我将半导体与电子业的紧密结合称为芯片经济价值的外溢。以前电子系统经济价值的创造高度集中在芯片单一环节，但是现在电子系统经济价值的创造无法单靠芯片制程的演进，经济价值的创造必须外溢至封测乃至于系统环节，方能完整创造可以交易的经济价值。有两个现象很可以说明问题。一个是进出口數據，臺湾高端芯片的贸易成长与高端电子系统在外贸数量的成长是高度相当相关的；另一个更图像化：黄仁勋来臺湾邀宴总是从最上游的芯片制造一路请到电子系统制造服务厂商。这个近乎典范移转的变化重新塑造供应链。半导体从最起始时的完全整合元件制造（Integrated Device Manufacturer；IDM），透过生产环节的去藕合—线路设计、晶圆制造、封测等环节之间的切割而各自追求单一环节的规模经济，现在因为元件微缩自然条件壁障的接近而趋势反转，又重新整合了。而且这次的重新整合走得更远，从芯片一直整合到电子系统。而且整合的程度相当紧密，这就是文章标题的身有彩凤双翼飞的隐喻。臺湾因为历史和地理的因缘，在AI兴起的年代，挟此双翼，竟然创下7.4%的GDP年增率！这个數據在21世纪的已开发国家中，除了爱尔兰因跨国利益移转（multinational profit shifting）以及IP的重置（IP relocation）外，仅有新加坡曾经到达此一水准。由芯片价值外溢造成半导体与电子制造业的密切垂直整合，在企业管理学的竞争理论中，就是在产业价值链占据多重优势节点，具有高度竞争力。特别是在高端芯片及电子制造服务（EMS）这两个领域中，臺湾世界市场的占比都超过一半，这使得双翼强强联手的地位难以撼动。AI 服務器的应用只是个开端。这双翼开展的强大力量已开始扩充至其他的应用；或者与其他臺湾传统强项连结，形成更强烈的优势。2025年臺湾与英国签订的低地球轨道卫星（LEO）合作备忘录“A Five-year Memorandum of Understanding between the Taiwan Space Agency（TASA） and the U.K.-based Satellite Application Catapult（SAC）to Strengthen Space Industry Collaboration”，英国负责的是系统设计、应用与生态整合，臺湾负责的是硬件制造、零件及供应链的执行，特别是特殊半导体及精密电子模塊。这就是将原先半导体及电子制造的优势应用并扩充至通讯、观测、气象、军事等领域。无人机（UAV）自从在俄乌战场上被实证应用偏向消费性电子的属性后，臺湾在非红供应链中自然成了首选。无人机其上的零件其中有一部分属于精密机械的范畴，譬如用于中短航程的马达。精密机械原先也是臺湾的优势领域，但是面临日、韩的竞争，以及中国的威胁。专注于能与半导体和电子制造的协作之后，就有机会明显区划与竞争者的市场，并且利用协作的其他部分取得优势。电动车、机器人等新兴产业也可以有相同的策略。臺湾的医疗系统常年高居国际评比第一，也是臺湾有高度竞争力的产业之一。但是医疗行为牵涉到法律、保险、文化等多种因素，不易外扩。最重要的，它不是可以量产的产业，也无法出口。所以对于医疗产业的市场行销，过去曾以观光医疗来尝试，结果自然是不显著，观光医疗也有对本土的量能排挤效应。AI出现之后，AI healthcare是当然应用之一。结合臺湾医疗体系中的知识、数据、工作流程（workflow）等，建立诊断（diagnosis）、预后（prognosis）、治疗（treatment）等的模型。这样的AI healthcare产品，不仅可以输出，还可以量产。特别是2020年后欧盟提出主权數據（sovereign data）的概念、2023年 NVIDIA 跟进主权AI（sovereign AI）的概念，使得货柜AI server中心与AI healthcare模型捆绑出口变得可行。这是臺湾医疗产业增值的契机。对于未来的产业，亦做如是想。量子计算是未来高效能计算的一部分，它出现的方式高机率会与传统的计算以混杂（hybrid）的方式联合运算。其实现在量子计算的原型机都帯有一部传统的服務器。问题是未来的量子计算机会因为其型态特殊而另起山头？还是由目前已累积相当动量的AI服務器体系整合进来？NVIDIA 显然更倾向于后者，也在架构上做好准备：CUDA-Q。臺湾的电子制造服务业显然已嗅到商机而开始投入量子计算。自己投入量子计算的基础研发显然已稍晚，利用臺湾已然成形的双翼在量子时代继续分享成长的果实，机会显然比较高。

臺湾的ICT产业，主要包括半导体产业与电子制造服务业（Electronics Manufacturing Services；EMS），于2024年占臺湾出口的65.2%；在2025年，此一数字预估可能进一步提升到74%左右。此一比例是臺湾在世界产业竞争赛事中的特例，对于臺湾未来的进一步产业新发展有深远的意义。电影「造山者」（A Chip Odyssey）中敍述臺湾最早期的半导体CMOS技术引进自美国无线电公司（Radio Corporation of America；RCA），其实对臺湾有一个项不亚于授权半导体技术给臺湾的贡献—先是在1966年臺湾设立的楠梓出口加工园区组装当时不算太先进科技的黑白电视（彩色电视于50年代后期已进入量产），之后陆续有增你智（Zenith）等公司加入此一行列，再加上后来臺湾取得RCA黑白电视技术授权的厂家，鼎盛时期的臺湾黑白电视产量超过世界的一半。