市場話題

根據愛立信新發布的行動趨勢報告指出，目前推動專用網路市場成長有兩大因素，分別為陸地行動無線電(LMR)的現代化及工業數位化需求。傳統的LMR系統缺乏頻寬功能，只提供有限的性價比，且主要已部署的系統生命也將至末期。因此，LMR系統的現代化勢在必行，特別是在公共安全、公共事業、公共場所，以及自然資源(石油、天然氣、礦產)等市場。至於工業數位化，則是為了提高生產力和營運效率的新應用而推動。 台灣愛立信總經理藍尚立(Chafic Nassif)說明，目前已有許多5G專網的概念性驗證(Proof of Concept, POC)和商業驗證(Proof-of-Business, POB)案例正在進行，至於何時會實現大規模5G專網，時程很難預估。原因在於，5G專網建置需要一個成熟的生態系統，並非只倚靠網通設備就能打造，像是工廠裡面的感測器、閘道器(Gateway)或是其他設備等，其聯網能力和效能是否都已達到業者的預期，且又符合經濟成本。當這些要素都齊全且達到業主預期後，再結合網通、電信業者的技術和服務，5G專網才得以完善。 藍尚立指出，也就是說，目前5G專網技術雖已就緒，但布建的重點在於業者自身的生態系統是否成熟，而不同的領域有不同需求，使得每個企業的的生態系統成熟度也不一樣，因此，5G專網的建置須透過許多POC、POB加以驗證、修正，導致大規模商用時程變得較難估計。 當然，除了成熟度之外，5G專網的建置仍有其餘挑戰待克服。像是專用網路如何在使用行動通訊技術時，運用合適的頻譜，要透過服務供應商，經用監管機構直接分配企業，還是使用者直接使用當地分配的共享授權頻譜，這都是仍待討論的議題。 台灣愛立信總經理藍尚立說明，成熟的5G專網時程很難預估，主要仰賴業者是否已有成熟的生態系統。  

中國自2010年開始投入AI技術的發展，在機器視覺與自然語言相關的應用領域方面有著相當亮眼的成績。 只是這些技術並不是完全來自紮實的技術發展，畢竟中國過去在基礎教育方面的貧乏，使其缺乏研發AI相關技術的人才，這與美國在基礎科學發展努力了百年之久，累積龐大人才和技術庫的情況不同。因此，為了達到快速發展的目的，不擇手段就成了最被普遍使用，成效也最好的手段。 鼓勵留學/千人計畫　中國打下AI發展基礎 中國以三種方式來取得相關技術，並建立自己的AI技術基礎。首先，就是鼓勵資助大量留學生前往美國留學，學習技術之後可能會進入中國學界或業界主持各種研發項目。這個還算是比較正規的方法，而有一部份留學生在畢業後沒有馬上回國，而是留在當地就業，並促成第二種技術「轉移」方式。 第二種方法就是以大量金錢作為誘因，吸收在外國相關高科技企業工作的中國人，為政府取得技術，並回中國創立類似性質公司，中國另外還會高額補助該企業發展。知名的千人計畫其實就是在做這件事，不過千人計畫已經被國際關切，目前中國也轉向低調，不在檯面上提到千人計畫的執行內容和牽扯的相關人士，但實際上該計畫還是持續執行中。 而最後一個方法，則是利用政策壓力，以中國龐大的市場規模，強制要在中國做生意的外商進行技術轉移，這個手段因為太過明目張膽，反而科技大廠在技術轉移的選擇或策略上都有設下防火牆，所以受害並沒有那麼直接，但這也已經足夠讓中國包括AI技術在內的高科技公司得到快速成長的養分，這些外商原本認為他們只是到中國做生意，但其實是幫助了中國產業發展，而當中國自有技術到位，就會打入供應鏈，利用價格優勢把這些外商擠出中國市場。 監控成中國AI技術最大驅動力 另一方面，從應用面來看，中國發展AI的動機並不是那麼單純，雖然中國是全球最快實現AI商業化的地區之一，目前也已經有相當大的經濟規模，但如果把目前中國的AI經濟進行分解的話，就可以發現大部份的AI產值都是來自同一個地方，也就是安防監控應用上。 目前的中國安防監控產業，其實結合了晶片、AI演算法供應商、攝影機模組供應商、影像感測元件、儲存、伺服器方案等。同時，中國檯面上的AI方案公司主要是以前二者為主，也有自行設計前後端方案後推出整合型的AI攝影機模組的公司，例如海康威視。 作為監控產業龍頭，海康威視的最新財報中顯示，其監控相關業務的營收占了93%，而在中國四大AI金剛，商湯、曠視、依圖、雲從，以及更多以CV技術為基礎的AI新創公司，幾乎都是以接政府的監控、安防業務為主要營收來源，而根據各家的財務資料或公司負責人的受訪內容，這些公司的安防營收比重各約從3成到6成左右。 而多數AI晶片新創公司也幾乎都以安防為第一目標市場，比如說原本做挖礦晶片，後來轉型推出AI晶片的比特大陸，以及自動駕駛方案廠商地平線等，都不敢忽視安防監控這塊市場肥肉。 安防監控是每個國家都需要的重要基礎建設，但中國對這方面的需求遠超過全球其他國家，光是過去幾年，全中國的監視攝影機以每年接近一億部數量增加，而這些逐年新增的攝影機背後幾乎都與龐大的AI基礎建設進行連結，為發展相關技術生態，中國在過去數年投入上兆台幣資金規模發展和建置相關的技術平台。 在國家有意扶持發展之下，機器視覺(Computer Vision)是中國產業目前最強大的AI技術應用之一，基於該技術的人臉識別能力已達業界一流，其實務應用準確度已經可以達到98.5%以上，實驗室中甚至可以達到99.99%。除了人臉識別技術外，包括人體移動姿態、服飾追蹤的外觀型態模型建立，也更幫助整個監控系統更充分掌握要追蹤的目標動向。 除了政府的推動以外，中國對於個人隱私保護認知的不足，也成為推動AI發展的關鍵元素，畢竟AI都是基於機器學習所建立的模型，如果樣本不夠大，那麼建立出來的模型可靠度就不足。歐美由於對個人臉孔等可以和個人身份高度連結的隱私資料非常重視，可用來進行機器學習的公開資料比較有限，而蘋果過去Siri被詬病的不夠聰明，也是由於這個緣故。 中國人口基數大，而從手機應用、銀行業務、安防設備等日常生活中各種需要擷取臉孔的應用極多，相關後台收集了龐大的臉孔資料，這些資料也成為推動具備中國特色AI發展的重要養分。 然而隨著安防監控的市場競爭者越來越多，技術發展上也開始遭遇瓶頸，在核心的模型建立方面，各家落差已經不大，資本投入也從模型和演算法的研發逐漸轉為應用面的擴大，希望把這些以龐大人臉資料庫訓練出來的AI技術轉移到其他領域，創造更多的商業機會。 無人商店功敗垂成 這方面最成功的該屬金融機構的人臉識別技術。由於金融機構對臉部識別的精確度要求更高，這方面多數直接沿用政府的臉部資料庫和模型，並輔以更精準的演算法；當然，這方面的應用也是多數專注機器視覺的AI公司的共通發展方向。不過金融機構的市場胃納量有限，很快的，這些AI公司又把腦筋動到了無人商店之類的AI應用。 但與安防監控和金融機構的人臉識別不同，無人商店並沒有獲得成功。這是因為無人商店最主要的訴求，也就是降低管理成本，沒有辦法達到宣稱的效果。 這主要還是因為中國人力成本低，Amazon的無人商店之所以能成功，在於美國的人力成本高，另一方面，Amazon的使用體驗經過高度最佳化。因為是Amazon集團經營，所有銷售資料都會在雲端統整分析，整理出各地商店的消費偏好模式，讓商品的類型可以更符合當地的消費習慣。 相較之下，中國的無人商店概念仍僅止於交易過程的無人化，為了取代店員，使用了更昂貴的機器設備，反而造成經營成本壓力。另一方面，中國網購盛行，到店消費早已不是主流，在這個情況之下，實體店面的營收只會持續下滑，根本無力支撐龐大的無人化硬體套件。 也因此，雖然前幾年相關概念極為火熱，但商用之後才發現實際問題很大，諸多無人商店業者紛紛退出市場。光是2018年，幾個主要的無人商店業者，包含鄰家便利、猩便利、7隻考拉和小閃科技都先後倒閉。 像蘇寧、騰訊的無人快閃店等，雖然仍持續經營，也都只有小規模部份設點。最早的無人商店概念之一，F5未來商店則是走販賣機形式的無人販售方式，雖然稱為無人商店，但其實更像台灣近來風行的夾娃娃機產業，差別只在於收款和販賣方式不同。 無人商店這個議題也曾掀起一波融資潮，大把金錢湧入這個新興概念產業，但跟OFO之類的共享經濟概念相似，多數都撐不了多久，錢燒光了就宣告倒閉。 AI醫療/AIoT挑戰仍多 當然，也不能說中國就沒有正經八百發展AI的產業，比如說醫療、包含智慧城市、智慧家居、智慧零售和智慧製造等四項應用場景的AIoT概念。 醫療方面AI發展同樣集中在機器視覺領域。比如說X光片、超音波等醫學專業圖像的判讀交給AI來處理，效率更高，準確度也更好；而AI也用來進行病歷管理工作，這對於中國這種醫療環境相對落後，且醫護人員缺乏的國家，其實可以帶來相當大的幫助。 