從半導體製造的學習曲線看台積電的策略
從半導體製造的學習曲線看台積電的策略

最近台積電真的是扭轉了很多我們在外交上努力卻很難達成的事情。讓很多國家反過來尋求晶片產能,而不是我們去求別人。究竟台積電是怎麼在先進製程的競賽中逐漸形成這麼大的競爭優勢呢?

先進製程的競賽比的是研發能力,但這個研發能力不只是把製程研發出來的能力,而更是提升良率的研發能力。先進製程的工序極為大量,動不動就是1,000道等級的製程數目。只要每道製程稍有一點不符合標準,整片晶圓基本上就可以直接報廢了(良率近乎0)。這個差距在早期還不明顯,全世界還有不少玩家可以玩這個遊戲。但到了最近先進製程越來越逼近極限,不少玩家已經開始掉隊(Global Foundry、UMC……),沒有足夠的經驗以及資金開發下一世代的製程。而台積電就是目前這個遊戲的佼佼者,先以製程研發和良率提升的執行能力拉開和對手的差距,在獲得市占以及賺取資金後,再度大量投入研發拉開與對手製程上的差距。

感謝最近台積電讓台灣最近在全球重要性十足,所以在這篇,我們會介紹半導體製造的幾個階段,半導體製程開發裡很重要的良率學習曲線。再來分析台積電在先進製程開發做得好的原因,以及它在這三十幾年來是怎麼漸漸的甩開其他競爭對手到現在成為晶圓代工的龍頭的。

預備知識:半導體製造從研發到量產的幾個階段

新的節點(node)的半導體製程開發主要分成三個階段,R&D、Ramping和High Volume。半導體製程開發的三個階段,主要就是為了在R&D階段把製程研發出來以及在Ramping階段快速地提高良率後,能夠在最短的時間內以高良率的放量生產(如圖1所示)。

1622015918688
圖/ REDEFINE INNOVATION

半導體製造的良率學習曲線(良率提升曲線)

如之前所提,其實在半導體製程開發的每一階段都有非常多的東西需要去測試和調整,每天不斷不斷的學習,造就了先進製程的良率從R&D到High volume階段每天一點一點的提升。而這個良率提升的曲線,我們叫做半導體製造的良率學習曲線,如圖2所示。

1622015929295
圖/ REDEFINE INNOVATION

要在先進製程競賽中獲勝,最主要的就是要盡量的縮短良率學習曲線。

延伸閱讀:台積電用一流人才做二流工作?一文帶你看懂護國神山工程師都在做些什麼!

話雖然是這樣說,但事實上,在半導體製程中,一塊晶片要被製造出來,晶片製造商所要管理的複雜度是極為恐怖的。原因是,先進製程的工序都非常複雜(數百到千道製程),而每一道工序又有非常多不同的參數要微調,只有同時能夠把每道工序都處理好,最後才會有良率。而要獲得勝利,就是要在最短的時間內把這些製造設備的狀態都調整好,每道製程的參數都調整到最佳化,才有辦法領先對手推出最先進的製程上市。而在半導體廠在R&D到High Volume量產階段,主要會做的事情是:

  1. R&D階段:這個階段除了調整製程以外,還有一件很重要的事情是跟設備供應商合作把設備的製程窗口(Process Window)調整到最大。製程窗口的意思是在機台用不同參數範圍去製造時,最終結果仍然能達到要求範圍。製程窗口調整到最大有幾個好處, 一是當製程不穩定時,只要仍然在製程窗口範圍內就可以做出好的晶片。二是比如說當前面的製程無法達到要求,需要後面的製程去cover時,可以調整後面製程的製程參數去讓最後的結果達到最好。
cheerful-collaboration-colleagues-1374366
培養互有默契的合作窗口,可以讓雙向溝通更有效率。
圖/ rawpixel.com from Pexels
  1. Ramping階段:在這個階段主要的製程參數已經固定了,最主要是要微調製程參數讓最終的良率在最短的時間可以拉到最高。

