預見商用量子計算機的降臨，美國國家標準與技術研究院（National Institute of Standards and Technology；NIST）已於2024年7月確定公鑰加密／金鑰封裝機制（public key encryption/Key Encapsulation Mechanism；KEM）以及數位簽名（digital signatures）的標準。 KEM使用CRYTALS-Kyber（Cryptographic Suite for Algebraic Lattice-Kyber）演算法，為FIPS（Federal Information Processing Standard） 203；數位簽名使用CRYSTALS-Dilithium演算法，為FIPS 204。另有FALCON（FIPS 205）、SPHINCS（FIPS206）等其他類型的數位簽名的標準及演算法。 CRYSTALS是利用代數晶格（algebraic lattice）中的數學難題如尋找最小向量等來設立破解難度，而代數晶格（又稱秩序理論；order theory）是抽象代數（abstract algebra）的一個分支。 KEM的功用是後量子版的RSA，有Kyber-512、Kyber-768及Kyber-1024等3種強度等級。Dilithium後量子版的數位簽名，也有Dilithium-II、Dilithium-III及Dilithium-IV等3個強度等級。 中國也由商業密碼研究所（Institute of Commercial Cryptography Standards；ICCS）在2025年2月開始啟動下世代商用加密演算法（Next Generation Commercial Cryptography algorithm；NGCC）計畫，並向世界徵求對後量子加密標準的意見。 中國選用的演算法也是基於晶格（lattice-based）的演算法，分別是用於加密的Aigis-enc及用於數位簽名的Aigi-sig。 由於未來可能存有兩套後量子加密標準，兩種會並行存在並建立中介機制、或者終將合流變為單一標準，此一問題對於從事後量子相關產品服務業者至關重要，值得密切注意。 目前已進入後量子加密（PQC）領域的半導體廠商包括英飛淩（Infineon）、恩智浦（NXP）、Thales及Microchip。產品應用包括雲端、PC、IoT、汽車、嵌入式系統、ID、工業用等。 特別值得一提的是中國電信量子群（China Telecom Quantum Group）將於2025年11月釋出中國第一個高效能晶片，置於他們整合量子金鑰分發（QKD）+PQC系統之上。由於此晶片已經包括混合的傳統及量子通訊網路的應用，對於兩個標準之間的競合會產生一定的影響。 PQC產品什麼時候會大量上市？答案取決於量子電腦的進展速度，量子電腦進展到某一種度，才可能對現存加密體制構成威脅。 量子電腦的運算能力的主要因數之一是邏輯量子元（logic qubit），就是可以實際用於計算的量子位元數，這個與量子電腦實際上建構的物理量子位元（physical qubits）數目有很大的差別。量子位元的維持、運算、量測都可能發生錯誤，需要使用一群量子位元來執行量子糾錯碼（Quantum Error Correcting Code；QECC）的功能，確保邏輯量子位元計算的正確性。依現在錯誤發生率的技術水準，1個邏輯量子位元可能需要近千個物理量子位元來保護。所以量子電腦所需的物理量子位元數量龐大，但可以使用的邏輯位元數量較小。但是在邏輯量子位元數目上百之後，在有些應用就有能力超過傳統計算，取得量子優勢（quantum supremacy）。 對於現在常用的加密機制RSA-2048及AES-256，目前估計約4,000~6,000個邏輯量子位元數即可以破解。 目前有3家公司明確的公布商業量產通用容錯量子電腦（universal fault-tolerant quantum computer）的時程。 Quantinum宣布於2030年前推出100個邏輯量子位元數的離子陷阱（trapped ions）量子電腦；IBM則宣布於2029年推出200個邏輯量子位元數的超導體（superconductor）量子電腦。這兩家也許對目前的加密機制還構不成太大威脅。 