摩爾定律放緩　靠啥提升AI晶片運算力？

作者 : 黃燁鋒，EE Times China
2021-07-26

對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……

人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。

電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。

AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。

所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。

另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。

AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」

英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。

不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。

XPU、摩爾定律和異質整合

「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」

針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。

(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。

CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。

另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。

(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。

劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」

他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。

台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。

之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。

這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。

1,000倍的性能提升

劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。

電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」

500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。

不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。

矽光、記憶體內運算和神經型態運算

在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。

(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。

這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。

這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。

另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。

近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。

構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。

記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。

其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。

對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。

劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。

劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。

另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。

記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。

「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。

下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」

去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)

(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。

進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。

傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」

「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」

「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。

(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。

Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。

這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。

Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。

還有軟體…

除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。

宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。

在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。

在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。

資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg

火箭大叔八月要當太空中心主任了。以下是五年前的訪問。

《田庄阿伯上太空/吳宗信》

五十二歲的吳宗信自嘲國語講不輪轉，捲舌音ㄓㄔㄕㄖ分不清楚，在TED演講索性全程講台語，用的是鄉土的語言，講的卻是科技的未來，他主持的前瞻火箭研究中心這個夏天將試射HTTP-3火箭，火箭採用的是混合性燃料，射程預計一百公里，這樣的射程，這樣的技術，若成功，將是世界第一。

不滿於火箭中心只是學校的研究單位，他上集資網站募款，是學界首創，更企圖將火箭中心企業化，預計在五年內發射火箭，運載個人衛星上太空。「阮做的物件拿得出去，假使說預算不夠就放棄真正莫彩，學生來來去去的，若不產業化，攏無效，」他說：「台灣不能只是做代工，以後就是太空經濟了。全世界的大公司都在發射小衛星，我不是全球化，我這個叫做宇宙化。」

在YOUTUBE輸入「TED XTaipei演講」和「吳宗信」，電腦螢幕會跳出一段名為「台灣本土火箭，要讓太空旅行夢想成真」的影片。演講者是交大機械工程系教授吳宗信，他是該校「前瞻火箭研究中心」 （Advanced Rocket Research Center，簡稱ARRC）創辦人。ARRC今年一月底在新竹香山濕地成功試射雙節小火箭，材料和技術台灣製造，火箭升空一公里，將台灣和太空的距離拉進了一大步，「阮使用欸是混合式燃料火箭，和美國VIRGIN GALACRIC太空旅行同款，伊飛上宇宙一張門票七百五十萬台幣，阮這俗閣大碗。」大演說家談的是科技未來，用的卻是鄉土語言，若不細細分辨演講內容，乍聽聲音起伏和熱情，以為是百貨公司賣菜刀的推銷員。

站在大演說家辦公室門口，影片中男人朝我們走來。「歹勢，歹勢，」他自口袋掏出鑰匙開門：「啊！你要飲水否？抵遐訪問嗎？」未等我們回答，他一個箭步向前，逕自把腳踏車挪到陽台，轉身又從架上拿餅乾招待，五十二歲的男人步調明快，像按了加速鍵一樣。找到縫隙，劈頭便問他為什麼要用台語演講？「為了報仇啦，替自己說的台語出一口氣。」

台語的復仇

課堂上課多半說國語，但他心想TED演講面對全世界，機會難得，可以表達對母語的愛，「所有的語言是平等的，只要好好栽培，菜市場和灶腳的語言，也可以正式演講，表達像火箭太空工程這種複雜的事物。」

他一九六四年出生台南安南區農村，五○年代的台灣農村生活幸福各自不同，但貧困極其類似：上面兩個兄哥、三個姐姐，母親四十歲生他，沒有母奶，也買不起奶粉，僅能餵他喝黑糖水，「散赤到被鬼走抓，呷番薯籤呷到驚」。庄腳老父老母不識字，在家講台語，上小學第一天，老師講啥攏聽嘸，考試成績倒數，二年級某天，課堂上突然懂老師講什麼，那次段考，他是全班第二名。

科學家實事求是，半生經歷整理成投影片，求學、成長，無非一段又一段power point：台南一中、台大機械系，「讀冊對我來說，簡單簡單，逐日攏咧（台語玩耍之意），不是打球，就是肖想交女朋友。」高中踢足球，每天抱著一顆足球搭公車上學。因為射球準，可以四、五十米射球，爆發力快，個頭不高，還是入選台大橄欖球隊。

