研究所這條路，我還沒走完

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。

• 作者 / 詹姆斯．舒茲曼（James Suzman）
• 譯者 / 葉品岑

對懷抱滿腔熱血報導戰區生死的一小群報社特約記者與獨立記者而言，遭流彈擊中、被戴著巴拉克拉瓦頭套大吼大叫的人綁架，或是被炸得血肉模糊的風險，都是工作的一部分。至於那些致力於揭露（或掩埋）權勢者骯髒祕密的記者、直搗犯罪組織黑暗核心的記者，或是傳播意圖挑釁、擾亂和冒犯之觀點的記者，也都接受他們的工作可能使自己受到傷害。

但對多數人而言，新聞業應該是個安全的職業。舉例來說，記者不會預期在報導交通壅塞、金融市場起伏的過程中殉職，也不覺得評論最新技術裝置和時尚趨勢，或者記錄形塑市府微觀政治的沉悶鬥爭，會對自己造成生命威脅。

不幸的是，發生在日本公共媒體 NHK 的記者佐戶未和身上的事和期待不符。佐戶負責地方政府線的新聞，二〇一三年七月二十四日在報導東京都選舉的工作中死亡。她的遺體被人發現時，手裡還握著手機。

醫生很快確定佐戶的死因為心臟衰竭。但經過日本厚生勞動省的調查後，官方將她的死因改為「過勞死」。在去世的前一個月，佐戶在正式紀錄中的加班時數為一百五十九小時。這令人筋疲力盡的工時，相當於連續四個星期的每個工作日都上了兩輪完整的八小時班。可想而知，非正式的加班時數大概還要更多。在佐戶去世後的幾週內，痛失愛女的父親查閱她的手機與電腦紀錄，計算她在去世前的一個月至少加班了二百零九小時。

在佐戶未和猝死的那年，還有許多類似的死亡通報。日本厚生勞動省正式承認，有兩種類型的死亡為工作過度的直接後果。「過勞死」是指由於疲勞、睡眠不足、營養不良和缺乏運動引起的心臟疾病導致的，佐戶的情況就屬於這類。另一方面，「過勞自殺」是指員工因工作過度導致的精神壓力，選擇走上自殺一途。

同年年底，厚生勞動省證實，二〇一三年有一百九十人死於過勞死或過勞自殺，前者與後者的比例為二比一，這與前十年的年均數字大致相符。然而，日本厚生勞動省向來只在特殊情況下宣布某人的死因為過勞死或過勞自殺，也就是只在能夠毫無疑問地證明死者的加班時數已遠遠超過了合理限度，同時也沒有其他值得一提的致死因素（如嚴重高血壓），才會這麼做。

因此有些人認為，政府不願意承認問題的實際規模，譬如日本眾多反過勞死組織之一「過勞死辯護團全國連絡會議」的祕書長川人博就持此立場。他認為，過勞死的實際數字比政府願意承認的高出十倍。不意外的是，日本因過度工作導致嚴重精神失調或健康失調的人數，也被認為比官方實際承認的高出好幾十倍，而且因工作當下過於疲累造成職場意外事故的數字亦然。

一九六九年，日本某大報貨運部有一名二十九歲職員，在令人聞之心痛地超時加班後，於辦公桌前倒地身亡，成為官方承認的第一例過勞死。隨著越來越多的死亡案例被直接歸咎於過度工作，「過勞死」這個詞很快進到大眾詞彙，進而逐漸成為日本國內的重要話題。

在日本，與工作相關的疾病的詞彙越來越多。在這越來越豐富的詞彙庫裡，最引人注目的一個是「經理病」，它被用來描述中階主管在面對職場升遷、辜負團隊期待、讓自己和家人蒙羞，乃至更糟糕的讓老闆失望、拖累公司等情況時，所感受到的巨大壓力。但經理病的問題只會影響白領階級，反觀過勞死則是無差別攻擊的殺手，無論是藍領勞工，還是經理、教師、醫療工作者、企業執行長，都同樣可能遭殃。

在東亞，過勞絕非僅見於日本一國的現象。在其他東亞國家，也有許多壓力過大的員工一邊在工作崗位匆忙吃午飯，一邊思忖過勞的潛在致命後果。每年平均比英國人或澳洲人多工作四百小時的南韓人，也採用日文單詞「過勞死」的韓文說法來描述同一個現象。

