監測預警 有線還是無線？

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。

你有沒有想過，當我們用手機打電話、發簡訊，或者用電腦上網時，訊息是如何在短短幾秒鐘內傳遞到世界的另一端？這背後有一個重要的技術，叫做編碼與調變。

簡單來說，編碼是把我們的資訊轉換成適合傳輸的格式，而調變則是把這些編碼訊號載入到傳輸介質中，無論是電波、光纖還是其他方式。透過這兩項技術，我們才能在繁忙的城市街道上、偏遠的山區裡，甚至是高空中的飛機上，隨時隨地進行無縫的溝通。

在這過程中，錯誤更正碼可以起到哪些幫助呢？

這些技術雖然複雜，但它們在我們日常生活中的應用卻是無處不在的。如果你對這些內容感興趣，未來還有更多的通訊技術值得探討，例如量子通信、光通信和毫米波通信等。這些新興技術將如何改變我們的世界，又會帶來哪些前所未見的便利和挑戰呢？

更多、更完整的內容，歡迎上數感實驗室Numeracy Lab的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

本文由 國立臺灣師範大學 委託，泛科學企劃執行。 

在這個通信技術普及的年代，我們不斷介紹各式各樣的通信技術。大多數的通信技術都是為人服務的，這似乎是理所當然的。然而，有一種通信技術並非直接為人服務，而是為物體之間的交流提供支持。這種技術不僅存在，而且在現代已經成為最主要的通信形式之一，我們稱之為——物聯網（IoT）。

物聯網，Internet of Things，簡稱 IoT，顧名思義就是物品，機器、設備連上網路。

在我們生活中，如智慧手錶和藍牙耳機這些穿戴式設備，它們各自擁有特定功能，同時又能透過藍牙技術相互連結，這就是物聯網的一種應用。

你可能會問，手機也算是物聯網的設備嗎？

這取決於你如何定義和使用手機。如果是人們使用 5G 或 4G 技術彼此傳訊息和溝通，那麼這不屬於物聯網的範疇。但當手機與藍牙耳機或智慧手錶連接時，它們之間的互動更符合物聯網的概念。因此，物聯網的基本定義是，不直接涉及人跟人、或是人與設備的互動。基本上都是設備跟設備之間的溝通。

通信是人類最基本的需求，同時也帶來無限商機，就像我們不想跑到別的地方買可樂，卻發現賣光了一樣，科技為能解決這些需求，促使通信技術的持續成長。

如同手機的普及帶動了市場需求，從一家一部的電視和冰箱，到人人一支的手機，並且每隔幾年就更新換代。這種商機吸引了企業的投資，也推動了強大的研發動能。

而現在，我們正生活在一個設備數量遠超人類數量的時代，從藍牙耳機、智慧手錶，到遍布全球的智慧設備，物聯網的技術已經無處不在。

不妨思考一下，還有哪些需求尚未被滿足，也許它們正是下一個物聯網應用的起點。

更多、更完整的內容，歡迎上數感實驗室 Numeracy Lab 的 YouTube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

參考資料

• The little-known story of the first IoT device – IBM Blog
• 台中空品感測器物聯網勇奪 GO SMART 國際大獎- 生活 – 自由時報電子報
• 目前環境部空污感測器涵蓋那些地區？監控多少污染源？
• PM2.5 Open Data Portal
• 東大・NTT ドコモ・東北電力、「LoRa 無線通信技術」を活用した送電設備の監視に係る実証試験を実施
• 横浜国立大学様（藤野陽三教授） | 導入事例 | ソナス株式会社