「別玩數字遊戲」!英特爾打臉晶圓代工廠的製程秘密,堅守摩爾定律、要靠效能決勝負
「別玩數字遊戲」!英特爾打臉晶圓代工廠的製程秘密,堅守摩爾定律、要靠效能決勝負

晶圓代工龍頭台積電宣布自家5奈米已於今年第二季量產,而三星也喊出今年底要量產5奈米製程,同時3奈米也要轉換成GAA(閘極環繞)的架構,在這條突破摩爾定律的路上,兩家半導體業者也還不停地端出8奈米、6奈米、4奈米等各種製程。

提出摩爾定律的老大哥英特爾自然也將這些消息看在眼裡,新竹辦公室總經理謝承儒就表示,英特爾才是以摩爾定律限制持續發展先進製程的半導體企業,而這些「花俏」的數字在他看來,「都只是一種商業行為的考量」。

編按:
摩爾定律 ( Moore's Law )是由英特爾(Intel)創辦人之一戈登‧摩爾(Gordon Moore)所提出。其內容為:積體電路上可容納的電晶體數目,每隔24個月便會增加一倍;經常被提及的「18個月」則出自於英特爾的大衛·豪斯,他預測每18個月,晶片效能便會提高一倍。

跟著摩爾定律走,英特爾:「別再玩數字遊戲」

根據摩爾定律的規則,半導體要在18-24個月內,讓電晶體的集成數量能夠成長1倍才算數。而過去《數位時代》也曾專訪過工研院電子與光電系統研究所所長吳志毅,他指出過去製程的命名都是依據閘極的長度而定,但自從過了10奈米後,由於面積逐漸縮小、要在新的節點達到比前一代1倍的成長難度提升不少,因此各家業者在命名上就比較不再遵守過去的方式,比較像是透過一種「先喊先贏」的感覺,當然最終還是必須回歸到電晶體密度、晶片的效能來檢視。

英特爾新竹辦公室總經理謝承儒
謝承儒表示將不同廠商的不同製程技術,單純用簡化後的數字做競爭,並不適當。
圖/ 英特爾提供

昨(15)日舉行的「英特爾架構日」中,謝承儒讓數字來說話。跟自家前一代14奈米的電晶體密度44.67百萬顆相比,10奈米的電晶體密度有2.26倍的提升、達到100.78百萬顆;而以台積電的7奈米為例,較前一代10奈米電晶體密度有1.6倍的提升,約來到91.2百萬顆,這麼一來,應該很容易理解為什麼外界總用「英特爾的10奈米等同於台積電的7奈米」來比較。

此外,謝承儒也分享了用在最新發表的CPU「Tiger lake」的10奈米SuperFin製程,透過增加FinFET(鰭式電晶體)中的「鰭」來強化該製程的效能表現,因此比起10奈米,有20%的效能提升,不過因為在架構中多了「鰭」的設計,因此面積有些微的增加,但英特爾解釋,如何抉擇取決於客戶對於產品的需求,究竟是「面積」抑或是「效能」,例如行動裝置可能就會更在意晶片的面積。

intel 10奈米 SuperFin製程
intel 10奈米 SuperFin製程
圖/ 螢幕截圖

不只靠製程,晶片的表現也要打「團體戰」

謝承儒也進一步表示,不同晶圓代工廠的不同製程已無法單純用簡化的數字比較,除了是因為業界沒有一個共同的命名標準外,將不同製造商的製程技術單純簡化成數字上的競爭並不恰當。同時他也認為,「外界太著聚焦在單一項目的比較了」。

在英特爾的眼中,一個能被用來運作的晶片包括了科技六大創新支柱:製程與封裝、XPU架構、記憶體、互聯架構、安全性以及軟體。謝承儒表示,外界太過於專注在製程的數字卻忽略了其他的影響力,例如擁有好的架構設計對晶片在終端裝置的效能表現上肯定有幫助,絕非製程這個環節可以「獨撐大樑」;又或是當一個晶片裡面所需要的技術由外面代工廠製作,英特爾的角色就是用良好的封裝技術,讓這些不同的晶片可以更順暢的溝通、達到良好的效能表現。

外包不是技術差!做最有效的決策才是英特爾考量

外界也相當好奇今年7月執行長史旺(Bob Swan)的一席「外包說」(Out Sourcing),謝承儒解釋,站在英特爾的角度,未來考量將會是更全面性的,別人若擁有比英特爾更好的技術,也會思考是否委由他人去製造,這部分不單只是成本的考量、也可能包括產品上市(Time to Market)的速度。

英特爾台灣分公司發言人鄭智成以獨立GPU為例,當場上所有獨立GPU都是由晶圓代工廠製作的時候,沒有理由英特爾要捲起袖子自己來,可能他們的技術上沒有晶圓代工廠成熟、也可能因為產能要留給更重要的產品,所以選擇外包就是個能讓產品加快上市時程的考量。

英特爾台灣分公司發言人鄭智成
鄭智成說,外包的行為對英特爾來說,是個包括成本、產品上市時間等全盤的考量。
圖/ 英特爾提供

另外,未來外包產品將採用先進製程或成熟製程,英特爾都不會設限,只要能協助產品效能和表現達到最佳化,都會考慮。對於是否會由外面代工廠封裝完畢再送回英特爾,鄭智成表示,這部分也都沒有絕對,可能是由外部廠商完成後交回英特爾、又或是將半成品送回英特爾再封裝。

