IBM開發出第一個5奈米製程晶片,效能提升40%、電力消耗節省75%
IBM開發出第一個5奈米製程晶片,效能提升40%、電力消耗節省75%
2017.06.08 | IBM

兩年前才開發出全球首個7奈米製程晶片的IBM,這次與晶片商GlobalFoundries和三星合作研發晶片再有突破進展。他們成功開發出五奈米製程晶片,且性效能表現更好。透過新技術,指甲大小的晶片可容納300億顆電晶體,相較兩年前7奈米製程的技術,相同面積僅能容納200億顆電晶體。該技術一旦成熟,將有助於人工智慧、物聯網和雲端計算等領域發展。

電晶體新技術讓晶片擁有更多「運算大腦」

一直以來驅動半導體技術進步的摩爾定律,隨著近來晶片技術進步趨緩的情形,似乎快達到極限。在現有通用的10奈米製程晶片,按照摩爾定律,下一代應縮小至7奈米。而IBM這次不僅打破僵局,新研發的5奈米製程晶片甚至已經超越摩爾定律的標準。

而IBM之所以能同時縮小晶片尺寸、卻又不影響效能的原因,在於其採用了新技術「環繞式閘極場效電晶體(GAAFET)」。

Silicon nanosheet transistors at 5nm.jpg
IBM最新5奈米電晶體側面圖。其首次採用堆疊矽奈米薄層作為電晶體設計,讓晶片的性效能皆優於目前已商用的10奈米製程晶片。
圖/ IBM

閘極(gate)是電晶體中控制電流開關的部位,該設計也是影響電晶體尺寸的關鍵之一。一直以來,電晶體都是設計成扁平狀,而閘極位於電流通道上方。為了縮小電晶體尺寸,後來晶片商將通道設計成魚鰭狀、垂直於基板(substrate),並將閘極覆蓋於通道上方,被稱作「鰭式場效電晶體(FinFET)」。

而IBM希望透過進一步縮小通道和閘極的距離,再縮小電晶體尺寸。其透過奈米薄層將閘極包圍在通道周圍,閘極數量因此從過去的三個增加為四個,閘道通道量也較過去更大。

finfet-vs-nanosheet-transistors-width.jpg
受限於設計,FinFET(左)的閘道通道較GAAFET的還要少,在電晶體排列更緊密、電流通過量變更大的情況下,採GAAFET的晶片性能更高、尺寸也能縮小。
圖/ IBM

由於手機和電腦計算速度取決於晶片中的電晶體數量和通過的電流量,在電晶體排列更緊密、電流通過量變更大的情況下,採GAAFET的晶片性能更高、尺寸也能縮小。

正是如此,GAAFET被視為取代FinFET的下一代晶片設計。FinFET目前普遍被用於22奈米以下的晶片設計,最小約可製作出7奈米的晶片,若尺寸縮至5奈米,受限於晶片製程技術,電晶體排列過於緊密、無法讓足夠的電流通過,會導致性能下降。而採GAAFET的晶片尺寸極限為3奈米。

性能提升40%、電力消耗省75%

儘管兩年前IBM就研發出7奈米製程技術,但目前已經邁入商用階段的仍僅止於10奈米。例如,高通最新手機處理器「驍龍835」,就是第一個採用三星10奈米製程的晶片,該晶片也用於三星最新智慧型手機Galaxy S8。

在性效能表現上,採新技術的5奈米製程晶片,相較10奈米製程晶片,性能可提升40%,或是可省下75%的電力消耗卻能達到相同效能,即電量消耗為過去的1/4倍。

該技術也讓晶片的電晶體密度突破以往。IBM表示,新技術讓僅約指甲大小的晶片(50平方毫米)可容納300億個電晶體,以過去7奈米的製程技術來說,同樣大小僅能容納200億個電晶體。

儘管新技術令人期待,但IBM表示,5奈米製程目前仍在開發階段,距離商用還有一段時間。

資料來源:ArstechnicaThe VergeCNET

關鍵字: #IBM #半導體
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