鑽石行星

• 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？

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。

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：

• 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

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？

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。

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？

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?

（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）或。

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。

• 作者 / 凱瑟琳．埃班  (Katherine Eban)
• 譯者 / 高子梅

二○○七年十月 印度新德里

馬爾溫德．辛格的起步一開始並不順利。他父親是一位創業垂統的遠見之士，但他不像他父親，他知道自己的首要任務是幫股東們創造價值。他曾告訴印度的財經媒體：「我內心是個創業家，真正的創業家的終極目標就是要創造價值。」

但是要創造出長久的價值，就不像表面那麼容易了。二○○六年接管這家公司時，這位年輕的執行長立刻複習一遍他的企管碩士教戰守冊—積極尋找收購和結盟的機會。但就算他成功地製造出話題，根據《亞洲貨幣》（AsiaMoney）的說法，蘭伯西的損益表底線卻在「下降中」。蘭伯西不得不撤回收購德國最大學名藥公司的那場標案。後來又碰 FDA 的作梗。在他看來，美國的監管機關真的「很討人厭」，不管他怎麼保證公司一定會改革，怎麼暗示它們為這家公司留點面子，對方就是無動於衷。

在馬爾溫德的印度老家裡，你幾乎什麼問題都可以解決，不管是靠金錢來買通還是暴力威脅。就在五個月前，馬爾溫德的弟弟席溫德跑去堵一個很愛強出頭的心臟外科醫師，因為後者在一筆交易裡反對他重返辛格家族名下新德里的一家醫院。結果外科醫生上班的時候竟碰上幾近一百名的警力和多達一整個營的快速行動部隊，全都配備防暴用的催淚瓦斯和水灌車。

但在美國，你召集不到自衛部隊，而且 FDA 也拒絕讓步。身為蘭伯西最大股東的辛格兄弟發現這些問題已經有損他們的損益表底線。但就在這些紛擾當中，馬爾溫德注意到紐約有家公司的顧問傳了一則很有趣的訊息給他。日本製藥公司第一三共（Daiichi Sankyo）裡一個叫做宇根勉（Tsutomu Une，暫譯名）的傢伙想跟他談一下策略合夥的事。馬爾溫德嗅到了商機。

在離新德里四千英里外的東京，宇根勉博士正在全球各地尋找新的收入來源。身為全日本第二大藥廠第一三共全球企業策略資深執行官的宇根勉，想要打入公司尚未涉足的海外市場，譬如印度和東歐。他需要一個成本低廉但產值又夠大的合作對象。於是目光落在蘭伯西身上。

六十歲的微生物學家宇根勉是從醫藥創新領域裡的基層慢慢爬上來的。他在第一製藥公司（Daiichi Pharmaceutical Company）工作了三十幾年，並在該公司二○○五年與三共公司（Sankyo Company）合併之後繼續一路攀到高位。態度穩重又彬彬有禮的宇根勉從以前就有習慣把工作生涯的點滴內容記錄下來。

日本比任何一個國家都來得唯原廠藥是從，認為學名藥不值得信賴。這國家崇尚品質和衛生管理。儘管以前品質上曾受到鄙視，但它的現代製藥產業已不可同日而語，在品管上享有全球數一數二的地位。他們的藥丸必須是白色的，否則病患會存疑。宇根勉雖然是這塊謹慎招牌下的產物，卻也看出了日本製藥業的保守天性和對高成本研究的全心投入，將導致這個產業成長的趨緩。

從他的角度來看，在十一個國家設有製藥工廠、產品銷售遍布一百二十五個國家的蘭伯西，非常具有吸引力。它有眾多符合「先申請主義」的藥物申請案正在美國境內等待通過，其中仿製立普妥的學名藥勢必會是有史以來最賺錢的上市學名藥。第一三共的盤算是趁手邊還沒有暢銷藥（blockbusters）襲捲市場的空檔，先靠一批成本低廉的藥物產品來創造收入。蘭伯西似乎是一個絕佳的結盟夥伴，可以幫它達到這個目的。若是能很快完成收購，便可趕在下一季的投資者會議上撐起第一三共重創的股價。

在日本的董事會議廳裡，決策做成往往是靠共識的產生。所以宇根勉必須說服他的同僚們。

只是當第一三共的總經理小田剛（Takashi Shoda ，暫譯名）告訴他的同僚們，「印度會是一張王牌，可以讓一家日本製藥公司步上全球化。」這點子聽起來宛若空中樓閣。

對文化蘊涵向來敏感的宇根勉深知這種事要小心處理。蘭伯西不是一般的印度公司。它是一家有文化歷史的機構，是由顯赫的辛格家族創辦，已經傳了三代。現在掌權的是辛格家族裡的一位繼承人，他是受過美式教育的企管碩士，年紀只有他的一半多一點。但還好宇根勉在第一三共的地位算高，高瞻遠矚的見地向來受人敬重，商業頭腦也很受肯定。因此在二○○七年十月初，他首度伸出觸角，聯絡上蘭伯西在紐約的一位外聘顧問。