然而技術雖有突破，但中國政府在監管方面卻轉趨收緊，新規要求針對醫療圖像進行診斷的公司必須申請醫療器械許可證，而申請耗時需要一年以上，目前還沒有公司拿到許可證。而因為市場風險增加，融資難度也明顯提升，也讓中國業者面臨發展陰影。 而AIoT牽扯到的AI技術層次更多，機器視覺雖然仍占很大的比重，但自然語言、自動駕駛、無人倉儲管理等AI演算法在這些領域也同樣扮演重要角色。然而這方面的發展還處於早期階段，相關產值短期內也很難看到拉升。 爭取融資　中國晶片設計同質性偏高 隨著AI浪潮興起的，還有針對雲端和終端等不同AI應用中的訓練和推理場景進行加速的相關晶片方案。而其實AI晶片最主要還是在演算法的差別，晶片本身的設計難度並不高，除了針對不同運算場景的需求配置不同的記憶體或功能區塊以外，AI本身的計算工作基本上都是通過類似的大規模乘加法運算器(MACs)來達成。 AI晶片方案的發展其實是最近幾年的事，從最早使用FPGA搭配自有演算法的方案，到後來有不少廠商發展自己的晶片，配合演算法與開發環境主打AI通用運算工作。而像寒武紀這類的中國業者則是推出AI運算晶片IP，授權給客戶作為AI運算方案。 隨著這些方案的發展，彼此的同質性越來越高，架構設計上也沒有太多差異。而因為AI晶片設計的門檻低，不少原本專注於AI演算的公司也開始推出自己的AI晶片，主打根據特定場景的最佳化更到位，可以提供更高效能，更低功耗，以及更少的維持成本。 只不過，業界想的基本上都差不多，不是針對雲端的高性能AI晶片，不然就是針對邊緣和終端的低功耗AI晶片，性能差異的來源主要還是在晶片上的運算單元和記憶體規模，以及配合的演算法實現方式。 至於為什麼晶片公司先後發表自己的AI方案，主要還是融資市場對這方面的議題非常關注，由於中國產業高喊自有的聲音很大，能推出方案的晶片設計公司通常都能夠拿到很多的投資。而這些方案能成功實現商業化的數量有限，多數成功商業化的AI晶片走進安防監控領域，或者是部份AIoT市場。 舉例來說，號稱自動駕駛最強的地平線公司在2018年貢獻營收的主要還是安防方案，自動駕駛方案基本上只有少量出貨給合作廠商進行測試，還沒有大規模商用。而為了維繫投資人的熱情，這些AI晶片廠商即便沒有客戶，仍然不斷的開出新方案，計算性能與規模也越喊越誇張。 回過頭來看，中國市場的AI運算市場，雲端機器學習加速架構仍有超過9成被NVIDIA掌握，CPU方案則幾乎由英特爾獨占，推理方面英特爾的FPGA和NVIDIA的GPU各有一部份。至於AIoT領域中，真正的終端AI還沒有大規模實現，手機晶片上雖然有華為和寒武紀的合作，但先行者的優勢至今也已經逐漸被抹滅，蘋果和高通，甚至聯發科的手機AI性能基本上都能和華為的方案平起平坐。也因此，就連業者也認為這些AI晶片公司可能需要一波清洗，好去蕪存菁。 煉蠱式成長壓力大　國家隊仍可能彼此殘殺 最著名的兩個國家隊領袖，分別是華為與寒武紀，二者的合作的確製造了不少話題，並為華為當時的旗艦手機創造了銷售熱度。但有趣的是，寒武紀在新聞資料上對華為低聲下氣，也曾讚賞二者的合作。然而華為卻自始至終都否認相關的訊息，對外永遠只說華為用在手機上的NPU神經網路加速單元是自行研發的產品。即便業界都知道這個NPU的來龍去脈。 作為寒武紀少數的IP授權客戶之一，且出貨量極大，他自然不敢得罪華為，但華為卻明顯另有盤算。到了麒麟810，華為用自有的昇騰AI架構取代了寒武紀。而華為繼續對外宣稱，他們研發相關的AI架構已經超過10年之久。耐能的CEO就曾指出，當初華為和寒武紀的合作，其實等同於華為逼迫寒武紀賣身，也就是把寒武紀NPU的IP的原始碼全部交給華為，華為才願意合作。 而從2017年的麒麟970推算，華為拿到寒武紀的NPU原始碼最早可能在2016年左右，而到2018年推出「自有」昇騰AI架構，也不過才兩三年。華為的狼性著實讓寒武紀吃足苦頭，原因在於華為的昇騰架構要打的市場和寒武紀高度重疊。寒武紀是中國少數提供晶片IP授權業務的公司，而發生華為這個事件，相關的業者未來在選擇合作對像以及合作方式時，應該會更謹慎。 中國應用優勢漸失成未來隱憂 成也應用，敗也應用，AI最後的商業化關鍵還是在於應用是否與有足夠的市場吸引力，由中國政府創造的安防監控應用雖然規模龐大，相關內需產值驚人，但市場競爭也大，而其他如自動駕駛或AIoT也還遠遠談不上成熟，而最主要的關鍵是，多數AI方案公司基本上都只能守在中國，打不進國際市場，而目前中美貿易情勢緊張，製造業等內需減弱，短期內也不見和解的可能，這都讓中國的AI產業烏雲罩頂。

目前Micro LED顯示器，最大的挑戰仍在降低成本。從生產設備的改良、檢測方式的革新以及巨量轉移的開發等，都是廠商正積極努力的方向。由於短期內降低成本的困難度仍高，因此利基型的大尺寸小間距顯示器產品與穿戴式裝置，成為最有機會率先導入市場的應用類別。 工研院電光系統所組長林建中(圖1)表示，市場應用端接受度的高低會影響一個技術的發展，以Micro LED顯示器而言，大尺寸小間距顯示器很可能會是最早進入市場的應用。比方說現有的LCD沒有辦法做出100吋的顯示器，因此Micro LED就可以找到一個利基點進入市場。 圖1　工研院電光系統所組長林建中表示，Micro LED在穿戴式裝置具備良好潛力。 錼創科技(PlayNitride)營運長陳銘章表示，新一代顯示技術Micro LED具備高可靠度、高亮度、對比度和輕薄等優勢，初期市場以高階產品為導向，在顯示技術中將從LCD與OLED較不擅長的領域起步，例如戶外高亮度需求的顯示，或需要高可靠度的車載應用和超大尺寸螢幕等。 小間距顯示器/穿戴式裝置率先登場 在2019年可以看到的Micro LED應用應該會是室內小間距顯示器，另一個則是穿戴式裝置，如智慧手表等。林建中進一步說明，Micro LED在功耗、亮度、對比度、反應和壽命等方面都非常有潛力，比目前看到的LCD或OLED更好。但是整體而言，接下來幾年應該都還是會看到LCD、OLED和Micro LED並存於市場的趨勢。因為LCD長期投入了大量的資本，也已經達到了一定的規模與成熟度，在很多應用上不是新技術容易取代的，加上OLED在過去10年也投入了大量資本，這幾年才看到OLED的市場與應用出現，現在正是要收成的時節。因此儘管Micro LED潛力強大，但若是要談論Micro LED取代LCD或OLED則還有點太早。 林建中指出，三星(Samsung)和LG在2019年都開始用Micro LED做展示用顯示器(75吋或更大)，但價格還是偏高。另外，Micro LED在穿戴式裝置的應用是非常有潛力的，由於Micro LED在戶外也能有極好的亮度表現，功耗也非常低，可以持續長時間使用而不用充電。但是商品發表或上市時程還是要看各家大廠的打算，因為穿戴裝置的價格敏感度較高，Micro LED成本偏高，也因此LCD在市場上還是有成本的絕對優勢。 聚積科技(Macroblock)董事長楊立昌(圖2)表示，Micro LED相較於其他顯示技術而言，在顯示器中最重要之亮度、功耗、對比度、壽命、反應速度這幾方面最為突出，也因此蘋果(Apple)、索尼(Sony)、Samsung、FB等國際大廠皆相繼投入此技術之研發；唯獨成本上高於其他顯示技術，也因此須鎖定LCD、OLED較無法切入的利基型產品為主。 圖2　聚積科技董事長楊立昌表示，Micro LED將以大尺寸小間距顯示器為市場最有機會先出現的應用。 楊立昌指出，如果考慮目前現有的技術能力，Micro LED初期將會有兩大應用方向，一是室內小間距顯示器，例如Samsung於2019年CES展出的75吋「The Wall」，在解析度、亮度、對比度上都具有優良的性能。二則是可穿戴市場，也有消息指稱蘋果將在未來的Apple Watch和iPhone上使用Micro LED技術；從短期來看Micro LED市場集中在小型顯示器，從中長期來看，Micro LED的應用領域非常廣泛，橫跨穿戴式設備、室內小間距顯示器、電競螢幕、車載顯示、AR/VR等多個領域。 各廠巨量轉移技術鴨子划水 Micro LED的成本要下降，巨量轉移就要做得好，同時磊晶的品質也非常重要，磊晶要做到光電特性均勻、發光波長均勻，這些都是做LED基本的要求。林建中說明，Micro...

