智慧應用 影音
DForum0809
ADI
為摩爾定律續命—半導體先進封裝技術
超微(AMD)執行長蘇姿丰來台參與COMPUTEX 2024,期間有一次的公開演講,提到她本人很訝異在台灣有這麼多人知道CoWoS(chip on wafer on substrate)技術,這在美國是不可能的事。事實上CoWoS一詞是台積電張忠謀創辦人一手欽定的,這名字取得真好,一眼就可以望文生義。就如同TSMC一般,很清楚讓人知道葫蘆裡賣的是什麼藥。CoWoS是一種先進的晶片垂直堆疊封裝技術,也是延續摩爾定律繼續前行的最重要利器。摩爾定律過去五十年中,所著重的在晶圓的平面上做不斷地微縮。但是當微縮到了奈米等級,最終還是會遇到物理的極限,因此往垂直方向去堆疊是一個必然趨勢—如同在人口密集的地方要蓋高樓一般。約莫在二十年前,半導體技術尚未進入28奈米製程,研發人員就開始提出3D IC的概念,當時用了「 more than Moore」這個詞,以對照摩爾定律的「more Moore」。然而要堆疊晶片技術上並不困難,但是在實際應用上卻很難實現,就如同蓋高樓,每一層的主結構必須是一致且貫穿的,才有可能一層一層的堆上去。所以只有記憶體的晶片,因為是完全相同的架構,才有可能彼此堆疊,但當時的記憶體晶片並沒有這個需求。之後研究人員提出了矽穿孔中介層(through Si via interposer),也就是在中介層上方的平面放置多個晶片,因為中介層是使用半導體的製程,可以緊密結合這些晶片,並提供高密度的橫向走線(RDL),晶片間訊號可以走最短路徑,提升晶片效能。這就是俗稱的2.5D封裝技術,此中介層就是CoWoS中的wafer。所以嚴格來說CoWoS是一個2.5D的封裝技術。順帶一提的是這2.5D名詞,最早是由日月光集團唐河明博士所提出。台積電是第一家將矽穿孔中介層量產的公司,這多虧蔣爸(蔣尚義)的主導與支持。但是推出來之後,卻是叫好不叫座,乏人問津,也就是科技界常說的「solution looking for problems」。後來第一個使用CoWoS技術的是在2011年的Xilinx,將4個FPGA晶片緊密的並排再一起,並利用RDL彼此訊號相連。因為CoWoS所費不貲,所以高單價的FPGA為了追求效能,才率先使用。就連蘋果(Apple)手機內的AP晶片,至今還未使用CoWoS。接下來直到AI世代的來臨,CoWoS才受到廣泛的重視。NVIDIA是在2016年的P100 GPU開始使用CoWoS,主要用於與一旁的HBM記憶體能緊密的訊號相連。有趣的是,HBM是第一個實現3D的晶片堆疊,目前已經可以將12層、甚至16層DRAM堆疊在一起。NVIDIA近期所推出的Blackwell GPU,將2個GPU晶片,以幾乎無縫地緊密相連,而中介層提供高密度的RDL以及連接凸塊(bump),再次大幅提高訊號傳輸速度,並減少功耗。此番CoWoS技術所帶來的效益,幾乎等同於將製程技術推進一個世代。然而,隨著需要相連的晶片愈多,CoWoS中介層所需的面積就持續增加,不僅增加費用,而一片12吋大的晶圓能提供的數目也勢必減少。玻璃基板當作晶圓中介層的想法就應運而生。首先,玻璃基板夠大(5.5代玻璃面板是1.3公尺 x 1.5公尺),另外玻璃基板夠平整,可以製作出高密度的RDL,同時對於高速的訊號具有更低的傳輸損耗。現階段如果能順利解決玻璃基板鑽孔的問題,將來非常有機會提供一個低成本、高效能的中介層。台積電為此也適時推出經濟版的CoWoS-L(local Si),中介層是使用封裝業常用的製模(molding)技術。模的中介層內可內埋local Si interconnect(LSI)晶片,提供所需要高密度的RDL,同時也可以內埋其他的主被動元件以及晶片。不過要完成薄、大面積且不碎裂的製模,在工藝上是很大的挑戰。CoWoS中的晶片及晶圓中介層會被台積電所牢牢地綁住,外人難以越雷池,因為這牽涉到對終端客戶的承諾。至於substrate高速載板,則有機會被多家供應商所分食,而高速載板內有更多的空間,整合內埋所需要的元件。半導體先進封裝技術,尤其是CoWoS,未來在延續摩爾定律道路上扮演不可或缺的角色。現在發生的是AI帶來的需求,未來在各領域小晶片(chiplet)的整合,都需要這些技術,而且會更多元及多樣。在這條道路上,除了製程技術及IC設計的專長外,需要材料力學、結構力學以及散熱機制等專長的人共同參與。當more Moore 「山窮水盡疑無路」時,more than Moore提供「柳暗花明又一村」,這一村將帶給半導體產業至少再20年的榮景。
不學AI不會輸在起跑點?