这系列电子系统制造的奠基对于臺湾70年代迄今的发展有3个重要的意义。第一个是电子产业的成形。一家企业不算是一个产业，一群关连的企业才是，占全世界产能一半以上更当然是。第二个是将社会菁英人才动员导向电子相关产业。第三个是供应链的建立，当时包括最基础元件的电阻与电容等。这个由黑白电视塑造的产业，形成1970年代开始发韧半导体的国内市场；又由于许多电子产品是面对全球的大比例市场，如前所述的黑白电视、后来的PCB板、个人电脑等，让臺湾的半导体产业在诞生时马上可以用进口替代的策略迎接广袤的全球市场。但是在初期半导体与电子业的关系也就只是松散的元件产品与市场关系，二者并没有太强烈的关连。两个关键转折引发两者之间关系深层的改变，从而结合变得更为紧密。一个是制程演化到28納米之后，平面制程的微缩能增加的经济价值快走到尽头了。此时每个晶體管的平均成本降到历史上最低。之后的制程名字虽然也如摩尔定律般的往22納米、14納米、10納米、7納米等一直走下去，但那只是个节点标记，用来敍述这节点的效能，却与晶體管的真实临界尺度没有太大的关系。所以每个晶體管的平均成本从28納米后又开始拉高。之后晶體管效能的持续提升主要靠的是晶體管3D制造制程，如FinFET、GAAFET、CFET等。3D晶體管制程显然要比二维晶體管制程要复杂许多，兼之临界尺吋无法有效缩小，成本的上升理所当然。另一个原因是AI服務器的兴起。由它对电力饥渴的程度就知道它需要处理數據的速度以及流量。传统芯片的设计原先会同时考虑效能、功率以及面积（Performance, Power, Area；PPA）并且在其中取得均衡，寻求最大的综合经济价值。但是如前所述的，芯片在二维微缩的进展已遭遇强大阻力，而AI的运算又要求极致的算力，所以效能优先；其他的问题嘛，交由封测、乃至于整个电子系统来解决。以前晶圆制造厂商很多选择外包封装测试此一环节，因为后者毛利较低，在晶圆制造厂商的眼中，将资金投入毛利率高的晶圆生产环节才是对资最金最有效的运用。但是由于半导体制程现在面临高效能计算（High Performance Computing；HPC）对于速度严峻的挑战，一味的倾向于提升芯片的效能，其他无法在芯片阶层解决的问题就必须移交给封装测试、甚至是电子系统本身来解决。这个转变解释了很多现象。譬如晶圆代工厂把封装测试重新纳入版图—虽然称之为先进封装，以解决芯片效能不足的问题，包括帶寬、散热、面积效率等。又譬如在AI服務器系统的全光纤化—芯片的速度、散热的优化不足，那就用系统的方式来弥补。

二维材料曾被视为延续半导体微缩的重要候选者。由于它们薄到只剩下原子等级，理论上非常适合制作尺吋极小、功耗极低的晶體管。然而，当这些想法真正走向先进逻辑制程，挑战才开始全面浮现。问题在于使用二维材料制作FET的制程要求近乎对单一原子的控制。逻辑芯片对材料与制程的要求，已进入极度严苛的阶段。首先是一致性与稳定性的问题。先进逻辑芯片内含数十亿颗晶體管，它们必须在极高时脉下同步运作。任何微小差异，都可能影响整体效能甚至良率。由于二维材料极薄，对外在环境高度敏感。基板表面是否完全平整、周围材料是否产生微小应力，甚至封装过程中的热与机械影响，都可能改变电子的行为，导致每颗晶體管表现略有不同。这种个体差异在研究样品中或许可以接受，但在逻辑制程中却是致命缺陷。第二个关键挑战来自电流进出FET通道的效率。晶體管的效能不只取决于通道本身，还包括在FET中电流如何从金属端点—源极和汲极—顺利进入、流出通道。对原子层材料而言，这个衔接并不自然，往往造成额外的能量损耗与速度限制。即使近年已有多种改善方法，譬如透过相工程（phase engineering）、重掺杂（heavy doping）或边缘接触（edge contact）等方式改善，仍难在整体表现上追上成熟矽技术。对于先进逻辑芯片而言，这样的差距在高频运作下会被迅速放大。第三，是互补晶體管（CMOS）的实作困难。现代逻辑芯片仰赖两种性质相反、却必须高度匹配的晶體管（nFET和pFET）共同运作。矽之所以能长期称霸，正是因为它在这方面建立极为成熟的材料与制程体系。但在二维材料中，不同性质的FET往往需要不同的二硫属过渡金属化合物（Transition Metal Dichalcogenide；TMD）通道材料，导致设计与制程复杂度大幅提高，对先进节点而言更是沉重负担。最后，还有量产与制造现实。先进逻辑制程的核心价值，在于高度可复制、可预期的大规模生产。但二维材料在大面积制作、缺陷控制、层数一致性等方面，仍与现有产线存在落差。这些问题并非短期内能靠单一突破解决，而是牵涉整个制程生态系的重建。在等待逻辑制程应用成熟之前，二维材料先从存儲器落地，2025年2月在Nature上发表一篇由TMD实际制造快闪存儲器的文章《A full-featured 2D flash chip enabled by system integration》。与处理器不同，存儲器的核心任务不是高速计算，而是稳定地储存与读取數據—特别是快闪存儲器。只要數據状态能清楚区分，即使元件之间存在些微差异，系统往往仍能正常运作。这样的特性，让存儲器成为二维材料较为友善的应用场域。二维材料的结构超薄，數據写入快速、能耗也更低。文章中已有实际芯片及制造方法展示，将二维材料应用于快闪存儲器中晶體管中的通道，并且整合到成熟的矽平臺上，由既有电路负责控制，新材料专注于储存功能。这种分工方式，避开逻辑制程最严苛的要求，却能真正把二维材料带进可运作的系统。从长远来看，这不只是权宜之计，而是一条累积经验的路径。透过存儲器应用，二维材料可以逐步建立量产能力、制程稳定度与产业信心，为未来进入先进逻辑节点铺路。或许，当十年后的7A或5A制程真正需要新的通道材料时，二维材料已不再是实验室的新奇概念，而是准备就绪的成熟选项。

