Google查找趋势（Google Trend）是个好用的工具，有时我会透过查找热度变化情况，观察某个议题的发展。这次我键入AI技术典范转移的3个字词「Expert System」、「Deep Learning」、「Generative AI」，看看会呈现出哪些结果？若以Google Trend最早能提供查询数据的时间2004年作为起始时间，「Expert System」的查找热度一路往下，而「Deep Learning」则从2013年起查找热度开始走扬，并于2014年与「Expert System」出现走势交叉的情况。Expert System是早期真正商用化的AI技术，属于规则式学习（rule-based learning）。其组成包括知识库、推论引擎和用户界面等3部分，透过大量请教专家，采用if-then-else的结构将专家知识和经验建成知识库，推论引擎则根据知识库中的规则和推论机制来推论和决策，用户界面则是如同ChatGPT，可用问答方式来获取专家系统推论的答案。Expert System热潮在80年代，因人类诸多内隐知识难以表达与形成规则，及规则式学习建立与维护数据库的复杂度随时间持续提高，专业领域专家系统（如医疗、土木等）逐渐式微，而一般企业管理用途的规则系统，逐渐被整合至如甲骨文（Oracle）与SAP等业者的企业应用软件中。2012年多伦多大学教授Geoffrey Hinton与其2位博士班学生Alex Krizhevsky、Ilya Sutskever发表〈ImageNet Classification with Deep Convolutional Networks〉此一论文，带动Deep Learning兴起。机器视觉领域有个2010年由李菲菲发起的奥林匹克级学术竞赛（ImageNet Large Scale Visual Recognition Challenge；ILSVRC），前2年优胜团队都是采用传统的机器视觉技术，Krizhevsky、Sutskever与Hinton的CNN神经网络模型AlexNet，在2012年竞赛「top 5 test error rate」指标中，创下竞赛以来的最佳成绩15.4%，领先第二名的26.2%近11个百分点，从此Deep Learning跃为机器视觉领域主流。当2015年微软（Microsoft）的ResNet以错误率3.6%胜过人类肉眼的5%错误率时，包括智能交通、人脸识别、瑕疵检测等多元市场商机随之起飞，也反应在从2013年迄今「Deep Learning」查找热度上。相较于「Deep Learning」为既有数据进行分类与分群等分辨工作（如人脸识别），「Generative AI」则是学习输入数据的模式和结构，其后根据训练数据的分布，生成相似但全新的数据。2014年的Ian Goodfellow提出的生成式对抗网络（Generative Adversarial Network；GAN），可说是带动生成式AI发展的里程碑。接下来这几年查找热度微幅上扬，生成式AI主要是在专业族群中愈来愈受关注，直到2022年11月ChatGPT的横空出世，引发媒体与社会大众的关注与使用，查找热度才急遽攀升。若直接比较ChatGPT与Expert System及Deep Learning，更可看到由于ChatGPT的爆炸性查找热度，相对而言，Expert System及Deep Learning的查找热度已被摊平成贴近水平的直线。Expert System之父Edward Feigenbaum在2007年接受美国电脑历史博物馆（The Computer History Museum）口述历史访谈，在被问及「我们如何赋予电脑知识?」时，他回答「我想唯一的方法就是依循人类文明现有的方式。我们藉由文本这个文化结晶来传递知识。过去是手稿，接着是印刷文字，现在则是电子文本……我们需要想办法让电脑读化学书来学化学，读物理书来学物理，或者是生物学等其他学科……我们的人工智能程序是手工制作并以知识建造的，除非我们有办法设计出能够阅读、理解文本并从中学习的程序，否则我们将永远无法突破。」