人工智慧(AI)對城市發展有著深遠的影響,一般市民和地方產業應該了解如何運用AI。在新竹縣政府和新竹縣議會指導下,新竹縣工業會支持成立了AI產業發展聯盟。希望能全面提升新竹縣縣民、企業和公部門對AI產業轉型的認識。聯盟成立啟動儀式上,所有的音樂、影片和開場歌曲都是由AI數位生成,參與的民眾對於AI的發展潛力和表現感到既驚艷又大開眼界。我在大會演講指出,AI技術發展迅速且多元,平均每兩至三個星期就有新技術產出。因此,我希望集結聯盟的力量,幫助大家找到產業所需的AI技術,並降低AI機器設備的成本。為了吸引聽眾的注意力,我在演講的投影片上寫道:「不學AI不會輸在起跑點,而是會死在起跑點。」這句話引發了觀眾的哄堂大笑,但也讓大家認真思索AI對他們個人的影響。一般群眾分不清判別式(Discriminative)AI和生成式(Generative)AI,因此我以自己的研究為例,說明兩者的區別。判別式AI根據輸入數據進行分類或標籤,經過訓練後能識別每個類別特有的模式和特徵,並根據這些模式進行預測。而生成式AI則著重於構建能生成與訓練數據相似的新數據的模型,這些模型學習訓練數據的潛在概率分佈,並從中生成新樣本。了解不同AI技術本質,就更清楚如何運用這些技術。新竹縣AI產業發展聯盟將致力於解決縣內重要議題,例如提升新竹縣的數位治理,以及幫助中小企業理解並促成AI轉型。未來,聯盟將通過舉辦講座、企業參訪、研討會等活動,甚至是個別企業諮詢和技術小聚,來媒合技術與需求,同時協助企業爭取中央的計畫補助。新竹縣政府拼經濟是首要工作,而AI更是重要的發展項目,公部門的科技治理應時時貼近民意,透過AI的智能服務,讓民眾生活更加美好。今年暑期7月份的AI課程在短短不到一周的時間內便報名爆滿。未來將針對不同產業需求,加開相關課程,例如勞工如何運用AI科技、如何通過AI改善愈來愈壅塞的交通問題等。甚至將引進認證課程,讓企業能深入了解AI轉型的技術。歡迎有興趣的企業夥伴一同加入,共同努力發展先進的縣市智慧應用。
雷達的趣聞
烏克蘭與俄羅斯戰爭中使用的雷達技術玲瑯滿目。這些技術涉及監視雷達、防空雷達,以及由雙方部署的戰場監視系統。這些雷達系統用於偵測飛機、導彈或地面活動的系統。這些雷達技術是哪些厲害人物發明的?麻省理工學院輻射實驗室在第二次世界大戰時期將電磁波的研究發揮得淋漓盡致,對於雷達(Radar)的發展有不可磨滅的貢獻,也產生出多位諾貝爾獎得主,包括創造「核磁共振」這個名詞的拉比 (Isidor Isaac Rabi, 1898~1988), 在1937年確實驗證原子核的角動量,而於1944年獲頒諾貝爾物理獎。薄賽爾 (Edward Purcell, 1912~1997) 與布洛赫 (Felix Bloch, 1905~1983)因發現在外加磁場下,所有物質只要是有奇數個質子或中子皆可以形成共振現象,能發射特定射頻信號,而在1952年榮獲諾貝爾物理獎。這項發現早期應用在化學物質的檢測上。薄賽爾得諾貝爾獎時好像只有發表6篇論文。阿瓦雷茲 (L.W. Alvarez, 1911~1988) 因製成第一部質子直線加速器,以及對基本粒子研究發展的貢獻,而榮獲諾貝爾物理獎。冉濟(Norman F. Ramsey, 1915~2011) 發展出分離的震盪場方法及其在氫邁射和其他原子鐘上的應用。第二次世界大戰期間列強的戰爭需求使得先進科學技術得以快速的發展,於是雷達就出現了。