我也知道 但從沒人真正試過－專訪線上即時熱能分析儀團隊

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／劉珈均

工研院的「線上即時熱能分析儀」與「鈣迴路捕獲二氧化碳技術」雙雙獲得2014「全球百大科技研發獎（R&D 100 Awards）」，此獎項素有科技界奧斯卡獎之稱，是市場鑑定新技術的重要指標，今年邁入第52屆。「線上即時熱能分析儀」大幅提升發光二極體（Light Emitting Diode, LED）量測熱阻的速度達千倍，且可在生產線上即時量測，工研院也已與儀器業者旺矽科技合作技術轉移，實際應用於提升LED品管品質與生產效率。

深入了解這技術前，得先認識一下熱阻與LED的關係，熱阻（thermal resistance）是熱能在傳導途徑上遇到的阻抗，反映介質本身或介質與介質間的熱傳導能力，換言之，也是物體對熱能傳導的阻礙效果。

傳統光源如鎢絲燈或鹵素燈透過加熱燈絲發光，熱由光源正面以光輻射方式傳出，同時散發出的紅外光讓人感受到熱氣；LED不會讓人感受到熱，但並非不發熱，而是 LED所產生的廢熱從晶粒傳導而出，LED功率愈高，產生的廢熱愈多，加上體積要愈做愈小，散熱就成為問題。因此主要靠傳導進行的LED散熱機制，便需要以熱阻作為散熱性能好壞的指標。

LED漸成照明光源主流，但高功率LED仍與熱的問題糾纏，熱會影響LED的壽命、顏色與亮度。過熱會造成LED波長改變、發光效率下降，繼而使顏色產生變化、亮度降低，隨之影響到可靠度。對於LED封裝散熱能力的評估，就透過熱阻量測，若熱阻的數值大，表示熱不易傳遞，套件產生的溫度較高，也有損LED壽命。

工研院電光所元件測試驗證部專案副理王建評比喻：「熱就像內傷一樣，若只從一般的光電檢測是看不出來，但長期影響很大。」不論設計、檢測或可靠度分析，都需要知道熱阻，只要能掌握LED熱阻數據，就能推估產品的壽命、效率及光品質。

王建評是主導此技術的研發人員，他解釋，早期熱阻量測程序複雜，要把LED擺在爐子裡利用空氣加熱以達到控溫目的，一顆LED要經過幾個溫度測試，以求出溫度與LED電壓的關係式；後來改以熱電制冷器，控溫速度較快；熱電控制器出現後，過程由半天縮短到10~20分鐘，一小時測六顆，但這樣的時間仍太久──對比LED光學量測，一顆只要0.1秒即能完成光度或電壓量測！生產線上一個機台一天產量可能是數萬顆以上，熱測與其他量測的速度差異非常大，所以熱測始終無法成為廠商品管時的依據，基於生產效率考量，業者多只在產品設計階段時於實驗室進行熱阻量測。

工研院技術的突破點在於解析「固晶層」，在生產線上，固晶的製程是影響LED熱阻最大的參數，王建評說：「我們發現，其實我們不需要從頭到尾將整個元件分析完畢，只要分析那層固晶層，就能知道這顆元件好不好。」以前要等整顆LED達到熱平衡，現在只要等熱能傳到固晶層，分析資訊就足夠了，量測時間因此大幅縮短。

固晶製程難以達到品質完全均勻，一批產品有好有壞，但一顆熱阻量測的時間太久了，廠商都採抽樣，一批樣品可能只抽一顆測試，因此原有的技術限制之下，難以得知那批產品好壞比例，無法準確掌握LED產品可靠度。

而今工研院研發的「線上即時熱能分析儀」已能成功與LED自動化光電分類機台整合，在生產線上即時測量，組成全球首套自動化LED熱阻測試設備。兩相結合下，整套設備每小時的量測速度可達12000顆元件，相當於量測一顆元件只要0.3秒，比起以往在實驗室一小時量測六顆，速度快了整整2000倍。

「我們有些人畢業後就直接在工研院工作，我們也跟廠商學了很多業界的東西、機台開發的技巧。」王建評說，現階段量測光學與熱阻的機台分開，但可互相支援，一台光電量測機台可搭配數台熱能分析儀，如此便能應付生產線上大量的LED，這是廠商覺得可行的方法，未來團隊也會繼續研究將測試熱阻的功能整合到既有機台上。