先進封裝大概可以分為兩大類趨勢：一個是小晶片（chiplet）。小晶片將傳統上較大型的積體線路分拆成許多較小的功能模組，先個別予以優化。再使用這些已優化的小晶片組織新的次系統。這樣可以重複使用IP，大幅加速產品設計的速度以及降低設計成本。至於各個小晶片之間的連接，倚靠底下仲介層（interposer）內的金屬連線。此連線的密度當然遠高於傳統的線路板或封裝I/O所能支援的密度，大幅增加線路運作頻寛（bandwidth）、增大平行運算的操作空間。另一個方向自然是異質整合（heterogeneous integration）。將不同製程或不同材料的晶片堆疊在一起，以整合方式提升、擴充組裝元件的功能。除了已經商業化的方法外，基本上有晶片－晶圓（Chip-on-Wafer；CoW）及晶圓－晶圓（Wafer-on-Wafer；WoW）等2種鍵合型態。二者在鍵合後都需要再切割晶粒，但是也有例外。CoW程序較複雜，所以WoW可能早些普及。晶圓間鍵合的技術又有很多種，現在已經進入商業化的技術之一是「銅－銅混合鍵合」（Cu-Cu hybrid bonding），這也是本文討論的主題。銅－銅混合鍵合技術是將2片欲鍵合在一起的晶圓，各自完成製程最後一步的金屬連線層，此層上只有2種材質：銅及介電質。介電質可以是氧化矽或高分子材料，二者各有優缺點，使用何種物質依製程需要而定。由於晶圓鍵合時牽涉到銅及介電質兩種材料介面，所以稱之為混合鍵合。2片晶圓面對面鍵合時是銅金屬對銅金屬、介電值對介電質，兩邊鍵合介面的形狀、位置完全相同，晶粒大小形狀也必須一樣。所以使用混合鍵合先進封裝技術的次系統產品各成分元件必須從產品設計、線路設計時就開始共同協作。混合鍵合製程約略如下：兩邊晶圓在完成最上層之金屬製程後，經化學機械研磨（Chemical-Mechanical Polishing；CMP）及清洗後，2片晶圓面對面對齊（alignment）。介電質先經離子活化（ion activation），兩邊介電質接觸後產生共價鍵。兩邊銅的表面原先較介電質稍低，在退火（annealing）時因膨脹係數較介電質為大而增高接合，兩邊銅離子因相互擴散（diffusion）進入對方而形成密切的永久性接合。晶圓平坦化（planarization）不足、殘留粒子、對齊誤差及金屬介面孔隙（void）等均有可能影響元件特性或失效。目前混合鍵合機台已有多家設備廠商投入量產。如EVG、SUSS MicroTech、TEL、AML等，典型機台如EVG的Gimini系列。由於現代設備廠商在銷售機台時多附有機台相關之基礎製程，混合鍵合製程的開發通常不算是嚴峻的挑戰。目前銅混合鍵合的封裝製程良率已經可以到達一般後段封裝的典型良率99%以上。一部分原因是於此技術的累積發展與已經商業化的機台設備同步，但是更重要的原因是兩邊晶片的設計團隊期前的設計溝通，在重複單元區留下適度的冗餘（redundancy），當鍵合時發生缺陷時，有足夠的空間來騰挪。

最近有人問我，在ChatGPT時代下的創意如何養成？經我詢問ChatGPT後，我過去的想法和ChatGPT的答案是一致的（雖然ChatGPT的措辭變來變去）。在「雞尾酒」（Cocktail）這部1988年的電影，Tom Cruise飾演一位在職進修的酒保，到一家商學院學習如何創業，最後放棄進修，並向一位資深酒保說明放棄進修的原因：「教授上課都在胡扯（Bullshit）」這位資深酒保笑著回應：「你知道教授只會胡扯，就有資格畢業啦。」這位老酒保意思是說，教授沒有實戰成功經驗，卻在課堂上教學生如何創新創業，只不過是誤人子弟，浪費學生時間罷了。我看了不禁莞爾，寫劇本的老兄顯然吃過教授的虧。依我的淺見，創意可經由2種方式培養。第一種方式是在觀察有創意的人的過程中學習其創意。換言之近朱者赤，近墨者黑，這是所謂的米開朗基羅效應（Michelangelo Effect）。這個效應是心理學家觀察到的現象—相互依存的個人會影響和 「塑造」對方—如果你有決心學習創意，在觀察有創意的人的行為過程，漸漸能雕塑出自己的創意風格。一般大學進行系統式的授課，沒有創意涵養的教授仍然可以照本宣科，但產生的米開朗基羅效應，卻教出沒有創意的學生。難怪「雞尾酒」尖酸的下結論：「教授上課講的都是胡扯。」米開朗基羅（Michelangelo Buonarroti）是真正有創意的大師，一塊頑石在他手中能化腐朽為神奇，雕塑出藝術品。