想像你走進一間繁忙的廚房，準備烹飪一道 AI 晶片大餐：從挑選沙子食材到精雕電路，每一步都決定這道菜的風味。這是《邊喝邊想》半導體製程系列的第一篇，我們將用八篇探索晶片如何從沙子化為 AI 大腦，涵蓋晶圓、氧化、晶體管、摻雜、沉積、光刻、蝕刻/CMP，以及它們如何點燃 AI 未來。今天的核心問題：為什麼 AI 不能用普通電腦？晶片如何成為 AI 的智慧引擎？
沒有晶片會怎樣？疫情期間給了我們答案
算力，正式成為全球新戰略資源。
這些問題不只是理論推演，疫情期間的晶片荒就是一堂現實世界的震撼教育。2020 年疫情爆發後，晶圓廠停擺、物流中斷，一場全球性的晶片荒迅速蔓延。汽車廠被迫停產，Sony 的 PS5 長期缺貨，連醫療設備與洗衣機都遭波及。一顆價值不到 1 美元的 MCU（微控制器）缺貨，卻讓數萬美元的汽車無法出廠。
全球第一次深刻體會到：矽，不只是原料，而是現代經濟的氧氣。AI 領域也無法倖免。OpenAI 與 Meta 坦言，由於高階 GPU 短缺，模型訓練與部署被迫延後。根據《The Information》報導，2021 年特斯拉甚至不惜搶購 NVIDIA A100 晶片，用以訓練自駕演算法。晶片供應不再只是產能問題，而是演算法能否成長的命脈。為什麼 AI 需要專屬晶片？
AI 訓練需要一起快，而非單核高速。傳統 CPU 像單人廚師，逐一處理任務；GPU 則像多爐頭廚房，同時烹調數萬道菜。AI 模型訓練更像是一場大型協作演出，數萬筆資料同時進出、參數同時更新，這不是單核高速運算可以處理的場景，而需要大規模的並行處理能力。
這正是 GPU（圖形處理單元）崛起的理由。它原為圖像渲染而生，天生就有上千個運算核心，擅長同時處理大量運算任務。NVIDIA 的 H100 GPU，每秒可執行數十萬億次浮點運算，就像一台多爐頭超高壓煮酒鍋，是訓練 ChatGPT 這類模型的主力引擎（延伸閱讀：NVIDIA，AI 世界的運算引擎）。
Google AI 資料中心的 TPU - Ironwood，加速模型訓練的算力核心。
而 Google 的 TPU（張量處理單元）則更進一步，直接將 AI 最常見的矩陣運算變成電路本身。這種專用晶片，就像為一道特定料理打造的自動化機器，一次完成數百萬次張量乘法，不必經過繁瑣的程式指令轉譯。最新一代 TPU「Ironwood」的峰值效能已突破 4,600 TFLOP （1RFLOP = 每秒能進行一兆次浮點運算）。這代表什麼？如果給它一整個國家的自拍照，它能在一秒內完成所有臉部辨識、光影分析與情緒預測。相較之下，PS5 GPU 約為 10 TFLOP、NVIDIA A100 約為 312 TFLOP。Ironwood 不只是更強，它是把訓練時間從幾年壓縮成幾週的核心力量。
你的 AI 生活如何被晶片點燃
晶片像 AI 大餐的關鍵食材，驅動 Siri 語音、Netflix 推薦、Tesla 自駕。對投資者，ASML、台積電、NVIDIA 是 AI 天花板的締造者；對消費者，晶片決定手機續航與 AI 體驗。就像精心調配的醬料，晶片讓科技更美味、更高效。
晶片是 AI 時代的火種，從沙子到運算核心，支撐數位生活。未來，chiplet 與特定應用積體電路（Application-Specific Integrated Circuit，ASIC） 將讓 AI 更省電、更強大。這道 AI 晶片大餐如何改變你的生活？訂閱《邊喝邊想》，探索更多科技秘密！下篇將揭開晶圓如何從沙子化為基石。
（延伸閱讀：你每天都在用，卻從沒搞懂：半導體到底是什麼？、摩爾定律：從單位成本到國家戰略、Chiplet 為什麼成主流？）。
