞產生的碎片引發連鎖反應,造成更多撞擊和更多碎片,讓不可控的太空垃圾快速增加,直到新的火箭與衛星都難以穿越,我們將無法前往太空,被自己的創造出的人造物封鎖在地球。
圖|PanSci YouTube

治標也要治本,我們對於即將發射進太空的人造物能有套管理辦法嗎?

1967 年在聯合國通過並簽署的《關於各國探索和利用包括月球和其他天體的外太空活動所應遵守原則的條約》,簡稱為《外太空條約》。這個條約制定了各國在外太空活動所應該遵守的原則,其中和人造衛星有關的原則主要有三個:

  1. 國家責任原則:各國應對其航太活動承擔國際責任,不管這種活動是由政府部門還是由非政府部門進行的
  2. 對空間物體的管轄權和控制權原則:射入外空的空間物體登記國對其在外空的物體仍保持管轄權和控制權
  3. 外空物體登記原則:凡進行航太活動的國家同意在最大可能和實際可行的範圍內將活動的狀況、地點及結果通知聯合國秘書長

也就是說,雖然各國需要將太空活動回報給聯合國統計,但實際上在制定規範和進行管制的還是各國本身。以美國來說,分別需要和 FAA 聯邦航空總署申報火箭發射和再入大氣層的計畫,以及向 FCC 聯邦通訊委員會申報衛星的通訊規格,至於要如何避免在太空發生碰撞,是發射單位要自己負起責任,公部門只提供有追蹤的物體軌道資料。

如何避免在太空發生碰撞,是發射單位要自己負起責任,公部門只提供有追蹤的物體軌道資料。
圖|PanSci YouTube

不過對於衛星任務結束後的處置,FCC 倒是有相關的規定和罰鍰。因為如果衛星有動力系統,可以在任務結束時就控制墜入大氣層或飛離常用軌道,進到所謂的死亡軌道(Graveyard Orbit),而通常在申請發射衛星時,也需一併提供任務結束後的處置方式。

去年,衛星電視業者 Dish Network 沒有按照它在 2012 年所制定的衛星處置計畫,將衛星從離地 36000 公里的地球同步軌道再往外推 300 公里。這顆衛星在移動的半途中就燃料耗盡失去了動力,只離開原本的軌道 120 公里,FCC 因此對衛星電視業者開罰了 15 萬美元。這起首次針對太空垃圾的開罰,對於太空垃圾的管制具有重大的意義,代表著對太空垃圾危害性的重視,也代表著清理太空垃圾的商機正在逐漸成長。

-----廣告,請繼續往下閱讀-----

清除太空垃圾能有商業價值?

隨著商業化的太空活動逐漸熱絡,如何讓清理太空垃圾不只是空談也成了一個重要的問題。如果軌道上的垃圾減少,受益的會是所有使用軌道的衛星。就與現存的回收與垃圾處理方式一樣,我們可以規定所有衛星的生產者都必須繳交「太空垃圾處理費」,如果在發射的過程中產生額外的太空垃圾,則必須提高費率。相對的,如果一家公司提供清理太空垃圾的服務,則可以獲得這些「太空垃圾權」並換成對應的金額。

我們可以規定所有衛星的生產者都必須繳交「太空垃圾處理費」,如果在發射的過程中產生額外的太空垃圾,則必須提高費率。相對的,如果一家公司提供清理太空垃圾的服務,則可以獲得這些「太空垃圾權」並換成對應的金額。
圖|PanSci YouTube

另外,雖然目前對於在軌道上進行捕捉再回收的直接經濟效益並不突出,但如果未來在太空可以建立起專門的處理設施,或許可以作為一個長期的太空垃圾處理機制,沒想到吧,人類要成為跨行星文明的第一步,竟然是得先成立太空垃圾清潔隊。

不過話說回來,要讓各國政府願意砸大錢在太空垃圾回收產業可能還需要一點時間。畢竟相較於直接影響到生活的全球暖化,太空垃圾的危害並不那麼可怕,大型垃圾的撞擊也可以預測並提前避開,因此短時間內也還不會有明顯的感受,但如果你是需要觀測的天文學家,可能就覺得垃圾好礙眼了。

最後想問問大家,你覺得處理太空垃圾最好的辦法會是什麼呢?

  1. 向所有太空公司徵收處理費,培育回收業者,資本的事情資本解決。
  2. 從技術研發著手,火箭能回收,想必衛星回收技術很快也能做出來。
  3. 都別處理了,就等人類把自己鎖死在地球,宇宙垃圾就不會再增加了!

