開源散熱系統 Series 7：DryCore 氣候控制架構
Four Pillars of Thermal Sovereignty
溫度主權的四大支柱
作者：Neo.K 機構：一言諾科技有限公司（EveMissLab） 日期：2025年12月 類型：開源概念論文 系列定位：系列六（立體運算架構）的配套散熱方案 特別聲明：本論文開源概念與設計邏輯，不包含程式碼實作，所有數據均為假設，如論文寫實際測試，均為計算推理實測，非已經現實存在。
Part I：開源宣言與哲學基礎
1.1 為什麼散熱技術必須開源？
起點：系列六的未竟之問
在開源系列六《立體運算架構：樓梯形與螺旋形處理器》中，我們用幾何創新突破了二維平面的算力極限。透過垂直堆疊與螺旋散熱通道，我們將運算密度提升了12倍，功耗從150W躍升至600W+。
但當論文發布後，最多人問的不是「立體架構如何實現」，而是：
「600W的處理器，用什麼散熱？」
這不是技術細節的追問，而是對可行性的根本質疑。
傳統散熱邏輯在600W功耗面前全面失效：
- 風冷極限：280mm塔式散熱器在200W時已開始降頻
- AIO水冷極限：360mm一體式水冷在400W時風扇轉速突破2000 RPM，噪音55dB+
- 定製水冷：複雜、昂貴、漏液風險、維護成本高
更殘酷的是：散熱閉源會直接扼殺立體運算的生態。
邏輯鏈：為何散熱閉源等於立體運算死刑？
立體運算開源（系列六）
→ 600W+功耗需求
→ 傳統散熱失效
→ 若散熱方案閉源/昂貴
→ 只有大企業能實作
→ 立體運算淪為實驗室技術
→ 開源失敗
因此：
散熱必須同步開源，才能讓立體運算真正普及
這不是道德選擇，而是生態邏輯的必然。
開源的三重理由
理由一：技術互補性（Technical Symbiosis）
立體運算的價值在於「算力民主化」——讓個人開發者、小型實驗室也能獲得超算級運算能力。但若配套散熱需要$5000的定製水冷系統，這個願景就破滅了。
散熱開源 = 降低立體運算的准入門檻 = 擴大生態參與者基數
理由二：知識的自然狀態（Natural State of Knowledge）
散熱不是魔法，而是熱力學第一定律的應用：
- 熱量守恆
- 溫度梯度驅動傳遞
- 相變吸收潛熱
這些原理早已公開在教科書中。閉源散熱技術，本質上是對公共知識的二次壟斷。
物質資源的稀缺性來自「使用即消耗」，但知識資源的特性是「複製無損耗」。一個散熱設計被一萬人使用，不會讓原設計「變少」。
因此，開源是知識的自然狀態，閉源才是人為扭曲。
理由三：反脆弱性（Antifragility）
閉源技術的生命週期綁定公司存續：
- 公司倒閉 → 技術消失
- 專利過期 → 技術過時
- 授權糾紛 → 技術凍結
開源技術則具備「反脆弱性」（Nassim Taleb）：
- 使用者越多 → 改進越快
- 衍生版本越多 → 生態越穩定
- 即使原作者消失 → 社群可接手
系列七若閉源，十年後可能只是歷史文獻。 系列七開源，十年後可能演化出一百種更優版本。
開源承諾與邊界
我承諾開源的內容：
- ✅ 完整設計邏輯與物理原理
- ✅ CAD結構圖（STEP/STL格式）
- ✅ 材料選擇與性能計算
- ✅ CFD模擬數據與分析方法
- ✅ 組裝指南與安全注意事項
我不會提供的內容：
- ❌ 任何程式碼（韌體/控制邏輯/演算法實作）
- ❌ GitHub倉庫維護
- ❌ 社群技術支持
- ❌ 持續迭代更新
原因很簡單：我很忙，不是做義工的。
開源是「知識的慷慨」，不是「時間的無償奉獻」。我分享概念，你自行實作。這是公平的交換——我給你地圖,你自己走路。
論文本身就是開源形式。你讀到這裡,就已經獲得了完整的技術知識。至於要不要動手做、怎麼做、做成什麼樣,那是你的自由與責任。
授權聲明：
- 本論文採用 CC BY-SA 4.0（創用CC 姓名標示-相同方式分享）
- 商業使用：✅ 允許
- 改作：✅ 允許，但需註明出處並以相同授權釋出
- 專利：我不會對使用本論文技術的個人/組織主張專利權
1.2 溫度主權哲學：從被動散熱到主動氣候
兩種範式的根本對立
傳統散熱邏輯（被動範式）：
熱源產生 → 被動移除 → 排出機殼外
前提假設：空氣是免費的，熱量會自己走
設計哲學：容器思維（機殼=盒子）
結果：風扇咆哮、灰塵堆積、溫度牆
溫度主權邏輯（主動範式）：
主動感知 → 動態調控 → 能量回收利用
前提假設：機殼是微型氣候系統
設計哲學：生態思維（機殼=環境控制中心）
結果：靜音、免維護、常態超頻、能量閉環
核心差異不在於「冷卻效率」，而在於對熱的本體論定位：
面向
被動範式
主動範式
熱的定義
廢物
能量流
機殼角色
容器
氣候主權體
設計目標
排出
管理
能量流向
單向（內→外）
閉環（部分回收）
維護邏輯
人工清潔
自動化
溫度主權的認知科學基礎
從認知負荷理論（Cognitive Load Theory, Sweller 1988）來看，傳統散熱系統給使用者施加了三重負擔：
- 內在認知負荷（Intrinsic Load）：理解水冷原理、風扇曲線、超頻參數
- 外在認知負荷（Extraneous Load）：處理漏液恐懼、噪音干擾、清潔提醒
- 增生認知負荷（Germane Load）：本應用於創作的心智資源被分散
溫度主權的設計哲學：將所有認知負擔內化到系統。
使用者不需要「知道」散熱如何運作，就像你不需要知道心臟如何跳動——系統自主維持最佳狀態。
這與恆溫動物的體溫調節系統（Homeostasis）高度類比：
- 傳統散熱 = 變溫動物（Ectotherm）：依賴環境溫度，需主動尋找熱源/陰涼處
- 溫度主權 = 恆溫動物（Endotherm）：內部調節機制,無論外界如何變化都維持恆定
四大支柱的哲學映射
模組
傳統邏輯
溫度主權邏輯
哲學意涵
DryCore
散熱器直接接觸CPU
外掛冷端，熱源與冷卻物理隔離
風險外部化（Risk Externalization）
DustVoid
定期清潔灰塵
持續負壓吸塵，灰塵不進入
預防優於治療（Prevention over Cure）
GravityFlow
泵浦驅動水冷
重力驅動，零泵浦壽命問題
簡單即穩定（Simplicity as Reliability）
ThermoHarvest
廢熱排放
熱電轉換，能量回收
循環經濟（Circular Economy）
這四個模組不是獨立技術的堆疊，而是單一哲學的四個維度投影。就像四弦琴的和弦——每根弦可以單獨發聲,但真正的音樂來自共鳴。
Part II：技術架構——主力四件套
2.1 DryCore：外掛導熱殼架構
核心理念：風險物理隔離
傳統水冷最大的恐懼來自「冷卻介質與電路共處一室」：
- 漏液概率：0.5-2%（AIO產品統計）
- 一次漏液 = 主機板/GPU報廢 = 數萬元損失
- 心理負擔：每次開機都在賭博
DryCore的顛覆：把水留在殼外。
傳統水冷架構：
[CPU] ← 冷頭（水路） ← 泵浦 ← 冷排 ← 水箱
問題：水路貫穿整個機殼,任何接頭都可能漏液
DryCore架構：
[CPU] ← 高導熱底板 ← 殼體液冷腔 | 物理隔離牆 | ← ColdDock外掛冷端
特點：液體不進入機殼主體,漏液風險鎖在外部可更換模組
三層熱傳遞結構
層級一：晶片→底板（接觸導熱）
這是整個系統熱阻最大的關鍵節點。
材料選擇：
- 主體材質：無氧銅（C10100）
- 導熱係數：401 W/(m·K)
- 理由：純度>99.99%,雜質導致的熱阻最小
- 表面處理：鏡面研磨（Ra < 0.4μm）
- 目的：降低微觀粗糙度,減少空氣間隙
- 介面材料：液態金屬（Thermal Grizzly Conductonaut）
- 導熱係數：73 W/(m·K)（傳統矽脂約5-8）
- 風險：導電性，需絕緣框限位
接觸壓力優化：
根據Hertz接觸理論，接觸熱阻與壓力呈非線性關係：
R_contact = K / P^n
R_contact: 接觸熱阻 (K/W)
P: 接觸壓力 (MPa)
K, n: 材料常數
實驗數據（銅-銅接觸，液態金屬介質）：
壓力 (MPa)
接觸熱阻 (K/W)
變形風險
0.3
0.08
無
0.5
0.04
無
0.8
0.02
微變形
1.2
0.015
⚠ 過壓
最佳設計點：0.8 MPa
- 實現方式：彈簧壓力機構（6點均布）
- 壓力誤差：±5%（彈簧剛度精度）
層級二：底板→殼體液冷腔（對流換熱）
殼體內部是密閉的微流道液冷腔體。
微流道設計參數：
- 流道寬度：0.5 mm
- 流道深度：2 mm
- 流道數量：200（並聯）
- 總接觸面積：約400 cm²
工作流體選擇：
- 基液：去離子水（導熱係數 0.6 W/(m·K)）
- 添加劑：
- 防腐劑（0.1% 苯並三氮唑）
- 防藻劑（0.05% 季銨鹽）
- pH調節劑（維持7.0-7.5）
流動模式分析：
Reynolds數：
Re = (ρvD_h) / μ
ρ: 密度 (kg/m³)
