i卡會員

近期以來AI風靡全球IT市場，廠商開發速度逐漸加快，其中一個得力的因素在於晶片運算能力協同AI技術高速成長。其中生成式AI興起也成為AI技術革新的另一指標，其模型需要龐大的資料進行訓練，運算過程需使用大量的能源，對晶片規格的要求將以提高算力與降低能耗為重要目標。我們認為生成式AI的發展將以4nm以下製程為決勝點，臺灣晶圓代工業者處於領先地位。而製程持續微縮的前提下，製程所需的設備相互搭配將是不可或缺。其中High-NA的曝光機台成為解決方案之一，但需解決機台的昂貴成本、以及製造時所消耗的電力的平衡。特別是未來進入Å世代時，EUV製程對電力的消耗已成為亟待處理的課題。而NIL(奈米壓印；Nanoimprint Lithography)技術，則因能夠節省製程當中的電力消耗而受到矚目。

【內容大綱】

• 一、AI技術演進創新帶來新課題
  • (一)從模型劃分來看AI技術的差異：分辨式AI (Discriminative AI) vs.生成式AI (Generative AI)
  • (二)生成式AI興起，訓練所需的算力呈現指數的成長
• 二、生成式AI藉由AI PC與GenAI in Phones逐步深入到消費性電子領域
  • (一)LLM(大型語言模型)因資安與資源耗用的因素轉進至小型設備(電腦或手機)，將加速生成式AI擴散速度
  • (二)AI PC的硬體規格
• 三、生成式AI興起對全球IC製造技術與廠商策略的影響
  • (一)半導體業者加入AI PC戰局-4nm以下製程能力備受矚目，成為兵家必爭之地
  • (二)從資本投資來看生成式AI興起對先進製程的影響
  • (三)因應未來AI晶片需求，4nm以下先進製程推進速度決定客戶訂單走向
• 四、生成式AI興起對全球IC製造技術與廠商策略的影響
  • (一)先進製程下一個戰場-前進Å世代的美麗與哀愁
  • (二)4nm以下製程演進課題-如何節省製程能源消耗
• IEKView

【圖表大綱】

• 圖一、各種AI模型訓練計算量
• 圖二、AI PC出貨量預估
• 圖三、GanAI Smartphone出貨量預估
• 表一、各廠商支援AI PC處理器規格表
• 圖四、2023～2024年全球半導體公司資本投資
• 表二、各公司Å製程比較表
• 表三、EUV、NIL製程技術發展