Google搜尋趨勢（Google Trend）是個好用的工具，有時我會透過搜尋熱度變化情況，觀察某個議題的發展。這次我鍵入AI技術典範轉移的3個字詞「Expert System」、「Deep Learning」、「Generative AI」，看看會呈現出哪些結果？若以Google Trend最早能提供查詢資料的時間2004年作為起始時間，「Expert System」的搜尋熱度一路往下，而「Deep Learning」則從2013年起搜尋熱度開始走揚，並於2014年與「Expert System」出現走勢交叉的情況。Expert System是早期真正商用化的AI技術，屬於規則式學習（rule-based learning）。其組成包括知識庫、推論引擎和用戶介面等3部分，透過大量請教專家，採用if-then-else的結構將專家知識和經驗建成知識庫，推論引擎則根據知識庫中的規則和推論機制來推論和決策，用戶介面則是如同ChatGPT，可用問答方式來獲取專家系統推論的答案。Expert System熱潮在80年代，因人類諸多內隱知識難以表達與形成規則，及規則式學習建立與維護資料庫的複雜度隨時間持續提高，專業領域專家系統（如醫療、土木等）逐漸式微，而一般企業管理用途的規則系統，逐漸被整合至如甲骨文（Oracle）與SAP等業者的企業應用軟體中。2012年多倫多大學教授Geoffrey Hinton與其2位博士班學生Alex Krizhevsky、Ilya Sutskever發表〈ImageNet Classification with Deep Convolutional Networks〉此一論文，帶動Deep Learning興起。機器視覺領域有個2010年由李菲菲發起的奧林匹克級學術競賽（ImageNet Large Scale Visual Recognition Challenge；ILSVRC），前2年優勝團隊都是採用傳統的機器視覺技術，Krizhevsky、Sutskever與Hinton的CNN神經網路模型AlexNet，在2012年競賽「top 5 test error rate」指標中，創下競賽以來的最佳成績15.4%，領先第二名的26.2%近11個百分點，從此Deep Learning躍為機器視覺領域主流。當2015年微軟（Microsoft）的ResNet以錯誤率3.6%勝過人類肉眼的5%錯誤率時，包括智慧交通、人臉辨識、瑕疵檢測等多元市場商機隨之起飛，也反應在從2013年迄今「Deep Learning」搜尋熱度上。相較於「Deep Learning」為既有資料進行分類與分群等分辨工作（如人臉辨識），「Generative AI」則是學習輸入資料的模式和結構，其後根據訓練數據的分布，生成相似但全新的數據。2014年的Ian Goodfellow提出的生成式對抗網路（Generative Adversarial Network；GAN），可說是帶動生成式AI發展的里程碑。接下來這幾年搜尋熱度微幅上揚，生成式AI主要是在專業族群中愈來愈受關注，直到2022年11月ChatGPT的橫空出世，引發媒體與社會大眾的關注與使用，搜尋熱度才急遽攀升。若直接比較ChatGPT與Expert System及Deep Learning，更可看到由於ChatGPT的爆炸性搜尋熱度，相對而言，Expert System及Deep Learning的搜尋熱度已被攤平成貼近水平的直線。Expert System之父Edward Feigenbaum在2007年接受美國電腦歷史博物館（The Computer History Museum）口述歷史訪談，在被問及「我們如何賦予電腦知識?」時，他回答「我想唯一的方法就是依循人類文明現有的方式。我們藉由文本這個文化結晶來傳遞知識。過去是手稿，接著是印刷文字，現在則是電子文本……我們需要想辦法讓電腦讀化學書來學化學，讀物理書來學物理，或者是生物學等其他學科……我們的人工智慧程式是手工製作並以知識建造的，除非我們有辦法設計出能夠閱讀、理解文本並從中學習的程式，否則我們將永遠無法突破。」