22歲少年在車庫造出晶片!向半導體界證明:沒有大筆預算也能成為創新者
22歲少年在車庫造出晶片!向半導體界證明:沒有大筆預算也能成為創新者

一枚華為麒麟990晶片,由103億顆電晶體組成。如果放大看晶片的層級結構,排列佈局起起落落,宛若一座城市。

毋庸置疑,將幾百上千億顆比細胞還小的電晶體塞進晶片裡,是一個極端複雜且耗資巨大的工程難題,甚至曾被描述為「世界上最困難和精密度最高的製造過程」。而台積電與英特爾財報上每年投入到新晶圓廠建設的數百億美元,則證實了一切。

就是在2022年各國百億晶圓廠計劃浩浩蕩盪推進之時,一個22歲的卡內基美隆大學電子工程專業學生,則在家裡的地下車庫裡,「初步」完成了屬於自己的半導體製造宏圖——

成功設計並製造出了一枚相當於20世紀60~70年代水準的矽晶片。

22歲的工程電子專業大四學生DIY了一枚有1200個電晶體的晶片,圖片來自Wired
22歲的工程電子專業大四學生DIY了一枚有1200個電晶體的晶片
圖/ Wired

這個叫山姆·齊魯夫(Sam Zeloof)的大四學生,2021年8月在家裡,成功DIY出自己的第二枚自製電腦晶片Z2。也正因如此,著名雜誌Wired對其進行了報導。

不過,這枚晶片只附著了1200個電晶體的晶片,與當下的高端工藝差了至少50年的技術水平。但齊魯夫開了個玩笑:「比起2018年製造的Z1,這枚Z2的電晶體數量成長速度,絕對超過了摩爾定律。」

可以非常肯定的是,一個年輕男孩完整復刻出半導體整個生產製造流程,雖然聽起來非常了不起,但多多少少都會有噱頭成分在裡面——畢竟不能大規模生產,而且性能落後;但同時,很多細節卻顯示,這其中並非沒有商業層面的借鑒價值,更不必說齊魯夫的成功,在教育與科研層面,也有非常明確的借鑒意義。

「跌破眼鏡」的成本與創新

非常有趣,齊魯夫從2016年受到一些半導體DIY影片的啟發,開始在博客上寫下自己的晶片製造目標時,很多半導體人便給他發過郵件——「這真的不可能」。

Wired援引一位曾被他父親請到家裡來檢查安全問題的資深工程師的話就是——「你應該做不到,沒人會做到」。但後來看到他一點一點的進步,他改口為:「他的確做了一些我從未想過有人會做的事情」。

而齊魯夫應對反對聲的表現也很有意思:「我只是覺得DIY晶片很有趣。當我們聽到『不可能』的時候…我們應該更加小心謹慎地去做。」

齊魯夫在實驗室講解自己的Z2製造過程。
齊魯夫在實驗室講解自己的Z2製造過程。
圖/ Sam Zeloof YouTube

實際上,20世紀60~70年代半導體與集成電路產業發展初期,很多實驗室與初創公司裡的晶片,都是被「手工」製造出來的。因此,對於齊魯夫來說,他需要具備不僅僅是學校教給自己的電子工程學知識,更重要的是60年前的歷史經驗。

因此,他閱讀了上世紀70年代所有相關專利與教科書,意識到製造出第一枚商用集成電路的仙童半導體,便是在普通工作台上製造晶片——用乾淨的車庫,代替高於1000級的無塵潔淨室;用刀片、膠帶與燒杯,替代上千萬美元的儀器。

氫氧化物溶液
各種化學溶劑的瓶瓶罐罐。他把晶片浸在氫氧化物溶液裡,溶解掉矽片上的光刻膠。
圖/ 虎嗅網

即便不熟悉半導體製造流程,但這幾年借華為與輝達之勢,你多多少少也能被網路上瘋狂轟炸的半導體知識給普及一二。而在晶片製造流程的七大生產區域——擴散、光刻、刻蝕、離子注入、薄膜生長、拋光、金屬化中,「光刻」和「刻蝕」無疑是最核心的兩步。

