能做好提琴的就是好木頭

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。

• 文／Heidi

平時，在學校和補習班時，如果朋友從背後呼喊你的名字，你通常不需要回頭，就可以知道是誰的聲音；而在聆聽音樂時，即使各種樂器的聲音混雜在一起，還是可以聽出如鋼琴、吉他、爵士鼓等不同樂器的音色。可是，為什麼我們能分辨出不同的人聲和樂器呢？想知道答案，就得先認識基音和泛音！

首先，讓我們看一段動畫。在這段動畫裡，主角阿棋出生在醫生世家，卻想成為一位厲害的電吉他手。他不斷練習、上台表演，也邀請家人一同前來欣賞搖滾樂演出。可是，阿棋的二哥聽完表演後，卻只覺得電吉他很吵。

基音與泛音

不管是鋼琴、吉他、爵士鼓，還是人聲，只要振動頻率相同，就能發出相同的音高，比如中央 DO 的頻率是 261.6Hz，也就是說，只要聲音每秒來回振動 261.6 次，就能準確發出中央 DO 的音高。但仔細想想，如果音高都一樣，所有聲音聽起來不就都一樣嗎？

沒錯！所以當我們聽見一個音，其實是聽見了很多不同頻率疊加而成的聲音，只是我們的大腦習慣將這些聲音理解成一個音。換句話說，當我們聽見樂器發出 DO 的音高，其實是同時聽見了代表音高的 「基音」261.6Hz，還有代表音色的「泛音」，也就是頻率 261.6Hz 以外的聲音。

想進一步瞭解基音和泛音，就得從一根弦的振動開始說起。

一根弦的振動

首先，讓我們來看看一根弦有幾種振動模式。當我們撥動琴弦彈奏一顆音，在最簡單的情況下產生的振動會呈現如圖一 1×f 的波形。假設這顆音是中央 DO，那麼這個波形就會每秒來回振動 261.6 次。

然而，一條弦並不會只有一種振動模式，有可能是圖中 2×f 的波形。在這種情況下，頻率就會變成兩倍，也就是每秒來回振動 2×261.6 次，變成高八度的中央 DO。除此之外，振動方式也有可能是圖中 3×f 或 4×f 的波形，變成高一個完全八度再加一個完全五度，或兩個八度的中央 DO。

按照相同的邏輯，一根弦可以有 n 種振動模式，產生 n×f 的波形和 n 種八度音高。

現在，我們知道了振動模式、波形和音高之間的關係，可是實際上，弦的振動模式非常複雜，是所有振動模式混合而成。因此，在彈奏中央 DO 時，琴弦除了產生 261.6Hz 的頻率，同時也會產生 2×261.6Hz、3×261.6Hz、4×261.6Hz，以及所有整數倍頻率的聲音，而最低頻率的聲音（261.6Hz）就是「基音」，也就是大腦所認知的音高，其餘頻率則統稱為「泛音」，主要影響聲音的音色。

以小提琴和鋼琴為例，即使彈奏同一顆音，波形仍然不同，就是因為不同樂器發出的泛音強弱不同，改變了我們聽見的音色。這就是我們能夠分辨不同樂器聲音的原因。

聲譜圖

現在，試試用一聲讀出注音「ㄚ、ㄝ、ㄧ、ㄛ、ㄨ、ㄩ」，你就會發現，即使音高一樣，卻還是能聽出差別，原因就在於它們的泛音（音色）不同。透過電腦軟體，我們可以將人聲轉換成「聲譜圖」，進一步解析泛音的區別，如圖三。

圖三的縱軸是頻率，橫軸是時間。水平線條是聲音能量的強度，顏色越深表示能量越強、聲音越大。每個音各有泛音較強以及較弱的頻率範圍，比如「ㄚ」在 500 至 700Hz 左右的泛音線顏色很深，表示聲音較強，但「ㄧ」和「ㄩ」就相對微弱，構成獨特的音色。

日常生活中的泛音

從上述說明，我們發現不只是樂器，就連人聲有不同的音色，也同樣是因為泛音不同。最後，讓我們回到文章開頭，看看阿棋的二哥為什麼覺得電吉他很吵。

影片提到，搖滾樂表演的電吉他音色，之所以聽起來很特別，正是因為電吉他手善用推弦技巧，增加泛音的「雜質」。假設基音頻率為 1，那麼除了整數倍頻率的泛音以外，推弦後可能會出現 1.9、2.1 等非整數倍頻率的雜質，讓搖滾樂聽起來雖吵，卻也更有靈魂、更有渲染力！