中國的情況也是如此。自一九七九年戒慎恐懼地擁抱「國家資本主義」以來，中國的經濟以驚人速度增長，大約每八年成長一倍。儘管科技發揮了重要作用，紀律嚴明且價格低廉的勞動力吸引全球企業的製造業務進駐中國，一直是中國經濟成長背後的動力，也將中國變成世上最大製造業生產國和出口國。但經濟成長帶來出人意料的後果，包括因工作過度而死亡的人數激增。二〇一六年，通常只在分享好消息時灌水的國家官媒中央電視臺宣布，每年有超過五十萬的中國公民死於過勞。

——本文摘自《為工作而活》/ 詹姆斯．舒茲曼，2021 年 11 月，八旗文化。

現代的科學研究不能自己關起門來，要把結果寫成論文發表；而公開發表的論文，可以再被引用。發表與引用，構成現代科學體系的基礎。

同樣研究科學，不同科學家被引用的數量卻明顯不同，但是具體狀況不容易釐清。一項研究指出，被引用數最多的前 1% 科學家，占總引用數的比例，高達 21%。

論文被引用數，前 1% 精英占 21%

如今每年新發表的論文超過一千萬篇，分析發表與引用行為很不容易。這項研究由科睿唯安 (Clarivate) 公司的資料庫「Web of Science」（簡稱 WoS）取材，分析從公元 2000 年開始到 2015 年，約 400 萬位作者的 2600 萬篇論文，探討引用狀況。

最近幾年新發表的論文，由於累積時間太短，不適合和 10 年前發表的論文相比，因此被比較的年份只到 2015 年為止。考量到資料可靠度，只有發表過 5 篇以上論文的作者，才被納入分析。

所有作者的前 1% 可謂「精英」。分析結果是，

2000 年那時，精英占所有引用的比例為 14%，接著逐漸上升，到 2015 年時提高為 21%。

上升的趨勢在 2010 年之後大幅提升，也就是說少數精英，獲得更高比例的引用。依照不同領域拆開分析，導致明顯增加的似乎只限於物理和天文，扣掉這兩個領域，其他領域算是緩緩提高。

物理和天文精英，從十年前開始存在感大幅增加。有個可能原因是，那時候起有些大規模合作計畫的論文發表，像是大型強子對撞機。這類論文發表後被極大量引用，也讓參與計畫的論文作者們存在感大增。

由一系列分析推論，15 年來科學界整體合作的程度持續增加，少數精英被引用的比例也持續提高。

被引用的前 1% 精英，多數任職於美國和英國的名牌單位，例如美國的哈佛大學、史丹佛大學；但是和 15 年前相比，美、英微幅下跌。相對地，西歐和澳洲增加較多，如荷蘭的萊登大學、澳洲的墨爾本大學。

值得注意「學術財富」不均的影響

有件事值得注意。這項研究只考慮發表超過 5 篇論文的作者，也就是說，只有 1 到 4 篇論文，博士畢業後便離開學術界，投入智庫、政府單位、產業界等其他行業的研究者會被忽略。

目前學術發表體系中，上述人士應該也有不少貢獻；具體而言，WoS 資料庫中高達 70% 作者的發表數未滿 5 篇，所以被這回的研究排除。很多人各自發表少數論文，忽略他們，會使得引用看起來更加集中在，極少數精英中的精英。

一個社會的大部分財富，集中在少數人身上是正常的，但是如果集中的趨勢大幅增加，加深貧富差距，往往會衍生出一些問題。

論文的被引用數，可謂科學家創造的「學術財富」，學術財富集中於少數人的趨勢不斷增加之下，會對科學研究造成危害嗎？

不知道。根據已知資訊，少數人不成比例地獲得大量引用，而且持續增加，是確定的事實。此一趨勢將帶來哪些負面、正面結果，或是沒什麼影響，將是值得關注的問題。

延伸閱讀

• 如何寫好論文？學習好萊塢拍電影！
• 評價頂尖研究的自然指數，台灣大幅跌落
• 多少論文發表後，從來沒有被引用？
• 論文影響指數將排除33個期刊，它們都罪有應得？

參考資料

1. Global citation inequality is on the rise
2. ‘Elite’ researchers dominate citation space

本文亦刊載於作者部落格《盲眼的尼安德塔石匠》暨其 facebook 同名專頁。