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／顯微觀點
• 本文轉載自顯微觀點《第一張複雜腦圖譜：果蠅連接體》

2024年10月，神經科學的劃時代里程碑，成年雌果蠅完整大腦神經圖譜系列研究，發表在《自然》期刊（Nature）。此圖譜詳盡至果蠅腦中每一條神經的所有分支、每一個突觸的尺寸和型態，這樣的腦神經圖譜稱為「連接體」（connectome）。要繪製完整成熟雌性果蠅連接體，需要辨識近14萬個神經元（神經細胞）與其間的5千萬個突觸（不同神經元的連接處）。

「世上還沒有另一個如此複雜的成年動物全腦連接體。」

馬拉．莫西／普林斯頓大學神經科學研究所長

普林斯頓大學神經科學研究所長馬拉．莫西（Mala Murthy）、神經科學與電腦科學教授承現峻（Sebastian Seung）率領跨國科學團隊建造果蠅連接體雲端平台「FlyWire」，並在《自然》同時發表12篇論文，以《成熟大腦的神經連接圖》（Neuronal wiring diagram of an adult brain.）為旗艦研究，展現果蠅大腦的完整神經迴路，包含8453種神經元的構造與位置，其中4581種為本系列研究的新發現。

連接體開拓腦科學高速公路

有了詳細的腦神經地圖，科學家得以規劃嶄新的神經科學研究路徑，更加直接、詳盡地實驗神經構造與行為之間的關聯。例如，按圖索驥蒐集所有關於果蠅「剎車」動作的神經元，建構完整的動作神經網路，找出過往研究方式所遺漏的因素；或是利用果蠅連接體推論出「觀看」等動作的完整神經活動，捕捉新的神經科學現象。

生物資料科學家更進一步利用此完整連接體搭配演算法建立一個虛擬蠅腦，不僅完全重現神經元線路，更能及時推算各神經訊號的傳輸路徑與功能，模擬果蠅的真實腦內活動。接收初始訊號之後，這個虛擬蠅腦啟動一連串神經訊號，最後以運動神經元控制肢體作為結果，就像活生生的果蠅在對環境刺激進行反應。

讓神經科學換檔加速的果蠅連接體，在「FlyWire」網站向公眾徹底開放。由公眾人力與人工智慧合力打造的龐大資料庫，現在平等地提供研究資源，科學界認為，FlyWire的完整度與開放性將大幅加速人類大腦的解密。

「蠅」來連接體學大躍進

人類大腦含有超過500億個神經元，形成上百兆個突觸，具備了人工智慧還無法達成的認知、思考與創造力。若能理解人腦的基礎運作方式，科學家有機會找到帕金森氏症等退化性腦部疾病的解藥，或是掌握思覺失調症等精神疾病的生理機制。甚至逐漸實現承現峻的科學狂想：以連接體科技上傳記憶與意識，讓人類達到永生。

發展四十年後，連接體學家終於掌握了果蠅大腦，這個器官最寬處不到0.75毫米，渺小如塵埃，其中蘊含的連接體奧秘卻超越過去累積的科學資料。以果蠅連接體完成博士學位的多肯沃（Sven Dorkenwald）比喻，果蠅連接體彷彿是一座茂密森林，神經元猶如樹木，可以透過根系彼此溝通。但在空間比例上，果蠅的某個視神經橫跨全腦連接雙眼，有如一棵紐約的樹木能夠和位在洛杉磯的樹木互通聲息。

相對「頭腦簡單」的線蟲與果蠅幼蟲缺少成年果蠅的複雜行為與反應，成年果蠅卻與人類共享許多認知功能與神經生理反應。例如：辨別同類、劃分地盤/食物、求偶交配等行為，以及時差、酒醉、咖啡因亢奮等特殊生理狀態。

果蠅：當前最佳人腦模擬器

在動物行為領域，果蠅大腦與人類大腦面對許多相似的問題，如何前往目的地、判斷氣味來源、觀察周遭物體的移動，以及複雜的社會性行為，如歌唱求偶、爭奪資源；以及注意力與情緒調節等。從神經科學技術的現實面來看，果蠅大腦也是最適合進行全腦研究的複雜連接體，現有科技僅能對斑馬魚、小鼠的大腦進行分區重建。