除了斥資扶植之外，近日台灣工業電腦業界盛傳，中國政府已發布紅頭文件，針對國防、網路、金融、運輸這四大類垂直應用，設備供應商應盡可能使用中國本土IC設計供應商所提供的元件，以維護國家安全。由於事涉敏感，多家工業電腦業者都不願公開證實，但私下確認已收到政府有關部門的通知，並已經開始針對產品線做出調整。 工業電腦業者表示，未來出貨給中國的工業電腦，如果最終應用落在上述四大領域，將會推出採用「中國芯」的設備。不過，業者也補充說明，對台商而言，中國政府的指令只會影響到三個領域的業務拓展，因為台商基本上無法接觸到國防工業市場。 中國半導體本土化逐步落實 在半導體業內，關於中國政府將對部分採購標案內容進行限制，要求設備供應商必須使用中國自產晶片的傳言，已經醞釀了好幾個月。據業內人士表示，由於中國本土的上海兆芯及天津海光已經具備x86處理器的開發與供貨能力，加上電源、類比等領域，也有許多中國當地的IC設計公司可以提供解決方案，因此中國政府正在考慮對部分設備採購標案進行限制，要求設備供應商必須使用中國本土廠商提供的晶片。 日前，工業電腦大廠研華在法說會上表示，該公司針對今後5年，已提出了新的成長計畫，強調將透過深度在地化及人才培育等方式，為研華今後奠定成長的基礎。 研華表示，將針對北美、歐洲、中國大陸與新興市場等四大區域，分別設計制定從2019年到2024年的5年成長計畫。規劃中，將擴大各區域在地投資與人才經營。期待藉由IoT SRP(Solution Ready Package)的軟硬整合服務，驅動新一波的成長。此外，研華也透露，目前物聯網軟體平台部分，已有超過150家付費VIP客戶；而2020年將會是SRP由平台建置階段，邁入應用整合階段的關鍵時刻。 在中國市場方面，根據規畫，研華北京二期大樓增建計畫目前已進入建築規劃階段，透過投資展現研華深耕大中華市場的決心，擴大相關軟體研發人才的投資，並加速工業物聯網第二波在能源、製造等不同產業應用領域的實現。 研華中國區總經理羅煥城指出，大中華市場過去十年是研華穩定的成長引擎，期待在未來5年也仍會是重點成長區域。因此，該公司將在中國市場率先推出以客戶為導向的服務內容，期望藉此實踐5年營收倍增的目標。此外，羅煥城也將「中國芯」議題拉上檯面，並表示為了符合中國政府跟當地市場、客戶的要求，該公司將會推出採用中國本土晶片的設備產品，這也與研華落實全球在地化的精神一致。 事實上，除了研華之外，針對中國市場，多家台系工業電腦業者也有意推出使用中國當地晶片的設備產品，但大多數業者都希望對此保持低調，不願具名評論。有工業電腦業者指出，中國政府目前確實已經發出正式公文，也就是俗稱的紅頭文件，內容要求只要是應用在國防、網路、金融與運輸這四大具敏感性的垂直應用，設備供應商就應該盡可能使用中國本土供應的晶片，只有在中國本土晶片商還無法提供解決方案，或產品技術還不夠成熟的情況下，才可以使用外商提供的晶片。 來自工業電腦產業的消息，證實了幾個月前在半導體圈子裡傳得沸沸揚揚的消息，正在逐步成為現實。對國際半導體業者而言，工業電腦屬於利基型市場，目前中國的政策要求，又僅針對工業電腦中比較具有敏感性的應用做出規範，因此外商半導體業者在中國的營運不會立刻受到巨大影響，但倘若中國政府持續推動半導體進口替代政策，其半導體市場對外開放的程度，恐怕會越來越低。 半導體供應商各自面臨不同挑戰 在這波中國工業電腦/工業設備半導體本土化的浪潮下，來自不同地區的半導體供應商，由於產品跟經營策略的差異，受到的影響跟挑戰也大不相同。 整體來說，相較於歐美日，台灣跟韓國的邏輯/類比晶片供應商在工業市場的著墨較少，而是以消費性市場為主，因此受到的影響較為輕微。但由於韓國的半導體出口是以DRAM跟NAND Flash為主，在中國也大力培植自家記憶體產業的情況下，受到的影響不可等閒視之。這或也是三星電子(Samsung Electronics)積極強化晶圓代工布局，要與台積電一爭長短的主因之一。 至於歐美日晶片業者，在工業市場的布局則遠比台廠來得深，因此在這波中國工業用半導體市場逐步本土化的過程中，將是首當其衝。當然，這些國際外商也不是省油的燈，只要手上還握有中國本土業者還沒有完全掌握的核心技術，暫時就還不用擔心會被中國本土晶片商取代。這個情況在射頻前端、FPGA、GPU等領域最為明顯，例如目前中國半導體業者在低雜訊放大器(LNA)、高速數位類比轉換器(ADC)等射頻前端會用到的元件方面，技術還不是很成熟；至於FPGA，中國半導體產業才剛開始有廠商投入。 至於台灣的半導體產業，在這波中國半導體市場逐漸展開進口替代的過程中，究竟會受到何種影響，則得看個別公司在產業鏈中的地位而定。對半導體製造族群來說，由於中國封測產業的技術能力跟台廠的差距比較小，因此相較於前段製造，後段封測業者的壓力是比較大的。至於前段製造，目前台積電跟穩懋，在良率、供貨能力上，跟中國同業相比，還是有一段比較明顯的領先優勢。因此，在中國半導體市場走向進口替代的過程中，前段製造還比較不須擔心，甚至還有可能接到新的客戶訂單。 至於在IC設計端，前面已經提到，因為中國的政策是從台灣業者布局較少工業領域開始推動，故即便營運會受到些許衝擊，影響還是不大。事實上，台灣IC設計業者之中，還有不少公司根本就沒有工規產品線。 另一方面，有部分台灣IC設計業者早已透過與中國合資設立子公司，完成在地化布局。因此，在中國政府推動半導體進口替代的大計畫中，這些台商已經被中國視為「自己人」。例如上海兆芯本身就是威盛跟中國政府的合資企業，其x86處理器的效能雖然還不能與英特爾(Intel)、超微(AMD)的最先進產品相提並論，但對工業應用來說，其實也已經夠用了。 中國客戶自造晶片威脅更大 雖然目前中國政府僅就與國安有高度關聯性的電子設備做出半導體供應本土化的要求，但對台灣的半導體產業來說，中國半導體市場逐漸封閉，仍是一個不可等閒視之議題。除了華為早已有強大的晶片設計能力之外，OPPO、小米、格力等手機/消費性電子產品業者，也都開始在晶片設計領域投入重資，想開發出自己的晶片解決方案。 雖然業界對於中國的終端應用廠商投入晶片研發一事，一直有不少懷疑的論調，畢竟晶片設計本身也是一門專業，為了喝牛奶而養一頭牛，不見得是最具經濟效益的選擇，但在中國政府有意推動半導體進口替代的情況下，終端應用廠商投入研發自己的晶片，仍會受到政府鼓勵。加上EDA工具跟IP生態系統的成熟，現在要開發出一款晶片，技術難度已經比過去要低。只要這些中國終端產品業者堅持下去，假以時日，還是有機會開發出自己的晶片。 換言之，對台灣的IC設計公司來說，最大的隱憂或許不在中國政府頒布的法令規定，而是當地客戶對半導體領域的雄心壯志。事實上，相較於政府直接指點江山，匡列重點半導體品項並投入資金發展，官方結合民間力量發展半導體產業的作法，對台灣的半導體產業是更有威脅性的。 用計畫經濟的思維來發展半導體，其實是風險很高的作法。科技進步日新月異，但計畫經濟通常是五年為一期，要負責產業規畫的官員猜測五年後半導體市場會是何種風貌，有哪些現在還沒成熟的技術、產品會竄起，是非常困難的事。計畫經濟適合運用在某些已經存在多年的產品、市場，例如CPU、記憶體，就還有計畫經濟發揮的空間。但官民力量結合則不然，民間企業本身對市場、技術的脈動，會有更靈敏的嗅覺，成功的機率也會比較高一些。

