這一年來我在專欄中反覆提過的半導體技術性議題包括MRAM、量子計算和矽光子。日本幾年前就將MRAM視為重拾日本在90年代半導體榮光的利器，現在又加了量子計算和矽光子。技術發展策略見解的相近，背後有結實的技術理由支撐。

物聯網(IoT)在人工智慧(AI)出現之後，逐漸消聲匿跡，似乎變成AI大數據庫的耳目，整編入AIoT的體制之內。但是由於各別應用領域的不同特性，AI的發展也差距甚大。

人工智慧(AI)自2015年爆發性的進展後，從資料庫、演算法、計算晶片、終端設備、乃至於應用呈現產業性全面建構發展，至今有一段時日，開始有人回顧前塵，檢討AI發展的「不陽光面」。

4月27日在北加州地方法院Hagens Berman律師事務所對三家DRAM大廠三星電子(Samsung Electronics)、海力士(SK Hynix)和美光(Micron)提起集體訴訟，指控這三家佔全世界市場供應96%的廠商共謀限制產量，是典型的反壟斷和固定價格(price fixing)，指控的反壟斷和固定價格期間從2016年7月1日~2018年2月1日。

比特幣自2009年問世，迄今近10年，目前的評價毀譽參半，但是已經開始影響這個世界的運作。

中興通訊(ZTE)被美國宣布制裁後，多家中興的美國供應商名字浮現在新聞，較為人熟悉的是半導體供應商如英特爾(Intel)、高通(Qualcomm)、美光(Micron)等和軟體供應商如Google，較不為人知悉的如Lumentum、Oclaro(Lumentum在3月併購Oclaro)和Acacia，後面的這一群多是光通訊零件和模組廠商。

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。

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。

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。