另一家PsiQuantum預計也是在2029年量產通用容錯量子電腦，其上的光子（photonic）量子位元數從計畫開始就是以百萬個物理量子位元為目標，估計可以使用3,000~5,000個邏輯量子位元，這已有可能危及目前的加密安全體系。 假設以上的量產時間和估算為真，PQC的商機何時開始浮現？答案是量子計算機交機的那一天得全面準備妥當。任何沒有PQC保護的網路，彷若透明，對於譬如國防、金融等敏感體系尤為如此。一個國家、地區、或個人如果沒有PQC 的保護，就會變成網路孤島，沒有人願意與之往來；在金融業，這就像是被退出SWIFT體系，所以加密方式的轉換必須在高邏輯量子位元樹的量子電腦問世之前全面完成。 PQC產品的NIST FIPS各種標準驗證需要約12~24個月的時間，產品驗證後需送客戶設計和驗證，才會有機會入駐網路各節點和終端系統。現在已是2025年下半，離2029年還有多久？所以那些公司已經有產品布置，一點也不令人訝異。 還有一個備註。美國和中國的加密標準雖然不同，但是都是基於晶格的演算法。這類演算法的安全性是因為目前沒有已知量子演算可以輕易破解此類問題，基於晶格的演算法所產生的問題並未嚴格地被證明是BQP之外的類別。也就是說，如果努力發展新量子演算法，也許基於晶格的演算法又會被破解，到時候PQC的布置又得重來一次，很傷腦筋。

測量、展示量子計算機能力的方法之一，是看其有無辦法用量子計算中的蕭爾演算法（Shor’s algorithm）來分解一個數目中內含的質因數（prime factors）。 傳統上質因數分解是個困難的問題，特別是被分解的數目是個大數。但是量子計算的蕭爾演算法對於質因數此一問題相對於傳統計算有指數性加速（exponential speedup），亦即在有足夠量子算力的條件下，質因數分解的計算時間得以指數式地縮短。 量子計算在其他問題上也擁有不等的優勢，譬如在一個無秩序的資料庫中搜尋一筆特定資料的問題，量子計算用葛羅佛演算法（Grover’s algorithm）可以取得平方加速（quadratic speedup），也就是計算時間可以開根號的縮短。 傳統的加密手段可以簡述如下。Alice要安全地傳送一段文本（text）給Bob（這是加密學的標準敍述方式），Alice首先會用一支二進位256位元的數字當成金鑰來加密，現在通用的標準方法是AES-256，然後將這段加密文本送給Bob，Bob用同一支金鑰反向操作即可解密。問題是Alice如何遞送這支金鑰給Bob才安全？這就要用RSA-2048的公鑰—私鑰架構（public key-private key infrastructure）。 RSA-2048的公鑰是一個二進位2,048位元的大數目，它是2個大質數的乘積。每個人的公鑰都是公諸於世、眾所周知的。Alice用Bob的公鑰來加密文本使用的密鑰，送給Bob。與AES不同的是，解密必須用Bob的私鑰，而這私鑰就是公鑰的2個質因數之一。 這公鑰—私鑰的架構可以用電子郵件來打比方。在此例中，Bob的公鑰是他的電子郵件住址，是公諸於世的。要送給Bob的資訊寫在信中是受到保密的，只有Bob收到信件登入、輸入自己信箱的密碼（也就是私鑰）後，才可以取出資訊。 RSA-2048的安全性依賴於用傳統計算難以分解大數的質因數此一事實，而AES-256的安全性來自於對金鑰搜尋的困難。不幸地，量子計算的出現摧毀現存的加密體制，量子計算的蕭爾演算法—只要有足夠的量子算力—可以有效解決大數質因數分解的問題；葛羅夫演算法可以有效地解決搜尋的問題。這也許是量子計算機未來問世對世界的少數負面衝擊之一。 幸好量子計算不是萬能，不是所有的數學難題都可以解決的。量子計算能解決數學問題的範疇為有界誤差量子多項式時間（Bounded-error Quantum Polynomial Time；BQP）。 由於現存通訊安全體制在量子計算出現後可能會崩潰，業界早已開始籌畫後量子時代的安全通訊機制，其中的安全機制之一是於量子通訊（quantum communication）網路上的量子金鑰分發（quantum key distribution）。量子通訊網路具體例子為中國連接北京、濟南、合肥、上海及從這些節點衍生出的網路與墨子衛星所構成的量子通訊幹線。量子通訊的安全機制依靠的是物理，即量子資訊是無法被複製（non-cloning）的，任何竊取其上資訊的企圖勢必將破壞資訊，因此竊取資訊的企圖是枉然的，加密用的金鑰於其上傳送也是安全的。 另一個機制是後量子加密（Post-Quantum Cryptography；PQC）。此方法沿用目前通訊架構，但是改善加密的措施，藉以對抗量子計算破解加密，這是目前業界關注的焦點。

