如何 3D 列印不會崩壞的蛋糕？

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。

香蕉 BANANE

香蕉富含澱粉與纖維且相當滋補，比起當成配菜來烹調，更常被做成儲備食物、早餐或單作甜點。我們來解讀一下它的芳香特徵，看看在烹飪和烘焙時能有什麼新方法吧！

熟香蕉與辛辣食物是絕配？香蕉與熱料理的完美結合

乙酸異戊酯是產生香蕉氣味的主要酯類，很容易就能合成（這甚至是高中實驗課的主題），而且每個人都能立刻認出香蕉糖的氣味。如果把香蕉煮熟，青綠氣息就會消失，反觀甜甜的香氣和幾乎熟過頭的果香就會增強。你可以將整條香蕉連皮一起煮，比方在上頭戳幾個孔，用一些香料調味，或用鋁箔紙／烘焙紙把整根香蕉包起來做烹飪，如此所有的滋味都能被保留起來。但是不要吃香蕉皮喔，食用之前一定要去皮。

煮熟的香蕉，一方面能和甜甜的焦糖化食物完美搭配，又與辛辣、烘烤及發酵食物是絕配。如果把香蕉煎過或烤過，梅納反應所產生的氣味效果更佳，並能與肉類和魚做搭配。品嘗時要注意，溫度是產生烘焙香氣的關鍵。另外，香蕉所含的澱粉，在熱熱的時候尤其能延長口中餘韻。

香蕉生吃有綠質草本香？生香蕉的奇妙組合

還記得薄酒萊新酒著名的香蕉風味嗎？香蕉和這種酒確實有一些共同分子^*。為了讓這些綠質香氣綻放，香蕉必須是生的，可切成條或磨成細緻果肉。如果選擇生吃，請在要吃的時候再切開調味。揮發性化合物非常脆弱，香蕉這種水果氧化得非常快（青蘋果跟香草植物也是如此），所以要最後一刻再做準備！

*：即乙酸異戊酯（acétate d’isoamyle），以及十六酸乙酯（hexadecanoate d’éthyle）、己酸 2- 庚酯（hexanoate de 2-heptyle）等花香和果香分子。

馬上就來試試看！香蕉創新食譜：花生粉裹雞排佐嫩煎香蕉

• 準備花生：將花生搗碎，放入平底鍋中（乾）煎，微微烘烤。
• 煮雞肉：將雞腿肉去骨（最好是雞大腿部位，但如果不行的話，可以只用雞里肌）。將雞肉放入花生粉裡滾一下，煎過後放進溫熱的烤箱中完成烹飪。
• 準備香蕉：在煎鍋裡，用少許花生油煎的香蕉（不要過熟）。完成時，加點士麥那葡萄乾（Smyrne）。
• 擺盤：將雞肉、煎好的香蕉和濃縮肉汁擺在一起享用。

不同變化：煙燻風味的香蕉 BBQ

將整根香蕉連皮一起做成 BBQ。讓香蕉皮焦掉（就像燒烤茄子一樣），靜置放涼後再取出略帶煙燻味的果肉。

——本文摘自 拉斐爾．歐蒙（Raphaël Haumont）、提耶里．馬克思（Thierry
Marx），《料理滋味創意地圖：法國材料物理化學專家聯手米其林主廚，15種香調、80種常見蔬果食材的氣味因子，探索 1,500 種創新風味搭配！》，2024 年 8 月，積木文化，未經同意請勿轉載。

本文轉載自食藥好文網

• 文／黃育琳 食品技師

你喜歡吃香腸嗎？香腸嚐起來不但鹹甜多汁，飄散出來的香氣更是令人口水直流，是日常的菜色之一。

然而，香腸的內部環境容易滋生肉毒桿菌，並產生對人類最強的毒素「肉毒桿菌毒素（botulinum toxin）」，只需要 1 克便能毒死一百萬人。

為了避免吃香腸出人命，則需要在香腸內添加亞硝酸鹽以抑制肉毒桿菌生長，但亞硝酸鹽碰到二級胺（通常不新鮮的肉類或海鮮因產生發酵作用或腐敗而生成）可能會產生致癌物質亞硝胺（nitrosamines），一種經動物實驗結果顯示會導致腫瘤的致癌物質。

天啊！聽起來加與不加，兩邊都很不妙，那我們為什麼還繼續吃下去呢？

這裡忽略了一個很重要的資訊，若導致亞硝酸鹽中毒，需要有一定「劑量」。我們應該去思考，人類如何在不會導致中毒的劑量下，有效運用亞硝酸鹽這個物質 ^[1]？

毒理學中最重要的概念「劑量」

亞硝酸鹽是衛生福利部食品藥物管理署正面表列的合法食品添加物，只要按《食品添加物使用範圍及限量暨規格標準》限量添加（劑量遠低於導致中毒的劑量），那它對人體不但沒有危害，反而能讓我們免於受到肉毒桿菌毒素的威脅。

若是選擇完全不使用亞硝酸鹽，那麼肉毒桿菌毒素中毒的風險則會大大增加。相較之下，使用亞硝酸鹽必然安全許多，既然這樣，世界上還有無毒物質的存在嗎？

毒理學之父 Paracelsus 先生（西元 1493-1541 年）曾說：「所有化學物質都有毒，世界上沒有不毒的化學物質，但依使用劑量的多寡，可區分為毒物或藥物。」這也是毒理學最重要的基礎概念 ^[註]。

