Author name: 楊慶忠

3-9.先進封裝台積電成為台灣的護國神山，除了先進製程穩定領先之外，越來越受到矚目的先進封裝，也開始拉開和其他公司的差距了。 先進封裝始自於CoWos，Chips on Wafer on substrate，”晶片先安裝在矽晶圓上，然後再安裝在電路板上”。 它把幾種功能不同的晶片，用晶圓上面的導線連結起來，大幅度提升信號處理速度，並避開單一顆大晶片的良率問題，這是進入後摩爾定律必然要走的路。 https://www.youtube.com/watch?v=QcAcOS0Yrq0 來到AI時代，各個AI伺服器和資料中心的信號傳輸，傳統的銅導線已經捉襟見肘、不敷使用了，此時積體光路再被整合至CoWos當中，形成所謂的COUPE（Compact Universal Photonic Engine，緊湊型通用光子引擎），為台積電的先進封裝技術再下一城。 台積電優異的晶圓代工技術，是它跨入電光整合時代，製作積體光路的絕佳利器。它先進的矽波導製程技術，逐一克服了困於微米世代的光通信廠商的難題，一舉將光電元件的封裝，推到了次微米的精度。

3-8.護國神山台積電晶圓代工技術，到了7nm階段，浸潤式微影已經走到盡頭了。這時候，經過長期發展而成的EUV光刻機，也進入到商業化的時間點。 EUV光刻機使用二氧化碳雷射，激發微小錫滴形成高溫電漿，來產生13.5nm波長的極紫外光，並用鍍膜反射鏡的成像，來減少光線的吸收和色差。它可以勝任3nm和2nm，甚至更短線寬晶片的曝製。 台積電在光刻機研發階段，即和ASML公司保持密切合作關係，再夾其雄厚之研發能力，逐步建立起不可動搖的「護國神山」地位。 https://www.youtube.com/watch?v=a3xh8LEYaZs 進入AI時代，3nm晶片需求強勁，呈現爆發式增長，帶動國內相關供應商更進一步快速發展，也讓台灣電子資訊產品的外銷總額，屢創新高。 晶片再結合先進封裝，讓全世界各地菁英近悅遠來，絡繹不絕於途。甚至台積電還遠赴日本、美國、德國興建海外工廠，讓各個領域的台灣之光廣受各方矚目。

3-7.風起雲湧台積電創辦人張忠謀，於2009年回任執行長的時候，其研發大將梁孟松，已經提前幾個月離開公司，並在兩年後之2011年7月，進入韓國三星公司，擔任晶圓代工部門之研發副總經理。 三星在2014年底發布14納米產品，比台積電的16納米還早半年，此舉震驚全球半導體業界，並讓台積電決定對梁孟松提起”洩漏營業秘密”之訴訟。 https://www.youtube.com/watch?v=HQrFyFSBe8k 最終，台灣法院在2015年8月三審定讞，判決梁孟松在2015年12月31日前，不得再為三星工作。 梁孟松遂於2017年10月，加入中國大陸中芯國際公司，擔任聯合執行長一職，從協助該公司改善28nm製程良率開始，一路將其精度推升至7nm階段。 其後，受限於美國管制中國EUV光刻機之進口，目前中芯國際位於準5nm之技術層次，華為手機之Mate 80系列所搭載的麒麟9030晶片，即為此階段之產品。