一位資通訊工程師該如何規劃人生？這個問題，在今日快速演進的科技產業中，顯得尤為迫切。或許，我們可以從一位冷戰時期的科學家手中找到些許啟發。在杭廷頓圖書館的特藏室裡，我看到一份泛黃的手稿，標題為〈坦率的職涯思考〉（Candid Career Thoughts; 圖一），署名者是惠倫（Albert "Bud" Wheelon，1929～2013）。這份筆記寫於1965年7月18日，當時惠倫年僅37歲，正值職涯高峰。惠倫是一位才華洋溢、極具前瞻性的物理學家。他畢業於麻省理工學院，並曾於加州理工學院任教。在冷戰期間，他迅速崛起為美國情報科技核心人物，擔任中央情報局（CIA）科學與技術部副主任，是美國早期衛星偵察計畫的關鍵推手之一。在1962年古巴飛彈危機中，惠倫參與設計的「鎖眼」（KH-7 Keyhole）衛星為美方提供重要的圖像情報。然而，這位深居情報高層的科技巨擘，也有著對人生節奏與家庭關係的深刻反思。在〈坦率的職涯思考〉中，他坦言：「金錢與經驗是目標。」這句話表面看似功利，實則映照出他當時身處機密工作的現實條件與自我期許之間的拉鋸。他在筆記中寫下未來願景：一份工程師式的願望清單，也是對「如何過生活」的認真計算。他寫道：「我希望能在40到43歲之間放慢腳步，過上一種有回報但不奢華的生活，好讓我能享受孩子的成長，並在年老、壞脾氣與病痛來臨前，好好與妻子共享人生。」這樣的規劃在當時堪稱前衛。當時的科技與國防圈普遍奉行高強度、長工時的奉獻文化，尤其在情報機構任職，更難談及生活的平衡。但惠倫不滿足於成就，他渴望一種「全人」式的成功，既在專業上發光發熱，也在家庭與身心健康中找到持久的回報。隔年，1966年，惠倫離開政府體系，加入了休斯飛機（Hughes Aircraft）。這家公司是當時電子與航太科技的重鎮，承接大量軍方與NASA合約。惠倫在那裡逐步晉升，最終成為董事長與執行長，主導早期通訊衛星與雷達系統的商業化。他的這次轉職，並不只是升遷與加薪的選擇，而是一次價值觀的調整與實踐。從筆記內容可以看出，他早已盤算一條更寬容、卻不失成就感的道路。休斯為他提供更大彈性與家庭時間的可能性，而他也逐步實現當年筆記中寫下的承諾。惠倫的這份手稿，不只是職涯備忘錄，更是一面映照現代工程師處境的鏡子。在人工智慧、資安、太空商業化等浪潮交錯的今日，許多資通訊人才依然面臨著與半世紀前相似的抉擇：要全力衝刺還是及早轉舵？要追求專業巔峰，還是規劃身心平衡的長期發展？「慢下來不是逃避，而是選擇。」惠倫37歲那年寫下的這句思考，如今讀來依然清晰有力。當我們不斷優化演算法、提高頻寬、壓縮延遲的同時，是否也該為人生中家庭、健康、時間等其他變數保留餘裕？惠倫的故事提醒我們，工程師的人生不必只有線性成長的KPI，也可以有曲線調整的智慧。科技強人，也可以是溫柔規劃生活的實踐者。他的〈坦率的職涯思考〉，不僅寫給自己，也默默地寫給後人，尤其是每一位在高壓產業中尋找節奏的我們。

PC的問世提供台灣製造服務進一步演化的機遇。 1974年微儀遙測系統公司（Micro Instrumentation and Telemetry System；MITS）發表Altair8800，之後還有初期的蘋果（Apple）電腦。但是IBM PC於1981年問世後才讓PC大量進入市場。 台灣在1984年才開始承接PC的製造服務，此時台灣卻已非昔日吳下阿蒙。首先，第一家提供PC製造服務的宏碁已有自有產品「小教授」，雖然是比較適合於特定用途如訓練與教育等領域專用機種，但是已有自己設計的能力，可以同時承接原始設備製造（Original Equipment Manufacture；OEM）以及更進階的原始設計製造（Original Design Manufacture；ODM）等2種服務。到了1988年，台灣已經成為僅次於美國的PC出口國；到了2000年初，全世界有80%的PC出於台灣。 這段經歷對台灣有2個重要意義。一個是對於台灣剛起步的半導體產業提供了初試啼聲的近端市場。晶片供應商包括威盛、矽統、揚智、鈺創、華邦、聯電、台積電等，這些晶片供應或製造商在80年代末、90年代初陸續的加入電腦零件供應商的行列。