  文 ｜ 萬岳憲 資策會MIC產業躍升事業群總監 但是，每次我要倒麵湯或撈麵條到另一個空碗的時候，就會對這個不方便的設計，碎碎唸一遍，我總是很不理性的認為，只要能改良傾倒麵湯的設計，年銷售量應該會再提升兩成。日本有很多品牌的炒泡麵，引導使用者從右下方撕開碗蓋加入熱水，然後在碗蓋左上方，就是加熱水位置的相對角，設計一個網狀的出水孔，只要用一隻手拿起麵碗稍微傾斜，就可以很輕鬆的倒出湯水，網狀出水孔還可以擋住麵條，不會隨著湯水流出。 為什麼看起來如此簡單的設計，「維力炸醬麵」怎麼不參考他山之石，積極改善自己的產品呢？其實改善過程，並沒有想像中的容易，曾經有位台科大的教授告訴我，台灣有很多獲得德國紅點設計獎(Red Dot Design Award)的作品，無法被產業使用來商品化，因為有許多仍然在運作的生產線，無法生產獲獎的創新設計產品，如果要生產創新設計的產品，往往必須建置新的生產線，這筆花費就會讓廠商裹足不前，思考再三。 善用盒內思考法則　為舊產品找新創意 傳統的創新方法是沒有結構、規則或模式，甚至要打破成規，迎接天外飛來的靈感，所以很多組織團隊會運用「腦力激盪法、重組法、自由聯想法、水平思考法」等訓練方式，來激發團隊的創造力與創新構想，期許能開創新產品或新商業模式。但是，對於行之有年的舊產品，有什麼方法可以激發創新構想？ 美國哥倫比亞大學教授高登伯格(Jacob Goldenberg)與辛辛那提大學教授博依(Drew Boyd)，共同著書倡議盒內思考(Inside the Box)法則，核心概念是要組織成員在所熟悉的領域裡思考，在個人熟悉的框架裡，協助組織或產品產生更多元的創新構想，在這個框架思考的範疇內，老員工的經驗必須被高度的依賴，因為所有的創新，必須是依據組織現有或有限的資源發展。例如將舊產品的關鍵組合元件，逐一拆解條列，再運用簡化、分割、加乘、功能整合、屬性相依等思考模式，想像任何一個關鍵組件被移除後，產品使用的方式或過程，會發生什麼樣的變化，同時思考組織裡有哪些資源可以協同發展。 博依與高登伯格教授，觀察DVD播放機的創新歷程發現，DVD光碟片是一個全新的影音播放媒介，剛上市，就被公認將完全取代使用20年的VHS錄影帶，但令人驚訝的是，1997年上市的DVD播放機，外型大小與使用20年的錄影機沒有差別，因為生產廠商只想到，將光碟機取代錄影機，擺放在電視機旁的位置，沒有想到可以藉由新的儲存媒體，創造一個全新的影音播放產品。 後來飛利浦(Philips)研發團隊運用盒內思考的簡化法則，有系統的逐項移除產品的關鍵組件，思考「如果沒有這個組件會怎麼樣？」的腦力激盪。會議中有人提出，如果「沒有按鈕」會怎樣？因為當時所有的播放控制按鈕，都設置在DVD播放機的方型機殼上，這是沿襲錄影帶播放機的設計，但是DVD光碟片匣比錄影帶匣，更為輕薄短小，所以機殼內部有很多閒置的空間。「沒有按鈕」的想法，瞬間啟動與會成員的創造力，突然有工程師說：「可以讓DVD播放機變得更薄」，然後又有工程師說「可以把部份按鈕移到遙控器上」。結果，飛利浦率先生產出業界最輕薄的DVD播放機。 打破固著思維　開啟全新契機 這個案例是打破工程師原有的產品功能固著(Fixedness)思維，一但目前的完善產品有了缺陷，就會激發工程師想要彌補缺陷的動力，而這股動力，就是創造力的動機來源，工程師在缺陷無法挽回的前提下，只好朝向全新的解決方向思考，核心目的是要讓產品重新回到完善的狀態，而舊有產品，往往就會在「先退步再進步」的過程中，開啟全新的契機。 法國思想家伏爾泰認為，創造力(Creativity)最獨特之處就是明智而審慎的模仿。人類從模仿舊事物中產生創造力，創造力讓人類發想製作創新工具以改變生活環境，創造力是創意的來源，而創意則必須經過良好的思考依據，在有限制的環境條件下發展。 完形心理學派的研究認為，創造力與創造者的生活經驗有關係，創造力的動機往往來自於生活的需要，為了滿足這樣的需要，人類就會利用舊經驗，重新檢視組合或修改身旁原有的事物，在不斷重複這類行為模式的創造過程中，產生人類與物品之間的循環再造關係，在循環的創新過程中產生獨特的創造力。 1995年美國電影「阿波羅13號」在太空中發生空氣濾清器損壞，導致二氧化碳濃度升高的突發狀況，太空人必須利用手邊的有限資源，創造新的空氣過濾裝置；電影「不可能任務」裡的探員們，也經常在緊急狀況時，提醒自己手邊有什麼資源可以運用。其實，就是要在自己所熟悉的領域裡，從沒有任何外援的封閉世界中，激發個人的瞬間創造力來解決困難。 退步原來是向前 人類為了改善生活的需要，產生運用創造性思考來解決問題的能力，這個能力使人類擁有製造出前所未有事物的經驗，成為創新事物的創造者。創造者的生活環境愈多元開放，創造力的發揮與表現空間就愈大，而創造力的表現又與個人對外在環境的認知特質有關係，當個人與外在環境的互動方式與他人不相同時，就會形成不同的創造力特質。 我們習慣從進步的角度來思考創新，這個方式較適用於多元的外在世界，對於組織內的封閉世界，運用退步的角度思考，或許無法出現非常有創意的事物，但是往往會出現很有效率的解決辦法，甚至是符合組織現有資源，可以於短期內立竿見影的執行方案。 再回來想想國內的速食麵產業，多數習慣固著於創造產品口感，反而忽略包裝功能與消費者的關係，或許想想「沒有提供麵塊的泡麵碗(杯)會怎樣？」，說不定，退一步的「不可理喻」，反而產生，進一步的「不可思議」。 盒內思考法則可幫助組織內部成員在熟悉框架中產生更多元的創新構想。 圖片來源：www.insidetheboxinnovation.com  

一九九○年代，網路世界是一個封閉的地方。許多使用者都用像是美國線上這類入口網站來管理自己的網路瀏覽需求，把資訊都集中在同一個入口網站上，並且列出有用的外部網站，藉此瀏覽體育資訊、金融資訊等。使用者大多是在封閉的環境裡上網，這種生態也因此稱為「圍牆花園(Walledgarden)」。後來，Google用鐵鎚擊破圍牆，推出搜尋引擎，讓大家可以自行在網路世界裡輕易找到想要的網頁。從此以後，我們便能在整個網路世界裡自由翱翔。 但是過去幾年來，有一件奇怪的事發生了。Google和亞馬遜竟然在重建花園的圍牆。Google推出即時回答，讓使用者有時不需要跳出搜尋結果頁面，就可以得到想要的資訊。Google和亞馬遜也都設計出自家的語音助理。語音助理就是一種入口網站，像是數位行銷商Huge創意總監Sophie Kleber說道：「Alexa就是語音世界的美國線上。」 Google助理與Alexa平台上許多熱門的應用程式，也都是Google或亞馬遜自行設計的。要用第三方應用程式，使用者必須先經過Google助理或Alexa。例如，使用者通常會用所謂的「呼喚語(Invocation Phrase)」呼叫Alexa技能。使用者可能會說：「Alexa，我要聽《華盛頓郵報》的頭條」，或是「Alexa，玩《危險邊緣》。」同樣地，Google助理的使用者也會說：「打開Yelp」或「ESPN上有什麼新聞？」 語音科技的重點並非取代傳統的智慧手機應用程式，而是開發新的可能。 如果使用者知道自己要用哪一個語音應用程式，這樣的模式就沒有什麼問題；但是如果使用者不知道自己要用的是什麼，會如同矇上眼睛在飛行，就像在沒有搜尋引擎協助的情況下，要找到新的網站。如果使用者詢問的問題或是說出的指令沒有指明要用哪一個應用程式，Alexa或Google助理就會自行決定該如何回答問題或執行指令。