（引用自陽明交大《數理人文》期刊第10期，〈人工智慧專家系統之父—專訪涂林獎得主費根堡之生涯回顧〉一文）Feigenbaum那時並未料到，Google的BERT與Open AI的GPT等近年發展的LLM在訓練文本上的驚人數量級提升。以Open AI來說，從2018年GPT-1的5GB訓練數據量/1.1億個參數，提高到2020年GPT-3的45TB訓練數據量/1,750億個參數。之後Open AI便不再公布訓練資料量，但最新發布的GPT-4估計可能超過1兆個參數。帶來的突破性成果正在為全世界各個領域的人們所嘗試與運用中。Deep Learning的2位關鍵開創者中，Ilya Sutskever是OpenAI的聯合創辦人及首席科學家，持續推進最前沿AI技術的發展，但近日Geoffrey Hinton卻離開Google，且呼籲人工智慧給人類帶來的威脅可能比氣候變遷更急迫，而曾是Open AI共同創辦者的Elon Musk也大聲疾呼暫停開發和測試比GPT-4更強大的語言模型。我不禁想問如今已87歲高齡的Feigenbaum，身為自然語言處理AI宗師的您，當強AI時代愈來愈近時，人類該如何踏出下一步呢？ 

日前到竹北去拜訪科技界的前輩宣明智，我跟老宣說，我們兩人第一次見面是1986年，他很驚訝地看著我，你怎麼記得？1986年時，MIC第一次主辦「收費」的研討會，包括老宣在內的很多業界資深前輩都自己來參加。我問老宣，為何願意參加付費的研討會？他說相較於一次200元的費用，我們的時間更昂貴，這是我從老宣身上學到的第一堂課，這也是我認為優質資訊可以收費的源頭，所以我們也認識37年了。老宣現在把重心放在車用電子與智慧醫材的事業上，他認為台灣擁有最好的電子與醫療人才，兩者的整合將帶來極佳的經營效率。前陣子與他在互貴興業見面，這家公司發展內視鏡與智慧醫材，相對於證照取得，甚至面對中國挾龐大的市場與資源競爭，台灣從電子業發展經驗出發，仍可以取得極大的優勢，但產業資源的整合仍是一大考驗。針對產業資源整合的方案，宣明智提出「虛擬園區」的概念，我說虛擬園區必須有3D、4D甚至5D的概念，透過人工智慧的資訊彙整技術，就可以讓潛在客戶找到可能的解決方案。我認為，相較於電子業至今仍是「Top-down」為主的產業資訊流通架構，智慧醫材多元變化，「Bottom-up」由下而上，以拉力為主、推力為輔的應用商機，完整的資料庫更為重要。每一家公司發展的醫材都有適用的關鍵字，例如科別、供應商、技術類別、應用領域、目標客戶等，根據標註的關鍵字，配合資料庫的經營管理，就可以打造出一個虛擬園區。這個觀念並不難，「知易行難」才是問題。多數自以為擁有關鍵技術的人，會以發展突破性的產品為職志，而具有IT專長的人，很少人擁有產業營運概念，甚至具有管理專長的人，也缺乏深度理解市場需求與技術變革的耐心。最後碰到的問題是，「到底誰出錢？」很多人期待有人「登高一呼」，根據麥肯錫（McKinsey）研究，能夠串連利益關係人的專家，被工具取代的機率最低，我深以為然，這也是我的創業經驗。台灣不缺錢，建構這種服務機制的產業環境也是絕無僅有，需要的是願意蹲下，彎腰搜尋與建構資料庫的專家而已。

2023年第1季電子產業上下游仍處庫存調節階段，在營收表現上相較2022年同期多呈停滯甚至衰退。然而，大型（Hyperscaler）雲端服務業者營運表現相對仍佳，加上生成式人工智慧（Generative AI）帶動的新應用熱度正夯，後續成長動能值得關注。2023年第1季亞馬遜（Amazon）AWS營收達213.5億美元，年增16%；微軟（Microsoft）Azure營收年增27%，另外Google Cloud Platform（GCP）營收年增率亦達28.5%。上述3家業者佔公有雲端服務市場比重約65%，維持強者續強的態勢。 回顧過去5年公有雲端服務市場成長情況，年複合成長率超過20%，AWS約佔全球IaaS、PaaS及代管私有雲（Hosted Private Cloud）服務市場的3分之1，維持第一大地位。