中国工信部宣布DUV信息的同时，上海微电子也发布其2023年申请的EUV专利、2024年9月专利申请公开的消息。延伸报导专家讲堂：中国曝光机发展现况：DUV上海微电子的EUV使用的也是现在商业主流的二氧化碳（CO2）雷射，波长为10.6納米。钖的液滴（droplet）先用钕钇铝石榴石雷射（Nd:YAG laser）打成圆盘状后，再被CO2雷射离子化（ionized）变成钖电浆（plasma），然后其外层电子向低能量态跃迁（transition），释出波长约为13.5納米的光子。之所以要用如此复杂的工序来产生EUV光源，是因为在此波长没有自然的物质的能阶差可以产生如此短的波长。选择13.5納米是因为波长再短一些，就变成X光（0.01納米～10納米）。EUV也很可能是矽基半导体技术的最后一种光源。矽的共价键（covalent bond）长度为0.543納米，而要形成一个块材，至少也要有10几20个原子，否则界面的效应就会严重影响电子于其中的行径。13.5納米光的分辨率以及应有的工程努力如加大数值孔径等—最多再加上多重曝光—要处理这样的临界尺吋尽够用了。所以上海微电子的专利的权利请求（patent claim）主要在光源之外的系统。至于原型机或量产机型的交付，没有官方宣布或较正规新闻。2024年12月30日哈尔滨工业大学因「放电等离子体极紫外光刻光源」工作获得中国黑龙江省的科技创新成果转化大赛的一等奖。这奖只是地方奖项，能引起后续新闻报导自然是因为它牵涉到EUV的光源产生。它产生光源的方式与前述的以CO2雷射来离子化圆盘钖滴粒，借以产生13.5納米光源的工作方式—雷射产生电浆（Laser-Produced Plasma；LPP）不同，它是施加高电压借以离子化钖滴粒产生13.5納米光源，此种方法称放电产生电浆（Discharge-Produced Plasma；DPP）。报导中说它产生的线宽较窄（narrow linewidth）—也就是所有光的波长较集中于13.5納米、功耗较低。二者说法都有误导之嫌。LPP与DPP产生的EUV光都不是相干的（coherent）。如果硬要比较的话，LPP产生的光线宽较窄，但二者均可以经滤光器（filter）将线宽控制在可接受范围内。而DPP的原始功耗较低，恰恰好成为当初与LPP竞争成为EUV光源候选人时未能雀屏中选的主要原因。在相同的能源转换效率（energy conversion efficiency）条件下，光源较高的功率输出代表较强的光亮度（light luminosity），可以用较短的时间完成曝光，提高曝光机吞吐量。DPP EUV能量的提升（scale up）较为困难，因此用来当量产机臺的光源挑战也更大。最后是在2025年3月在《中国激光》期刊上中国中科院上海光学精密机械研究所由林楠领导团队所发表的〈1um激光激发固体Sn靶等离子体EUV幅射特性实验研究〉。林楠曾服务于ASML光源团队，对此题目的产业商业化考虑应该十分熟悉。文章中的1微米固态雷射（solid state laser）使用的就是前述用来将钖滴粒打成盘状的Nd:YAG雷射。固态雷射由于其体积较紧致（compact）、电光转换效率（electrical-to-optical conversion rate）较高（~20%），而且目前输出功率已达千瓦级，未来可能可以提升至万瓦级，有望取代CO2雷射，成为驱动EUV的主要雷射。文中指实验的能量转换效率已达3.42%，若用已商业化的1kW固态雷射，已可来做曝光验证、光罩检测（mask inspection）等工作，并且在一定条件下，进一步用于先进节点的临界尺度以及疉加精度的量测。也就是说，这是一个未来EUV机臺的研究起始点。产业此时的现实考虑是从CO2雷射波长10.6微米转换成Nd:YAG雷射波长1微米对于光源次系统是一个全新的转换，所有的工程工作必须重新来过，而且CO2雷射用于LPP EUV商业化已久，目前的成本远低固态雷射的。所以这个工作更倾向于对未来可能发展方向的研究准备，对于目前的先进制程的突破，短期间内是使不上力的。近期的这些报导距离真正的工程实施都有相当的距离，进步也比较片面。一个EUV曝光机包括EUV光源、光学系统、真空系统、光罩版臺及夹具（reticle stage and clamping）、晶圆臺（wafer stage）、热管理（thermal management）、计量和傳感器（metrology and sensors）、控制电子设备（control electronics）以及軟件及韧体（firmware），大大小小的零组件计100,000个以上，其中很多零件是专为EUV机臺量身定制的。建立此一庞大、复杂、精确的供应链队伍的难度，可能更甚于对单一技术课题的突破，我认为这是中国在发展自有曝光机的最大挑战。