大戰期間,德國空軍老是跨海轟炸倫敦,讓英國煩不勝煩,急需一種探測空中金屬物體的技術,能在反空襲戰中幫助搜尋德國飛機。雷達的最早構想來自於沃森瓦爵士 (Sr. Robert Watson-Watt, 1892~1973),希望與美國攜手合作,共同打擊德軍。於是上述這群偉大科學家的電磁波研究集中火力,在戰爭時期發展出地對空、空對地搜索轟炸、空對空截擊火控,以及敵我識別功能的雷達技術,德軍聞之喪膽。戰後雷達有多項民生應用。例如微波爐(所謂的「雷達烤箱」)深受家庭主婦喜愛;雷達測速器則成為汽車超速者的剋星。沃森瓦開車超速曾被雷達測速器抓到罰錢,對於自己推動這項發明的應用,反讓他自食惡果,啼笑皆非。 
西瓜熟了沒?拍打西瓜的AI
在西瓜的商業生產過程中,農民必須在收穫後迅速評估水果的成熟度,根據可食用時間分類,以減少損失。這個過程提升市場銷售和生產力,但傳統的西瓜測試方法通常不可靠。當你購買西瓜時,成熟度測試是一個有趣的「儀式」。一般家庭主婦將西瓜成熟度分類為2個等級:未成熟和成熟;農夫在西瓜田的辨識則分為3個等級,包括未熟類(不要碰)、成熟類(作為商品選擇)和過熟類(需要丟棄)。許多人分享他們測試西瓜成熟度的經驗。其中最具創意的一個方法是使用稻草技術,將一根稻草水平放在西瓜上。成熟的西瓜會使稻草旋轉45度,而未熟的西瓜則保持靜止。這種說法認為稻草的運動是由西瓜內部的電力作用引起的。我多次嘗試這種方法未果,只好放棄,改變方向,研究其他方法。雖然像拍打、顏色檢查和計日等手動技術具有實用性,但其準確性依賴於主觀判斷。目前,普遍使用的方法是通過拍擊聲音來評估西瓜的成熟度。這種拍打技術出奇地具有邏輯性,因為產生的聲音提供了足夠的成熟度指標。然而,對這些聲音的個人解讀受主觀經驗和傳統智慧的影響。我思考是否能利用AI及物聯網(IoT)來進行大量快速的西瓜成熟度的拍擊評估。在我研究團隊的辛勤工作後,提出WatermelonTalk技術。這是一個基於物聯網的即時深度學習平台,專為聲學西瓜測試設計。我們還引入了「拍打合奏\(tapping ensemble)的概念,顯著提升預測準確性,這在文獻中尚未出現。我們邀請農友種苗公司的專家將343個品種的1,698個西瓜按成熟度分類,利用深度機器學習,首次探討四級測試,其中將三級測試中的未成熟類進一步細分為未成熟類和半熟類。比起未成熟類,農民更關注半熟類,須確保對其進行比未成熟類更頻繁的測試。這樣做是為了防止這些半熟西瓜在下一次測試時過熟。我們的研究在三級測試中達到97.64%的測試準確性,而在四級測試中達到94.07%的顯著準確性,這是聲學框架中的最佳結果。三級測試可供消費者在購買西瓜時使用,而四級測試則作為農民專業生產的工具。西瓜有不同的成熟程度,選擇適當的成熟度會大大影響西瓜的味道和質地。在收穫後迅速評估水果的成熟度,通過可食用時間進行分類,可顯著降低收穫後的損失。因此,WatermelonTalk幫助農民仔細衡量西瓜的成熟度,提升市場銷售和生產力,彰顯AI對日常生活的貢獻。關於技術的詳細信息,請參閱Yun-Wei Lin, Yi-Bing Lin, Wen-Liang Chen, Chia-Hui Chang, and Han-Kuan Li, Watermelons Talk: Predicting Ripeness through Tapping, 將刊登於IEEE Internet of Things Magazine。
英特爾怎麼了?