3-6.攀越巔峰 台積電在克服0.13微米銅製程難關之後，建立了堅實的研發團隊，開始有能力去主導世界級的產業技術發展。 當時全球市佔率達八成的兩大日本光學微影公司，Nikon和Canon，經過多年研發，始終堅持要導入更短波長的157nm新光源。 但有識之士早已察覺這是一條死胡同，所以台積電決定另闢蹊徑，依然沿用193nm波長的舊光源，只在晶圓表面加上一層水，就讓製程技術跨越了好幾個世代，這就是著名的”浸潤式微影技術”(Immersion Lithography)。 這當中的關鍵人物林本堅博士，後來榮膺台灣中研院院士。 https://www.youtube.com/watch?v=h23dlMaKqTA 林博士是越南僑生，高三時來台就讀新竹中學，未加分優待就考入台大電機系，畢業後原本申請到柏克萊，但因女友在俄亥俄，遂赴美獲得俄亥俄大學電機博士，他在當時著名的IBM華生實驗室（Thomas J. Watson Research Center）任職了22年。 離開IBM數年後，被延攬至台積電，在傳奇的「研發六騎士」當中，他是學養深厚的微影大師。2015年決定退休時，原本想專心研究神學、學好鋼琴，但沒多久就被清華大學延聘，出任半導體學院院長。 另一邊，在2008年底，全球發生金融海嘯，台積電盈利大幅銳減，隔年裁退了百分之五的人力，這驚動了張忠謀董事長，讓他回到公司再次擔任台積電執行長。張忠謀回職後，全球景氣好轉，公司營運回穩，但是研發六騎士之一的梁孟松，卻早先於2009年2月，就選擇離開了台積電。

2-9.個人電腦的搖籃-Xerox PARC IBM的360電腦系列，已經使用了磁蕊記憶體和電晶體，但直到迪吉多公司在1965 年推出PDP-8 型電腦，採用積體電路技術，把定價降到1萬8千美元，才迎來了「迷你電腦時代」。 這種迷你電腦，經過改頭換面之後，恰恰就扮演早期網路連線的路由器角色，當時叫它介面訊息處理器(IMP, Interface Message Processor) ，是使用分封交換技術來決定路徑。歷史上第一次在兩部大型主機之間的連線，是在1969年10月，從洛杉磯加州大學(UCLA)，連結到史丹佛研究院(SRI)。 圖2-8-1. 分封交換(packet switching)，先將原資料切割成小封包，令其各自選擇最佳行經路徑，待抵達目的地後，再重新組合回原資料。 https://mobile-learning-testing.com/wp-content/uploads/2026/05/ComtoAmeri09.mp4 最後建立的網路系統稱之為ARPANET，因為它是由美國先進研究計畫署(Advanced Research Projects Agency)所資助的。計畫開始的軍方目的，是要建立能承受核彈攻擊的通信系統，但所委託的民間研究人員發現，分散式的電腦網路，要比中央集權式的通信系統來的有利多了。 我們也必須正名「迷你」的意思，在這裡並不是說它比個人電腦還要小，就好像國內有一陣子推出的Eee PC 那般尺寸，而是說，它相較於大型主機，在各方面都要「迷你」多了。 圖2-8-2. 台灣科技公司生產的Eee PC，曾讓蘋果公司的賈伯斯很不以為然。

2-8.迷你電腦與ARPANET IBM的360電腦系列，已經使用了磁蕊記憶體和電晶體，但直到迪吉多公司在1965 年推出PDP-8 型電腦，採用積體電路技術，把定價降到1萬8千美元，才迎來了「迷你電腦時代」。 這種迷你電腦，經過改頭換面之後，恰恰就扮演早期網路連線的路由器角色，當時叫它介面訊息處理器(IMP, Interface Message Processor) ，是使用分封交換技術來決定路徑。歷史上第一次在兩部大型主機之間的連線，是在1969年10月，從洛杉磯加州大學(UCLA)，連結到史丹佛研究院(SRI)。 圖2-8-1. 分封交換(packet switching)，先將原資料切割成小封包，令其各自選擇最佳行經路徑，待抵達目的地後，再重新組合回原資料。 https://mobile-learning-testing.com/wp-content/uploads/2026/04/ComtoAmeri8.mp4 最後建立的網路系統稱之為ARPANET，因為它是由美國先進研究計畫署(Advanced Research Projects Agency)所資助的。計畫開始的軍方目的，是要建立能承受核彈攻擊的通信系統，但所委託的民間研究人員發現，分散式的電腦網路，要比中央集權式的通信系統來的有利多了。 我們也必須正名「迷你」的意思，在這裡並不是說它比個人電腦還要小，就好像國內有一陣子推出的Eee PC 那般尺寸，而是說，它相較於大型主機，在各方面都要「迷你」多了。 圖2-8-2. 台灣科技公司生產的Eee PC，曾讓蘋果公司的賈伯斯很不以為然。