（引用自阳明交大《数理人文》期刊第10期，〈人工智能专家系统之父—专访涂林奖得主费根堡之生涯回顾〉一文）Feigenbaum那时并未料到，Google的BERT与Open AI的GPT等近年发展的LLM在训练文本上的惊人数量级提升。以Open AI来说，从2018年GPT-1的5GB训练数据量/1.1亿个参数，提高到2020年GPT-3的45TB训练数据量/1,750亿个参数。之后Open AI便不再公布训练数据量，但最新发布的GPT-4估计可能超过1万亿个参数。带来的突破性成果正在为全世界各个领域的人们所尝试与运用中。Deep Learning的2位关键开创者中，Ilya Sutskever是OpenAI的联合创始人及首席科学家，持续推进最前沿AI技术的发展，但近日Geoffrey Hinton却离开Google，且呼吁人工智能给人类带来的威胁可能比气候变迁更急迫，而曾是Open AI共同创办者的Elon Musk也大声疾呼暂停开发和测试比GPT-4更强大的语言模型。我不禁想问如今已87岁高龄的Feigenbaum，身为自然语言处理AI宗师的您，当强AI时代愈来愈近时，人类该如何踏出下一步呢？ 

日前到竹北去拜访科技界的前辈宣明智，我跟老宣说，我们两人第一次见面是1986年，他很惊讶地看着我，你怎麽记得？1986年时，MIC第一次主办「收费」的研讨会，包括老宣在内的很多业界资深前辈都自己来参加。我问老宣，为何愿意参加付费的研讨会？他说相较于一次200元的费用，我们的时间更昂贵，这是我从老宣身上学到的第一堂课，这也是我认为优质信息可以收费的源头，所以我们也认识37年了。老宣现在把重心放在车用电子与智能医材的事业上，他认为台湾拥有最好的电子与医疗人才，两者的整合将带来极佳的经营效率。前阵子与他在互贵兴业见面，这家公司发展内视镜与智能医材，相对于证照取得，甚至面对国内挟庞大的市场与资源竞争，台湾从电子业发展经验出发，仍可以取得极大的优势，但产业资源的整合仍是一大考验。针对产业资源整合的方案，宣明智提出「虚拟园区」的概念，我说虚拟园区必须有3D、4D甚至5D的概念，透过人工智能的信息汇整技术，就可以让潜在客户找到可能的解决方案。我认为，相较于电子业至今仍是「Top-down」为主的产业信息流通架构，智能医材多元变化，「Bottom-up」由下而上，以拉力为主、推力为辅的应用商机，完整的数据库更为重要。每一家公司发展的医材都有适用的关键字，例如科别、供应商、技术类别、应用领域、目标客户等，根据标注的关键字，配合数据库的经营管理，就可以打造出一个虚拟园区。这个观念并不难，「知易行难」才是问题。多数自以为拥有关键技术的人，会以发展突破性的产品为职志，而具有IT专长的人，很少人拥有产业营运概念，甚至具有管理专长的人，也缺乏深度理解市场需求与技术变革的耐心。最后碰到的问题是，「到底谁出钱？」很多人期待有人「登高一呼」，根据麦肯锡（McKinsey）研究，能够串连利益关系人的专家，被工具取代的机率最低，我深以为然，这也是我的创业经验。台湾不缺钱，建构这种服务机制的产业环境也是绝无仅有，需要的是愿意蹲下，弯腰查找与建构数据库的专家而已。

2023年第1季电子产业上下游仍处库存调节阶段，在营收表现上相较2022年同期多呈停滞甚至衰退。然而，大型（Hyperscaler）云端服务业者营运表现相对仍佳，加上生成式人工智能（Generative AI）带动的新应用热度正夯，后续成长动能值得关注。2023年第1季亚马逊（Amazon）AWS营收达213.5亿美元，年增16%；微软（Microsoft）Azure营收年增27%，另外Google Cloud Platform（GCP）营收年增率亦达28.5%。上述3家业者占公有云端服务市场比重约65%，维持强者续强的态势。 回顾过去5年公有云端服务市场成长情况，年复合成长率超过20%，AWS约占全球IaaS、PaaS及代管私有云（Hosted Private Cloud）服务市场的3分之1，维持第一大地位。