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！

「全球化時代」應該從1960年代算起，日本與亞洲四小龍以雁行理論亦步亦趨地發展工業，創造了人類歷史上少見的經濟奇蹟，而1990年蘇聯解體之後，2008年北京舉辦奧運之前，則可以說是「全球化」最美好的時代。2008年，北京舉辦奧運的大手筆震驚了全世界。2009年時，中國GDP超越日本，本土市場開始養出超重量級的獨角獸，阿里巴巴、騰訊、華為成為全球吹捧的對象，也開始以「高鐵」為核心發展基礎建設，到2023年為止，超過4萬公里的高鐵成為近代史的奇蹟。中國人志得意滿，開始高唱「太平洋大到可以容納中美兩國」，甚至試著把南海、東海、黃海變成中國可以控制的內海。原本對中國發展採取樂觀其成態度的美國，開始重新思考美中關係。形之，敵必從之世界級的大國，都以霸權心態面對國際關係（或者分工關係），美日之間的廣場協議、半導體協議，打破傳統的框架，也讓台韓有機可乘。現在新的國際秩序正在形成，我們可以從供應端、需求端看到美中貿易大戰中，美國的角色，也可以從日本政治人物的因應方案中，試著參酌、發展出台灣的國家戰略。日本前經濟大臣甘利明說，日本要從供給端理解半導體產業的影響力，而台灣正好是真正擁有供給端優勢的國家，但社會、媒體、政治人物真的理解「供給端」可以帶來的優勢與效益嗎？銳卒勿攻，餌兵勿食網通、伺服器、高階晶片、半導體設備，甚至未來的車聯網、電動車都將是「木馬屠城」的載具、通路，台灣如何理解與選擇國家戰略？美國商務部堅持NVIDIA晶片必須受到限制，NVIDIA設計專為中國市場需求的晶片真的可行嗎？還是僅僅是向資本市場、美國政府交代的工作呢？對台灣而言，從一開始的代工，進化到供應鏈，以及未來整套的價值鏈，演化的過程豐富多元，也充滿著風險，如何激勵優秀的人才繼續奉獻。我們明白「風行草偃」的道理，如果在上位者言不及義，如何期待社會上行下效呢？如果社會、媒體不討論這些事情，政治領袖仍然會一如既往的拜廟，空談土地糾紛、ECFA的是與非！

1492年，趕走回教徒摩爾人的西班牙伊莎貝拉女王支持哥倫布，發現了新大陸，從此改變了世界，而這也是大航海時代開始的關鍵時刻。如果我們以更長遠的眼光觀察世界的改變，1970年初開始的半導體時代，半個世紀以來經歷過萌芽、個人電腦、智慧型手機的階段商機，現在才真正邁入萬物聯網、無縫接軌的新時代。我們看到大量連動的數據，需要快速運算的晶片，也需要超巨量儲存能力的記憶體，一個被描述為「十倍速的時代」其實現在才剛剛要開始。幾何級數的成長，迅雷不及掩耳Netflix用41個月找到第100萬名用戶，Facebook用了10個月，但ChatGPT僅僅用了5天。我們看到了幾何級數成長的商機，贏家全拿的時代似乎已經到臨。但除了亞馬遜（Amazon）、蘋果（Apple）、NVIDIA、微軟（Microsoft）、Google這些大贏家之外，台灣憑藉不可或缺的「硬功夫」，成為以軟實力取勝的企業之外，最成功的典範。網路事業可以速成，但建構一個生產體系，卻需要龐大的勞工群，以及上游的晶片、設計、系統整合的硬功夫。台灣躬逢其盛，也無可替代，這也是世界賦予台灣的天賦與天命。矩陣思維：競合並存，而且「合」多於競只是一片大好的情勢中，也有很多細微的改變。過去IC設計公司、零件製造廠做出產品，交給零件通路商，賣給承接PC、手機品牌商OEM大訂單的鴻海、和碩、緯創、廣達、英業達。這是一條鞭的線性供應鏈，但現在生產面板的友達想發展數位看板，與佳世達之間的關係是競還是合？佳世達以「大艦隊」模式籌組控股集團，往更寬廣的路徑走，也更積極布局汽車的智慧座艙等新商機。台灣電子六哥的毛利率都維持在6~8%，毛利不高，意味著不能犯錯。但不談台積電獨佔性的利潤率，台達電30%、研華40%上下的毛利，意味著有多樣性的選擇，這是起步較早的台灣電子業無可替代的競爭優勢。產業結構丕變，沒有人可以「靜觀其變」。在變化的過程中，開放型的戰略是共同的走向，而面向世界時，台灣的經濟規模、量產體系、資本優勢與管理經驗，都讓台灣成為「無害的夥伴」。取用於國，因糧於敵，善用台灣本土優勢的台商，短期內仍然可以呼風喚雨。當我們對於量產製造的觀念從最早的「代工」，進化到「供應鏈」，現在又往「價值鏈」發展時，台灣贏在起跑點，也站在制高點上。

