点击“阅读原文”加入EmTech China会员阅读月报“七张图看懂台积电商业模式（附产业链图解）”
10 月 23 日，恰逢台积电成立 30 周年，庆祝活动十分盛大。今天下午举行的半导体论坛由董事长张忠谋亲自主持，与 NVIDIA CEO 黄仁勋、高通 CEO Steve Mollenkopf 和苹果 COO Jeff Williams 等业内领袖展开了主题为
“半导体的未来10年展望”（Semiconductor: The Next 10 Years）
的对话，人工智能、自动驾驶汽车等成为热门话题。
图丨
在 30 周年庆论坛中，台积电也邀集了主要的大客户，一起畅谈半导体产业的下个 10 年
作为人类社会中最重要的支柱之一，全球半导体行业的格局在近几年发生了剧烈的变动，凭借半导体优势而一度实现经济高速增长的台湾表现似有下降。而此前也传出消息，张忠谋将在明年 6 月份正式退休，一时间引起热议，作为台湾半导体的代名词，台积电这家行业巨头的命运也因此突然变得扑朔迷离了起来。
半导体行业共襄盛举
能把苹果、NVIDIA、高通这些互相合作、竞争甚至打官司的公司，找来坐在一起的人，恐怕不多，今天这些公司的 CEO、COO 齐聚台北，只为卖一个人面子——台积电创始人张忠谋，他已经 86 岁高龄，虽然已经需要戴上耳机才能更听清楚大家讲话，
但他却是全球半导体产业最有影响力的人，改变了半导体行业的发展方式。
图丨
张忠谋
实际上，从一开始，半导体产业都是走从设计到制造都要自己来的 IDM（Integrated Device Manufacturer，集成器件制造）模式，投资成本高昂，为确保芯片产品能获得最大的利润，很多比较冷门的应用就乏人问津，这也造成很多概念性技术发展的瓶颈，基本上消费性电子市场的发展都由这些 IDM 所主导，
这些 IDM 设计出什么方案，给了什么终端产品设计建议，通常都会变城市场主流，毕竟终端开发者没有太多选择。
即便部分规模较小的芯片设计公司依靠租借方式取得大厂的产能，但一来这些产能要应付自家的产品量产需求，设计公司往往都不能确保自己能否拿到足够产能。二来若接的单恰巧有自家公司需要的关建设计或技术，这些大公司也会毫不掩饰的将之用在自家未来产品上，也因为市场生态如此，一开始纯芯片设计厂商几乎都没有太多生存空间。
所以，当台积电开创晶圆代工服务这种模式的时候，许多拥有芯片设计能力、却没有足够资本兴建自有晶圆厂的企业，纷纷选择与台积电合作，加入创造自有方案的行列，
IDM 这种经营模式在面临严苛的市场挑战下纷纷转变型态或直接退出市场。
图丨台积电开创了
晶圆代工模式
毫无疑问，台积电的纯晶圆代工定位，不论在什么时间点都不会变成客户的竞争对手，从而确保了客户的知识产权
，且因为专攻芯片代工，在工艺改进上的推进也更为积极。而为了加速芯片设计产业发展，台积电不仅仅只是在制造方面追求更高良率与晶体管密度，其更与业界合作或自行发展推出非常丰富的开发工具，大幅降低芯片设计的门槛，
自此，无晶圆芯片设计产业成为热门产业，芯片设计也更加多样化，成本亦有效降低，从而带动相关电子终端产品的发展。
图丨台积电 30 年发展
短短 30 年，计算机从原本是少数高端企业或政府才有办法拥有的设备，变成普及到一般大众或公司的必备产品；手机原本是沉重的大砖块，也变成了轻薄、且计算能力不弱于高端计算机的产品，价格也大幅降低，人人都可以负担得起；在汽车产业，凭借芯片技术的发展，自动驾驶甚至即将取代人类驾驶；而传统计算机现在也逐渐变成可以自我学习，并且拥有判断逻辑的人工智能。
虽不能夸张到假如没有台积电我们就会过着茹毛饮血的生活，但是对半导体产业与整体电子产业而言，这却是最贴切的比喻。
以下是此次堪称豪门聚首的大会上台积电主要合作伙伴所做的发言，从中可以一窥台积电在过去数十年形成的全球影响力：
黄仁勋：没有台积电，构想就只是构想
图丨NVIDIA首席执行官黄仁勋
