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。

测量、展示量子计算机能力的方法之一，是看其有无办法用量子计算中的萧尔演算法（Shor’s algorithm）来分解一个数目中内含的质因数（prime factors）。 传统上质因数分解是个困难的问题，特别是被分解的数目是个大数。但是量子计算的萧尔演算法对于质因数此一问题相对于传统计算有指数性加速（exponential speedup），亦即在有足够量子算力的条件下，质因数分解的计算时间得以指数式地缩短。 量子计算在其他问题上也拥有不等的优势，譬如在一个无秩序的數據库中查找一笔特定數據的问题，量子计算用葛罗佛演算法（Grover’s algorithm）可以取得平方加速（quadratic speedup），也就是计算时间可以开根号的缩短。 传统的加密手段可以简述如下。Alice要安全地传送一段文本（text）给Bob（这是加密学的标准敍述方式），Alice首先会用一支二进位256位元的数字当成金钥来加密，现在通用的标准方法是AES-256，然后将这段加密文本送给Bob，Bob用同一支金钥反向操作即可解密。问题是Alice如何递送这支金钥给Bob才安全？这就要用RSA-2048的公钥—私钥架构（public key-private key infrastructure）。 RSA-2048的公钥是一个二进位2,048位元的大数目，它是2个大质数的乘积。每个人的公钥都是公诸于世、众所周知的。Alice用Bob的公钥来加密文本使用的密钥，送给Bob。与AES不同的是，解密必须用Bob的私钥，而这私钥就是公钥的2个质因数之一。 这公钥—私钥的架构可以用电子邮件来打比方。在此例中，Bob的公钥是他的电子邮件住址，是公诸于世的。要送给Bob的信息写在信中是受到保密的，只有Bob收到信件登入、输入自己信箱的口令（也就是私钥）后，才可以取出信息。 RSA-2048的安全性依赖于用传统计算难以分解大数的质因数此一事实，而AES-256的安全性来自于对金钥查找的困难。不幸地，量子计算的出现摧毁现存的加密体制，量子计算的萧尔演算法—只要有足够的量子算力—可以有效解决大数质因数分解的问题；葛罗夫演算法可以有效地解决查找的问题。这也许是量子计算机未来问世对世界的少数负面冲击之一。 幸好量子计算不是万能，不是所有的数学难题都可以解决的。量子计算能解决数学问题的范畴为有界误差量子多项式时间（Bounded-error Quantum Polynomial Time；BQP）。 由于现存通讯安全体制在量子计算出现后可能会崩溃，业界早已开始筹划后量子时代的安全通讯机制，其中的安全机制之一是于量子通讯（quantum communication）網絡上的量子金钥分发（quantum key distribution）。量子通讯網絡具体例子为中国连接北京、济南、合肥、上海及从这些节点衍生出的網絡与墨子卫星所构成的量子通讯干线。量子通讯的安全机制依靠的是物理，即量子信息是无法被复制（non-cloning）的，任何窃取其上信息的企图势必将破坏信息，因此窃取信息的企图是枉然的，加密用的金钥于其上传送也是安全的。 另一个机制是后量子加密（Post-Quantum Cryptography；PQC）。此方法沿用目前通讯架构，但是改善加密的措施，借以对抗量子计算破解加密，这是目前业界关注的焦点。

PC的问世提供臺湾制造服务进一步演化的机遇。 1974年微仪遥测系统公司（Micro Instrumentation and Telemetry System；MITS）发表Altair8800，之后还有初期的苹果（Apple）电脑。但是IBM PC于1981年问世后才让PC大量进入市场。 臺湾在1984年才开始承接PC的制造服务，此时臺湾却已非昔日吴下阿蒙。首先，第一家提供PC制造服务的宏碁已有自有产品「小教授」，虽然是比较适合于特定用途如训练与教育等领域专用机种，但是已有自己设计的能力，可以同时承接原始设备制造（Original Equipment Manufacture；OEM）以及更进阶的原始设计制造（Original Design Manufacture；ODM）等2种服务。到了1988年，臺湾已经成为仅次于美国的PC出口国；到了2000年初，全世界有80%的PC出于臺湾。 这段经历对臺湾有2个重要意义。一个是对于臺湾刚起步的半导体产业提供了初试啼声的近端市场。芯片供应商包括威盛、矽统、扬智、钰创、华邦、联电、臺积电等，这些芯片供应或制造商在80年代末、90年代初陆续的加入电脑零件供应商的行列。以中国的术语来说叫做国产替代，而且零件能自己供应的比例愈来愈高，可以制造的电子系统种类也愈来愈广。 对于半导体产业，这是成长的沃土；对于电子制造服务业，这是加长供应链的战略纵深。 