心理學家因此以他命名米開朗基羅效應。第二種方式是鯰魚效應（Catfish Effect）。原意是指透過引入強者，激發弱者變強的一種效應。漁夫捕捉沙丁魚食，返航後沙丁魚都已奄奄一息，賣相甚差。有一位挪威船長將鯰魚和捕獲的沙丁魚放在一起，沙丁魚為了閃避東游西竄的鯰魚，不停游動保命，終可在漁船靠岸時存活下來，是為鯰魚效應。此效應亦可引伸為棋逢敵手，能互相砥礪成長的意思。米開朗基羅和達文西（Leonardo da Vinci）兩位文藝復興時期的藝術大師，有鯰魚效應的故事，彼此良性競爭，激盪出藝術創作的火花。話說義大利翡冷翠打算為維奇奧宮繪製大廳內的巨幅畫作，同時邀請米開朗基羅和達文西來「投標」爭取創作。兩個人競爭，最後都因故放棄，沒有分出高下。後來兩個人又較勁製作大衛雕像。結果米開朗基羅勝出，獲選為製作大衛雕像的藝術家，完成永垂不朽的雕像。落敗的達文西專注投入解剖學研究及繪畫創作，在科學與繪畫上締造出偉大創新。說了半天，如何利用ChatGPT來幫您利用米開朗基羅效應（鯰魚效應）養成創意？您不妨就單刀直入，直接問它：How to use ChatGPT to create Michelangelo Effect (Catfish Effect) for innovation？比對米開朗基羅和達文西的例子及ChatGPT給您的答案，或許您更清楚如何進行。 

ChatGPT橫空出世，推動人工智慧（AI）更大的浪潮，也革命性地改變舊有技術。例如人工智慧在麥克風增強應用方面扮演重要角色。結合自然語言處理和AI技術，麥克風可進行多種創新應用，包括語音識別、情感檢測、聲音分析、噪音消除和多語言翻譯等。麥克風是Emile Berliner發明的語音輸入裝置。早期麥克風主要用於錄製黑膠唱片。貝里納成立留聲機公司Gramophone，並以畫家Francis Barraud的作品《His Master’s Voice》作為商標。商標中的小白狗名叫Nipper。Nipper有一次發現一部留聲機，充滿疑惑地歪著頭打量，這個情景被Barraud捕捉下來，成為Gramophone的商標靈感。1901年，Berliner在美國成立勝利唱機公司（Victor Talking Machine Company），後來被收購並更名為RCA（Radio Corporation of America）。圖一：Emile Berliner（1851~1929）。林一平 麥克風技術的後續精進歸功於David Hughes。Hughes在1878年對愛迪生麥克風的音量做出重大改進，並申請專利。這項發明在1920年代仍在不斷改良，最終演變成大眾今天使用的碳粉式麥克風。作為一名音樂家，Hughes的麥克風發明還挽救長笛在爵士樂中的地位。長笛的音量較小，當與其他樂器如小喇叭或薩克斯風一起演奏時，往往會被掩蓋。因此，長笛通常只能在音高較高的部分做些裝飾性演奏，讓聽眾勉強察覺它的存在。有了麥克風的幫助，長笛的可用音域得到顯著擴大，終於能在爵士樂演奏中大顯身手。筆者的研究團隊正發展麥克風的AIoT技術，稱為MusicTalk，希望利用AI技術改善麥克風產出的聲音，其關鍵在於運用音律的原理。音律的原理是誰發明？應該是十六世紀朱載堉。朱載堉是明宗室鄭恭王朱厚烷嫡子，發明演算法將八度音切割為十二等分，並製造出新法密率律管及新法密率絃樂器，是世界上最早的十二平均律樂器。理論很難，做法卻簡單。在調整琴弦時，將第一音弦的長度除以密率（亦即2的十二次方根），就可得到第二音弦的長度。以此類推，到達第十三次時，就會得到一個完全的八度音。遠傳饒仲華博士與筆者曾寫過一篇論文，設計手機音樂語言，可以調整手機麥克風收音後的優化，其音律校正，源自於朱載堉的理論。圖二：朱載堉（1536～1610）。林一平

