日本政府引進國外半導體業者投資的效果相當顯著，幾乎國際間各大半導體製造公司都報到了。另外本土公司聯盟組成的公司Rapidus也將目標置於尖端製程的開發。  這些晶圓廠的興建對日本半導體的貢獻，剛開始時比較是稍為間接的。在恢復產業生態、擴大機器設備、材料內需市場、以及支持日本IC設計公司方面等都當然有幫助，但是對於自有的先進製程研發卻得看Rapidus的表現。 延伸報導名人講堂：日本半導體產業的文藝復興之路（一）Rapidus一開始就瞄準2奈米nanosheet GAAFET（Gate All Around FET）的最先進製程，和IBM與IMEC合作，預計在2027年左右量產。1.5/1奈米需要不同的電晶體結構，將和LETI（Laboratoire d’Electronique des Technologies de l’Information）合作，用2維材料過渡金屬二硫屬化合物（Transition Metal Dichalcogenides；TMD）當成電晶體中通道（channel）材料。  Rapidus面臨的挑戰之一是參與製程研發的各方皆無量產經驗。IBM最後的量產晶圓廠賣給格羅方德（GlobalFoundries）是2015年，其他各方要不是新創，要不就是實驗室類型的研發機構，要走向量產註定要多花一些工夫。  然而，Rapidus最大的挑戰是有無辦法快速地建立規模經濟（economy of scale）。先進製程的研發極其昂貴，代工廠其實是以用IC設計公司客戶資金實施眾籌，進行下世代製程研發。因而到14奈米以下，全球市佔不足的公司紛紛停止先進製程的競逐。  對於2奈米以下的先進製程的開發尤為如此。2奈米是nanosheet GAAFET，1.5/1 奈米是2D通道電晶體，1 奈米以下可能是CFET（complementary FET）。幾個世代間的電晶體的結構、材料、製程都是翻天覆地的大變化，若無足夠大的市佔便無法產生足夠的盈餘，無力推動下世代製程的開發。即使湊了開發費用，沒有足夠的市佔也無法回收，遑論建立代工生產所需要的諸多生態環境如設計服務、先進封裝等。  先進晶圓廠的建立無疑的會提高日本機器設備廠商的市佔率，有些晶圓廠已經設立日本國內設備採購佔比的目標。  這個因素影響相對比較輕微，重要的是日本在黃光這一大區塊是否能重新啟動。2023年Cannon推出奈米壓印（Nano Imprint Lithography；NIL），解析度可以達到5奈米，預計2025年會先在NAND Flash的製造中使用，但是預計無法完全取代EUV。要打入DRAM及邏輯線路的市場還要在對準（overlay）以及粒子（particle）問題上下工夫改善。 延伸報導名人講堂：奈米壓印的初始應用 （一）：技術與挑戰另外一個領域是日本有機會得分較多的是先進封裝設備。日本的先進封裝設備相對領先，而製程持續演進、先進封裝、新材料是現代半導體經濟增值的三大支柱。先進封裝市場的自然擴增—譬如現在當紅的生成式AI（generative AI）就一定要使用先進封裝—自然提升在此領域的優勢廠商的市佔表現。  最後是材料。日本於此部分環節猶仍如日中天，卻有危機隱然浮現。明處的是來自於中國的威脅，中國的材料基礎科研發表論文佔全世界約14.5%，比美國多1倍，而中國目前正在進行材料、設備的自主化。這一定會影響到日本，只是時間早晚的問題。  更深層的理由是材料的合成與製造正在經歷典範轉移。第一原理計算（first principles calculation）、AI與量子計算等用計算的方式正在逐漸顛覆傳統的合試誤方式，工藝精神的優勢正在逐漸弱化。雖然日本於先進計算並不落後，譬如富士通（Fujutsu）用數位退火（digital annealer）來輔助材料開發仍然領先全球，但是產業的典範移轉就意味著變動的可能性。  先進半導體材料的應用考慮與傳統材料有些差異：材料介面性質到與塊材（bulk）性質至少一樣重要，而且很多材料的使用是依賴半導體製程設備。  日本的材料研發比較願意做長期部署，而半導體廠商求的多是短期內有機會進入應用的材料候選人，這二者密切的結合，會深度地互相嘉惠對方。 先進晶圓廠在日本開始發展的新聞中最令我有感的是台積電與三星電子（Samsung Electronics）都在日本設立材料實驗室，這可能是對日本材料產業最大的立即助益，而且助益是互相的。

