材料工程技术的突破就成为未来AI普及化前的其中关键

在人工智能 （AI） 已经成为产业不可逆的趋势下，就连台积电前董事长张忠谋都表示，未来 AI 的发展将成为带动台积电营运发展的重要关键。因此，市场上大家都在期待，藉由 AI 发展所带来的新应用与商机。只是，在 AI 需要大量运算效能与能源，而整个半导体结构发展也面临极限发展的情况之下，材料工程技术的突破就成为未来 AI 普及化前的其中关键。

材料工程解决方案大厂应用材料 （Applied Materials） 指出，根据《经济学人》表示，当前数据之于这个世纪的重要性，犹如石油之于上个世纪，是成长与变革的动力，而透过科技也为许多产业带来改变。因此，藉由人工智能与大数据的结合，给市场带来无限的机会，却也带来空前的挑战。所以，而是否能掌握 AI 与大数据带来的庞大商机，关键在于新技术和新策略上。

应用材料***区总裁余定陆日前在于媒体的聚会中表示，AI 与大数据的结合带动了 4 个主要的趋势与挑战，这也是企业是否能在 AI 与大数据时代掌握致胜先机的关键。其中，包括了物联网普及和工业 4.0 产生超大量的数据资料、现有的空间不足以应付快速增加数据量的处理及储存、靠着新的运算模式及架构，以及边缘运算、云端技术和低功耗的每瓦效能，才能将数据成功转换成价值、以及 AI 与物联网快速汇流，连接性是最大关键，也是决定运作是否流畅的重要因素等。

而因为有了 4 个趋势与挑战，使得在 AI 与大数据时代中启动了「硬件复兴」的各种资源投入，不但使得论是传统科技领导大厂、新创公司或软件公司，都投入大量的资源、押宝不同的技术领域、聚焦应用的客制化及最佳化，专注于硬件的设计以及投资发展。另外，在在计算机运算处理器部分，人工智能需要大量、快速的存储器存取及平行运算，才能提升巨量资料处理能力，这时绘图处理器（GPU）及张量处理器（TPU）会比传统运算架构更适合处理人工智能的应用。而且，为了使人工智能潜力完全开发，其效能 / 功耗比即运算效能需达到目前 的1，000 倍 ，已成为现阶段技术层面亟需突破的关键。

再加上 AI 与大数据需要边缘及云端创新，大量的资料储存＋高效能运算因运而生。而且在是当传统摩尔定律下的 2D 微缩越来越慢的情况下，材料工程的创新就成为解决问题的其中一项关键。余定陆进一步表示，材料工程的创新未来将建构在 PPAC（效能、功耗与单位面积）的 5 个面向革新上，包括新架构、新结构 / 3D、新材料、微缩的新方法以及先进封装等。

余定陆举例表示，原有 2D NAND 的技术应用在实体和成本上已达到极限，为了能让每储存单元（cell）的容量再往上增加， 3D NAND 技术采用层层堆栈的方式，来减少 2D NAND 储存单元距离过近时，可能产生的干扰问题。此外，3D NAND 有倍增的容量与可靠度，更是过去的 2D NAND 无法比拟的 。

此外，先进封装可以优化系统级的效能。过去 DRAM 封装是采用印刷电路板（PCB）的方式，目前则采用硅通孔封装技术（TSV），可将逻辑和存储器的同质和异构集成紧密地结合在一起，垂直堆栈的 3D 储存器芯片显著减小了 PCB 级的电路板尺寸和布线复杂性，大大降低成本、节省一半的电力及延长芯片使用寿命。另一种系统级封装，运用小芯片（chiplet）多元模块整合，可提供时间、成本与良率的效益。

余定陆还表示， 传统计算机架构的冯诺伊曼（Von Neumann）思维有一个主要问题，当处理大量资料运算，单一中央处理器与存储器间的资料运算规则和传输速度，限制了整体效率与计算时间，无法满足实际实时应用情境。但利用神经形态（Neuromorphic）思维，进行网络分散架构及平行运算与学习，可加速人工智能计算，达到传统计算机架构无法达成的连接性。

在 AI 与大数据的结合将带来无限机会的时代中， 因应复杂性、应用性和在时间方面都面临很大的困难，而且互连性和材料创新速度上面临的挑战，也需要新的策略来克服的情况下，需要藉由材料工程创新、硬件的复兴以及产业生态间深度连结来解决。