「連接體研究需要夠複雜但體積不太大的腦，果蠅正好位在這個甜蜜點上。」

馬拉．莫西

莫西實驗室深入研究果蠅行為，發現果蠅的生存、繁殖行為蘊含複雜的模式。例如，雄果蠅演奏求偶時，會依照雌果蠅與它的距離改變演奏的音量與編曲，並追隨雌果蠅。運用FlyWire，莫西團隊清點雌果蠅中腦關於聽覺的600多個神經元與其突觸，辨認出20種新的神經元，發現其功能網路比過往所知更加複雜。

莫西團隊發現，雌果蠅聽覺迴路中，神經元的回饋訊號可以憑藉音訊特徵進行預測，未來可以據此模型預測真實雌果蠅對「情歌」的回應行為。或許我們深深自豪的音樂品味也刻劃在我們的腦神經細胞之間，只是和我們的連接體一樣，比果蠅的複雜萬倍。

在基因層面，果蠅與人類共享約60%的基因，包括學習、時差反應與唐氏症相關的基因。接近3/4的人類遺傳疾病能在果蠅DNA中找到對應的基因。因此，完整的成年果蠅連接體被視為通往人類大腦奧秘的橋頭堡。

美國太空總署（NASA）在1947年將果蠅送上太空，作為地球生命前往太空環境的實驗品。牠們竟生還返地，為太空人開拓了道路。作為經典模式生物，果蠅相關研究獲得6項諾貝爾獎，生理學、神經科學與行為學領域已累積豐富資料，搭配完整連接體圖譜的跨領域研究，勢必能帶人類深入探索腦宇宙。

本文轉載自顯微觀點

塑膠垃圾早已是全球性的環境難題。除了塑膠製品丟棄成為海廢後，隨波漂流跨越國境影響生態外，大量廢棄物流入海洋、陸地並分解為塑膠微粒，可能隨著食物鏈進入魚貝類，最後再回到餐桌，在在引發健康疑慮。

大腦裡的塑膠湯匙

今年二月，一篇發表於《自然醫學》（Nature Medicine）期刊的研究指出，人體大腦中發現的塑膠微粒量大到相當於一整支塑膠湯匙，且可能與失智症相關，更是引發全球關注。

美國新墨西哥大學藥學系教授馬修・坎彭（Matthew Campen）的研究團隊，以 2016 年和 2024 年的死者器官樣本，分析微塑膠與奈米塑膠（microplastics and nanoplastics, MNPs, 後續統稱為塑膠微粒）在主要器官系統中的相對分布。

過去透過顯微光譜學（visual microscopic spectroscopy methods）已觀察到肺、腸道與胎盤等器官中存在塑膠顆粒，但這些方法多半受限於觀察粒徑大於5微米的塑膠微粒，更細小的奈米塑膠則難以被偵測到。

因此，坎彭團隊結合化學分析與顯微觀察，運用了多種互補的技術，包括熱裂解氣相層析質譜儀（Py-GC/MS）、衰減全反射式傅立葉紅外線光譜儀（ATR–FTIR），以及搭配光學與電子顯微鏡，為分析化學提供「看得見的」證據。

他們證實了人體腎臟、肝臟和大腦中皆存在塑膠微粒，主要成分為聚乙烯（PE），其他聚合物濃度則較少。而和肝臟或腎臟相比，腦組織中的聚乙烯比例更高。以透射電子顯微鏡（Transmission Electron Microscopy, TEM）觀察到腦中的塑膠微粒呈奈米級碎片狀，尺寸多小於 200 nm，寬度不到 40 nm。

研究團隊在平均年齡 45 至 50 歲的死者腦組織中觀察到，每克腦組織約含 4800 微克的塑膠微粒，佔腦質量的 0.48%；且相較於 2016 年樣本，2024 年的大腦塑膠量增加近 50%。

「這意味著我們大腦的 99.5% 是腦，其他則是塑膠。」坎彭如此說道。

團隊分析失智症患者的腦樣本後發現，塑膠微粒濃度更高，且明顯分布於發炎細胞區域與血管壁沿線。研究推測失智症與塑膠微粒之間可能存在關聯，但尚無法證明因果。因為失智症典型症狀如腦萎縮、血腦障壁受損與清除機制不佳，也可能導致塑膠微粒更易累積、濃度升高。因此，仍需改進分析技術與更大規模的研究，以釐清塑膠微粒對神經健康的真實影響。