英特爾(Intel)近期負面消息不斷:市值已經跌到半導體類股的第十名,是台積電的5分之1;晶圓代工業務持續擴大虧損;先進製程發展不順;高通(Qualcomm)搶先與微軟(Microsoft)合作推出AI PC的晶片。這一切在十年前,甚至五年前都是無法想像的事,英特爾到底怎麼了?英特爾執行長Pat Gelsinger,上周在台北的COMPUTEX發表主題演講。演講是以擊鼓演出開場的,頗有對這些負面訊息,採取鳴鼓而攻之的味道。Gelsinger以摩爾(Gordon Moore ),在早年提出摩爾定律時所說的一句話開始,「Whatever has been done, can be outdone」,也就是說「過去不論完成了什麼,都是可以被超越的」,他相信自己是在做件超越前人的事,包括要在4年中完成5個先進製程節點。憑心而論,就個人的觀察,英特爾還是一家非常有創新能力的公司。過去不少英特爾的創新是在創造一個產業生態,引領整個半導體界往前邁進。比如說,在90年代英特爾率先提出12吋晶圓平台,2000年代又接著倡議18吋的晶圓;為了PC的無線網路,提出WiMax架構;而Lightpeak是為了解決PC的有線高速訊號傳輸;在封裝上,與日本的味之素共同開發ABF材料;最近被討論甚多的玻璃載板,以取代現有的高速載板,也是英特爾在多年前所提出的;為了解決晶片功耗過大的問題,英特爾率先提出晶片背面供電(backside power)的想法,為目前最有潛力的解決方案;甚至EUV的微影技術,也是英特爾首先贊助的科研計畫。即便台積電轟動武林的CoWoS,英特爾也有EMIB(embedded multi-die interconnect bridge)的技術來抗衡。上述這些林林總總,如果沒有英特爾的創新與推動,整個半導體產業也許還停留在石器時代,絕非現在的樣貌。這麼一家創新又技術領先的公司,是發生了什麼事,造成今天的局面?首先,英特爾在最近的20年間(2005~2024)已換了4任的執行長,任期遠短於先前摩爾在位的12年,以及Andrew Grove的11年。除了Gelsinger為技術出身外,其他3位都出身於營運或者財務。其次在整個半導體產業的生態改變,尤其是先進製程,7奈米製程節點是一個關鍵。在2010年初期,全球在開發7奈米技術,都遇到相當的瓶頸。首先若延襲既有浸潤式DUV技術,在關鍵的微影製程,需要經過3次到4次的曝光程序,既費時又費工。當時的EUV,雖然只需1次的曝光,但是由於光的強度不足,每小時晶圓的產出遠低於100片,量產上遭遇困難。整個產業瀰漫著悲觀氛圍,認為技術已經遇到天花板了。換言之,在資源上的投入就不再這麼積極。最後也是最為關鍵的是,英特爾是家IDM的公司,有自己的產品。在這段期間英特爾先後併超過10家公司,比較大的購併案包括Altera (FPGA晶片),Mobileye (ADAS,車用自駕晶片),Habana(AI晶片)等。由於先進製程遭遇到瓶頸,自然地會考慮到CPU之外的產品線,再加上執行長多出身於營運,自然是忽略在技術深耕上的投入。反觀台積電,由於沒有自己的產品,唯一的選擇,只能在技術上加大力道尋求突破,以及與客戶的充分合作。終於EUV的瓶頸打開,加上蘋果(Apple)、NVIDIA等重大客戶,不斷地對於先進製程的需求,最終導致今天英特爾的困境。在COMPUTEX 2024的主題演講上,Gelsinger賣力地介紹自家Xeon 6 伺服器處理器、Gaudi 3 AI加速器,以及AI PC Lunar Lake處理器。