為什麼同伴會出賣你？從「囚徒困境」來看共犯為什麼先招了！——《大話題：賽局理論》

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。

重複賽局中的均衡結果

在 1883 年，法國經濟學家伯特蘭（1822 – 1900）研究了販售相同產品的廠商之間的價格競爭，在他的分析中，廠商面對的誘因問題很類似囚徒困境賽局。

伯特蘭預測在均衡時廠商之間會彼此削價，類似囚徒困境賽局中的｛認罪，認罪｝結果。但我們在現實中常常看到廠商彼此勾結並訂定高價。西方民主國家多數立有「反壟斷法」禁止這類勾結，以促進競爭。

為了瞭解在囚徒困境之類的處境中，參與者何時會勾結，我們必須跳脫一次性賽局，也就是參與者只進行一次後就結束的賽局。轉而考慮更符合現實的重複互動，也就是參與者會不斷進行同樣賽局。

如果參與者重複互動，我們能夠在囚徒困境中觀察到合作的均衡嗎？

假設兩位參與者都知道囚徒困境賽局會進行兩次。為了找出重複互動賽局的均衡，我們要先預測最後一回合賽局的均衡，然後倒推第一回合賽局的均衡。這種推理方式稱為逆向歸納法。

如果這就是結局？

在第二回合，參與者知道這是最後一次互動，也就沒有必要嘗試改變未來的結果。因此，最後一局結果就像是一次性囚徒困境：沒人合作。

參與者可以推論，不論第一回合如何，第二回合肯定沒有合作。那麼，從參與者的角度來看，第一回合也跟一次性囚徒困境沒有兩樣。因此，在均衡時兩回合都不會出現合作。

事實上，即使囚徒困境賽局進行多次，只要賽局有個確切的結束回合，我們永遠不會觀察到合作。逆向歸納法從最終回合拆解了整體賽局的結果。

現實世界沒有真正的「最終回」

以色列裔美國數學家歐曼（1930 年生）在 2005 年與謝林一起獲得諾貝爾經濟學獎。他的研究之一是無限回合賽局均衡下的合作行為。在無限回合中，逆向歸納法無法從最終局拆解合作情形，因為沒有明確的最終局。

合作要能成為均衡的結果，首要條件是參與者的策略能夠處罰過去的壞行為（不合作）。為了避免以後受罰，參與者可能選擇合作。

試看在無限回合的囚徒困境賽局中所謂的冷酷策略：參與者起初採取合作行動（例如囚徒保持沉默，也可能是室友賽局中的洗碗，或是廠商的勾結高價）。

在接下來的賽局中，只要對方合作，我也一直保持合作。但只要對方背叛了（例如囚徒認罪、室友不再洗碗、廠商用低價搶走市場），我就選擇背叛。

——本文摘自《大話題：賽局理論》，2023 年 3 月，大家出版出版，未經同意請勿轉載。

什麼是「賽局理論」？

賽局理論是在研究策略性互動。策略性互動也是很多桌遊的關鍵元素，賽局理論因此得名。你的決策影響別人的行動，反之亦然。賽局理論的不少術語直接取自這類遊戲。我們把決策者稱為「參與者」（player）。參與者做決定後，就採取了行動（move）。

運用模型簡化複雜世界

真實世界的策略性互動可能非常複雜。例如在人際互動中，不僅行動，包括我們的表情、聲調和肢體語言都會影響他人。

在與他人往來時，人們展現不同的經歷與觀點。這樣無以計數的變化會使得情況異常複雜，也很難分析。

藉由稱為「模型」的簡化結構，我們可以大幅縮減複雜的程度。模型雖然簡單且容易分析，但仍然捕捉了真實世界問題的某些重要特徵。選用適當的簡單模型，可以有效幫助大家學習真實世界的複雜問題。

西洋棋可以幫助我們瞭解這些變化會讓參與（及預測）賽局變得多麼複雜。西洋棋的規則明確，雖然每一步棋的選項有限，但整體棋局的複雜度令人生畏。不過比起許多人類的基本互動，西洋棋其實簡單多了！

高手過招容易和局！

像西洋棋之類的桌遊有個特性：玩家愈熟練，就容易產生平手的結局。我們如何解釋這種現象？

因為西洋棋太複雜，難以全面分析，以下我們用簡單的井字遊戲來說明一個重要特性。西洋棋和井字遊戲都有明確的勝負規則。玩家輪流落子，且可以下的地方有限。

井字遊戲無法表現西洋棋中的許多特性。但由於兩者有些共同特徵，因此井字遊戲可以幫助人們瞭解高手對陣為什麼容易產生和局。

被簡化的世界縮影：「賽局」

賽局理論的首要關注並非西洋棋之類的桌遊，而是要增進我們對人際、對企業間、對國家間、對生物間……等互動行為的瞭解。原因是，真實的問題可能過於複雜且難以充分掌握。

因此，在賽局理論中我們創造了非常簡化的模型，稱之為「賽局」。創造有用的模型既是科學，也是藝術。

好的模型夠簡單，讓人能充分瞭解驅動參與者的誘因。同時，模型必須能夠捕捉真實世界的重要元素，以富有開創性的洞察力與判斷力決定哪些元素最為相關。

——本文摘自《大話題：賽局理論》，2023 年 3 月，大家出版出版，未經同意請勿轉載。