90年代中期臺湾几家电子制造服务公司开始研发移動通讯，97年起开始2G GSM手机的OEM/ODM业务，业务模式一如之前PC的电子制造服务。 从智能手機時代起，电子制造服务产业将部分产能移至中国，持续扩大其制造产能。 2000年代中期，臺湾开始服務器的EMS/ODM业务。到了2018年，所有主要电子制造服务公司已经能制造完整的服務器以及边缘计算（edge computing）设备。 2022年末，臺湾开始迈入人工智能服務器的制造服务领域。到2024年，臺湾生产的人工智能服務器占全世界93%。除了原先PC、智能手機已然的制造服务优势持续奏效外，另外在半导体累积的经验，包括尖端芯片制造以及先进封装加持下的多重优势价值链，这囊括的市占率似乎是理所当然。 这个电子制造服务的生态系似乎还有持续扩大的机会。在先进计算方面，人工智能的下一步目前近乎可及的题目是量子计算。包括IBM和PsiQuantum等使用不同类别量子位元的公司相继宣布通用容错（universal fault tolerant）、可以应用于解决实际问题的量子计算机将于2029年进入商业量产阶段。 臺湾对于量子计算的研发相较于国际领先群本来就启动时间较晚，而且投入的资源相对不足。IBM不久之前才宣布未来5年内在美国要投资1,500亿美元于量子计算的发展；如果包括制造在内，5年内总计3,000亿美元。与此相较，臺湾对于量子计算技术的投入太迟又太少。 但是如果不是想赚取「先进研发利得」（advanced research gain）的话，臺湾仍然可以用电子制造服务来参与新兴领域，分取红利。 目前NVIDIA先进计算架构已经将量子计算整合入既存的人工智能服務器架构，规划CUDA-Q。臺湾的电子制造服业在近年来已经开始启动量子计算的研发，虽然能量不足以挑战世界已先行多年的发展领先群，但是藉目前已开展的人工智能服務器的巨大翻展动量，以后发的研发来了解新科技，加入下一阶段的发展，这个策略还是有机会延续臺湾电子制造业的优势。

最近关于臺湾半导体发展史的影片《造山者：世纪的赌注》（A chip odyssey）中提及美国无线电公司（Radio Corporation of America；RCA）授权、移转半导体技术给臺湾，启动臺湾半世纪的半导体旅程。 其实RCA对臺湾的科技发展有另外更早、影响可能更深远的贡献。1966年RCA在臺湾设立黑白电视组装（assembly）的生产线。 黑白电视在30年代已有样品、40年代已经商业化量产。1954年RCA也开始商业化量产彩色电视，并且70年代以后在美国、日本、西欧等发达地区彩色电视变成主流。但是黑白电视在发展中国家市场仍然是主要的消费性电子产品。RCA将黑白电视的组装工作迁移至臺湾是最佳化低毛利事业部门，一个典型的美国公司的标准操作。 黑白电视迁臺组装这件事有几个重要意义。第一个是移转臺湾现代化生产线以及公司的管理，这个效果毋庸赘述。 第二个是技术移转。当时黑白电视已经算不得尖端科技，因为彩色电视的普及在即。如果组装可以成功地在地运行，将零组件的制造也一起迁移是个明智的选择。这些技术包括阴极射线管（Cathode Rate Tube；CRT）、类比线路（analog circuit）设计、焊接（soldering）、表面粘著技术（Surface Mount Technology；SMT）等。这此技术很多是后来电子设备制造的共同基础。 第三个是产生规模经济。RCA于60年代后期于臺湾开始组装黑白电视，臺湾本地的公司如大同、声宝、歌林等也开始代工组装或制造自有品牌的业务，后续还有更多的臺湾公司以及欧美公司投入相同的领域。在高峰时期，臺湾出口的黑白电视占全世界市场的60~70%。之后的彩色电视业务，虽然各国将之视为较先进的消费性电子产品而有较高的自制意愿，但鉴于已趋成熟的臺湾组装能力，臺湾的彩色电视出口仍然占全世界市场的30%左右。 由于有了规模，与其系统相关的生态就有开始衍生的机会，譬如日本公司投资的零组件，臺湾本地生产的被动元件电阻、电容等。有一个很显著的例子：富士康成立于1973年，最先期的产品就是黑白电视的旋钮（knob）以及塑胶零组件，这就是黑白电视组装业务带来的臺湾电子产业生态系发展机遇。富士康不是孤例，近两年很多电子业相关公司都在庆祝50周年庆，遥想当年电子业生态系统是如何像地衣般全面铺展开来的。 RCA黑白电视组装厂设在1966年刚设立的高雄前镇加工出口区（Export Process Zone；EPZ），之后有如增你智（Zenith）与摩托罗拉（Motorola）等公司的加入。加工出口区的设立当初是为解决臺湾贸易逆差问题的手段之一。 1966年臺湾的贸易逆差为约8,400万美元，这个数目看起来似乎不大，但是在当年占臺湾32亿美元GDP的2.6%。现在美国对全世界加征10%的关税，其主要目的也不过是要解决其占GDP 3%的贸易逆差问题。 加工出口区的设立对于电子制造服务业（Electronics manufacturing Service；EMS）的开展有决定性的影响。除了在关务、税收政策等方面形成肥沃的生态土壤，在全球运筹（logistics）方面提供必要支持，使得规模经济得以持续扩张。这是臺湾电子制造服务业发展的起点。