其中Gaudi 3以及Lunar Lake是委託台積電生產,分別使用5奈米以及3奈米的製程。這也顯示Gelsinger想要超越過去英特爾的積極作為。個人的觀察,英特爾還是個相當有底氣的公司,Gelsinger的企圖心以及有步調、彈性的作為,若能假以時日,勢必會威脅到超微(AMD)甚至NVIDIA。美國政府也一定會全力來支持英特爾,因為英特爾是唯一擁有半導體先進製程能力的美國公司,而半導體又是全球兵家必爭之地。最後,英特爾是否有機會威脅到台積電的龍頭地位?值得我們深思。
不只見證科技業歷史 我們更是造浪者
不只見證科技業歷史,我們更是造浪者。6月5日美股收盤NVIDIA市值正式超越蘋果(Apple),成為全球第二大市值公司,全球媒體要請黃仁勳評論此事時,都不得不提到他正在台灣參與COMPUTEX。除了NVIDIA自己的活動外,他站台、觀展、四處吃飯逛夜市,用國台語跟產業與民眾搏感情。除了情感上因有這麼一位出生於台灣、又高度參與台灣社會的科技領袖而與有榮焉外,更可貴的是,我們不只見證這歷史轉折的關鍵一刻,更深度參與其中!若回顧全球前十大市值業者的轉變,從2009年年末市值來看,微軟(Microsoft)與蘋果這兩家科技業者位居第二名與第六名,前者主宰著PC OS與生產力軟體市場,後者於2007年推出iPhone正處於開創智慧型手機時代的上升期,此外擁有全球最大行動電話用戶群的中國移動列名第七,但整體來說多數入榜者仍是屬於石油、零售、金融、醫療保健、及食品等舊經濟各領域的龍頭業者。若觀察2018年3月底、美中貿易戰開打前的市值排名,僅有Berkshire Hathaway、JPMorgan Chase、與Johnson & Johnson這三家非科技公司入榜,其餘七家均是美中BigTech業者,分居市值第1~5名及7~8名,依序是蘋果、Alphabet、微軟、亞馬遜(Amazom)、騰訊、阿里巴巴、Facebook。這反應新經濟的大幅擴張、2C端壟斷性網路平台的市場地位(手機OS、搜尋、社群等)及2B端雲端服務發展的方興未艾。若就2022年底的市值來看,此時ChatGPT雖已於11月底推出,但生成式人工智慧(generative AI)的顛覆性風潮仍未在資本市場充分反應,排名中騰訊與阿里巴巴跌出前十,反應外部美中霸權角力下美國對中國的抑制,及內部中國國進民退政策方針下,擴大監管網路巨擘的雙重壓力,而Tesla躋身第七名則意味著碳中和/ESG趨勢下電動車的商機潛力及對創辦人Elon Mask「火星人」般願景下事業布局的期待。隨著科技典範轉移來到了當前的生成式AI浪潮,最新的市值排名中,科技業者分居1~5、7、9名,其中OpenAI最大股東及將GPT全方位導入己身各項服務的微軟位居第一,而NVIDIA市值在相繼超越Meta、亞馬遜、Alphabet後,於6月5日收盤首次超越蘋果,成為第二高市值公司。蘋果曾多年維持全球市值龍頭,2024年陸續為微軟及NVIDIA所超越,這不僅反應誰是引領生成式AI浪潮的主導者,也正式宣告智慧型手機 / 行動連網時代的落幕。從2009年的微軟與蘋果,到最新市值前十大中的所有科技業者,多年來始終都需要以台積電為代表的台灣供應鏈。從AI加速器晶片到AI伺服器,再到資料中心解決方案,再到AI PC,沒有我們,加速運算沒法加速、生成式AI應用沒法落地。很高興NVIDIA創造歷史時正好恰逢COMPUTEX期間、正好黃仁勳人在台灣參與其中,我們是每個時代科技領袖身後的造浪者,過去我們往往不被看見,但如今,整個世界看到我們的貢獻! 
三星電子涅槃再生,容易嗎?