v: 流速 (m/s)
D_h: 水力直徑 (m)
μ: 動力黏度 (Pa·s)
設計工況：
- 流速：0.5 m/s
- 水力直徑：0.67 mm（矩形流道）
- Re ≈ 335（層流）
層流的優勢：
- 壓降小（∝ v）
- 噪音低
- 長期穩定（不易侵蝕）
對流換熱係數：
Nusselt數（層流充分發展）：
Nu = 3.66（矩形流道恆壁溫）
h = (Nu × k) / D_h
h ≈ (3.66 × 0.6) / 0.00067
h ≈ 3280 W/(m²·K)
熱阻計算：
R_conv = 1 / (h × A)
R_conv = 1 / (3280 × 0.04)
R_conv ≈ 0.0076 K/W
層級三：殼體→ColdDock外掛冷端（模組化散熱）
這是DryCore最具革命性的設計——冷卻端完全模組化、可熱插拔。
ColdDock接口設計：
物理結構：
┌─────────────────┐
│ 殼體熱窗 │ ← 銅質接觸面（50mm×50mm）
└────┬────────────┘
│ 磁吸定位（4×Φ10mm釹鐵硼）
┌────┴────────────┐
│ ColdDock接口 │ ← 快拆螺旋鎖緊機構
│ ┌──────────┐ │
│ │ 冷端模組 │ │ ← 可更換（風冷/水冷/Chiller）
│ └──────────┘ │
└─────────────────┘
密封設計：
- 雙層O-ring密封圈（內徑48mm/50mm）
- 材質：氟橡膠（FKM），耐溫-20°C~200°C
- 壓縮率：15%（確保密封但不過緊）
- 防水等級：IP67（1m水深30分鐘）
三版本冷端選擇：
版本
冷卻方式
散熱能力
噪音
成本
適用場景
入門版
風冷鰭片+12cm風扇
200W (ΔT=15°C)
35 dB
$80
遊戲/輕度創作
Pro版
冷板+微型Chiller
500W (ΔT=25°C)
40 dB
$300
專業工作站/AI訓練
Lab版
雙迴路Chiller+TEC
1200W (ΔT=35°C)
45 dB
$800
超算節點/極限超頻
關鍵優勢總結：
- 絕對安全：液體永不進入主機殼，漏液不觸及電路
- 升級彈性：冷端壞了換冷端，主機不受影響
- 成本分級：入門用戶$80風冷，專業用戶$800 Chiller
- 維護簡化：5年無需打開機殼，外掛模組5分鐘更換
實測性能數據
測試平台：
- CPU：Intel i9-14900KS
- 超頻：全核心6.2 GHz
- 功耗：420W（實測）
- 環境：25°C室溫
結果對比：
散熱方案
CPU溫度
風扇噪音
散熱功耗
備註
原廠風冷
95°C
45 dB
10W
5分鐘後降頻至5.8 GHz
360mm AIO
78°C
38 dB
25W
穩定但噪音明顯
DryCore(空氣冷源)
72°C
32 dB
15W
✅ 全核穩定6.2 GHz
DryCore(冰水冷源)
58°C
28 dB
12W
✅ 可再超頻至6.4 GHz
關鍵發現：
- 相同功耗下，DryCore溫度降低17°C（相比AIO）
- 噪音降低6 dB（相當於聲壓減半）
- 無降頻，性能恆定
2.2 DustVoid Transatron：頂置負壓吸塵系統
核心理念：預防優於治療
灰塵是沉默的殺手。一台運行6個月的PC，散熱器灰塵堆積可使：
- 導熱效率衰減：35-50%
- 風扇轉速補償：+20-30%
- 噪音增加：+8-12 dB
- 硬體壽命：-30%
傳統應對方式的失敗：
- 濾網攔截：
- 問題：增加風阻10-25%，需頻繁清洗
- 用戶依從性：<30%（大多數人不會定期清潔）
- 正壓設計：
- 問題：僅減緩堆積速度,無法消除
- 機殼縫隙仍會進灰
- 定期清潔：
- 問題：依賴人工，違背「懶人哲學」
- 需拆機，風險高
DustVoid的範式轉變：不讓灰塵進來
傳統邏輯：
灰塵進入 → 濾網攔截 → 堵塞 → 清洗 → 循環
DustVoid邏輯：
灰塵接近 → 負壓吸走 → 導入集塵盒 → 半年一倒
這不是「更好的過濾」，而是「重新定義邊界」——把機殼視為需要保護的潔淨區,而非允許灰塵進入後再處理。
四層技術架構
第一層：VortexCore負壓渦流引擎
核心部件：
- 風扇規格：3×140mm PWM風扇
- 轉速範圍：600-2000 RPM
- 氣流量：150 CFM @ 1500 RPM
- 靜壓：3.2 mmH₂O
負壓強度計算：
ΔP = (1/2) × ρ × v²
假設出風口風速 v = 5 m/s：
ΔP = 0.5 × 1.2 × 25
ΔP = 15 Pa（約0.15 mmH₂O）
作用範圍：
- 垂直方向：機殼頂部上方50cm
- 水平方向：環形360°（無死角）
- 有效半徑：約80cm（灰塵濃度降低90%區域）
物理機制：
灰塵顆粒受力分析：
F_drag = (1/2) × ρ × v² × C_d × A
F_drag: 空氣阻力（向上）
C_d: 阻力係數（球形≈0.47）
A: 顆粒截面積
對於10μm灰塵顆粒：
- 重力：F_g ≈ 5×10⁻¹² N（向下）
- 阻力（5 m/s氣流）：F_d ≈ 2×10⁻¹⁰ N（向上）
- 淨力向上，被吸走
臨界粒徑（剛好懸浮）：
d_critical ≈ 50μm
50μm：重力主導，會落下（但這類顆粒少）
<50μm：阻力主導，被吸入（佔灰塵95%+）
第二層：雙級分離與過濾
初級分離：慣性分離器
原理：利用氣流轉向，重顆粒慣性大，撞擊壁面落入集塵倉。
吸入氣流（含灰塵）
↓
┌─────┴─────┐
│ 旋風分離腔 │ ← 切向進氣
│ ↓ │
│ 重顆粒↓ │ ← >10μm顆粒墜落
└─────┬─────┘
↓ 氣流上升（攜帶<10μm顆粒）
分離效率：
- 20μm顆粒：>95%
- 10-20μm顆粒：70-90%
- <10μm顆粒：進入次級過濾
次級過濾：HEPA濾芯
規格：
- 等級：H13（歐盟EN 1822）
- 過濾效率：>99.95% @ 0.3μm（MPPS，最易穿透粒徑）
- 濾材：玻璃纖維（厚度約0.5mm）
- 阻力：初始120 Pa @ 150 CFM
濾芯壽命管理：
壓差感測器監控前後壓差：
- 初始：120 Pa
- 警告閾值：200 Pa（阻力增加67%）
- 更換閾值：250 Pa（阻力翻倍）
預期壽命：
- 一般環境（城市住宅）：12-18個月
- 高塵環境（工地附近）：6-9個月
第三層：SilentWave聲學優化
負壓系統的致命弱點：噪音。3個140mm風扇全速運轉可達50+ dB。
降噪策略矩陣：
策略
原理
降噪效果
實現方式
葉片優化
減少渦流噪音
-5 dB
採用Noctua A-series VORTEX葉型
減震安裝
隔絕振動傳遞
-3 dB
橡膠避震墊（6點支撐）
迷宮式氣道
聲波干涉抵消
-6 dB
多折射通道設計
PWM智能調速
降低不必要轉速
-8 dB
根據溫度/灰塵濃度動態調整
總計
-
-22 dB
組合應用
迷宮式氣道設計細節：
吸入口（360°環形）
↓
┌───────────────┐
│ 折射腔A（45°）│ ← 聲波在此處反射
├───────────────┤
│ 折射腔B（90°）│ ← 二次干涉
├───────────────┤
│ HEPA濾芯腔 │ ← 多孔材料吸音
└───────────────┘
↓
排氣口（向下,遠離使用者）
聲學模擬結果（COMSOL軟體）：
- 500 Hz（風扇基頻）：衰減18 dB
- 1000 Hz（葉片通過頻率）：衰減25 dB
- 2000 Hz+（高頻嘯叫）：衰減30 dB
實測噪音數據：
工況
轉速
無優化噪音
優化後噪音
參考對象
靜謐模式
600 RPM
28 dB
20 dB
深夜臥室
日常模式
1200 RPM
42 dB
25 dB
圖書館
全速模式
2000 RPM
58 dB
35 dB
辦公室
第四層：AeroSense智能控制
這不是單純的「開/關」，而是預測性維護系統。
感測器陣列：
- 灰塵濃度感測器（光學散射，0.3-10μm）
- 壓差感測器（濾芯壽命監測）
- 溫度陣列（5點分佈）
- 濕度感測器（露點守護）
控制邏輯（簡化描述）：
IF 灰塵濃度 > 閾值：
增加風扇轉速10%
IF 壓差 > 200 Pa：
提示更換濾芯
IF CPU溫度 > 70°C AND GPU溫度 > 75°C：
提升轉速至日常模式
IF 環境濕度 > 70% AND 冷端溫度 < 露點+3°C：
啟動除濕模式（降低冷端功率）
學習功能（概念）：
系統可記憶用戶使用模式：
- 週末晚上8-12點：高負載遊戲（預載效能模式）
- 平日白天：文書處理（切換靜謐模式）
- 長時間待機：降至最低轉速（600 RPM）
注意：我不提供學習演算法的程式碼實作。這是概念描述,你要實現就自己寫。
模組化安裝設計
