拒絕疲勞駕駛：HARKEN計劃

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／張銘方 ，財團法人車輛研究測試中心 研究發展處

多項調查報告指出，駕駛者分心與疲勞是造成車輛意外事故的重要原因。美國公路運輸安全管理局（National Highway Traffic Safety Adminstration, NHTSA）之統計資料研究指出，每年因為駕駛者分心與疲勞導致之交通事故保守估計至少約占整體交通事故的 10%；因此，NHTSA、歐盟均表示將制訂安裝駕駛者監視系統等規範。

其中，台灣與美國已有交通法規禁止行車中使用手持式行動電話等駕駛異常行為，以避免駕駛分心。相關規範如下表1所示：

綜合上述規範分析，現行駕駛狀態監控的項次，主要分為：分心駕駛與疲勞駕駛兩大部分。

其中分心駕駛部分，隨著手持式行動裝置普及，多限制駕駛操控車輛時，禁止使用手持式行動裝置進行撥接、通話或發簡訊等分心行為，以避免駕駛分心而造成危險發生。

而在疲勞駕駛部分，目前車輛法規與標準裡皆尚未對駕駛疲勞明確定義，但交通法規裡已將「連續駕駛的時間」當作一個指標，規範駕駛人不得連續駕駛車輛超過一定的時數。

駕駛者監控系統介紹

車輛中心 （ARTC） 駕駛狀態監控系統係以數位訊號處理器為核心，接收攝影機並輔以紅外線投光器等感測元件，擷取車艙內駕駛人臉影像資訊，透過影像處理技術偵測駕駛面部特徵位置，並結合駕駛行為模型，估計駕駛者行駛行為特徵，判斷駕駛者開車之專注力，當系統判定為異常行為發生時，如分心駕駛、手機通話和吸菸等異常行為發生時，系統透過 GPIO（General-purpose input/output）以揚聲器發出警示聲；本系統亦能透過 CAN BUS 介面讀取車速、方向燈等車身訊號，以輔助判斷系統啟動時機，其系統架構如圖 1 所示。

本系統關鍵技術為人臉偵測與臉部特徵辨識演算法、駕駛狀態解析演算法與嵌入式硬體設計技術等，系統判斷邏輯如圖 2 所示。

分心駕駛行為偵測技術

本系統透過車室內的攝影機與紅外線光源裝置，擷取全天候（日/夜）駕駛面部影像，偵測駕駛人臉五官位置，進行辨識臉部注視方向的駕駛視野分析，並估算頭部（左、右）偏擺量，進而分析駕駛者的分心程度，當超越警示值時，則給予適當的警示，如圖3 所示，其辨識率可達 95% 以上。

違規駕駛行為偵測技術

異常行為偵測演算法主要目的為偵測駕駛者打手機與吸菸狀態，而本系統藉由臉部特徵判斷偏擺角度，角度過大時，其為危險駕駛，角度於容許範圍時，亦同時進行異常行為偵測-打手機與抽菸狀態，打手機行為與吸菸行為辨識係參考前述所得人臉五官位置，並透過臉部邊界與人臉五官之幾何關係，取得打手機與吸菸偵測特徵區域搜尋，其偵測方法以分類器演算法進行比對與估測，辨識率可達 90%以上，系統作動警示如圖4所示。

將出現更廣泛運用的駕駛者監控系統

駕駛者監控系統以影像辨識技術為基礎，偵測駕駛人臉五官位置與建置違規駕駛行為模型，以進行駕駛者異常行為偵測，藉由比對資料庫模型而判定行為是否發生，並適時地提出警告；目前駕駛者監控系統可應用於商用車隊駕駛、職業司機安全管理系統，未來隨著法規上路，以及消費者對於行車安全更加注重，預期該系統的成長率與市場規模將會持續成長，如圖 5 所示。

駕駛者監控系統為一整合型之系統，除了兼具駕駛狀態監控功能外，未來亦可結合其他安全警示系統（前方碰撞警示、車道偏移系統等），應用影像處理核心平台，推出具多功能之系列產品。

本文出自財團法人車輛研究測試中心；原文於此，如需轉載，歡迎與車輛中心聯繫。