2-7.IBM之崛起 IBM的老闆老華生(Thomas Watson Sr.)，年輕時曾駕駛載貨馬車，四處兜售鋼琴和風琴，很早就開始了推銷員職涯，但直到1895年他進入NCR收銀機公司之後，學習了完整的銷售課程，從此才真正嶄露頭角。 他一路晉升至總經理，雖和企業主Patterson因理念摩擦而去職，但他在業界已小有名氣，很快又接任了CTR列表機器總經理。他使用創新的銷售技巧，加強研發能量，讓CTR營業額翻了好幾倍，最終將公司改名為IBM(International Business Machine, 國際商務機器)。 https://mobile-learning-testing.com/wp-content/uploads/2026/04/ComtoAmeri07.mp4 在大型電腦時代，IBM幾乎等同於電腦的代名詞，他們在1964年開發的360系統產品，一網打盡了所有類型的電腦，讓公司的技術優勢，持續到1980年代，一直到迷你電腦和個人電腦出現為止。 圖2-7-1. IBM公司360電腦系列及周邊設備，強調可依企業需要，選擇彼此相容的大小機型。

2-9：使用Gemini 3練習英語交談 我們從國小到國中，不時聽人家講什麼”仄仄平平仄平仄”，這些在課堂上，老師常常解釋得不清不楚的內容，學生當然是聽得一頭霧水。其實簡單的講，就是使用抑揚頓挫的語氣，來精準詮釋字裡行間要表達的意思。 所以我們學習文字，不論中文或英文，都是同時在練習書寫和發音的。但在AI裡面，語音辨識的神經網路，並沒有和自然語言處理放在一起訓練，所以在創作詩詞的時候，它只會押韻、不懂平仄。 可喜的是，這個情況已經在改善了，我們用一個英語笑話來說明，因為各地腔調不同，而導致話中原意被曲解的情況，AI已經有能力判斷出來了。 https://mobile-learning-testing.com/wp-content/uploads/2026/01/Joke1.mp4 上面的笑話表示，即使是南腔北調，文字和語音之間的無縫轉換，讓AI不僅只停留在字面理解的階段，它似乎也瞭解，說話語氣同樣是溝通表達重要的一部份。 和Grok比較起來，Gemini的回答速度稍慢，但也有可能是它重視上下文的理解，所以會多花一點時間來做推論。 理解上下文再做推論，讓AI提供的資訊符合提問者的需要，而一段精簡的文字，更方便我們評比此模型的邏輯能力。下面用第二個英語笑話，來看看AI能否聽得懂雙關語。 https://mobile-learning-testing.com/wp-content/uploads/2026/01/Joke2.mp4 看起來，AI真的是一個語文資優生，難怪它的名字就叫做「大型語言模型」。 我們用AI來學英文，Gemini是不錯的選擇，它不大會搶話，所以不用擔心它會搶你的拍子、中斷你學習的節奏。 但建議使用AI來學習會話的學員，不要天馬行空、毫不講究單字文法，就一個勁兒和AI東拉西扯，而應該把已經熟悉內文的讀本，拿來和AI討論內容。人工智慧果真是上知天文下知地理，它所理解的東西，甚至會比讀本還深入，有目的、有規劃的互動學習，總是會比較有效率的。