在中美贸易战中，美方施力的重点在于箝制中国高科技的发展的进程，特别是半导体、人工智能和量子计算，而前二者息息相关。 在半导体方面，美国的管制近乎遍及全产业链，从设计工具（EDA）、产品、制程设备乃于材料的禁运，中国自然是以国产替代以提高自给率，这也是涵盖全产业链的回应。 中国在半导体设备领域的弱点包括电子束测试机（e-beam tester）、离子植入机（ion implanter）和曝光机（lithography equipment）。 电子束测试机是量测机臺，基本上是用来侦测除错，不是制造过程的一部分。离子植入机—特别是高能量（~1MeV）的，对于高压碳化矽（SiC）MOSFET的制程至关重要。现在的电动汽车电压已早从600V迈向800V、1200V。没有高能量离子植入机无法制作车规高压功率元件，对于中国电子产业的零件自制率影响巨大。 最令人关注的自然是曝光机（lithography equipment）。曝光机的能力代表先进制程的终极分辨率（resolution），又与先进技术节点（technology node）直接相关。先进制程的主要应用之一是与算力高度相关的各式XPU，特别是专注于人工智能应用的GPU；另一个应用也是在人工智能芯片架构中的高帶寬存儲器（High Bandwidth Memory；HBM）。 从2024年9月起，中国就陆陆续续的传出各式曝光机进展的相关消息，对于全世界的半导体产业，这自然是头等的新闻焦点。 首先是中国工信部指导目录中的DUV曝光机，在2024年9月公布。 本质上，这就是一臺干式的DUV曝光机，光源是氟化氩（ArF）的准分子（excimer）雷射，氟化氩雷射波长为193納米 。 此曝光机的分辨率为65納米，如果假设系统中其他性质都已达最佳化，则其物镜（objective lens；系统中用于收集光线、用以呈像的主要透镜）的数值孔径（NA，愈大分辨率愈好）推算起来大概是0.75。如果要进一步改善分辨率，还要经过另一阵子的努力以达目前产业前沿水准0.93的数值孔径。也就是说，在光学系统的发展目前还处于较早期阶段。 至于其叠加精度（overlay accuracy；上下层图案的对齐精度）为8納米。要能产生65納米临界尺吋（Critical Dimension；CD）的制程，上下层的疉加精度要达临界尺度的20%左右，也就是13納米。如果要做双重曝光（double exposure），则叠加精度必须提高到13/2納米=6.5納米。显然此臺曝光机目前的分辨率就是65納米，而且无法透过双重曝光的手段进一步提升制程的分辨率。 再往前的路，除了前面所述在物镜的数值孔径需持续提升之外，另外还需要往浸润式（immersion）方向移动，利用水的折射率（refractive index）1.44较真空的折射率1为大的因素，提高曝光机的整机分辨率，这样才可能达到28納米的分辨率。至于像FinFET这样的精密元件，部分制程就要动用到双重乃至于多重曝光。浸润式曝光机使用新机制以改变波长，自然要面临新的问题，譬如水的纯净度的控制以给水温均匀恒定的维持等。这个部分自然也有机构早已从事研发，譬如中国中科院长春光学精密机械与物理研究所正在开发的数值孔径为0.8的浸润式物镜；承担浸润式曝光机的光源攻关任务的是中国中科院光电院、微电子所孵化出来的科益虹源；电源模塊则是由中国中科院安徽光机所的团队承担开发任务。多梯次技术平行开发是可以想像的技术发展方式。 自2023年以来偶有上海微电子已开始交付其28納米浸润式DUV的新闻，机型为SSA/800-10W，叠加精度为1.9納米，最近一次的传闻为2025年1月7日交付。惟上海微电子公司产品目录无此型号，没有官方发布，亦无可靠媒体报导。根据其型号中的10W字样，此机型最多为原型机，因为其光源能量不足，无法支撑量产所需之吞吐量（throughput）。这条工信部指导目录的消息没有公司送原型机（prototype）到晶圆厂用在線制程调适机臺的后续报导，所以出货与否未可知；而且从原型机到量产机，总是要有好些时日。 至于前一代的90納米 DUV机臺已自2022年交付过几臺，初期主要的问题是系统不够稳定、down time太长、因光源功率不足（20W）致使设备吞吐量太低。所以，这条新闻对于中国积极发展曝光机国产替代的意义要重于先进技术的实际突围。