調查塑膠微粒的名偵探

要找出肉眼看不見的塑膠微粒，無疑像大海撈針一樣，而這正是顯微鏡技術發揮關鍵作用之處。

顯微鏡是目前辨識塑膠微粒最重要的工具之一。由於塑膠顆粒的尺寸從幾毫米到幾奈米不等，外觀、顏色、透明度差異極大，肉眼觀察幾乎無法分辨。透過顯微鏡，不僅能觀察形態與結構，還能搭配光譜分析，確認化學組成。

光學顯微鏡是最基礎的工具，可快速辨識顏色、大小與形狀。若搭配偏光濾鏡或螢光染劑，可提高透明塑膠的辨識度。這種方法操作簡便、成本低，常用於初步篩選樣本，但解析度受可見光繞射限制（約200 nm），對奈米級塑膠仍力有未逮。

而螢光顯微鏡與共軛焦雷射顯微鏡則能提供更清晰的影像與深度資訊，適合觀察顆粒在細胞或組織內的分布。不過，染劑與天然有機物反應時，仍可能造成誤判。

當需要更高解析度時，便是電子顯微鏡登場的時候。掃描式電子顯微鏡（Scanning Electron Microscopy, SEM）能清楚呈現微塑膠表面的粗糙度、裂紋與附著物；若結合能量散射 X 光譜（EDS），還能分析表面元素，確認是否為碳基塑膠。穿透式電子顯微鏡（TEM）則是研究奈米塑膠的關鍵，能觀察到顆粒內部結構與與細胞交互作用的情形。

除此之外，原子力顯微鏡（Atomic Force Microscopy, AFM）也是研究塑膠微粒的重要工具。它以極細的探針在樣本表面掃描，達到原子級的立體圖像，不僅能觀察顆粒粗糙度，還能分析硬度和附著力，對研究塑膠老化或表面污染吸附特別有用。

另一方面，由於單靠影像無法證明顆粒成分，因此常會結合如微傅立葉紅外光譜（μ-FTIR）或微拉曼光譜顯微鏡（μ-Raman）等光譜分析技術，準確辨認不同聚合物類型。

坎彭團隊的研究正是運用這些技術層層驗證，不同顯微影像共同構成一條完整的證據鏈，塑膠微粒在人體中的分布情形得以現形。

先以偏光顯微鏡觀察、定位組織切片中的「折射性顆粒」，並在肝、腎中見到1–5 µm的桿狀或顆粒狀結構，以及在腦部觀察到小於1 µm的顆粒。

再利用掃描式電子顯微鏡（SEM）搭配能譜分析（EDS）觀察這些「疑似塑膠」的顆粒表面形貌與化學組成，驗證這些顆粒是主要由碳與少量氧構成，而幾乎沒有金屬或矽元素的塑膠。最後使用穿透式電子顯微鏡（TEM）來觀察奈米級的塑膠微粒。

從光學顯微鏡到電子顯微鏡，從紅外光譜到拉曼分析，這些儀器不只完成研究採樣，更是環境真相的揭露者。每一項技術都像是不同層級的偵探工具，拼湊出塑膠在環境與人體之間的行蹤。

參考資料：

• Nihart, A.J., Garcia, M.A., El Hayek, E. et al. Bioaccumulation of microplastics in decedent human brains. (2025). Nature Medicine,31, 1114–1119https://doi.org/10.1038/s41591-024-03453-1
• Kalaronis, D., Ainali, N. M., Evgenidou, E., Kyzas, G. Z., Yang, X., Bikiaris, D. N., & Lambropoulou, D. A. (2022). Microscopic Techniques as Means for the Determination of Microplastics and Nanoplastics in the Aquatic Environment: A Concise Review. Green Analytical Chemistry, 3, 1–54.
• Human brain samples contain an entire spoon’s worth of nanoplastics, study says

延伸閱讀：

• 閃耀動人的小東西 是鑽石還是玻璃？