0

1
1

文字

分享

0
1
1

潛力股在這!?他們用『科學+設計的實踐方法論』讓點子不再只是 PPT!

鳥苷三磷酸 (PanSci Promo)_96
・2025/11/18 ・2193字 ・閱讀時間約 4 分鐘

在這個人人都能喊出「AI創新」的時代,最稀缺的其實不是想法,而是讓想法通過科學驗證的能力。由新北市政府青年局主辦的 Next Star Demo Day,聚集北北基桃各校青年團隊,用數據、模型與材料實驗,測試那些「如果這樣做,世界能不能更好?」的假設。

他們的共同語言,不是商業口號,而是科學方法。

從靈感到實驗:創業的第一步,是找到可被驗證的假說

「新北市青年局一直在支持青年創業,但大家在真正開始『開公司創業』之前都在哪裡、做什麼?我們發現在大專院校裡願意試驗、求證的學生,可能就是我們在找的下一代創業者。」新北市青年局局長邱兆梅說。

她觀察到,越來越多年輕人不再以創業為終點,而是以「實驗」為起點。他們將 AI、材料科學與人因工程視為工具,從生活問題出發,設計出能被測試、能被修正的模型。

這樣的態度,其實與科學研究相似——先提出假設,再以資料驗證真實。

「新創潛力獎」得獎團隊,「智載穿梭」。 / 圖片來源:日日寫真 賴永祥攝。

智戴穿梭:用演算法理解「人流的節奏」

每天早上七點,從基隆出發的通勤車潮幾乎像一場精密的物理實驗。如果有辦法即時預測哪一條路會塞、哪個時段人最多,是否能讓城市更順暢?

來自海洋大學的團隊「智載穿梭」用 AI 嘗試回答這個問題。他們建立的智慧派車系統,結合運籌學與機器學習演算法,讓公車調度不再依靠固定時刻表,而能根據實際需求自我調整。

這背後的科學叫「動態路線規劃(Dynamic Routing)」在數學上,它是一個 NP-hard 問題,AI 透過強化學習(Reinforcement Learning),在不斷模擬與修正中逼近最佳狀態。這種做法已被歐洲多個城市用於物流與微型巴士運營。智載穿梭則把它轉化為在地交通版本:減少空車率、節省能源、也讓人少等十分鐘。

對智載穿梭而言,技術的目的不是追求炫技,而是讓交通運行更貼近真實需求,例如縮短乘客等待時間、提升班次調度效率。

Myogai:讓AI成為身體的即時鏡子

在姿勢失衡與慢性痠痛幾乎成為現代職場通病的年代,台科大團隊 Myogai 想用電腦視覺幫人重新認識自己的身體。

他們的系統能透過鏡頭辨識人體 20 多個關節點位置,以深度學習模型即時估測姿勢角度與受力變化,當系統偵測到「駝背」「肩膀上抬」等動作時,會即時語音提醒修正。這項技術的基礎是「姿勢估測模型(Pose Estimation)」——源於電腦視覺領域的骨架點雲分析,演算法會把人體拆解成由關節構成的動態向量,再以每秒 60 幀的速率進行比對與預測。

這代表 AI 不只是「看見」人,而是「理解」人。Myogai 將它應用於遠距復健、運動訓練與銀髮健康,也讓 AI 從冷冰冰的計算機,變成真正能「回應人」的教練。

Myogai 團隊的核心精神並不是以技術監控使用者,而是讓 AI 成為理解身體的工具,協助人們更精準地察覺姿勢與動作差異。

Xeno Proc:讓廢棄豬骨重生為醫療材料

在醫材實驗室裡,一塊看似普通的豬骨,正經歷一場由化學與材料科學交織的轉化。

銘傳大學醫工系團隊 Xeno Proc(團隊代表:李倢褕),以台灣在地畜牧副產的「豬骨」為素材,先進行去除免疫原處理,再以「SiO₂ 奈米塗層水熱法」進一步強化。這項製程在高溫高壓環境中促進表面結晶,於骨粉表面生成穩定的矽氧膜層,同時維持孔隙結構;結果是材料更具抗菌性、更有利於成骨細胞附著,並能促進骨整合(osseointegration)。

水熱合成(Hydrothermal Synthesis)的關鍵,在於以受控的高壓熱水環境重排分子,使之形成奈米尺度的矽氧網絡;這種奈米結構提供更高比表面積與化學穩定性,對於生醫材料的細胞貼附與後續骨再生尤為關鍵。

Xeno Proc 的路徑並不只是單點技術,而是把「本土材料來源 × 在地醫材製造鏈 × 臨床需求」串成循環體系:降低對進口醫材的依賴與來源風險,同時把原本被丟棄的資源轉化為具臨床價值的可再生材料。

他們預期若未來能順利量產化並切入市場,將具備可觀的商業潛力與臨床應用價值。這不只是醫療創新,更是一場跨學科的資源再生實驗——讓「被丟棄的」重新被賦予價值,也讓醫療產業重新思考永續與倫理的平衡。

評審陳柏燊(玩艸植造創辦人兼執行長)。/ 圖片來源:日日寫真 賴永祥攝。

創新,不只是靈感——而是反覆驗證的過程

在 Demo Day 現場,評審陳柏燊(玩艸植造創辦人兼執行長)的觀察令人印象深刻。陳柏燊指出:「AI 模型可以寫,但要讓它跑得動、被市場接受,才是真功夫。」評審們指出,創業的過程與科學實驗相似,需要明確假設、可被驗證的數據,以及能經得起反覆調整的模型;而這些,也是青年團隊在實作中真正展現的能力。

當科學成為創新的語言

AI 在這些青年手中,不只是演算法,而是一種「方法論」。他們用資料理解世界,用模型測試想法,讓創業不只是市場遊戲,而是對現實的持續修正。

從智慧派車、AI 姿勢教練,到奈米醫材,每一個專案都在實踐同一件事:讓科技回應人類需求,讓知識轉化為可驗證的行動。

這也許正是新北青年局推動育成計畫最深的價值——不只是培養創業家,而是培養能以科學態度改變世界的人。

「未來的城市,不會只靠基礎建設,而是靠知識的基因在運作。」

這場 Demo Day,不只是結束,更像一個新的起點。

文章難易度

討論功能關閉中。

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。

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。

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。

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。

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。

文章難易度

討論功能關閉中。