AWS近期表示已對全球超過10萬個客戶提供人工智慧／機器學習（AI/ML）服務，相對於亞馬遜非雲端業務，近幾年AWS營收年成長率高出15~20個百分點、營業利益率也高出20個百分點以上，是亞馬遜整體版圖擴張及獲利成長的主要動力所在。微軟雲端相關（包括Azure、Microsoft 365等）營收比重亦大幅提高至佔整體公司營收約45%，企業策略定位明顯轉向雲端服務，在雲端服務市場佔有率亦逐步攀升，居全球第二大地位。隨著微軟生成式AI服務將導入旗下各個產品上，對雲端業務推廣預期將有推波助瀾的效果。展望2023年，受全球經濟景氣動能減緩影響，雲端服務市場成長動能確實不及2022年，如AWS營收年成長率在2022年第4季時為20%，2023年第1季減少至16%，預估2023年第2季時成長率再減至12%。不過，以中長期而言，雲端服務市場的長期發展仍應正面看待。由於企業IT採雲端方式進行可帶來彈性，資產投報率將會較佳，IT支出朝向雲端轉移的趨勢不大可能逆轉，加上AWS表示目前全球IT支出僅10%是在雲端進行，後續雲端服務市場的發展空間仍相當龐大。為因應雲端服務市場成長趨勢，雲端資本支出勢必連帶成長。以2023年第1季為例，微軟、Meta的資本支出年增率分別約24%、28%，2023全年亞馬遜的資本支出預算雖預估將較2022年減少，但AWS的部分則可望繼續成長。台灣伺服器廠商的客戶組成，來自於惠普（HP）、戴爾（Dell）、浪潮等伺服器品牌業者比重已退居第二，雲端服務業者則已躍居首位，且後者比重近年來持續攀升。因此，雲端服務業者的伺服器訂單，對台廠重要性日增。台灣與雲端服務相關的產業主要包括晶圓代工、IC載板、高速傳輸介面、伺服器組裝以及電源供應器、機櫃等次產業。以最直接相關的伺服器業者而言，台灣佔全球伺服器生產即超過93%。短期方面，根據DIGITIMES Research的調查，由於客戶調整訂單等因素，第1季全球伺服器出貨量較2022年第4季衰退，跌破400萬台（以主機板計算）；2023年第2季因第1季基期較低，及品牌商新平台可望優先放量，預期出貨將有低個位數季增。展望未來，雲端服務市場成長趨勢未變，在生成式AI引發的新浪潮下，高單價的AI伺服器出貨量成長可期，儘管佔比有限。關於最新伺服器產業的分析及預測，請參考DIGITIMES Research伺服器產銷調查報告。延伸報導產銷調查：1Q23全球伺服器出貨跌破400萬台大關　2Q23出貨將僅季增3.9%　ChatGPT效應有限

亞馬遜（Amazon）是一家假裝成網路書局與零售通路的人工智慧、大數據公司，現在主打雲端服務；大椽（DIGITIMES）則是一家假裝成報社的電子業專業資訊服務與顧問公司，同時擁有「Data」與「Intelligence」兩大優勢，所以才能在媒體的黑暗時代存活。我的創業基礎與專業知識，來自於1980年代中期台灣以資策會MIC建構科技專業智庫的經驗。當年行政院的科技顧問Bob Evans跟李國鼎資政建議，台灣中小企業多、政府官員對於科技大勢所知有限，可以成立一個專責的任務團隊，蒐集、分析全球產業資訊，這是MIC的源頭，創業能夠僥倖存活，也與在MIC工作時累積的經驗有關。我深知資訊的影響力與價值，如果數據是21世紀競爭的關鍵，那麼對於產業的深度理解就更為重要了。台灣小，不可能以人口優勢創造數據、掌握數據。將所有的訊息轉化為具有意義的「Data」，並透過模組化不斷的連結，發揮專業數據的影響力，這便是台灣科技產業的共同價值。如果產業往東協、南亞移動，與這些國家建構亞太ICT產業供應鏈的專屬智庫與戰情系統，將更具戰略性的意義。就電子業而言，台日韓是亞太地區最先進的產業體系，這些地區主要的電子業都已經上市，不難從定期發布的新聞中掌握關鍵趨勢。一般而言，產業訊息關鍵在於如何定義內容與取材範圍。除了報導各國上市的主力企業之外，透過公開資訊，水平對比亞太供應鏈中的核心企業，也是DIGITIMES的任務與定位。