ModuLock磁吸系統：
- 定位機制：4×Φ15mm釹鐵硼磁鐵（吸力約15 N/個）
- 鎖緊機制：旋轉卡扣（90°鎖定）
- 拆裝時間：<30秒（免工具）
集塵倉設計：
- 容量：500 mL
- 材質：透明PC（可視灰塵量）
- 清空方式：底部快開蓋，倒入垃圾袋
- 頻率：一般環境3-6個月
電氣連接：
- 供電：單一4-pin PWM接口
- 功耗：15W @ 1500 RPM
- 相容性：所有標準ATX主機板
安裝需求與限制
機殼改造：
- 頂部開孔：420mm × 150mm（標準3×140mm風扇位）
- 高度佔用：65mm（含集塵倉突出）
- 結構強度：需支撐約1.5 kg重量
不適用場景：
- Mini-ITX小機殼（空間不足）
- 已有頂部水冷排（位置衝突）
- 完全密閉機殼（無頂部開口）
2.3 GravityFlow Pro：重力驅動液冷系統
革命性概念：零泵浦液冷
水冷系統最大的諷刺：用機械泵浦（會壞）來冷卻電子元件（怕壞）。
泵浦故障率統計（AIO產品數據）：
- 3年內故障：12-18%
- 5年內故障：30-45%
- 故障模式：軸承磨損、葉輪卡死、密封圈老化
GravityFlow的終極簡化：沒有泵浦就沒有泵浦故障。
傳統水冷：
泵浦（機械） → 推動水流 → 循環
問題：單點故障、噪音源、壽命限制
GravityFlow：
高度差（物理） → 重力驅動 → 虹吸循環
優勢：零機械磨損、理論無限壽命、超靜音
這不是「改進」,而是移除失敗點。
物理原理：虹吸效應的工程化
基本條件：
- 液體連續性（管路無氣泡）
- 出口低於入口（重力勢能差）
- 管路最高點壓力高於蒸氣壓（防止液柱斷裂）
驅動力計算：
ΔP = ρ × g × Δh
ρ: 液體密度（水≈1000 kg/m³）
g: 重力加速度（9.8 m/s²）
Δh: 高度差（m）
系統設計參數：
- 水箱位置：機殼頂部（H = 60 cm）
- 冷排位置：機殼底部（H = 0 cm）
- 有效高度差：Δh = 0.6 m
驅動壓力：
ΔP = 1000 × 9.8 × 0.6
ΔP = 5880 Pa（約0.058 atm）
流量計算：
流動阻力來自管路摩擦與冷排阻力：
ΔP = ζ × (1/2) × ρ × v²
ζ: 阻力係數（經驗值≈2.5）
v: 流速
解出流速：
v = √(2ΔP / ρζ)
v = √(2×5880 / 1000×2.5)
v ≈ 2.17 m/s
流量（假設管徑10mm）：
Q = v × A
A = π × (0.005)² = 7.85×10⁻⁵ m²
Q = 2.17 × 7.85×10⁻⁵
Q ≈ 1.7×10⁻⁴ m³/s = 10.2 L/min
與傳統水冷對比：
類型
流量
評價
低階AIO
6-8 L/min
基本夠用
中階AIO
10-12 L/min
標準配置
高階AIO
15-20 L/min
高性能
GravityFlow
10.2 L/min
✅ 匹敵中階AIO
結論：10 L/min足夠支撐300-400W處理器。
系統五大模組設計
模組一：頂置水箱（Reservoir）
設計要求：
- 位置：機殼最高點（重力勢能最大化）
- 容量：2000 mL
- 運行需求：1500 mL
- 緩衝空間：500 mL（補水+膨脹）
- 材質：透明亞克力（PMMA）
- 理由：可視液位、耐腐蝕、易加工
結構特徵：
┌─補水口（快拆蓋）
│
┌───┴──────────┐
│ 空氣層 │ ← 500mL緩衝空間
├──────────────┤
│ │
│ 水體 │ ← 1500mL工作液
│ │
└───┬──────────┘
│
└─虹吸管出口（底部中央）
液位監控：
- 浮球開關×2（最高液位/最低液位）
- 低液位警報：<800 mL時蜂鳴+LED閃爍
- 過液位警報：>1800 mL時提示停止補水
模組二：虹吸管路（Siphon Tube）
這是整個系統的「生命線」。
管材選擇：
- 材質：醫療級矽膠管（Shore A硬度50-60）
- 規格：內徑10mm，壁厚2mm
- 透明度：高透明（可視氣泡）
- 耐溫：-40°C ~ +200°C
關鍵設計：防斷流結構
虹吸最大風險：液柱斷裂（cavitation）。
發生條件：
P_min < P_vapor
P_min: 管路最高點壓力
P_vapor: 水的飽和蒸氣壓（20°C時≈2.3 kPa）
防範措施：
- 限制高度差：Δh < 10 m（遠大於實際0.6m，安全）
- 排氣設計：管路最高點設自動排氣閥
- 初始灌液協議：
步驟1：關閉所有閥門
步驟2：從最高點灌水（排出空氣）
步驟3：緩慢打開閥門（避免氣泡）
步驟4：運行5分鐘，檢查氣泡並排出
模組三：冷排配置（Radiator）
位置：機殼底部或前側（最低點）
規格選擇：
- 尺寸：360mm（3×120mm風扇位）
- 厚度：30mm（標準型）或45mm（高性能）
- 材質：鋁合金鰭片+銅質水道
散熱能力計算：
Q = U × A × ΔT
Q: 散熱功率（W）
U: 總傳熱係數（W/m²·K）
A: 散熱面積（m²）
ΔT: 水溫與環境溫差（K）
典型參數：
- U ≈ 150 W/(m²·K)（強制對流）
- A ≈ 0.8 m²（360mm冷排，雙面鰭片）
- ΔT = 10 K（設計點）
散熱能力：
Q = 150 × 0.8 × 10
Q = 1200W
但實際受限於：
- 風扇轉速（低噪音運行時U下降）
- 水流速（10 L/min時效率約50%）
- 環境溫度（夏季ΔT降低）
實際穩定散熱：300-400W（足夠單路高性能CPU/GPU）。
模組四：冷頭設計（Cold Plate）
接觸面優化：
- 底板材質：紫銅（T2）
- 表面處理：CNC銑平+鏡面拋光（Ra < 0.8μm）
- 平整度：全域<10μm（高精度加工）
微流道結構：
進水口
↓
┌────────────┐
│ ═══════ │ ← 主流道（Φ6mm）
│ ║ ║ ║ ║ │ ← 微流道陣列（0.5mm×100條）
│ ═══════ │
└───┬────────┘
│
出水口
設計邏輯：
- 主流道分配水流至所有微流道
- 微流道並聯，阻力相等
- 出口匯集後排出
熱阻分析：
總熱阻 = 接觸熱阻 + 對流熱阻 + 導熱熱阻
R_total = R_contact + R_conv + R_cond
R_contact ≈ 0.02 K/W（液態金屬）
R_conv ≈ 0.015 K/W（微流道對流）
R_cond ≈ 0.005 K/W（銅底導熱）
R_total ≈ 0.04 K/W
對於300W CPU：
ΔT = Q × R_total
ΔT = 300 × 0.04
ΔT = 12 K
結論：冷頭溫升僅12°C，非常優秀。
模組五：安全互鎖系統
多層防護邏輯：
第一層：液位保護
IF 液位 < 最低閾值：
觸發蜂鳴警報
自動降低CPU/GPU功耗限制（TDP -30%）
持續30秒未補水 → 強制關機
第二層：溫度保護
IF CPU溫度 > 85°C：
提升冷排風扇至最高轉速
IF CPU溫度 > 95°C：
強制降頻（保護模式）
IF CPU溫度 > 105°C：
緊急關機
第三層：漏液偵測
底部漏液感測墊（導電式）：
IF 偵測到液體 →
斷開ATX電源（硬體互鎖）
LED紅燈常亮
拒絕開機直到人工檢查
第四層：機械防呆
快拆接頭設計：
- 未正確鎖定 → 無法開機（微動開關）
- 拔出時自動關閉單向閥（防漏）
性能實測數據
測試平台：
- CPU：AMD Ryzen 9 7950X（16核）
- TDP：230W（全核心超頻至5.5 GHz）
- 環境：25°C，相對濕度50%
時間點
CPU溫度
水溫
冷排風扇轉速
噪音
待機
38°C
28°C
600 RPM
18 dB
輕負載（50W）
52°C
32°C
800 RPM
22 dB
全核壓力測試（230W）
68°C
42°C
1200 RPM
28 dB
持續6小時後
70°C
43°C
1200 RPM
28 dB
關鍵發現：
- 溫度穩定（6小時僅上升2°C）
- 無降頻（全程5.5 GHz）
- 噪音極低（<30 dB，深夜也不擾人）
- 零故障（泵浦永不故障的優勢）
2.4 ThermoHarvest：動態導熱管+熱電回收
雙重使命：導熱+發電
這是整個系列七最具「循環經濟」哲學的模組——熱不再是廢物，而是尚未轉化的能量。
傳統散熱邏輯：
熱源（600W） → 散熱器 → 排出環境
能量流向：100%浪費
ThermoHarvest邏輯：
熱源（600W） → 動態導熱管（590W導出） → 環境
↓
熱電模組（10W轉為電能） → 供電風扇/LED/儲能
能量流向：98%散出 + 2%回收
雖然回收比例僅2%，但意義不在於「節省電費」（年省$10-20），而在於證明閉環可能性。
核心技術一：相變導熱管（VCT）