當我進入DRAM產業時，那時最負盛名的半導體產業分析報告Dataquest，列出DRAM產業廠商排行：90年代下半，三星電子（Samsung Electronics）已然出頭，NEC和東芝（Toshiba）還分居二、三，前十名中尚有其他日本廠商。這看似猶為優裕的景況，僅僅已是日本半導體產業的落日餘暉。  再往前10年，日本半導體正當是花團錦簇、油烹鼎沸時分，半導體產品佔據全世界50%的市場，機器設備廠商自晶圓製造到封測都是獨佔鰲頭，材料更是處於宰制地位。整個半導體供應鏈，除了80年代末期才開始萌芽的電子設計自動化（Electronic Design Automation；EDA）之外，幾乎是完整而且佔有絕大優勢的。  經過20幾年的凋零，現在日本的半導體產業景況又是如何呢？簡單的講，可以用1、3、5這3個數位一言以蔽之。1是指半導體生產佔全世界市場的百分比近10%、3是指半導體製造機器設備約佔30%、5是指半導體材料約佔50%。  這個1、3、5看起來貧脊嗎？一點也不會。10%是什麼概念？高的如南韓，近20%；日本與歐盟並列，近10%；再次是台灣、中國。  日本半導體製造雖然不能與全盛時期相比，但是在有些特殊領域如功率器件、車用半導體等尚有一席之地。欠缺的只是先進製程技術及產能，這也是日本政府及產業界努力推動的方向。 另外，日本的IC設計公司也嫌不足。90年代後，日本從DRAM產業轉向系統IC後，發現設計人力不足的問題。一家大的DRAM公司基本上只需要幾個IC設計團隊就已經足以滿足產能需求，因為DRAM是標準產品，而且市場規模大；系統IC的樣態較多，市場比較分散，需要更多的IC設計團隊。目前日本的IC設計次產業仍然嫌單薄。 機器設備的市佔率自然也不如前，主要失去的市場自然是黃光設備，這是90年代DARPA發展出EUV技術原型後技術移轉對象選擇的結果，先進製程黃光設備市佔的流失是必然趨勢。日本在黃光之外還丟失了一些市場，譬如蝕刻設備。總體而言，日本的半導體製造機器設備仍然有顯著的份量。  日本半導體材料仍然維持著市場主宰的地位。這要歸功於過去化合物的發現和合成有點匠人工藝（craftsmanship）的味道—經驗不是單以銳意進取的作為就可以替代的。像味素（Ajinomoto）能從一家調味品公司擴張到半導體材料，靠的當然不是其原來所缺少的半導體的領域知識，而是對化合物的發現與合成的匠人工藝精神。  日本半導體產業其實並未經歷猶如中世紀的黑暗期，講文藝復興是有些言重了。  眼下日本政府全力引進的各國投資有效嗎？會改變哪些現況呢？ 

今年（2024年）最大的科技盛會CES，熱度再勝往年。根據主辦官方資訊，展場面積較2023年增加超過10%，參展家數超過4,300家，較2023年3,200家增加34%。全球最大的繁體中文科技網DIGITIMES從12月1日起至1月23日刊載的CES相關報導及研究報告，合計達到235篇，較2023年同期增加27%，在在顯示CES相關熱度勝過以往。分析此次的展出內容，我認為可以歸結出「三大主題」、「10個值得關注的新興科技關鍵字」提供參考。首先，AI Everywhere是最熱門的話題，產品未跟AI扯上邊似乎有點趕不上流行，AI在CES主要出現在AI PC、AI Smart Home、AI Mobility以及AI Health Tech（健康科技）這四方面。AI Everywhere關於AI PC的定義，領導大廠的定義仍分歧，但AI PC絕對不會是只走高階市場，例如電競PC這類的利基應用（佔整體PC出貨量仍未達10%），未來幾年AI PC勢必遍及各人的工作與休閒生活中。AI Smart Home可以稱得上是Smart Home智慧化的另一次躍升，舉凡電視（畫質提升）、冰箱（AI相機自動辨識）、掃拖地機器人（自然語言互動、視覺辨識、高度自動化）、空調（調整頻率以利節能）、烤箱及微波爐、床墊、馬桶、電動腳踏車、賞鳥望眼鏡…等，本屆CES中都可見到AI技術的應用。三星電子（Samsung Electronics）及樂金電子（LG Electronics）也展示其家庭儲能系統，利用AI科技來最佳化家庭能源使用的效率。隨著人口高齡化，健康科技日益受到關注。舉例來說，透過具備AI技術的健康鏡（Smart Mirror），消費者可以做基本的身心健康檢測；又如骨傳導技術AI耳機，消費者在健身活動中，AI教練可以協助提供提示與指導，在游泳時有了AI教練也不會游錯水道。另外，智慧床墊、智慧馬桶都是健康科技相關的應用。目前AI應用多多少少存在著噱頭成分，不過就像智慧型手機的發展，1992年就有智慧型手機在市場上，但要到2007年目前的智慧型手機雛形才確立，生成式AI在各方面的實質效益呈現，也會需要一些時間。新興顯示科技第二大類主題是顯示科技。CES 2024的XR（AR/VR/MR）展出業者高達350家，顯示在2023年蘋果（Apple）宣示Vision Pro的上市計畫後，眾多業者都想在2024年順勢在XR市場上有所斬獲。CES 2024在顯示科技的3個關鍵字為，Micro LED、OLED以及輕量化AR眼鏡。OLED技術持續進展，預估2024~2025年全球智慧型手機半數將採用AMOLED技術。CES 2024中，多個電視、電競監視器、NB及汽車展示OLED顯示方案，熱度逐漸擴大。樂金顯示器（LG Display）的OLED TV面板峰值亮度較傳統的OLED面板提高42%，有助於其與LCD技術競爭。 