例如，對比亞太30大EMS製造廠、東協與南亞20大電信公司、30大系統整合商、東協與南亞國家半導體進出口數據對比等，都是可以獨創，但又具備國際視聽影響力的關鍵資訊。亞太國家中，堪稱一線大國，且與台灣ICT供應鏈具有高度連動的國家包括印度、越南、印尼、泰國、新加坡，其次是馬來西亞與菲律賓。搶佔制高點，定義亞太供應鏈價值相較於「散彈型」的國際行銷，以台灣電子業為核心的亞太ICT產業供應鏈訊息，只要掌握原創性，既可以滿足企業開拓市場、尋求夥伴的需要，也可以反向行銷，讓潛在客戶自行上門。這些工作不見得是個別企業獨立進行，掌握話語權的工作，DIGITIMES也有捨我其誰的企圖心，能讓台商的核心優勢繼續延續與擴張，鎖定東協、南亞新商機，也是我們對台灣產業的承諾與共同價值。我曾為過一位電子五哥總經理：「給印度10年、20年，印度有機會超越台灣嗎？」；答案是否定的，那麼為何要害怕呢？反倒應該從長期思考台灣的核心優勢，並以「剝洋蔥」的方式，分階段取得戰略性的價值。

在全球化的時代，經濟規模、效率是生產製造的關鍵要素，而地狹人稠的台灣，更是將產業群聚效益發揮到極致。2000年前後，台商大舉前往中國發展，生產基地也從珠三角延伸到長三角，甚至成都、重慶、鄭州落腳，中國的經驗是垂直分工的極度發展。加上iPhone出現、中國本土經濟蓬勃發展，在中國製造2025的概念下，給了中國建構本土電子工業供應鏈的契機。在地政府支持的電子大廠遍地開花，開始與台商爭搶蘋果（Apple）供應鏈，而中國本土業者除了垂直整合的條件之外，更可以利用本土市場往水平整合的創新需求推進，很多人都預判台商的好日子已經到了盡頭！如同前述，1979年新竹科學園區創立之初可以用乏人問津來形容，但台灣的產業政策跟企業經營一樣充滿了彈性。不像是日本的竺波或南韓的大德科學園區，過度偏重研發，導致科技類的生產製造活動難以落實。台灣的科學園區也歡迎量產製造，更與幾公里外竹東工研院高度連動，兩者之間相互支援，但不相互統屬，也保持了該有的獨立性與彈性，這些都是新竹科學園區的成功要素。1980年代的中期，台灣個人電腦與週邊設備製造業開始起步，從汐止一路往南延伸的科技工業帶，正因為新竹科學園區有了很好的中繼力量。本土的電腦製造業、海歸的半導體菁英，都在竹科的大旗下形成新的產業聚落，如今更因為半導體製造能力而名聞遐邇。竹科有限的土地已經充分利用，政府在台南、台中複製了產業聚落，也得到很好的成效。但我們相信「竹科」的大名不僅可以是台灣的護國神山，更是台灣產業新南向的尖兵。誠心建議竹科以授權或合作的模式在南向國家插旗，有了竹科之名，台商更容易形成產業聚落，而在地政府「忌諱」竹科之名，也不至於過河拆橋，將竹科經驗傳承、複製、善用到海外，可以讓竹科的無形價值再創新局。

我們可以從印度、越南、泰國進出口的半導體與電子產品結構，虛擬研判未來的供應體系。東協南亞主要國家進口的半導體，多數是從中國、香港運籌，但中國、香港並未具有國際銷售實力的半導體零件，反倒是台商業者舉足輕重。一般而言，零件通路商將客戶區分為TBM、CBM、MBM（詳見上一篇）。根據DIGITIMES在第一線訪談數據得知，現在東協、南亞進口的半導體零件，主要是以台商體系的需求為主，中國業者次之，反倒MBM的成長有限。以印度進口的半導體為例，將近80%來自中國與香港，顯然就是台商在當地運籌體系調度的，而不是原產於中國的半導體。這個大趨勢對照地緣政治上的演化，顯示、模擬了零件通路商未來可能的布局。一方面在地業者將會崛起，印度的TATA、Vedanta在與台商結盟之後，在地業者的比重將會增加，加上台系的鴻海、和碩、緯創三家公司在印度生產的手機不僅滿足國內市場，甚至已經開始出口海外市場。加上台達電與伺服器、網通業者都虎視眈眈，嘗試滿足當地的需求，台系業者的需求將大幅提升，也提供台灣重新思考以桃園機場、新竹園區為核心的「亞太運籌中心」計畫。1990年代中期，台灣嘗試推動的亞太營運中心計畫並不成功，關鍵在於台商往中國移動，且都以中國為外銷的第一選擇，導致過去20多年，兩岸貿易的失衡，台灣也出現過度仰賴中國市場與產業的現實。