从20納米以后，DRAM制程开始龟速前行。从19納米到11納米之间，以每次1~2納米的速度进展，跌跌撞撞地经历1x、1y、1z、1a、1b、1c以及未来的1d，共计7个制程。虽然现在仍使用平面（planar）DRAM制程，却早已经大幅的利用与晶圆垂直的第三维度，使得DRAM在效能、功率上，还能有实质的提升；在芯片的密度上进展比较迟缓，看来有点鸡肋，但是对于有些应用—譬如高频寛存儲器（HBM），稍为提升密度还是有实际用处的。要达到HBM每个時代的存儲器容量标准，只有特定的制程時代有能力提高到如此高容量的存儲器芯片。但是在每位元成本方面，制程的推进因为制程变得复杂，对于降低位元成本已毫无贡献。以三星电子（Samsung Electronics）现在的1b制程为例，就使用5层EUV，因而所费不赀。DRAM市场短期内不会平白消失，但是如果其制程推进还是继续如此缓慢，仍然会逐渐失去其高科技产业的特性；高科技产业之所以能获取高额的利润，是因为其科技的快速推进可以重复运作。现在DRAM制程的缓慢推进、乃至于停滞是DRAM业者共同的梦靥。10納米以下，目前各DRAM业者共同的技术推进方向大致是3D DRAM，只有三星会在1d制程之后试图导入垂直通道晶體管（Vertical Channel Transistor；VCT）。垂直通道晶體管基本上是将晶圆上平面晶體管的结构竖著长，减少每存儲器单元的底部面积，从传统的6f2缩小为4f2，其中f（feature size）为半导体制程的特徴尺吋，譬如半金属间距（half metal pitch）。这样的制程推进，大概稍大于10納米级制程推进一个時代的效益，然而这只是一次性的方法—下一步可没另一个方向可以再利用了。最主要的是垂直通道晶體管与未来的3D DRAM制程完全不沾边，研发的努力只能使用一阵子。因此并不是所有DRAM公司都做此想。3D DRAM的引入第一个问题不是为何要引入3D制程，而是为什么到此时才引入3D制程？毕竟所有的DRAM大厂都有3D NAND的技术。当2013~2014年3D NAND技术开始被引入时，DRAM的制程也早已在25~20納米左右，即将进入龟速前进的10納米级制程年代。用已经成熟的3D制程技术来推进举步维艰的DRAM制程似乎是理所当然。问题还是出在DRAM的结构上。一个线路要能够用3D制程来制作，有几个先决的条件。首要的是线路要有高度的重复性，无疑的，存儲器的阵列是3D制程应用的首选。在此点上，DRAM是符合的。再来是各层存儲器之间要有可以共享的材料。以TCAT（Terabit Cell Array Transistor）3D NAND的技术为例，各层之间存儲器单元的闸极控制（gate control）材料复晶（polysilicon）以及电荷陷阱（charge trap；用来储存NAND信號的单元）材料氮化矽（silicon nitride）是可以在各层之间共享的，因此垂直方向的制程整合相对简单，32层的存儲器可以用4、5层光罩来完成。但是3D DRAM的结构就没有这么幸运，电容部分必须完全隔开以避免存儲器单元之间的信號交谈（cross talk）；通道部分因为DRAM追求高机动性（high mobility），不能用在高宽高比深沟中的轻掺杂（light doped）复晶做半导体，各层存儲器之间可以共享的材料只有字线或位元线，端看3D DRAM是要求垂直制程的简化或面积的极小化。另外，DRAM效能远比NAND为高，所容许的信號延迟（latency）很低。各层存儲器之间因紧密相邻所产生的感应电容（induced capacitance）等效应都会降低DRAM的表现以及信號的协同，因此3D DRAM的确比3D NAND的工程问题要复杂得多，这也解释为何3D DRAM制程迟迟没有上路。无论如何，DRAM产业维持高科技产业特性除3D DRAM外已几乎没有前路，譬如以前在文献中经常被提及的无电容（capacitorless）DRAM，其數據保留时间（data retention time）远不能与目前的DRAM相比。2023年7月长鑫在IEEE的International Memory Workshop发表其对3D DRAM的规划，三星也在同年的Symposium on VLSI Technology and Circuits发表其3D DRAM的技术论文。可见关于3D DRAM的议题各公司早已准备很久，只是研发结果发表的时机及场合各有考量罢了。根据长鑫的设计，2D DRAM的电容—晶體管垂直堆叠的组合在3D DRAM中就被横摆著成为一层中的一个存儲器单元。长鑫模拟出来的存儲器单元有多大呢？横躺的电容约500納米、晶體管200納米，加上字线和位元线，一个存儲器单元横方向的尺度接近1微米。长鑫采取的制程是字线垂直到下边的接触平面，这个做法会让存儲器单元的面积稍大，但是垂直的整合制程会比较简单。在技术发展的初期，先做出来再做好是合理的策略。至于存儲器阵列旁的周边线路（peripheral circuits），师3D NAND的故智，会在另外的芯片上制造，然后用混合键合（hybrid bonding）与上层的单晶（monolithic）存儲器多层阵列封装在一起。字线和位元元线的金属间距都是70納米。用以前DRAM制程定义半金属间距来看，这个起始制程大概就是35納米节点，与3D NAND刚开始时的30~40納米制程相彷。