由半导体的发展来看AI數據中心未来的兴起

老实说，这两个领域还真有不少相似之处。

首先两者的迭代速度都很快。半导体先进制程每18～24个月就发展出一个時代，并且持续超过50年。AI服務器运算能量也是以相同的迭代速度前进，虽然只历经十多年的发展（2013 Kepler GPU），但是半导体所依靠的是硬件制造技术在进步，AI的进步却是包括硬件及軟件所同时展现的结果。

再者，两者的单位价格，持续在探底。相较于50年前1颗晶體管的售价，当今的价格是小于10的负10次方，也就是现在的100亿颗晶體管合起来，约略是50年前1颗的价格。约莫二十年前，施敏教授曾经做过一个生动的比喻，他说如果汽车工业的发展跟半导体一样的话，当初买一部双B轿车，现在只要花25分美金就可以买到。现今AI token的价格已经是2年前的百分之一了，但是相对于半导体的10的负10次方，仍有很大的进步空间。

第三，两者的产能持续在扩大。商品的价格急遽下降，群众会因为预期的降价心理，缩手购买，以及供给大于需求等因数，往往会造成通货紧缩，对经济有不良的影响。但是另外一方面，更廉价或更有效率的商品供应，会刺激更大的消费需求。在工业革命初期，瓦特改良蒸汽机使得产生动力的效率大幅地提升，照理说蒸汽机的需求就会减少，但事实上廉价的动力，使得各行各业都用得起蒸汽机，促成工业革命及经济的发展。

半导体也是有相同的发展轨迹。半导体价格的跌落，是依靠制程上更小尺吋的微影技术及更大的晶圆面积。在1990年代中叶，半导体业界开始讨论12吋晶圆的开发，当时持反对意见的说法是，以当时的半导体使用量，全球只需要盖2座12吋晶圆厂就够了，不够经济规模。事实上现今12吋晶圆厂在营运中的，就将近300座，若包括兴建及规划中的，那就会超过400座了。

AI數據中心，也是如雨后春笋般地扩展中，现今大大小小在营运中的就超过1,000座，若含兴建及规划中的，预计会超过2,000座。token使用量，过去2年成长超过300倍。已经有不少公司开始限制员工所使用token的费用，也就是虽然价格跌了100倍，但使用量却增长300倍。因此这些云端服务公司的业绩，持续都在成长中。

最后，两者因为在科学及人类社会上的贡献，都得过诺贝尔奖，半导体不只一次，AI也在2024年首度抡元，同时拿了物理及化学两个奖。

然而AI數據中心的持续大笔投资，不免令人担忧，这类的军备竞赛，是否会有泡沫化的可能?尤其技术迭代速度快，新盖的厂两年后就过时了，折旧摊提的速度赶不上技术的演进。如果以半导体的发展为例，四十年前所盖的6吋厂，到三十年前的8吋厂，以至于现在最先进的12吋厂，都有自己的产品定位（如Si、SiC、GaN、數字、类比或分离式元件）及应用范畴（如高速运算、通讯、消费性产品、车用等），而且所有的厂都持续营运并且获利。

但是与半导体不一样的，AI數據中心目前唯一的产出就是token。因此愈先进的数据中心，所产生单位token的变动成本愈低，也就愈有竞争力。在此前提下，先前所投资的AI算力中心该何去何从呢？如果回头来看半导体的发展，一开始也是由简单电路的IC发起的，不断随著技术的进展，复杂且更多功能的IC会被逐步导入。随著不同应用领域的开展，枝开叶散而形成完整的产业生态，最终最复杂的电路系统，总是由最先进的制程来完成。

我们相信并且期望AI數據中心也会沿著这条轨迹前进，最庞大的算力总是会被大型模型的训练所据有。然而随之而起的AI的边缘运算、代理，甚至于小型的模型训练，均可使用算力较一般的數據中心来处理。只要我们追求终极通用型人工智能的目标不变，以及各类的需求不断地被提出，这个AI的产业生态就有办法建立起来，并且持续茁壮及发展。