臺積電傳出考量3 納米赴美設廠。工研院IEK 主任室計畫副組長楊瑞臨指出，臺積電3 納米選址非常關鍵，牽涉布局量子電腦1 納米以下的次納米新技術和材料。

臺積電今天最新回應表示，公司還在評估3 納米制程會在哪個地點落腳，相關評估作業(yè)會持續(xù)到明年上半年，因此目前到明年上半年還有數(shù)個月，不會這么快做這么重大的決定。至于會不會在美國進一步投資，臺積電引述董事長張忠謀先前指出，并未排除可能性，但現(xiàn)在說3 納米制程會在美國落腳，言之過早，因為要到明年上半年才會做決定。

臺積電表示，南科高雄園區(qū)路竹基地也未排除在外，持續(xù)觀察，選地尚未決定。至于電力問題，臺積電重申，考慮設廠地點，水、電、土地、人才，都非常重要。

楊瑞臨分析，臺積電的3 納米制程，應該是摩爾定律（Moore’s Law）下電晶體制程微縮的可能最后節(jié)點。臺積電3 納米制程將是關鍵的轉(zhuǎn)捩點，以銜接1 納米制程和1 納米以下的次納米新材料技術。

楊瑞臨預期，臺積電1 納米制程可能不會服膺摩爾定律，也可能不會采用矽材料，而是使用新的次納米技術和新材料。他研判，臺積電布局3 納米制程，就會一并整體設想到下一階段次納米制程技術和關鍵新材料的產(chǎn)業(yè)布局。

楊瑞臨指出，臺積電在考量3 納米制程晶圓廠的地點，絕對不是只有考量水、電、土地、環(huán)評等因素而已，還牽涉到選址設點當?shù)厥欠窬邆湮磥戆雽w全新次納米技術與關鍵新材料的研發(fā)實力、人才需求和產(chǎn)業(yè)鏈生態(tài)體系，因應未來量子電腦（quantum computer）發(fā)展趨勢。

全球包括美國、歐盟和中國等政府、學界、研發(fā)單位和企業(yè)，正在大幅編列預算，積極布局量子電腦技術，鎖定資料中心的人工智慧（AI）處理應用。從企業(yè)來看，又以IBM 和Google 投入最積極。

楊瑞臨表示，資料中心用高效能運算（HPC）的處理器（GPU）應用，帶動10 納米、7 納米、5 納米到3 納米制程發(fā)展，不過到了3 納米制程，處理頻率速度應該就會到頂了。他指出，量子電腦和人工智慧（AI）應用，處理器速度要更快，也就是每單位時間處理位元數(shù)要更多，但是到了3 納米制程之后，技術就會遇到瓶頸，耗電量會更大。

楊瑞臨表示，量子電腦技術可能不會以矽材料為基礎，可能采用全新2 維材料，處理器必須具備4 位元、甚至16 位元的處理能力，因此，量子電腦的處理頻率速度不用這么頻繁，又可以大幅省電，預估量子電腦的耗電量可能比現(xiàn)在電腦的耗電量，降低到千分之一甚至到萬分之一。

楊瑞臨指出，量子電腦技術應用，牽涉到1 納米制程及下一階段次納米制程的技術開發(fā)，可能改變?nèi)虬雽w產(chǎn)業(yè)的生態(tài)。他預期，臺積電3 納米制程預估2022 年到2023 年進入試產(chǎn)階段，1 納米制程可能在2026 年到2027 年進入試產(chǎn)階段。

楊瑞臨認為，臺積電3 納米制程的設廠地點，牽涉到1 納米以及之后新世代次納米技術和產(chǎn)業(yè)鏈的布局，臺灣若要留住臺積電的3 納米制程晶圓廠，要把眼光看到8 年到10 年之后的全球半導體產(chǎn)業(yè)與新興技術發(fā)展趨勢。他指出，臺灣不能單單只從環(huán)評或是水電土地的角度出發(fā)，更要進一步掌握半導體技術發(fā)展及全球半導體產(chǎn)業(yè)布局趨勢，培養(yǎng)和深化量子電腦的技術、人才和資源，全方位替臺積電設想。

摩爾定律失效后， 計算性能增長的繼承者

摩爾定律假定，微處理器的晶體管將每兩年翻一倍，它們的計算性能也隨之翻倍。自戈登摩爾（Gordon Moore）1965年提出以來，該定律一直生效。不過近年來業(yè)界一直預測該定律即將失效。早在2000年，《麻省理工科技評論》就硅技術在大小和速度上的極限提出了警告。

實際上，摩爾定律并不算是定律。它更多的是自我實現(xiàn)的預言。摩爾并沒有將它描述成像地心引力或者動量守恒定律這樣的不變真理。他只是給我們設定了預期，而芯片廠商們相應地去兌現(xiàn)預期。

事實上，行業(yè)一直在尋找新方法來給更微小的芯片帶來更強的性能。遺憾的是，他們找不到方法來同步削減成本?！犊旃尽罚‵ast Company）今年2月撰文指出，全球半導體行業(yè)不再基于每兩年實現(xiàn)性能翻倍的概念來制定硅芯片研發(fā)計劃，原因就是無力承擔跟上性能提升步伐所需購買的超復雜制造工具和工藝成本。此外，當前的制造技術可能無法再像原來那樣大幅度縮小硅晶體管。不管怎樣，晶體管都已經(jīng)變得非常微小，以至于可能無法遵循通常的物理定律——這引發(fā)了它們還能夠在醫(yī)療設備或者核電站使用多久的疑問。