这样的3D DRAM堆叠32层后，所得的存儲器容量与1b的2D制程相彷。堆叠64层后容量就与10納米以下第一時代制程0a相彷。这个堆叠是个可以重复的进展，DRAM的高科技产业属性因此得以维持。目前有发布大概推出时程的是三星，大概在2026~2028年之间，与2D平面制程会并存一阵子，这与3D NAND刚出来时的策略也相同。假设3D DRAM的确是可行的技术，有2点值得评论。第一个是高帶寬存儲器是否会沿著目前的方法向前推进？目前的HBM是多个DRAM芯片以先进封装堆叠以达到较大容量，其中先进封装的费用占总成本的相当部分。如果存儲器容量可以用单晶的3D制程来增加，成本有可能降低。但是这是比较长远的事。另外一个议题有关于地缘政治。长鑫在其文章中说是业界第一次揭露3D DRAM技术，其实业界各自默默研发都很久了，但是长鑫对于3D DRAM的应用可能会特别有感。一方面目前长鑫的制程大概在1z节点，与领先公司有2、3代的差距。开始采用3D DRAM制程，可以快速拉进距离，毕竟那是一个新战场。最重要的是3D制程中，技术的重心将从光刻搬移至蚀刻，这是长鑫在EUV资源受制约的状况下，最可能的突破口。所以各公司3D DRAM制程的实际发展状况和开发能力外界也许看不清楚，但是长鑫比较有可能投入较多资源是合理的预期。

DRAM在1970年问世，取代以前的磁芯（magnetic core）存儲器，成为计算机冯诺伊曼架构中的一个重要模塊。在1984~1985年之间，因为个人电脑及工作站的兴起，DRAM变成半导体市场中市占最大的单一产品。 因为DRAM制程的进展直接决定存儲器容量，以及DRAM有较大的市占，有能力累积足够的资金以投入下時代的制程研发，DRAM自问世以后就成为摩尔定律主要技术推手（technology driver）。肇因如此，自1980年代后陆续投入半导体产业的日本，以及其后的韓國、臺湾，许多公司都选择投入DRAM此一次产业，因为这代表投入半导体产业中最先进的制程。 但是DRAM的制程领先地位在2000年初不久之后首先被NAND超越，之后逻辑制程又超越NAND，成为半导体制程技术的驱动者。 DRAM开始偏离摩尔定律并不是之前促使DRAM成为技术驱动者的因素消失了。事实上，到2024年为止，存儲器仍稳占半导体市场的4分之1左右，而是DRAM的基本结构在20納米以下遇到尖锐的挑战。 DRAM的存儲器单元（unit cell）结构为1T1C，亦即一个读取晶體管（access transistor）和一个电容。选电容当成信息储存单元天经地义－电容是电路三元件电阻、电感、电容中的一员。 电容上电荷的有、无代表信息的「1」和「0」，需要读、写电容上的信息时，就开启读写晶體管。基础物理教育告诉我们电容上的电荷，即使维持电容两边平行电板（parallel plate）的电压差不变，电荷也会随著时间逐渐流失。电荷流失的速度与两片平行电板之间的距离成反比，与平行电板的面积以及在平行电板之间物质的介电常数（dielectric constant）成正比。因为电容上的电荷会随时间流失，所以电容上的信息必须经常更新（refresh），目前DRAM中的信息刷新时间为64ms。 为了要控制个别的记忆单元，每一个单元的晶體管的闸极（gate）连有字线（word line），施加电压后可以让晶體管处于开启状态，可以用来执行读、写或更新的操作；位元线（bit line）则连接晶體管的汲极（drain），将自电容通过已开启晶體管的电荷送到傳感放大器（sense amplifier）侦测0或1的信號。如棋盘线交错的字线和位元线可以准确定位一存儲器单元，让周边线路挑选以读写其中信息。以上就是DRAM运作的大概架构。 DRAM制程持续推进的挑战，也正源自于这1T1C的架构。制程微缩的方向，与DRAM使用的晶體管以及电容所需的物理特性是朝反方向走！ 首先遇到的是电容值的问题，2000年左右的电容值必须保持在40fF（femto Farad）左右，那时的电容已开始利用芯片上的垂直方向此一维度，电容要嘛挖成深沟（trench）状，放在晶體管旁的下方；要嘛堆垒成圆柱状（cylinder or pillar），置于晶體管上方，也就是利用垂直于芯片的方向面积的延伸来增加电容的面积。 但是制程的微缩会让圆柱的底部缩小，电容的面积因而减少，电容值也会随之降低，所以必须增加电容的高度，以增加电容的面积，借以维持电容值在一定的数值以上。以10納米级别制程为例，电容值必须维持在10~20fF以上。 但是减少圆柱底部面积、增加圆柱高度，就是增加圆柱的宽高比（aspect ratio），这会造成蚀刻制程的难度，圆柱底部较尖锐的形状也会造成新的电性问题，所以宽高比就停留在1：50，难以再推进。 至于晶體管，存儲器的与逻辑线路的注重不同的特性。