第一次對話後，不到三個禮拜，宇根勉和馬爾溫德就碰面了。銀髮整齊往後梳的宇根勉用日本腔很濃的英文開口說話。馬爾溫德措辭優雅、穿著訂製西服、包著頭巾和匹配的手帕，看上去泰然自若。他們的協商進行得很快，雙方訂好在新德里展開後續會談。宇根勉和馬爾溫德以保密方式保持聯絡，在內部報告和往來信件裡都使用「鑽石」這個代號來代表第一三共，「紅寶石」則代表蘭伯西。若有媒體詢問，便聲稱他們正在討論代工生產的協議內容。這種事情在業界很平常，並不稀罕，不會引起財經媒體的注意。

宇根勉首度伸出觸角後，又過了四個多月，兩方的對話已經從策略性合夥的議題提升到買斷協商。這位日本微生物學家和年輕的印度億萬富豪一直在股價和一些條款上討價還價。不過宇根勉對蘭伯西始終揮之不去的監管疑雲憂心忡忡。在雙方往返的電郵裡，宇根勉在律師們的指導棋下，不斷施壓蘭伯西必須詳述清楚該有的擔保、代表性與補償辦法，萬一蘭伯西的財務狀況不若馬爾溫德所保證的那樣，第一三共便可以控告對方違約。但馬爾溫德不斷擋住他的要求。最後宇根勉在一通電話裡告訴他，「我們的提問，你總是用『不用擔心』這種答案來打發，我的同僚們對此感到灰心。」同一天在第二通電話裡，馬爾溫德用他那一貫悅耳和平穩的聲音向這位科學家再三保證：「紅寶石無所畏懼，毫無過失。」

但是宇根勉仍有一些懸而未決的疑問。眾所皆知聯邦探員曾在二月突襲蘭伯西的美國總部，發出警告函抵制它的兩家主要工廠：帕奧恩塔薩希布和德瓦斯。但是沒有人知道這場調查的嚴重性究竟到什麼程度，或者這家公司的可能法律責任。馬爾溫德曾在電話裡詢問宇根勉：「你在擔心什麼？」宇根勉只能自行揣測美國司法部底下的檢察官和這世上最難纏的 FDA 監管人員到底在追查什麼。這是他的顧問們必須找到的答案。不到一個月，馬爾溫德和宇根勉在德里祕密會面，雙方都各自帶著律師和一小群高級主管。宇根勉明白表示，不管美國政府對蘭伯西進行的各種調查最後會查出什麼，都會影響第一三共的未來動作。但馬爾溫德表情淡定，保證會提供協助，對整個過程坦誠以對。他同意辦一場盡職調查會（due diligence meeting），將所有跟調查案有關的文件全攤在第一三共面前。

然後這位年輕的執行長就像把宇根勉當成自己人那樣，跟他說這些調查案的真正幕後推手是誰—輝瑞藥廠為了報復蘭伯西在立普妥專利權官司上的占盡優勢，於是透過某種手段對蘭伯西展開調查。宇根勉思索著他的說法，而蘭伯西智慧財產權顧問德斯穆克當時也出現在那群高級顧問裡，但他面無表情、沒有開口說話。

儘管馬爾溫德神情愉悅地再三保證蘭伯西「無所畏懼，毫無過失」，但這家公司基本上就是個隨時可能炸開的火藥桶。馬爾溫德很清楚這家公司最不可告人的祕密已經被記載在公司內部那份殺傷力最強的文件裡，亦即眾所皆知的自評報告（SAR），也就是拉吉達．庫馬秀給董事會看的那份批判內容毫不留情的 PowerPoint 簡報。

要是它已被徹底摧毀，馬爾溫德就不會有今天的處境。

• 文 | 貝鳶業如

變質隱喻

變質（「後來形成的」）岩石是岩石世界中少數的多語通曉者，一生至少曾在兩種不同的地質環境中居住過。這些岩石所代表的是多元文化，而非文化熔爐。變質作用與熔融無關，而與固態狀態下的再結晶有關，就跟粉狀的新雪被埋起並變得易碎一樣。因此，變質岩的結構和成分風格各異，是其所棲環境的混合產物，這使變質岩成為所有地質文章中最豐富的一種。

變質沉積岩是其中最易閱讀的一種，因為它們可能尚保有分層、漣漪紋，甚至化石等可見的特徵，於是可以由所形成的變質沉積岩（也就是它們的原岩，意為「第一岩石」）中分辨出此種岩石。這就好像你憑著耳朵上一道疤痕的形狀，而認出一位你自孩提時代後就再沒見過面的老朋友。但即便再結晶作用和變形作用已然抹去這些特徵，變質岩的成分還是記錄著自己的起源身分（雖然外貌變了，你的朋友還是記得很久以前的某個夏天，曾與你一同在海灘消磨時光）。