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

參考資料

所有討論 1
PanSci_96
1225 篇文章 ・ 2319 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

0
0

文字

分享

0
0
0
預測市場?預測股票?如何讓預測有更高的準確率?——《超越直覺》
一起來
・2024/05/04 ・1635字 ・閱讀時間約 3 分鐘

-----廣告,請繼續往下閱讀-----

我們發現在足球賽中,只要知道一個簡單的訊息(主隊過去的獲勝機率超過一半),預測力就會明顯好過隨便亂猜。如果再加上第二個簡單的訊息(勝負紀錄較佳的隊伍會略占優勢),可以再進一步提升預測力。除此之外,你可能還想收集其他訊息,像是四分衛最近的表現、球隊有沒有傷兵、明星跑衛的花邊新聞,但這些資訊對預測的幫助不大。換句話說,預測複雜系統這件事依循著「收益遞減定律」:第一個訊息很有幫助,但很快就找不到有幫助的其他訊息。

對於某些事件,我們當然會非常計較預測的準確性,像是投放線上廣告或投資高頻交易(HFT),可能一天內就要預測數百萬、數十億次,而且金額相當龐大。投入極大心力與費用、運用最精細的運算模型來開發複雜的預測方式,在那種情況下或許值得。但在其他商業領域,例如製作電影、出版書籍到發展新技術,只需要一年預測數十次、頂多數百次,而且這不過是整個決策過程中的一部分。這時,我們只要借助相對簡單的方式,就可以讓預測臻至完善。

預測時,不該只根據一人的意見就做決定——尤其是你自己的意見。雖然人們善於察覺與特定問題相關的因素,卻往往不會評估因素之間的相對重要性。譬如,預測電影的首映週末票房時,你可能會認為一些變項都是高度相關,例如製作費、宣傳費、上映廳數、試映會評價。沒錯。但我們要如何權衡「評價不優」與「額外行銷預算:一千萬美元」之間的比重?這沒有一定答案。同樣,在決定分配行銷預算的方法時,要如何判斷多少人會受到網路或雜誌廣告影響,又有多少人會從親朋好友那邊聽到產品訊息?我們也不清楚。唯一知道的是,這些因素都可能相關。

圖/envato

你可能會以為,精準判斷應該是專家的強項。但正如泰特洛克的試驗結果,專家在量化預測上的表現,其實跟普通人一樣糟糕,甚至可能更糟。然而,我們依賴專家之所以會成效不彰,不是因為專家的預測力跟一般人沒兩樣。問題在於,我們通常一次只會諮詢一位專家(否則何必找專家)。但我們應該要綜合多人的意見(無論是專家或非專家)再取平均值。至於要如何達成?這其實沒那麼重要。

-----廣告,請繼續往下閱讀-----

儘管預測市場有各種花俏的噱頭與技術,表現也比民調這類簡單方式好一點,但這種微小差異,還不如採用某種方式簡單綜合許多觀點再取平均。或者,我們也可以直接根據歷史數據,評估各項因素的相對重要性——這實際上就是統計模型在做的事。我必須再強調一次,雖然複雜模型可能會比簡單模型好一點,但兩者的差異小到幾乎沒有差別。到頭來,模型跟群眾所能達到的預測目的都一樣。第一,這兩種預測方式都要靠人為判斷,確認哪些因素與預測相關。第二,兩者皆需要估計、權衡那些因素的相對重要性。正如心理學家羅賓.道斯所言:「訣竅在於,找到要注意的變項,然後知道如何加入它們。」

只要一直使用這個訣竅,一段時間後,就會知道哪一些預測的失誤率較小,哪一些較大。舉例來說,當你要預測一個事件的結果,假如其他條件都相同,那越早做預測的失誤率就越大。不管你用什麼方法預測電影票房,在「剛開拍」時會比「上映前幾週」時要難得多。同樣,如果你想預測尚未上市的新產品銷量,那準確度可能不會高過預測已上市的產品。

你無法解決這個問題,唯一能做的只有:使用其中一種方式,或甚至結合幾種方式,就像我們研究預測市場時的方法,然後隨時觀察、記錄預測的表現。我在第 6 章開頭也提過,一般人通常不習慣追蹤自己的預測。我們做了大量預測,卻很少回頭檢視自己對了幾次。然而,留意並記錄預測成效或許才是最重要的事,唯有如此,你才能知道準確度是多少,進而知道自己預測的可信度。

——本文摘自《超越直覺》,2024 年 01 月,一起來出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

一起來
5 篇文章 ・ 2 位粉絲