AWS近期表示已对全球超过10万个客户提供人工智能／机器学习（AI/ML）服务，相对于亚马逊非云端业务，近几年AWS营收年成长率高出15~20个百分点、营业利益率也高出20个百分点以上，是亚马逊整体版图扩张及获利成长的主要动力所在。微软云端相关（包括Azure、Microsoft 365等）营收比重亦大幅提高至占整体公司营收约45%，企业策略定位明显转向云端服务，在云端服务市场占有率亦逐步攀升，居全球第二大地位。随着微软生成式AI服务将导入旗下各个产品上，对云端业务推广预期将有推波助澜的效果。展望2023年，受全球经济景气动能减缓影响，云端服务市场成长动能确实不及2022年，如AWS营收年成长率在2022年第4季时为20%，2023年第1季减少至16%，预估2023年第2季时成长率再减至12%。不过，以中长期而言，云端服务市场的长期发展仍应正面看待。由于企业IT采云端方式进行可带来弹性，资产投报率将会较佳，IT支出朝向云端转移的趋势不大可能逆转，加上AWS表示目前全球IT支出仅10%是在云端进行，后续云端服务市场的发展空间仍相当庞大。为因应云端服务市场成长趋势，云端资本支出势必连带成长。以2023年第1季为例，微软、Meta的资本支出年增率分别约24%、28%，2023全年亚马逊的资本支出预算虽预估将较2022年减少，但AWS的部分则可望继续成长。台湾服务器厂商的客户组成，来自于惠普（HP）、戴尔（Dell）、浪潮等服务器品牌业者比重已退居第二，云端服务业者则已跃居首位，且后者比重近年来持续攀升。因此，云端服务业者的服务器订单，对台厂重要性日增。台湾与云端服务相关的产业主要包括晶圆代工、IC载板、高速传输界面、服务器组装以及电源供应器、机柜等次产业。以最直接相关的服务器业者而言，台湾占全球服务器生产即超过93%。短期方面，根据DIGITIMES Research的调查，由于客户调整订单等因素，第1季全球服务器出货量较2022年第4季衰退，跌破400万台（以主机板计算）；2023年第2季因第1季基期较低，及品牌商新平台可望优先放量，预期出货将有低个位数季增。展望未来，云端服务市场成长趋势未变，在生成式AI引发的新浪潮下，高单价的AI服务器出货量成长可期，尽管占比有限。关于最新服务器产业的分析及预测，请参考DIGITIMES Research服务器产销调查报告。延伸报导产销调查：1Q23全球服务器出货跌破400万台大关　2Q23出货将仅季增3.9%　ChatGPT效应有限

亚马逊（Amazon）是一家假装成网络书局与零售代理的人工智能、大数据公司，现在主打云端服务；大椽（DIGITIMES）则是一家假装成报社的电子业专业信息服务与顾问公司，同时拥有「Data」与「Intelligence」两大优势，所以才能在媒体的黑暗时代存活。我的创业基础与专业知识，来自于1980年代中期台湾以资策会MIC建构科技专业智库的经验。当年行政院的科技顾问Bob Evans跟李国鼎资政建议，台湾中小企业多、政府官员对于科技大势所知有限，可以成立一个专责的任务团队，蒐集、分析全球产业信息，这是MIC的源头，创业能够侥幸存活，也与在MIC工作时累积的经验有关。我深知信息的影响力与价值，如果数据是21世纪竞争的关键，那麽对于产业的深度理解就更为重要了。台湾小，不可能以人口优势创造数据、掌握数据。将所有的信息转化为具有意义的「Data」，并透过模块化不断的连结，发挥专业数据的影响力，这便是台湾科技产业的共同价值。如果产业往东协、南亚移动，与这些国家建构亚太ICT产业供应链的专属智库与战情系统，将更具战略性的意义。就电子业而言，台日韩是亚太地区最先进的产业体系，这些地区主要的电子业都已经上市，不难从定期发布的新闻中掌握关键趋势。一般而言，产业信息关键在于如何定义内容与取材范围。除了报导各国上市的主力企业之外，透过公开信息，水平对比亚太供应链中的核心企业，也是DIGITIMES的任务与定位。