設計理念：溫度自適應導熱
傳統熱管是「被動」的——無論什麼溫度，導熱係數恆定。
VCT是「主動」的——根據溫度動態調整導熱效率：
- 低溫模式（<40°C）：減少導熱，快速達到工作溫度
- 高溫模式（>60°C）：最大導熱，全力散熱
物理原理：工作液相變
選用工作液：正丁烷（n-Butane）
- 沸點：-0.5°C（常壓）
- 相變潛熱：385 kJ/kg
- 密度：液態585 kg/m³，氣態2.5 kg/m³
低溫模式（啟動階段）：
環境20°C，CPU從20°C加熱至40°C
此時正丁烷全部氣化（>-0.5°C）
氣態導熱係數：約0.02 W/(m·K)（類似空氣）
效果：隔熱作用
CPU快速升溫至工作溫度（2-3分鐘）
高溫模式（穩態運行）：
CPU達到80°C以上
熱管底部：液態正丁烷吸熱蒸發
蒸氣上升至冷凝端
冷凝端：釋放潛熱（385 kJ/kg），凝結為液體
液體重力回流至底部
等效導熱係數：20,000-100,000 W/(m·K)
（比銅高50-250倍！）
動態控制機制：溫控閥門
材料：形狀記憶合金（SMA, Shape Memory Alloy）
- 常用合金：鎳鈦合金（Nitinol）
- 相變溫度：60°C（可客製化）
工作原理：
<60°C：SMA處於馬氏體相，閥門關閉（低導熱模式）
60°C：SMA轉變為奧氏體相，閥門打開（高導熱模式）
響應時間：<5秒
這是純物理控制，無需電路——溫度本身驅動閥門，零能耗、零故障率。
核心技術二：熱電發電模組（TEG）
Seebeck效應的工程化
物理原理：
當兩種不同半導體形成PN接面，若兩端存在溫差，
則會產生電動勢（Seebeck效應）
V = α × ΔT
V: 輸出電壓（V）
α: Seebeck係數（V/K）
ΔT: 冷熱端溫差（K）
商用TEG模組選型：
型號：TEP1-12656-1.5（市售標準件）
- Seebeck係數：約200 μV/K
- 最大功率點：ΔT=50K時，輸出8W
- 尺寸：40mm × 40mm × 3.8mm
- 材料：碲化鉍（Bi₂Te₃）基合金
系統配置：4模組串並聯
串聯（提升電壓）：
[TEG1] —+— [TEG2] —+— [TEG3] —+— [TEG4]
單個5V × 4 = 20V
並聯（提升電流）：
總電流 = 4 × 單個電流
實際工況計算：
假設CPU 400W功耗，熱端溫度80°C，冷端溫度30°C：
ΔT = 50 K
查TEG性能曲線：
單個模組輸出 ≈ 3W @ ΔT=50K
4個模組總輸出：
P_total = 4 × 3W = 12W
考慮MPPT效率（90%）：
P_useful ≈ 10W
10W能做什麼？
用途
功耗
數量
總功耗
120mm風扇
2.5W
3個
7.5W
LED燈條
0.5W
4條
2W
感測器陣列
0.3W
1組
0.3W
剩餘
-
-
0.2W
結論：TEG發電剛好足夠供應所有散熱系統的用電需求！
這意味著：散熱系統能量自給，不再從PSU取電。
MPPT控制器：榨乾每一瓦特
最大功率點追蹤（Maximum Power Point Tracking）
TEG的輸出功率與負載電阻呈非線性關係：
P_out = V × I = V × (V / R_load)
其中 V = V_oc - I × R_internal
最大功率條件（微分=0）：
R_load = R_internal（阻抗匹配）
MPPT芯片：BQ25504（德州儀器）
- 冷啟動電壓：80 mV（極低！）
- 輸入範圍：3-18V（適配TEG）
- 輸出：穩壓5V USB-C
- 效率：>90%
工作流程：
- TEG輸出電壓V（隨ΔT變化）
- MPPT測量V和I
- 計算當前功率P = V×I
- 微調負載R_load
- 觀察P是否增加
- 重複步驟3-5，收斂至最大P
這個過程每秒執行100次,確保始終工作在最佳點。
再次強調：我不提供MPPT演算法程式碼。這是概念說明，你要實現就自己寫或用現成IC。
整合結構設計
五層堆疊架構：
[CPU晶片表面] ← 100°C
↓ 液態金屬界面
[高導熱銅底板] ← 95°C
↓ 緊密接觸
[TEG模組（熱端）] ← 80°C
↓ 熱電轉換
[TEG模組（冷端）] ← 30°C
↓ 相變導熱管
[動態導熱管] ← 25°C
↓ 散熱鰭片
[環境] ← 20°C
關鍵設計考量：
- TEG放置位置：
- 不能直接接觸CPU（會增加熱阻）
- 應在中間層（有足夠ΔT但不影響散熱）
- 面積匹配：
- TEG總面積：4×(40mm×40mm) = 6400 mm²
- CPU面積：約4500 mm²（大核心）
- 覆蓋率：142%（足夠）
- 壓力分佈：
- TEG陶瓷基板較脆，壓力需均勻
- 使用柔性熱墊（0.5mm厚）緩衝
- 壓力：0.3-0.5 MPa（避免過壓）
選配：儲能系統
TEG發電不穩定（隨負載波動），需要緩衝。
方案一：超級電容
- 容量：100F @ 5V
- 儲能：0.5 × 100 × 25 = 1250 J ≈ 0.35 Wh
- 用途：平滑功率波動、風扇啟動衝擊電流
方案二：小型鋰電池（進階）
- 容量：50 Wh（18650電芯×6）
- 用途：短期停電時維持風扇運轉
- UPS功能：停電後持續散熱3-5分鐘，安全關機
實測數據
測試配置：
- CPU：Intel i9-14900KS @ 6.0 GHz
- 功耗：380W（穩態）
- 熱端溫度：85°C
- 冷端溫度：32°C
- ΔT：53K
結果：
指標
數值
備註
TEG總輸出
11.2W
4模組串並聯
MPPT損耗
1.1W
效率90%
可用功率
10.1W
實際供電
風扇消耗
8W
3×120mm @ 1000RPM
LED消耗
1.8W
RGB燈條
剩餘
0.3W
儲存至超級電容
關鍵發現：
- ✅ TEG完全自給自足，散熱系統「零」PSU功耗
- ✅ 相變導熱管響應迅速（<5秒切換模式）
- ✅ 6個月運行無性能衰減
Part II小結：四大支柱的協同邏輯
模組
解決問題
核心創新
與其他模組協同
DryCore
散熱能力不足
外掛冷端，風險隔離
為ThermoHarvest提供穩定熱源
DustVoid
灰塵堆積
負壓驅塵，預防性維護
保護GravityFlow冷排不堵塞
GravityFlow
水冷可靠性
零泵浦，重力驅動
為DryCore提供冷卻液循環
ThermoHarvest
能量浪費
熱電轉換，閉環利用
為DustVoid/GravityFlow風扇供電
這不是四個獨立產品，而是單一生態系統的四個介面。
Part III：延伸概念——未來設計的開源地圖
3.1 SilentBox HydroZero：全套氣候系統
這是四大支柱的「終極整合體」——一個完全密閉、零外部排風、自給自足的微型氣候控制中心。
設計理念：五層氣候主權
┌────────────────────────────────┐
│ Layer 5: 智能中樞 │ ← AI學習用戶模式，預測負載
├────────────────────────────────┤
│ Layer 4: 能量回收 │ ← ThermoHarvest發電
├────────────────────────────────┤
│ Layer 3: 水氣管理 │ ← 除濕+露點守護
├────────────────────────────────┤
│ Layer 2: 導熱傳輸 │ ← DryCore外掛冷端
├────────────────────────────────┤
│ Layer 1: 吸塵氣場 │ ← DustVoid負壓系統
└────────────────────────────────┘
核心挑戰：密閉如何散熱？
傳統機殼依賴「空氣對流」——吸入冷空氣,排出熱空氣。
SilentBox HydroZero完全密閉，如何解決？
答案：所有熱量透過DryCore外掛冷端導出。
熱量路徑：
CPU/GPU → DryCore殼體 → ColdDock接口 → 外部Chiller → 環境
機殼內部無需與環境空氣交換！
技術架構（概念）
模組A：密閉艙體
- 材質：雙層鋁合金（外層）+ 隔音棉（中層）+ 內層ABS
- 氣密等級：IP65（防塵防水）
- 觀察窗：雙層鋼化玻璃（中空減震）
模組B：內循環氣流
- 小型風扇陣列（6×80mm）
- 僅負責內部空氣攪拌，不對外排風
- 功能：均勻化溫度場，防止局部熱點
模組C：除濕系統
- 問題：密閉環境 + 冷端低溫 = 結露風險
- 方案：矽膠乾燥劑 + 微型半導體除濕器
- 目標：相對濕度維持在40-50%
模組D：壓力平衡
- 密閉艙體溫度變化會導致內外壓差
- 方案：彈性氣囊（類似手機防水透氣膜）
- 允許微量氣體交換但阻擋灰塵
目前狀態與開源策略
✅ 已驗證：
- 四大支柱單獨運作穩定
- 物理原理可行
⚠ 未驗證：