《決勝矽紀元》這本書寫的不是產業領袖的英雄事蹟，或是枝微末節的產業實錄，而是探索產業關鍵拐點的重要嘗試。半導體產業從1970年代萌芽至今已經有半個世紀，起初半導體只是大企業為了強化系統產品功能而研發的配套零件，真正形成產業則應該從矽谷的英特爾（Intel）算起。之後，英特爾與微軟（Microsoft）結合所建立的個人電腦產業平台，才真正讓半導體產業有一個具規模的大舞台。英特爾的微處理器、美日韓接續發展的記憶體都是讓這個產業逐步演化的重要過程。2007年iPhone上市之後，雙向傳輸數據的智慧型手機是另一個關鍵性的轉折點。中國善用龐大的國內市場，不僅讓各種智慧應用在中國市場有了深化、優化的場域，也讓中國8個手機品牌進入全球Top 10之林。伴隨著手機產業的成長，紅色供應鏈受到矚目，台廠戰戰兢兢，也惶惶不可終日，半導體成為台灣科技業的最後一條防線。但對西方大國而言，台灣不僅是防線，也可能是中國突破封鎖的破口。我們如何理解技術掛帥的科技產業，在技術引導的時代慢慢演化到應用驅動新時代時的關鍵理念呢？從PC、手機到物聯網的產業演化在個人電腦與手機主導的時代裡，品牌商決定了技術規格，由上而下（Top-down）的決策過程是技術掛帥的時代。進入萬物聯網的時代時，除了資料中心高速運算的晶片、大量儲存資料的記憶體之外，應用驅動的邊緣運算，將帶來多軌生產與區域分工的大趨勢，而在地價值也將成為許多企業爭取的合作對象。我們同意，從全球化到「去全球化」，關鍵原因是美中貿易大戰，但產業生態的變革也是推波助瀾的重要力量。上駟對下駟台灣如何在半導體這個全球矚目的行業中稱孤道寡，《孫子兵法》中「以正合，以奇勝」以及「其勢險，其節短」的道理，正好可以說明台灣在過去半世紀的發展經驗中，既有幸運，也有努力的成功關鍵。我常說：「不要仰賴靈光一閃的好點子」，唯有長期積累，才會有出奇制勝的契機。其次，台灣小、沒有自然資源，外圍又是強敵環伺，1970年代、1980年代的台灣更是驚濤駭浪，讓台灣人口密集、土地資源稀缺的缺點，翻轉為台灣發展產業的優點。「勢」有實，有虛，虛實成勢，伺機而動我們都知道，國家、社會、企業，乃至於個人的發展都要仰賴有利的形勢。「形」是本體，「勢」有實、有虛，激水之疾至於漂石者，勢也。意思是本身的條件夠好，仍得善用時勢，掌握對的時機，並在正確的時刻扣下扳機，自然可以有所成。水流之所以能漂動石塊，關鍵在於有快有慢，速度不同，才會出現重力加速度，這是「勢」的概念。台灣半個世紀以來，能成功發展出舉世稱羨的半導體產業，關鍵在於本身具備一定的條件，並在正確的時刻，以精確的方法發展高科技產業，而國際的時勢也有利於台灣。當台灣建設科學園區、投資工研院，發展以台積電為首的半導體產業聚落時，中國才剛剛從文化大革命的時代醒來。在「虛實成勢，伺機而動」的背景下，台灣的成就，有自己的努力，也有很多其他國家沒有的幸運。