可預見的是,未來英特爾將持續往封裝技術上鑽研,假設當所有人都獲得了相同的素材,那麼廚師炒菜的功力就成了如何端出一盤美味佳餚的關鍵,半導體的封裝技術正是這個概念,「這部分英特爾也已經在做了」,鄭智成說。

不過眼下比較現實的問題,還是英特爾製程的良率跟產能是否可以跟得上市場的需求腳步,尤其仍守著50多年前提出、可能面臨到瓶頸的摩爾定律,英特爾該如何面對兇猛的競爭對手們?對於這一點,謝承儒很有自信地表示,英特爾依舊是以摩爾定律為策略核心,而且端出來的產品表現夠好,市場肯定會接受,「你也看到了10奈米SuperFin的數字了不是嗎?」

責任編輯:錢玉紘

關鍵字: #台積電 #英特爾
往下滑看下一篇文章
免費下載「會議紀錄整理師」!逐字稿丟給AI,自動抓決議跟待辦,支援ChatGPT與Claude
免費下載「會議紀錄整理師」!逐字稿丟給AI,自動抓決議跟待辦,支援ChatGPT與Claude

在某個大雨滂沱的晚上,超級感謝有 7 位一天一 AI 的讀者來體驗我做的「會議紀錄整理師」AI 工作流。現在,我要把它免費開放給你用了!

今天來跟你分享,一天一AI PRO 設計出的 AI 工作流,到底可以幹嘛,並且讓你試用看看。

首發就是「會議紀錄整理師」,這是我自己最常用的工作流之一。有了它,會議上我都可以集中精神發表意見,之後 AI 再幫我統整即可!

除了省時省力、釐清待辦,我還多做了一點巧思:區分出討論項目與決議。那些會議上討論過的,但根本沒結論的事情,我請 AI 幫忙抓出來。

這個工作流可以到一天一AI PRO 的官網下載,裝進你的 ChatGPT 和 Claude。具體怎麼做?往下看圖卡吧。

還想看哪些內容?歡迎點此連結跟我分享~

AI會議紀錄怎麼做?「會議紀錄整理師」自動整理逐字稿

會議紀錄整理師是什麼?

每次會議我會取得同意後錄音,一結束就把逐字稿丟給 AI,呼叫「會議紀錄整理師」技能來做紀錄。逐字稿的錯字多、內容散亂、缺乏說話者資訊,通通沒關係,這個技能可以通過一串設計好的流程,區分是哪種會議(進度追蹤、規劃討論、解題決策)來決定紀錄的重點,最後產出會議紀錄通知信+留存版的完整紀錄文件。

AI整理會議紀錄最大亮點:自動區分討論、決議與待辦

最有感的亮點:區分出討論項目與決議

看完「會議紀錄整理師」整理的紀錄,第一印象一定是「很清楚、有結構」。但細看會發現,它除了幫你列清楚待辦事項,也會提醒你會議缺失的資訊,例如沒指定負責人、沒確定截止日期、哪些是拍板的決定、哪些決議沒討論完、哪些人的意見有衝突。

同件事反覆討論怎麼整理?AI只抓最後拍板結論

結論回掃:同件事來回討論,AI 只認最後的拍板

開會常常一個議題反覆討論,前面說「先用 A 方案」,後面又改口「還是 B 好」。一般 AI 整理會把兩個都列出來,會搞不清楚到底選了哪個。「會議紀錄整理師」有「結論回掃」機制:以最後一次明確確認為準,早期被推翻的版本會被歸類到「否決了什麼」,不會讓過時的決策混淆你。

與會者有誰?例行會議可以沿用團隊設定

與會者有誰?例行會議可以沿用設定

第一次使用,直接貼逐字稿就能跑。AI 遇到不認識的人名或職稱,會在結尾列出來問你:「這位是誰、負責什麼?要不要記下來?」你回覆後,它就建立你的團隊記憶檔。下次再開相同主題的會議會自動沿用,提高會議紀錄裡名字、職稱、待辦事項隸屬的正確性。

ChatGPT、Claude怎麼安裝「會議紀錄整理師」?

下載後怎麼用?

註冊登入一天一AI PRO 官方網站,找到「會議紀錄整理師」的立即下載按鈕,下載 zip 檔。Claude 網頁版的用戶,從Setting→Skills→右上方Add選擇→Upload skill→上傳 zip 檔。ChatGPT 網頁版的用戶要是付費版:開一個新對話→選擇「工作」標籤→在對話框上傳 zip 檔→輸入「幫我安裝到個人雲端技能」。完成設定後,重整頁面、開新對話,在對話框輸入「/」或是「@」輸入「會議紀錄整理師」就能把技能呼叫出來,再把會議逐字稿貼給它就行了。

AI會議紀錄還能怎麼用?散會前確認、累積成專案進度報告

散會前就做紀錄、同專案紀錄能做成進度報告

我在每個會議結束前,都會速跑紀錄,現場確認與會者的理解都一致。同一個專案的會議紀錄累積起來,還可以變成專案進度簡報給主管看:這個月做了哪些決策、還有哪些待辦沒完成、風險有沒有被處理掉。

訂閱《一天一AI》日報,每天跟你分享超實用的AI小技巧!

延伸閱讀:
一天一AI PRO上線!6組專家工作流,讓ChatGPT、Claude不再每次從頭教

AI又唱反調?每月10分鐘做記憶健檢,4招讓ChatGPT、Claude認得現在的你

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
一次搞懂工業AI
© 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