- 整合後的熱管理協調
- 長期密閉下的濕度控制
- 成本控制（預估單機$1200-1800）
開源內容：
- CAD概念圖（STEP格式）
- 氣流模擬報告（PDF）
- 物料清單（BOM，Excel）
不開源/未完成：
- 精確的裝配圖（需商業化後提供）
- 控制軟體（僅開源控制邏輯流程圖）
- 量產工藝（這是商業機密）
呼籲社群驗證：
這是一個極具挑戰的整合項目。我提供概念與方向，但實際工程細節需要社群的集體智慧。如果你是熱流工程師、機械設計師、或極客愛好者，歡迎基於這個概念進行實驗，並分享你的發現。
3.2 QAC微氣壓導熱系統
核心概念：用氣壓場代替導熱介質
這是一個「瘋狂」的想法——能否用高壓氣體作為導熱介質？
傳統導熱方式的局限：
方式
導熱係數
優勢
缺陷
固體接觸
高（銅401）
簡單
接觸熱阻大
液體對流
中（水0.6）
效率高
需泵浦、漏液風險
氣體對流
低（空氣0.026）
安全
效率極差
QAC的洞察：氣體導熱係數與壓力正相關
k_gas = k_0 × (P / P_0)
k_gas: 高壓下導熱係數
k_0: 常壓導熱係數
P: 實際壓力
P_0: 標準大氣壓
理論推導：
常壓空氣（1 atm）：k = 0.026 W/(m·K)
10 atm高壓空氣：k ≈ 0.26 W/(m·K)
這已接近某些液體！
技術挑戰與解決方案
挑戰一：高壓密閉
10 atm壓力需要：
- 厚壁容器（>5mm鋁合金）
- O-ring密封（耐壓等級）
- 安全閥（超壓釋放）
挑戰二：微泵浦陣列
維持10 atm需持續補壓：
- 方案：壓電微泵（無刷、長壽命）
- 功耗：約5W
- 噪音：<20 dB（超聲波驅動）
挑戰三：安全性
高壓氣體洩漏風險：
- 使用惰性氣體（氮氣或氬氣）
- 洩漏偵測器（壓力感測器）
- 緩慢洩壓機制（避免爆炸）
理論性能預測
假設10 atm氮氣，導熱係數0.25 W/(m·K)：
熱阻計算：
R = L / (k × A)
L: 氣隙厚度（0.1mm）
A: 接觸面積（50cm²）
R = 0.0001 / (0.25 × 0.005)
R ≈ 0.08 K/W
對比液態金屬（0.015 K/W）：
- QAC性能較差（5倍熱阻）
- 但無漏液風險、維護成本低
目前狀態
🔬 純理論階段
- 需要實驗驗證壓力-導熱係數關係
- 需要高壓環境下的長期穩定性測試
- 成本效益分析（是否值得為5倍性能差付出複雜性代價？）
開源內容：
- 物理模型與公式推導（本節已包含）
- CFD模擬設定檔（待實驗驗證）
呼籲研究機構參與：
QAC是一個需要專業實驗室設備的研究課題。如果你所在的大學/研究所有高壓環境測試能力，歡迎基於這個理論進行實驗，並發表你的發現。我承諾不對學術研究主張專利權。
3.3 AACMS靜音級吸塵氣場
這是DustVoid的「完整理論版本」。
概念定位
DustVoid = AACMS的簡化實作（80%功能，20%複雜度）AACMS = 完整的氣動力學理論體系（100%功能，100%複雜度）
類比關係：
- DustVoid : AACMS = Linux Mint : Linux Kernel
- DustVoid是「開箱即用」的產品
- AACMS是「深度可調」的平台
AACMS包含的進階內容
1. 多層負壓場理論
不是單一負壓強度，而是分層設計：
高度層級 | 負壓強度 | 作用對象
---------|---------|----------
Level 3（機殼上方50cm） | -2 Pa | 阻擋遠處灰塵飄來
Level 2（機殼頂部10cm） | -8 Pa | 吸引近距離灰塵
Level 1（吸入口） | -15 Pa | 強力吸入集塵盒
2. 聲學優化完整模型
包含：
- 風扇葉片氣動噪音計算（CFD+CAA）
- 迷宮式消音腔設計方法論
- 主動降噪（ANC）硬體方案（雖然我不提供程式碼）
3. 灰塵粒徑分布模型
基於實際環境的灰塵統計：
粒徑範圍 | 佔比 | DustVoid捕捉率 | AACMS優化後
---------|------|----------------|------------
<1μm | 30% | 85% | 95%
1-5μm | 45% | 95% | 99%
5-10μm | 20% | 99% | >99.9%
10μm | 5% | >99.9% | >99.9%
4. 長期性能衰減分析
模擬運行5年後的性能：
- 濾網阻力增加曲線
- 風扇軸承磨損對噪音的影響
- 預測性維護時間表
開源內容
由於AACMS是理論體系，開源內容偏學術：
- 📄 完整技術白皮書（30頁，含公式推導）
- 📊 CFD模擬源文件（ANSYS Fluent格式）
- 📈 聲學模擬數據（COMSOL）
- 📚 參考文獻列表（50+篇論文）
適合對象：
- 碩博士研究生（流體力學/聲學專業）
- 專業散熱廠商的研發部門
- 對理論有興趣的極客
不適合對象：
- 只想DIY一個吸塵模組的人（請直接參考DustVoid）
- 沒有CFD軟體的人
- 不想深入理論的人
3.4 HydroPeak超頻常態化模式
概念：軟體+硬體協同的動態超頻
傳統超頻的困境：
手動超頻：
設定5.8 GHz → 壓力測試 → 溫度95°C → 降頻至5.5 GHz
問題：無法持續全速，性能波動
自動超頻（如Intel Turbo Boost）：
短暫衝刺至5.8 GHz → 30秒後降至4.8 GHz基頻
問題：持續負載下性能不足
HydroPeak的革命：讓超頻成為常態
核心邏輯：
即時監測：溫度 + 功耗 + 散熱餘裕
AI預測：未來5秒溫度趨勢
動態調整：在安全範圍內最大化頻率
目標：全程最高頻率，零降頻
三大技術支柱
支柱一：智能頻率匹配系統（IFMS）
輸入：
- CPU當前溫度：T_current
- 散熱系統狀態：冷排水溫、風扇轉速
- 功耗：P_current
計算：
- 散熱餘裕：Margin = (T_max - T_current) / T_max
- 可持續功耗：P_sustainable
輸出：
- 最高安全頻率：F_max = f(P_sustainable)
支柱二：超頻環境優化控制（OECS）
協調四大支柱創造最佳超頻環境：
IF 需要超頻：
DryCore → 增加冷端功率20%
GravityFlow → 檢查水溫，必要時降低（增加冷排風扇）
DustVoid → 確保氣流暢通（檢查濾網壓差）
ThermoHarvest → 增加TEG發電（為額外風扇供電）
支柱三：壽命智慧分配模組（L-DAM）
超頻會損耗壽命，但用戶可以選擇「如何損耗」：
模式A：性能優先
- 全程最高頻率
- 預期壽命：3年（相比預設5年）
模式B：平衡模式
- 高負載時超頻，低負載時降頻
- 預期壽命：4.5年
模式C：壽命優先
- 僅在必要時短暫超頻
- 預期壽命：5年+
實測效果
測試CPU：Intel i9-14900KS
模式
頻率
溫度
功耗
性能
壽命影響
預設（Stock）
3.6 GHz基頻
65°C
125W
基準
無
傳統超頻
5.5 GHz
95°C
320W
+53%
-40%
HydroPeak
5.5 GHz
42°C
240W
+53%
-8%
關鍵突破：
- ✅ 相同性能提升，溫度降低53°C
- ✅ 相同性能提升，功耗降低25%
- ✅ 壽命損耗僅為傳統超頻的1/5
開源內容與限制
開源：
- 控制邏輯流程圖（Visio/Draw.io格式）
- 數學模型與公式
- 安全邏輯設計原則
- 測試數據與性能曲線
不開源：
- ❌ 任何程式碼（Python/C++/韌體）
- ❌ AI預測模型的訓練數據
- ❌ 硬體接口協議的底層實作
原因：
HydroPeak的價值不在於「程式碼」，而在於「設計邏輯」。
你知道了邏輯，可以：
- 用Python實現（如果你會Python）
- 用C++實現（如果你做嵌入式）
- 用現成MCU實現（如Arduino）
- 或根本不實現，只用概念指導手動超頻
我給你地圖，你選擇走路、開車還是飛過去。
Part IV：製造指南與實作建議
4.1 DIY難度分級與建議路徑
四大支柱的DIY難度評估
模組
難度
所需技能
工具需求
成本估算
推薦順序
DustVoid
⭐⭐
3D打印、基礎電工
3D打印機、電鑽、焊鐵
$50-80
✅ 第一步
GravityFlow
⭐⭐⭐
水冷經驗、密封測試
壓力測試設備、管路工具
$100-150
第二步
ThermoHarvest
⭐⭐⭐⭐
電子焊接、MCU編程
示波器、焊台、編程器
$80-120
第三步
DryCore
⭐⭐⭐⭐⭐
機械加工、精密裝配
CNC（或外包）、壓力機
$200-350
最後挑戰
推薦學習路徑
階段一：入門體驗（DustVoid）
為什麼從DustVoid開始？
- 成就感最強：裝上後立刻看到效果（機殼內無灰塵）
- 失敗成本低：頂多浪費$50材料，不會燒硬體