以中國的術語來說叫做國產替代，而且零件能自己供應的比例愈來愈高，可以製造的電子系統種類也愈來愈廣。 對於半導體產業，這是成長的沃土；對於電子製造服務業，這是加長供應鏈的戰略縱深。 90年代中期台灣幾家電子製造服務公司開始研發行動通訊，97年起開始2G GSM手機的OEM/ODM業務，業務模式一如之前PC的電子製造服務。 從智慧型手機世代起，電子製造服務產業將部分產能移至中國，持續擴大其製造產能。 2000年代中期，台灣開始伺服器的EMS/ODM業務。到了2018年，所有主要電子製造服務公司已經能製造完整的伺服器以及邊緣計算（edge computing）設備。 2022年末，台灣開始邁入人工智慧伺服器的製造服務領域。到2024年，台灣生產的人工智慧伺服器佔全世界93%。除了原先PC、智慧型手機已然的製造服務優勢持續奏效外，另外在半導體累積的經驗，包括尖端晶片製造以及先進封裝加持下的多重優勢價值鏈，這囊括的市佔率似乎是理所當然。 這個電子製造服務的生態系似乎還有持續擴大的機會。在先進計算方面，人工智慧的下一步目前近乎可及的題目是量子計算。包括IBM和PsiQuantum等使用不同類別量子位元的公司相繼宣布通用容錯（universal fault tolerant）、可以應用於解決實際問題的量子計算機將於2029年進入商業量產階段。 台灣對於量子計算的研發相較於國際領先群本來就啟動時間較晚，而且投入的資源相對不足。IBM不久之前才宣布未來5年內在美國要投資1,500億美元於量子計算的發展；如果包括製造在內，5年內總計3,000億美元。與此相較，台灣對於量子計算技術的投入太遲又太少。 但是如果不是想賺取「先進研發利得」（advanced research gain）的話，台灣仍然可以用電子製造服務來參與新興領域，分取紅利。 目前NVIDIA先進計算架構已經將量子計算整合入既存的人工智慧伺服器架構，規劃CUDA-Q。台灣的電子製造服業在近年來已經開始啟動量子計算的研發，雖然能量不足以挑戰世界已先行多年的發展領先群，但是藉目前已開展的人工智慧伺服器的巨大翻展動量，以後發的研發來瞭解新科技，加入下一階段的發展，這個策略還是有機會延續台灣電子製造業的優勢。

最近關於台灣半導體發展史的影片《造山者：世紀的賭注》（A chip odyssey）中提及美國無線電公司（Radio Corporation of America；RCA）授權、移轉半導體技術給台灣，啟動台灣半世紀的半導體旅程。 其實RCA對台灣的科技發展有另外更早、影響可能更深遠的貢獻。1966年RCA在台灣設立黑白電視組裝（assembly）的生產線。 黑白電視在30年代已有樣品、40年代已經商業化量產。1954年RCA也開始商業化量產彩色電視，並且70年代以後在美國、日本、西歐等發達地區彩色電視變成主流。但是黑白電視在發展中國家市場仍然是主要的消費性電子產品。RCA將黑白電視的組裝工作遷移至台灣是最佳化低毛利事業部門，一個典型的美國公司的標準操作。 黑白電視遷台組裝這件事有幾個重要意義。第一個是移轉台灣現代化生產線以及公司的管理，這個效果毋庸贅述。 第二個是技術移轉。當時黑白電視已經算不得尖端科技，因為彩色電視的普及在即。如果組裝可以成功地在地運行，將零組件的製造也一起遷移是個明智的選擇。這些技術包括陰極射線管（Cathode Rate Tube；CRT）、類比線路（analog circuit）設計、焊接（soldering）、表面粘著技術（Surface Mount Technology；SMT）等。這此技術很多是後來電子設備製造的共同基礎。 第三個是產生規模經濟。RCA於60年代後期於台灣開始組裝黑白電視，台灣本地的公司如大同、聲寶、歌林等也開始代工組裝或製造自有品牌的業務，後續還有更多的台灣公司以及歐美公司投入相同的領域。在高峰時期，台灣出口的黑白電視佔全世界市場的60~70%。之後的彩色電視業務，雖然各國將之視為較先進的消費性電子產品而有較高的自製意願，但鑑於已趨成熟的台灣組裝能力，台灣的彩色電視出口仍然佔全世界市場的30%左右。 由於有了規模，與其系統相關的生態就有開始衍生的機會，譬如日本公司投資的零組件，台灣本地生產的被動元件電阻、電容等。