大理岩是由石灰岩加熱所形成，而這兩種岩石主要也都由方解石礦（碳酸鈣，CaCo）所組成。

大理岩之所以呈半透明狀，單純就是因為再結晶顆粒的平均尺寸較大之故。板岩、千枚岩和片岩是頁岩（泥岩）不斷經由高溫烘烤而成。晦暗無光澤的黏土會依變質作用壓力與溫度條件的不同，而形成閃亮的雲母、耐看的紫色石榴石或天藍色的藍晶石，全都是由原來黏土中本來就有的鋁和矽重組而成。

此類只在相當嚴格的物理條件範圍內才會形成的礦物，稱為指標性礦物，是烙印在岩石生涯旅程各個不同關卡的印記。地質學家研讀指標性礦物，便能夠就特定岩石從其起源一路追溯到最深的掩埋處所，再回到他當初無意間撿起這塊岩石的地表。像鑽石這種主要藉由壓力而形成的礦物，是良好的地壓計，提供了礦物形成之時，岩石所處深度的測量讀數。其他只在特定溫度下才會結晶形成的礦物，則被當成地熱計使用。這些受壓力和溫度影響的礦物即便在旅行前往地表時，依然是其宿主岩石的亞穩成分，這就像大雪堆在氣溫升至冰點上之後，還可以繼續存在一段時間。不過，從熱動力學的角度來看，鑽石不盡然恆久遠。與在地表的情況不同的是，鑽石會慢慢劣化成另一種平凡得多的碳結晶形態——石墨，也就是用來製造鉛筆芯的「鉛」。好在對珠寶商和客戶而言，鑽石劣化要耗去好幾段的地質時間。

指標性礦物是辨識岩石變質時構造環境的關鍵。在地球大陸地殼的洞穴裡，溫度會以每公里攝氏二十度的速率穩定上升。

此種變化在礦坑深處便可直接觀察得到，在礦坑的較深處，溫度之高可能使人熱到無力。有些變質岩所含有的礦物集合與這種地熱梯度一致。也就是說，礦物所記錄下的溫度，正與我們預期中岩石所經歷受的壓力（深度）相當。這種以常見方式發展成熟的岩石所經歷過的，稱為一般性的深埋變質作用。

但許多其他的變質岩石所記錄下的溫度和壓力高峰情況，卻與這種典型的地熱梯度並不一致，亦即就岩石所到達的深度而言，這些岩石成分所暗示的溫度要不是太高，就是太低。

這意味著岩石是在熱混亂的情況下產生變質，而這正是岩漿或構造活動的標記。

若一塊岩石所含的指標性礦物在低壓下記錄到高溫（就像天才兒童過早深入成人世界），那麼這岩石必然曾在接近熱源處產生再結晶，熱源則多半是地底的大塊岩漿。

此種岩石所經歷的，稱為接觸變質作用。相反地，若一塊岩石含有高壓礦物（如石榴石、玉、罕見的鑽石等），卻從未經歷過相應的高溫，那麼這塊岩石位於深處之時，必然有某種東西使之冷卻，或至少將之隔絕開來（就像一個天真的成人過著異乎尋常受保護的生活）。

岩石是效能極低的熱導體，因此一塊岩石（尤其是大塊的岩石）是有可能在被熱得多的岩石包圍的情況下，依然保持著涼爽。

「隱沒帶」是海洋地殼因自身重量的拉扯而下沉（就像厚重棉被掉下床去）回到溫暖地函之處，此處便是此種隔絕現象可能出現的地質場景。海洋地層運動進入地函（對流循環的下降部分）的速率，較其因傳導而升溫的速率快了許多倍（岩石很不容易因傳導而增溫），因此海洋地層在隱沒到地函裡千百萬年後，依然能夠保持異常冰冷的表層，這一點甚至可由地震「觀察」得到，因為穿行地球內部的震波在通過這些較冷地帶時，運動速率會提高一些。

已進入隱沒帶的岩石有時候又會再度回到地表，但我們對這種地球消化不良的現象所知極少。這些岩石含有高壓低溫礦物的特徵，很容易被辨識出來。這些岩石稱為藍片岩，因為其中一種富含鈉、稱為「藍閃石」的礦石呈牛仔布色而得名。藍閃石非常罕見，但科學期刊討論它們的篇幅卻很多，因為它們明確地訴說進入隱沒帶的旅程，使我們全都能夠免於走這一遭。再說一次：你得找到對的岩石提問才行。

與隱沒有關的變質岩無疑為地球所獨有。月球、水星、火星和金星上沒有將岩石從地表推回地底深處的構造循環作用，因此應該沒有變質岩的存在（除非你要把因隕石撞擊而受創，發生驚嚇變質的岩石也算進去）。

火星和金星上大規模的火山作用可能使較老的岩石被覆蓋住，因而經歷了深埋變質作用，但由於缺乏有效侵蝕媒介的存在，這些岩石就一直無聲地停留在難以企及的深處，無法到地表來訴說它們的故事。