- 技能遷移性高：學會的3D打印、風扇控制可用於其他項目
最小可行產品（MVP）：
必要元件：
- 3×140mm PWM風扇（$30）
- 3D打印外殼（材料$10）
- HEPA濾網（$8）
- 透明集塵盒（$5）
可選元件：
- 壓差感測器（$15）
- PWM控制器（$12）
總成本：$53（必要） + $27（可選） = $80
階段二：進階挑戰（GravityFlow）
前置要求：
- ✅ 已完成DustVoid
- ✅ 有水冷裝機經驗（至少拆裝過AIO）
- ✅ 理解虹吸原理
關鍵風險點：
- 漏液測試：壓力測試必須做滿24小時
- 氣泡排除：初次灌液需極度耐心（可能花2-3小時）
- 水質管理：去離子水+防腐劑，每年換液
測試流程：
Step 1：組裝管路（預估2小時）
Step 2：外部水壓測試（2 atm，24小時）
Step 3：灌液並排氣（2-3小時）
Step 4：空載運行（48小時，監控溫度/流量）
Step 5：滿載壓力測試（Prime95 12小時）
階段三：高階整合（ThermoHarvest）
這是電子+機械的綜合挑戰。
前置要求：
- ✅ 已完成階段一、二
- ✅ 會使用萬用表
- ✅ 基本焊接能力（或願意學習）
- ⚠ 不需要會寫程式（用現成MPPT IC）
核心難點：
- TEG模組焊接：陶瓷基板易碎，需溫控焊台（<300°C）
- 接觸壓力控制：0.5 MPa需要精密彈簧（建議購買成品）
- 電路調試：MPPT輸出電壓需示波器確認穩定性
簡化方案（不用寫程式）：
使用現成模組：
- BQ25504評估板（德州儀器，$25）
- 已內建MPPT演算法
- 只需接線：TEG輸入、5V輸出
你只需做物理組裝，電路部分是「傻瓜式」的
階段四：終極挑戰（DryCore）
這是「地獄難度」，不建議新手嘗試。
為什麼這麼難？
- 精密加工需求：接觸面平整度<5μm（人類頭髮直徑的1/10）
- 密封設計：IP67等級需要專業O-ring選型
- 高壓測試：液冷腔內壓1.5 atm，爆裂風險
- 成本高：CNC加工外包需$150+，失敗損失大
建議策略：
IF 你是機械工程師 OR 有CNC設備：
挑戰DryCore全自製
ELSE IF 你有預算$300+：
購買商業化產品（如果未來有）
ELSE：
放棄DryCore，用傳統360mm AIO代替
（其他三模組已能大幅改善體驗）
4.2 材料採購指南
通用材料清單
類別
品項
規格
參考價格
購買渠道
風扇
Noctua NF-A14
140mm PWM
$25/個
Amazon、Newegg
管材
矽膠軟管
ID 10mm, 壁厚2mm
$3/米
淘寶、AliExpress
密封
O-ring
NBR材質，多規格
$0.5-2/個
McMaster-Carr
感測器
DS18B20
溫度感測器
$2/個
DigiKey、Mouser
3D打印
PLA耗材
1kg捲
$20
本地3D打印店
導熱
液態金屬
Conductonaut
$15/1g
Amazon
TEG模組
TEP1-12656
標準件
$18/個
AliExpress
關鍵元件的選型陷阱
陷阱一：便宜風扇的噪音地獄
不要買$5的雜牌風扇！
品牌
價格
噪音
壽命
結論
雜牌
$5
35 dB
1年
❌ 便宜但吵且短命
Arctic
$12
25 dB
3年
✅ 性價比之選
Noctua
$25
19 dB
6年+
✅ 極致靜音
推薦：如果預算緊張選Arctic，追求極致選Noctua。
陷阱二：矽膠管的「透明度騙局」
透明管看起來高級，但會黃化！
材質
初始外觀
1年後
2年後
推薦度
普通PVC
半透明
微黃
明顯黃
❌
醫療級矽膠
全透明
依然透明
微黃
✅
黑色矽膠
黑色
黑色
黑色
✅✅
建議：直接買黑色矽膠管，黃化不可見，且耐用性最佳。
陷阱三：TEG模組的「額定功率謊言」
賣家宣稱「12V 15A = 180W」,但那是理想實驗室條件！
實際使用：
宣稱：180W @ ΔT=200K（不可能達到）
現實：8W @ ΔT=50K（實際工況）
差距：22.5倍！
如何避坑：
- 看Datasheet的「性能曲線圖」
- 找ΔT=50K那條線的功率值
- 那才是你真正能得到的
4.3 安全注意事項
電氣安全
危險一：液態金屬導電
液態金屬（鎵合金）導電性極強，一滴漏到主機板=短路=報廢。
防護措施：
- 絕緣框限位（3D打印）
- 只塗薄層（不要貪多）
- 首次使用先在廢CPU上練習
- 絕不使用於筆記型電腦（震動風險）
危險二：TEG模組極性
TEG接反會「發熱」而非「發電」！
識別方法：
正確：熱端接熱源，冷端接散熱器 → 產生電壓
錯誤：接反 → TEG變成加熱器 → 燒毀
驗證步驟：
- 用萬用表測開路電壓（應為正值）
- 短路電流方向與標示一致
- 確認無誤後再連接負載
機械安全
危險一：高壓水路爆裂
GravityFlow內壓1.2-1.5 atm，管路若有瑕疵會噴水。
測試規範：
壓力測試必須在「空機殼」進行：
- 移除所有電子元件
- 充氣至2 atm（設計壓力的1.33倍）
- 保持24小時
- 壓力降<5% → 合格
- 壓力降>5% → 找漏點，重新密封
危險二：旋轉部件（風扇）
3×140mm風扇全速運轉（2000 RPM）時，葉片周速：
v = π × D × N / 60
v = 3.14 × 0.14 × 2000 / 60
v ≈ 14.7 m/s（約53 km/h）
若手指伸入：
- 輕則割傷
- 重則斷指（雖然罕見但有案例）
防護措施：
- 所有風扇必須加裝防護網（最大孔徑5mm）
- 維護時務必先斷電
- 兒童遠離運轉中的系統
化學安全
危險一：冷卻液添加劑
防腐劑（苯並三氮唑）有輕微毒性。
安全操作：
- 戴手套配製
- 避免接觸眼睛、口鼻
- 用完洗手
- 存放於兒童拿不到的地方
危險二：3D打印揮發物
PLA打印時會釋放微量甲醛。
防護措施：
- 打印時保持通風
- 不要在臥室打印
- 打印完成後放置24小時再使用（揮發完畢）
Part V：測試數據與驗證
5.1 單模組性能測試
DustVoid吸塵效能測試
測試方法：
環境：模擬城市住宅（PM2.5 = 35 μg/m³）
對照組：傳統機殼（濾網）
實驗組：裝載D
ustVoid 運行時間：30天連續運轉
測試結果：
| 指標 | 傳統機殼 | DustVoid | 改善 |
|------|---------|----------|------|
| 散熱器灰塵量 | 明顯可見 | 無可見灰塵 | -95% |
| 風扇葉片積塵 | 厚度約0.5mm | 幾乎無塵 | -98% |
| 散熱效率衰減 | -12% | -0.5% | 24倍 |
| 清潔頻率 | 每月1次 | 半年1次 | 6倍 |
| 噪音增加（30天後） | +5 dB | +0.2 dB | 25倍 |
關鍵發現：
- DustVoid不是「減少灰塵」，而是「幾乎消滅灰塵」
- 30天後散熱器如新，傳統機殼已需清潔
GravityFlow流量穩定性測試
測試方法：
設備：超聲波流量計（精度±1%） 測試時長：7天×24小時連續監測 負載：Stress test（CPU 230W持續）
流量曲線：
| 時間 | 水溫 | 流量 | 備註 |
|------|------|------|------|
| 0小時（冷啟動） | 25°C | 0 L/min | 虹吸尚未建立 |
| 0.5小時 | 28°C | 8.5 L/min | 虹吸已啟動 |
| 2小時（穩態） | 42°C | 10.2 L/min | 達到設計流量 |
| 24小時 | 42°C | 10.1 L/min | 穩定 |
| 7天 | 42°C | 9.9 L/min | 微降（誤差範圍內） |
關鍵發現：
- 虹吸建立需約30分鐘（冷啟動時水溫影響密度）
- 穩態後流量波動<3%（非常穩定）
- 7天無性能衰減（證明零泵浦優勢）
ThermoHarvest發電效率測試
測試平台：
CPU功耗：固定300W（人工負載） 熱端溫度：80°C 冷端溫度：30°C（風冷維持） 測試時長：72小時
發電數據：
| 時間 | TEG輸出電壓 | TEG輸出電流 | 輸出功率 | MPPT效率 |
|------|-------------|------------|---------|---------|
| 0小時（冷機） | 8V | 0.5A | 4W | N/A |
| 1小時（熱穩定） | 18V | 0.6A | 10.8W | 92% |
| 24小時 | 18V | 0.6A | 10.8W | 92% |
| 72小時 | 17.8V | 0.6A | 10.7W | 91% |
能量收支計算：
總輸入：300W × 72h = 21.6 kWh 總輸出：10.7W × 72h = 0.77 kWh 轉換效率：0.77 / 21.6 = 3.57%
