在電子業工作20年，對於技術的迭代演進可謂司空見慣，但近期聽到主管的演溝，卻讓我對於AI的發展速度和未來應用感到前所未有的震撼，甚至有些難以想像未來幾年的情景。這不僅是技術的革新，更是對我們現有生活有巨大的顛覆。
AI浪潮下的科學研究與產業競逐
主管在演說中提到，今年「AI for Science」的崛起。從近期美國一場AI論文研討會的數據便可見一斑：2019年約6,000篇AI論文投搞，到今年將有近12,000篇論文投稿，最終篩選出6,000篇。這不僅是數量的翻倍，更暗示著研究品質與競爭的激烈化。
值得注意的是，這些論文中，中美兩國貢獻了約80%，而台灣的投稿量目前排在第20位。另外，尤其要注意韓國的崛起，其在AI領域的野心與進展，其展現了強大的追趕野心，甚至目標在兩年內追平 Google 的目標，這對我們國家產業及AI發展，無疑是個警訊。此外，今年研討會上，有大量的 AI 研究集中在「材料科學」，特別是半導體材料的研發。尤其是半導體材料的研究呈現爆發式增長，這與我們半導體產業的息息相關，預示著未來決定勝負的不再只是製程良率，而是誰能利用 AI 率先發現下一代關鍵材料。
晶片軍備競賽與產業生態變革
從ChatGPT在2023年6月「橫空出世」以來，AI的影響力如同野火燎原。NVIDIA 的營收預測在短短兩年內從 4.3M 暴增至 41.1M（成長近十倍），清晰地勾勒出AI時代對硬體需求的飢渴。各大科技巨頭如Meta、Google、NVIDIA紛紛推出大量免費AI模組供大眾使用，這似乎是慷慨，實則是在建立各自的生態系。以NVIDIA為例，其CUDA生態系已成為一道堅固的護城河，讓使用其GPU成為常態。然而，Google TPU的崛起與開源軟體的推動，正試圖挑戰NVIDIA的霸主地位。
這場「晶片軍備競賽」背後隱藏著兩大危機：一是「過度下單」導致的轉單效應，這可能讓其他廠商有「練兵」機會；二是「景氣循環」的風險，巨頭們因爆單而加快投資，過度投資與爆發性產出（More out）必須精確拿捏，若支出與產出無法維持平衡，恐重蹈當年記憶體產業因產能過剩而崩盤的覆轍。
AI的養成、應用與未來思維
AI的發展，如同主管所提到的另一個觀點，養 AI就像是一種「灌溉、培養與教育的累積」。AI 的發展邏輯應是往「預測」發展，從釐清需求出發，進而精確預測，最後進行系統調校。在實務操作上，我們必須極度重視 Data QA（數據品質保證），因為錯誤的數據只會訓練出錯誤的決策。
未來在應用層面，AI將協助我們進行「Material AI for debug」，透過經驗累積優化決策管理，提升管理效率。未來的應用場景也將涵蓋「AI生成測試情境」，透過分類方法提升測試效率，以及「代理機器人」的普及，可提升產值的關鍵
結語
面對 AI 浪潮，我們需要「大膽作夢」，放眼未來，預見並擁抱變革。更重要的是，必須專注於數據的品質與深度，才能在未來的 AI 共生時代中，保持不被替代的專業價值。
【需要您的分享回饋】在 AI 巨頭的晶片競賽中，您認為台灣除了製造優勢，還有哪些機會能突圍？對於「代理機器人」走進日常工作，您的期待與擔憂分別是什麼？歡迎在下方分享您的獨到見解。
GTC March 2025 Keynote with NVIDIA CEO Jensen Huang