如此一來，Google和亞馬遜就握有強大的權力，能夠主導語音流量的去向。 這樣的模式看起來就很像以前的圍牆花園，會形成這樣的模式，其實也不一定是因為亞馬遜或Google 本身渴望握有控制權，但是這些企業肯定很享受這樣的權力所帶來的利益。在語音的世界裡，本來就適合以單一數位實體掌控一切，Siri的原始研發團隊肯定支持這樣的想法。如果沒有一個主宰的語音助手，所有的語音應用程式都會是獨立開發，這樣一來，每個應用程式都有自己的名字、自己的獨特功能、自己的一套指令。「我覺得大家不可能記住數萬個不同的名字和數萬套不同的指令。」切爾說道：「這種模式先天就無法規模化。」 切爾與吉特勞斯離開蘋果後，創辦Viv。Viv追求的是另外一個目標：創造獨立運作、全知全能的助理。Google和亞馬遜雖然很明顯地漸漸在扮演資訊守門人的角色，但是它們本身不想要被大眾當成資訊守門人。但是Viv不一樣，該公司開宗明義就明白宣告，目標就是要做出全能的助理--終極的電腦，有了它，就不需要其他的電腦。 的確，Viv的科技其實已和第三方應用程式配合，畢竟切爾一直以來的運作模式都是如此，但是第三方應用程式都是在背後暗中進行，使用者不會看到，使用者只會和一個助理互動。Viv在2018年下半年推出，裝載在全世界數百萬台三星裝置上。「這是一場競賽。」吉特勞斯說道：「各大企業爭相成為使用者的單一介面。」 2016年至今，各種聊天機器人和語音應用程式如雨後春筍般出現，許多企業一窩蜂搶進。 各大科技公司表現大盤點 Viv擁有強大的科技，因為它使用的科技是語音助理這個領域最初先鋒所研發的，但是因為進入市場時間較晚，算是競賽中的一匹黑馬，和其他競爭者競逐成為主導介面。這場競賽在幾年前似乎比較開放，大家都可以來競爭，但是現在競賽已經比到某種程度，占有優勢的參賽者已經出線了。 現在，我們來盤點每家公司的表現。首先是蘋果，Siri是全世界普及的數位助理，平均每個月接獲的指令數高達一百億則，而且支援20多種語言。 這是好消息，但壞消息是蘋果並未遵照原始創辦團隊的構想行事，所以Siri並沒有發揮應有的實力。許多科技評論家都開始批評Siri，Siri儼然成為語音人工智慧界的眾矢之的。評論寫道：Siri「很糊塗」又「很難堪」(《華盛頓郵報》)；「蘋果錯失的最大契機」〔《休士頓紀事報》(Houston Chronicle)〕「有重大缺陷」(《紐約時報》)。科技分析家Jeremiah Owyang在接受《今日美國》(USA Today)訪談時表示：「感覺蘋果好像完全放棄了Siri。」 這麼說是有點過頭了，但是蘋果的確該受到批評。蘋果原本是語音人工智慧的領頭羊，但是現在卻落後了。蘋果直到2018年2月才推出自家的智慧音響HomePod，比Google Home慢了將近1年半，比亞馬遜Echo慢了整整3年半。HomePod推出後，評論家對其音質表示讚賞，但也提到HomePod價格高昂的問題。一台HomePod要價349美元，亞馬遜Echo只要99美元；而且許多評論家也對Siri提出批評，表示HomePod上的Siri性能很差勁。到了2018年6月，HomePod在美國智慧居家音響市場的市占率只有4%。 針對語音科技，蘋果採取的策略其實和公司的本質定位有關。蘋果的本質是電子裝置製造商，因此把Siri當成自家裝置上的優秀功能，而不是當作獨立出售的產品。然而，Google與亞馬遜都預測在未來環繞運算會成為主流。如此一來，語音科技確實會為蘋果帶來風險。在未來，聰明的人工智慧住在雲端上，透過價格低廉的商品和使用者講話，而蘋果專門販賣高價裝置，在這種情境下，蘋果的地位會受到極大的衝擊。 開發人員可以讓使用者透過Siri和各種應用程式溝通，開放的應用程式分為六大類：文字訊息、音訊與視訊通話、支付、照片、運動，以及服務叫車。 接下來是微軟。微軟有一個世界級的人工智慧部門，部門裡有8,000名員工。微軟有搜尋強大的引擎Bing，提升語音助理的問答能力，而且微軟的虛擬助理Cortana 已經確立自己的地位。 但是， 微軟提升Cortana在消費者市場的市占率方面遇上了困難。Bing或Skype都支援Cortana，但是這兩個平台的用戶量卻遠遠不及Google或Messenger。Windows Phone上也能使用Cortana，但是它的市占率一直無法脫離個位數，甚至只有個位數出頭，所以在2017年停產了。在智慧音響的戰場上，Cortana 裝載在哈曼卡頓的智慧音響Invoke 裡，但是這款音響的市占率小到幾乎無法計算。開發人員不想花時間為一個很少人用的平台設計語音應用程式，所以大多數都選擇避開Cortana。 儘管面臨這些挑戰，但是微軟並沒有放棄。Cortana裝載在Windows作業系統上，而且每個月有1億4,500萬名活躍用戶。微軟並不是把Cortana定位成全能、全民型的人工智慧，而是定位為職場助理，這很符合微軟近期的總體經營策略：專門為企業提供軟體與雲端服務，而人工智慧語音科技就是其中之一。所以，微軟即便在語音科技的戰場上並沒有總體優勢，但是在企業領域裡，有條件成為一支精實勁旅。 再來是臉書，臉書在語音世界的未來很難預測。如果說全世界都和中國一樣，有十億人都在用微信，並把微信當成整個網路世界的入口，臉書的條件就很好，因為Messenger上已經有許多強大的機器人。不過，未來的趨勢會不會如此，現在仍然難以預料。 除了Messenger以外，臉書也做了不少對話式人工智慧的研究，但並不是很積極把成果轉換為產品。根據傳聞，臉書已經研發出自己的智慧居家音響，但是後來因為爆發劍橋分析醜聞，引爆隱私爭議，於是便暫緩發表。所以，目前臉書的得分是「不完整」。 剩下Google和亞馬遜。無論用什麼指標衡量，這兩家公司目前是競賽中最具優勢的。2018年，支援Cortana 的裝置只有區區39個，支援蘋果和Siri 的裝置有194個，支援Google助理的裝置超過5,000多個，而支援Alexa 的裝置則達到20,000個。Google 助理有超過1,700個應用程式，而Aelxa 在全球則有五萬個應用程式。在美國，亞馬遜的智慧居家音響市占率為65%，Google 則為20%。 有了語音，科技可以變得較不人工，我們能讓機器變得更像人類，並且廣泛應用在生活中。 既然Google 和亞馬遜是前兩大競逐企業，最好的評估方法就是檢驗兩家公司分別有什麼方法可以透過語音賺取利潤。如果你把獲利的問題拿來詢問這兩家公司的高層，他們會緊張地說出一連串的陳腔濫調，表示現在這項科技還處於早期階段，公司目前正在想辦法提升使用者體驗，等使用者體驗做到最好之後，自然就會有獲利。這種回答雖然是在迴避問題，但是其實不假，目前這些公司都在搶地盤，擴大用戶量，因為它們知道擁有主導地位的平台，自然會有各種方法大發利市。 但是就連在現階段，公司高層也已經在思考各種商業模式。最直接的獲利方法，就是藉由販賣裝置賺取營收，亞馬遜賣Echo，Google賣Home。但是有別於蘋果，這兩家公司對這個選項似乎不是特別感興趣，因為現在它們都刻意壓低裝置的價格，用以提升市占率。 有一家獨立研究公司把Echo Dot 拆開檢查，評估所有組件加總的成本是35美元，加上間接成本與運送費用，總成本還要更高。不過，亞馬遜Echo Dot 的定價最低，為29.95美元。「公司是靠著消費者使用我們的服務賺錢，而不是靠著消費者購買裝置賺錢。」Alexa...