就如同石墨烯于2004年被实验证实时当时的社会心情，对于石墨烯这种异类物质的生活应用，大众曾寄予有高度冲击性的期望，但是真实应用时的实施却只是以点滴的方式逐渐渗入材料应用；二维材料—特别是二硫属过渡金属化合物（Transition Metal Dichalcogenide；TMD）—在半导体的应用似乎也没有符合当初热烈的预期。 TMD在半导体的应用当初被寄予厚望，是当成摩尔定律（More Moore’s Law）的救赎。 对于固态物质的应用，我的理解是这样的：原分子首先要形成晶格，对于电子于其中的行径我们才有办法以量子力学来理解。我们理解的基础最简单的就是离材料边界很远、块材（bulk）中电子的行径。 然而接近材料的边界部分，特别是与其他种类物质的界面及周边，电子的行径就变得十分复杂。界面上容易有晶格不匹配（lattice mismatch）、杂质、缺陷等令人头疼的问题，没有结成共价键（covalence bond）的悬空键（dangling bond）会捕捉电荷、形成位势壁障（potential barrier）。不夸张的讲，现代半导体制程研发有很大一部分的工程资源是投入解决材料界面的问题。 在制程临界尺吋已微缩接近极限时，界面的问题益发严重，因为整个材料尺吋太小，几乎都邻近界面。现在半导体微缩的严峻挑战之一—短通道效应（Short Channel Effect；SCE）—就是因此而来。 半导体线路的基础单元是场效晶體管（Field Effect Transistor；FET），FET中电流由金属材质的源极（source）流经中间受上层闸极（gate）电压控制开关的通道（channel），最终抵达波汲极（drain）。FET通道的尺度过去被用来定义技术的节点，譬如大约40納米长的通道就相应于40納米的逻辑技术节点。微缩通道的尺度—进而缩小FET的尺吋、并且提升其效能—是摩尔定律的驱动主轴。 但是半导体制程演进至28納米之后，FET元件的效能提升靠的更多是FET的结构从二维逐渐倾向于三维，单纯的临界尺吋微缩不灵了。主要的原因之一就是前面提过的SCE，通道的尺度很难再微缩了。 FET的矽通道当微缩到10納米出头，两边的源极和汲极金属的性质如电场或耗竭区（depletion area）会穿透界面而影响矽通道。如果在矽通道里从源极和汲极两边渗入的影响重叠了，闸极就无法有效控制FET的开关。所以尽管技术节点的名称从14納米、7納米、5納米、3納米、2納米、14A、10A、7A、5A继续往下探，但是通道的长度总维持在10几納米以上。几納米、甚或几A（1A=0.1納米）的技术节点只是个命名，与FET的真实尺吋却没有什么直接的关系了。 此时二维材料就被赋予厚望，特别是TMD中的MoS2（二硫化钼）、WSe2（二硒化钨）、WS2（二硫化钨）等，它们都是半导体，有些共同的特性被认为有希望突破SCE带来的微缩桎梏。 首先，它们的电子迁移率（electron mobility）极高。如果与矽块材的电子迁移率相比，TMD的只有矽的约3分之1，但这是TMD单层（monolayer）的数据。如果是矽单层的數據，则远逊于TMD的。元件的尺度在微缩时，元件各层的厚度—譬如介电质和通道—也必须跟著减薄。当厚度减至数层或单层，TMD的电子迁移率就远远胜出。 电子迁移率高代表元件开关的频率高，通过元件的电流高，功率消耗也低。这些都是元件微缩时所追求的目标，而用二维材料来做通道天生就有这些潜质。 二维材料的第二个特质是它原子般的厚度。所谓的二维材料就是缺少一个维次的自由度，那个维度自然只有一个原子的高度。MoS2的厚度为6.3A，这个厚度与矽原子的共价键长度5.43A差不多。 用二维材料做FET的通道天生对SCE免疫。SCE和介电质的厚度、通道的厚度的平方根成正比，二维材料的厚度极薄，SCE的影响很小。要免于SCE的话，通道的长度必须维持在10納米以上，二维材料的通道则可以低至1~3納米。也就是说，如果维持元件的几何形状不变，使用二维半导体材料来取代FET通道中的矽，理论上可以直接推进摩尔定律中近4个時代。因此二维材料成为各领先代工厂未来先进逻辑制程的重要研究方向之一。