例如，对比亚太30大EMS制造厂、东协与南亚20大电信公司、30大系统整合商、东协与南亚国家半导体进出口数据对比等，都是可以独创，但又具备国际视听影响力的关键信息。亚太国家中，堪称一线大国，且与台湾ICT供应链具有高度连动的国家包括印度、越南、印尼、泰国、新加坡，其次是马来西亚与菲律宾。抢占制高点，定义亚太供应链价值相较于「散弹型」的国际行销，以台湾电子业为核心的亚太ICT产业供应链信息，只要掌握原创性，既可以满足企业开拓市场、寻求夥伴的需要，也可以反向行销，让潜在客户自行上门。这些工作不见得是个别企业独立进行，掌握话语权的工作，DIGITIMES也有舍我其谁的企图心，能让台商的核心优势继续延续与扩张，锁定东协、南亚新商机，也是我们对台湾产业的承诺与共同价值。我曾为过一位电子五哥总经理：「给印度10年、20年，印度有机会超越台湾吗？」；答案是否定的，那麽为何要害怕呢？反倒应该从长期思考台湾的核心优势，并以「剥洋葱」的方式，分阶段取得战略性的价值。

在全球化的时代，经济规模、效率是生产制造的关键要素，而地狭人稠的台湾，更是将产业群聚效益发挥到极致。2000年前后，台商大举前往国内发展，生产基地也从珠三角延伸到长三角，甚至成都、重庆、郑州落脚，国内的经验是垂直分工的极度发展。加上iPhone出现、国内本土经济蓬勃发展，在国内制造2025的概念下，给了国内建构本土电子工业供应链的契机。在地政府支持的电子大厂遍地开花，开始与台商争抢苹果（Apple）供应链，而国内本土业者除了垂直整合的条件之外，更可以利用本土市场往水平整合的创新需求推进，很多人都预判台商的好日子已经到了尽头！如同前述，1979年新竹科学园区创立之初可以用乏人问津来形容，但台湾的产业政策跟企业经营一样充满了弹性。不像是日本的竺波或韩国的大德科学园区，过度偏重研发，导致科技类的生产制造活动难以落实。台湾的科学园区也欢迎量产制造，更与几公里外竹东工研院高度连动，两者之间相互支持，但不相互统属，也保持了该有的独立性与弹性，这些都是新竹科学园区的成功要素。1980年代的中期，台湾个人电脑与周边设备制造业开始起步，从汐止一路往南延伸的科技工业带，正因为新竹科学园区有了很好的中继力量。本土的电脑制造业、海归的半导体菁英，都在竹科的大旗下形成新的产业聚落，如今更因为半导体制造能力而名闻遐迩。竹科有限的土地已经充分利用，政府在台南、台中复制了产业聚落，也得到很好的成效。但我们相信「竹科」的大名不仅可以是台湾的护国神山，更是台湾产业新南向的尖兵。诚心建议竹科以授权或合作的模式在南向国家插旗，有了竹科之名，台商更容易形成产业聚落，而在地政府「忌讳」竹科之名，也不至于过河拆桥，将竹科经验传承、复制、善用到海外，可以让竹科的无形价值再创新局。

我们可以从印度、越南、泰国进出口的半导体与电子产品结构，虚拟研判未来的供应体系。东协南亚主要国家进口的半导体，多数是从国内、香港运筹，但国内、香港并未具有国际销售实力的半导体零件，反倒是台商业者举足轻重。一般而言，零件代理商将客户区分为TBM、CBM、MBM（详见上一篇）。根据DIGITIMES在第一线访谈数据得知，现在东协、南亚进口的半导体零件，主要是以台商体系的需求为主，国内业者次之，反倒MBM的成长有限。以印度进口的半导体为例，将近80%来自国内与香港，显然就是台商在当地运筹体系调度的，而不是原产于国内的半导体。这个大趋势对照地缘政治上的演化，显示、模拟了零件代理商未来可能的布局。一方面在地业者将会崛起，印度的TATA、Vedanta在与台商结盟之后，在地业者的比重将会增加，加上台系的富士康、和硕、纬创三家公司在印度生产的手机不仅满足国内市场，甚至已经开始出口海外市场。加上台达电与服务器、网通业者都虎视眈眈，尝试满足当地的需求，台系业者的需求将大幅提升，也提供台湾重新思考以桃园机场、新竹园区为核心的「亚太运筹中心」计划。1990年代中期，台湾尝试推动的亚太营运中心计划并不成功，关键在于台商往国内移动，且都以国内为外销的第一选择，导致过去20多年，两岸贸易的失衡，台湾也出现过度仰赖国内市场与产业的现实。