低？是的。但：
- 風扇消耗：8W → TEG完全覆蓋
- 剩餘2.7W → 儲存至超級電容
關鍵發現：
- TEG發電非常穩定（72小時波動<1%）
- 3.57%效率雖低，但「廢熱變電」的意義大於數字
- 實現「散熱系統能量自給」的原始目標 ✅
5.2 四件套整合測試
測試平台規格
CPU: AMD Ryzen 9 7950X（16核，超頻至5.5 GHz全核） GPU: NVIDIA RTX 4090（超頻至核心3.0 GHz） RAM: 64GB DDR5-6400 存儲: 2TB NVMe SSD × 2 電源: 1200W 80+ Platinum
機殼: 自製ATX機殼（裝載四大支柱） 環境: 室溫25°C，相對濕度55%
壓力測試協議
負載：
- CPU: Prime95（Small FFTs）
- GPU: FurMark（8K解析度）
- 同時運行
時長：72小時連續 監控頻率：每秒記錄溫度/功耗/噪音
結果總表
| 指標 | 傳統方案 | 四件套方案 | 改善幅度 |
|------|---------|-----------|---------|
| CPU溫度（平均） | 82°C | 62°C | -20°C |
| GPU溫度（平均） | 78°C | 70°C | -8°C |
| CPU溫度（峰值） | 95°C | 68°C | -27°C |
| GPU溫度（峰值） | 85°C | 74°C | -11°C |
| 總噪音 | 48 dB | 28 dB | -20 dB |
| 機殼內灰塵 | 可見堆積 | 無 | -100% |
| 發電量（供風扇） | N/A | 10W | 自給自足 |
| 降頻事件 | 3次 | 0次 | 消除 |
| 用戶體驗評分（1-10） | 6.5 | 9.2 | +42% |
72小時溫度曲線分析
┌────────────────────────────────────┐ │ 90°C┤ │ │ 傳統方案（波動劇烈） │ 80°C┤ ╱╲ ╱╲ ╱╲ │ │╱ ╲╱ ╲╱ ╲ │ 70°C┤──────────────────── │ │ 四件套（穩定） │ 60°C┤═══════════════════════ │ │ │ 50°C└────┬────┬────┬────┬──────→ 0h 24h 48h 72h 時間
關鍵觀察：
- 傳統方案溫度波動±8°C（風扇轉速補償）
- 四件套溫度波動僅±2°C（主動氣候控制）
- 無降頻 = 性能100%釋放
長期穩定性測試（6個月）
延續72小時測試後，系統持續日常使用6個月：
| 指標 | 第1週 | 第1個月 | 第3個月 | 第6個月 | 變化 |
|------|-------|---------|---------|---------|------|
| CPU溫度 | 62°C | 62°C | 63°C | 64°C | +2°C |
| GPU溫度 | 70°C | 70°C | 71°C | 72°C | +2°C |
| 噪音 | 28 dB | 28 dB | 29 dB | 30 dB | +2 dB |
| TEG發電 | 10W | 10W | 9.8W | 9.5W | -5% |
| 灰塵堆積 | 無 | 無 | 微量 | 少量 | 可忽略 |
| 系統故障 | 0 | 0 | 0 | 0 | 0 |
關鍵發現：
- 溫度上升2°C（導熱膏老化正常範圍）
- TEG衰減5%（碲化鉍材料特性）
- 零故障！無漏液、無泵浦故障、無硬體損壞
5.3 極限工況測試
測試一：1000W功耗挑戰
配置：
CPU: 雙路Intel Xeon Platinum 8480+（56核×2） GPU: 雙路NVIDIA H100（80GB×2） 總計算功耗：約1400W
使用方案：
- DryCore Lab版（雙迴路Chiller）× 2
- DustVoid × 2（前後各一）
- GravityFlow Pro × 2（獨立迴路）
- ThermoHarvest × 4
結果：
| 指標 | 數值 | 評價 |
|------|------|------|
| CPU溫度 | 48°C | ✅ 優秀 |
| GPU溫度 | 52°C | ✅ 優秀 |
| Chiller功耗 | 1200W | 符合設計 |
| 總系統功耗 | 2600W | CPU+GPU+散熱 |
| 噪音 | 45 dB | ✅ 可接受 |
| TEG發電 | 45W | 供應所有風扇+部分燈效 |
結論：系統可穩定支撐1000W+工況，適用於AI訓練節點。
測試二：高溫環境（40°C室溫）
模擬夏季無空調環境：
室溫：40°C 相對濕度：70%（潮濕） CPU負載：300W持續
結果：
| 指標 | 25°C環境 | 40°C環境 | 變化 |
|------|---------|---------|------|
| CPU溫度 | 62°C | 78°C | +16°C |
| 冷排散熱能力 | 400W | 280W | -30% |
| 除濕模式啟動 | 否 | 是 | 防結露 |
| 噪音 | 28 dB | 38 dB | +10 dB |
關鍵發現：
- 高溫環境性能下降30%（物理極限）
- 但仍無降頻（78°C < 95°C閾值）
- 除濕模式成功防止結露
測試三：低溫環境（5°C室溫）
模擬冬季寒冷地區：
室溫：5°C 相對濕度：40%（乾燥） CPU負載：300W持續
結果：
| 指標 | 25°C環境 | 5°C環境 | 變化 |
|------|---------|---------|------|
| CPU溫度 | 62°C | 42°C | -20°C |
| 冷排散熱能力 | 400W | 600W | +50% |
| 結露風險 | 無 | ⚠ 有（若冷端<2°C） |
| 噪音 | 28 dB | 22 dB | -6 dB |
關鍵發現：
- 低溫是散熱天堂（ΔT大）
- 但需注意露點守護（環境5°C，露點約-5°C，安全）
- 可進一步超頻（溫度餘裕大）
Part VI：哲學終章——從佔有到共享的本體論轉向
6.1 開源的三重悖論
當我宣布「系列七開源」時，必然面對三個詰問：
詰問一：「你為什麼不閉源賺錢？」
資本主義邏輯：
技術 → 專利 → 排他性 → 利潤最大化
我的回答：短期利潤 vs 長期影響
假設我閉源：
- 賺到錢：也許$100萬（樂觀估計）
- 但代價：技術被鎖在專利黑箱，僅我一家使用
- 十年後：也許被遺忘
假設我開源：
- 賺不到錢：$0（從論文直接獲利）
- 但收穫：全球開發者改進、衍生、創新
- 十年後：也許有一百種衍生版本，Series 7成為標準
我選擇後者。因為影響力>金錢。
詰問二：「開源=免費勞動？你不虧嗎？」
這是對「開源」的誤解。
開源 ≠ 我要永遠免費為社群服務
開源 = 我給你知識，你自己動手
類比：
閉源：我開餐廳,你必須來我店裡吃（並付錢） 開源：我公開食譜，你自己在家做
我虧了嗎？
- 餐廳模式：我賺100個人的錢
- 食譜模式：10000人學會做菜，其中50人開了餐廳並改進食譜，整個產業進步
誰虧了？
我不提供程式碼，不是吝嗇，而是邊界。
寫程式碼需要：
- 時間：100-200小時
- 測試：50+小時
- 維護：持續投入
我已經給了：
- 概念（價值最高）
- 設計邏輯（可直接實作）
- 測試數據（驗證可行性）
你拿著地圖（概念），還要我背著你走？那不叫開源，叫剝削。
詰問三：「萬一有人抄襲你的設計賺錢呢？」
我的答案：歡迎。
但有三個前提（CC BY-SA授權）：
- 必須註明出處（BY，attribution）
- 改進版也必須開源（SA，share-alike）
- 不得主張專利阻止他人使用
如果有人基於Series 7做出商業產品並賺錢：
- ✅ 他付出了工程化努力（我沒做的部分）
- ✅ 他承擔了商業風險（我不想承擔）
- ✅ 他推廣了技術（加速普及）
我沒虧，反而贏了——技術影響力擴大。
唯一不允許的：拿去閉源，申請專利，阻止別人使用。那就違背了開源的核心精神。
6.2 海德格式提問：技術的本質是什麼？
工具觀的侷限
傳統技術哲學（培根、笛卡爾）：
技術 = 達成目的的中性工具 人類 = 技術的主人
這是「工具觀」（Instrumental View）。
但海德格（Heidegger）在《技術的追問》中指出：這是表象，不是本質。
技術作為「解蔽」（Entbergen）
海德格：技術的本質不是「工具性」，而是「真理的顯現方式」。
希臘文 aletheia（真理）= a-（否定） + lethe（遮蔽）
真理 = 去除遮蔽 = 讓隱藏之物顯現
技術 = 一種特殊的「解蔽」方式
例子：散熱技術的「解蔽」
表面上：
- DryCore是一個「冷卻CPU的工具」
- 目的：降溫
本質上：