臺湾目前有3个产业在全球的表现相对耀眼，分别是医疗体系、电子制造服务和半导体。竞争力的来源虽然在不同产业可能各自相异，但是都有一个共通的来源，而且可能是最重要的因素：长期社会菁英的持续投入产业，而这时间尺度是以甲子为单位来计。 臺湾的医疗体系在世界的评比长年高居第一，毋庸赘述。 臺湾的现代西方医学训练始于日本殖民政府于1899年设立的臺湾总督府医学校 （Medical School of the Taiwan Governor-General，即臺大医学院的前身）。1904或1905年间臺籍人士南志信入学，1909年毕业，成为臺湾本土人士接受近代西方医学训练的第一人，从此引领臺湾菁英从医的序列。 臺籍人士于日据时代不容学习政、法专业，而臺湾医生的收入及社会地位长期居于高位，是以持续吸引社会菁英投入，至今仍是大学招生第三类组的首选。医疗体系的管理人员也是从此团体中挑选，这解释了为何臺湾医疗系统能长期脱颖而出。 值得一提的是医疗原来是服务业，有强烈的地缘关系。而且医疗、保险等各国都有各自的法律规范，不易将之产品化输出。但是从人工智能逐渐加入医疗体系以后，这类服务性产品的地缘壁垒逐渐消失，可以合理预期臺湾的医疗服务将有扩大版图的可能。 从20世纪初迄今，这是两个甲子社会菁英的持续投入。 电子制造服务业与半导体产业是另一个故事。1966年臺湾政府鉴于长期巨额贸易逆差的考量，建立出口加工区（Export Processing Zone；EPZ），以赚取外汇、降低逆差。 「巨额」的贸易逆差是多少金额呢？不到1亿美元，但这是当年臺湾GDP的2.5%！ 出口加工区的设立以及其他产业的集体努力使得臺湾于1971年转变为贸易顺差，并且长期维持顺差。 当时加工出口区中主要产品为黑白电视，首先入驻的外资企业为RCA （Radio Corporation of America），之后还有增你智（Zenith）等。这些外资企业的先后进驻使得臺湾黑白电视出口产量占世界一半以上。 虽然此时彩色电视已经问世，黑白电视算不上高端消费性产品，而且在臺湾的加值也只是简单的组装，但是外商大规模的进驻形成臺湾电子业的基底。后来RCA移转黑白电视技术更进一步深化臺湾技术能力。这些贡献至少不亚于「造山者」中描绘的RCA移转半导体技术给臺湾。电子业的先发成为后来半导体产业发展的沃土。 现在看来，此举奠定臺湾电子制造服务的基础，也驱动电子制造的供应链，譬如富士康在1973年成立时便是以电视旋钮（knob）供应商的角色切入电子制造服务产业。 也许是巧合，但更可能是薪资的市场机制，当1971年臺湾贸易开始转为顺差时，电机系也同时成为大学第二类组的首选，臺湾的菁英人才开始流向电子业，最后乃至于半导体产业，迄今也近一甲子。 有趣的是臺湾特殊的大学入学制度促使特定产业的人才供应特别充裕，间接的也让臺湾的产业发展集中于特殊的领域。对于臺湾这样人口基底相对有限、内需市场狭小的国家，专注与集中恰恰好是应有的发展策略。这段历史可以让目前竭力想发展自有半导体的国家借鉴参照，更可以让想以其他方式掠夺产业的国家省思。

先进封装虽然在高端手机领域应用中开始发轫，但是在半导体产业的总动员则是因2023年的AI芯片先进封装的产能吃紧。由于先进封装的产品供应链拉得很长，参与者众，半导体业界就想起业内常见做法（common practice）—制定标准规格，以降低价值链各环节间协作所需要的沟通成本及时间。 考虑制定标准规格的时候需要考虑的因素主要从技术开始，制定标准的挑战主要有下列几点。 第一个是先进封装目前还处于发展初期，技术变迁快速。以2.5D先进封装为例，初期的就有CoWoS-S、CoWoS-L、CoWoS-R、CoPoS甚至CoWoP等，这还只是一家公司的规格。快速进展的技术来不及制定标准规格，也不一定值得订定。 由于牵涉到的是封测环节，要列入考虑的因素就远比芯片关注的电性指标要多，必须包含热（thermal）、机械（mechanical）、可靠性（reliability）、翘曲（warpage）、应力（stress）等特性，种类繁多，制定不易。 再来是材料的种类也比较复杂。单只是基板（substrate）一项，就有硅片、玻璃等，现在碳化矽（SiC）也可望入列，其他环节也是新材料的创新场域。 既然有标准规格，自然就会有伴随的量测和检验，但是先进封装通常会牵涉多个芯片，其结构及电性、功能的检测复杂的程度依整合的程度指数上升。这些挑战在芯片设计时就必须考虑在内，也赋予以前线路设计界术语如design for testing、design for manufacturing、design for reliability新的意义。另外，新的检测项目就要有新的测试设备，这一切都还有待发展。 所以即使产业中有制定标准规格的念想，至今被产业界广泛接受规格事实上很少，小芯片（chiplet）的UCIe（Universal Chiplet Interconnect express）3.0在2025年８月被持续推出，算是比较成功的案例。 以上的观点大部分是从技术的考量来看，但是影响元件规格制定的，经济上的考虑恐怕是更重要的因素。 半导体产业界中最成功、最知名的规格标准化元件当属DRAM。自1993年JEDEC制定SDRAM（Synchronous DRAM）标准后，后续演化的各高端版本延用至今，成为电子系统厂商与半导体元件厂商的共享标准。 要制定一个产品的规格要有几个先决条件。首先，产品的市值规模要够大，这样殚精竭虑地协商、规划未来的产品统一规格才有价值。再来就是技术的路标明确，此点前面已经阐明。 有统一的产品标准，意味著元件厂商不必与电子系统厂商在界面规格上密切协商，元件产品推出的周期得以加速，系统设计也可以独立进行。统一的标准也缩小产品竞争的范畴：规格一致，产品的效能也一致。不同厂家能用于竞争的只有产品的推出时间、产品的可靠性以及生产成本。 