前进国内的产业界以效率为尚，经营上各自为政，但未来的物联网、区域生产需求，都需要更完整的解决方案，例如系统制造大厂与电源业者之间的关系正在改变。过去以国内为核心时，大家各怀鬼胎，都会担心口称合作，但私下备战的心态。现在市场延伸到东协南亚，就算大集团也认为「量产」不是唯一选择，「分工」可能是最佳的事业模式，愿意思考战略合作的企业正在大幅增加。1980年代初期，台湾的零件代理业以代理商、贸易商的身份起家，之后随着产业规模的扩大，以及国内生产基地的需求，开始建立技术支持与智能仓储的能力，而透过上市柜的程序，社会资本也给予适当的支持，如今的零件代理业也成为供应链中不可或缺的环节。2005年开始，世平兴业透过整并，与品佳、友尚、铨鼎合组大联大控股集团，成为全球顶尖的零件代理商，近几年推广LaaS（Logistics as a Services）的概念，希望透过共同建构的智能仓储系统，提供多样化的仓储服务，甚至透过流通数据的掌握，深化仓储服务业的价值，将主力业务延伸到医药、红酒等高单价的运筹服务上。

混合键合技术的新应用中，最引人注目的当属高效能计算（High Performance Computing；HPC）。HPC在晶圆代工的产能中占据最显着的份量。HPC架构主体主要含处理器和存储器。处理器通常以最先进的逻辑制程制造，但是存储器（DRAM）的制程进展较逻辑制程缓慢，这个就产生落差。两者之间沟通落差限制整体表现，而且制程也截然不同，属于「异质」。延伸报导先进封装技术竞逐略有起伏　HPC导入热度高于手机AP解决两者之间效能落差的方法之一是利用平行处理。现在的处理器多具有双位数数量的核（cores），每个个核需要支持其运作的个别存储器。数量如此多的核-存储器之间的连线需要多个I/O接点以及高频寛，这就是十年前开始出现高频寛存储器（High Bandwidth Memory；HBM）需求的驱动原因。HBM是用2.5D封装技术将CPU与至多8个DRAM堆叠封装，其处理器与存储器之间的连接是透过芯片的微键（microbond）连接底下中介层的金属线至另外的芯片，如此一来I/O与连线的密度都可以大幅增加。对于常用于AI常用的GPU芯片，其核的功能比较专一，所以每个核的面积较小，一个芯片里核的数目动辄上千。每个核所需要对应存储器容量不需要很大，但是因为核与存储器的数目有数量级的提升，连线及I/O的数目要求更高，此时铜混合键合就能提供其所需要的效能。这个应用也是目前多家代工厂、DRAM厂的技术及业务能力扩展方向。2022年3月Graphcore发布于台积电造的Bow IPU号称是世界第一个3D WoW处理器，利用到的是混合键合的另一种优势。2片晶圆一边是AI处理器及其协作的存储器，主要包括1,472个IPU（Intelligent Processor Unit，Graphcore为其处理器的命名）以及与各IPU协作的独立900MB的分散式SRAM；另一个芯片负责提供电源。如此结构设计，Graphcore宣称可以提升效能40%以及节省功耗16%。超微（AMD）最近的Ryzen系列也因为不同的原因采取混合键合技术，虽然使用的是CoW的技术，而非WoW。超微将CPU中面积较大的L3 cache单独拿出并增容量、单独生产，在不增加CPU系统面积的情况下，增加可用的SRAM容量，减少一般信息处理必须传送到DRAM的需求，因而提升速度、减少功耗。延伸报导铜混合键合的发展与应用（二）：商业化应用其他混合键合的应用现在可预见的还包括无线通讯、AIoT、PMIC等。在混合键合的制造成本下降后，应用领域还有可能延拓的更广泛。从芯片异质整合、效能提升、减少功耗、缩小面积等的几个优点考量，只要混合键合的成本下降至各优点的价值临界点后，技术的采用将会一一浮现。学习已经商业化的、正在酝酿中的应用并且分析其得失，是寻找新应用的 必要学习过程。 