老婆是在台大校園認識，外省家庭長大的中文系女生，「結婚至今，我說我的河洛話，伊講伊的國語，互相尊重。」他說大腦用台語思考最為靈活，其次是英語。出國GRE考字彙，滿分八百他考六百多，當年全台最高，上國中前不知道ABC狗咬豬，但天性善於歸納和分析，很輕易就掌握英語文法的邏輯和秩序。

剝削的農會

在校園裡講台語並不代表具備本土意識。一九八六年，台大學生李文忠推動校園輔選遭退學，於傅鐘下絕食抗議，他的觀感是「那群人呷飽盈盈」。當兵退伍後，他到美國密西根大學念航太博士，在台灣同學會裡讀到彭明敏《自由的滋味》，腦筋才像爆炸一樣。

雪夜裡讀史明讀到哭，應驗成長過程，原來書中講台灣人的苦難都是真的，「農會真正剝削農民，伊攏放重利欸。細漢時陣，家裡起厝，偕農會借錢，還款到我大學畢業，都未及借的一半，都沒還到本金。彼一時陣，肥料無法自由買賣，比如阮爸爸種稻一百袋，要拿五十袋到農會換肥料，等於抽稅五十趴。」他的思想在此真正轉了彎。

一九九五年才回國，入太空中心服務，隔年便迫不及待展開「5%台譯計劃」，他號召二、三十名同好，每月捐5%的時間或薪水，以漢字和羅馬拼音將《動物農莊》《無花果》等經典翻譯成台語和客語文，每本書首頁下方寫著他們的心願：「ho台灣──新ê獨立ê進步ê文化空間（獻給台灣新的、獨立的、進步的文化空間）」。

一邊忙著開拓文化新鄉土，一邊做著宇宙大夢。他念太空工程，專業是紊流、航太燃燒，「一九九八年入交大，為了生存，走岔了去做電漿」，但他沒忘本，二○○四年，陳水扁政府籌畫「哈比特計劃」（哈比特即賽夏族飛鼠之意），研發載送衛星到太空的火箭，他知道消息，便把擁有火箭專才的好友陳彥升騙回來。

「我們有太空中心，但一直沒有做火箭，以航太來講，若沒有做火箭，就是玩假的，發射火箭才是太空實力的重點，」陳彥升是國家太空中心探空火箭計畫總主持人，早年任職NASA（美國太空總署），他說：「當時吳宗信、林明璋（第二十三屆中研院院士）他們跟我說，台灣要發展火箭，要我回來試試看。」這個傻子放棄一千兩百萬年薪，被吳宗信騙回來，領著一份吃不飽、餓不死的研究員薪水，卻也把吳宗信一群好友拉入火箭領域。

非法的夢想

一枚火箭結合推進、燃燒、導控、電機電池、傳輸技術等相關領域，「發展火箭最大的意義，是提升各領域的技術，是火車頭產業」，吳宗信說當年中科院設計與測試的火箭，由他們來模擬分析，提供給太空中心做參考，「台灣乎阮這群中年阿伯做夢欸機會，我們也要給少年仔做夢的機會。」中年阿伯心中激情燃燒，然而二○○八年，馬英九上任，「哈比特計劃」不了了之。中年阿伯不甘心，索性自己跳下來玩。

那一年，他在交大開設「類蔗糖火箭」（sugar rocket）實作課程，把糖磨成粉結合氧化劑，做成固態燃料，再用大塑膠管等低成本材料，做成小火箭，「我跟學生在學校用烤肉架當發射架，乒乒乓乓，校園的樹都燒掉了。第一次帶學生去新竹香山濕地試射，透早四五點，還被保育員抓到，差一點罰六萬塊。」

二○一二年，他和交大陳宗麟、成大何明字、屏科大胡惠文、北科大林信標，銘傳余仁朋，海大黃俊誠等老師成立ARRC，立志台灣製造的火箭。ARRC今年夏天將射發長八‧八公尺、直徑○‧四五公尺，總重六百公斤的HTTP-3火箭。火箭採混合式推進燃料，預計升空一百公里，這樣的射程，這樣的技術，若成功，將是世界創舉，「火箭推進技術，可分為液態燃料、固態燃料、混合式燃料，液態燃料性能最好，但工程複雜，固態火箭成本低，但也最危險，混合式火箭居中，但安全性、低成本，有機會讓發射火箭的成本由十億，一舉至少掉一位數。」火箭取名HTTP，是北科大、新竹交大、台南成大，屏科大四校縮寫，也是HTTP（超文本傳輸協定）的雙關聯想，象徵該系列火箭的想像空間如網路一樣無遠弗屆。