对于经济上较有直接影响的—正面或负面的—是产品标准化以后具有大宗商品（commodity）的特性。 大宗商品，即使生产厂家数目接近寡头垄断，还是个完全竞争市场。这对于买家当然是福音，因为购买的成本会最佳化。对于卖家也有些自然的好处，市场价格低时会促使买家使用较多数量的产品。因为电子系统的效能有如薪资，有向下的僵硬性，因此市场规模即使在市场不景气时还会不断的扩大。 大宗商品市场自然也有其天生的缺陷。由于缺乏买方与卖方的粘滞性，当供需失衡时—即使缺口不大，价格的起伏会急速的倾斜，这便是大宗商品市场经常面临的景气周期问题。市场的景气周期如果处于低迷阶段，又恰好遇到市场外的问题—譬如金融危机，那就是倾家荡产的时刻。事实上，目前存儲器市场的寡头垄断局势就是在上次景气大低潮时淘洗剩下的状况。 制定先进封装规格标准社群最推崇的经典案例是HBM。HBM是由DRAM数层堆叠而成，上下之间以矽穿孔（TSV）来连通电源、信号，这是典型的3D堆疉先进封装。HBM的规格沿袭DRAM的优良传统，规格已制定至HBM4、HBM4e，虽然现在产品实际只用到HBM3e。 看似HBM是先进封装规格标准制定的经典范例，但是厂商已经放话了：要在DRAM芯片堆叠的底层置入逻辑线路的基底晶粒（base die），以针对特定客户的定制化。看，这是寡头垄断产品业者的意向—迈向定制化而非标准化，而这意向自然是业者考虑自身利益最大化的结论。综合目前先进封装技术进展的状况以及经济面的考虑，我认为先进封装规格标准的制定以及产业界的接纳还有一段很长的路要走。

2025年诺具奖颁给John Clarke, Michel Devoret, 和John Martinis等3人，以彰显他们在宏观量子穿隧效应（macroscopic quantum tunneling effect）实验的贡献。 「宏观」这两个字是相对应于传统上对量子现象了解的误解。经典物理（classical physics）指的是牛顿力学（Newtonian Mechanics）可以描述的现象，一般指的是宏观世界发生的种种现象，而量子现象，一般的解释方法是在微观（microscopic）世界中因为物理尺度微小、粒子个别行径的原因，物体（特别是个别粒子）行径带有机率的特性。特别是微观量子穿隧效应，此现象经常用来彰显经典物理与量子物理的差异。 穿隧效应是指1个粒子在其行进路径中遭遇一个位势壁垒（potential barrier）的反应行为。在经典物理中，如果粒子的能量不足以克服位势壁垒，则情况有如开车遇到山，只能就此折返。如果我们一定要这个电子越过此位势，只能赋予此粒子足够的能量，克服位势所造成的壁垒。在半导体元件中，这已是常用方法。譬如在FLASH中要将电子储存于浮动闸极（floating gate）中，施加强大的垂直电压便能将电子从通道中跨越过横亘于通道与浮动闸极之间绝缘体所形成的位势壁垒，这就是在FLASH中的Fowler-Nordheim tunneling。这样的穿隧效应符合经典物理的图像，要越过壁垒只能靠增加能量。 然而在量子世界中，能量不足的粒子即使遭遇到了位势壁垒，仍然有机率穿越位势到达另一端。以之前的山与车的用语为例，仿佛在山体中开了一个隧道让汽车通行，因以为名。 微观量子穿隧效应是量子力学（quantum mechanics）中的经典范例，普遍见于教科书中。但是接下来的问题是自上世纪量子力学发靱后经常被问起的：微观世界的现象止于什么尺度？或者更直接的问题：宏观的世界也可以看见量子现象吗？特别是量子穿隧效应。 Clarke等3位元物理诺贝尔奖得主于1984~1985间一系列的实验工作证实在宏观世界也可以有量子穿隧效应，而且宏观的物理量也存在量子化的情形。 他们的实验是利用约瑟夫森结（Josephson junction）来检视电流的量子穿隧效应。约瑟夫森结两侧是超导体，中间隔有Al2O3的铝基绝缘体。 超导体在临界温度（critical temperature）以下电子的流动是以库柏对（Cooper pairs）的方式运动。库柏对是一对电子之间以声子（phonon）配对而轻微的彼此束缚，2个电子具有相反的动量和自旋。库柏对的束缚虽然微弱，但是两个组成电子的距离可以高达数百納米，比现在最小晶體管通道的十几纳米大多了。库柏对在移动时没有电阻，这就是超导体名字的由来。 一个电子的自旋是1/2，在统计上的特性是费米子（Fermion）；而一个古柏对自旋是0，在统计上的特性是玻色子（Boson）。许多玻色子可以凝聚（condensate）于同一个基态（ground state）而形成一个宏观量子态。 约瑟夫结的两边超导体之间隔有绝缘体，如果电流值在临界电流（critical current）之下，在经典力学中一边的电流是无法通过绝缘体流到另一边的。 但是Clarke等3位的实验在谨慎的排除外在干扰如热、微波等因素后，证实在临界电流值以下的电流仍可以量子穿隧至绝缘体的另一方，这就是宏观的量子穿隧效应。 这个穿隧效应与以前习见的量子穿隧效应很不一样。量子穿隧效应的经典例子是将粒子（He的原子核，带有2个正电荷）困于一个位势陷阱（potential well）之中。此粒子可以用量子穿隧逃逸至陷阱之外，但是此例中的 粒子是个别粒子，而此现像是微观量子穿隧。而Clarke等3人的实验证实宏观量子穿隧的真实存在。