「2030」將是矽紀元的開端，從應用面看，電動車、車聯網、人工智慧，正以幾何級數的速度往前推進。從供應端看，在美中貿易大戰的背景下，工業國家都想加碼投資半導體，擁有產業的國家將半導體視為「保育類」產業，但也得在世界霸權爭奪的大環境下，半推半就地面對2025年起，新工廠逐步完工的成本與競爭壓力。新廠從接單生產，進入熟成階段，再進行擴廠布局，真正會改變全球供應鏈結構的時間，應該在2030年左右。台積電能持盈保泰嗎？三星電子（Samsung Electronics）後來居上的策略是什麼？英特爾（Intel）高調地與美國政府唱和，去全球化、產業補貼成為贏得賽局的關鍵要素。帶領英國度過二戰艱困期的首相邱吉爾說：「英國的國家戰略是避免低地國家被毆陸大國所佔領」。用白話文講就是「不能讓荷蘭、比利時被德國、俄羅斯所佔領」。在新的時代，重要的工業大國需要新的國家產業戰略，而半導體無疑是重中之重。台灣是第一島鏈，也是科技島鏈，我們就坐在海景第一排觀察世界的改變，而台灣ICT產業的供應鏈，也是當中不可忽視的環節。2030年時，全球電動車的年銷售量將達3,000萬輛以上。現在中國生產的電動車佔了全球6成，能收集各種數據的電動車，會是中國滲透西方市場的尖兵，甚至是重演《木馬屠城記》的載具或劇本嗎？美國、德國、日本的傳統車廠將面對供應鏈重整，但不僅尖端晶片可能出現供需失衡的跛腳問題，沒有台系供應鏈的支撐，東協南亞國家能建構本土的ICT供應鏈嗎？台灣成了許多國家的夥伴，但同時也是後顧之憂，我更強調台灣在全球產經世界中的「定錨」價值。台灣安定了，世界就安定了；來台訪問的日本國會議員，也曾是經濟政策大臣的甘利明說，供給端比需求端更重要！印度人說，2035年時，印度39歲以下的年輕人將比中國多出3.8億人，您認為未來的元宇宙商機，是美國人、中國人，還是印度人所主導的呢？儘管因為智慧製造帶來的效益，台廠的員工人數不斷減少，但台商仍需要工程師、工人，也需要與在地的企業共創價值。沒有錯，分散型的生產體系可以紓解產業過度集中台灣、南韓，甚至中國的風險。但過度的投資會給半導體產業帶來衝擊嗎？危機入市的道理我們都懂，但會不會像黃仁勳說：「可能在空蕩蕩的晶圓廠內游泳」？特別謝謝《天下雜誌》的邀請，天下雜誌過去發行《晶片戰爭》，現在希望我能以亞洲的觀點，探索未來的半導體產業。我們以2030年為期，探索2030年之前，這個世界的幾個重要變革。《決勝矽紀元》立即訂

從AlphaGo問世迄今的近10年間，機器學習中的各式神經網路（neural networks）開始逐漸被應用到各種工商業的場景。與材料開發相關的應用之一就是用以優化材料製作過程，這個應用已經進入產業實作有一段時間了。 用機器學習中各種神經網路執行材料製程參數的優化，本是件很辛苦的事。人工智慧素有高維度的詛咒（curse of high dimensionality），亦即要優化的問題中參數數目的增加，其所需的算力必須以指數的形式增加。但是相較於以實驗來進行製程參數最佳化，機器學習仍然享有絕對的優勢。另外，即使不能達到全域最佳化（global optimization），使用可以大幅節省計算資源的局部最佳化（local optimization）也許就足以滿足應用的需求。 最近發表於《自然》期刊的文章〈Scaling deep learning in materials discovery〉，揭示運用機器學習於發現材料方法的量子大躍進。 過去使用計算所建立的非有機晶體資料庫如Materials Project、Open Quantum Materials Database、AFLOWLIB、和NOMAD利用前述的第一原理計算和簡單的原子替代方法，找到4.8萬個穩定的晶體結構，新的方法則將此數目再推進一個數量級！ 它使用的方法叫GNoME（Graph Network for Materials Exploration）。首先，它建立系統性的方法來產生新結構：考慮晶格結構對稱性，以及隨機產生的結構。 然後將圖像神經網路（Graphic Neural Network；GNN）用上述的那些資料庫中的資料來訓練，改善結構的模型，用以過濾上述產生的新結構。這些挑選過的新結構再以第一原理來計算其能量，判別此結構是否穩定。 經過上述的反覆訓練、篩選、計算、再篩選的程序，GNoME總共找到42.1萬個結構，比之前單純只用第一原理計算及簡單原子替代方法建立的資料總比數4.8萬足足高了一位數量級。而且資料量愈大，能量預測愈準確—以指數成長的方式進步。 這個方法還有新結構的預測能力。用以訓練GNoME的資料最多只有4種原子所組成的結構，但是在沒有任何訓練資料的情況下，它也可以預測出5、6個單一原子組成的結構，而且與實驗結果對照是符合的。 這些與半導體材料的發展有什麼關係？以目前1奈米電晶體的主要候選CMOS架構為例，目前計劃以MoS2的二維材料來做通道（channel）材料，這是在工程均衡的考量下從過去已知的1,000多種二維材料中挑選出來的。但是經過GNoME的搜尋後，存在穩定結構的二維材料現在有5.2萬種，也提高一個數量級。負責前沿電晶體結構的研發工程師要不要重新再檢視一下這個新增的資料庫、看一看是否有新的材料可以建構性能更好的電晶體？ 結合第一原理計算與圖像神經網路兩種工具，以計算方式尋找新材料是至今為止最先進的、最有效的的材料發現方式。於半導體的應用中，其實材料的形成方式也都使用半導體設備。以前面所述的二維材料為例，原子層沉積（Atomic Layer Deposition；ALD）是常用設備。也就是說，半導體製程就是材料製程，研發與量產一體化是很自然的措施。將半導體相關材料研發納入半導體廠的核心能力，有助於半導體廠整合更多價值增長環節進入晶圓廠，有利於維持長期持續成長的動力。