近期外電及本地媒體大幅報導Tesla宣告將減少電動車中碳化矽（SiC）元件的使用量，並造成了幾家SiC供應商頓時股票大跌，包括Wolfspeed、意法（STM）、安森美（Onsemi）及英飛凌（Infineon）等。接下來隨即即有專家開始討論，Tesla是如何達到減少75%的SiC用量？半導體功率元件跟摩爾定律最大的不同在於，IC每進入一個新的製程節點，面積就會縮小一半，功率元件遠遠做不到。於是就有不同的組合被提出來，包括由原先的平面式（planar）SiC MOS電晶體，改為先進的溝槽式（trench）電晶體；或者因為電動車的電池系統要由400V改為800V，SiC MOS耐壓也要由650V挺進到1200V，由於電流可以減少一半，SiC MOS晶片面積得以等比例減少。但是，再怎麼算也到不了減少75%。最後只得加上馬達所需功率的減少，才勉強可以湊足。可是Tesla同時又宣布，未來馬達設計不使用稀土元素，這使得馬達效率的提升更形困難。Tesla此舉的目的是要降低成本，以建構與其他競爭者的障礙。但不論就使用溝槽式或1200V SiC MOS，的確晶片面積是可以減少，製程卻變複雜，實際成本下降反而有限，再加上這些都是所有競爭對手知道的趨勢，因此這會是個假議題嗎？在提出個人解答之前，筆者想先談一下製造產業的學習曲線。陳良榕先生在友刊的文章中提到，張忠謀在德儀（TI）及台積電，就是利用學習曲線創造出與競爭對手的差距，這在以製造為導向的產業是非常的重要。試想一個資本攤提完成的半導體廠，不僅成本最低，良率最好，同時單位的產出也最多，而新進競爭者，還在學習曲線的初期，是看不到台積電的車尾燈。Tesla現在也是利用所經歷學習曲線的優勢，來創造競爭優勢，而逆變器（inverter）所使用的SiC MOS就是個可以發揮的項目，因為價格不斐。個人的淺見認為，Tesla是使用Si IGBT（insulated-gate bipolar transistor；絕緣柵雙極性電晶體）取代SiC MOS，並使用SiC二極體（Schottky diode），作為IGBT所需的飛輪二極體（freewheeling diode；FWD）。電晶體分為兩類，一為雙極性（bipolar），另一為單極性（unipolar），也就是MOS。雙極性電晶體中電流與電壓之間的關係是指數函數（exponential），而MOS電晶體電流與電壓是1～2次方關係。所以雙極性電晶體在輸出電流驅動的能力是大於MOS，但是雙極性電晶體是靠輸入電流來工作，MOS則依靠絕緣柵極的電壓來動作，故雙極性電晶體比較耗電。IGBT的誕生即結合此二者優勢，在輸入端使用絕緣柵極（insulated-gate），而輸出保留高輸出電流的特性（bipolar）。逆變器主要的應用在於將電池的直流電轉換為三相交流電，用以驅動馬達。電晶體在此是作為電路的開關，MOS因為是對稱的元件結構，可以處理逆向流過的電流。但是IGBT的元件結構不對稱，需要額外並聯1個FWD。以SiC二極體作為FWD，可以大幅提升其效率，同時IGBT的高輸出電流能力，也可以提高逆變器的轉換效率。Tesla在Model 3使用SiC MOS之前，也是使用Si IGBT以及Si FWD，現在只需將Si FWD改為SiC。IGBT的缺點在於操作頻率較低，無法高溫操作，且耐壓不如SiC MOS，但這些在現行電動車系統，皆非嚴重問題。由於二極體電流與電壓的關係也是呈指數函數變化，再加上現行Tesla每一相開關是使用2顆SiC MOS並聯，筆者估計在相同輸出電流條件之下，使用SiC二極體的晶片面積，應該可以是 SiC MOS面積的25%。而二極體是製程最簡單的半導體元件，也最便宜，所以在SiC的費用上可以下降到原先的10～15%。只是還須加上個Si IGBT，因此總成本可為原先的30-40%。Tesla擁有別家車廠沒有的學習曲線，要拉大與競爭者的差距，如果筆者是Elon Musk，選擇Si IGBT加上SiC二極體的排列組合，降低SiC整體用量。

除了純粹光學的方法外，還有其他方法也可以用來定義半導體的精細圖案。奈米壓印微影（Nano Imprint Lithography；NIL）也發軔於90年代中期，至今還未進入量產，但是其解析度經驗證已可達10 nm以下。NIL的操作是先以電子束微影（electron beam lithography）在「光罩」（其實更像是模版）上寫下欲轉錄圖形的陰刻，然後壓印在已塗佈低粘度（low viscosity）的「光阻」（這物質其實與光敏無關，只是用來抵擋蝕刻）的矽晶上，讓光阻流入圖形陰刻中的溝槽後，以紫外光照射用以固化（curing），形成光阻覆蓋圖形。後續的工作就如同一般的製程一樣，開始蝕刻光阻未覆蓋的區域。NIL有能力用來製造出3D圖形。如此操作可以省卻複雜的光源及龐大的透鏡／反射鏡所組成的光學系統，而且在關鍵層（critical layer）可以只用1次操作完成，所以預期的產量較高。