逻辑晶體管注重效能（performance），也注重漏电流（leakage current）及其它特性；DRAM晶體管首重漏电流，因为这对电容保存信息的能力是致命。 晶體管存在漏电流的原因之一是栅极感应汲极泄漏（Gate Induced Drain Leakage；GIDL），指的是在栅极的位势（potential）高于汲极的位势时，即使晶體管处于关的状态，电流仍然会从汲极泄漏流向衬底（substrate）。 这个问题是历年来DRAM制程推进都要面对的问题，而且愈来愈严苛。 DRAM近年应对这个问题的措施包含在晶體管结构的变更，包括凹槽式通道阵列晶體管（Recess Channel Array Transistor；RCAT）、鞍鳍晶體管（saddle-fin transistor）、具有闸极工作功能控制（gate work function control）的埋栅（buried gate）晶體管等结构。 但是制程微缩也是朝不利于漏电流控制的方向移动。由于晶體管通道变短，于其上的闸极对于通道上的电流操控能力变弱，这就是短通道效应（short channel effect）。漏电流的降低也高度挑战制程研发。

从信息技术演进的历程来看，过去数十年来互聯網（Internet）的核心传输单位—封包（packet），与现今AI时代的大型语言模型（LLM）生成单位—语意单元（token），在基础设施、商业模式发展上呈现出明显相似性。透过回顾packet的发展路径，我们可以摸著石头过河，描绘出token相关技术的潜在演进轨迹，并预判其在产品形态、服务模式与产业价值链上的可能样貌。何谓封包（packet）？封包是互聯網數據传输的最小「信息单位」。所有透过網絡传输的信息（不管是信件、语音、甚至影片串流）都被拆解为多个封包，每个封包内含传输信息等重要信息，确保數據在庞大复杂的互聯網中，正确无误地抵达目的地。过去数十年，網絡基础设施的投资便是围绕封包品质的确保（如错误重传机制）、提升传输效率（如帶寬升级、數據压缩），以及整体系统吞吐量（throughput）的扩展而展开。正是如此，过去三十年来，我们才有日益丰富的網絡服务，如信息沟通、电子商务、社群媒体、影音娱乐等。而在LLM中，token则成为关键「智能单位」。语言模型在处理自然语言时，将一段文字信息拆解成多个token，每个token代表不同的语意片段，经由模型运算后再组合（生成）为有意义的内容。与封包相似，token的数量和生成效率直接影响运算成本以及使用者体验。例如，过去3年AI运算基础建设投资的大幅增长，就是为了确保LLM模型的能力（token品质）以及服务品质（token生成效率），甚至近期边缘装置上token处理能力的提升，也正逐渐颠覆AI应用的场域边界，向更多元、實時且全新的场域扩张。单看过去三十几年互聯網packet的发展，我们发现token也在走类似的进程。不管是基础建设，或是3个技术优化方向，包括「品质保障」、「效率提升」，以及整体「系统吞吐量的扩展」。品质保障：網絡早期透过TCP/IP协定来确保封包传输的正确性，而LLM则透过scaling law加大模型、使用更多训练數據，甚至后来以思维链（Chain-of-Thought；CoT）为基础的推理技术，确保生成的token内容正确且提供高品质推理服务。效率提升：随著帶寬提升和數據压缩等技术的成熟，封包传输成本大幅降低；同样地，token处理成本亦透过模型蒸馏（distillation）、量化（quantization，使用较少位元表示数值）、KV Cache等张量（tensor）降维压缩，或是使用更有效率的架构（如MoE）来降低运算量，甚至有机会使大模型有效地运行于终端装置。系统吞吐量扩展：过去互聯網透过光纤技术和提升边缘设备（交换器、路由器等）大幅提升數據传输量,或是使用内容传递網絡（CDN）等技术提高封包全局效益；在LLM领域，數據中心的垂直扩充（scale-up，提高算力、存儲器等提升单一服務器效能）与水平扩充（scale-out，高速網絡连结、排程提升分散式系统效能）、或是采用云端—边缘混合架构（Cloud-Edge-Hybrid）等，实现整体系统更高的token处理吞吐量，满足未来多元且實時的应用需求。循著过去互聯網发展的主轴，我们可以预见AI技术即将引爆的下一波变革—智能「去中心化」（普及化），低成本token开始在终端设备上运行。情境将如同2007年移動網絡兴起之际，packet进入移動設備，催生智能手機，也推动Uber、LINE等全新服务的诞生，引爆长达十数年的移動生态系蓬勃发展。互聯網数十年来最佳化packet传输技术，带动網絡服务的快速普及，特别在移動網絡时代，我们见证大量新应用与商业模式的诞生。