另外他们也发现此宏观量子态具有量子化能阶（quantized energy level），此点与我们熟悉的微观世界行径相仿—譬如氢原子的能阶也是量子化的。这是观念上的突破，是以得奖。 在应用上，宏观量子穿隧效应大幅提升量子效应在真实世界可以被利用的可能性。在前述的实验中，约瑟夫森结上的电流量子穿隧时会诱发瞬间电压的变化，而电流与电压均是宏观的物理量，可以很容易被观察量测，这是宏观量子穿隧效应在应用上可能优于微观量子效应的原因之一。 以现在最具议题性的量子计算为例，发展最迅速的的技术之一是超导量子位元（superconducting qubits），它们都使用约瑟夫森结当成量子位元的基础架构。超导量子位元又有几种类型，最常用的是传输量子位元（transmon qubit）。传输量子位元虽然没有使用宏观量子穿隧效应，却也使用宏观量子态的量子化能阶当成量子位元的0与1。另一种超导量子位元是相量子位元（phase qubits），此处的相是指在约瑟夫结两边的宏观量子态之间的相对相位。如果把此相位当成一个虚拟粒子，此相粒子真的是靠宏观量子穿隧效应在绝缘体的左右穿梭。 类似的应用还有耳熟能详的超导量子干涉仪（Superconducting Quantum Interference Device；SQUID），它可以用来测量极细微的磁场，敏感至10−15 T（Tesla）。超导量子干涉仪是由2个以上的约瑟芬森结环绕成圈所组成的仪器，利用通过此圈的磁通量（magnetic flux）的变化引发SQUID上电流和电压来量测磁场大小。SQUID之所以能够如此精确的量测磁场的原因，也是因为约瑟芬森结中宏观量子态的能阶也是量子化。 人类文明进展迄今，已经开始在触碰物质结构的边界，量子世界已是可以观察、甚至可以操控的现象。宏观量子穿隧现象给我们一个启示，不限于宏观量子穿隧、也不限于约瑟夫森结，只要有宏观量子态，便有宏观的物理變量可以用于观测、操控此系统，而这正是我们走到納米、埃（angstrom）尺度时出现的及时雨。

人工智能虽好，但也有为人熟知的缺陷。机器学习训练时需要有大量的數據输入，而且在建立模型时，有天然的「维度诅咒」（curse of dimensionality） 维度是指一笔數據的特徴（features）数目，在數據空间中，这类數據就需要此特徴数目的维度空间中的点来表达。以制程为例，數據的特徴可能就包含温度、时间、长度、厚度等等参数，这个数目就是數據的维度。 空间的维度一旦变高，空间的体积成指数成长，即使有巨量的數據，在如此庞大的空间中數據点显得稀疏（sparse），传统的机器学习变得无法轻易的取得數據的相关性，有效的模型难以建立。 但是对于量子计算而言，维次不是问题，至少在通用容错量子电脑（universal fault tolerant quantum computer）出来之后绝对不是问题。量子电脑每增加1个量子位元，它可以处理的空间维次数目就可以翻倍，所以对于具有许多特徴（或者参数）数目、较少的數據群体，用量子电脑来执行机器学习就有显著优势。 2025年在Advanced Science由Zeheng Wang等发表的论文 “Quantum Kernel Learning for Small Dataset Modeling in Semiconductor Fabrication: Application to Ohmic Contact”应用量子计算于氮化镓（GaN）高迁移率晶體管（High Electron Mobility Transistor；HEMT）的量子机器学习研究，显示量子计算在少量數據—仅有159笔數據—的状况下，其预测表现远优于传统机器学习，预测数据也与实验结果相吻合。 这个研究的题目就是在硅片上外延（epitaxy）长氮化镓/金氮化镓的夹层，在2种材料的界面处形成一个HEMT的二维电子气体（2 Dimensional Electron Gas；2DEG）通道（channel）。电子通道中的电子是由GaN及AlGaN所注入（injection）的。为了能够让AlGaN端能有充份的电子注入，必须于AlGaN上长有金属堆叠（metal stack），并且与AlGaN的界面形成欧姆接触（Ohmic contact）。这样的层层堆叠之后，通常需要退火（anneal）的过程以稳固其分子结构。本研究的目的就是在建立在各种材料厚度、金属堆叠种类、退火温度及时间等参数的模型，借以寻求欧姆接触的最优解。 量子计算处理这个研究的方法与传统机器学习的方式有部分大致雷同—这也比较容易公平的比较二者的优劣。 首先将制程的37个参数以主成份分析（Principal Component Analysis；PCA）简化成5个参数，然后用变分自动编码（Variational AutoEncoder；VAE）合成新增數據，可以将样本数扩大。这两个步骤在量子计算与传统的机器学习中都一样实施，目的在简化模型建立的复杂度、增加样本数目。 量子计算比较不同的是将简化后的5个参数映射到5个量子位元上，实质上是将一个5维的空间嵌入一个2的5次方—32维空间中。然后在此高维度空间中以量子核（quantum kernel）两两比较各數據的相似性（similarity）。 量子计算比传统机器学习的优势为在高维度的空间中數據的非线性（non-linear）特徴比较容易显现，所以其所建立的模型比传统机器学习的要较精确。 这个量子计算于半导体制程的应用其实是在传统电脑上模拟量子位元及量子机器学习所得到的结果，但是模拟无碍于证明量子机器学习的优越性。 量子计算新算力的加入对于半导体的研发意义重大。仅凭少数的數據，就可以建立参数数目巨大的模型；工程批的数目可以大幅减少，研发时程缩短、经费下降。 摩尔定律虽然面临较过去严峻的挑战，但是半导体产业增加新经济价值的步伐因有诸种算力的加入而未曾放缓。

