DIGITIMES - 椽经阁

NVIDIA GTC 2018观察（二）：深度学习市场的期待

接续在GTC 2018的观察。这个在硅谷圣荷西举办，近年来人工智能（深度学习）技术最火热的产业会议，今年人数爆增到8,500人。

NVIDIA GTC 2018观察（一）：超越摩尔定律的是？

GTC是NVIDIA主办，已经历时10年的技术会议，在总部附近的圣荷西会议中心举办，展示突破性的软硬件技术。过去是高速运算、电脑游戏相当重要的产业会议。近年来更是人工智能（深度学习）技术相关最火热的产业会议。过去5年来，报名人数由2,000人增加到8,500人。

东风吹，战鼓擂，如今世上谁怕谁？

美国政府祭出杀手锏，规定7年内不得出售技术、零件给大陆的中兴通讯。而令人意外的是，中国官媒高度自制，甚至有评论直指中兴可能在几周内破产！

人工智能与人形机器人

机器人(robot)由于语言上可能的歧义，常常带来多层次的误解。最常见的误解是与人工智能的连结。虽然在维基百科关于robotics这一词条中的确有人工智能的叙述，但是机器人与人工智能的真正连结是21世纪后的事；应用狭义人工智能的技术于机器人，更是最近几年的事。像是商业应用最成熟的生产制造机器人与执行危险任务的机器人－如拆弹机器人，过去人工智能的成份相当稀薄。

矽光子芯片需求时点渐现

矽晶电子微缩逐渐趋于缓步，眼前面临的问题除了逼近物理尺度极限外，还有功耗发热的大问题。逼近物理极限尺度的问题只能诉诸于材料科学的进展－譬如二维材料；另一方面，功耗发热的问题其实困扰半导体已久，只是于今尤烈。

臺湾与三星的关系进入微妙的「竞争空窗期」？

不久前三星高层来访，三星邀我餐叙，并希望我分享三星如何与臺湾建立更友好的关系。根据我们所掌握的三星财报數據，2017年三星电子的营业利益约500亿美元。其中，半导体的贡献值高达330亿美元，对整体获利的贡献率高达67%。其次为资通讯设备(手机为主)的22.4%，以及显示设备事业群的10%。

半导体先进制程研发与二维材料

在刚过去的CSTIC2018会议上，FinFET的发明者胡正明教授发表了题为《Will Scaling End？What Then？》的演讲。先说他的结论：1.制程微缩会变得缓慢。2.成本－功耗－速度会由创新的方式来改善。3. IC产业因要满足世界对智能科技的渴求还会持续成长。1和3的理由比较容易想像：制程的进展已接近物理极限，一个原子只比0.1nm大一点，3nm不过只是20几个原子，而且有些复杂一点的化合物，譬如可能用在SOT (Spin-Orbit Torque) MRAM的拓朴绝缘体(topological insulator) Bi2Se3，一个单元细胞就有6nm厚，说制程已经逼近物理极限一点也不为过；人工智能芯片与大量机器学习所需的存儲器正是驱动这两年半导体迈向新高的动力，而且势头方兴未艾。

量子电脑的应用

最近Google发表了72位元量子电脑Bristlecone，科技新闻多加了量子霸权(quantum supremacy)的注脚。量子霸权一语有点误导，量子计算只在特定的演算问题BQP(Bounded error, Quantum, Polynomial time)上相对于2进位von Neumann架构传统电脑有优势，而且在有些问题的优势只是平方倍(quadratic)，有些才是指数倍(exponential)的优势。但无论如何，量子电脑在BQP问题上有优势是没有疑义的，这也定义出量子电脑的应用方向。

泛人工智能的技术领域

早期（1950年左右）的人工智能研究因为技术及环境碰到瓶颈，一直未能落地。直到这几年「深度学习技术」突破之后，「人工智能」又再火红回来。目前大众媒体将电脑做智能分析（或决策）的相关服务都统称为「人工智能」（AI），这是一个偏行销的用词。而其中的关键技术，一般称为「机器学习」(Machine Learning)，有数种不同的子领域，在1980年代开始已陆续实现在一些预测、推荐、分类的应用。因为數據（e-mail、网页、产品、文件、數據库、等）逐渐增多之后，自然需要更聪明的功能。根据需求以及可得的數據，电脑科学家尝试去「逼近」某些「智能方程序」。

MRAM发展的震撼弹

年初在《Nature communication》上日本东北大学大野英男(Hideo Ohno)教授的团队发表一篇关于MRAM磁各向异性能(MAE；Magnetic Anisotropy Energy)的论文，对整个半导体业丢了一个震憾弹。大野英男是MRAM领域的前驱人物，现在仍然活跃在研究的最前沿。已进入量产工艺的垂直自旋转矩移转磁性随机存取存儲器(pSTT MRAM)就是由他们团队最先展示的。