Micro LED因具備優異的條件，被視為終極的平面顯示器。然而，Micro LED成本仍偏高，所以必須找到特定的利基，才能夠在應用基礎十分廣大的TFT LCD與新興的OLED技術夾擊中找出路。從CES 2024可以看到Micro LED應用於大型透明顯示器、車用儀表板、內嵌於車窗的智慧互動顯示器、AR用微型顯示器（Micro displays）等；其中車用具備其他技術難以企及的優點，Micro LED在AR應用，未來5年可望有50%以上的出貨量複合年均成長率。輕量化的AR眼鏡方面，此次已經有業者展示與一般眼鏡外型相當，重量也差不多僅35公克左右的試用版AR產品，較CES 2023版本減少40%。目前AR眼鏡出貨量仍低，藉由輕量化發展先行開拓企業用及零售用利基市場，不失為鞏固利基應用，日後圖謀擴大市場的安全策略。隨著AI技術的提升，未來AI結合AR的發展空間相當寬廣，包括差旅時的語言翻譯、訊息提示、即時問答及腦力激盪與個人創作應用。CES 2024也有廠商展出無實體螢幕的AR NB及汽車用AR眼鏡方案，諸多可能性值得關注。汽車科技汽車科技為近幾年CES最主要的展示要點，CES 2024與汽車科技相關的參展業者高達700家，屬於最熱門的參展產品類別。2024年值得注意的4個汽車科技趨勢，一是軟體定義汽車（Software-Defined Vehicles；SDV）概念進一步落實及推廣，高通（Qualcomm）、NVIDIA及英特爾（Intel）透過本身或其採用業者發表新的進展。高通預估數位底盤的整體市場機會在2030年可達1,000億美元，所接獲的訂單金額合計也超過300億美元。汽車運算能力今後幾年也將明顯提升，因應L2+~L4自動駕駛的需要，例如目前ADAS晶片市佔率最高的Mobileye，主要銷售的晶片算力約為25 TOPS，但NVIDIA 2020年發布的Drive Orin晶片算力254 TOPS，2024年多家汽車業者已經採用。NVIDIA新一代車用SoC Drive Thor算力高達1,000 TOPS，2024年下半採用該晶片的汽車將上市銷售。另外，為了加速晶片上市速度及降低開發成本，開放架構及小晶片（Chiplet）設計也將是車用SoC的發展趨勢。Chiplet方式設計的晶片市場，可望由伺服器用、PC用，進一步延伸到車用的處理器，2030年採用Chiplet設計的車用晶片市場規模較2023年成長10倍。其三，AI在中高階汽車將是標準配置，本次展會BMW、賓士（Mercedes-Benz）、福斯（Volkswagen）、福特（Ford）紛紛展示整合生成式AI技術的汽車科技，便利性將是AI技術進一步提高消費者滿意度的重心。至於生成式AI運用對個資外流的顧慮，業者表示這些資訊已經過處理，ChatGPT將無法存取到汽車使用者的問答及個人資訊。DIGITIMES研究中心針對CES 2024已產出多篇專題研究報告，詳細報告內容請參考相關網頁。

第二項技術議題是「加速產業創新所需異質整合及先進技術」，這個很明顯是對上述生成式人工智慧（generative AI）晶片及應用的支援項目。 延伸報導名人講堂：晶創台灣方案評論 （一）異質整合（heterogeneous integration）是將用不同製程、材料製作的晶片透過先進封裝整合在一起，提升系統功能與表現效能。目前生成式AI及其他的AI應用是用2.5D先進封裝，將GPU晶片與HBM3或HBM3E封裝在一起，以提高頻寬、提高速度。再下個世代的HBM4或許可能採用銅混合鍵合（copper hybrid bonding）的3D先進封裝或者用矽光子以連接GPU與HBM，進一步提高速度和頻寬，這些也都是異質整合和先進封裝的發展方向。  這個技術方向自然是用來支援生成式AI晶片的發展，如果生成式AI的發展方向是正確的話，異質整合的方向也是正確的。異質整合還有自己的重要性，以前ITRS（International Technology Roadmap for Semiconductors）用來標示技術進展的計量是製程微縮的節點，2017年後產業界就用Heterogeneous Integration Roadmap，顯示每年可以被異質整合進封裝的元件種類／形態／功能。這意味著異質整合本身也成為半導體增加經濟價值的驅動力之一。  這個項目中的異質整合技術—特別是與生成式AI高度相關的矽光子與銅混合鍵合—台灣的半導體產業早已提前投入並取得相當成果。  異質整合的晶片設計比以前單一晶片的設計要複雜許多。譬如銅混合鍵合的晶片設計由於上下兩片晶片—譬如GPU與DRAM—尺寸要一樣，而且金屬接點要互相對應，2個晶片的協同設計是基本要求。此時的設計工作會牽涉整個系統而非單一晶片，新的設計輔助工具也是需要的。台灣半導體產業在這方面也提早準備了，譬如聯電與Cadence於2022年初發布完成聯合開發設計工具的消息。  