有一個很顯著的例子：鴻海成立於1973年，最先期的產品就是黑白電視的旋鈕（knob）以及塑膠零組件，這就是黑白電視組裝業務帶來的台灣電子產業生態系發展機遇。鴻海不是孤例，近兩年很多電子業相關公司都在慶祝50週年慶，遙想當年電子業生態系統是如何像地衣般全面鋪展開來的。 RCA黑白電視組裝廠設在1966年剛設立的高雄前鎮加工出口區（Export Process Zone；EPZ），之後有如增你智（Zenith）與摩托羅拉（Motorola）等公司的加入。加工出口區的設立當初是為解決台灣貿易逆差問題的手段之一。 1966年台灣的貿易逆差為約8,400萬美元，這個數目看起來似乎不大，但是在當年佔台灣32億美元GDP的2.6%。現在美國對全世界加徵10%的關稅，其主要目的也不過是要解決其佔GDP 3%的貿易逆差問題。 加工出口區的設立對於電子製造服務業（Electronics manufacturing Service；EMS）的開展有決定性的影響。除了在關務、稅收政策等方面形成肥沃的生態土壤，在全球運籌（logistics）方面提供必要支援，使得規模經濟得以持續擴張。這是台灣電子製造服務業發展的起點。

2007年初，交通大學校長換屆，資訊學院院長林進燈轉任教務長。新任校長吳重雨指示我接任院長，同年2月正式上任。任內我推動3項核心改革：首先，建立原資工與資科教授的共治機制，加速兩系融合；其次，創立聯席會議制度，將傳統三級三審的會議流程簡化為二級，大幅提升行政效率；第三，確立「應用型研究」為學院定位，並與電子資訊中心攜手推動大型產學合作，為學術與產業接軌奠定基礎。我始終強調「可執行性」的管理哲學：決策必須具體明確、務實可行。為消弭系所合併後的本位主義，我邀請前資科系主任簡榮宏出任副院長，曾煜棋為資工系主任，同時賦予各研究所所長副系主任職權，建立責任分明的治理架構。人事安排考量專業能力，同時兼顧系所平衡與長遠發展。在評鑑機制方面，我們選擇不參與IEET認證，僅採教育部評鑑為基準。作為當年全台唯一未參與IEET的工程學院，這項決策避免教研團隊陷入形式化文書作業。我堅信：「教授應將精力投入教學與研究，而非應付評鑑文書。」此理念獲得同仁廣泛認同。學院定位承襲貝爾系統（Bell System）應用型研究精神，強調技術落地與產業價值。當時台灣應用研究多集中在「發展」端，而美國「研用融合」的模式更具啟發性。為此，我邀請工研院資通所所長林寶樹擔任學院的講座教授，其於2009年接掌交大電資中心後，我們共同實踐「電資中心與資訊學院互為延伸」的願景：重大計畫由電資中心統籌、學院教授參與；一般計畫則由教授獨立執行，形成雙向研發循環。在產學合作方面，我主導成立中華電信在交大設立研究中心，並於日後擔任副校長時，將此經驗推廣至全校，創建校級研究中心制度。第一個校級中心是與聯發科共建的平台，接下來則有台積電、廣達、研華、華邦等指標企業相繼進駐。這些中心設有專屬行政窗口，簡化統整智財管理與財務稽核流程，使企業能視研究中心為其研發部門的延伸。同時，我們首創「研究生工作年資認定」制度，強化企業留才誘因，實現產學研三贏。進入AI時代，我認為資訊學院應與台南校區的AI學院深化整合：前者鞏固資通訊核心技術，後者注入AI研究能量。企業如今已從「工具應用」轉向「流程革新」的AI思維。2024年，華邦電子研究中心選擇落腳本院，正是看中AI驅動IC設計的跨界潛力。展望未來，資訊教育須超越技術傳授，著重培養2項AI難以取代的核心能力：批判性思維與原創性。唯有如此，學子方能在智慧浪潮中彰顯人類智慧的真諦，這正是我對學院發展的最終期許。

交大友聲雜誌《院長說院史》專訪歷任資訊學院院長。身為2007至2011年間任職的院長，我接受藍麗霞女士訪問，回顧從學院草創至系所整合的關鍵歷程。「故事要從2004年前說起。」我循著時間軸展開敘述。早在1997年擔任資訊工程學系主任時，我便注意到一項結構性矛盾：交大原有資訊工程系（資工）隸屬工學院，資訊科學系（資科）則隸屬理學院。自1994年併入新設的電機學院後，兩系在定位與角色上日漸模糊，不僅反映軟硬體學科間的不當分野，更直接影響招生策略與發展方向。儘管當時已有合併構想，但「電機學院下設大型資訊系」的框架引發疑慮，計畫始終未能實現。為尋求突破，1999年卸任系主任後，我專程拜訪華盛頓大學指導教授Ed Lazowska。該校資訊系的跨域發展模式印證我的想法：「資訊學科不該被動地附屬於電機體系，而應主動建構多元的研究範式。」