面對低迷的2023年,三星電子(Samsung Electrinics)營收跌落到2,000億美元以下,最後一季的營收大約是500億美元,獲利20.8億美元,營益率不到4.2%。已經有分析機構預測,如果三星在2024年沒有起色,以果敢投資聞名的三星,將會面對財務規劃上的風險。現在,2024年第1季公布的暫訂財報顯示,三星獲利48.9億美元,較上一季(QoQ)的20.8億美元超出甚多。我們看不見手機、消費電子有太大變動,半導體轉虧為盈才是關鍵,而前後的盈虧差異更可能高達50億美元,難怪三星半導體前社長慶桂顯說,三星半導體的獲利將回到2022年的水平。如果從過去的歷史經驗,參酌最新一季公告的資料,或許我們可以更深入理解三星在調整經營決策上面對的挑戰。在2023年最後一季,三星的營收中,有32%來自以半導體為主力的DS部門,以品牌為主的MX部門貢獻比例最高,其中手機更是關鍵。由於最後一季三星手機銷售拉出尾盤,上市不久的S24系列獲得好評,2023年第4季的手機銷售量達到5,700萬支,也讓MX部門創造出不錯的獲利。回顧過去幾年三星的營收與獲利結構可以理解,面板與消費電子(以電視機為主)已經成為雞肋,影響不了三星的營收與獲利結構。三星在55吋以上的高階電視機市場,全球市佔率過半,但2023年最後一季消費電子卻是小賠。我們可以說電視機只是三星品牌送進高所得家庭的通路、工具而已,對集團的獲利挹注不大。與三星競爭半世紀的樂金(LG),在電視機市場上也是能與三星等量齊觀的頂尖大廠,但現在LG也不再強調電視機的質量,而是將重心放在智慧家庭上。不僅LG如此,三星必然也會加緊布局,以電視機成為智慧家庭的樞紐,但這將牽涉到多元的內容服務與系統整合能力,而這正好是南韓廠商的罩門。除此之外,過去三星集團營收中,大約1/3的營收來自半導體,但獲利卻有2/3是半導體部門的貢獻。以手機為主的品牌銷售部分正好相反,營收貢獻2/3,但獲利卻僅有1/3。當三星2023年的獲利仰賴傳統的手機,而傳統的手機市場趨於飽和是無可挽回的大趨勢,對三星而言,整合手機與半導體的能量,建構AI手機的市場地位乃是當務之急,因此重拾HBM的領先地位就非常關鍵。過去三星半導體部門營收、獲利主力是記憶體,在DRAM與快閃記憶體(Flash)兩大主流中,DRAM是寡頭競爭,三星、SK海力士(SK Hynix)與美光(Micron)很自然的還有自我調節功能,市場秩序與價格相對容易控制,但Flash Memory卻是多家競爭,且在高頻寬記憶體(HBM)商機上,SK海力士比三星更早布局。對三星而言,現在最有把握的是DRAM市場的商機,只要NB、手機市場回溫,自然可以調高售價,賺取更多的利潤。但單押傳統的DRAM,只以經濟規模取勝,絕非三星這種2,000億美元等級的企業可以持盈保泰的經營策略。短期內持續布局邏輯系統晶片(System LSI)是必然的趨勢,但更重要的是如何因應未來5年、10年以人工智慧(AI),參酌地緣政治的大環境下,三星如何調整經營策略將是這一波AI大潮背後最值得觀察的課題。很多人說,台積電最大的風險就是「地緣政治」,這樣的說法同樣適用於三星。如果我們知道三星半導體的營收一半以上集中在海峽兩岸,看似競爭對手的台灣其實是三星很大的客戶,反而中國的華為將三星列為假想敵,三星在中國手機市佔率從20%一路暴跌到1%以下,這件事不是偶然,三星必然會記取教訓。當尹錫悅當家的南韓說要成為全球AI的三大強權之一時,劍指的對象就是中國,而AI與網路、雲端服務都是「霸權」之爭,以大集團為主的南韓企業,在升級轉型的路上,面對的困難遠高於台灣。
AI解析音樂與尼采如是說
我以AI物聯網分析音樂,並利用其結果來驅動樂器的演奏,稱之為MusicTalk。接下來就想訓練大型語言模型(LLM),將文字與音樂互換,再將音樂用來詮釋影像。最大的應用是電影配樂。要將音樂智慧化以配合影像,科技人必須對音樂的內涵有深入的認識。例如電影的配樂最讓人印象深刻的是1968年電影《2001太空漫遊》(2001: A Space Odyssey)中用史特勞斯(Richard Strauss, 1864~1949)演繹《查拉圖斯特拉如是說》(Thus Spake Zarathustra)這首樂曲的開場。《查拉圖斯特拉如是說》是尼采(Friedrich Wilhelm Nietzsch, 1844~1900)的作品。它不同於一般哲學作品,而是以散文詩完成。尼采曾表示這本書實際上是一部「交響曲」,以一種偽聖經風格撰寫,它包含許多含糊不清且充滿詩意的神秘箴言。我沒讀通這本書,膚淺了解其主要思想是,人類應該擁抱生活、自然、身體和物質存在,包括其中的樂趣和痛苦,而非尋求超越或來世的精神世界。生活即使伴隨著所有的苦難,還是值得為了它的存在而生活。許多藝術家和作曲家受到《查拉圖斯特拉如是說》的影響,但很少有人像史特勞斯那樣深切融入尼采的哲學觀點。1896年時32歲的史特勞斯開始創作 《查拉圖斯特拉如是說》樂章。