輕薄柔軟的觸控螢幕

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／陳彥諺

大腦是很有趣的東西，聰明的大腦，可以幫我們快速判斷、掌握當下狀況，有助於我們適應多變的環境。不過，有時候卻會聰明反被聰明誤——大腦判讀的顏色，和真實的顏色竟然不一樣！

前陣子引起網路上瘋狂討論的「藍黑還是白金洋裝」以及「灰綠還是粉白的鞋子」，就是兩個經典案例。

藍黑還是白金洋裝的案例中，同樣一張雙色相間的條紋洋裝圖，有人看到的是「藍黑條紋」，另一部分的人，看到的則是「白金條紋」。看到藍黑條紋的人，因為大腦主動幫你忽略了圖片右上角的光源，因此判斷出來的顏色，比較接近裙子的原始色像素。而看到白金條紋的人，大腦可能是太聰明了，主動幫你將圖片右上方的光源考量進去，根據過往的經驗，大腦認為，在金色背光光源的照射下，如果畫面中出現了偏藍的顏色，那麼這個部分的原始色應該是白色，因此，感謝聰明的大腦，你看到的是白金條紋洋裝。

灰綠還是粉白鞋子的案例，也是同樣道理。某些人的大腦，會自動將光源顏色的因素考量進去，快速提供根據過去經驗判斷後的結果，導致最終看到的是鞋帶、LOGO、鞋底處是綠色，鞋體是灰色的結果；另一些人，看到的則是鞋帶、LOGO、鞋底處是粉紅色，鞋體是白色。

這些案例背後的運作機制，其實可以理解為「大腦的自動白平衡功能」，也就是心理學家或神經生物學家所說的「色彩恆常性」。

發現色彩恆常性——蒙德里安色板實驗

為了理解「色彩恆常性」到底是怎麼發生的，科學家蘭德（Edwin H. Land）進一步做了著名的「蒙德里安色板實驗」。蒙德里安（Piet Cornelies Mondrian）是 1940 年代的荷蘭畫家，他為了達到藝術創作中的「純粹實在」，終身致力於進行色彩實驗。他的代表作有《構成第十號》與《百老匯爵士樂》，都以非常簡單的線條、極為單純的紅黃藍色塊，構成了畫面上的和諧平衡。而蘭德所做的色彩恆常性實驗中，刺激物的圖板與蒙德里安的畫作非常相像，因此就稱之為「蒙德里安色板實驗」。

1964 年，蘭德運用不同波長（即不同顏色。不同顏色的波長便不同。）的光源，照射在蒙德里安色板上，讓受試者在回答特定區域是什麼顏色的同時，一面用機器偵測反射光的波長。如圖所示。左邊三台裝置是 RGB 三原色的光源，用來控制光線的顏色，右方的黑色裝置，則用來偵測反射光的顏色。

蘭德透過這個實驗，發現人們即使在不同光線的照射下，仍然可以準確地回答該色塊的顏色，這說明了一件事——人類辨識物體顏色的方式，並不是單純靠著該物體的反射光來決定的，還會受到周圍物體反射光的影響。進一步來說，人類對於顏色的判斷，並不是絕對的，而是相對比較出來的。

如此一來，也就可以解釋另一個有趣的小實驗了。當灰色的小女孩圖片，加上了紅色的濾鏡，猛然一看，加上紅色濾鏡圖的那一側，小女孩眼珠的顏色似乎就變成了藍色。不過，再拉近仔細一看，其實小女孩眼珠的顏色並沒有改變，仍然是原先的灰色，只是由於色彩恆常性，當大腦偵測到畫面中的環境偏紅，便自動補色，補出了原先根本不存在的藍色。

啟動色彩恆常性——馬克西莫夫的鞋盒實驗

所以說，人體的色彩恆常性，在什麼時候會開啟呢？有趣的鞋盒實驗告訴我們答案。

科學家馬克西莫夫（Vadim Maximov），以一個鞋盒做成實驗裝置。他在鞋盒一側，開了一個小孔作為觀看孔，另一側內壁則有類似於榻榻米的色塊圖案。從正上方打入特定光源進入盒中後，要求受試者觀看刺激物，結果發現，兩張畫面結構相同，但色塊完全不同的原圖，在不同的特定光源照射下，受試者的色彩恆常性並沒有發揮作用，他們所看到的圖案顏色，是兩張一模一樣的圖。

接著，在圖案上加入一圈白色色塊後，再次請受試者觀看，受試者的色彩恆常性開始發揮作用，能分辨出圖案的原圖顏色了。實驗結果再次確認了，我們所認定的物體顏色其實是相對的，會隨著周遭顏色進行修正，而當白色有顏色變化的時候，特別能啟動我們的色彩恆常性機制。

AERO 創作者筆電，幫助創作者看見最真實的色彩

大腦太聰明了，會根據狀況，自動幫我們把某些真實的部分，轉換成另一種樣子。只是，從古至今，作為創作者，最需要的就是傳達真實了。那麼，該怎麼辦呢？

不怕不怕，來到了 21 世紀，現代的方法要用現代方式解決。作為一個創作者，我們不能關閉自己腦中的自動白平衡，但我們有選擇最真實與最優質的可能！

AERO 創作者筆電，考量了創作者從「設計原稿」到「完成作品」的全方位需求。視覺設計師們心中的痛，就是當顏色稍有偏離，造成了整體作品的大走鐘，努力的心血就徹底埋沒。

為了讓創作者能有絕佳發揮，AERO 16 創作者筆電從前端到後端，通通都考量了。在前端設計上，搭載 4K AMOLED 的面板,支援 100% DCI-P3 色域，並在 16：10 黃金螢幕比例的呈現下，讓你所見即真實。而在設計稿完成後的印刷階段，則以 Pantone Validated/ X-Rite ® 技術 Factory Calibration 高敏度媒合印刷校色，讓創作者的設計與實體製作物完美接軌，實體不色偏。

更厲害的是，AERO 16 是目前業界唯一具有「X-Rite™ 工廠校色」 以及「Pantone® Validated」 雙重認證的創作者筆電！

舉凡平面設計師在排版設計上，更需要精準的媒合印刷的校色，設計產品（包含招牌、海報、傳單、標識…等等）都需要在顏色上有高敏銳度的對接，擁有 Pantone Validated/ X-Rite ® 技術 Factory Calibration 並以 16：10 螢幕，接近黃金比例的設計更貼近創作工作者的需求。你也是追求完美、追求真實的創作者嗎？AERO 創作者筆電系列，協助你的創作，有最美、最真實的呈現。

提供參考：第 12 代 Intel® Core™ 處理器機種類型參考：

AERO 創作者筆電具有 4K AMOLED 或 miniLED，支援 100% DCI-P3 色域，給你最全面的色彩饗宴。

參考資料

1. 實驗檢測色彩恆常性理論之正確性
2. The Retinex Theory of Color Vision
3. Physiological explanation of Land’s Retinex Theory
4. Retinex at 50: color theory and spatial algorithms, a review