前進中國的產業界以效率為尚，經營上各自為政，但未來的物聯網、區域生產需求，都需要更完整的解決方案，例如系統製造大廠與電源業者之間的關係正在改變。過去以中國為核心時，大家各懷鬼胎，都會擔心口稱合作，但私下備戰的心態。現在市場延伸到東協南亞，就算大集團也認為「量產」不是唯一選擇，「分工」可能是最佳的事業模式，願意思考戰略合作的企業正在大幅增加。1980年代初期，台灣的零件通路業以代理商、貿易商的身分起家，之後隨著產業規模的擴大，以及中國生產基地的需求，開始建立技術支援與智慧倉儲的能力，而透過上市櫃的程序，社會資本也給予適當的支持，如今的零件通路業也成為供應鏈中不可或缺的環節。2005年開始，世平興業透過整併，與品佳、友尚、銓鼎合組大聯大控股集團，成為全球頂尖的零件通路商，近幾年推廣LaaS（Logistics as a Services）的概念，希望透過共同建構的智慧倉儲系統，提供多樣化的倉儲服務，甚至透過流通數據的掌握，深化倉儲服務業的價值，將主力業務延伸到醫藥、紅酒等高單價的運籌服務上。

混合鍵合技術的新應用中，最引人注目的當屬高效能計算（High Performance Computing；HPC）。HPC在晶圓代工的產能中佔據最顯著的份量。HPC架構主體主要含處理器和記憶體。處理器通常以最先進的邏輯製程製造，但是記憶體（DRAM）的製程進展較邏輯製程緩慢，這個就產生落差。兩者之間溝通落差限制整體表現，而且製程也截然不同，屬於「異質」。延伸報導先進封裝技術競逐略有起伏　HPC導入熱度高於手機AP解決兩者之間效能落差的方法之一是利用平行處理。現在的處理器多具有雙位數數量的核（cores），每個個核需要支援其運作的個別記憶體。數量如此多的核-記憶體之間的連線需要多個I/O接點以及高頻寛，這就是十年前開始出現高頻寛記憶體（High Bandwidth Memory；HBM）需求的驅動原因。HBM是用2.5D封裝技術將CPU與至多8個DRAM堆疊封裝，其處理器與記憶體之間的連接是透過晶片的微鍵（microbond）連接底下中介層的金屬線至另外的晶片，如此一來I/O與連線的密度都可以大幅增加。對於常用於AI常用的GPU晶片，其核的功能比較專一，所以每個核的面積較小，一個晶片裡核的數目動輒上千。每個核所需要對應記憶體容量不需要很大，但是因為核與記憶體的數目有數量級的提升，連線及I/O的數目要求更高，此時銅混合鍵合就能提供其所需要的效能。這個應用也是目前多家代工廠、DRAM廠的技術及業務能力擴展方向。2022年3月Graphcore發布於台積電造的Bow IPU號稱是世界第一個3D WoW處理器，利用到的是混合鍵合的另一種優勢。2片晶圓一邊是AI處理器及其協作的記憶體，主要包括1,472個IPU（Intelligent Processor Unit，Graphcore為其處理器的命名）以及與各IPU協作的獨立900MB的分散式SRAM；另一個晶片負責提供電源。如此結構設計，Graphcore宣稱可以提升效能40%以及節省功耗16%。超微（AMD）最近的Ryzen系列也因為不同的原因採取混合鍵合技術，雖然使用的是CoW的技術，而非WoW。超微將CPU中面積較大的L3 cache單獨拿出並擴增容量、單獨生產，在不增加CPU系統面積的情況下，增加可用的SRAM容量，減少一般資訊處理必須傳送到DRAM的需求，因而提升速度、減少功耗。延伸報導銅混合鍵合的發展與應用（二）：商業化應用其他混合鍵合的應用現在可預見的還包括無線通訊、AIoT、PMIC等。在混合鍵合的製造成本下降後，應用領域還有可能延拓的更廣泛。從晶片異質整合、效能提升、減少功耗、縮小面積等的幾個優點考量，只要混合鍵合的成本下降至各優點的價值臨界點後，技術的採用將會一一浮現。學習已經商業化的、正在醞釀中的應用並且分析其得失，是尋找新應用的 必要學習過程。 