當時尼采因三期梅毒的感染,已精神失常。史特勞斯將自己作品的各個部分以尼采書中不同章節命名。他嘗試將尼采抽象的文字清晰地翻譯成同樣抽象的器樂音樂。該作品在完成後幾個月內進行首演,其華麗的編曲、複雜的音樂紋理、大膽的和諧和具爭議性的主題,引發激烈的批評和喝采。《2001太空漫遊》使用這首樂曲開場為外太空的日出配樂,符合史特勞斯描繪尼采書中開場的山頂日出情境。開場中的小號旋律呈現「自然」或「世界之謎」動機;它在整個樂曲中反覆出現,象徵著大自然的冷漠和神秘性: 在強烈的開場之後,號角的回應是一個宗教式的旋律,由分散的弦樂器精彩演奏。開場時音樂從柔和到逐漸增強,象徵著人類對一個完美、天堂般、精神上的自然替代的渴望。有了《2001太空漫遊》的例子,我嘗試以MusicTalk反推史特勞斯的音樂,想找出他想表現的意涵,卻遭遇極大困難。史特勞斯曾經開玩笑地說,他可以在音樂中訴說一切,即使人們無法理解,我就是那位無法理解的人,妄想以物聯網駕馭史特勞斯的音樂。《查拉圖斯特拉如是說》太過深奧,AI處理不來。我決定放棄好高騖遠的做法,由小朋友聽得懂的《彼得與狼》訓練MusicTalk,總算有初步成果。這是一個基於物聯網的創新音樂樂器檢測系統。MusicTalk 引入了一種名為亮度特徵基礎Patchout的新穎機制,以提高樂器檢測的準確性,並超越現有解決方案。MusicTalk首次系統性地將單個樂器檢測器作為物聯網設備進行整合,為與其他物聯網設備的交互管理提供有效的方法。我們在MusicTalk中引入一個通用音頻整形器,融合各種音樂公開數據集,如Audioset、OpenMIc-2018、MedleyDB、URMP和INSTDB。我們利用Grand-CAM分析Mel-Spectrograms來優化 MusicTalk中ViT Patchout和CNN的組合,以實現前所未有的準確率。例如,小提琴檢測的精確率和召回率分別達到96.17%和95.77%,這是所有方法中最高的。此外,MusicTalk 的另一個優勢在於其基於物聯網的視覺化能力。通過將樂器檢測器作為物聯網設備整合,MusicTalk能夠使用動畫Avatar來無縫地視覺化歌曲。透過《彼得與狼》為例的案例研究,我們證明,改進的樂器檢測準確性增強音樂的視覺敘事效果。與先前的方法相比,MusicTalk在這首歌曲上的F1分數提高12%。然而,我念念不忘的是,我們訓練AI模型,何時能如同史特勞斯,了解尼采的想法。MusicTalk仍有很大的改進空間。 
台韓半導體業「有點黏」的連動關係
半導體產業是外貿南韓的命脈,2023年南韓出口半導體1,310億美元,進口1,060億美元,順差250億美元。對外匯存底雄厚的台灣而言,貿易逆差是帳面數字,但對2023年底時外債達6,636億美元的南韓而言,外貿出現逆差時,那是沈重的負擔。而半導體正是挑起貿易平衡重擔的核心產業,一旦半導體不再獲利,南韓將面對極為嚴重的後果!本文將從南韓海關公布的南韓半導體出口結構、主力產品兩大方向探索南韓半導體產業的現狀。從帳面上的出口結構觀察,南韓出口的半導體,35.8%直接銷往中國,銷往香港後最可能轉往中國內地的比例是14.1%。除了這兩大出口目的地之外,越南的12.3%與台灣的8.7%分居第三、第四,排名第五的是美國的8.1%,其餘國家相對比重較低。由於南韓的記憶體佔全球8成的比重,從南韓記憶體的出口結構,大致也可以找到解讀全球供應鏈變化的線索。中國+香港正好貢獻南韓出口的50%,雖比2022年略減2%,但依舊是出口主力,而之後得越南、台灣合計是20.4%,前四大出口市場合計70.3%,但關鍵不是出口國,而是到底誰買了、用了這些半導體?以台灣零件通路商的出口結構、客戶結構判斷,中國客戶的比重已經從6成降到5成,台灣回升到35%,而東協國家也同步上揚,顯示美國的出口禁令,已經深度影響從南韓半導體原廠到台灣零件通路商的銷售結構。除了三星電子(Samsung Electronics)自用之外,在中國、香港、台灣、越南市場流動的各國半導體,有80%以上是賣給台商、陸資大廠的,一旦台海生波,南北韓之間的38度線不會平靜的!當台積電被戴上地緣政治的大帽子時,三星的壓力不會比較小!與此同時,南韓也進口很多的半導體,來自中國、台灣、日本的半導體分居前三名,但真正的兩大逆差國是日本與台灣。來自中國的半導體很多是三星西安與SK海力士(SK Hynix)無錫工廠的貢獻,主導權仍在韓廠手上,至於從日本進口的是設備、材料,包括曝光、長晶、蝕刻等設備,但從台灣進口的卻是實打實的半導體。除了跟聯發科等台灣IC設計公司進口邏輯晶片與驅動IC之外,聯電、旺宏、華邦也都是南韓的供應來源。其實三星、SK海力士擅長高階的記憶體,南韓進口的微處理器與驅動IC竟然有45.2%來自台灣,這與大家一般的印象並不相同。從這個結構觀察,您認為「三星有滅台計畫嗎?」,三星我們如何在G2/AUKUS架構下,重新理解台韓之間的產業競合關係呢?