簡化製程　EUV扮關鍵要角 艾司摩爾(ASML)資深市場策略總監Boudewijn Sluijk(圖1)表示，VR/AR、自動駕駛、5G、大數據及AI等，持續推動半導體產業發展，為滿足各式應用、資料傳輸，以及演算法需求，晶片效能不斷提高的同時，還須降低成本，而極紫外光(EUV)在先進製程中便扮演關鍵的角色。 圖1　ASML資深市場策略總監Boudewijn Sluijk表示，自動駕駛、5G、AI等新應用推升晶片性能發展。 Sluijk指出，過往採用ArFi LE4 Patterning或是ArFi SAQP進行曝光的話，要實現7nm、5nm，須經過許多步驟。例如用ArFi LE4 Patterning需要4個光罩、4次曝光；用ArFi SAQP需要6個光罩、9次曝光，而EUV只需1個光罩、1次曝光(圖2)。採用EUV技術不但可有效簡化製程，加快產品設計時程，也因為曝光次數明顯減少，因而可有效降低成本，滿足晶片設計高效能、低成本的需求，因此，市場對於EUV的需求有增無減。 圖2　EUV技術可有效減少曝光次數，進而降低成本。 資料來源：ASML 據悉，ASML的EUV系統現在可用於7nm生產，滿足客戶對可用性、產量和大量生產的需求。截至2019第二季季末，半導體界已經有51個EUV系統被建置(包含NXE：33xx、NXE：3400B)，而該公司在2019年的銷售目標為30台EUV。 據悉，ASML目前已出貨11台EUV極紫外光系統，而在第二季再度接獲10台EUV極紫外光系統的訂單，顯示市場對於EUV設備的需求相當強勁。因此，ASML的出貨計畫將著重於2019年下半年和第四季，而2019年的整體營收目標維持不變。 然而，隨著晶圓產能不斷增加，ASML也持續推出生產力更高的EUV設備。Sluijk透露，目前EUV系統在晶圓廠客戶端每天生產的晶圓數量超過1,000片，而ASML持續強化EUV微影系統「NXE：3400C」的量產效能，不僅在ASML廠內展示每小時曝光超過170片晶圓的實力，在客戶端實際生產記憶體晶片的製造條件下，也成功達到每天曝光超過2,000片晶圓的成果，甚至達到2,200片的紀錄。另外，ASML也計畫在2020上半年推出生產力更高的設備，將NXE：3400C的生產率提升至>185wph。 除提升設備生產量之外，因應未來先進節點，ASML也計畫推出全新EUV設備，名稱為EXE，不僅擁有新穎的光學設計和明顯更快的平台，且數值孔徑更高，為0.55(High-NA)，進一步將EUV平台延伸至3nm節點以下，擴展EUV在未來先進節點中的價值。 Sluijk說明，此一產品將使幾何式晶片微縮(Geometric Chip Scaling)大幅躍進，其所提供的分辨率和微影疊對(Overlay)能力比現有的NXE：3400高上70%。EXE平台旨在實現多種未來節點，首先從3奈米開始，接著是密度相近的記憶體節點。另外，EXE平台有著新穎的光學設計，並具備更高的生產力和更高的對比度，以及更高的生產量，每個小時>185wph，且Reticle Stage比NXE：3400快上4倍；Wafer Stage比NXE：3400快上2倍。 Sluijk指出，該公司的EUV平台擴展了客戶的邏輯晶片和DRAM的產品路線圖，透過提供更好的分辨率、更先進的性能，以及逐年降低的成本，EUV產品將會在未來十年到達一個經濟實惠的規模。 滿足晶片設計PPAC需求　蝕刻/沉積技術不容小覷 科林研發(Lam Research)副總裁Yang Pan(圖3)認為，在高級節點，最重要的趨勢是垂直縮放(Vertical Scaling)以滿足「功率-性能-面積-成本(Power Performance Area Cost, PPAC)」的需求，特別是記憶體和邏輯晶片；垂直縮放過去5年徹底改變了NAND產業，目前3D NAND的出貨量多於平面NAND(Planar NAND)。垂直縮放的實現須透過沉積和蝕刻中的High Aspect Ratio(HAR)製程實現，而這是該公司所擅長的。 圖3　Lam...

人工智慧(AI)、車聯網、5G等應用相繼興起，且皆須使用到高速運算、高速傳輸、低延遲、低耗能的先進功能晶片，在製程微縮技術只有少數幾家晶圓代工、IC製造業者可發展的情況下，異質整合(Heterogeneous Integration Design Architecture System, HIDAS)成為IC晶片的創新動能。同時，隨著應用市場更加的多元，每項產品的成本、性能和目標族群都不同，因此所需的異質整合技術也不全然相同，有的需要記憶體+邏輯晶片，而有的則需感測器+記憶體+邏輯晶片等，市場分眾化趨勢逐漸浮現。為此，IC代工、製造以及半導體設備業者也持續推出新的異質整合技術，以滿足市場需求。 成本/效能需求不同　異質整合走向分眾化 工研院電子與光電系統研究所所長吳志毅(圖1)表示，所謂的異質整合，廣義而言，就是將兩種不同的晶片，例如記憶體+邏輯晶片、光電+電子元件等，透過封裝、3D堆疊等技術整合在一起。換句話說，將兩種不同製程、不同性質的晶片整合在一起，都可稱為是異質整合。 圖1　工研院電子與光電系統研究所所長吳志毅表示，依產品性能、成本不同，異質整合將走向分眾化。 異質整合是目前半導體產業熱門議題，也有許多業者投入發展，進而市場上有著許多解決方案。對此，吳志毅說明，在異質整合發展上，各家廠商著重的市場和技術都不一樣，因而會衍生出許多種整合方式，例如有所謂的2.5D、3D或是採用封裝的方式。然而，不論是何種技術，其核心價值都是將兩種完全不同的晶片整合成一個，這便是異質整合的概念；換個例子來說，要將兩樣物品黏在一起，可以選擇膠水、膠帶或強力膠等，有很多種方式，異質整合便是同樣的道理，端看業者的市場和成本考量人選擇要用何種整合技術。 吳志毅補充，半導體技術著重的永遠都是成本和效能。部分業者之所以會發展3D整合方案，主要原因是3D IC具有更好的效能，但相對的3D IC的成本也較高，因此適用於高階產品市場，例如AI晶片。至於原有的2.5D整合技術，並非3D IC問世之後就沒有市場，2.5D IC的性能雖然不比3D IC，但相對的成本也較低，適用於有成本考量的企業或產品。 吳志毅說，換個方式譬喻，當7奈米製程出現後，不代表所有產品都會轉成7奈米，像是14、16、28奈米，甚至是90奈米，都還有其市場，業者會依應用市場、產品設計需求和成本，選擇所需的製程技術，而異質整合也是同樣，業者會根據所需的產品性價比、效能以及市場，選擇最適合的異質整合技術。也因此，未來異質整合勢必將會出現市場分眾化的趨勢。 吳志毅認為，這對於晶圓代工廠，或是晶片製造商等也是一個新的機會。現今半導體產業只剩三家業者(台積電、三星、英特爾)能繼續推進摩爾定律(製程微縮化)，而其他業者如聯電、格芯是否就沒有其他發展空間？並非如此，異質整合便是一個新的機會。這些晶圓代工、IC設計或者是封裝業者不一定要發展更先進的製程，但是卻可以透過異質整合，將原本不同性質的晶片整合成體積小、高性能的晶片，實現更多創新應用。 IC代工/製造/設備商全體動員 上述提到，異質整合為半導體產業發展帶來新契機，同時因應多元的應用市場，異質整合日後將朝分眾化發展，為此，晶圓代工業者、晶片商或是半導體設備商皆積極投入發展，各式解決方案也紛紛亮相。 英特爾再推三大封裝新技術 英特爾(Intel)日前展出先進封裝技術並推出了一系列全新基礎工具，包括將EMIB和Foveros技術相互結合的創新應用，以及全新的全方位互連(Omni-Directional Interconnect, ODI)技術。 英特爾指出，晶片封裝在電子供應鏈中看似不起眼，卻一直發揮關鍵作用，而隨著電子產業正在邁向以資料為中心的時代，先進封裝將比過去發揮更重大的作用。封裝不僅僅是製造過程的最後一步，同時也正成為產品創新的催化劑。先進的封裝技術能夠整合多種製程的運算引擎，將大幅提高產品性能，同時又可縮小面積，並對系統架構進行全面改造。為此，英特爾分享三項全新技術，分別為Co-EMIB、ODI和MDIO。Co-EMIB能連接更高的運算性能和能力，並能夠讓兩個或多個Foveros元件互連，設計人員還能夠以非常高的頻寬和非常低的功耗連接模擬器、記憶體和其他模組。 ODI技術則為封裝中小晶片之間的全方位互連通訊提供了更大的靈活性。頂部晶片可以像EMIB技術一樣與其他小晶片進行通訊，同時還可以像Foveros技術一樣，通過矽通孔(TSV)與下面的底部裸片進行垂直通訊。同時，該技術還利用大的垂直通孔直接從封裝基板向頂部裸片供電，這種大通孔比傳統的矽通孔大得多，其電阻更低，因而可提供更穩定的電力傳輸；並透過堆疊實現更高頻寬和更低延遲。此一方法減少基底晶片中所需的矽通孔數量，為主動元件釋放了更多的面積，優化裸片尺寸。 至於MDIO技術為基於其高級介面匯流排(AIB)實體層互連技術，支援對小晶片IP模組庫的模組化系統設計，能提供更高能效，實現AIB技術兩倍以上的回應速度和頻寬密度。 