- DryCore揭示了「熱的本質是能量流動」這個真理
- 它「解蔽」了一個被傳統散熱邏輯遮蔽的事實：熱源與冷卻可以物理隔離
這個真理一直存在（熱力學定律），但被「傳統設計慣性」遮蔽了。
開源作為「真理的解放」
閉源技術 = 把真理鎖進專利黑箱 = 重新遮蔽
開源技術 = 讓真理對所有人顯現 = 徹底解蔽
當我開源Series 7時，我不只是在「分享設計」，而是在說：
「熱管理的真理不應被任何人壟斷。讓所有人都能看見、理解、使用這個真理。」
這才是開源的哲學深度——從知識佔有到真理共享。
6.3 傅柯式反思：知識-權力的解構
知識即權力（Knowledge is Power）
傅柯（Foucault）在《規訓與懲罰》中揭示：
知識不是中性的 知識的生產、傳播、壟斷 = 權力結構的建立
專利制度的權力邏輯：
我發明了X → 我申請專利 → 我擁有排他權 → 你必須向我購買/授權 這個流程建立了： 發明者（權力擁有者） vs 使用者（權力服從者）
傅柯稱此為「話語權力」（Discursive Power）：
- 「這個技術是我的」= 一種權力宣稱
- 專利法 = 權力的制度化
- 侵權訴訟 = 權力的暴力執行
開源作為「權力的去中心化」
開源不是「放棄權力」，而是重新定義權力：
| 閉源權力 | 開源權力 |
|---------|---------|
| 排除他人 | 讓所有人受益 |
| 我獨享利潤 | 我獲得影響力 |
| 零和博弈（你得我失） | 正和博弈（共同進步） |
傅柯的「全景監獄」（Panopticon）類比：
閉源技術 = 中央塔樓（專利持有者）監視囚犯（使用者）
- 囚犯不知何時被監視，只能服從規則
- 權力的不對稱是絕對的
開源技術 = 拆除中央塔樓
- 所有人都可以看見「規則」（原始碼/設計邏輯）
- 所有人都可以改進規則
- 權力變成「協作」而非「監控」
6.4 德勒茲式生成：從樹狀到根莖
樹狀結構的暴政
德勒茲和瓜塔里（Deleuze & Guattari）在《千高原》中批判「樹狀思維」（Arborescent Thinking）：
樹的結構： (根) │ ┌─────┴─────┐ (樹幹) (樹幹) │ │ (樹枝) (樹枝) │ │ (樹葉) (樹葉)
特點：
- 中心化（根=起點,葉=終點）
- 單向流動（從根到葉）
- 階層化（上級命令下級）
閉源技術 = 典型的樹狀結構：
公司總部（樹根） ↓ 授權 分公司（樹枝） ↓ 分銷 經銷商（樹枝） ↓ 銷售 用戶（樹葉） ← 只能被動接受,無法改變產品
根莖結構的解放
德勒茲提出「根莖」（Rhizome）作為替代：
根莖的特點： ○─○─○ │ ╳ │ ○─○─○ ← 任意兩點可連接 │ ╳ │ 多中心、去階層 ○─○─○
- 無中心（每個節點地位平等）
- 多向連接（A可直接連B,不需經過C）
- 生成性（任何節點可獨立進化）
開源技術 = 根莖結構：
我發布基礎設計（節點A） ↓ fork 社群X改進DustVoid（節點B） ↓ merge 社群Y改進GravityFlow（節點C） ↓ 獨立分支 社群Z創造全新模組（節點D） ← 我根本沒想到的方向！
最終： 形成一個去中心化的生態系統 每個節點都可以成為新的「根」
關鍵洞察：
閉源 = 樹（死的結構，根死則全死）
開源 = 根莖（活的網絡，任何節點都可再生）
6.5 最終命題：開源是技術的共產主義嗎？
表面的相似性
馬克思：生產資料公有制 = 共產主義
開源：知識生產資料公有 = ？
看起來很像：
- 都反對壟斷
- 都主張共享
- 都追求集體利益
根本的差異
| 面向 | 共產主義 | 開源 |
|------|---------|------|
| 實現方式 | 國家機器強制執行 | 自願、自組織 |
| 市場關係 | 消滅市場 | 創造新市場（服務、支持） |
| 財產權 | 廢除私有財產 | 保留版權（CC BY-SA） |
| 激勵機制 | 按需分配 | 聲譽經濟+商業化 |
| 失敗後果 | 極權主義（歷史教訓） | 最多回到閉源（可逆） |
更精確的類比：數位公地（Digital Commons）
開源不是共產主義，而是「數位時代的commons（公地）」。
傳統公地（Medieval Commons）：
- 村莊共有的牧場、森林
- 任何村民可使用（放牧、砍柴）
- 但需遵守規則（不過度使用）
數位公地（Digital Commons）：
- 開源知識（如Series 7）
- 任何人可使用、改進、再分享
- 但需遵守規則（CC BY-SA授權）
關鍵區別於共產主義：
- 沒有強制（你可以選擇不用）
- 沒有禁止商業化（Red Hat模式證明可盈利）
- 保留個人貢獻的署名權（不是完全匿名）
開源的真正本質：反脆弱的知識生態
借用Nassim Taleb的「反脆弱」（Antifragile）概念：
脆弱（Fragile）：受壓力損壞（如玻璃杯） 堅韌（Robust）：抵抗壓力不變（如塑膠杯） 反脆弱（Antifragile）：從壓力中獲益（如肌肉）
閉源技術 = 脆弱
- 公司倒閉 → 技術消失
- 專利過期 → 技術過時
開源技術 = 反脆弱
- 使用者增加 → 發現bug更多 → 改進更快
- 衍生版本增加 → 生態更穩健
- 即使原作者消失 → 社群可接手
這就是為什麼我選擇開源：
不是因為我是共產主義者（我不是）。
不是因為我不需要錢（我需要）。
而是因為我相信：
知識的價值，不在於被壟斷的程度，而在於被使用的廣度。
6.6 終章：當「廢話」成為真理
回到原點：最簡單的物理法則
系列七的四大支柱，核心原理都是「廢話」級別的物理常識：
- DryCore：熱量從高溫流向低溫（熱力學第二定律）
- DustVoid：負壓吸引物體移動（流體力學）
- GravityFlow：水往低處流（重力）
- ThermoHarvest：溫差產生電能（Seebeck效應）
這些原理，國中生都學過。
為什麼「廢話」能成為創新？
因為我們被「慣性思維」遮蔽了真理。
傳統散熱邏輯：
- 「散熱器必須直接接觸CPU」 ← 慣性
- 「水冷必須用泵浦」 ← 慣性
- 「灰塵進來就用濾網攔截」 ← 慣性
- 「廢熱就該排掉」 ← 慣性
Series 7只是問了幾個「為什麼」：
- 為什麼散熱器必須接觸CPU？能不能隔離？→ DryCore
- 為什麼水冷必須用泵浦？重力不行嗎？→ GravityFlow
- 為什麼要等灰塵進來再攔截？能不能不讓它進？→ DustVoid
- 為什麼廢熱要排掉？能不能回收？→ ThermoHarvest
創新不是發明新物理，而是重新組織已知物理。
最後的哲學命題：技術為誰而存在？
我寫這篇論文時，一直在思考一個問題：
「技術應該服務誰？」
選項一：服務資本
- 申請專利 → 技術變成商品 → 利潤最大化
- 結果：少數人獲益，多數人被排除
選項二：服務權力
- 技術被壟斷 → 用來強化既有權力結構
- 結果：強者更強，弱者更弱
選項三：服務人類
- 開源技術 → 任何人可使用 → 集體進步
- 結果：整體文明水平提升
我選擇第三個。
不是因為我是聖人（我不是）。
不是因為我不需要錢（我需要）。
而是因為我相信：
當一個技術足夠基礎（如散熱），它就不應該被壟斷。就像空氣、陽光、水，它應該是公共財。
終結陳述：播種,不是耕田
當你讀到這裡，你已經獲得了：
- 完整的設計邏輯（第II部分）
- 延伸的概念地圖（第III部分）
- 詳盡的實作指南（第IV部分）
- 驗證的測試數據（第V部分）
- 深刻的哲學思考（第VI部分）
我給了你種子（知識），但我不會幫你耕田（寫程式碼）。
你可以選擇：
- 種下這顆種子：動手實作，改進，分享
- 雜交新品種：結合其他技術，創造衍生版本
- 建立種子銀行：保存這份知識，傳給下一代
- 或者什麼都不做：這也是你的自由
但無論你選擇什麼，種子已經播下。
也許十年後，Series 7會被遺忘。
也許十年後，Series 7會演化出一百種版本。
我不知道。但我已經盡力了。
「真正的降維打擊，不是更複雜的散熱，而是把複雜關在殼外，讓熱路像水路一樣簡潔、可靠、可複製。」
「我們不是在造機殼，我們在構築微型世界的氣候主權區。」
「開源不是慈善，是戰略。知識的價值，在於被使用的廣度。」
Neo.K
寫於2025年12月
一言諾科技有限公司（EveMissLab）
附錄：授權聲明
本論文採用 Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) 授權。
您可以自由：
- ✅ 分享：複製、散佈本作品
- ✅ 改作：重混、轉換、基於本作品創作
但需遵守：
- 姓名標示（BY）：必須註明原作者Neo.K及出處
- 相同方式分享（SA）：若改作，必須以相同授權釋出
- 無額外限制：不得使用法律或技術手段限制他人做本授權允許的事
專利承諾：
我承諾不對基於本論文技術的個人/組織主張專利權（除非用於防禦性訴訟）。