至於人力資源與投資環境的問題，這在台灣已是沉疴，在此只加注一點。  從方案中的人力資源方案來看，顯然政策上已經清楚認知台灣人口基數的長期下降才是目前人力資源不足的主因。這一點是顯著的進步。清楚問題的根源才有機會提出正確的解決方案。  對這個方案有3個基本問題，第一個問題是方案的提出時間。2023年並不是常規的10年科技政策出台的年度，而且此屆內閣即將任滿。於即將任滿的時間制訂一個長達10年的政策，在行政倫理上合適嗎？  第二個問題是經費。10年新台幣3,000億元的經費是個不算小的金額，如果以每年的平均經費來計算，此方案在年度科技總預算的佔比高達30%。這樣的專案預算編列只有2種結果：一是排擠其他常規項目的空間、一是需要增加新預算。如果是增加新預算，長期計劃就要另覓長期的新財源。這些在方案中以及相關的訊息揭露都沒有看到。問題是預算來源到底是那一種？削減其他專案預算？還是要開譬新源，而源頭在哪？  最後一個是關於電力的問題。目前很多的生成式AI晶片設計在效能與節電—散熱之間的選擇，都大幅的傾向追求效能，而將散熱的問題留給製程與封裝去解決，是以連晶片水冷這樣複雜的方案都也列入考慮了。生成式AI很耗電嗎？當初ChatGPT剛問世時，各大雲端伺服器都遭遇耗電驟升的窘況，而那只是淺嘗即止的試用期。  如果這方案真的很成功，在生成式AI晶片的製造應用都順利推展到各領域，算過電力供應要怎麼成長才能支應嗎？這些電力哪裡來？ (作者為DIGITIMES顧問)

不久前在電影院觀看《拿破崙》（Napoleon）一片，距離上回看拿破崙《滑鐵盧戰役》（Waterloo）一片，已經是五十多年前的事，那時我還在念小學。《拿破崙》演到1812年，拿破崙率領六十多萬以法國為首的大軍，攻打俄國。在嚴寒的冬天一路打到莫斯科，但是因為俄國採取焦土策略，大軍得不到適當的補給而落敗。最後僅殘餘數萬軍隊。此次挫敗也造成拿破崙第一次遭放逐。事後歷史檢討此次作戰失利的原因，當然包括嚴寒、補給，甚至於認為部隊已嚴重感染傷寒。但是好事的化學家，卻提出不同的看法，認為拿破崙在俄國戰敗，原因出在部隊的軍大衣鈕釦。因為大衣鈕釦是用錫所製作的，錫在常溫下可閃閃發光，但在嚴寒下卻會開始裂解，部隊因無法保暖作戰而落敗。結論是擁有軍事天賦的拿破崙，欠缺化學知識。無獨有偶地，15世紀的英國國王理查三世，御駕親征在玫瑰戰役中（Wars of Roses），因為坐騎的一個馬蹄鐵掉落，重摔在地而失掉戰役及一個王國。這個掉落的馬蹄鐵，卻是因為少釘了一個馬蹄釘。這也是拜登（Joe Biden）總統在剛上任時，一手拿著半導體的晶圓告訴媒體，半導體就是美國的馬蹄釘（horseshoe nail），失去一個馬蹄釘，就失去一個王國的典故。如同一顆鈕釦，決定一場戰役。半導體不僅是美國的馬蹄釘，對於世界幾個主要的大國亦是如此，當大國們體認到馬蹄釘的重要時，代表其已經開始失去了。眾所周知，半導體是發源於美國。二次大戰後，美國為了圍堵共產勢力，認為扶持起日本，振興日本經濟，對美國是有利的，當然台灣也獲得美援及美軍協防。Sony創辦人盛田昭夫，在1948年就到了貝爾實驗室，看到才剛發明的電晶體。日本很快地取得美國授權，開始發展半導體產業，之後的70年代，日本製可隨身攜帶的半導體收音機風行於全球。到了70年代初期，當時美國總統尼克森（Richard Nixon）曾說過，一個有歷史的民族，是不會滿足於只當電晶體收音機的製造者。果不其然，日本的半導體產品開始席捲美國的市場，尤其是DRAM，美國廠家紛紛退出。我記得在美國留學期間，參加國際電子元件研討會（IEDM），當時的主流技術幾乎都是由日本公司所發表。美國感受到威脅，祭出針對日本的關稅、反壟斷等商務措施，同時開始扶植南韓。日本半導體產業的衰敗，除了日圓升值、泡沫經濟、未能掌握到數位時代的來臨等因素，但也跟南韓崛起有密切關係。除此之外，美國為了拉攏中國大陸加入西方的民主陣營，以對抗俄羅斯，於90年代中開始，想辦法促成中國以開發中國家加入世貿組織，中國因而受惠於自由貿易，經濟崛起，也獲得不少來自西方的尖端技術。然而，中國還是決定要走不一樣的路，與美國抗衡，也導致近來的科技制裁，尤其在半導體領域。台灣的半導體產業則完全不在美國的戰略架構下，所獨立發展出來的，但是跟美國也脫離不了關係，因為我們的人才養成及技術來源，很多都來自於美國。經過了幾十年的努力，台灣是個擁有半導體馬蹄釘的國家，現在我們忙著到全球各地幫馬匹們釘馬蹄釘，因為這些國家認知馬蹄釘就是國家安全。但是一旦這群馬匹都有了牢固的馬蹄鐵，我們的國家安全是否因此失去保障？事實上，半導體產業是最不需要去客戶端就近設廠，服務國外的客戶，因為半導體本身就沒有關稅，而且又輕薄短小，一個紙箱就可價值數百萬美元。在《拿破崙》及更早的《滑鐵盧戰役》電影中，都描述在滑鐵盧戰役，起初法軍是佔上風的。但在中午過後，拿破崙因為身體不適，一度將指揮權交給副手，因而出了亂子，其所倚重的騎兵大量地損失，再加上敵軍增援部隊的來到而落敗。所以一個公司甚至一個國家，指揮權的轉移是非常的關鍵。我們的馬蹄釘不多，國家安全要有保障。

