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

「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

先進製程的數字究竟意義為何？老大哥英特爾站出來強調，別陷入數字迷思，攤開晶片裡的電晶體密度、效能才是最真實的，而英特爾也是唯一還遵循摩爾定律的公司。

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。

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。

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。

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

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。