一個微影系統的能力通常以圖形化（patterning）、疊加（overlay）以及量產能力（throughput）來評估。其中圖形化是指生成所需圖形的能力，主要是解析度；而疊加是指上下2層圖形的對齊精準度。目前的進展是對於3D NAND產品NIL的圖案化及疊加能力已達滿意程度，等待量產能力達標後，即可投入產線。對於DRAM，圖形化能力已達14 nm （1a）節點，疊加能力猶待展示；記憶體是NIL比較可能的先期應用。NIL技術主要由日本所開發，佳能（Canon）在90年代未能接受美國授權EUV技術後即轉向NIL方向發展。晶圓廠方面，東芝（Toshiba）於2000年初即投入研發。目前威騰電子（Western Digital）想收購東芝的原因除了擴大生產、研發的規模經濟外，東芝擁有NIL技術、可用於投入MRAM的生產也是吸引力之一。另外，中國也開始投入NIL的研究，這是中國半導體技術自主化中的一環。定向自組裝（DSA；Directed Self-Assembly）是與前述2種技術完全不同概念的運作，DSA也發軔於90年代中期，其時複雜系統（complex system）領域中的熱門研究題目之一是元胞自動機（cellular automata），它是指一個單元可以用簡單規則建立一套複雜系統的模型，DSA就是藉助此概念所發展出的方法。如此跨領域創新，在半導體學院可教不來。 光學微影（photolithography）與NIL都是從上而下（top-down）來定義圖形，亦即圖形先從巨觀尺度定義完成後再去處理圖形中的內容物質；而DSA則是由原分子階層由下而上（bottom-up）組成所需圖形。  DSA使用嵌段共聚物（Block CoPolymers；BCP）當成主要材料，常用的材料為聚苯乙烯嵌段聚（甲基丙烯酸甲酯）[poly（styrene-block-methyl methacrylate）；PS-b-PMMA]。DSA是2條互斥（repulsive）的高分子鏈以共價鍵銜接在一起，對於其他的化學物質有不同的親和性（affinity），這是用來操縱形成不同圖案的主要機制。DSA亦可形成3D圖形。DSA的實際運作首先要形成引導圖形（guiding pattern）—引導BCP自組裝成需要圖形的外在框架，有2種主要方法：圖形外延（graphoepitaxy）以及化學外延（Chemoepitaxy）。前者是先以微影方式定義引導圖形（guiding pattern）的3D拓樸形狀，譬條狀平行溝槽，然後在溝槽壁上或溝槽底部塗佈上特定化學品，沉積BCP於其上。2條高分子鏈中的1條對於以塗佈的化學品具有高親和性，黏附於其上，剩下的就靠高分子之間的自組裝，形成需要的圖形；化學外延則是在基板上直接塗佈較高密度的化學品，剩下的也全靠高分子之間的自組裝機制。DSA既然也需要微影技術來定義圖形，為什麼還需要DSA？原因是DSA自組裝形成圖形的密度較微影技術為高，目前DSA的解析度已達12.5 nm，而且還在繼續向下發展。DSA搭配EUV、做為增強EUV解析度的手段是目前考慮的使用方向之一。相對於NIL，DSA還需要更長的時間才會成熟量產。DSA在量產的2個預期的主要應用為線／間距（line-space）和接觸（contact）圖形，前者是記憶體金屬層的最關鍵技術，因此記憶體公司對DSA的投入較深。目前的微影技術其實離最終極的原分子尺度並不太遠，但這並不意味著對於原分子尺度的運作操控將止步於此。像NIL與DSA都跳脫傳統光學微影系統的思維，利用新的物理、化學機制與材料，更多基礎科學的投入才能容許半導體產業走更長遠的路。延伸報導先進微影技術發展(一)：既有設備路徑的延伸

微影技術是半導體產業用以定義精細圖案的主流手段，目前最先進的技術是極紫外光（EUV），最近的量產設備為ASML 的TWINSCAN NXE：3600D。使用的光源是由二氧化碳雷射打到錫（tin；Sn）電漿（plasma）後，產生13.5 nm的極紫外光。數值孔徑（Numerical Aperture；NA）為0.33，這個數值反比於解析度（resolution，或為Critical Dimension；CD）；微影技術中NA愈大愈好。其解析度為13 nm，生產能力（throughput）每小時可以處理160片晶圓。這機型支援7奈米、5奈米製程的量產。有一個常有的誤解，是5奈米製程其實並不代表其解析度恰好為5 nm，這數字是技術節點（technology node）的名稱。