然而,動輒上億美元的曝光機等精密儀器,絕對不可能出現在一個相對簡陋的地下車庫中;此外,這些精密儀器也具有相當程度的操作門檻。

但你絕對想不到的是,根據網友對齊魯夫公開影片(有興趣可以去看Youtube,他拍下了整個過程)和資料中的儀器價值測算,總成本應該不會超2萬美元。

「光刻」的基本原理其實相對簡單:先將光敏材料塗在矽片上;然後用一個類似投影儀的設備,將設計模板投射在上面,然後再通過一系列步驟溶解掉多餘的地方。因此,他解決光刻的方法堪稱「知識遷移鬼才」——

• 他在亞馬遜網站上買了一個會議室投影儀,改裝後安裝在顯微鏡上,組成一台簡易「曝光機」。

• 將自己的設計通過光學原理微縮到合適的尺寸,投射在自己手工切割的每塊約為半英吋的多晶矽片上,而這枚矽片抹上了對紫外線敏感的材料。

• 再將自製曝光機將光束投射到「設計」上:一個由12個電路組成的柵格,每個電路有100個電晶體,共計1200個。

而「刻蝕」步驟,很像是一節大學裡的化學實驗課:用酸(各種溶劑)腐蝕每塊晶片,再將它扔進在1000攝氏度左右的爐子裡烘烤,以調整電導率,然後送入真空室做進一步處理。

以上的步驟來來回回修飾三輪,才能結束晶片的關鍵製作步驟。

晶片製程
旋涂光刻膠,烘烤、然後曝光顯影,中間用到各種化學試劑與儀器。來回幾次再放入真空室做蒸發、濺射
圖/ 虎嗅網

但Wired認為,即便是在當下,巨型晶圓廠以大致相似的基礎方式生產晶片——在設計的不同部分使用一系列步驟添加和移除材料。只是複雜度和成本比齊魯夫的手工作坊要高出幾千倍。

有趣的是,除了「曝光機」與「刻蝕機」,齊魯夫幾乎所有的設備都是從eBay和其他拍賣網站上淘的科技破爛——它們多是由一些上世紀就倒閉的矽谷科技公司生產,如今已經十分廉價且都需要深度修理。

「他最好的發現之一,就是那台雖然壞掉,但90年代售價高達25萬美元的電子顯微鏡,他只花了1000美元買下來並完成了修復。」這台機器的主要作用是檢查晶片缺陷,不要小看這台上世紀的機器,它甚至還能觀察蝴蝶翅膀的奈米結構。

Sam Zeloof
電子顯微鏡
圖/ Sam Zeloof YouTube

就是在這樣成本極低的實驗環境與軟硬體處理下,齊魯夫的第二代晶片Z2,最終在一台20年前生產的惠普分析儀器上,跑出了漂亮的電流電壓曲線——這代表著一枚簡易晶片短暫擁有了生命。

齊魯夫認為分析儀顯示的結果比較理想

事實上,所有人都會看到這件事的表層意義——

太過優秀的動手能力、執行力以及一種獨屬於年輕人的不服與自信。齊魯夫取得的成果,足以讓那些總是抱怨學校裡不能提供先進儀器的工程專業學生感到羞愧。

就像一位開發者評價齊魯夫的執行力所讚賞的:「讓我印象深刻的,是他如何來驅動這個愛好。當我18歲的時候,我有很多興趣愛好,但是我很少完成我想做的事情,而學習,則是一個更大的挑戰。」

此外,齊魯夫也憑藉真實可確認的影片資料,在網上獲得了一群70年代半導體老人的鼓勵與支持。

但實際上,齊魯夫的想法比較簡單:他覺得有意思,所以就動手做了(動手改造是他的習慣——在2020年,他還把一台寶麗來膠捲機,改造成數碼相機);此外,他想以此證明給整個半導體產業一個有時會故意忽略的事實:

並不是要有數百萬美元的預算,才能成為一個發明者或創新者。這會趕走太多對半導體感興趣但又驚呼門檻太高的年輕人。

當然,他做的這些晶片絕對不可能裝進你的手機與伺服器;但這種行為,卻恰恰是開源與人類科學的目標——每個人都可以通過複製來改善整體結果,促進共同利益。

齊魯夫也曾改造過相機:左邊為膠捲機照片,右邊是齊魯夫改造為數碼相機後拍攝的照片。
齊魯夫也曾改造過相機:左邊為膠捲機照片,右邊是齊魯夫改造為數碼相機後拍攝的照片。
圖/ Carnegie Mellon University