格芯/台積紛推3D方案 為搶搭異質整合浪潮，晶圓代工業者格芯(GlobalFoundries)近期宣布旗下基於Arm架構的高密度3D測試晶片已成功投片生產，可滿足資料中心、邊緣運算和高階消費性電子產品應用的需求。 據悉，此款晶片可提升AI、機器學習(ML)和高階消費性電子及無線解決方案等的運算系統性能與效能，其採用該公司12nm Leading-Performance(12LP)FinFET製程製造，並運用Arm 3D網狀互連技術，讓資料數據更直接地傳輸至其他內核，達到延遲最小化，提高資料傳輸速率，滿足資料中心、邊緣運算和高階消費性電子產品應用的需求。 此外，兩公司還驗證一種3D可測試設計(Design-for-Test, DFT)方法，使用格芯的混合式晶圓對晶圓接合，每平方公厘多達100萬個3D連接，拓展12nm設計在未來的應用。 格芯發言人表示，3D可測試設計方法為屬於異質整合技術，該公司和Arm共同驗證了此一測試設計方法，使用混合式晶圓對晶圓接合，使得每平方公厘的3D連接數多達100萬個。用於3D IC的DFT架構實現了各種晶片的模組測試方法，其中具有嵌入式IP核心、基於穿透矽通孔的晶粒間互連和外部I/O可作為獨立的單元進行測試，進而可靈活優化的3D IC測試流程。DFT是一項能夠採用3D技術的重要測試設計方法，而3D DFT架構具備支持板級互連測試的特色；該公司的差異化F2F晶圓鍵合技術為工程設計人員提供了異構邏輯和邏輯/記憶體整合。 格芯發言人說明，3D晶圓架構具有減少線長的本質能力，是減輕下一代微型處理器設計中互連問題的最有潛力的解決方案之一；而3D技術和異質整合功能為新設計方法提供了低延遲、高頻寬的優勢。對於異質整合來說，雖然沒有其餘的技術層面挑戰，但針對規劃、執行和驗證2.5D和3D IC的設計工具、薄晶圓處理技術、熱管理和測試等，這些製程仍需要更好的解決方案。 由於目前異質整合生態系統成熟緩慢，主要的挑戰在於單位成本高昂、低產量和實行風險，業界正在努力降低製程成本並簡化整個產業合作。未來格芯會與所有主要EDA合作夥伴密切合作，將3D IC放置在庫中，然後使用晶圓對晶圓鍵合進行組裝，使複雜的晶圓設計和組裝成果更快且更低成本。 另一方面，繼整合型扇出(InFO)和CoWoS封裝技術後，台積電也於之前發表的「3D多晶片與系統整合晶片(SoIC)的整合」論文中，揭露了完整的3D整合技術。此項系統整合晶片解決方案將不同尺寸、製程技術，以及材料的已知良好裸晶直接堆疊在一起。 論文中提到，相較於傳統使用微凸塊(Micro-bumps)的3D積體電路解決方案，此一系統整合晶片的凸塊密度與速度高出數倍，同時大幅減少功耗。此外，系統整合晶片是前段製程整合解決方案，在封裝之前連結兩個或更多的裸晶；因此，系統整合晶片組能夠利用該公司的InFO或CoWoS的後端先進封裝技術來進一步整合其他晶片，打造一個強大的「3D×3D」系統級解決方案。 台積電全球營銷主管Godfrey Cheng於部落格上指出，該公司可透過先進的封裝技術，包括基於矽製程的中介層(Interposer)或扇出製程的小晶片(Chiplet)等方法，將記憶體及邏輯晶片核心緊密整合，未來還能夠將晶圓及晶圓堆疊，提供客戶更好的晶片密度及效能。 實現異質整合　EVG/Lam各有解方 除了晶圓代工、IC製造業者積極發展異質整合技術外，半導體設備商也不落人後。EVG亞太區業務總監Thorsten Matthias(圖2)表示，如今許多新元件因無法突破技術或成本上的關卡，想要從傳統元件微縮和從系統單晶片架構下手以提升效能，已不再是可行的選項。而隨著現今許多技術領先的製造廠藉由投入影像感測器製造及矽穿孔晶圓級封裝，在異質整合方面已累積數年與數百萬片晶圓製造的經驗，使得異質整合成為半導體製造的另一項利器。 圖2　EVG亞太區業務總監Thorsten Matthias表示，異質整合的各項優點與好處已廣受業界認可。 Matthias指出，異質整合的各項優點與好處多年來已廣受業界認可，包括降低設計與測試的複雜度、縮短上市時程及降低成本；異質整合也顛覆許多層面，包括設計、架構、製程技術及整個供應鏈和從晶圓委外到封裝測試(OSAT)產業生態系統。 然而，要實現異質整合也非是一蹴可幾，需要新技術、新電晶體架構和材料等，像是薄膜轉移(Layer...

工業自動化由來已久　聯網技術代代相傳 工業自動化與通訊網路(簡稱工業網路)的發展史，可追溯到20世紀初期。當時製程控制與生產系統，都是採用機械科技搭配類比裝置，以透過中控系統來遙控，這些技術至今仍非常普遍。到了1960年代，工業自動化便從類比時代進入數位時代。由於數位化電腦的出現，廠商開始使用數位化電腦來當作各種工具機的數位控制器，並配置直接數位控制(Direct Digital Control, DDC)的專屬面板，成為工業自動化儀器的主要操控模式。 由於工廠需求要更穩定耐用，因此可程式邏輯控制器(Programmable Logic Controller, PLC)被開發出來，並大量應用於工廠自動化。到了1980年代，區域網路(Local Area Network, LAN)技術的出現，不僅讓電腦之間可以互相連接、傳遞資料，同時也可以連接各種自動化設備以便控制。而LAN的標準中，又以迪吉多(DEC)、英特爾(Intel)和全錄(Xerox)共同開發出來的乙太網(Ethernet)為主流。當時最早的工業網路，主要是應用在各種生產過程的資料蒐集，到了1990年代，自動化控制網路逐漸蔓延開來。 因應不同需求　工業網路走向多層架構 近20年來，在資訊科技、通訊技術與工業技術的進步之下，工業自動化已經躍升到嶄新的階段，以工業網路來說，各種光纖、無線網路技術的應用也陸續導入工廠環境。工業自動化根據不同產業特性與需求，其所衍生出來的自動控制系統也有所不同，若照系統輸出與輸入量的關係，可分出線性、非線性控制系統，不同系統有不同的通訊標準。以目前的工業自動化網路技術來說，可以分成5個層級，從低至高分別是：場域(Field)層、控制(Control)層、監控(Supervisory)層、計畫(Planning)層、管理(Management)層。 在第一層的場域層中，主要是由感測器(Sensors)和致動器(Actuators)組成，採用的通訊技術則有控制器區域網路(CAN)、DeviceNet、Honeywell SDS、ASI、Bitbus、Profinet、P-Net、Seriplex、Sercos Interface等Sensorbus的工業匯流排標準。再往上的控制層，就可分成PC(以PC為主的控制系統)、PLC控制器、DCS(分散式控制系統)等控制系統，再加上CNC機台，就有Profibus、World FIP、EtherCAT以及 Profinet等領域匯流排(Fieldbus)的工業通訊標準。 到了第三層，這些以PC為主的工業電腦，來做監視、控制、處理、蒐集，因此所使用的工業網路通訊協定標準，則涵蓋了Ethernet、MAP、TCP/IP、EtherNet/IP、Modbus/TCP、Profinet等區域網路的通訊標準。而更上層則包含了計畫與管理層使用一般或商業PC，則使用有線乙太網標準，並建構廣域網路(WAN)的環境。工業網路標準的演進 工業乙太網將成主流,傳統的工廠環境中，每個生產設備大多是採用獨立的系統與工業標準，因此每個機台都只能獨立作業，其顯示的數值、產生報表等各種資訊，是無法與其他機台共享的，這是因為早期的機台並未有標準的通訊協定，使得各廠商各自開發自己的通訊協定或標準，讓工廠機台的資訊整合不易。 開放特性有助資訊整合　乙太網漸成主流 雖然有些機台提供傳統、速度慢的傳輸介面，例如RS232、RS422、RS485、 Modbus、CC-Link等。隨著資通訊科技的進步、網際網路流行，促使乙太網與Wi-Fi無線通訊技術發展成熟，加上近年來雲端應用、物聯網等新興議題，促使各產業的上下游資訊走向透通化，產業鏈的資訊整合成為企業的發展趨勢，促使工業領域吹起採用開放的乙太網路標準，以利於資訊整合，以提供給供應商或客戶，創造更多價值。 工業乙太網路(Industrial Ethernet)採用乙太網路的TCP/IP通訊協定，相容於IEEE 802.3標準，並會搭配不同的應用層來聯繫各自特有的協定，例如PROFINET 、Modbus-TCP、EtherCAT、EtherNet/IP、SERCOS III、SafetyNET p、VARAN以及Ethernet Powerlink等，讓硬體設備廠商捨棄傳統Serial Port而改用Ethernet Port，使用者就能利用一般CAT-5e網路線，來與其他設備或工業電腦做連線，不需額外的硬體配備。 此外，使用乙太網路的機台，不僅速度比傳統通訊埠還快，且既有的網路中繼器(Hub)、交換器(Switching Hub)、路由器(Router)、甚至無線基地台(Wi-Fi...

