多感測器整合單晶片製程問世！穿戴式裝置更添智慧|數位時代 BusinessNext

實現穿戴裝置智慧化功能，MEMS感測器扮要角

國家實驗研究院晶片系統設計中心前瞻技術組經理蔡瀚輝表示，MEMS感測器在物聯網（IoT）應用扮演著舉足輕重的角色，尤其智慧眼鏡、手錶、手環、戒指、鞋子、衣服等穿戴式裝置內，更是少不了MEMS感測器的存在。

日前蘋果發布的Apple Watch內，就內建了心率感測器以及可偵測運動軌跡的MEMS加速度計（Accelerator）；而未來，若要進一步擴大穿戴式裝置的應用潛力，就須內建更多種類型的感測晶片，包含運動感測器（加速度計、磁力計、陀螺儀）、環境感測器（溫度、濕度、壓力、氣體等）及生醫感測器（心跳、血壓、血糖等）。

不過，現有MEMS感測器構造特殊，因此無法與一般晶片的數位邏輯電路整合在一起；此外，動作、環境、生醫等不同類型的感測器，製作方法也相異甚鉅，難以整合或封裝於一，在電路板上都是處於分家狀態。

（圖說：傳統製程技術，運動、環境、生醫感測器以及一般IC晶片必須分置，難以被整合在同一平台上（左）；國研院的「多感測整合單晶片」，可將所有感測器及一般晶片整合在單一的SoC上（右）。圖片來源：國研院提供。）

多感測整合單晶片技術助威，MEMS感測器/數位邏輯電路大融合

所幸，經過國家實驗研究院與國內晶圓廠－台積電、聯電的共同努力之下，一個可將多種類型的MEMS感測器、一般IC整合成單晶片的製程技術於焉問世。

透過這項技術，未來單一晶片上可內涵多項不同種類的感測功能，而且也可以將無線通訊、運算及記憶體等一般IC功能一併整合於其中。該技術並已取得7件台灣專利及6件美國專利，另有6件專利尚在申請中。

「未來，你想整合10個、20個以上的感測器可能都不是問題」蔡輝瀚說，過往能在同個封裝內整合三個MEMS感測器就相當了不起，但透過這個製程技術，可大幅開拓感測器與一般晶片的整合潛力。

蔡輝瀚進一步預估，藉由此項製程技術，不但可以簡化繁複的製程，亦可縮小晶片面積達50%以上，成本可減少三分之一至四分之一，而耗電量也可降低50%左右。

（圖說：國研院晶片系統設計中心蔡輝瀚表示，「多整合感測單晶片製程」可以提升國內晶圓廠、感測器廠商的技術實力，迎頭破除國外大廠在MEMS感測器領域設下的重重專利壁壘。圖片來源：蘇宇庭攝影。）

晶圓廠、IC廠通力合作，國內感測技術發展添動能

事實上，MEMS感測器領域目前皆係由國外業者所瓜分，如意法半導體（STMicroelectronics）、Bosch等，台灣感測晶片產業在全球市占率不足1%，全球前30大感測晶片商內更無台廠的蹤影。

然而，台系晶圓廠、IC設計晶片商表現在世界舞台上卻極為出色，全球前20大半導體業者中，就有台積電、聯發科、聯電三強雄踞榜上。蔡輝瀚認為，若台灣感測器業者、晶片商及晶圓代工廠能夠齊心協力，利用國研院與台積電、聯電的「多整合感測單晶片製程」平台展開合作，而感測器與其他晶片商在此平台上進行多頭整合，將能共創多贏局面，並厚實國內感測器業者的競爭優勢。

@@ACTIVITYID:266@@

從生成式AI訓練、推論，到代理式工作流程（Agentic Workflow）與未來的實體AI，資料流量正以指數級成長，讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出，AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力，加速「Computational Memory」等新架構興起；在這波浪潮中，深耕記憶體與儲存技術數十年的美光科技，正與關鍵夥伴展開深度協同設計，包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術，在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。