Prof. Lazowska 更提出資料科學的運作，如何將學院算力放置雲端。這些前瞻見解在當年的台灣是聞所未聞，更進一步重塑我的思維。從2000到2004年，我一直宣揚一所獨立資訊學院的想法。在當時交通大學電機電子主導工程學科的架構下，推動資訊學院獨立無異於挑戰傳統體制。所幸在張俊彥校長與蔡文祥教務長的支持下，學院籌備工作正式啟動，由蔡教務長領銜規劃。受Prof. Lazowska啟發，我建議「一系多所」的創新架構：大學部整合為單一學系，研究所則依應用領域分設。這項打破常規的提案遭質疑，因為資工與資科兩系都怕被對方併吞，淪為二等公民。最終在蔡教務長的關鍵協調下完成合併。2005年8月，交大成立全台首座國立大學資訊學院，原資訊工程系與資訊科學系合併為核心單位「資訊工程學系」。回望當年，「一院一系多所」的設計不僅健全學院體質，也開啟跨領域合作的新路徑。學院成立後，我選擇退居幕後，未參與首任院長遴選。

當IBM Condor的量子位元數已經高達1,121個、Atom Computing Phoenix的量子位元數也已達1,180個，台灣的量子計算研發2024年才剛剛跨出5個量子位元的原型（prototype）量子計算機的第一步。 量子計算的量產也許不會在立即的未來發生，但是也不會太遠，至少目前各方矚目的PsiQuantum預計在2027年年底開始量商用的機型，並且在2029年達到全尺寸容錯（fault-tolerant）系統。 量子計算的商業應用有很大的機率如同人工智慧般產生巨大經濟價值而重新分配財富，而新財富的分配通常只限於創造經濟價值的參與者。以目前在量子技術核心量子位元（qubit）及量子閘（quantum gate）還遠遠落後前沿科技的開發進度，台灣在未來的量子世代還有機會在科技新世代分到相應貢獻的經濟價值嗎？答案是有可能的，而且已經悄然發生中。 看現在的人工智慧伺服器（AI server）便可以明白台灣會以怎樣的策略切入這明日之星的新產業。 其實台灣的產業幾乎沒做過基礎科研，除了台灣基礎科研的整體體量較小外，對於公司資源的配置，也有基於公司經濟尺寸的現實考量。 要在新領域獨占鰲頭，要做長時間、領域廣泛的研發投入，後者基本上是保險策略。極致的例子是IBM以前Watson Lab的風格，機構可以供養科學家以及研究經費做與公司業務沒有直接關係的基礎科研，甚至因為這些工作而獲得諾貝爾獎！ 台灣的公司絕大部分是中小型公司。即便像台積電在台灣排市值排名第一的公司，在本世紀之前也未能進入全世界前100大之列。因此對技術硏發的策略長期偏向於做短、中期的技術發展（development），題目的選擇與短期內訂單的可見度有明顯的相關。採用這樣策略的風險較低，資金的利用效率較高。以產業內較直白的話來說，就是不見兔子不撒鷹。 不從先期的基礎科硏下手、取得先行者的有利位置，卻冀望取得產業帶來的利益分配，靠的是什麼？答案是供應鏈。 一台量子電腦會大致有下列模組：量子處理單元（QPU；Quantum Processing Unit）、控制和讀取電子設備（control and readout electronics）、同相／正交混頻器（IQ mixer；In-phase/Quadrature mixer）和FPGA 板、低溫系統（cryogenic system）和真空系統、經典處理（classical processing）及回饋系統、軟體堆疊（software stack）、校準和診斷工具（calibration and diagnostic tools）等。這些模組各負責一些功能，譬如經典處理及反回饋統統中就包含經典伺服器及糾錯控制器（error correction controller）。 以IBM最近1,121位元的Condor這款發展過程中的原型機為例，零組件的數目大約在11,000~16,000個之間，供應鏈的公司數在150~200個之間，但這數目只適用現階段的原型機。如果是商用的機型，零組件數輕易會上數十萬，因為有些零組件會隨位元元數線性成長的。 對照於NVIDIA DGX GB200 NVL72的AI伺服器，其中也有10個出頭的模組，合計有大約100,000~200,000個零組件。雖然其中主要的GPU不是台灣設計的，但是晶片製造之後全在台灣。台灣AI伺服器的出口，2024年佔全世界93%，這是台灣在此領域150~200家供應鏈力量的展示，而這力量是沿承自90年代的PC/NB供應鏈。