政府在2023年11月13日公布「晶創台灣方案」。這是一個跨度長達10年的科技政策，預計經費高達新台幣（以下同）3,000億元。  與之前比較缺乏宏觀、整合的科技產業政策相較，這次推出的政策焦點比較集中，投入的時間與力道都很充足。單以經費為例，此方案平均每年經費為300億。300億是什麼樣的概念呢？這是政府每年科技總預算的約30%左右。以這樣的力度執行單一個聚焦的目標，這在近年來的政府科技政策中，近乎異端。  這個方案中只挑揀2個相關的技術目標、2種產業發展環境改善計畫：一、結合生成式人工智慧（generative AI）+晶片，帶動全產業創新；二、強化國內培育環境吸納全球研發人才；三、加速產業創新所需異質整合及先進技術；四、利用矽島實力吸引國際新創與投資來台。 第一個目標是生成式AI晶片及其於各產業、生活、工作環節的應用，這個是整個方案的重心。AI晶片興起的勢頭毋庸置疑，NVIDIA以及其他公司各式加速器是2023年半導體情勢欠佳下的救贖之一；與之搭配的高頻寬記憶體 （HBM）同樣在2023年一片愁雲慘霧的記憶體市場中一支獨秀。 但是，此恰恰說明計畫的前瞻性稍嫌不足。如果這是已經明確的現代進行式趨勢，政府的長期計畫要搶先早個3、5年；如果這真是一個長期趨勢，起步雖晚，亡羊補牢尚有可為。目前最頂尖的應用—在伺服器上執行生成式AI—硬體卡位已近完成，生成式AI晶片由NVIDIA獨佔鰲頭，另外還有如超微（AMD）等大廠；應用相關的主流記憶體HBM3E也由SK海力士（SK Hynix）佔半數、三星電子（Samsung Electronics）居次。  目前這類晶片開發所需的資源、HBM的取得、先進封裝所需的產能、與系統廠商的結盟等能力，連有些大的IC設計公司都難以企及。這是一個門檻極高的領域，新創可以存活的生態區相當狹窄。  晶創台灣方案「主要運用我國半導體晶片製造與封測領先全球的優勢，結合生成式AI等關鍵技術發展創新應用，提早布局台灣未來科技產業，並推動全產業加速創新突破。」如果策略是依靠台灣的製造晶片能力來發展應用，用雲端伺服器來提供GenAI算力的這領域不太靠譜。晶片製造與封測只是其中一個中間環節，離應用端太遠了。生成式AI是每個領域都會自發性投入的新技能，應用後有機會提升自己在產業中的競爭力。但是發展出應用後要將此應用轉換成新的產品機會不太大，畢竟使用雲端生成式AI算力的應用，還未能有足夠數量跨入獲利門檻，以此營利的機會不大。在既存大公司專注之外的生成式AI市場當然也存在，譬如ASIC或IP—特殊應用或客製化的應用，這是許多新進者比較容易入手並且持續存活的生態區；大公司食之無味，小公司已夠溫飽。 進入這個領域就比較有機會觸及應用端的發展及商業化。 像生成式AI這樣的應用，即使是較小型的模型—譬如在手機上可以使用的LLaMA-7B大型語言模型，所使用的參數數目也高達70億以上。  在市場強烈的競爭下，很難想像即使是特殊用途、客製化的生成式AI，雖然參數較少，卻可以使用不是尖端製程的邏輯晶片和HBM。而且，特殊用途和客製化的GenAI一般和系統的連結性極強，也毋怪有些較大型的IC設計公司自己定義為系統公司。其實很多系統公司也將業務延伸至IC設計公司，以確保公司的核心能力掌握在自己的手中。之前已有很多先例，特別是在手機和電動／自駕車的產業。生成式AI是一個需要極大資源投入、高度整合上下游的新興領域，即使是其中的特殊應用、客製化的次領域。新創IC設計公司在這個領域發展機會不大。 即使要既存的、有規模的系統公司或IC設計公司投入此快速發展領域，政策的意向還要輔以配合的作為，譬如建立上下游協作平台、是否協助建立國際統一標準等手段。在目前已揭露的政策宣告，看不到這些必須的關鍵、詳細作為。  對於跨度長達10年的長期計畫，這是嚴重缺漏。

知識傳播的機制隨著時間，持續演進。在實體書數位化後的今日，提到大量快速散布知識的機制，大家都公認是網際網路（Internet）。網際網路大量資訊的交替下，產生ChatGPT這種極端智慧的生成式人工智慧（generative AI），更對人類的知識演進有巨大影響。如果問起大量複製知識的始祖是誰，西方人都會說是古騰堡（Johannes Gutenberg, 1398～1468)。古騰堡最早印行的聖經甚至成為很多圖書館的鎮館之寶。我每次訪問耶魯大學，一定會到拜內克古籍善本圖書館（Beinecke Rare Book and Manuscript Library）朝拜其收藏的紙本古騰堡聖經，百看不厭。全書以拉丁文印行，每頁2欄，各42行，因此被稱為「四十二行聖經」（42-line Bible）。每當我來到美國加州洛杉磯，也會到杭庭頓圖書館（The Huntington Library）朝拜其收藏的另一本古騰堡聖經，這是羊皮版，字跡清晰，油墨沒有褪色或暈開。