现在的半导体厂高度依赖计算能力。2000年后才引进的计算方式主要包括第一原理计算（first principles calculation）和机器学习， 2025年又即将加入量子计算。我将这些方法称之为计算半导体（computing semiconductors）。 第一原理计算是指由最基础的物理学底层出发，包括量子力学、电动力学（electrodynamics）等，用以计算材料的诸种性质。第一原理计算于1970~80年代在凝态物理（condensed matters）和量子化学（quantum chemistry）成为标准称谓。 在1980~90年代，一些半导体大厂的实验室如IBM，Bell Labs和NEC开始用它来计算高介电值物质（high k dielectrics）、缺陷（defect）、异质结构（heterostructure）等。 2000年后因为第一原理计算的套件广泛开发与商业化，以及计算机算力的大幅提升，许多半导体公司将其整合入研发的工作流程之中。2010年后，第一原理计算已经变成各大晶圆厂的研发标准工具。 第一原理计算的应用例子包括高介电值物质（如HfO2、ZrO3等）、缺陷及可靠性模型、新通道（channel）材料（如Ge、III-V族等）、二维材料（如MoS2、WSe2等）。 第一原理计算几乎可以涵盖晶格材料的所有性质，包括能帯寛（bandgap）、电场、磁场、自旋（spin）、电子传导（transport）、热（thermal）、振动（vibration）、光学（optical）等性质。 第一原理的计算在搭建晶格结构时依所欲建构材料的原子种类、共价键（covalence bond）长度、晶格对称（lattice symmetry）、相位（phase）等因素来组织材料，宛若堆叠乐高。也有能力故意在晶格中空出一两个位置，形成空隙（vacancy）；或者加入其他类原子，形成掺杂剂（dopant）；甚至形成错位（dislocation），这就是半导体制造过程中有意出现的结构或无意出现的缺陷。 不同的分子结构亦可设法连接在一起，这就是2种材料的界面（interface）。现在的半导体元件微缩近乎极限，材料的本体（bulk）部分差不多就恰好只能实现电子该有的传导性质。由于本体部分日益单薄，界面性质的重要性逐渐增加，因此成为半导体材料研究的重要题目。 总结一下，第一原理在半导体目前最重要的应用有三：一是材料的能带结构与电性（electronic properties）；二是缺陷、掺杂剂和可靠性的分析；三是下時代元件新材料的开发。使用第一原理计算大幅的降低原先试产批（pilot lots）的使用，也缩短开发时间。 虽然学术界在2000年起就有如晶圆缺陷分类、良率分析等大数据的应用，但是现代意义的卷积神经網絡（Convolutional Neural Network；CNN）在2015年后才开始应用于晶圆图模式识别（wafer map pattern recognition）。 接下来扫描式电子显微镜影像分析（SEM image analysis）以及缺陷检测（defect inspection）也开始以机器学习来处理。 到了2017年以后，主要的半导体设备制造商以及晶圆厂开始应用机器学习于缺陷检测、曝光热点侦测（lithography hotspot detection）、制程监控（process monitoring）等。 2020年后机器学习的技术日趋成熟，于半导体工作流程中被广为采用，包括用于良率学习（yield learning）的晶圆图缺陷聚集（wafer map defect clustering）、光罩合成（mask synthesis）及光学邻近效应修正（Optical Proximity Correction；OPC）、热点检测（hotspot detection）、自动光学检查（Automatic Optical Inspection；AOI）、预测性维修（predictive maintenance）等。大致上透过高维度、巨量信息的分析及图形識別（pattern recognition）监控工厂及提升工作效率。 由于机器学习的深度渗透，整合后的结构形成智能制造（smart manufacturing）、虚拟工厂（virtual fab）、虚拟晶圆（virtual wafer）更有效率的制造、研发系统工具。

