DIGITIMES - 椽經閣

NVIDIA GTC 2018觀察（二）：深度學習市場的期待

接續在GTC 2018的觀察。這個在矽谷聖荷西舉辦，近年來人工智慧（深度學習）技術最火熱的產業會議，今年人數爆增到8,500人。

NVIDIA GTC 2018觀察（一）：超越摩爾定律的是？

GTC是NVIDIA主辦，已經歷時10年的技術會議，在總部附近的聖荷西會議中心舉辦，展示突破性的軟硬體技術。過去是高速運算、電腦遊戲相當重要的產業會議。近年來更是人工智慧（深度學習）技術相關最火熱的產業會議。過去5年來，報名人數由2,000人增加到8,500人。

東風吹，戰鼓擂，如今世上誰怕誰？

美國政府祭出殺手鐧，規定7年內不得出售技術、零件給大陸的中興通訊。而令人意外的是，中國官媒高度自制，甚至有評論直指中興可能在幾週內破產！

人工智慧與人形機器人

機器人(robot)由於語言上可能的歧義，常常帶來多層次的誤解。最常見的誤解是與人工智慧的連結。雖然在維基百科關於robotics這一詞條中的確有人工智慧的敘述，但是機器人與人工智慧的真正連結是21世紀後的事；應用狹義人工智慧的技術於機器人，更是最近幾年的事。像是商業應用最成熟的生產製造機器人與執行危險任務的機器人－如拆彈機器人，過去人工智慧的成份相當稀薄。

矽光子晶片需求時點漸現

矽晶電子微縮逐漸趨於緩步，眼前面臨的問題除了逼近物理尺度極限外，還有功耗發熱的大問題。逼近物理極限尺度的問題只能訴諸於材料科學的進展－譬如二維材料；另一方面，功耗發熱的問題其實困擾半導體已久，只是於今尤烈。

台灣與三星的關係進入微妙的「競爭空窗期」？

不久前三星高層來訪，三星邀我餐敘，並希望我分享三星如何與台灣建立更友好的關係。根據我們所掌握的三星財報資料，2017年三星電子的營業利益約500億美元。其中，半導體的貢獻值高達330億美元，對整體獲利的貢獻率高達67%。其次為資通訊設備(手機為主)的22.4%，以及顯示設備事業群的10%。

半導體先進製程研發與二維材料

在剛過去的CSTIC2018會議上，FinFET的發明者胡正明教授發表了題為《Will Scaling End？What Then？》的演講。先說他的結論：1.製程微縮會變得緩慢。2.成本－功耗－速度會由創新的方式來改善。3. IC產業因要滿足世界對智慧科技的渴求還會持續成長。1和3的理由比較容易想像：製程的進展已接近物理極限，一個原子只比0.1nm大一點，3nm不過只是20幾個原子，而且有些複雜一點的化合物，譬如可能用在SOT (Spin-Orbit Torque) MRAM的拓樸絕緣體(topological insulator) Bi2Se3，一個單元細胞就有6nm厚，說製程已經逼近物理極限一點也不為過；人工智慧晶片與大量機器學習所需的記憶體正是驅動這兩年半導體邁向新高的動力，而且勢頭方興未艾。

量子電腦的應用

最近Google發表了72位元量子電腦Bristlecone，科技新聞多加了量子霸權(quantum supremacy)的註腳。量子霸權一語有點誤導，量子計算只在特定的演算問題BQP(Bounded error, Quantum, Polynomial time)上相對於2進位von Neumann架構傳統電腦有優勢，而且在有些問題的優勢只是平方倍(quadratic)，有些才是指數倍(exponential)的優勢。但無論如何，量子電腦在BQP問題上有優勢是沒有疑義的，這也定義出量子電腦的應用方向。

泛人工智慧的技術領域

早期（1950年左右）的人工智慧研究因為技術及環境碰到瓶頸，一直未能落地。直到這幾年「深度學習技術」突破之後，「人工智慧」又再火紅回來。目前大眾媒體將電腦做智能分析（或決策）的相關服務都統稱為「人工智慧」（AI），這是一個偏行銷的用詞。而其中的關鍵技術，一般稱為「機器學習」(Machine Learning)，有數種不同的子領域，在1980年代開始已陸續實現在一些預測、推薦、分類的應用。因為資料（e-mail、網頁、產品、文件、資料庫、等）逐漸增多之後，自然需要更聰明的功能。根據需求以及可得的資料，電腦科學家嘗試去「逼近」某些「智能方程式」。

MRAM發展的震撼彈

年初在《Nature communication》上日本東北大學大野英男(Hideo Ohno)教授的團隊發表一篇關於MRAM磁各向異性能(MAE；Magnetic Anisotropy Energy)的論文，對整個半導體業丟了一個震憾彈。大野英男是MRAM領域的前驅人物，現在仍然活躍在研究的最前沿。已進入量產工藝的垂直自旋轉矩移轉磁性隨機存取記憶體(pSTT MRAM)就是由他們團隊最先展示的。