  2. High Volume:穩定度是最重要的事情,所以大部分的重點都是在怎麼管理設備和生產環境讓整個製程可以源源不斷地去生產出好的晶片。但當有些製程不穩定的情況發生的時候,還是有可能去特別微調設備或參數去讓整個製程繼續保持穩定或者是有更好的良率。

而因為這裡面每一個階段工程師們都需要去學習去找到最好的製程參數,使用新的機台,以及在量產的情況下穩定製程,所以會有一段不短時間的學習曲線。甚至,有很多不是領先的廠商在7奈米的製程之前就因為技術和資金不夠就放棄了,只停留在14奈米製程。

先進製程競賽的關鍵1:製程領先和獲利投入研發的反覆疊代

在大部分人眼裡看起來沒有什麼相關的資本和技術,在這場遊戲裡面其實是互相依存的關係。由於半導體製造高資金門檻的關係,所以能夠先將技術推到市場賺到錢的人,就可以更早地將資金投入下一個世代技術的研發,在下一場競爭裡面搶得先機。

shutterstock_1170903844_leader.jpg
圖/ oatawa via shutterstock

台積電非常專注晶圓代工,在技術-資本的循環裡面一次又一次的自我增強後,在這場競賽裡面慢慢地獲得領先的地位。有些人可能會好奇台積電和Intel / 三星的比較,有機會可以再寫一篇仔細一點的文章來討論這個部分,但簡單來說其實不管是Intel和三星其實在公司結構上都不是專注於邏輯晶片晶圓代工的公司。Intel設計和製造都包,所以其實在公司製程有瓶頸的時候,公司反而採取了滿多商業或晶片設計的方案來解決問題。Intel原本也有跨足晶圓代工生意,但也因為對於晶圓代工生意的不熟悉和策略上的三心兩意而沒有做起來。

而三星其實也不是個專注在邏輯晶片代工的公司,其手機和記憶體代工的生意都遠大於邏輯晶片代工,邏輯晶片代工只能算是二軍。大家雖然覺得三星的總資本支出是較高的 ,但跟台積電相比,三星並沒有這麼專注在邏輯晶片製程,反而主要的將更多的資源投注在記憶體製程上面。最新的消息顯示,台積電在2021年的資本支出為250億到280億美金,三星在半導體製造方面預估資本支出為300億美金左右, 但這包含了記憶體製造和邏輯晶片製造兩個部分,所以相對於台積電,三星在邏輯晶片製造的投入反而沒有這麼高,所以其實三星要在邏輯晶片製造領域追上台積電的難度非常高。

Samsung
圖/ shutterstock

延伸閱讀:白宮發言人證實:美方致函感謝台灣,盼持續協助解決晶片短缺問題

先進製程競賽的關鍵2:提早新技術導入(包含 EUV)

從前面的討論可以了解,在半導體先進製程要取得領先,重點在找到方法加速良率學習曲線。而台積電的做法就是提前去了解這些最新科技,並嘗試應用這些科技提升自己的製造能力。在ASML EUV還非常不成熟的時候(10年前左右),台積電就已經取得EUV讓員工在廠內使用並熟悉。所以在這兩年EUV量產技術獲得快速突破的時候,台積電可以快速的導入EUV在自己的量產製程中。從N7+先在幾層關鍵的Layer導入EUV後,將這些學習慢慢擴散放大到N5甚至N3的製程。所以台積電很多提前的佈局和學習,都可以讓其在實際開發製程的時候,比競爭對手快上幾步。

而Intel和三星、台積電相比,在EUV的導入速度都是比較慢的。Intel因為製程推出速度不如預期的關係,將對EUV的導入時程延後。而三星雖然發表了比較積極的EUV導入計畫,但在執行上其實也不如他們講的那麼順利。反觀台積電,在一開始測試導入EUV之後,目前已經在EUV量產機台的數量上取得了領先(見圖3)。