過去此數字的確是代表此一製程的臨界尺度，譬如邏輯製程的閘極長度（gate length）或者DRAM的半金屬間距（half metal pitch）。但是現在電晶體3D化、製程變得複雜，節點的命名代表的是依照摩爾定律演化曲線投射的電晶體數目、電晶體開關速度、功耗的等效名稱。微影技術的後續發展呢？據ASML最近的財報表示，改進的方向是往增大NA的方向，從目前的0.33增大為0.55，後者稱為高數值孔徑（high NA），可以進一步提高解析度。另一個方向是增加生產能力至220片，降低晶圓廠生產成本。理論上一個光源的解析度為其波長的2分之1，譬如EUV現在的光源波長為13.5 nm，理論上其單次曝光的殼達到的最佳解析度約略小於7 nm（重複曝光可以進一步改善解析度）。用較短波長的光源藉以達到更高解析度是以前理所當然的路徑，微影機的光源一路從g-line（436 nm）、h-line（405 nm）、i-line（365 nm）等可見光進展到KrF（248 nm）、ArF（193 nm）的深紫外光（DUV），主要的進展都是靠縮短光源波長來改進解析度的。但是從DUV遷移到EUV牽涉到結構上重大的變革，有2個重要因素。在光源方面，沒有自然的原分子可以被激發後釋放出EUV，所以必須以二氧化碳雷射去多次激發錫電漿。另外，EUV被幾乎所有的東西所吸收，包括空氣以及石英（以前用來做光罩的材料）、透鏡等，所以所有的EUV光學系統都得改成在真空中以鏡子反射式的呈像，這是一個顛覆式的重大變革。EUV的研究肇始於1990年代初，當時DUV的半導體量產機台還未導入量產呢！之所以要花20幾年的時間來研發，因為是對一個更精密系統的重新創造。而且目前的EUV是一步到位的研發。EUV的定義是波長落於10~210 nm之間的光，目前EUV的波長13.5 nm已在EUV定義的邊緣，波長再短就是x-ray了。到那時候又是另一套全新系統的開發。X-ray 也會被空氣吸收，而可能的光源之一是1990年代就提議過的同步輻射，那可又是一場全新的遊戲。所以沿著光學微影方向發展的下一步呢？比較大的可能是超高數值孔徑（hyper NA），NA=0.75，這可以讓解析度比目前至少再提高個2倍。配合其他常用的製程手段，譬如多重曝光、過度蝕刻等，看能否接近矽原子的天然解析度極限。這個路徑雖然是演化式的，但是研發經費仍然是天文數字。後面有沒有足夠的高階應用來分攤這前頭的龐大研發經費，這是個經濟問題。 

最近ChatGPT火紅，我嘗試其不同應用。當中最有趣的是「測謊」。多次實驗後，如果在問答互動過程能提出明確問題，這個工具的確有用，就如同神力女超人（Wonder Woman）的「真言套索」（Lasso of Truth）。創作神力女超人的William Marston（1893～1947）給她一件很奇怪的武器，是一條很長的套索。任何人被套上，都會說實話。這件武器是在為Marston的發明做廣告。Marston在1921年首創心臟收縮壓測技術－量度血壓和皮膚導電率，並研發出審問德國戰犯的儀器，宣稱有Marston的發明，「成功的說謊將成為失傳的藝術」。Marston最後放棄計畫，但其發明成為現代測謊儀機制的一部分。人類一直對測謊的想法著迷，甚至有一個欺騙檢測的傳言說：「如果有人在說話時抬頭和向左看，他會對你撒謊。」所謂測謊是針對口頭的陳述進行評估，檢測是否有故意不誠實的行為。評估的項目包括溝通內容和非語言線索。換言之，測謊除了提問策略外，往往再加上捕獲生理過程的技術一起使用。當我們撒謊或因疏忽而撒謊時，我們的身體往往會暴露我們的意圖。測謊專家通過受測者瞳孔擴張、臉紅以及一系列微表情和身體動作的變化，直觀地感知虛假。有些人在檢測欺騙方面非常熟練。例如撲克玩家似乎總是知道什麼時候有人在虛張聲勢。早在西元前1000年中國人就知道恐懼和擔憂會伴隨著唾液分泌減少和口乾的生理原理。其說法是，恐懼使人們癱瘓。幾個世紀後，伊拉西斯特拉圖斯（Erasistratus）通過監視神經來觀察說謊行為。然而有些人的謊言非常容易測出，有些則非常困難。人都有說謊的藝術，欲準確判斷某人是否在撒謊，可利用認知（cognitive）技術。認知技術正確掃描人們的所有表情。這種認知測謊範式有2類：第一種是心理技巧在面試時，故意造成一個非常困難的情況，受測者必須在高壓下回答問題；第二種是戰略調查技術，著眼於幾種提問方法，以確定真相講述者和說謊者最不同的回答。