一般而言，零件通路商將客戶區分為台商（TBM）、中商（CBM）與在地多國客戶（MBM），在生產基地往東協南亞移動時，零件調度工作很多仍然仰賴中國與香港，但台商仍是生產製造的主力。因此，表面上看起來是來自中國、香港進口的半導體，但實際上卻是台商的貢獻，我們也可以理解「製造原廠」仍是決定零件流通動線的主力。在東協南亞主要國家中，真正能把本土製造業發展起來的仍是少數。相較於泰國、菲律賓有一、兩家在地的電子製造大廠，印度、越南更展現出強大的企圖心與潛力，他們未來更有機會成為調節核心客戶的多元產能與商機。過去OEM原廠對台商的要求可以說是「予取予求」，這是台廠生產重心從深圳、東莞，一路往長三角與成都、重慶、鄭州移動的關鍵原因。但那是以手機、NB生產為重心的Top-down時代，品牌大廠掌握關鍵訂單，甚至是製造廠的興衰榮辱。但隨著物聯網的興起，面對未來電動車、元宇宙、ChatGPT、車聯網與資安的商機，在地的業者扮演更關鍵的角色，不僅僅是區域型、分散型生產基地成形，在地的服務需求也會激勵在地品牌與區域型的資料中心。如果台廠能結合在地的力量，不僅可以平衡供需關係，也能跳脫「規模越大，毛利越低」的困境。相較於惠普（HP）、戴爾（Dell）、蘋果（Apple）這些傳統的硬體品牌，在地的電信公司、獨角獸企業、在地的EMS製造大廠、通路業者等，都是台系廠商可以爭取的合作對象。越南的VinFast、FPT劍指汽車、半導體，印度正在籌組一個發展半導體的任務團隊，印度的市場潛力與調節供需的功能在不久之後便可能成為事實。緯創攜手Tata，鴻海聯合Vedanta布局印度供應鏈，蘋果CEO Tim Cook親訪印度，都見證了印度市場的潛力，如果印度本土的IC設計產業能與新興的半導體晶圓廠計畫連動，產業結構將與以往高度倚賴外商的結構大不相同。大聯大早就在1990年代就開始經營印度分公司，文曄、益登、威健、全科都是年營收10億美元以上的大型企業，一旦主力業者都願意共建、共享智慧倉儲時，台商在亞洲地區的影響力更是不容小覷。過去以大中華區為主力的台系通路商，在新時代來臨時，也開始積極布局東協南亞的新興市場，這個經驗也來自2010年前後，台灣零件通路商為中國建構「山寨機」的經驗。技術支援、金融調度與智慧倉儲是零件通路業者的三大功能，這些功能將會在東協南亞商機逐漸成形時，扮演更關鍵的角色。在PC時代，印度並非主要市場，到了手機時代，印度也有Micromax、Lava、Karbonn等當地大廠，但在中國手機品牌的壓抑下，影響力有限。但面對未來的物聯網、車聯網商機，印度快速成長的經濟總量，已經預告本土產業崛起的機會，而智慧倉儲系統回流桃園，直接與印度、越南連動的情境已經可以預期。

混合鍵合的最大特色是晶片對外連接金屬墊（metal pad）的尺度是「半導體製程級」的。相較於之前用於中介板的微凸塊（microbump）間距40um，混合鍵合的鍵合間距可以小達1~2um，限制尺寸的原因主要來自於對齊的精確程度，還有進一步改善的空間。這樣的鍵合間距代表每平方公分晶片面積可以承擔百萬個連結，這比任何既存的封裝方式都有幾個數量級的提升。連線鍵合數目愈多意味著2個晶片之間容許更高頻寬的溝通，有利於平行運算，也容許較高電流。功能模組之間的連線也較尋常方式為短，所以速度快、噪音低、功耗也較小。另外混合鍵合本來就是異質整合、3D堆疊先進封裝中的一種方法，所以二者的優點也自然都有。商業應用混合鍵合的半導體產品，首先是 Sony的CIS。CIS有幾個組成部分：畫素陣列（pixel array）、類比數位轉換器（Analog-to-Digital Converter；ADC）、影像訊號處理器（Image Signal Processor；ISP）。畫素陣列基本上是1層多晶矽（polysilicon）與5層金屬的製程；ADC與ISP則是1層多晶矽與10層金屬的製程，二者的製程差距甚遠，符合「異質」特徵，應該分別製造。二者的3D晶片堆疊還能縮小鏡頭尺寸，所以Sony早在2016年就將分別製造的畫素陣列晶圓與ADC+ISP晶圓混合鍵合，替代原來在同一晶片的設計製造。