生成式AI非泡沫 2030年1.5兆美元商機可期
生成式AI(Generative AI)是AI領域中的部分子集合,未來5~10年全球經濟成長最關鍵的驅動力量之一就是生成式AI。DIGITIMES研究中心於2024年5月完成「生成式AI引領應用與硬體新商機—超前布局未來1.5兆美元市場」專題報告,內容即涵蓋三大部分,分別為「生成式AI技術崛起」、「生成式AI運算力發展,從雲到端」、「生成式AI應用領域案例」等,針對生成式AI最新關鍵趨勢完成一系列研究。根據DIGITIMES研究中心預估,2022~2030年全球生成式AI市場複合年均成長率可望超過80%,在2030年達到1.5兆美元規模,就服務、軟體及硬體三大組成來看,2024年硬體(主要以生成式AI伺服器為代表)佔生成式AI市場最大比重。隨著各垂直領域百花齊放、應用面更為普及風潮下,預估至2030年時,服務將躍居整體生成式AI市場超過一半的比重。許多專家將生成式AI的浪潮及其影響比擬為新世代的網際網路(internet),確實網際網路以其廣泛的應用以及扮演重要基礎建設的角色,對許許多多產業帶來深遠的影響,Google、微軟(Microsoft)、亞馬遜(Amazon)、Meta、蘋果(Apple)、阿里巴巴、百度等眾多新興企業掌握住此一潮流已成為舉足輕重的產業巨人;同理,生成式AI也不會只是短期噱頭(hype),而是會實實在在地影響我們及所處企業、產業及社會未來發展的重要力量。生成式AI今後發展的三大關鍵—模型、運算力、資料。模型方面,從2023年著重雲端大參數量大型語言模型(LLM),2024年增加對邊緣小參數量LLM的關注,以因應為符合邊緣裝置較低運算力及記憶體頻寬的先天限制,雲端大參數量LLM則擴及多模態LLM,領先業者跟跟進業者差距有所拉開。運算力方面,雲端伺服器AI運算晶片成長可期,值得關注生成式AI應用從雲擴及到端,2024及2025年AI NB及AI智慧型手機出貨量及滲透率可望快速攀升,指標晶片業者紛推出可運行邊緣生成式AI推論的晶片,為提升晶片AI運算力,目前以整合神經網路處理單元(Neural Network Processing Unit;NPU)加速器為主流。此外,邊緣運算包括物聯網等應用區隔,AI的影響力也將日益顯著。訓練資料部分,目前指標LLM業者使用英文為主要訓練資料,而繁體中文訓練語料的數量,遠比不上簡體中文,目前繁體中文訓練資料成為模型訓練的一大課題。在生成式AI的應用案例方面,本篇專題報告探討從智慧交通、智慧零售、智慧醫療、智慧製造以及智慧家庭五大類別,以生成式AI普及的速度來看,不管是零售、製造或是家庭生活、移動應用,都有龐大的商機,各種應用情境在2024年開年以來的國際展會包括CES、MWC以及嵌入式電子與產業電腦應用展(Embedded World)、車電展等,都可以感受到此一趨勢。(作者為DIGITIMES研究中心研究總監)