2

5
0

文字

分享

2
5
0

別用鉅額遺產寵壞下一代!——越有錢就越不想努力的「卡內基效應」

安比西林_96
・2022/02/01 ・2427字 ・閱讀時間約 5 分鐘

-----廣告,請繼續往下閱讀-----

身為現代資本主義社會中的絕大多數人,我們都需要用時間、勞力與智識來換取報酬。被工作壓力折磨,或是苦苦加班的夜晚,你我可能都曾忍不住想「阿姨我不想努力了」,或是希望可以買張彩券,希望某天中頭獎……不過你知道嗎?獲得大筆財富,對個人或社會而言,卻未必是件好事。我們無法用科學證明金錢是否會腐蝕人的靈魂,但統計研究顯示:獲得巨額財富,真的會讓人傾向變得不想努力——這都要從「卡內基效應」開始談起。

富可敵國的鋼鐵大亨,擔心太多錢會把小孩養廢

「卡內基效應」並非源自大家熟悉的社交溝通大師戴爾.卡内基(Dale Carnegie),而是另一位卡内基—— 19 世紀的鋼鐵大亨安德魯.卡内基(Andrew Carnegie)(而且前者原本的姓氏其實是 Carnegey,後來才改成與當時這位鋼鐵巨擘讀音相近的 Carnegie)。這位被視為人類近代史上第二大富豪的安德魯 · 卡内基,在《財富的福音》一書中,主張富人有責任改善社會福利,也是累進稅的支持者。

所謂累進稅(progressive tax),即為隨著所得財富額增加,而逐級提高的稅金。累進稅如奢侈品營業稅、遺產與贈與稅[註 1]存在的目的,就是為了改善貧富不均的現象。對富人課重稅,除了能增加國家財政收入,也是為求社會上的每一個體,都能夠機會均等的發展而生,避免人生 RPG 中出現瘋狂加裝外掛的課金玩家,造成各種不公平。

卡内基認爲,一個人在死時還擁有巨額財富是一種恥辱。所以臨終時他散盡家財,將九成身家都捐作慈善用途。卡内基沒有留下什麽遺產給自己的兒女,除了出自富人應造福社會的使命感,恐怕還有另一個擔憂——擔心太多的財富,會把下一代養廢!他曾説過:「父母遺留大筆財產給下一代,將會扼殺他的才華與精力,使他無法活出原本也許更有用、更有價值的人生……」。因此「卡內基效應」(Carnegie effects),即指繼承或受贈財富,將損害個人能力的觀點

安德魯.卡内基認為父母若是遺留大筆財產給下一代,將會扼殺孩子的人生。圖/Wikipedia

上哪去找身懷鉅富的樣本?研究團隊有新招

卡內基效應聽起來很符合人性,畢竟當錢多得可以不愁吃穿,有誰還會想上班?但現實中,真的存在這樣的效應嗎?要探討大筆金錢對人造成的影響,最好的研究對象,莫過於獲得巨額遺產的繼承人了。

-----廣告,請繼續往下閱讀-----

然而過去,卡内基效應的研究一直都不易進行。一來是樣本有限(含著金湯匙出生或一夜暴富的人終究是少數),另一個困難點則在於:如果繼承者從一開始,就預期自己能獲得一筆財產,便很難辨識這筆財富對其個人能力所造成的影響大小。

但  2019 年來自挪威的研究團隊,採取了不一樣的策略。他們並非針對單一個體獲得遺產前後的行為進行觀察,而是去比較有獲得遺產者和無獲得遺產者,利用全國人口的海量數據,分別在「薪資收入」、「工作時長」、「是否提早退休」這三個指標上的差異,來探討不同因子如年齡、性別或教育程度,是否與卡内基效應有關。

年輕人和老年人最易被動搖,有沒有結婚和小孩也很關鍵

研究者收集 1997 年至 2010 年、橫跨 13 年之長的全國人口數據,將特性相近的個體,在未獲得遺產前進行互相匹配。在相同時間軸上,他們比較了獲得遺產前六年與獲得遺產後六年,兩兩個體在勞動行為上的差異,以衡量卡内基效應的大小。

結果顯示,卡内基先生的擔憂是會真實發生的:獲得更大筆遺產的人,在繼承後的前六年,勞動力供應就出現顯著減少。這對青年(21~42 歲)與老年(56~60 歲)族群的作用更甚,前者在繼承遺產後兩年,工作的薪資收入就明顯下降後者的薪資收入則隨著時間逐漸降低,且比無繼承的人有提早退休的傾向

-----廣告,請繼續往下閱讀-----

除了年齡,婚育狀態也與卡内基效應有關。單身繼承者所降低的勞動力,比已婚、有小孩的繼承者來得更多。研究者推測,財產繼承者如果也有直系繼承人,就會認為自己也有責任義務,將所獲得的資產福利延續下去,因此才會繼續維持在市場中的勞動力。

這樣的研究結果,也為各國徵收遺產及贈與稅,作為改善「卡內基效應」的工具提供了實證。支持方認為,遺產及贈與稅的徵收,不僅可以提高國家的稅收、促進財富的公平分配,還可以降低大筆資產扼殺下一代能力的機率。此外,這也會促使被繼承者,為了維持稅後一定水準的遺產及贈與,更賣命地打拼,維持勞動力供應,對國家整體而言也是良性助益。

結語

一筆巨大的財富,對接收者而言,究竟是祝福,還是詛咒?挪威的大規模調查研究告訴我們,卡内基效應確實有統計上的證據,但仍會受各種因素左右。站在徵稅的效率面(矯正資源錯誤配置,提升經濟效率)與分配公平面(改善所得與財富分配不均)的角度,對巨額財富如遺產課重稅,也有其正當合理性。雖然常言道「金錢乃身外之物」,但如何與金錢維持健康合宜的關係,不受其負面影響而讓它能發揮最大益處,是我們一輩子重要的人生功課。

如何與金錢維持健康合宜的關係是重要的人生功課。 圖/Pixabay

備註

  1. 根據中華民國遺產及贈與稅法,不論財產金額大小,只要繼承遺產,都需先申報遺產稅。一般來説,遺產淨額在兩千萬元内不會被課稅,而跨過這個門檻,遺產越多,就會被課越多稅:超過五千萬元至一億元的遺產淨額,會被課五百萬元,加超過五千萬元部分之百分之十五;超過一億元者,除了課徵一千二百五十萬元,還必須繳納超過一億元部分之百分之二十。

參考文獻

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
安比西林_96
10 篇文章 ・ 9 位粉絲
本職為生態環境領域的可撥煙酒生。 不定時掉落科普文章。 大家一起嗑科科(❍ᴥ❍ʋ)

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。