記得90年代PC/NB產業的口號嗎？除了CPU，我們什麼都有。供應鏈不是可以一蹴而就的，因此也很難突然被取代。 未來的先進計算，如果含量子計算，很大機率是包含AI伺服器的混合伺服器（hybrid server），而且現在的量子計算機就已經包含伺服器。 所以台灣合理、合時宜的量子計算發展策略就是依著沿PC、AI伺服器的供應鏈思路，以供應鏈的方式參與新產業的興起。 台灣的幾家電子製造服務公司（EMS）都已經開始踏入這個領域。有的從0開始，建立量子位元研發團隊；有的投資量子新創，同時建立公司內的量子團隊。如果沒法在最關鍵的研發領域領先，至少先暖身一下。畢竟量子不像傳統的電子產業，觀念上需要跳躍性的前進。 這樣做有異於不見兔子不撒鷹的傳統原則嗎？並沒有。產業鏈龍頭企業NVIDIA已經提出CUDA-Q的架構，也有報導在評估投資量子計算新創公司的打算。兔子已經在視線之內了，正是撒鷹時機。

軍事通訊技不斷精進，操作通訊系統的兵種就愈分愈細，最早只要一個旗兵。進入電子戰後，通訊兵的分工還挺細的。例如話務通訊兵負責發送訊號，而譯電通訊兵負責接收訊號。在體制上雖然是不同功能，但作戰時，可沒有那麼講究排場，話務和電譯就由同一位通訊兵包辦。這個兵種往往腦力操勞，要背誦一堆編碼，防止通訊的內容被竊聽。如何想出讓敵人無法破解的密碼，更是兵家必爭。第二次大戰時，德國使用Enigma加密機，配備於U-boat潛艇，行跡飄忽不定，在大西洋擊沉大量盟軍船隻，急得英國首相邱吉爾（Winston Churchill ）直跳腳。今日以自然語言AI技術模擬通訊者的生物特徵及說話特性，成為加密的金鑰，產生AI說碼人系統的發展是一個令人感興趣的領域。模擬通訊者的客製化特性，成為加密的金鑰，軍隊早已採用，是所謂的「說碼人」（Code Talkers）加密。說碼人其實是話務／譯電通訊兵，不同之處是他們像中國以前祕密幫派，會中兄弟談機密時，就說起「幫派切口」，旁人聽不懂。甲午戰爭時清朝曾以溫州話加密；第一次世界大戰時，美國採用巧克陶族（Choctaw）的印第安語傳送機密軍事訊息，成功地攻擊德軍。德、日兩國學到教訓，在第一次大戰後送一堆學生到美國學印第安語如Cherokee、Choctaw，和Comanche。美國軍方發現此一現象後，擔心德、日兩國有能力解碼，曾經考慮放棄「說碼人」制度。此時一位工程師，也是第一次世界大戰的退役軍人江士頓（Philip Johnston）建議以鮮為人知的納瓦荷語言來編碼。江士頓從小生長在納瓦荷印第安保留區，和納瓦荷族人交往，熟悉納瓦荷語言及習俗。納瓦荷的語言結構複雜，較以前的印第安語言更適合用於加密。經過江士頓展示後，美國海軍陸戰隊決定採用這個提案，立即徵召僱用29名納瓦荷族原住民，由他們開始編碼工作，總共使用411個字彙。海軍陸戰隊在第一層編碼上再以字詞取代（Word Substitution），做第二層的加密，例如「Gini」這個納瓦荷字翻成英文是「Chicken Hawk」，而真正的軍事用語是「俯衝轟炸機」（Dive Bomber）。第二次大戰期間美國總共動用400位納瓦荷族的說碼人，這個密碼一直到大戰結束，都未曾被破解。很諷刺的是，1861年時，美國白人將最早的旗語通訊用於和納瓦荷族的作戰，而在第二次大戰期間卻靠納瓦荷族來協助美軍進行作戰通訊，編入美國海軍陸戰隊。2002年電影《獵風行動》敘述1944年，美軍在太平洋塞班島戰場上，納瓦荷族說碼人的故事。這部電影點出很基本的人性問題。軍方必須全力保護「加解密機」，可是當說碼人這個「人肉加解密機」有落入敵人手中的疑慮時，必須先行毀滅。奉命執行毀滅任務的同袍如何下得了手？這個矛盾成為電影詮釋的重點。當前科技發展已經實現加密的自動化和數據化，不再需要人工的介入。然而，利用自然語言人工智慧（AI）技術來模擬通訊者的生物特徵和說話特性，作為加密的金鑰，這是否能夠強化加密的效果呢？AI說碼人系統的發展是一個引人注目的領域。通過應用自然語言處理和機器學習技術，AI能夠模擬通訊者的生物特徵和說話風格，成為加密的關鍵。然而，要建立一個全面且安全的說碼人系統，需要深入瞭解特定語言、方言以及文化背景。此外，發展強大且安全的通訊系統還需要考慮超越僅透過文字互動可以實現的因素。目前，AI說碼人系統的發展仍需更多的研究和努力。