參考資料

1. 音樂與泛音
2. 一次搞懂「泛音列」！
3. Harmonic series (music) – Wikipedia
4. 馬爺爺 23：漫談聲音

Original publish date:Apr 15, 2007

編輯 John C. H. Chen 報導

科學家發現，頂級提琴師傅對於分辨哪些木板可以用來做好提琴上，判斷的標準大部分是建立在木板的外觀上，而並不一定是能夠發出好聲的木板。

對於提琴製造者而言，挑出一塊適合製琴的木板可以說是要製作一把好琴的第一步。對一把小提琴而言，琴的各部位通常使用的木頭材質都不一樣。例如花梨木及黑檀木常被用來製作指板；楓木拿來作琴馬(bridge)；雲杉木則常拿來製作響板(soundboard)。響板主要的功能是增強弦的共鳴，對決定小提琴的音色具有決定性的因素。

奧地利University of Natural Resources and Applied Life Sciences的Christoph Buksnowitz將84塊樂器製造級的挪威雲杉木(Norway spruce, Picea abies)切割成長40公分寬15公分的木板。接著他請15位奧地利的頂級製琴師傅來給這84塊木板打分數，看看哪些木板最適合拿來製作上等小提琴。接著他把這些木板帶回實驗室，利用科學儀器來測量木板的物理性質，例如硬度、密度、聲學性質等等。

老經驗的製琴師附鑑別木板大概不外乎觀察木板的紋理、色澤，接著便是用手敲敲木板來測試木板所發出的聲音。這些辨別方法需要長時間的經驗累積。但是跟實驗室中的儀器測試結果一比較，研究人員發現，製琴師傅在辨別木板的硬度、強度方面有很好的結果，但是他們選出來的木板卻往往不是具有最好聲學性質的木板。換句話說，製琴師傅基本上是靠木板的外貌在選木板的。不過這並不表示這些製琴師傅只在意這些膚淺的表面。因為事實上木板的紋路結構可以有效的透露出這塊木板的密度，進而影響到聲音的表現。

但是挑到一塊好木板只能是製造出好琴的第一步，後面還有許多細節會影響到最後這把琴的表現。例如切割木板的方式，切割的形狀等等。好的製作方法可以補足木板的不足進而讓這塊木頭起死回生。因此有些製琴師傅會自豪的說，給我一塊木板我就可以做出一把好琴來。但是對頂級的製琴師傅，例如STRADIVARI(註：STRADIVARI為世紀義大利製琴名家，現存由他們所做的小提琴平均每把價格均在百萬美金以上)這種製琴技術已到頂峰的小提琴而言，木板的材質便是使提琴聲音再提升的關鍵。

不過科學檢測可以客觀的判定木板的性質，但是製作一把小提琴並不只是靠各項冷冰冰的數字，而是靠製琴師傅的巧手來讓每塊木板能夠發出獨特的聲音，這才是小提琴迷人的地方。

原始論文
The Journal of the Acoustical Society of America, Vol. 121, No. 4, pp. 2384–2395, April 2007

參考來源：

• news@nature.com: Violin makers can’t pick out good wood

相關連結：

• Wikipedia: Stradivari

• [Oct 05, 2008] 名琴美音的秘密

• 本文轉載自科技大觀園，原文為《為什麼義大利名琴的音色難以複製？》
• 作者 / 文詠萱｜科技大觀園特約編輯

戴桓青小時候學過幾年小提琴，但並不在行；在美國加州理工學院念博士班時，有位會拉小提琴的同學選擇以此為科普文章題目，發現很多名琴研究都是德州農工大學教授納吉瓦里 (Joseph Nagyvary) 所著，兩人決定利用耶誕假期前往拜訪，沒想到從此與小提琴研究締結不解之緣。戴桓青延續已退休的納吉瓦里針對小提琴木材的相關研究，分析名琴修復時留下的木屑，研判小提琴好聽的秘密，可能就存在小提琴的木材中。