全球已從PC和手機邁向物聯網(IoT)與人工智慧科技時代，AI+IoT(AIoT)應用興起，掀起新一波典範轉移。智慧機器時代已然來臨，人工智慧普及化，其中包括自駕車、無人機、機器人等具備自主判斷、學習能力等機器。半導體應用仍扮演核心角色，是電子系統邁向AIoT裝置的關鍵技術。 工研院產業科技國際策略發展所產業分析師范哲豪(圖1)表示，目前AI晶片的發展呈現少量多樣的發展模式，各式各樣的創新應用日新月異，但是殺手級應用尚未登場。根據IC Insights的統計數據可以看出，在全球半導體設計業產值及排名統計中，營收前10名的廠商裡，高成長率的NVIDIA、AMD和賽靈思(Xilinx)產品皆與AI正相關。另外，2019年全球半導體設計產業產值雖受中美貿易戰影響，但據IC Insights預估，2019年產值將達1,257,5億美元，年成長率6.0%，AI仍是產業發展的重要驅動力。 圖1　工研院產業科技國際策略發展所產業分析師范哲豪表示，找出新興架構與低功耗解決方案是全面普及AI的首要任務。 現在各國政府皆已高度投入AI技術發展，根據工研院產科國際所統計，日本現已投入了560億台幣的資金在AI相關計劃中，另外美國投入了463億台幣，中國則是4.5兆台幣，韓國也有1.5兆台幣的投入。由此可以看出AI技術發展勢在必行。 范哲豪指出，由於AI須要進行邏輯思考，並做出判斷決策，故運算量相當大，但也因此導致功率與成本高居不下，目前廠商都先從高價產品開始導入，但是要全面普及仍須找出新興架構降低功耗與成本才行。從功率方面來說，雲端AI晶片的功率大約是100W以上，邊緣端則是20~100W，終端裝置AI晶片的功率則約是10~20W。因為雲端運算有安全性的疑慮，同時功率又高，而終端裝置的功率相對較小也較為安全，產品種類分散，市場機會更多，因此有愈來愈多的廠商投入終端裝置的新興AI晶片設計。 建築/城市/家庭與個人為三大應用場景 從現在趨勢也可以發現，在裝置端導入AI功能是大勢所趨。其中AI終端運算可以分為三大應用場景，分別是建築(Building-scale)，如工廠內部影像辨識、機器人控制、機台數據分析、預測維護等；還有家庭/個人方面的應用，如智慧音箱、智慧家電、AR/VR頭盔等；以及城市(City-scale)，如自駕車、無人機、自走載具、街頭監控系統等。而影像、語音機器數據為主要的運算型態。 范哲豪進一步說明，現階段裝置端AI運算晶片產業仍存有一些挑戰，產品少量多樣，在矽智財(CPU+AI Engine)、人事成本、EDA工具和光罩方面的進入門檻高。同時廠商缺乏關鍵AI技術，又無力投入新興架構的研發設計。另外，部分廠商缺乏軟硬系統整合能力，導致產品競爭力不足。在設計方面，除了省電之外，還有小尺寸、價格考量、高效能運算等需求。 為解決此問題，范哲豪列出裝置端AI晶片所須要導入的新技術，須有可重組之半通用AI晶片架構，根據特定應用所需的類神經網路架構找出通用處並將其硬體化；還有以封裝形式將各類AI晶片異質整合，藉此在價格與晶片效能上取得平衡；以及在記憶體內的AI運算方式，進而克服處理器須要花費大量時間和能耗才能從記憶體中獲取資料的瓶頸，透過直接在記憶體中運算提高速度與效率。 針對培植台灣裝置端AI晶片能量，范哲豪也提出七項策略，一是群策力，例如藉由產、學、研攜手成立的「台灣人工智慧晶片聯盟」(AI on Chip Taiwan Alliance, AITA)，匯集鈺創、聯發科、廣達、台達電等國內外逾50家指標性半導體與ICT廠商，以及國內大學及工研院等國家級研發機構，共同建構AI生態系、發展關鍵技術、加速產品開發，並聚焦於終端裝置用AI晶片(圖2)；二是注重創新，針對通用AI晶片、異質整合AI晶片、新興運算架構AI晶片與AI晶片軟體編譯開發，提供次世代AI關鍵智財解決方案；三是建立標準，建立驗證平台與介面整合標準；四為建置場域，協助建立系統整合之示範性應用；五是做到更加注重隱私與資料安全，利用AI的發展減少人力資本，並透過AI在終端裝置的運算保障資安與隱私；六則是借助外力，站在巨人的肩膀上，鏈結雲端平台業者，如微軟(Microsoft)與Google等公司；最後一項，應利用台灣半導體領先優勢開發AI晶片，維持半導體產業的全球領先地位。 圖2　為搶攻裝置端AI晶片市場，各界聯手成立AITA聯盟，戰略布局人工智慧新藍海。 AITA聯盟執行秘書暨工研院光電系統所副所長張世杰表示，全世界具備了半導體發展能量的國家都已經投入大量資源在AI晶片技術的發展，而台灣身為半導體強國，在這樣的競賽當然不能缺席。 張世杰指出，目前AI晶片市場呈指數型大幅成長，而AI晶片大致可以區分成通用型晶片及專用型晶片，專用型的AI晶片應用於特殊領域，並可進一步細分為用於雲端、邊緣或是在裝置端與感測器相結合的晶片種類。台灣適合發展的市場就是專用型裝置端AI晶片，再針對專用型裝置端AI晶片進行分析，又可分為傳統架構以及仿腦神經的新興架構、新興記憶體，仿腦神經的專用型裝置端AI晶片將會是台灣發展AI晶片的新大陸。另外，目前在仿腦神經的專用型裝置端AI晶片市場已有布局的廠商為IBM、英特爾(Intel)、MYTHIC、Syntiant等。 裝置端AI晶片即時可靠更安全 裝置端AI晶片具備幾項優點，具即時性能夠馬上反應、即時辨識，適用於人臉辨識開鎖功能或自駕車應用；具可靠性，可以排除網路斷線的可能，在自駕車或無人機領域十分受用；而資料不須上傳雲端，便能保障使用者的隱私，在安全監控與健康管理等方面可以守護個人資料不外流；同時，裝置端AI晶片也能客製化，透過裝置端學習，滿足客製化需求，實現語音辨識、智慧眼鏡等應用。 針對裝置端AI晶片的安全性，微軟大中華區物聯網方案負責人林孟洲表示，約在2000年左右科技發展從雲開始，之後進入物聯網，再利用IoT收集到的資料進行AI的分析，而現在AI應該要走入裝置端，而不是一直停留在雲端。人工智慧的領域應該分為雲端的智慧與裝置端的智慧。裝置端的智慧具有很大的產業動能，將發展成一個巨大的市場。物聯網一直以來被詬病的，就是當連接的數目達到幾百萬、幾千萬時，將非常容易成為攻擊的目標，將安全、邊緣與AI連結在一起將是發展的機會所在。因此，「AI on chip」就成了一個非常重要的議題。對此，微軟也提出了相對應的解決方案Azure Sphere，整合經認證的MCU(Certified MCU)和作業系統(OS)以及安全服務(Security Service)，Azure Sphere OS內含微軟客製化的Linux核心，並結合安全技術及安全監視器，志在建立一個安全的IoT平台，讓物聯網更安全可靠。 最後，張世杰進一步說明台灣發展裝置端AI晶片的優勢，由於台灣具記憶體產業能量，與記憶體和新興記憶體整合設計將是提升AI晶片效能的重要關鍵。台灣國內有多家廠商能生產製造記憶體，是發展AI晶片的優勢之一。 而裝置端AI晶片直接針對數據進行處理，是資安與隱私保護的重要防線，台灣能徹底落實資訊安全防護，於國際合作中更容易建立起良好的信任感。另外，預期未來物聯網(IoT)裝置所使用的控制晶片多數將內含AI加速晶片。台灣過去具有豐富的IoT裝置製造經驗，未來若結合AI晶片共同發展，將在國際競爭上更具優勢。