0

0
0

文字

分享

0
0
0

該怎麼向有錢人募款?讓他自由發揮吧!

吳京
・2015/09/08 ・1693字 ・閱讀時間約 3 分鐘 ・SR值 523 ・七年級

水往低處流、熱往低溫的方向傳、電子往低電位的地方去,這是大自然的法則。但人們的財富分配不是這麼一回事,「朱門酒肉臭,路有凍死骨」,貧富差距,自古皆然,金錢不會自動從有錢人的手上流到窮人手中。

除非,遇到劫富濟貧的俠客,或是落實民有民享的大有為政府。然而,俠客只存在於武俠小說中,而大有為的政府比俠客更不切實際,因此,社會需要其他的善行義舉,稍微紓緩貧窮端所面臨的困境。

「慈善」的本質是不求回報的給予,是一種不論貧富皆可為之的大愛精神,被雜誌譽為慈善英雄的陳樹菊阿嬤,就向世人展現了不平凡的慷慨。雖說平民百姓的無私捐獻更讓人動容,但平心而論,向有錢人募款較符合公平原則;而且,理論上來說,應該可以募到更多善款。

source:Kathryn Harper
source:Kathryn Harper

想跟有錢人募多一點善款,得先知道有錢人在想什麼。阿姆斯特丹大學經濟研究中心的Gneezy教授及團隊,就設計了一個實驗,欲瞭解有錢人的給予行為。

-----廣告,請繼續往下閱讀-----

說明這個實驗前,請先看看下面兩種狀況,想想你會如何決策:

狀況一:假如你填寫了某份問卷,做為獎勵,問卷發放單位提供獎金100元給你和另一名也有填寫問卷的路人甲(你完全不會知道他是誰,他也不會知道你是誰)。這100元要如何分配由你決定,你可以獨拿100元,也可以五五分、六四分或將100元都給對方等等。這時,你會如何分配呢?

狀況二:和「狀況一」一樣,但這一次路人甲可以同意或反對您的分配方案。如果路人甲同意,你們就依分配領獎金;如果他選擇不同意,那麼兩個人都拿不到一毛錢。

一般稱這兩種狀況為「獨裁者賽局」和「最後通牒賽局」,在古典經濟學中,一個理性的經濟人會追求利益最大化,所以「獨裁者賽局」中的分配者會把100元整碗捧去,而「最後通牒賽局」中的響應者(路人甲)則不論分到多少錢都該接受。

-----廣告,請繼續往下閱讀-----

但人們的行為與古典經濟學的預測大相逕庭,文獻指出 [ref. 2 3],一般人在「獨裁者賽局」中,平均會將三成左右的獎金分給響應者,在「最後通牒賽局」中,也許受到否決權的威脅,分享的金額會提高至四成左右;而「最後通牒賽局」中的響應者若沒分到理想的報酬,則會懷著報復心態選擇兩頭空。

Gneezy教授的實驗也是基於這兩種狀況,他與荷蘭一間大型銀行合作,寄送問卷給存款超過百萬歐元的存戶,讓這些百萬富翁隨機面臨「獨裁者賽局」或「最後通牒賽局」的問題。不過基於實驗設計,會告知這些百萬富翁所遇到的「路人甲」是低收入者,或著也是個有錢人。另外,他們分配的金額是100歐元,而不是100元新台幣。

實驗結果顯示,不論是「獨裁者賽局」或「最後通牒賽局」,有錢人都會分配給另一名有錢人約五成的獎金。但當分配對像為收入低者時,事情有了變化,在「獨裁者賽局」中,富翁們平均會給予對方71.4歐元,在「最後通牒賽局」的狀況下,反而減少為63.9歐元。

Gneezy教授等人推論,在「獨裁者賽局」時,富翁慷慨地將七成的獎金分給低收入者,是出於一種公益心態。在「最後通牒賽局」時,因對方有否決權,有錢人會情不自禁地進入議價心態,反而變得小氣,亦或是害怕給予太多會被當成是憐憫,因此不敢太大方。

-----廣告,請繼續往下閱讀-----

不論如何,實驗結果都說明向有錢人募款時,讓他們自由發揮,不要有太多局限,反倒有更多機會募得高額善款。

說到這,就不得不佩服中文的博大精深了。英文”donate”一詞的含義僅為「捐獻」,中文則常說「樂捐」,不但要捐,還要快樂的捐,比”donate”來得高明。而且這還不是最高境界,最高境界的用語連「捐」字都免了,叫「隨喜」,隨意喜樂,與Gneezy教授的實驗結論遙相呼應呢!

本文轉載自吳京的量子咖啡館

參考資料:

-----廣告,請繼續往下閱讀-----
  1. Smeets, Paul, Rob Bauer, and Uri Gneezy. “Giving behavior of millionaires.“Proceedings of the National Academy of Sciences 112.34 (2015): 10641-10644.
  2. Engel, Christoph. “Dictator games: a meta study.” Experimental Economics14.4 (2011): 583-610.
  3. Oosterbeek, Hessel, Randolph Sloof, and Gijs Van De Kuilen. “Cultural differences in ultimatum game experiments: Evidence from a meta-analysis.“Experimental Economics 7.2 (2004): 171-188.
-----廣告,請繼續往下閱讀-----
文章難易度
吳京
26 篇文章 ・ 3 位粉絲
正職是二個娃兒的奶爸,副業為部落格《吳京的量子咖啡館》之館主。為人雜學而無術、滑稽而多辯,喜讀科學文章,再用自認有趣的方式轉述,企圖塑造博學又詼諧的假象。被吐嘈時會辯稱:「不是我冷,是你們不懂我的幽默。」

0

0
0

文字

分享

0
0
0
AI 可以設計散熱,但誰敢讓它出貨?林唯耕談算力背後的物理現實
鳥苷三磷酸 (PanSci Promo)_96
・2026/08/20 ・2819字 ・閱讀時間約 5 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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 / 圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/圖片:envato

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。