台積電傳出考量3 納米赴美設廠。 工研院IEK 主任室計畫副組長楊瑞臨指出， 台積電3 納米選址非常關鍵， 牽涉佈局量子電腦1 納米以下的次納米新技術和材料。
台積電今天最新回應表示， 公司還在評估3 納米制程會在哪個地點落腳， 相關評估作業會持續到明年上半年， 因此目前到明年上半年還有數個月， 不會這麼快做這麼重大的決定。 至於會不會在美國進一步投資， 台積電引述董事長張忠謀先前指出， 並未排除可能性， 但現在說3 納米制程會在美國落腳， 言之過早， 因為要到明年上半年才會做決定。
台積電表示， 南科高雄園區路竹基地也未排除在外， 持續觀察， 選地尚未決定。 至於電力問題， 台積電重申， 考慮設廠地點， 水、電、土地、人才， 都非常重要。
楊瑞臨分析， 台積電的3 納米制程， 應該是摩爾定律（Moore's Law）下電晶體制程微縮的可能最後節點。 台積電3 納米制程將是關鍵的轉捩點，
楊瑞臨預期， 台積電1 納米制程可能不會服膺摩爾定律， 也可能不會採用矽材料， 而是使用新的次納米技術和新材料。 他研判， 台積電佈局3 納米制程， 就會一併整體設想到下一階段次納米制程技術和關鍵新材料的產業佈局。
楊瑞臨指出， 台積電在考量3 納米制程晶圓廠的地點， 絕對不是只有考量水、電、土地、環評等因素而已， 還牽涉到選址設點當地是否具備未來半導體全新次納米技術與關鍵新材料的研發實力、人才需求和產業鏈生態體系， 因應未來量子電腦（quantum computer）發展趨勢。
全球包括美國、歐盟和中國等政府、學界、研發單位和企業， 正在大幅編列預算，
楊瑞臨表示， 資料中心用高效能運算（HPC）的處理器（GPU）應用， 帶動10 納米、7 納米、5 納米到3 納米制程發展， 不過到了3 納米制程， 處理頻率速度應該就會到頂了。 他指出， 量子電腦和人工智慧（AI）應用， 處理器速度要更快， 也就是每單位時間處理位元元數要更多， 但是到了3 納米制程之後， 技術就會遇到瓶頸， 耗電量會更大。
楊瑞臨表示， 量子電腦技術可能不會以矽材料為基礎， 可能採用全新2 維材料， 處理器必須具備4 位元、甚至16 位元的處理能力， 因此， 量子電腦的處理頻率速度不用這麼頻繁， 又可以大幅省電， 預估量子電腦的耗電量可能比現在電腦的耗電量，
楊瑞臨指出， 量子電腦技術應用， 牽涉到1 納米制程及下一階段次納米制程的技術開發， 可能改變全球半導體產業的生態。 他預期， 台積電3 納米制程預估2022 年到2023 年進入試產階段， 1 納米制程可能在2026 年到2027 年進入試產階段。
楊瑞臨認為， 台積電3 納米制程的設廠地點， 牽涉到1 納米以及之後新世代次納米技術和產業鏈的佈局， 臺灣若要留住台積電的3 納米制程晶圓廠， 要把眼光看到8 年到10 年之後的全球半導體產業與新興技術發展趨勢。 他指出， 臺灣不能單單只從環評或是水電土地的角度出發， 更要進一步掌握半導體技術發展及全球半導體產業佈局趨勢， 培養和深化量子電腦的技術、人才和資源，
摩爾定律失效後， 計算性能增長的繼承者
摩爾定律假定， 微處理器的電晶體將每兩年翻一倍， 它們的計算性能也隨之翻倍。 自戈登摩爾（Gordon Moore）1965年提出以來， 該定律一直生效。 不過近年來業界一直預測該定律即將失效。 早在2000年， 《麻省理工科技評論》就矽技術在大小和速度上的極限提出了警告。
實際上， 摩爾定律並不算是定律。 它更多的是自我實現的預言。 摩爾並沒有將它描述成像地心引力或者動量守恆定律這樣的不變真理。 他只是給我們設定了預期， 而晶片廠商們相應地去兌現預期。
事實上， 行業一直在尋找新方法來給更微小的晶片帶來更強的性能。 遺憾的是， 他們找不到方法來同步削減成本。 《快公司》（Fast Company）今年2月撰文指出，全球半導體行業不再基於每兩年實現性能翻倍的概念來制定矽晶片研發計畫，原因就是無力承擔跟上性能提升步伐所需購買的超複雜製造工具和工藝成本。此外，當前的製造技術可能無法再像原來那樣大幅度縮小矽電晶體。不管怎樣，電晶體都已經變得非常微小，以至於可能無法遵循通常的物理定律——這引發了它們還能夠在醫療設備或者核電站使用多久的疑問。