这段历程也为观察生成式AI提供重要参照—当前token的品质提升与单位成本下降，正如当年packet优化所引发的技术扩张与资本投入，预示著新一波智能设备与创新应用的兴起。随著token处理成本持续降低，AI有望成为如網絡般的关键基础设施，深刻重塑产业结构。近来多个开放LLM模型在效能与成本上的突破，更强化LLM商品化与大规模应用的趋势。未来如何因应？过去的历史已经显明，在技术变革时，应以开放的态度，极力接近实际场域，理解技术应用发展方向，甚至与合作伙伴共同设计开发，参与组建生态系。更积极的作法，是投资（国际）学研单位，甚至新创团队，理解新的场域应用，以及技术演进。鉴往知来，回顾packet的发展经验（许多企业经营层也曾亲历其境），将使我们更有效地掌握token所带来的颠覆性机遇。对信息电子产业的投资者与决策者而言，更是攸关未来竞争优势的关键课题。每一次产业典范的转移，总会带来新的硬件、服务、企业、生态系，甚至整个产业格局的兴起与殒落。当我们已清楚AI大模型即将重塑未来十年的产业样貌，或许网际（移動）網絡曾走过的历程，正可作为产业AI战略规划的重要借镜。

留一个伏笔，掌握最后的生命线。意思是你如果不够强大，像是乌克兰人一样，手上没有一张像样的牌，那你就等著任人宰割了！臺积电董事长魏哲家说，盖一个厂大约需要2.5年，而且这是在水电、土地不缺的情况下。要盖3納米的工厂，一次三条线，如果能调整到符合客户需求大概要5年。例如硫酸等化学材料，在美国购买的话是5倍的价钱，从臺湾运到洛杉矶，再用卡车送到凤凰城，这样还便宜很多，如果您是企业家会如何算计呢？当年在亚利桑那州帮英特尔（Intel）盖厂的那一批人，早就不知去向了，工人、施工机构都要从亚利桑那州以外找，再碰到每个州的立法条件不同，光是1.8万条的法规修正就花了3,500万美元，可以想见在臺湾以外的地方设厂，难度比大家想像的更高。这一路相随的是帆宣、益登等这些臺湾设备公司，帆宣董事长高新明说，我们早就等在亚利桑那州了，臺积电要什么都全力配合。对比美国高高在上的要臺积电去美国投资，日本却是戒慎恐惧的深怕臺积电不高兴，臺日之间的互动，从以往日本人俯视的角度，换成平起平坐。但日本厂有更大胜算的关键，是日本的产业文化与本土产业需求。过去臺积电确实也可以从日本拿到不少订单，但以后就近供应，而且Sony、电装（Denso）那些参与投资的日本公司都是长期经营的业者，两者合作是臺日双赢。在臺积电决定再加码投资1,000亿美元时，川普（Donald Trump）改口说：「算他们厉害」。但不是臺积电厉害，而是臺湾无论在地缘政治或科技产业发展的路径上正处于要冲，这种「要害」地位才是让臺湾不可或缺的关键。川普不是因为爱臺湾而松手，是因为搞不定臺湾才放手的。那什么样的情况川普会松手、放手呢，如果臺湾「认怂」，或者不知死活，那么美中都会把臺湾当弃子打！MAGA现在是全世界的人共同的理解，但我们都知道川普理解的「美国再度伟大」，背后是美国优先、美国唯一。我常说，美国是以科技为利器，以金融、军事为后盾，不断的建构新的游戏规则掌握全球的霸权国家。金融的利器中，最关键的显然是美元与关税。臺积电戒慎恐惧，但臺湾并没有准备好中央研究院院士庄炳湟问，工厂搬到美国是美国暗示「臺湾必将回归」的信息吗？臺湾朝野在面对臺积电宣示在美国投资1,000亿美元时，各自表态的内容差距很大，甚至有些离题。国民党说「淘空臺湾」，民进党反击说当年马政府赞成西进是「布局」，今天臺积电到美国却成了「淘空」，两党完全没有共识，也没有论述的能力。那么赖总统问张忠谋的时候，张忠谋应该怎么回答呢？问的对象、能力、经验不同，善于回答问题的人经常可以因材施教，所以我想知道赖总统是否问对问题，甚至问对问题的可能性有多高？如果平常不曾参与科技业的问答，就如同曾国藩说的：「未闻平日不能早起，而临阵忽能早起者」。我也常说，在網絡时代，加上有了人工智能这个工具之后，所有的问题都有答案，但关键是您问对了问题没有？如果总统问错问题，那是谁的错？当然是幕僚的错。总统并非无所不知，甚至我们本该就不要期待总统无所不知，总统基于国家战略上的需要，以及自己的道德高度向社会贤达请益是天经地义，而幕僚做好规划乃是常态。但关键是赖总统的科技战略幕僚是谁？或者有哪个高瞻远瞩的智库专家已经做好准备，为总统府准备了十套、八套剧本。不久前，与一家超过200亿美元的大公司CEO谈起多变的时代，企业应该如何因应时。这位CEO说，虽然他反对，但他幕僚告诉他，应该花一笔钱找顶级的顾问公司做幕僚。臺积电到美国投资明明有动摇国本的疑虑，政府的方法还是找几个人「盍各言尔志」，那么这到底是谁的问题？臺湾明明已经是个年均3.5万美元的中高所得国家，2024年超收税金5,200亿元，但国家战略还在土法炼钢，明显有人失职，或者根本是「掉以轻心」。赖总统求教于张忠谋、魏哲家，这是礼贤下士，还是礼失求诸野，甚至是束手无策的不得已之举？如果我们知道2024年臺湾中央政府岁出总预算是新臺币2.88萬億元，以32：1美元计算的话，正好是900亿美元，那么动辄投资1,000亿美元的臺积电，以及一年资本支出总额高达400亿美元的臺积电，用「富可敌国」来形容，才是贴切的说法。

