撰文／魏茂國
GAI 熱潮不斷，人性化的各式應用，讓它深入人們生活中，並引發科技產業的創新與變革。臺灣位居全球科技供應鏈重要地位，工研院積極投入研發相關技術，迎合各項設備精進與應用需求，為臺灣科技島的實力再添一關鍵影響力。
自 2022 年 ChatGPT 推出以來，生成式人工智慧（GAI）熱潮快速襲捲各個產業，不只讓每個人感覺到與 AI 更接近，是在生活中舉手投足就可使用的工具，更為產業界引發一連串的創新與變革。
尤其為了因應 GAI 所需的算力，最為相關的資訊科技產業也積極投入研發，以能迎合各項設備精進與應用需求。工研院電子與光電系統研究所所長張世杰表示，在 GAI 的發展之下，臺廠的商機也隨之提升，像是半導體的製造與封裝，以及伺服器代工等，都已在全球供應鏈中占有主要地位，如 CoWoS 先進封裝製程，與此同時，臺廠也應該掌握 GAI 帶來的機會，持續增加影響力。
AI 算力需求提升 各項技術持續突破
在 GAI 的帶領下，技術層面的突破成為創造市場優勢的關鍵，也是工研院積極投入研發的方向。張世杰以晶片設計為例，在 GAI 的運算過程中，原有部分是由中央處理器（CPU）來處理，但這也因為需要搬移資料，使得整體運算速度減慢；因此目前在設計上，就有改以晶片內的硬體，來取代 CPU 運算的方式，也是許多研發機構競爭之處。
這也反映出，既然 AI 的運算需要不斷搬移資料，顯見記憶體的效能就相當重要，更使得高頻寬記憶體（High Bandwidth Memory；HBM）成為炙手可熱的零組件，可藉由封裝技術來堆疊多層的 DRAM，達到降低體積、增加儲存空間等效果，例如輝達（NVIDIA）在 AI 運算平台 HGX H200 上，就是使用高階的 HBM3e。
不過，張世杰也提到，HBM 的製程較複雜且成本高，對臺廠來說負擔並不小。因此目前國內也有多家廠商與工研院合作開發新技術，利用 Wafer on Wafer 的方式來堆疊邏輯運算與記憶體等部分，除了在製程上較 HBM 簡單，比如採用 DDR1 的製程技術，效能已可超過 DDR5，價格更是低廉許多，也適合 AI 從雲端到邊緣端的高記憶體需求。
同樣在手機等邊緣裝置的記憶體上，由於目前採用的嵌入式快閃記憶體（Embedded Flash；eFlash），在製程上已難自 28 奈米後再微縮，也使得工研院已投入數十年研發的磁阻式隨機存取記憶體（Magnetoresistive Random Access Memory；MRAM）成為愈來愈熱門的產品，不僅體積更小、效能表現更好，甚至還具備抗高溫和低溫等特性。
張世杰指出，隨著 AI 應用愈來愈多元，如 AI 電腦、AI 手機等邊緣端的裝置也愈來愈多；可是在這些裝置上運行的 AI 系統，除了必須具有一定的算力，AI 運算的模型也有限制，既不能損失太多精確度，資料量也不能太複雜。因此相對來說，這時就需要和雲端 AI 系統不同的技術，也成為臺廠切入的機會。
好比在記憶體需求增加下，由工研院與台積電合作開發的自旋軌道轉矩磁性記憶體（Spin Orbit Torque MRAM；SOT-MRAM），就具有高速度且低功耗的優點，目前讀取時間（Access Time）更達世界第一的 0.4 奈秒（nanosecond），這類產品就將會是未來各種邊緣裝置記憶體的重要選項。
AI 運算凸顯散熱問題 創新方案適時助力
當 AI 算力持續推進、伺服器效能不斷提升之下，需要面對的還有電源傳輸與散熱問題。比如伺服器的電源，通常就要從機房外的幾萬伏特，到進入伺服器內的數百伏特，再到晶片時僅剩幾伏特，這當中要如何控制、傳導電源，就是個相當複雜的問題。
還有伺服器的散熱問題，預估到明年（2025），光是 3 公分見方的晶片，熱量將會高達 1,000 瓦，是目前所有規格的散熱產品無法負荷。因此工研院也與國內多家散熱廠商合作，利用奈米技術研發蒸氣導板（Vapor Ground Plane；VGP），以水吸收晶片的熱量後，透過奈米結構的毛細作用把水引導至散熱板表面，以水蒸氣的形式將熱量快速排出，並經散熱凝結成水後，再回到下方重複吸熱。
轉載自《工業技術與資訊》月刊第 384 期 2024 年 5 月號，未經授權不得轉載。
張世杰表示，目前這項技術經過測試後，已可有效處理 1,000 瓦以上的熱量，幫助將伺服器晶片的熱量順利排出，也將有助於更多 AI 的運算與應用。
