未來很近，過去很遠：時間感的都卜勒效應

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。

譯／呂明峻

雖然時鐘上的秒針每次都走固定的距離，但我們對時間的感受卻是一點也不一致。當我們在排隊，或身處一場無聊的會議時，時間似乎總是過得特別慢。而當我們的注意力被引人入勝的事物（例如讓人欲罷不能的恐怖電影）吸引時，我們就會完全失去時間感。

那過得特別快的歡樂時光呢？《心理科學》的新研究指出，「時光飛逝」這句話可能沒錯，前提是：當我們享受的事物是目標導向的（goal-motivated）。

現存的研究顯示，經歷到正向的情感或狀態，會讓我們覺得時間過得比經歷負向情感及狀態時還要快。但是，隨著研究人員的觀察發現，不是所有的正向狀態都有相同的效果。有時候我們感到滿足或平靜。這些感覺是正向的，但是它們卻不能引起相當高的「趨向動機」（approach motivation）──它們不會讓人想要起身追求或做某些事情。另一方面，渴望或興奮就能引起很高的趨向動機──它們會驅使我們做出行動來獲取某些東西。

阿拉巴馬大學（the University of Alabama）的心理學家 Philip Gable 和 Bryan Poole 提出假設：那些能夠引起高度趨向動機的特定心理狀況，會我們感到時間過得飛快。他們決定以一系列的實驗來驗證他們的假說，實驗結果發布在由「心理科學協會」（Association for Psychological Science）所發行的期刊《心理科學》（Psychological Science） 2012 年 8 月的議題中。

在其中一個實驗裡，有兩張圖會呈現出來，其中一張顯示的時間比較短（持續 400 毫秒），另一張則持續比較久（1600 毫秒），受試者要回報兩張圖片的差異。受試者會看到一些中性的圖片（幾何圖形）、正向但引起較低趨向動機的圖片（例如：花朵），或是正向且能引起高度趨向動機的圖片（美食）。受試者要指出圖片的顯示時間是短還是長（每一張都要）。

如同研究人員所假設的，受試者知覺到美食圖片顯示的時間比幾何或花朵圖形都來得短。

研究人員還發現，知覺到美食圖片的時間長度和受試者當天吃的東西有相關。最近吃過圖片上美食的受試者（對該食物的趨向動機已經降低）所回報的圖片顯示時間，比最近沒吃過該美食的受試者還來得低。這些發現也被第二個研究證實，當該研究的受試者看著美食圖片，並預期他們稍後能吃到那些美食，他們就會感覺時間過得比較快，這也暗示著：趨向動機的確會使時間過得更快。

看來，使我們感到時間變得更短是由我們的渴望所造成的，而不是普遍認為由注意力集中或生理喚起（physiological arousal）所導致的。在第三個研究當中，研究人員發現，觀看會令人引起高度不悅情緒、讓人更警覺的圖片，並不會縮短人知覺到時間的長度。

Gable 和 Poole 表示，能引起高度趨向動機的情況，讓我們覺得時間過得很快，這是因為它們限制了我們的記憶和注意力過程，使我們驅逐不相關的想法和感覺。這種知覺到時間縮短的情況，可以使我們長時間持續追求重要的適應目標，包括食物、水和友誼。

Gable 說：「雖然我們容易認為時光飛逝是因為我們過得很愉快，但這些研究指出，那些快樂的時光的細節才是造成時間過得快的原因。」「真正關鍵的，似乎是尋求某些目標或是成就導向的（achievement-directed）行為。單單感到滿足或滿意可能不會讓時間飛逝，但是感到興奮或積極追求令人渴望的東西可以。」

資料來源：
Association for Psychological Science (2012, August 21). Time Flies When You’re Having Goal-Motivated Fun.