👩‍💼 大家都知道 ＃台積電 在 ＃半導體業 發展扮演的重要地位後
這次我們要來解析半導體業的
💡 IC 設計 💡 IC 製造 💡 IC 封測
到底都在做什麼🤔 是什麼意思呢🤔
下次你看到半導體業的新聞，就能徹底理解了😏

▌米式生活想英語 ▌

近期台灣之光台積電股價飆漲，成為人人的話題，那他最重要產品的英文是什麼？
那個英文單字也跟食物的字一模一樣喔，大家知道嗎？
#工程師們第一秒絕對不會想到食物
#趕快去問身邊的工程師🤣
#你們家工程師是怎麼回答呢？

- -
Chips 美國人稱洋芋片，英國人則稱作crisp
Chips 英國人指的是薯條，美國人稱為French fries 🍟
Wafer 威化餅乾，知名的Kit Kat就是讓人第一個想到wafer的牌子

擷取自TSMC官網：
TSMC has a global capacity of about 13 million 300mm equivalent #wafers per year as of 2020, and makes #chips for customers with process nodes from 2 micron to 5 nanometers

- -
英文真的很有趣吧！

跟我一樣扼腕半張台積電股票也沒有的人不要灰心，學點英文知識彌補難過的心😭

#喜歡這則文章歡迎大力分享喔
🚫本篇文章內容禁止任何抄襲複製節錄引用

AI晶片市場究竟是什麼模樣？

作者 : Michael Azoff，Kiasco Research首席分析師
類別 : 專家觀點 2020-10-05

目前的AI晶片市場幾乎全都是關於深度學習(Deep Learning，DL)，深度學習是讓AI應用程式在現實世界實際可用的最成功機器學習典範；而其中又以加速(accelerating)深度學習最受關注，因為加速是訓練與推論過程所需。

當前的AI晶片市場參與者暴增：在最近的一份研究報告中，我們統計出全球有80家左右新創公司吸引了投資人約105億美元規模的資金，與大概34家老牌業者同台競技。顯然這種情況不會長久，但我們需要解析這個市場，以充分理解它為何會如此發展、又會如何變化，以及這一切意味著什麼。

將時間倒回2010年左右，當時因為Nvidia推出了在繪圖處理單元之上的高階通用運算方案(GPGPU)──現在我們都簡稱為GPU──導致了深度學習的崛起，將大型神經網路的訓練時間從幾個月或幾週，減少到只要幾天、幾個小時，甚至更短時間。Nvidia自此成功轉型為AI運算公司，發展出規模達數十億美元的新業務。

適用於工業體系的光耦合器安全型解決方案

這激勵了其他晶片公司和晶片架構師開始思考：他們能如何從零開始構建一個專門用於執行AI工作負載的架構，而且表現能比為多樣化工作負載設計的GPU更好？今日的AI工作負載僅代表著執行深度學習，這是目前的市場需求所在。

但市場需求是多變的。儘管大多數AI訓練都在資料中心(包括超大規模雲端)和工作站上進行，AI推論在任何地方都能進行：包括雲端、工作站還有邊緣──尤其是在邊緣裝置。

AI晶片市場如何細分？

無論一家新創公司決定加入哪個細分市場，競爭都會非常激烈。筆者發現將這個市場映射為一個三角形非常實用，如圖1，每一個角都有自己的一套標準來代表獨特的市場需求。

三角形的頂角是資料中心、雲端和高性能運算(HPC)環境對AI晶片的需求。Cerebras就是巧妙掌握了此一市場的新創公司，打造了號稱世界上最大的晶片──Wafer Scale Engine (WSE)。這個細分市場需要最高的運算能力，功耗和成本則是其次。在這裡新創公司面臨的挑戰是要與超大規模企業或老牌業者競爭──例如Nvidia持續穩步改善其架構，最新版本(Ampere)已於2020年5月發佈。

三角形的底角主要與推論相關，可以打造出維持準確但降低精度的晶片，其約束條件並不相同，包括晶片尺寸、低延遲、低功耗和低單位成本。小型邊緣裝置市場是新創公司最活躍的領域，像Nvidia這樣的大牌業者就不太會參與競爭，該公司也曾表示不打算涉足大眾商品推論市場。但是這個領域的玩家不僅要與對手競爭，還得與潛在客戶鬥智鬥勇──因為客戶可能會決定自創或收購一家新公司。

AI晶片市場的下一步發展

AI晶片領域有太多的競爭業者，看看圖1中三角形的每個角就知道，只有最佳的全方位設計才會勝出。除了我們已提到的各種因素，還需要添加成熟的軟體開發堆疊、針對市場的願景，以及將深度學習應用程式嵌入產品中的更大潛力，才能使市場合理化。

而這個市場中已經有人「陣亡」了：最近的一個案例是Wave Computing已於2020年4月宣佈破產。

競爭促使市場出現更快、更高性能的AI晶片，AI研究人員將從中獲益、實現他們的創新設計。筆者也預期將出現新演算法取代深度學習當前的霸主地位——AI研究的長期願景是打造類人腦的人造大腦，顯然深度學習會走入死胡同。新演算法的誕生勢不可擋(有些已經出現，但不在本文討論的範圍)，這些新一代演算法可能會需要不同類型的加速器。

深度學習在實際案例中的應用廣度，使這些晶片擁有數十億美元的市場，隨著5G的推出，其規模還將持續成長。這個市場需要AI硬體加速器，AI晶片市場將趨於合理化，然後整個遊戲規則將隨著新一代AI演算法的崛起而改變…不過，沒有人能斷言改變何時發生。

附圖：圖1：AI硬體加速器的細分應用市場。

資料來源：https://www.eettaiwan.com/20201005nt31-optical-compute-promises-game-changing-ai-performance/?fbclid=IwAR0iy4HEXAVJ_zVXdjd360xZg_RErdq05zNYPpM92mY4d5tTB_4AEZih5z0

台積電出乎眾多分析師預測之外，宣布要赴美建高階五奈米晶圓廠。為什麼台積電會做出這個決策？背後又彰顯了那些時代下的大趨勢？
本集M觀點，就來跟大家聊聊台積電美國設廠這件事。

#TSMC
#台積電
#反脆弱

M觀點資訊
---
M觀點商學院 PressPlay 訂閱服務: https://lihi.cc/zY5Qc
M觀點 Telegram - https://t.me/miulaviewpoint
M觀點Podcast - https://bit.ly/34fV7so
M觀點電子報: https://bit.ly/345gBbA
M觀點YouTube頻道訂閱 https://bit.ly/2nxHnp9
M觀點粉絲團 https://www.facebook.com/miulaperspective/
任何合作邀約請洽 miula@outlook.com