我的國小老師最會應用認知技術，每當我很誠懇地為曠課說明理由時，她總是能抓到我的破綻。Marston之後有許多測謊機的發明。無論是人類還是測謊機，都使用啟發式方法來確定某人是否在撒謊。當涉及到個人時，沒有一定的公式可以用來過濾資訊以確定撒謊，因此測謊機改用更可靠的量化數據，包括心率和血壓。例如大腦中有一些血管會發生血液迴圈（circulation of blood vessels）。血管的迴圈完全取決於我們的情緒。如果我們心情愉快，血液流動是正常的；如果我們處於亢進狀態，大腦中的血流量會增加。功能性核磁共振造影（fMRI）可檢查出大腦中血管迴圈現象，判定是否說謊。機器的能力愈來愈強大，雖然並不保證是正確的，但足夠可靠，可以在司法調查使用。AI出現後，檢測謊言有更先進的方法。AI可以研究人類的行為、心理思維、身體手勢。搭配聲音和許多其他積極和消極的手勢，凡舉抬眼、身體顫抖、哭泣等，AI都可用來預測出憤怒、幸福、恐懼等不同狀態。AI的答案非常簡單、簡潔、（希望是）準確。儘管人們擔心AI技術能否正確識說謊行為，但測試顯示，人工智慧測謊機的效能優於人類審訊者。人類容易產生偏見，而機器則不會疲倦或分心，更少偏見。當AI技術再精進後，或許「成功的說謊真正會成為失傳的藝術」。 

科學家們追求真理是亙久不變的道理，因此主宰整個宇宙的上帝，便成為他們心目中真理的極致。然而，追求真理的路途是坎坷及艱辛的，這又讓科學家們深深覺得上帝的不可捉摸，而深受挫折。愛因斯坦（Albert Einstein）大概是最有名以上帝之名，發表評論的科學家。他以「上帝不會擲骰子」，表達對於量子力學哥本哈根學派所主張機率性假說的不認同。「我打賭上帝不會是個左撇子」，出此言的是知名物理學家Wolfgang Pauli，他以提出量子力學中「不相容原理」（exclusive principle），而獲頒諾貝爾獎。這時間點發生在華人物理學家吳健雄女士，準備以Beta衰變實驗，驗證也是華人物理學家楊振寧、李政道在1956年所提出的宇稱（parity）不守恆定律。宇稱的意義在於，物質的世界中，經過所謂鏡面反射，其所遵循的物理定律是一樣的，也就是物理定律存在著空間上的對稱性。楊李2位先生的理論說明在弱作用中，也就是粒子的衰變過程中，可以不遵守此守恆定律。吳健雄女士以鈷60的衰變實驗，證實只有左旋的粒子，參與此衰變反應，也證明此不守恆定律的確存在，也就是Pauli賭輸了。可惜的是，當時有好幾個實驗小組同時間進行此實驗，否則吳女士就有機會與楊李共同獲得1957年諾貝爾獎。說到上帝，最令人樂道的莫過於俗稱「上帝的粒子」的希格斯（Higgs）粒子。在1960年代，任教於英國愛丁堡大學的Peter Higgs，在研究基本粒子的標準模型時，提出一個機制可以賦予基本粒子的質量；後人就以希格斯場（Higgs Field）稱之，而這個場的量子化所衍生的就是希格斯粒子。從80年代開始，實驗物理學家紛紛提出建造更高能量的粒子加速器，找尋希格斯粒子。然而事與願違，尋找希格斯粒子的路途是一波三折，包括加速器的建造。因此實驗物理學家Leo Lederman，也是1988年諾貝爾物理獎的得主，寫了本科普書，而書名是Goddamn Particle「被上帝詛咒的粒子」，用以說明尋找希格斯粒子的挫折及挑戰。然而出版商覺得此名不妥，書名也隨後更改為「上帝的粒子」。事實上物質無所不在，而構成粒子質量的希格斯場及粒子，也就無所不在，所以被稱為上帝的粒子也不為過。到底，上帝的粒子是如何被詛咒的?首先在美國雷根政府（Presidency of Ronald Reagan）時代，通過超導磁鐵超級對撞機（Superconductor Super-collider；SSC），利用質子對撞產生的巨大能量，尋找希格斯粒子蹤跡。這個計畫始於1987年，在美國德州70公尺的地下，開挖圓周長87公里的通道，預期經費是110億美元。很不幸到了柯林頓政府（Presidency of Bill Clinton）時期，國會否決繼續開發此案所需的經費，而將資金挪到建造國際太空站。至今在德州的草原下，仍留下長度超過22公里的地下隧道。歐洲核子研究組織（CERN）在1989年就已經運作大型電子及正子（Large Electron and Positron；LEP）對撞機，正子就是電子的反粒子。