名琴的音色秘密在木板？

戴桓青總共分析了八把史特拉底瓦里小提琴 (Stradivarius) 與二把耶穌．瓜奈里小提琴 (Guaneri del Gesù) 的木材，這兩類名琴在製琴界、演奏界皆以音色優美聞名。針對音色的定義，戴桓青表示：「聲音的屬性除了音高跟音量外，其他都叫做音色。音色很主觀，雖然科學家還不知道要怎麼去定義、分析音色，但演奏家對於音色上的共識認知是存在的，很少人會說其他琴比這兩種名琴好聽。」

世界上的木材上千萬種，而小提琴的木材萬中選一。前板得使用阿爾卑斯山南麓的雲杉，背板使用來自巴爾幹半島或是義大利平地的楓木。戴桓青針對木材解釋：「先前納吉瓦里教授分析這些名琴的光譜，發現這些製琴師應該不是直接使用天然木材，而是有經過處理，我們延續他的研究。過去針對這些名琴的研究，都是以研究幾何形狀為主，小提琴有很多曲線、細微的比例、木板不平均的厚度等，但大家模仿出來後，還是沒有辦法做到和這些名琴一樣的聲音，所以我們認為往材料的方向研究是正確的。」

製琴小鎮的配方對決

300 年前製琴師都在義大利北部的克里蒙納 (Cremona) 小鎮中製琴，「我們已經發表的論文，主要在分析這幾把名琴的背板楓木，發現木材確實有做過化學處理，但並不確定是由供應木材的供應商所處理，還是由製琴師處理。」

至於前板雲杉，戴桓青的研究尚未發表，但針對木材處理來源，交叉比對後發現，那些化學處理的痕跡，應為每位製琴師的秘密配方。「近期的研究發現，小提琴三大家族所做出來的琴，配方都很明顯不一樣，也都相當複雜，因此可以排除是由木材供應商處理的可能性。這也相當合理，因為克里蒙納人很少，製琴的人彼此會互相競爭，各自有各自的配方並不奇怪。」

外型幾何容易模仿，但木材的化學處理就很難用肉眼看出來。「配方我們尚未解出來，製琴是一項工藝，順序也是很關鍵的一件事，配方有可能很複雜地先泡再洗掉，還要考慮溫度、pH 值、處理時間等，沒有辦法從現在的化學分析回推工序與配方。」戴桓青用食物當做各家配方的例子：「就像炸雞排，每家店的原料都差不多，但炸出來味道都不一樣，你不可能買一塊雞排回來分析，就知道他的工序。」

影響琴聲音的可能性

也有許多研究是針對名琴的塗漆，想知道漆對聲音的影響，或是模仿名琴塗漆，看看是否能複製出名琴的聲音。對此，戴桓青認為，「塗漆是一定有影響的，上不同的漆會有不同的差別。但研究名琴塗漆這麼多年，漸漸發現裡面的成分都是我們已知的，但就是沒辦法只透過模仿塗漆和模型，複製出名琴的聲音。」

世界上有許多木製的樂器，很少會聽到樂器放越久越好聽。「我問過很多專家，只有兩種樂器會放久了聲音變好聽，一種是中國古琴，另一種就是義大利小提琴。至於為什麼會有這個現象，目前還有沒人理解，需要更多的研究。而有些樂器本來設計就不是可以用很久的，例如古箏。」

關於小提琴纖維素分子研究，戴桓青團隊利用「同步輻射」小角度 X 光散射探照，發現琴的木頭纖維素是會重新排列的，「我們針對小提琴的木頭分析，發現纖維素分子之間本來有半纖維素把它們區隔開來，但隨著時間過去，半纖維素會自然分解，纖維素會重新排列。至於這件事對聲音的確切影響，目前還不是很清楚，只知道老的琴會有這樣的現象。」

針對這樣的研究，難免有人會懷疑這些名琴是不是真的比較好聽，畢竟這不是隨隨便便就可以聆聽現場演奏的珍品。戴桓青表示：「事實上，確實要近距離地聽很多把名琴來演奏，才能感受到他們的差異。可是通常一位演奏家表演或比賽，只會帶一兩把琴出門。若真的要做相關研究，首先盲測畢竟有其限制，且『音色』是人類很不了解的領域，很難用科學的方法去解釋和比較。」