预见商用量子计算机的降临，美国国家标准与技术研究院（National Institute of Standards and Technology；NIST）已于2024年7月确定公钥加密／金钥封装机制（public key encryption/Key Encapsulation Mechanism；KEM）以及數字签名（digital signatures）的标准。 KEM使用CRYTALS-Kyber（Cryptographic Suite for Algebraic Lattice-Kyber）演算法，为FIPS（Federal Information Processing Standard） 203；數字签名使用CRYSTALS-Dilithium演算法，为FIPS 204。另有FALCON（FIPS 205）、SPHINCS（FIPS206）等其他类型的數字签名的标准及演算法。 CRYSTALS是利用代数晶格（algebraic lattice）中的数学难题如寻找最小矢量等来设立破解难度，而代数晶格（又称秩序理论；order theory）是抽象代数（abstract algebra）的一个分支。 KEM的功用是后量子版的RSA，有Kyber-512、Kyber-768及Kyber-1024等3种强度等级。Dilithium后量子版的數字签名，也有Dilithium-II、Dilithium-III及Dilithium-IV等3个强度等级。 中国也由商业口令研究所（Institute of Commercial Cryptography Standards；ICCS）在2025年2月开始启动下時代商用加密演算法（Next Generation Commercial Cryptography algorithm；NGCC）計劃，并向世界征求对后量子加密标准的意见。 中国选用的演算法也是基于晶格（lattice-based）的演算法，分别是用于加密的Aigis-enc及用于數字签名的Aigi-sig。 由于未来可能存有两套后量子加密标准，两种会并行存在并建立中介机制、或者终将合流变为单一标准，此一问题对于从事后量子相关产品服务业者至关重要，值得密切注意。 目前已进入后量子加密（PQC）领域的半导体厂商包括英飞凌（Infineon）、恩智浦（NXP）、Thales及Microchip。产品应用包括云端、PC、IoT、汽车、嵌入式系统、ID、工业用等。 特别值得一提的是中国电信量子群（China Telecom Quantum Group）将于2025年11月释出中国第一个高效能芯片，置于他们整合量子金钥分发（QKD）+PQC系统之上。由于此芯片已经包括混合的传统及量子通讯網絡的应用，对于两个标准之间的竞合会产生一定的影响。 PQC产品什么时候会大量上市？答案取决于量子电脑的进展速度，量子电脑进展到某一种度，才可能对现存加密体制构成威胁。 量子电脑的运算能力的主要因数之一是逻辑量子元（logic qubit），就是可以实际用于计算的量子位元数，这个与量子电脑实际上建构的物理量子位元（physical qubits）数目有很大的差别。量子位元的维持、运算、量测都可能发生错误，需要使用一群量子位元来执行量子纠错码（Quantum Error Correcting Code；QECC）的功能，确保逻辑量子位元计算的正确性。依现在错误发生率的技术水准，1个逻辑量子位元可能需要近千个物理量子位元来保护。所以量子电脑所需的物理量子位元数量庞大，但可以使用的逻辑位元数量较小。但是在逻辑量子位元数目上百之后，在有些应用就有能力超过传统计算，取得量子优势（quantum supremacy）。 对于现在常用的加密机制RSA-2048及AES-256，目前估计约4,000~6,000个逻辑量子位元数即可以破解。 目前有3家公司明确的公布商业量产通用容错量子电脑（universal fault-tolerant quantum computer）的时程。 Quantinum宣布于2030年前推出100个逻辑量子位元数的离子陷阱（trapped ions）量子电脑；IBM则宣布于2029年推出200个逻辑量子位元数的超导体（superconductor）量子电脑。这两家也许对目前的加密机制还构不成太大威胁。 另一家PsiQuantum预计也是在2029年量产通用容错量子电脑，其上的光子（photonic）量子位元数从計劃开始就是以百万个物理量子位元为目标，估计可以使用3,000~5,000个逻辑量子位元，这已有可能危及目前的加密安全体系。 假设以上的量产时间和估算为真，PQC的商机何时开始浮现？答案是量子计算机交机的那一天得全面准备妥当。任何没有PQC保护的網絡，彷若透明，对于譬如国防、金融等敏感体系尤为如此。一个国家、地区、或个人如果没有PQC 的保护，就会变成網絡孤岛，没有人愿意与之往来；在金融业，这就像是被退出SWIFT体系，所以加密方式的转换必须在高逻辑量子位元树的量子电脑问世之前全面完成。 PQC产品的NIST FIPS各种标准验证需要约12~24个月的时间，产品验证后需送客户设计和验证，才会有机会入驻網絡各节点和终端系统。现在已是2025年下半，离2029年还有多久？所以那些公司已经有产品布置，一点也不令人讶异。 还有一个备注。美国和中国的加密标准虽然不同，但是都是基于晶格的演算法。这类演算法的安全性是因为目前没有已知量子演算可以轻易破解此类问题，基于晶格的演算法所产生的问题并未严格地被证明是BQP之外的类别。也就是说，如果努力发展新量子演算法，也许基于晶格的演算法又会被破解，到时候PQC的布置又得重来一次，很伤脑筋。