那么，那意味著科技驅(qū)動的指數(shù)級變化時代即將走到盡頭了嗎？

不。

即便硅芯片正接近物理和經(jīng)濟成本上的極限，也還有其它的方法繼續(xù)驅(qū)動計算性能的指數(shù)級增長，比如采用新材料來打造芯片和以新方式定義計算本身。目前已經(jīng)出現(xiàn)了與晶體管速度無關的技術進步，如深度學習驅(qū)動的更加聰明的軟件，以及通過利用云資源實現(xiàn)更強計算能力的技術。而這只是未來計算創(chuàng)新的冰山一角。

以下是有望驅(qū)動計算性能繼續(xù)飛速增長的幾項新興技術：

內(nèi)存中計算。在整個計算史上，處理最緩慢的一部分就是從硬盤獲取數(shù)據(jù)。很多的處理性能都浪費在了等待數(shù)據(jù)到達上。相比之下，內(nèi)存中計算則將大量的數(shù)據(jù)放在RAM（隨即存取內(nèi)存），使得數(shù)據(jù)可以馬上在RAM中進行處理。結(jié)合新型的數(shù)據(jù)庫、分析技術和系統(tǒng)設計，它能夠大大提升性能和整體成本。

基于石墨烯的微芯片。石墨烯為一個分子那么厚，導電性能比任何其它人類已知的材料都要強。它能夠卷入到微小的管子中，也能夠結(jié)合其它材料使用，能夠在更小的空間里驅(qū)動電子以更快的速度運動。它在這方面甚至要勝過最下的硅晶體管。這將會將針對微處理器的摩爾定律的適用時間再延長幾年。

量子計算。普通計算機中的2位寄存器在某一時間僅能存儲4個二進制數(shù)（00、01、10、11）中的一個，而量子計算機中的2位量子位（qubit）寄存器可同時存儲這四個數(shù)，因為每一個量子比特可表示兩個值。理論上，量子計算機將能夠以數(shù)百萬倍于當前技術的速度解決各類非常復雜的問題，如分析基因數(shù)據(jù)或者測試飛機系統(tǒng)。谷歌研究人員去年宣布，他們已經(jīng)開發(fā)了一種新的量子比特方式來檢測和防范錯誤。

分子電子學。瑞典隆德大學研究人員利用納米技術打造了“生物計算機”，通過沿著納米觀人工路徑同時移動多個蛋白絲，該款計算機能夠進行平行計算。這種生物計算機比循序運行的傳統(tǒng)電子計算機更加快速，且節(jié)能99％，制造和使用成本也低于傳統(tǒng)計算機和量子計算機。它進行商用的時間可能也將早于量子計算機。

DNA數(shù)據(jù)存儲。將數(shù)據(jù)轉(zhuǎn)換成base 4，你就可以將它編碼到合成DNA上。為什么要那么做呢很簡單：一點點DNA就可以存儲一大堆數(shù)據(jù)。事實上，有瑞士研究團隊估計，一茶匙的DNA可以容納人類迄今為止所產(chǎn)生的所有數(shù)據(jù)，從最早期的洞穴壁畫，再到昨天的Facebook動態(tài)更新。這種技術目前需要耗費大量的時間和資金，不過基因編輯或許是大數(shù)據(jù)的未來：Futurism最近報道稱，微軟正在研究利用合成DNA來進行安全的長期數(shù)據(jù)存儲，已經(jīng)能夠編碼和恢復100％的初始測試數(shù)據(jù)。

神經(jīng)形態(tài)計算。神經(jīng)形態(tài)計算技術的目標是，打造一款像人腦那樣的計算機——處理和學習數(shù)據(jù)的速度能夠跟生成數(shù)據(jù)一樣快速。到目前為止，業(yè)界已經(jīng)開發(fā)出能夠通過訓練和執(zhí)行神經(jīng)網(wǎng)絡來進行深度學習的芯片，那是往正確方向邁出的一步。例如，General Vision的神經(jīng)形態(tài)芯片包含1024個神經(jīng)元，每一個都是基于SRAM（靜態(tài)隨機存儲器）的256字節(jié)存儲器，且有3000個邏輯閘，所有的神經(jīng)元都互相連接，平行運行。

無源Wi－Fi（Passive Wi－fi）。華盛頓大學的一個計算機科學家和電氣工程師團隊開發(fā)了一種耗能比目前的電耗標準少1萬倍的Wi－Fi傳輸生成方式。雖然這嚴格來說不算是計算性能的提升，但它是網(wǎng)絡連接性的指數(shù)級增長，將會使能其它技術的進步。無源Wi－Fi被《麻省理工科技評論》列入2016年的十大突破性技術，它將不僅僅可以節(jié)省電耗，還能夠使能最低耗能的物聯(lián)網(wǎng)，讓更多之前非常耗電的設備第一次能夠通過Wi－Fi連接網(wǎng)絡，還有可能會催生新型的通訊方式。

雖然我們可能在接近硅芯片的性能極限，但技術本身讓在加速發(fā)展。要阻止它成為現(xiàn)代生活的驅(qū)動力是不大可能的。隨著新計算技術推動機器人、人工智能、虛擬現(xiàn)實、納米技術以及其它震驚世界的進步超越當前被公認的極限，它的影響力將只會有增無減。

簡單來說，計算的指數(shù)級增長或許無法永遠持續(xù)下去，但它的盡頭仍比我們想象的要遙遠得多。