相較於目前大語言模型應用絕大部分在雲端伺服器上推論，Edge AI（邊緣AI）強調在裝置上獨立執行AI模型。這種架構差異在於：可大幅降低因網路傳輸造成的延遲，確保即時反應，即使在無網路離線下也能運作；資料不上傳雲端，確保資料私密與安全性。Edge AI有機會滿足許多新應用場域中對低延遲、高私密的關鍵要求。這半年來，透過技術突破、產業需求，以及發展軌跡，我們看到Edge AI的產業輪廓，正逐漸形成。模型演算法的高度競爭使得Edge端可用的AI模型愈來愈強大。近年來出現許多參數量在13B～70B級的精簡模型，透過知識蒸餾、量化壓縮、模型剪枝以及多專家混合（MoE）等技術，這些小模型在使用較少參數的同時還能大幅提升性能，縮小與大型模型的差距 。同時也配備了各種終端應用極度關鍵的推理（reasoning）能力，包括控制、決策、因果、規劃等。SoC與記憶體規格配置同樣是促成Edge AI崛起的要素。目前主流高階智慧型手機、NB的NPU（AI運算核心）已經接近100 TOPS，足夠讓這些終端模型每秒生成數十個token（語意單元），滿足應用場域（文字、語音對話）的生成品質要求。同時，透過低位元精度（如8或4位元）來表示模型權重，有助於大幅降低總位元數，使現有記憶體配置即可支援終端AI推論，釋放AI從雲端走向終端的巨大潛力。另一方面，各大廠商也在其晶片產品藍圖中，明確規劃未來的算力提升，進一步強化Edge AI可行性與效能。在初期應用情境中，智慧型手機成為Edge AI生態重要橋樑。手機不僅是首批受惠於AI能力提升的裝置，更自然作為雲端與各類在地智慧裝置之間的橋梁。透過手機，無線耳機、汽車、AR眼鏡等裝置都能與雲端和手機上的AI模型連動，實現多模態的Edge AI應用。例如，耳機可使用手機（AI模型）即時翻譯語音，車載系統可依靠手機輔助娛樂訊息，眼鏡則利用手機處理視覺、語音任務。智慧手機作為隨身超級終端，串聯各種周邊裝置，歷史軌跡也告訴我們，當網路封包（packet）的成本逐步下降，通訊功能便普及至各類終端設備。10年後（2017 年），行動產業達到高峰，無論是應用生態系或硬體供應鏈都蓬勃發展。同樣地，隨著token成本不斷下降，AI 能力延伸至新型態終端設備，觸發全新應用場景，也是值得期待。延伸報導專家講堂：鑑往知來：packet（網際網路）vs. token（大語言模型）垂直產業中也聽到應用面需求。過去手機SoC供應商的技術團隊，首要工作是優化品牌手機中相機應用的智慧功能，但從2024年開始，優化手機中LLM執行效率，成了品牌客戶的關鍵需求。工業場域中，也對於推理功能加速決策效益，工業機器人的執行效率多所期待。過去幾年，NAS在中小企業中大量採用，年複合成長率超過 15%，顯示這類用戶對資料管理與在地運算的高度需求。如今，這些用戶也期待能在終端設備上，享受到大型語言模型所帶來的自動化與知識管理功能。近來市場數據也顯示Edge AI正逐漸萌芽。在最新的季報中，蘋果（Apple）新款M4晶片強調AI效能，推動2025年第1季Mac營收年增15.5%，更值得注意的是，新晶片也在2024下半年吸引新用戶進入蘋果體系。高通（Qualcomm）因手機與車用AI需求激增，手機業務創新高，汽車業務更年增55%，公司也宣稱「Edge AI是未來業務成長主要推力」。NVIDIA的Orin車用AI平台單季營收年增103%，並與聯發科合作布局一系列全新終端SoC。晶片設計商與設備供應商正從Edge AI中實際獲利。也同時看到OpenAI 以約 65 億美元的全股票交易方式收購了由前蘋果首席設計長 Jony Ive 共同創立的 AI 硬體新創公司 io。這股趨勢Edge AI已從概念走向實質商業成長。儘管前景看好，Edge AI推廣仍面臨多重挑戰。首先是應用場域的擴展：用戶需求差異極大，不同行業與裝置對模型大小、功能要求各異，業者須在通用性與客製化間取得平衡，如何取得具泛化能力的精簡模型，解決場域問題，至關重要。其次是功耗與效能的權衡：終端裝置受限於電池與散熱條件，高複雜推理恐導致過熱與續航縮短，對晶片設計與電源管理設下更高要求。再者，生態系初期碎片化，硬體架構多、軟體缺乏統一標準，讓開發者必須針對各平台個別調適，增加成本與阻礙創新。這些挑戰若未克服，恐將削弱Edge AI的經濟性與可擴展性。不過，回顧行動產業的發展歷程，也為今日的Edge AI前瞻團隊提供寶貴借鏡。