當然,EUV只是一個例子,在台積電裡面每天都在嘗試許多大大小小的新技術,每個新技術都可以為台積電帶來微小競爭優勢,但累積許多小小的競爭優勢後,就建築成一道很難跨越的技術門檻及優勢。

圖3. 台積電在EUV機台數量上還有EUV相關Wafer製造上取得領先 (Source:TSMC)
圖3. 台積電在EUV機台數量上還有EUV相關Wafer製造上取得領先 (Source: TSMC)。
圖/ TSMC

先進製程競賽的關鍵3:紮實的製程參數實驗和執行

其實最後一點聽起來不是很Sexy,但是非常重要。要管理好這麼複雜的製程,在這麼多參數的組合裡面找到最佳製程,就是需要用很科學的方法去設計參數實驗,找到最佳的製程參數範圍。然後累積每一道製程的改善以後,與對手的製程穩定度與良率拉開差距。在我跟很多客戶接觸的經驗當中,這個部分說起來簡單,但真的能執行好的公司真的不多。執行能力的高低,扮演了一個非常重要的關鍵。

總結:不斷精進的台積電

先進製程的開發是一件非常複雜的浩大工程,而每一代新製程對比於上一代製程的複雜度都是以指數成長的。再進入7nm製程以後,已經只剩非常少的玩家有這個技術底子和資金去支持新一代製程的開發了,而台積電是其中的佼佼者。在先進製程的開發中,台積電透過製程開發和資本支出的優勢反覆疊代拉開差距,提早導入新技術縮短學習曲線,再加上科學方法的製程參數調整,在這三十年中不斷地和競爭對手拉開差距,到達現在的領先地位。在圖3中也可以看得出來,台積電從28奈米到7奈米的量產速度的驚人進步。而這種內化的研發和執行能力,也是和競爭對手的最大差距所在,讓其在未來3奈米甚至是2奈米的競賽中獲得領先的關鍵。

圖4. 台積電從28nm製程到7nm製程的放量速度成長 (Source:TSMC)
圖4. 台積電從28nm製程到7nm製程的放量速度成長 (Source:TSMC)。
圖/ TSMC

(本文由Vince Liu授權轉載自其部落格

責任編輯:郭昱彣、陳建鈞

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

關鍵字: #台積電 #半導體
往下滑看下一篇文章
影音體驗成行動網路新戰場!Opensignal 揭台灣大哥大奪「雙料冠軍」,連網穩定撐起高負載影音與 AI 協作
影音體驗成行動網路新戰場!Opensignal 揭台灣大哥大奪「雙料冠軍」,連網穩定撐起高負載影音與 AI 協作

現代人手機不離手,通勤時滑短影音、午休追串流影劇、下午開視訊會議,網路影音應用成為工作與生活的普遍情境。然而,一旦畫面卡頓、畫質不穩,或聲畫不同步,使用體驗立刻打折,甚至影響工作效率與專業判斷。

也因此,網路品質不再只是「快不快」的問題,更關乎能否在高使用量的日常情境下,維持穩定、連續的表現;對此,第三方評測也採用更貼近使用者情境的方式衡量網路體感。而 Opensignal 最新報告指出,台灣大哥大在影音體驗相關項目是業界唯一同時拿下「影音體驗」與「5G 影音體驗」雙項獎項的電信商,其中,關鍵的差異是什麼?

為何「影音體驗」是網路品質的關鍵指標?