另外,從商業市場角度來看,齊魯夫的行為和結果能夠證明:高品質的實操製造,對某些種類晶片(譬如ASIC)的小規模生產與運行會具備很高的價值。

通常來講在半導體市場,只有實現大規模生產製造,才能降低成本獲得足夠的利潤;在現代工藝中,實現規模化比性能更重要。

然而,齊魯夫告訴我們,在半導體產業發展近100年的當下,現有開放的軟硬體工具已經能夠滿足一些企業在保證成本的前提下,實現小規模生產製造;而很多上世紀老舊的技術,並非完全沒有了可取之處。

不可忽略的問題

我們發現,Wired對齊魯夫的報導中,有些用詞非常符合歐美文化視角。譬如,他們強調齊魯夫工作的「車庫」,是歸他父母所有的。而齊魯夫是一名讀大四的年輕人。

沒錯,這也是網上對齊魯夫在車庫造出晶片後引發的最大爭論點——媒體僅僅說出了他的聰明才智,他製造晶片的過程,他取得的最終成功,但卻忽略了他做出這些成績背後的隱晦附加條件。

譬如他的家庭,他的社交環境,都是一些隱藏資源。

一位網友毫不留情地批評大眾對齊魯夫的行為吹捧過剩——這只不過是講了一個聰明的富家子弟創新故事。他做的晶片跟現在的東西相比,沒有任何用處。

「看看他的車庫實驗室,什麼樣的高中生或大學生能拿著數千美元買設備?在他這個年紀,我肯定沒有這些資源做任何事情。此外,有99.99%的可能性是他的親人擁有物理或工程相關的學位。」

Sam Zeloof
圖/ Wired

這個說法恰好切中了一些事實。

齊魯夫的父親是一名經營賽車零件車間的工業設計師,他的哥哥則是一名機器人工程師,這種家庭氛圍下很難不從小接觸大量工程學知識與動手機會。

此外我們也不能忽視,為車庫實驗室做安全檢查的那位工齡超過40年的半導體資深工程師,是齊魯夫父親請來的。

因此,他的成功有跡可循——雖然個人的聰明才智佔據很大一部分,但並非真正的從零開始。

這也印證了紐約客資深撰稿人馬爾科姆·格拉德威爾在2008年出版的轟動一時的《異類》中想證明的:

「那些變得卓爾不群的人看似靠個人奮鬥,其實不然。事實上,它們一直得益於某些隱秘的先天優勢,或是非凡的機緣,亦或某一文化的特殊優勢。

就像生物學家討論生物體時常涉及的「生態學」:人們通常只想到傑出人士是最優質的種子,但很少想到成材還必須有充足的光照,深厚肥沃的土壤,以及足夠運氣躲過兔子和伐木工人。」

其實齊魯夫也隨口提過,自己做這個DIY試驗,是想進一步驗證DIY製造到底在現代科技生態系統中處於什麼地位——

在2022年的節點上,機器人設備與3D列印機太容易買到且不是太貴;而他用到的開源電子軟硬體平台Arduino與小型單板計算機樹莓派(Raspberry Pi)都是在2005年之後才出現的。所以,70年代的技術在當下被一個大學生驗證,似乎就變得沒那麼難以想像了。

換言之,與其說非凡的成就取決於天賦,不如說取決於機遇。

因此,這個最大的爭議,也引發了很多外國教育界網友的呼籲:如果讓更多家庭、社會條件沒那麼好的年輕人獲得同等資源、時間與指導,那麼就更有利於普遍性技術創新,而這就一定需要國家的立法、政策指導的支持(可能也是因為半導體在國外已經是成熟到被忽視的產業了,直到近幾年)。

齊魯夫的自拍
圖/ Sam Zeloof

齊魯夫的成功,必然有「擁有其他人所沒有的優勢」加持。但他對科技的執著與創造力,也無疑鼓勵了很多熱愛科學且具備創新熱情的年輕人。

「我認為他給我的啟示是,這個難題的答案是我們可以觸及到的,這就行了。這對下一代積累科學背景與知識是極其有用的,並最終創造出對更多人有用的東西,就像樹莓派一樣,一代又一代傳承下去。」

一位正在讀大學的工程專業學生,絲毫不在意所謂的隱性優勢:

「愛好真的是很有用的!這本身就是一種偉大的學習!即便敲不開這扇門,也可能敲開其他意想不到的大門。
而這些愛好,到底花費1美元還是1000美元,齊魯夫證明了,這個問題完全不重要。」

責任編輯:傅珮晴、侯品如

關鍵字: #晶片
往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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
代理式商務連動百兆商機
© 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