衛星的戰爭

火箭試射成本估計一千六百萬，他上「貝殼放大」集資網站，募九百多萬，是學界首創，雖至今有六百萬資金缺口，但他老神在在，「捐兩百，捐一百萬都沒關係啦，隨人心意。」不甘心只是掛在學校的研究單位，他企圖將ARRC企業化，「我們做的東西也很拿得出去，但是經費有時陣有，有時陣無，持續七、八年很不容易，假使說預算不夠就放棄真正可惜，學生來來去去的，若不產業化，都沒用。」他說：「危機就是轉機，假使當年政府給我錢，我就會惦惦，不會出來募款，可是出來接觸社會大眾，發現這個市場這樣大，之前待在學院，見樹不見林，可好像小鳥沒東西吃，飛上天空找出路，才發現這個林子這麼美。」

這市場有多大？商業上的小衛星是未來趨勢，從影像到通訊、從農業到環境監控、甚至商業投資都開始運用衛星來管理，SpaceX、Amazon、維珍航空（Virgin Group）等國外企業莫不磨刀霍霍，台灣高科技要轉型、擺脫代工包袱，航太是很好的選擇，而混合性火箭和個人衛星的結合正是台灣下一個機會。他預計在五年內發射自製火箭，運載個人衛星上太空，「全世界的大公司都在發射小衛星，我不是全球化，我這個叫做宇宙化。」

激情的演說

理工科教授講學不扮高深，問我日劇《下町火箭》看了沒？「你緊看，伊做的代誌就跟我們一樣，不過伊欸故事沒我精彩啦，哈哈！」ARRC故事有沒有日劇戲劇化見仁見智，但男主角阿部寬講話肯定沒有眼前的中年阿伯蕩氣迴腸：「人活到一定的檻站後，會想這世人目標是啥，最開始當然是為了升等，拚命寫期刊論文，但那個不一定跟社會有連結。還好碰到這群好朋友，大家有不同的能力，對台灣有共同的想像。什麼樣的想像？台灣要成為一個國家，一定要有東西。一個政府不管富裕或貧窮，一定要提供一趴仙（1%）比例，乎少年從小時候開始作夢，作夢猶有出路，這是一個基本國家該有格局。」

他的目光如炬，彷彿火箭即將升空，五四三二一，發射。演說又華麗又草根，但那並不衝突，我們的想像力隨著那枚火箭衝向天際，看見台灣、看見東北亞、看見亞洲、隨即掙脫地心引力，衝破大氣層，衝上宇宙。中年阿伯說：「我們絕對不會放棄要離開地球。」

【關於移工兩三事】
　
近日收到移工的陳情，表示仲介公司及僱主要求他們在下班後，要求移工統一待宿舍，除了就醫及辦理重要事項以外，#禁止外出。
　
雖然有協助日常生活用品的採買，但人身自由遭到限制，卻是不爭的事實。
　
仲介跟雇主可以這麼做嗎？當然不行。
　
在「因應嚴重特殊傳染性肺炎雇主聘用移工指引：移工工作、生活及外出管理注意事項」明確指出， #雇主仍應依勞動法令或勞動契約同意移工放假， #不得禁止其放假 。
https://tinyurl.com/yz99ohmp
　
另外，中央流行疫情指揮中心及勞動部澄清稿也指出，疫情指揮中心及勞動部 #未禁止移工休假或外出。
https://tinyurl.com/yzxzkrjm
　
過程中，我也聽到一些雇主和仲介的說法。例如，指揮中心曾在新聞稿中表示：「本國籍民眾或外籍移工第3級警戒執行標準都一樣，非必要不要外出。」但是雇主和仲介擴大解釋 #非必要不要外出 一詞，把移工的外出，通通解釋為 #非必要行為。
　
這種說法，真得曲解得太過頭了。
　
針對這些仲介與企業的違法行為，我已經請台中科學園區及新竹湖口工業區的地方勞動主管機關進行查察，了解實際情況究竟為何。因為正在調查中，是哪些企業或仲介被檢舉，我就先不點名了。
　
我會繼續要求勞動部，嚴格要求各地方主管機關及民間移工管理單位，做好督導工作。別讓仲介、企業超譯指揮中心的防疫指引，使用違反基本人權的管理手段。
　
歸根結柢，移工與我們休戚與共，早就是台灣社會重要的一份子。如何讓移工順利預約、施打疫苗，也是我們早日達到群體免疫的必要步驟。
　
為了讓移工也能順利預約施打疫苗，我也會請指揮中心務必注意 #預約介面的語言問題 ，不論是製作多語介面，或是製作多語教學，都可以讓移工的疫苗施打預約更加順利。