每次觀賞，都是不同的驚喜。杭庭頓圖書館也收藏英國第一本印刷書籍《特洛伊歷史故事集》（Recuyell of the Historyes of Troye），這作品原本是法國作家Raoul Lefèvre 創作於1464年的浪漫史詩，內容講述希臘神話中行俠仗義的英雄故事，具備中世紀騎士文學的色彩。英國之前都是靠手抄本流傳，直到William Caxton從歐洲大陸引進第一代印刷機。杭庭頓圖書館的主人Henry Huntington（1850～1927）有許多中國文物的收藏，但我找不到杭庭頓圖書館收藏最早的中國印刷書籍。現存世界上最古老的金屬活字本，是1377年高麗佛經《白雲和尙抄錄佛祖直指心體要節》一書。高麗的印刷術是學中國的。中國活字印刷術的發明早於古騰堡，但最早的中國印刷書籍卻已失傳。法國著名作家Rene Etiemble（1909～2002）稱「所謂古騰堡可能是印刷術的發明人」是歐洲本位主義的欺騙行為。根據沈括（1031～1059）的《夢溪筆談》，最早的活字印刷起源於1040年（宋朝），畢昇發明膠泥活字印刷術，替代雕版印刷術，包括制字、貯字、排版、拆板和刷印等一整套活字印刷術工序，與後世鉛字排版的原理完全相同。其後歷代出現各種活字鑄造技術，所使用的材料包括木頭、陶土、陶瓷、銅等。然而活字印刷在中國並未流行，仍然以雕版印刷為主。畢昇只是一位工匠，歷史文獻上甚至未曾保存他的完整生平事蹟及肖像。若非當官的沈括幫他記上一筆，後世可能根本不知道畢昇是何許人也。儘管中國比歐洲早400年發明活字印刷術，成就卻被漠視。近代的活字印刷術發明仍然歸功於古騰堡。在網際網路推動出巨大數據的AI時代，我期待「現代畢昇」的出現，為華人爭光。(國立陽明交通大學資工系終身講座教授暨華邦電子講座) 

意圖侵蝕美國全球霸權的中國，是世界級的大國，甚至可以說，「如果台灣屬於中國」，那麼世界局勢就要改寫了。要制衡中國，除了台日韓第一島鏈連結成「科技島鏈」之外，印度在人口結構、國內市場、軟體人才、國家戰略上，必然是美國積極爭取的戰略夥伴。2035年時，印度39歲以下的人口將比中國多出3.8億人，現在的印度有108家獨角獸公司，包括塔塔（TATA）、信實（Reliance）、TVS等本土公司，都有建立本土品牌的實力，在元宇宙等相關領域，年輕人口帶來的商機將是成功關鍵。印度已經是全球第三大汽車市場，第二大手機與第一大雙輪車市場，空氣污染嚴重的印度，對於轉向電動車有高度的期待。在美國政策鼓勵下，蘋果（Apple）、美光（Micron）等都積極布局印度，而台灣的鴻海、和碩、台達電也深度耕耘印度的供應鏈，印度就算無法取代中國，在全球供應鏈中的地位正在扶搖直上。Outside-in vs. Inside-out除了中印之外，很多自然資源豐厚的新興國家，將會以不同的策略參與角逐，我們也不能輕忽這些從會外賽打進賽局的參賽國。越南、墨西哥擁有地利之便，在美中關係改變的當下，成為第一批的受益者。從自動化生產必備的SMT設備進口金額可知，墨西哥、越南將是未來5~10年半導體需求成長最快的國家。人口不多、國內市場有限的新加坡、馬來西亞兩國，採取的半導體產業戰略是積極吸引外資。現在新加坡已經有超過10個晶圓廠，新加坡以有限的人口、自然資源精打細算，用租稅與政府的行政效率吸引很多大廠進駐，在「China + 1」與「Taiwan + 1」的口號中，對照性強烈的新加坡也是各國廠商，甚至是台商重點布局的國家。我常說，台灣迫於政治環境、人口資源，廠商被迫「Inside-out」，但幾乎沒有實體競爭優勢的新加坡，卻以無形的行政效率取得「Outside-in」的成果。台灣與新加坡成為明顯的對比，也顯示出只要有正確的戰略與行政效率，產業發展並非緣木求魚。以封測廠在第一波競逐中取得一席之地的馬來西亞，也成功吸引了英飛凌等公司進駐，也是東協國家中，最有可能在半導體八強賽局中脫穎而出的新興國家。在ESG訴求的大局下，加拿大、澳洲等自然資源大國，在地緣政治、綠能、材料、人才等領域都有插旗的空間。加拿大、澳洲都有語言的優勢，也把教育事業當成產業在經營，如果與台灣合作「半導體人才培訓中心」，就可以取得在人才短缺的當下，佔有更好的競爭地位。將東協南亞國家的科技人才吸引到澳洲、加拿大，也可以與台灣頂尖的科技大學擴大交換學生、教授的規模，而「求才若渴」的台灣晶圓製造廠、IC設計公司，誰會錯過這樣的契機呢？在全球化時代，美國引領的科技賽局，日韓與兩岸都因為開放的自由貿易環境而受益。但當世界的格局從全球化走入「去全球化」或區域分工的新局時，所有的企業都得面對新的考驗。不甘寂寞的歐洲正在跟亞洲的大廠招手，而東方的新興國家，以及加拿大、澳洲是否也會參與賽局，且讓我們拭目以待。 