一般而言，零件代理商将客户区分为台商（TBM）、中商（CBM）与在地多国客户（MBM），在生产基地往东协南亚移动时，零件调度工作很多仍然仰赖国内与香港，但台商仍是生产制造的主力。因此，表面上看起来是来自国内、香港进口的半导体，但实际上却是台商的贡献，我们也可以理解「制造原厂」仍是决定零件流通动线的主力。在东协南亚主要国家中，真正能把本土制造业发展起来的仍是少数。相较于泰国、菲律宾有一、两家在地的电子制造大厂，印度、越南更展现出强大的企图心与潜力，他们未来更有机会成为调节核心客户的多元产能与商机。过去OEM原厂对台商的要求可以说是「予取予求」，这是台厂生产重心从深圳、东莞，一路往长三角与成都、重庆、郑州移动的关键原因。但那是以手机、NB生产为重心的Top-down时代，品牌大厂掌握关键订单，甚至是制造厂的兴衰荣辱。但随着物联网的兴起，面对未来电动车、元宇宙、ChatGPT、车联网与网安的商机，在地的业者扮演更关键的角色，不仅仅是区域型、分散型生产基地成形，在地的服务需求也会激励在地品牌与区域型的数据中心。如果台厂能结合在地的力量，不仅可以平衡供需关系，也能跳脱「规模越大，毛利越低」的困境。相较于惠普（HP）、戴尔（Dell）、苹果（Apple）这些传统的硬件品牌，在地的电信公司、独角兽企业、在地的EMS制造大厂、代理业者等，都是台系厂商可以争取的合作对象。越南的VinFast、FPT剑指汽车、半导体，印度正在筹组一个发展半导体的任务团队，印度的市场潜力与调节供需的功能在不久之后便可能成为事实。纬创携手Tata，富士康联合Vedanta布局印度供应链，苹果CEO Tim Cook亲访印度，都见证了印度市场的潜力，如果印度本土的IC设计产业能与新兴的半导体晶圆厂计划连动，产业结构将与以往高度倚赖外商的结构大不相同。大联大早就在1990年代就开始经营印度分公司，文晔、益登、威健、全科都是年营收10亿美元以上的大型企业，一旦主力业者都愿意共建、共享智能仓储时，台商在亚洲地区的影响力更是不容小觑。过去以大中华区为主力的台系代理商，在新时代来临时，也开始积极布局东协南亚的新兴市场，这个经验也来自2010年前后，台湾零件代理商为国内建构「山寨机」的经验。技术支持、金融调度与智能仓储是零件代理业者的三大功能，这些功能将会在东协南亚商机逐渐成形时，扮演更关键的角色。在PC时代，印度并非主要市场，到了手机时代，印度也有Micromax、Lava、Karbonn等当地大厂，但在国内手机品牌的压抑下，影响力有限。但面对未来的物联网、车联网商机，印度快速成长的经济总量，已经预告本土产业崛起的机会，而智能仓储系统回流桃园，直接与印度、越南连动的情境已经可以预期。

混合键合的最大特色是芯片对外连接金属垫（metal pad）的尺度是「半导体制程级」的。相较于之前用于中介板的微凸块（microbump）间距40um，混合键合的键合间距可以小达1~2um，限制尺寸的原因主要来自于对齐的精确程度，还有进一步改善的空间。这样的键合间距代表每平方厘米芯片面积可以承担百万个连结，这比任何既存的封装方式都有几个数量级的提升。连线键合数目愈多意味着2个芯片之间容许更高带宽的沟通，有利于平行运算，也容许较高电流。功能模块之间的连线也较寻常方式为短，所以速度快、噪音低、功耗也较小。另外混合键合本来就是异质整合、3D堆叠先进封装中的一种方法，所以二者的优点也自然都有。商业应用混合键合的半导体产品，首先是 Sony的CIS。CIS有几个组成部分：像素阵列（pixel array）、类比数码转换器（Analog-to-Digital Converter；ADC）、影像信号处理器（Image Signal Processor；ISP）。像素阵列基本上是1层多晶矽（polysilicon）与5层金属的制程；ADC与ISP则是1层多晶矽与10层金属的制程，二者的制程差距甚远，符合「异质」特徵，应该分别制造。二者的3D芯片堆叠还能缩小镜头尺寸，所以Sony早在2016年就将分别制造的像素阵列晶圆与ADC+ISP晶圆混合键合，替代原来在同一芯片的设计制造。