那麼，那意味著科技驅動的指數級變化時代即將走到盡頭了嗎
不。
即便矽晶片正接近物理和經濟成本上的極限，也還有其它的方法繼續驅動計算性能的指數級增長，比如採用新材料來打造晶片和以新方式定義計算本身。目前已經出現了與電晶體速度無關的技術進步，如深度學習驅動的更加聰明的軟體，以及通過利用雲資源實現更強計算能力的技術。而這只是未來計算創新的冰山一角。
以下是有望驅動計算性能繼續飛速增長的幾項新興技術：
記憶體中計算。在整個計算史上，處理最緩慢的一部分就是從硬碟獲取資料。很多的處理性能都浪費在了等待資料到達上。相比之下，記憶體中計算則將大量的資料放在RAM（隨即存取記憶體），使得資料可以馬上在RAM中進行處理。結合新型的資料庫、分析技術和系統設計，它能夠大大提升性能和整體成本。
基於石墨烯的微晶片。石墨烯為一個分子那麼厚，導電性能比任何其它人類已知的材料都要強。它能夠捲入到微小的管子中，也能夠結合其它材料使用，能夠在更小的空間裡驅動電子以更快的速度運動。它在這方面甚至要勝過最下的矽電晶體。這將會將針對微處理器的摩爾定律的適用時間再延長幾年。
量子計算。普通電腦中的2位元寄存器在某一時間僅能存儲4個二進位數字（00、01、10、11）中的一個，而量子電腦中的2位元量子位元（qubit）寄存器可同時存儲這四個數，因為每一個量子比特可表示兩個值。理論上，量子電腦將能夠以數百萬倍於當前技術的速度解決各類非常複雜的問題，如分析基因資料或者測試飛機系統。谷歌研究人員去年宣佈，他們已經開發了一種新的量子比特方式來檢測和防範錯誤。
分子電子學。瑞典隆德大學研究人員利用納米技術打造了“生物電腦”，通過沿著納米觀人工路徑同時移動多個蛋白絲，該款電腦能夠進行平行計算。這種生物電腦比循序運行的傳統電子電腦更加快速，且節能99%，製造和使用成本也低於傳統電腦和量子電腦。它進行商用的時間可能也將早於量子電腦。
DNA資料存儲。將資料轉換成base 4，你就可以將它編碼到合成DNA上。為什麼要那麼做呢很簡單：一點點DNA就可以存儲一大堆資料。事實上，有瑞士研究團隊估計，一茶匙的DNA可以容納人類迄今為止所產生的所有資料，從最早期的洞穴壁畫，再到昨天的Facebook動態更新。這種技術目前需要耗費大量的時間和資金，不過基因編輯或許是大資料的未來：Futurism最近報導稱，微軟正在研究利用合成DNA來進行安全的長期資料存儲，已經能夠編碼和恢復100%的初始測試資料。
神經形態計算。神經形態計算技術的目標是，打造一款像人腦那樣的電腦——處理和學習資料的速度能夠跟生成資料一樣快速。到目前為止，業界已經開發出能夠通過訓練和執行神經網路來進行深度學習的晶片，那是往正確方向邁出的一步。例如，General Vision的神經形態晶片包含1024個神經元，每一個都是基於SRAM（靜態隨機記憶體）的256位元組記憶體，且有3000個邏輯閘，所有的神經元都互相連接，平行運行。
無源Wi-Fi（Passive Wi-fi）。華盛頓大學的一個電腦科學家和電氣工程師團隊開發了一種耗能比目前的電耗標準少1萬倍的Wi-Fi傳輸生成方式。雖然這嚴格來說不算是計算性能的提升，但它是網路連線性的指數級增長，將會使能其它技術的進步。無源Wi-Fi被《麻省理工科技評論》列入2016年的十大突破性技術，它將不僅僅可以節省電耗，還能夠使能最低耗能的物聯網，讓更多之前非常耗電的設備第一次能夠通過Wi-Fi連接網路，還有可能會催生新型的通訊方式。
雖然我們可能在接近矽晶片的性能極限，但技術本身讓在加速發展。要阻止它成為現代生活的驅動力是不大可能的。隨著新計算技術推動機器人、人工智慧、虛擬實境、納米技術以及其它震驚世界的進步超越當前被公認的極限，它的影響力將只會有增無減。
簡單來說，計算的指數級增長或許無法永遠持續下去，但它的盡頭仍比我們想像的要遙遠得多。
R
eading