所以世界上並不存在完全無毒的食品，只要過量都可能會導致中毒甚至致死，單純用致癌物、有害物質來區分所有物質其實並不正確，而是要注意它的「劑量」。

當然，加工食品也是同樣的道理。

加工食品吃了不好？也是由劑量決定

常聽大家說，常吃加工食品會對人體有害，對健康造成負擔，但是真的完全都不能吃嗎？

適量吃加工食品對身體是不會造危害的，大家所認為天然非加工食品吃太多也一樣會出事。如維繫人體生命的必需物質「水」，這個看似無害的物質，喝太多卻會造成水中毒。

或者是「母乳」這個直接來自人體的物質，也都可能含有微量抗生素、重金屬或塑化劑等，因為人體在長久接觸整個大環境中的污染後，多少會有毒素累積，要完全無毒是不可能的 ^[2]。

許多人說加工食品之所以不好，是因為有部分加工食品，如早餐加糖的穀片、汽水、零食餅乾、罐裝高湯或熱狗等，糖份、鹽份和脂肪含量通常很高，也沒有其它營養價值，吃太多確實會對身體帶來負擔。

另一方面，前面提到的肉毒桿菌毒素，現在已廣泛應用於去除皺紋、瘦臉或瘦腿等醫學美容；人人聞之色變的劇毒「砒霜」，還可以應用在急性前骨髓細胞白血病（APL）的治療 ^[2]。

只要使用正確的「劑量」，毒藥也可以變仙丹。

要如何判別毒性大小？看半數致死劑量

如此重要的劑量該怎麼看呢？在毒理學觀察物質毒性大小時，有一項很常用的工具——半數致死劑量 LD₅₀。

不同用量的化學物質，實驗動物死亡率亦各不相同，通常物質的劑量與實驗動物的死亡率呈現正比。而半數致死劑量（lethal dosage 50%, LD₅₀），指的就是在動物實驗中，使實驗動物產生 50% 死亡率所需要的化學物質之劑量，值愈小表示毒性愈強。

如肉毒桿菌毒素 LD₅₀ 約為 100 ng/kg（毒素重量/實驗動物重量），小白鼠的體重為 0.02 公斤，所以只需要 2 奈克（10^-9 克），就可以使一半的實驗小白鼠死亡；日常生活中的食鹽（氯化鈉） LD₅₀ 約為 40 g/kg，需要 0.8 克才能使一半的實驗小白鼠死亡，兩者的毒性可說是天差地遠 ^[3]。

不過在日常生活中，若要妥善運用食品添加物、農藥等物質，就先得找出不會導致中毒的劑量，也就是「無明顯不良反應劑量（no-observed-adverse-effect-level, NOAEL）」。

它是指在動物實驗中，統計上未觀察到任何不良反應的最大劑量，在後續制定容許量時，NOAEL 是很重要的參考指標 ^[1]。

「每日可接受攝取量」v.s.「最大殘留容許量」或「使用限量」

若是要找出「人」即使長期每天攝取，也不會對健康造成危害的量，科學家們會根據動物實驗，計算出「每日可接受攝取量（acceptable daily intake, ADI），這個數值將作為政府單位作為安全評估的界線，於此界線下會再考量到飲食習慣或田間施藥測試結果，訂定更嚴格的使用限量(如：食品添加物)或最大殘留容許量（maximal residue level, MRL）作為行政執法的依據，超標的廠商將受到懲罰。

但是超標並不代表會中毒，使用限量或 MRL 是依據一般飲食習慣設定，每日的「總曝露量」遠低於 ADI，對人體不會有不良影響。使用限量或 MRL 皆是在科學的基礎下所計算出的管制劑量，對於在管理食品添加物或農藥殘留是非常重要的 ^[1]。

毒物學所熟知的「劑量」，大眾也應瞭解

有了劑量的觀念即可明白，即使不小心喝到一杯某一農藥殘留超標 MRL 5 倍的茶飲料，雖然聽起來很可怕，但其農藥總暴露量可能仍遠低於 ADI，更低於 NOAEL，故不需為此感到恐慌。

當大眾看到不認識的毒物名稱時，很容易被恐懼帶著走。而食品安全無法僅靠科學去維護，也需要消費者、媒體、政府和食品業界一起努力，才能做好安全把關。

因此我們應該了解到食品安全資訊，是需要培養深入認知與討論議題的能力，才能避免流於情緒的宣洩或受到媒體的操弄。

註解

原文為 “All substances are poisons; there is none which is not a poison. The right dose differentiates the poison from a remedy.” ^[3]。

參考資料

1. 陳亭瑋，2022。這是毒還是藥？先搞懂「每日容許攝取量」和「最大殘留安全容許量」吧！。行政院環境保護署毒物及化學物質局。
2. 李霜茹，2017。怎麼決定多少「劑量」對人體有害？── 「PanSci TALK：食品安全基本功」──「PanSci。食藥好文網 TFDA。
3. Shibamoto, T. and Bjeldanes, L. F. 2009. Introduction to food toxicology.