1971年，英特爾（Intel）推出型號為4004的微處理器，我認為那是微電腦時代的開端，而台灣在不久之後推動的RCA計畫，培養了台灣第一代的產業菁英，我常說，那個時代的英雄是成群結隊而來。他們成為台積電、聯電、華邦、旺宏、聯發科、台灣光罩這些知名半導體業的創辦人，也在IC設計、封測、光罩等不同的領域共建一個綿密、有效率的產業生態系。1980年代，以宏碁、神通為首的個人電腦產業開始開枝散葉，演化自計算器的仁寶、廣達、英業達也不多讓，而1992年康柏降價，原本認為將會受到重擊的台灣IBM相容電腦業，卻成了全球最重要的供應來源。1995~2000年的大搬遷潮，台系NB廠從東莞、深圳往長三角、成都與重慶移動的過程，也是產業變革的經典。台灣產業沒有被弱化，反倒借力使力，達到今天將近1兆美元的規模。過去半個世紀的成就，有台灣人的努力，也有很多先天的優勢與許多僥倖。1970年代，台灣退出聯合國，與美日斷交，嬰兒潮世代大量湧進社會，在那個沒有工研院、科學園區的時代，蔡明介、宋恭源等台灣第一代的創業家都在高雄加工出口區工作。伴隨嬰兒潮而來的還有石油危機、通貨膨脹，但半導體產業的萌芽，無疑是給台灣帶來一絲希望。經過半個世紀的努力，半導體、ICT供應鏈與龐大的運籌體系（空運），共同建構了一個保護台灣的天然屏障。從PC、手機、物聯網到電動車，都帶給半導體源源不斷的商機，但下一個階段台灣還可以如此幸運嗎？2008年北京奧運之後，至2019年川普發動美中貿易大戰之前，這10年可以說是中國的「黃金十年」。智慧型手機的大潮，帶動了智慧應用與行動商機，中國的獨角獸企業，最多時佔有全球的4分之1，是少數能與美系獨角獸抗衡的重量級大國。相較於中國意氣風發，台系廠商卻在美中壓力下不知如何是好？2019年2月，川普政府在白宮網頁貼出美國要掌握「5G、人工智慧、量子技術、先進製造」的競爭優勢。2021年拜登接任之後，在白宮再度宣示，美國要有意義地掌握半導體、車用電池、藥品、稀土的供應鏈。美國的宣示是向中國下戰帖，但從台灣的角度觀察，既有危機，也有商機。「商機」在於全世界的供應鏈一分為二，崛起的紅色供應鏈被關在中國，台灣成為最重要的選項；「危機」則是在於全球化的美好時代飄然遠去，去全球化的過程，將疊加經營成本，及台灣面對國際局勢的因應能力。下一個時代的英雄，也會成群結隊而來，還是美好的仗打過了，我們順其自然，甚至吃老本、過好日子呢？

2024年1月4日，CES主辦單位美國消費者科技協會發布名為「What Not to Miss at CES 2024」的新聞稿，揭露CES 2024 四大科技主軸，列名首位的是人工智慧（AI），若檢視2023年年初同一時間的會前新聞稿，所列舉的科技主軸分別是「Automotive and Mobility」、「Digital Health」、「Sustainability」、「Web3 and Metaverse」、「Human Security for All」，AI根本未列入其內。如此正好反應出由ChatGPT所點燃、突如其來的科技新浪潮，其勢頭是多麼的「兇猛」，該如何看待2024年的AI發展呢？疊加在過去AI基礎上發展的生成式AI回頭翻閱我過去的演講簡報檔案，2017年就在談「AI的下一步」，探討從雲端延伸到邊緣的趨勢，這是當時的熱門研討會主題，同樣的議題在2023年又成為顯學，預期也是2024年的發展熱點，這6～7年的時間發生什麼樣的改變？若就終端裝置來看，在手機領域，高通（Qualcomm）在2015年發表的Snapdragon 820，晶片內部便配置Hexagon 680 DSP，能執行1,024位元的向量運算，可作為AI推論引擎之用；在PC領域，英特爾（Intel）於2017年11月發布的Gemini Lake處理器，搭載第一代GNA（Gaussian & Neural Accelerator），作為語音處理與噪音抑制等背景工作負載的低功耗AI加速器。就邊緣運算來看，在生成式AI這波熱潮前，包括雲端、伺服器、網通、產業電腦等業者，都已提供邊緣運算解決方案，用以收集與處理應用場域端的數據，尤其這幾年5G的普及與2B通訊服務市場重要性的提升，更推波助瀾邊緣運算的發展。在演算法與應用方面，傳統的機器學習如迴歸模型或SVM（Support Vector Machine）已普及多年，近10年主要基於卷積神經網路（Convolutional Neural Network；CNN）的特徵萃取／物件辨識技術興起，從人臉辨識、人員管理、瑕疵檢測、醫學影像判讀、到自動駕駛與交通監控等各類應用均已逐步普及。在AI導入的效益上，根據McKinsey 2022年12月發布的AI Survey報告〈The state of AI in 2022—and a half decade in review〉，在其受訪企業中，導入AI的比重從2017年的20%，提高到2022年的50%；在效益上，2021年調查結果顯示，降低成本最明顯的領域來自供應鏈管理，有52%的受訪企業表示受惠，而促進業績成長的最明顯領域來自行銷／銷售領域及產品／服務開發領域，各有70%的受訪者表示有實質效益。