量子電腦時代還早?廣達林百里:半導體還有3場硬仗要打
量子電腦時代還早?廣達林百里:半導體還有3場硬仗要打

台積電2020年時5奈米將開始量產,英特爾8日預告,7奈米製程產品要到2021年推出,因先前10奈米的進度數度延宕,遭法人質疑此次時間表能否準時,在半導體大廠仍在拼奈米製程競賽下,量子電腦時代的到來還要多久?

IMG_9675.JPG
廣達董事長林百里說,19年前看到MIT的氧氣計畫,就投入雲端跟AI的研究,他認為半導體製程競賽還要打10年以上
圖/ 王郁倫攝影

10年內都是半導體製程競賽

廣達董事長林百里一向關注前瞻科技,但對此問題,他不願直接給答案,反而給了兩個面像思考,第一是可先觀察現在台灣半導體發展製程演進,其次是如此「超超高速運算」的應用領域。

林百里說,半導體界2020年要打7奈米的仗,到2021到2022年開始打5奈米的仗,推算到2024年以後才開始進入3.5奈米戰爭,「現在的半導體技術至少還有3場仗要打,」一路打到2027年之後,距今最少也還有10年時間。

台積電提供_007.jpg
台積電晶圓廠2020年將投入5奈米製程。
圖/ 台積電

另一方面,林百里說,量子運算用的不是半導體技術,運算法不是傳統二進位,軟體一切都還不清楚,法國及美國等國家都還在投入研究。由於一切都還太模糊,很多專家認為,量子電腦是15到20年之後的事,「是一定會做這件事,但現在講太遠。」林百里說。

英特爾才剛量產10奈米

現階段各大廠都拚製程競賽,英特爾8日由執行長Bob Swan和技術部門總裁Murthy Renduchintala在股東會上談英特爾的處理器發展時間表,Swan預告10奈米製程的筆電處理器「Ice Lake」將在2019年6月上市,筆電裝置預計年底前量產。

她在簡報上預告,2019年到2020年之間會大量推出10奈米製程產品,如今年下半推筆電CPU,2020年上半年推出10奈米製程的伺服器CPU,相較台積電進度是7奈米量產期,英特爾估計2021年跨入7奈米製程。

不過台積電2020年計劃5奈米量產,2021年台積電幾乎已可說是5奈米全能量產,顯示英特爾跟台積電製程進度落差。

Intel
英特爾10奈米製程今年下半量產後,2021年要跨入7奈米製程。
圖/ shutterstock

量子電腦初期商業用得少

林百里表示,過去是十倍速時代,半導體受物理製程限制,前幾年業界還熱烈討論10奈米,現在7奈米已經量產,很快5奈米時代將來臨。

面對未來量子電腦時代,半導體該何去何從?林百里笑說,不知道,也許他們(台積電)正在發展新東西,因為有財力物力,雖然量子電腦改變CPU的算法,但「矽」還是會要用的,不會消失。

為何這麼說?林百里說,量子電腦是最高速運算,不容易用在商業上,這種超超高速運算,或許是用在黑洞觀測上,一般商業應用其實用不到。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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