這是個橫跨法國及瑞士邊界，地底下175公尺，圓周長27公里的龐然大物。LEP在初期並不是為發現希格斯粒子所設計，在其所規劃的實驗中，均獲得不錯的結果。實驗物理學家則嘗試增加對撞電子及正子的能量，企圖一舉找到上帝的粒子。就在LEP幾乎達到該粒子的理論能量值時，發現幾個驚鴻一瞥的零星個案，但卻不具有完整的說服力，一步之遙令科學家們扼腕不已。CERN痛定思痛，在2000年時決心拆除LEP，在原址改建為大型強子對撞機（Large Hardon Collider；LHC），這次是針對尋找希格斯粒子而設計，改採質子對撞。這一改就是10年光陰，以及80億美元的經費。最後終於在2012年7月，經過2組獨立的團隊，分析相關的數據，分別得到足以採信證據，宣布找到希格斯粒子。歷經超過50年努力，無數人力及資金的投入，這大概是有史以來最為浩大的科學實驗。諾貝爾委員會也隨即將2013年的諾貝爾物理獎，頒給理論提出者Higgs及Francois Englert等2位教授。當時希格斯教授已經84歲了。愛因斯坦曾說「上帝難以捉摸，但並不心懷惡意」（Subtle is the Lord, but malicious He is not），這說明人類在追求真理的道路上，還有很長的路要走。愛因斯坦晚年任職於普林斯頓高等研究院，周末時間仍到研究室工作，同仁見到他勸說不必如此地辛勞，愛因斯坦的回答是「上帝禮拜天也沒有休息」。

1890年代的美國人口普查扮演今日資訊處理革命的最大推手。當時要蒐集6,200萬美國人口的資料，美國人口普查局（United States Census Bureau）為此十分頭痛。經過評估，結論是以人工方式做紙本核對已不可行。在人口普查局尋求可行方案的過程，促成早期計算機器技術的演進。當中的關鍵人物是號稱全世界第一位統計工程師Herman Hollerith（1860～1929）。荷勒里斯在大學時代的表現優異，引起學校教授Trowbridge注意，僱用他到人口普查局當統計員。Hollerith在分析1880年人口數據時，發現以人工方式蒐集和處理資訊頗有不足之處，會產生許多錯誤。1890年時美國的人口成長超過6,000萬，以人工方式做人口普查，計算量已達瓶頸。Hollerith一直在注意兩套系統：Joseph Charles（1752 ～1834，又名Jacquard）的紡織花梭機（Jacquard loom），以打孔卡片（Punched pasteboard card）來控制編織的花樣；以及火車列車長將車票打孔來確認旅客及旅程的方法。根據對這2套系統的觀察，Hollerith開始構思人口普查的記數機器（Counting Machine）。1884年，Hollerith申請到第一個專利：利用卡片穿洞與架在彈簧上的釘子，設計出一種排序技巧。人口普查人員在記錄卡片上打洞，再將整疊的卡片餵入Hollerith設計的機器。機器運作時，裝有彈簧的釘子若滑過卡片上的洞，會和下方的電極接觸，使電流得以通過。機器以此辨別電流無法通過的卡片，並加以統計。這個龐大的電動排序機被稱為Hollerith Electric Tabulating System，是統計應用的一大成就。1886年，Hollerith已獲得打孔卡數據處理方面的一系列專利，成立製表機器公司（Tabulating Machine Company；TMC）以招攬生意，初期已有許多應用服務。例如幫保險公司分析死亡率數據（mortality data） ，以及提供紐約和巴爾的摩兩地間火車的運貨帳單。1890年，美國人口普查局使用Hollerith的機器，很有效率的將原來人工統計的時間由2年縮短為6個月。人口普查統計的方式，是將每一個人的資料分別記錄於一張40欄位的打孔卡片（這張卡片則成為那個人的永久檔案）。所有卡片都輸入Hollerith的機器來計算統計。此次人口普查相當成功，為納稅人省下500萬美元。Hollerith的機器揚名立萬，後為全世界各國採用於人口普查。