中国的「信创計劃」以自主产能、技术替换外资、进口产品是既定政策，但已经购买的半导体设备可能暂时闲置，因为没有订单并不装机，显然中国采购的半导体设备并没有充分利用。中国最近流传的微影技术是还在实验室的技术，并未商转，中国小粉红一面倒正面吹捧，背后是过度扩张的国家主义，离实际上可以商转的技术还有很大的距离。危与机总是共存，甚至并行不悖。经川普（Donald Trump）动过「易筋」之术的美国，将会改变全球化的格局。主要的国家都想自保，「主权AI」只是个起步，更多国家希望建构自己的生态系，那么对臺湾而言是机会还是挑战？此外，当资本的流向从过去两年过度集中于以數據中心为核心的HPC，在DeepSeek搅乱一池春水之后，未来离「边缘运算」（Edge Computing）当道的时刻并不远，而边缘运算更要有所区隔，因为他们面对的样貌也有所不同。传统的PC与手机是一块，新兴的产品在产销两端都有不同的样貌，而穿梭在传统与新兴产品之间的可能是影响深远的「智能制造、工业控制」的中间环节。手机产业在2007年iPhone出现后的将近20年，中国是最大的获利者。一方面14亿的人口带来庞大的数据流量，让本土的新创公司拥有一个发展的温床，而背后是2000年前后大举前往中国建构生产体系的NB业者。在NB产业的连动支撑下，中国本土的红色供应链崛起，加上日益繁荣的内部经济，以及2008年成功举办奥运的经验，让中国人信心爆表，也显露了与美国一争长短的自信心。如果我们说手机产业是福星，其余产业围绕在手机产业的周围共创、共荣、共享应该并不为过。现在全球十大手机品牌有八家中国品牌，中国手机厂不仅在新兴国家大发利市，甚至在非洲都已经成为不可或缺的工具。中国人以乡村包围城市的策略，在智能手机的时代发挥到极致，并且将竞争优势扩张到新兴产品上。哪些产品或产业将成为下一个阶段走向边缘运算时的关键产业呢？从电动车到智驾车的发展路径上，我们要面对中国的电动车已经走出国门，全球的电动车过半来自中国，下一个接手的就是智驾车。当然在智驾车的发展过程中，牵涉到軟件的部分会有国家主权的问题，西方国家不会轻易放手，中国面对的挑战远比单纯的把电动车，或者上下游产业一起往国外送的模式困难。从NB、手机产业延伸而来的电子产业供应链已经非常完整，在电动车之前，中国的网通设备、无人机产业已经席卷全球，只是在美中贸易大战之前，大家心照不宣而已。现在中国在新兴产业上的领导地位更从无人机进化到人形机器人、智能眼镜。以NB为主的PC产业至今还控制在臺湾手上，没有强大的PC产业，臺湾也不可能在服務器的上下游产业中胜出。

在很多国际会议中，中国总是派出一流高手参与，从美国、纽澳来的西方人不容易招架，甚至场内、场外的私下对话，也没有太多人敢挑战中国的论述。但顶尖聪明的人谈的不是「Data level」的论述，而是专注于「Code level」的本质问题。AI牵涉到的不仅仅是美中两大国的竞合，更牵涉到二线国家如何维持AI主权的艰难课题。我所谓的二线国家包括德国、日本、印度、韓國，从原生技术、制造能量到新技术，如In-memory Computing，數據中心与背后的服務器、冷却技术，甚至把能源消费控制到最佳状态，都是二线国家非常艰难的课题。更多的數據中心，显然需要更多的能源，如果不能面面俱到，那么局部性、关键性的领域又可以涵盖哪些？搞清楚大环境的很难自称是科技大国。「Either or not」 thinking，已经不足以答复复杂的问题，华人传统在天地之间留下「人」的思考更为重要，未来必须以人为本，让更多人理解这些改变是必然，并提供他们参与的机会。但显然现在中国的政策上并未显现该有的「人味」。从说一套，到做同样一套，显然离理想的距离很远。Intelligence with wisdom：是理想，但希望不是梦想我们面对的是「Open ended questions」，这种问题都不是用「Yes or no」来回答，人类的智能深受考验，ChatGPT或许给了我们一次重新定义民主的机会。我们很想问AI能做什么，但新加坡人问的是AI能帮新加坡做什么。人口少的新加坡不可能产生庞大的数据，而数据正好是未来的资产，新加坡该想的是自己的问题，臺湾不也如此吗？至于AI能帮人类做什么，留给其他人去想吧。所以，我很清楚知道知识份子、意见领袖不是把美国、中国的观念带回家，就认为自己已经善尽职责，如果一个教授只能每天拿新闻「贴文」而没有自己的看法，那他为什么可以教书？当然，不断出现的黑科技，也会改善能源的效率，打破框架，跨国共享數據中心可能吗？臺湾不仅需要考虑从菲律宾输入电力，甚至应该与菲律宾讨论共构數據中心的可能性。过去坚持拥核、反核的人，大概都没想过如今我们会面对这样的困境吧？既然如此，为什么是少数不接受新知的人在帮我们做决定呢？