《快公司》（Fast Company）今年2月撰文指出，全球半導體行業不再基於每兩年實現性能翻倍的概念來制定矽晶片研發計畫，原因就是無力承擔跟上性能提升步伐所需購買的超複雜製造工具和工藝成本。此外，當前的製造技術可能無法再像原來那樣大幅度縮小矽電晶體。不管怎樣，電晶體都已經變得非常微小，以至於可能無法遵循通常的物理定律——這引發了它們還能夠在醫療設備或者核電站使用多久的疑問。那麼，那意味著科技驅動的指數級變化時代即將走到盡頭了嗎
不。
即便矽晶片正接近物理和經濟成本上的極限，也還有其它的方法繼續驅動計算性能的指數級增長，比如採用新材料來打造晶片和以新方式定義計算本身。目前已經出現了與電晶體速度無關的技術進步，如深度學習驅動的更加聰明的軟體，以及通過利用雲資源實現更強計算能力的技術。而這只是未來計算創新的冰山一角。
以下是有望驅動計算性能繼續飛速增長的幾項新興技術：
記憶體中計算。在整個計算史上，處理最緩慢的一部分就是從硬碟獲取資料。很多的處理性能都浪費在了等待資料到達上。相比之下，記憶體中計算則將大量的資料放在RAM（隨即存取記憶體），使得資料可以馬上在RAM中進行處理。結合新型的資料庫、分析技術和系統設計，它能夠大大提升性能和整體成本。
基於石墨烯的微晶片。石墨烯為一個分子那麼厚，導電性能比任何其它人類已知的材料都要強。它能夠捲入到微小的管子中，也能夠結合其它材料使用，能夠在更小的空間裡驅動電子以更快的速度運動。它在這方面甚至要勝過最下的矽電晶體。這將會將針對微處理器的摩爾定律的適用時間再延長幾年。
量子計算。普通電腦中的2位元寄存器在某一時間僅能存儲4個二進位數字（00、01、10、11）中的一個，而量子電腦中的2位元量子位元（qubit）寄存器可同時存儲這四個數，因為每一個量子比特可表示兩個值。理論上，量子電腦將能夠以數百萬倍於當前技術的速度解決各類非常複雜的問題，如分析基因資料或者測試飛機系統。谷歌研究人員去年宣佈，他們已經開發了一種新的量子比特方式來檢測和防範錯誤。
分子電子學。瑞典隆德大學研究人員利用納米技術打造了“生物電腦”，通過沿著納米觀人工路徑同時移動多個蛋白絲，該款電腦能夠進行平行計算。這種生物電腦比循序運行的傳統電子電腦更加快速，且節能99%，製造和使用成本也低於傳統電腦和量子電腦。它進行商用的時間可能也將早於量子電腦。
DNA資料存儲。將資料轉換成base 4，你就可以將它編碼到合成DNA上。為什麼要那麼做呢很簡單：一點點DNA就可以存儲一大堆資料。事實上，有瑞士研究團隊估計，一茶匙的DNA可以容納人類迄今為止所產生的所有資料，從最早期的洞穴壁畫，再到昨天的Facebook動態更新。這種技術目前需要耗費大量的時間和資金，不過基因編輯或許是大資料的未來：Futurism最近報導稱，微軟正在研究利用合成DNA來進行安全的長期資料存儲，已經能夠編碼和恢復100%的初始測試資料。
神經形態計算。神經形態計算技術的目標是，打造一款像人腦那樣的電腦——處理和學習資料的速度能夠跟生成資料一樣快速。到目前為止，業界已經開發出能夠通過訓練和執行神經網路來進行深度學習的晶片，那是往正確方向邁出的一步。例如，General Vision的神經形態晶片包含1024個神經元，每一個都是基於SRAM（靜態隨機記憶體）的256位元組記憶體，且有3000個邏輯閘，所有的神經元都互相連接，平行運行。
無源Wi-Fi（Passive Wi-fi）。華盛頓大學的一個電腦科學家和電氣工程師團隊開發了一種耗能比目前的電耗標準少1萬倍的Wi-Fi傳輸生成方式。雖然這嚴格來說不算是計算性能的提升，但它是網路連線性的指數級增長，將會使能其它技術的進步。無源Wi-Fi被《麻省理工科技評論》列入2016年的十大突破性技術，它將不僅僅可以節省電耗，還能夠使能最低耗能的物聯網，讓更多之前非常耗電的設備第一次能夠通過Wi-Fi連接網路，還有可能會催生新型的通訊方式。
雖然我們可能在接近矽晶片的性能極限，但技術本身讓在加速發展。要阻止它成為現代生活的驅動力是不大可能的。隨著新計算技術推動機器人、人工智慧、虛擬實境、納米技術以及其它震驚世界的進步超越當前被公認的極限，它的影響力將只會有增無減。
簡單來說，計算的指數級增長或許無法永遠持續下去，但它的盡頭仍比我們想像的要遙遠得多。
R
eading