2022年11月17日，VinFast宣布斬獲美國電動汽車租賃公司Autonomy 2,500多輛VF8和VF9汽車的訂單，這是Autonomy有史以來給出的最大電動汽車訂單之一，由此可見越南汽車在國際市場上已被認可。以下表2概述了VinFast造車產業的發展歷程。2022年3月，VinFast宣布將投資20億美元於美國北卡羅萊納州新建一座汽車工廠，用於生產自有品牌的電動汽車以及動力電池，規劃年產能15萬輛，預計2024年7月之前正式投產。2022年4月7日，VinFast宣布已經向美國證券交易委員會（SEC）提交上市申請，但該案是否受「降低通膨法案」（The Inflation Reduction Act of 2022；IRA2022）影響尚不明確，但已知VinGroup子公司VinES與在深圳證券交易所上市的國軒高科在越南河靜省合資設立磷酸鐵鋰電池（LFP）電池工廠，並於2022年11月18日舉行開工典禮。此外，VinFast與寧德時代2022年10月31日簽訂全球戰略合作備忘錄，並投資台灣固態電池廠家輝能科技數千萬美元，可見VinGroup在動力電池與新能源汽車上的發展方向甚為明確，此舉也帶領著越南動力電池整裝待發。以下整理幾則來自越南的報導，幫助讀者瞭解越南動力電池目前的發展狀況：2022年11月18日，國軒高科與VinGroup合作的電池工廠在越南河靜省經濟開發區正式動土，總投資近2.75億美元，佔地約14公頃，一期規劃年產能5GWh，預計2023年末投產，2024年第3季度開始大規模生產。該工廠將成為越南第一座LFP電池工廠，生產的電池將供應VinFast新能源汽車的需求。據了解，此次開工的電池工廠由國軒高科持股51%，VinES持股49%；VinES於2021年8月4日註冊成立，主要負責動力電池生產業務。值得一提的是，2022年10月31日，中國動力電池龍頭寧德時代與VinFast宣布簽訂全球戰略合作備忘錄，雙方將在CTP（Cell-to-pack「無模組電池包」）、寧德時代的一體化智慧底盤CIIC（CATL Integrated Intelligent Chassis）滑板底盤等專案上開展合作。在現有CTP產品配套的合作基礎上，加上CIIC滑板底盤將電池包、電機及其他關鍵部件集合在車輛底部，可降低成本並節省能耗，同時擴大乘坐空間。寧德時代還將協助VinFast電動車在續航里程、安全性及智慧駕駛方面達到新的水準。此次合作也有助於雙方完善全球布局，共同開拓新興市場。據固態電池全球領導廠商台灣輝能科技發布的消息，越南最大民營集團企業Vingroup的子公司VinFast，於2022年07月6日宣布與輝能科技結盟，並對輝能科技數投資數千萬美元。根據合作安排，輝能科技計劃從2024年開始向VinFast提供固態電池，以支持其下一代產品線。輝能科技第一座固態電池工廠計劃於2023年初啟動，此工廠大部分產能將用於供應VinFast電動車。未來，輝能科技和Vinfast還可能在越南建立合資的固態電池工廠。固態電池是最有前途的技術之一，在安全性、能量密度、超快速充電能力、可回收性、重量優化、成本和使用壽命方面具有優勢。VinFast旨在以世界領先的技術保障電池供應，加強對電池供應數量和類型的控制，以滿足VinFast EV每條產品線的需求，以及市場對高科技、高性能、更安全、更環保的電池的需求。Vingroup 副主席兼 VinFast CEO黎氏秋水（Le Thi Thu Thuy）說：「輝能科技將協助 VinFast 採用先進電池技術的EV產品，以提供更愉快、更安全的駕駛體驗。」總結：越南動力電池正在起步，上下游供應鏈尚在萌芽階段，在可見的未來充滿商機。綜合前述，動力電池業者規劃在越南投資設廠，並與當地電動車龍頭VinFast攜手並進，原因有二：一為開發東南亞動力電池與電動車這塊處女地；其二為降低生產成本，忽視美國IRA 2022電動車補助所設的限制，與美國本土動力電池與車廠直球對壘決。但無論如何，越南甚至東南亞對動力電池的需求仍是一塊處女地，整個產業鏈都需仰賴外援，其正極材料、負極材料、電解液與隔離膜四大零組件都沒有生產能力。對關鍵原物料的取得與加工皆無法與中國匹敵，為今之計只有仰賴中國為其「輸液」。但筆者以為，電解液、電解質、隔離膜等與化工產業關係密切，台灣有許多公司握有生產技術，應可從此切入並擷取商機。另外，近來相當熱門的車用晶片，這也是台灣的強項，往後電動車所需要的晶片台灣應可為其客製化，只要有電動車就一定有台灣，進而取得關鍵席次。越南在疫情前GDP年成長率都有7~8%，民眾購車能力大幅增加，筆者以前服務的河靜鋼廠越籍同事，幾乎都已購車代步。如今疫情趨緩，可預見其汽車市場將蓬勃發展，對電動車的期待將更殷切，對動力電池有更迫切的需求，讓我們拭目以待越南的發展。