由於混合鍵合大幅增加金屬連線密度，使得ADC可以平行處理畫素，大幅提升畫面處理的能力，譬如全域快門（global shutter）、影片的每秒幀數（frame per second）等。目前的設計趨勢是向每個畫素都有獨立的ADC方向邁進。進一步的工作是將DRAM也加入CIS的3D堆疊，做為畫素處理的緩衝記憶體（buffer memory）。Sony和三星電子（Samsung Electronics）都有此設計，只是DRAM堆疊位置不一。影像在車輛的應用，譬如用來偵測前方物件距離的時差測距（Time of Flight；ToF）的單光子雪崩探測器（Single Photon Avalanche Detector；SPAD）；或在工業的應用，譬如機器視覺（machine vision），都可能需要再加入能執行邊緣計算（edge computing）晶片。CIS啟動混合鍵合的商業應用，歷史較長，較長遠的應用規劃也漸入視野。另外一個也進入商業量產的應用是3D NAND。平面NAND的記憶體細胞陣列（memory cell array）與其他邏輯線路-包括微控制器（microcontroller）、位址寄存器（address register）等，是放在同一晶片上的。3D NAND 的記憶體細胞陣列持續往3D方向堆疊，但是邏輯線路上方卻空無一物，嚴重浪費珍貴的晶片房地產（real estate）。所以長江儲存首先以XtackingTM技術將邏輯線路部分以混合金鍵合方式置於記憶體細胞陣列之下，大幅提高晶片房地產使用效率。其他公司後來也採取類似方法。不過在此例中，金屬墊的密度不需要特別的高。

從1985年起，我已經觀察產業38年了，產業領袖說：「AI會吃掉軟體，而軟體將取代硬體」，但是大家也都明白，在ChatGPT興起之後，AI新創正進入「大滅絕」的時代。因為軟體是贏家全拿的產業，第一名的企業遙遙領先，拿走獨佔型的利潤，其餘業者嗷嗷待哺，多數在創業大潮中淪為波臣。反倒是硬體製造業歷久彌新，客戶也分散供源，因此獨佔利潤少，甚至創造大量技術勞動力的需求。從國際競合、社會公義的角度看，硬體製造業的價值也被重新審視，美國政府「重新有意義的掌握供應鏈」的呼籲，讓台灣的角色、重要性也被高度重視。 如今時空環境大變，企業悄悄的在東協南亞落腳，台灣從半導體、PCB、連接器，到NB、伺服器、手機製造都是全球翹楚，少了台商不成軍，而且難以速成，硬體製造、通路成為鋪陳全球供應鏈不可或缺的環節。1985年，台灣開始推廣IBM相容電腦，在微軟（Microsoft）Windows軟體與英特爾（Intel）386微處理器的加持下，台灣開始了電腦王國的奇幻旅程。微電腦時代的台灣，宏碁、神通堪稱台灣電腦業的少林寺、武當山，從這兩家公司開枝散葉的業者，宏碁、華碩、緯創、神通、聯強、神基、友達、佳世達、和碩都是當中的翹楚。而另外兩大勢力是從生產計算器起家的仁寶、英業達、廣達，及郭台銘創辦的鴻海集團。這幾個流派衍生的企業，在1990年代開始承接代工訂單，從1992年美系電腦吹起降價潮之後，短短五年之內，台廠生產規模擴張10倍之多，並開始透過上市櫃的手段，募集社會大眾的資金。在資本公開化過程中，全球開始注意台商的角色，2000年之後，台商半推半就的往中國移動，有了中國的生產基地，單月產量數百萬台NB的業者開始出現，背後就是蓬勃發展的IC設計業、相關零件工業與通路業者，而台商的主力也從NB擴張到手機與工業電腦。台商羽翼已成，面對從中國轉移的生產基地，東協南亞期待的不僅僅是手機、NB，也包括半導體、面板與其他零件產業，甚至未來車。各國都需要台商之助，建構能與本土經濟活動連結的量產製造業，聘僱更多勞工，也創造白領工程師與管理職的工作機會。對台商而言，在G2競合與中國社會成本激增的大格局下，部分生產線往東協南亞移動是必然的趨勢。只是過去單純以勞動力、社會成本為考量的企業，在面對ESG的新時代，必須考量與當地社會共創、共榮、共享的普世價值。因此，從布局開始就要有更宏觀的視野，過去的量產能力，不過是讓台商有個起步基礎的價值而已。