愈來愈多消費者入手旗艦機,追求的不只是硬體規格,還有流暢的 AI 應用與多工協作。然而,無論是視訊即時翻譯或雲端會議,這些高階功能都有一個共同前提:網路必須穩定。一旦網路品質不佳導致畫質下降或音畫不同步,旗艦級的 AI 功能將形同虛設。

這也意味著,檢驗網路價值的標準已經改變。如今,不能只看單點測速的瞬間峰值,更重要的是高負載情境下的耐力表現。因此,比起單點測速,影音體驗會是更完整的測試標準,直接挑戰了網路在室內深處、移動途中或人潮聚集時的網路實力;而唯有在長時間串流下依然不卡頓、不降畫質,才稱得上是高品質的連線。

換言之,隱身在硬體背後的電信商,才是發揮旗艦機性能的關鍵;唯有透過最佳網路品質,才能讓手中的旗艦機既是規格領先、也是體驗領先。

唯一影音體驗雙料冠軍,Opensignal 權威認證的有感體驗

雖然相較於測速數據,影音體驗更貼近日常使用,但也更難量化。對此,國際權威認證 Opensignal 的「影音體驗分數」,依循 ITU 國際標準,透過真實用戶裝置在行動網路上進行影音串流的實測數據,觀察不同電信網路在實際使用情境下的表現。

簡單來說,評測聚焦三項核心指標:影片載入時間、播放期間的卡頓率,以及畫質(解析度)是否能穩定維持。使用者從開始播放到持續觀看的整體品質,分數以 0–100 呈現,分數愈高,代表在三項指標的表現愈佳。相較於單點測速,這類評測更能呈現長時間、高使用量下的網路品質。

人流情境不降速.jpg
圖/ 數位時代

而在今年最新公布的 Opensignal 評測中,台灣大哥大獲得「影音體驗」獎項唯一雙料冠軍。其中,「整體影音體驗」為全台獨得第一名,「5G 影音體驗」則與遠傳並列第一。

之所以能在影音體驗拔得頭籌,關鍵在於台灣大哥大目前是全台唯一整合 3.5GHz 頻段 60MHz 與 40MHz、形成 100MHz 總頻寬的電信業者,亦是現階段全台最大 5G 黃金頻寬配置。頻寬愈寬,代表單位時間內可傳輸的資料量愈大;在大量使用者同時進行影音串流、視訊互動的狀態下,更能維持穩定傳輸、減少壅塞發生機率。

台灣大獲權威認證,NRCA技術撐起穩定基礎

除了頻寬帶來的流量優勢,台灣大哥大也採用「NRCA 高低頻整合技術」,也就是透過高低頻協作,讓 3.5GHz 負責高速傳輸、700MHz 補強覆蓋與室內連線,改善室內深處與移動情境的訊號落差,提升連線連續性。

同時,為了讓住家、通勤動線、商圈與觀光熱點等高使用場域維持穩定表現,台灣大哥大已在全台超過213個住宅、觀光及商圈熱點完成 100MHz 布建,提升人流密集區的網路覆蓋率。

5G高速(小).jpg
圖/ dreamstime

值得注意的是,在今年的 Opensignal 評比中,台灣大哥大還拿下了「5G 語音體驗」與「網路可用率」兩項第 1 名,累計獲得 4 項獎項。這意味著不僅具備影音體驗優勢,在語音互動與連線率等關乎用戶日常應用的基礎指標,皆有亮眼成績。

尤其,隨著影音與即時互動成為新世代的工作常態,網路品質的重要性只會持續上升。無論是遠距協作所仰賴的視訊與畫面共享即時同步,內容創作對直播與即時上傳連續性的要求,或是 AI 視訊互動、即時翻譯與會議摘要等新應用,都高度依賴低延遲與穩定的資料傳輸。網路品質因此不再只是連線條件,更是支撐內容生產、協作效率與新應用落地的基礎能力,甚至直接牽動競爭力。

而台灣大哥大經 Opensignal 認證、於多項關鍵指標領先業界,不僅將成為 AI 時代的重要後盾,也讓使用者能更充分發揮高階手機的效能,把「快、穩、滑順」落實在每天的工作與生活中。

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
進擊的機器人
© 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