当IBM Condor的量子位元数已经高达1,121个、Atom Computing Phoenix的量子位元数也已达1,180个，臺湾的量子计算研发2024年才刚刚跨出5个量子位元的原型（prototype）量子计算机的第一步。 量子计算的量产也许不会在立即的未来发生，但是也不会太远，至少目前各方瞩目的PsiQuantum预计在2027年年底开始量商用的机型，并且在2029年达到全尺吋容错（fault-tolerant）系统。 量子计算的商业应用有很大的机率如同人工智能般产生巨大经济价值而重新分配财富，而新财富的分配通常只限于创造经济价值的参与者。以目前在量子技术核心量子位元（qubit）及量子闸（quantum gate）还远远落后前沿科技的开发进度，臺湾在未来的量子時代还有机会在科技新時代分到相应贡献的经济价值吗？答案是有可能的，而且已经悄然发生中。 看现在的人工智能服務器（AI server）便可以明白臺湾会以怎样的策略切入这明日之星的新产业。 其实臺湾的产业几乎没做过基础科研，除了臺湾基础科研的整体体量较小外，对于公司资源的配置，也有基于公司经济尺吋的现实考量。 要在新领域独占鳌头，要做长时间、领域广泛的研发投入，后者基本上是保险策略。极致的例子是IBM以前Watson Lab的风格，机构可以供养科学家以及研究经费做与公司业务没有直接关系的基础科研，甚至因为这些工作而获得诺贝尔奖！ 臺湾的公司绝大部分是中小型公司。即便像臺积电在臺湾排市值排名第一的公司，在本世纪之前也未能进入全世界前100大之列。因此对技术硏发的策略长期偏向于做短、中期的技术发展（development），题目的选择与短期内订单的可见度有明显的相关。采用这样策略的风险较低，资金的利用效率较高。以产业内较直白的话来说，就是不见兔子不撒鹰。 不从先期的基础科硏下手、取得先行者的有利位置，却冀望取得产业带来的利益分配，靠的是什么？答案是供应链。 一臺量子电脑会大致有下列模塊：量子处理单元（QPU；Quantum Processing Unit）、控制和读取电子设备（control and readout electronics）、同相／正交混频器（IQ mixer；In-phase/Quadrature mixer）和FPGA 板、低温系统（cryogenic system）和真空系统、经典处理（classical processing）及回馈系统、軟件堆叠（software stack）、校准和诊断工具（calibration and diagnostic tools）等。这些模塊各负责一些功能，譬如经典处理及反回馈统统中就包含经典服務器及纠错控制器（error correction controller）。 以IBM最近1,121位元的Condor这款发展过程中的原型机为例，零组件的数目大约在11,000~16,000个之间，供应链的公司数在150~200个之间，但这数目只适用现阶段的原型机。如果是商用的机型，零组件数轻易会上数十万，因为有些零组件会随位元元数线性成长的。 对照于NVIDIA DGX GB200 NVL72的AI服務器，其中也有10个出头的模塊，合计有大约100,000~200,000个零组件。虽然其中主要的GPU不是臺湾设计的，但是芯片制造之后全在臺湾。臺湾AI服務器的出口，2024年占全世界93%，这是臺湾在此领域150~200家供应链力量的展示，而这力量是沿承自90年代的PC/NB供应链。记得90年代PC/NB产业的口号吗？除了CPU，我们什么都有。供应链不是可以一蹴而就的，因此也很难突然被取代。 未来的先进计算，如果含量子计算，很大机率是包含AI服務器的混合服務器（hybrid server），而且现在的量子计算机就已经包含服務器。 所以臺湾合理、合时宜的量子计算发展策略就是依著沿PC、AI服務器的供应链思路，以供应链的方式参与新产业的兴起。 臺湾的几家电子制造服务公司（EMS）都已经开始踏入这个领域。有的从0开始，建立量子位元研发团队；有的投资量子新创，同时建立公司内的量子团队。如果没法在最关键的研发领域领先，至少先暖身一下。毕竟量子不像传统的电子产业，观念上需要跳跃性的前进。 这样做有异于不见兔子不撒鹰的传统原则吗？并没有。产业链龙头企业NVIDIA已经提出CUDA-Q的架构，也有报导在评估投资量子计算新创公司的打算。兔子已经在视线之内了，正是撒鹰时机。