1-8.哈姆雷特在谷歌(Hamlet in Google) GPT的T是Transformer的意思，這是在2017年，由Google Brain開發出來的大型語言模型架構。但在2022年底，OpenAI利用這項技術，搶先商業化ChatGPT-3.5，讓谷歌公司吃了一記悶棍。 谷歌痛定思痛後，接下來第一步，它先整合旗下兩大研發部門。位在美國加州的Google Brain，也是開發出TPU的單位，必須和位於英國倫敦，專精於通用人工智慧的DeepMind合併，新的單位名稱叫「Google DeepMind」，開發出來的產品，就給予Gemini(雙子星)的名稱。 圖1-8-1.Jeff Dean(左)和Demis Hassabis(右)，都是AI領域響叮噹的人物。 這兩大研發部門的負責人都大有來頭，但DeepMind的哈薩比斯更為人所熟知。除了打敗世界圍棋冠軍李世乭的AlphaGo之外，他的團隊還開發出AlphaFold軟體，使用深度學習技術，高精度預測出多種蛋白質的折疊結構，也讓他獲得2024諾貝爾化學獎。 Google執行長皮查伊，面對極大壓力仍能沉得住氣，不盲動也不取巧，他將AI開發的行政決策權，交到哈薩比斯手上，自己則在背後運籌帷幄，隨後1000多個日子，在身心極度緊繃之下，一步步堅實又高速地往前急奔。 Google終於以Gemini 3成功扳回一城，其過程宛如現代版”哈姆雷特”，只不過劇情精采之處，甚至猶有過之。 位於倫敦的DeepMind，是在2010年創建的，令不少人感到好奇的是，這個後來隸屬於Google的研究單位，一開始花了很多時間在「玩遊戲」。但這並不表示他們在不務正業，相反地，他們是用遊戲來深化其核心技術 —「深度強化學習」。 這一招，也被2015年創建的OpenAI學會了，而且還取材自Atari的經典遊戲，開發出一套”Gym”系統來自行練功，待水到渠成，就開始對Transformer畫龍點睛，這群天才工程師如此這般，硬是後來居上拔得頭籌。 圖1-8-2. 雅達利的經典遊戲之”打磚塊”，在AI發展過程中有它的功用。 谷歌以其深厚研究底蘊，重新拿回AI話語權，其實並不讓人特別驚訝。但在這危機處理中，其所展現出來的公司文化，有頗多值得學習的地方。 在2022年底，Google兩位創辦人Larry Page和Sergey Brin，自退休後再度回到公司工作，有時自己寫程式，有時參與研究人員的討論會議，讓整個組織活力再次重現，大大凝聚了團隊的向心力。 甚至Google還提供優厚離職津貼，鼓勵「不完全認同公司AI新方向」的員工離開。 圖1-8-3. 佩吉(左)和布林(右)這兩位Google創辦人，為了AI重現江湖。 這不禁讓我聯想到我的老東家，在國內教育環境快速丕變之際，同條船上的人都已經風雨飄搖了，還是照常內鬥內行、外鬥外行；任何重要的議案，永遠都是那幾個人，關起門來說了就算，連最起碼的SOP都沒有。學校最終不得不停招退場，對旁觀者而言，其實早就在意料當中了。

1-7.GPU與TPU 這次Gemini 3發表會的亮點，「推理能力」和「多模態」，都已經強勢登場了，而另一個在會中被拋出的重磅話題，令各界議論紛紛，至今仍餘波盪漾。 「黃仁勳的GPU帝國霸業，會不會被Google的TPU取而代之？」 GPU晶片原本只用來加速電腦遊戲的畫面切換，但在2000年初，其強大的平行運算功能，也被應用在科學研究上，於是NVIDIA在2006年推出了CUDA，使用C/C++的擴充語法，來程式化GPU的運算。 2012年，AlexNet使用GPU訓練CNN模型，以極大的差距贏得ImageNet競賽，黃仁勳此時嗅到了AI領域的蓬勃商機，遂挾其技術上壓倒性的優勢，一步步建立起龐大的GPU帝國。 圖1-7-1.ImageNet影像辨識競賽是由李飛飛教授創辦。 這些年來，各科技巨頭大手筆採購GPU之餘，也不忘開發自家晶片，GPU耗電、散熱的問題，當然是專打的痛點。十年定能磨一劍，Google卓然有成的TPU，早在2016年就被放進自己的AlphaGo當中了。 在傳統的 CPU 或 GPU 中，每次運算都需要從記憶體讀取資料、進行計算，再把結果寫回記憶體。但TPU 採用了一種稱為「脈動陣列」(Systolic Array)的架構，資料在運算單元之間直接傳遞，不需要頻繁存取記憶體，大大提升了工作效能。 脈動陣列，是台灣中研院院士孔祥重，和他的研究生 Charles Leiserson 所提出的。孔院士和資訊所陳昇瑋研究員(已故)，於 2017 年創立了「臺灣人工智慧學校」，現已有上萬的學員參與，結業生遍佈台灣各階層。