是啊，中国人抱怨美国的非关税障碍，但很多想进到中国市场的外国车厂、品牌，哪一家不是铩羽而归？当世界贸易组织的（WTO）规范成为聊备一格的规矩，现在真正订定游戏规则的是川普（Donald Trump），其次是中国的习近平，但任何想起而效法的国家要担心没有足够的科技实力，也担心被报复。全球化的时代飘然远去，我们成了享受成果的最后一代！每个智驾车参赛者都知道Level 3的规格，但只有中国电动车可以落实。也许有人担心智驾车的风险，如果您对科技的发展具备足够的自信，每个人都可以轻易预测智驾车的事故率必然可以快速改善，中国人不会为了枝微末节的顾虑而延缓发展进度。小鹏汽车副董事长兼总裁顾宏地说，2026年中国Level 3的智驾车必然可以上路。这家才成立10年的公司，已经是行业里的老鸟，中国全力推动电动车，也有很多国家安全与全球竞争的考量。中国更相信「智驾车是AI的天然牧场」，美国现有3.5亿辆运作中的汽车，如果被翻天覆地的改变，那也可能是美中经济实力的分水岭。过去美国人以汽车定义了Mobility的意义，未来会是中国人来定义吗？其他二线国家的观察日本的Rapidus只是日本重建半导体产业的开始，当地都是50~60岁之间的老工程师，能做的事情是将自己的经验传承给下一代，而日本政府愿意投资数百亿美元用于可能没有回收的事业，这是很多国家政府做不到的决心。地球人的赛场已经从地面一直打到太空，许多影音视讯的服务其实来自遥远的天空。纽澳两国之间已经有很多卫星通信的协作模式，美中两大强权之外，澳大利亞加上日本、印度也可以在太空竞赛中占有一席之地。印度、日本、澳大利亞相互喊话，但仍缺临门一脚。至今为止，太空科技的投资有80%来自政府部门的投资，一方面太空科技必须结合电子、机械、航太科技，是一种昂贵、高门槛的投资，二方面牵涉国家安全的议题，企业参与仍存在太多變量。新加坡已经发射超过30颗卫星，并利用这些卫星汇整各种服务，他们很明白国家的边界与事业之间的关系正在被重新定义中。金融业必须知道透过无线網絡交易的服务也正在被改写中，新加坡与世界银行合作正在实验各种新的服务模式。但现实的世界里，很多通信设备都来自中国，而臺湾不是联合国会员，连數據分享、发射卫星都受到很多的限制。在太空科技产业的角色不会是主要的角逐者，但就像AI一样，臺湾尝试成为主要的设备供应商。

电动车天生就是实验AI最佳的场域，AI机器人产业谈的是如何从2D进化到3D、4D以及无限延伸的可能，我听到的不仅仅是技术的极限，更多是事业经营模式的创新。高瓴投资总裁张磊特别强调「中国不仅仅是技术创新，更是事业模式创新的领导大国」，来自中国的新创业者让人印象深刻。新加坡政府每年提拨GDP的1%用于「Funding」新创产业，如果以臺湾8,000亿美元的GDP总量对比，臺湾可以拿出80亿美元。注意，他用的词汇是「Funding」，不是用来办活动、补贴研究机构的费用。ChatGPT改变世界，DeepSeek带来风暴ChatGPT推出之后，NVIDIA扶摇直上，大家在赞美的同时，也有不少有心人在思考如何取而代之。我又想起Andy Grove说过的话：「如果您是产业领袖，别人会想尽办法取代您，直到您一无所有」。中国的DeepSeek开了门，会有更多新创公司走上这条路，甚至看似坚不可摧的半导体制造也很难避免。我们可以预期前沿科技加速发展，更多的机会将来自边缘运算的商机。机器人的控制会从2D、3D一直走向多元控制的结构，应用驱动是必然，也会给亚洲庞大的人口结构带来机会。數字分身（Digital Twin）的概念，一开始被用在AR/VR/MR的消费性的应用上，未来却很可能直接导入到智能制造领域。就像量子电脑一样，这不会是20年后才会兑现的新科技，而是10年之内将会活生生的出现在我们面前。硬件设备的演化也可能比大家想像的更快，但如何教育使用者，让这些新科技成为大家熟悉的应用则是个高难度的挑战。「规模」，甚至是「超大规模」（Hyperscale）才足以掀起市场上的新浪潮，但我们都要面对供应链上人为干扰的挑战。但以后的终端设备绝对不会是「iPhone Like」的产品，如果这些产品一起点亮时，我们会从太空看到一个高亮度的地球，而从2025年初CES展中展示的智能眼镜来看，崛起的大多是中国的厂商。DeepSeek不仅挑战了OpenAI，在导入智能座舱、智驾车应用之后，进一步为中国軟件松绑，成为中国人口中的一大胜利。而中国也将自订标准，例如在智驾车的规范中1,000米以下是低海拔，但中国在科技演化的过程中，会定义出低海拔的相关规范。而在这些议题上，中国的战略是「Easy to adopt」，让大家共享生态系，一旦参与者更多，淘汰更激烈，中国企业获胜的机率就越大。