由于混合键合大幅增加金属连线密度，使得ADC可以平行处理像素，大幅提升画面处理的能力，譬如全域快门（global shutter）、影片的每秒帧数（frame per second）等。目前的设计趋势是向每个像素都有独立的ADC方向迈进。进一步的工作是将DRAM也加入CIS的3D堆叠，做为像素处理的缓冲存储器（buffer memory）。Sony和三星电子（Samsung Electronics）都有此设计，只是DRAM堆叠位置不一。影像在车辆的应用，譬如用来侦测前方物件距离的时差测距（Time of Flight；ToF）的单光子雪崩探测器（Single Photon Avalanche Detector；SPAD）；或在工业的应用，譬如机器视觉（machine vision），都可能需要再加入能执行边缘计算（edge computing）芯片。CIS启动混合键合的商业应用，历史较长，较长远的应用规划也渐入视野。另外一个也进入商业量产的应用是3D NAND。平面NAND的存储器细胞阵列（memory cell array）与其他逻辑线路-包括微控制器（microcontroller）、位址寄存器（address register）等，是放在同一芯片上的。3D NAND 的存储器细胞阵列持续往3D方向堆叠，但是逻辑线路上方却空无一物，严重浪费珍贵的芯片房地产（real estate）。所以长江储存首先以XtackingTM技术将逻辑线路部分以混合金键合方式置于存储器细胞阵列之下，大幅提高芯片房地产使用效率。其他公司后来也采取类似方法。不过在此例中，金属垫的密度不需要特别的高。

从1985年起，我已经观察产业38年了，产业领袖说：「AI会吃掉软件，而软件将取代硬件」，但是大家也都明白，在ChatGPT兴起之后，AI新创正进入「大灭绝」的时代。因为软件是赢家全拿的产业，第一名的企业遥遥领先，拿走独占型的利润，其余业者嗷嗷待哺，多数在创业大潮中沦为波臣。反倒是硬件制造业历久弥新，客户也分散供源，因此独占利润少，甚至创造大量技术劳动力的需求。从国际竞合、社会公义的角度看，硬件制造业的价值也被重新审视，美国政府「重新有意义的掌握供应链」的呼吁，让台湾的角色、重要性也被高度重视。 如今时空环境大变，企业悄悄的在东协南亚落脚，台湾从半导体、PCB、连接器，到NB、服务器、手机制造都是全球翘楚，少了台商不成军，而且难以速成，硬件制造、代理成为铺陈全球供应链不可或缺的环节。1985年，台湾开始推广IBM兼容电脑，在微软（Microsoft）Windows软件与英特尔（Intel）386微处理器的加持下，台湾开始了电脑王国的奇幻旅程。微电脑时代的台湾，宏碁、神通堪称台湾电脑业的少林寺、武当山，从这两家公司开枝散叶的业者，宏碁、华硕、纬创、神通、联强、神基、友达、佳世达、和硕都是当中的翘楚。而另外两大势力是从生产计算器起家的仁宝、英业达、广达，及郭台铭创办的富士康集团。这几个流派衍生的企业，在1990年代开始承接代工订单，从1992年美系电脑吹起降价潮之后，短短五年之内，台厂生产规模扩张10倍之多，并开始透过上市柜的手段，募集社会大众的资金。在资本公开化过程中，全球开始注意台商的角色，2000年之后，台商半推半就的往国内移动，有了国内的生产基地，单月产量数百万台NB的业者开始出现，背后就是蓬勃发展的IC设计业、相关零件工业与代理业者，而台商的主力也从NB扩张到手机与工业电脑。台商羽翼已成，面对从国内转移的生产基地，东协南亚期待的不仅仅是手机、NB，也包括半导体、面板与其他零件产业，甚至未来车。各国都需要台商之助，建构能与本土经济活动连结的量产制造业，聘雇更多劳工，也创造白领工程师与管理职的工作机会。对台商而言，在G2竞合与国内社会成本激增的大格局下，部分生产线往东协南亚移动是必然的趋势。只是过去单纯以劳动力、社会成本为考量的企业，在面对ESG的新时代，必须考量与当地社会共创、共荣、共享的普世价值。因此，从布局开始就要有更宏观的视野，过去的量产能力，不过是让台商有个起步基础的价值而已。