2024年的AI發展，並非建立全新的基礎建設與生態系，而是在此已具備雲端—邊緣—終端協同發展及各類落地應用的基礎上，再進一步推動以大型語言模型（LLM）為主軸之生成式AI的應用落地。生成式AI發展新態勢在AI發展上，有幾個從2023年延續至今方興未艾的趨勢。從整體生態系來看，LLM軟體與服務堆疊（stack）可分為3層，底層是各大模型及其集散平台（如GitHub與HuggingFace）；其上一層是各類LLM開發工具，如prompt工程與管理工具；最上層是包括文章寫作助理、程式撰寫助理、內容與創意生成、搜尋助理等終端應用程式。ChatGPT帶動基於LLM之生態系的蓬勃發展，接下來的發展應會類似iOS與Andorid生態系的發展般，Open AI/微軟（Microsoft）與Google會各有其生態系，而現以Meta LLaMA系列為主力的開源社群也會有其生態系，從2023年11月Open AI開發者大會推出GPT Store及客製化GPT「GPTs」，及2023年12月Meta、IBM與英特爾、超微（AMD）及Linux等公司與機構合組開源AI聯盟，已可窺見升溫的生態系競逐態勢。從模型來看，可見快速走向多元分化的趨勢，這包括針對泛用需求或特定工作任務、針對雲端／邊緣／終端不同場景的模型、或針對不同垂直領域或語系進一步強化等態勢。接下來這些在基礎模型上百花齊放的衍生模型，甚至可能如AppStore般發展出Model Store的商業模式。例子之一，是基於Meta 開源的LLaMA 2，已衍生出包括中研院、台智雲及多個中國大陸業者與機構進行中文優化的版本。例子二是華為雲2023年7月發布針對產業需求的盤古大模型三代，該系列模型包括「5+N+X」3層架構，最底的L0層包括自然語言、視覺、多模態、預測、科學計算等五個基礎大模型；中間的L1層包括政務、金融、製造、製藥、礦冶、鐵路、氣象等N個產業大模型；最上的L2層則是X個細化場景模型，例如輸送帶異物檢測、颱風路徑預測等。另一趨勢是生成式AI已逐漸從大語言模型朝向多模態模型發展。過去的多模態大模型作法是以既有的語言模型或是經預訓練可提取語意特徵的圖像模型為基礎，再使用多模態訓練數據增加新的網路層訓練，建立多模態模型。例如GPT-4除文字外，也可接受圖像輸入便是採此作法。Google在2023年12月所發布的Gemini，則是從一開始便使用多模態數據進行聯合訓練所建立的大模型，可無縫理解與推論各種模態的輸入內容並進行輸出，無論是文字、程式碼、聲音、圖像、或視訊內容。當大模型成為各家網路／雲端巨擘及眾多新創的主要戰場時，可預見接下來會有更多原生多模態模型問世。科技硬體業最關心的則是模型小型化與AI on Device的趨勢。Meta 於2023年7月公布的LLaMA 2除了70B版本外，也包括已可搭載到終端裝置的13B與7B兩版本。法國於2023年5月成立的獨角獸新創Mistral AI，在2023年9月發布開源的Mistral 7B，主打僅7.3B的參數模型，宣稱在所有基準測試結果優於Llama 2 13B，而Google的Gemini Nano版本則是先「蒸餾」大模型，然後進行4-bit 量化的微型模型，針對低記憶體容量與高記憶體容量終端裝置，區分為1.8B與3.25B兩個版本，且預告將首先搭載於Google的Pixel 8 Pro手機上。AI on Device的理想是走向AI Everywhere / AI on Every Device，2024年可說是生成式AI落地到各類終端的首年，全球智慧型手機銷售的高峰在2017年，約達14.2億支，而PC銷售高峰在2011年，約有3.6億台規模。近年除因疫情紅利，在2020～2021年創下高成長銷售佳績外，其餘時間都處於市場成熟幾無成長的狀況，AI PC與AI手機成為寄望所在。在物聯網裝置上，先前tinyML基金會定義tinyML規格，希望在MCU平台上，使用mW等級以下的超低功耗，在Always-on及電池供電的邊緣裝置執行邊緣運算。如今包括像是智慧音響、汽車智慧座艙，或是各類機器人等，也都因生成式AI帶來功能與應用的提升，有機會進一步刺激市場需求。既有硬體產品外，也誕生一些基於生成式AI的新興硬體產品，如由美國新創業者Humane所推出的無螢幕穿戴式AI裝置AI Pin、另一家美國新創Rewind AI推出掛脖的Rewind Pendant裝置。在台灣，募資平台上也有Plaud Note智慧錄音卡的項目，運用ChatGPT，將錄音內容轉成逐字稿並整理重點。總之，2024年將是生成式AI在過去的機器學習／深度學習發展基礎上，進一步加成與匯流的一年，也是各種硬體、軟體與服務大規模教育市場與測試市場水溫的一年，著重在建立早期採用者的族群與市場規模，是生態系演化、業者高速競合，期待、宣揚、亮點與失落交雜的精彩一年！