借由AI生态的逐渐发展、成熟，人类的生活将走入新的计算纪元。而最基本的两个要素，一个是我们如何设计可以达成计算工作的硬件，另一方面，我们如何去完善软件来进行我们想要硬件达成的工作目标。计算的世界是非常广大的，它不只仅限于我们身处的三维世界，它甚至超越了我们身处的象限，变成抽象的概念。未来要达成这种极端复杂的计算工作，包含 AI 计算，里面包含的计算式会极端复杂，而我再重复一次，
CPU 的性能成长已经远远追不上计算工作的复杂程度。
图丨推动未来计算的两大动力
而以目前最复杂的 AI 计算工作为例，业界目前都积极的想要把各类型的深度学习用他们的计算式去完整描述出来，从而能够解决我们在真实世界遇到的问题。然而他们遇到的问题，那就是 CPU 已经远远跟不上他们对计算性能的需求，如果继续维持既有的 CPU 计算方式，那 AI 的发展脚步会极为缓慢。而 NVIDIA 之所以能够成功，就是因为我们提供了可以满足业界对相关计算所需要的性能表现，相较于 CPU 的循序计算模式，
我们提供的多任务计算硬件足以加速业界对深度学习的各种可能性的探索，让 AI 的世界能够更快进入到我们的生活中。
图丨GPU的性能成长已经成为实际上推动整个计算产业的核心动力
而我们对AI的布局，从基本的深度学习计算，扩展到应用，首先是我们自豪的自动驾驶技术，已经可以处理我们在日常交通里复杂的路况，从而判断车子的行进方向与时机；另外一方面，通过类神经网络计算，我们可以让机器或计算机身处在一个虚拟的环境里面，用我们预先设定的情境来进行学习，然后机器或计算机就可以用人类的逻辑去反应、处理现实中我们可能会遇到的问题。
当然，如果没有台积电的帮助，前述的这些构想就只是构想。
因此我可以说，台积电做好了他们的事业，也因为他们事业的成功，让我们能够做好我们的事业，在此我们要感谢台积电这30年来的努力。
苹果：与台积电的合作是创意碰撞出的火花
图丨苹果首席运营官Jeff Williams
首先，要感谢台积电，
如果不是台积电，那们的许多技术和构想就没有办法获得实现，与台积电的合作可以说是创意碰撞出的火花。
当初决定把新款 iPhone 的芯片方案完全交由台积电代工，主要就是看中台积电在工艺与良率的进展可以满足我们的方向要求以及阶段性良率目标。这对我们来说当然是个赌注，为了满足我们对芯片方案的量产需求，台积电指派了许多工程师专门负责我们的案子，而截至目前为止，结果显著。
台积电在这么短的时间内就满足了我们的需求，就这点我们真的必须感谢台积电的努力。
而凭借我们的设计以及台积电的工艺，我们突破了半导体的物理极限，我们达到了效能的大幅成长，同时功耗也不会明显增加，这为我们在未来 10 年的发展打下极好的基础。就好像我们和 ARM 也有紧密的合作，我们认为整个生态在未来 10 年会越来越重视创意与智力的结合。如同 NVIDIA 所提的远景，我们对AI应用、自动驾驶的技术规划也都会逐步落实。另外，云端计算的需求当然也需要被重视， 如果没有好的半导体设计与制造生态的帮助，这些都很难成为现实。
当然，当半导体方案达到了我们的预期目标，我们就可以接着发展更好的产品，更好的科技，从而改善人类的生活。
高通：我们正处于关键转折点
图丨高通首席执行官 Steve Mollenkopf
高通对于未来半导体产业的规划，主要还是在互联能力的展现上，除了口袋里面的计算能力会进一步突破外，所有终端的互联、甚至云端服务的快速转移，将会是主要的方向。
图丨未来高通仍将以自豪的互联技术带动整个产业的发展
当联网延迟越来越低，计算性能越来越强，甚至在指尖大小的芯片中我们将放入神经网络的设计，这些都将带来越来越好的使用体验，也改变了未来包含移动终端、家电、汽车等多样化应用的展现，我们现在正站在一个重要关键的转折点上，而很荣幸的，我们是其中的一员，且将扮演着极为重要的角色。
A
DI
图丨ADI 首席执行官 Vincent Roche
我们是家模拟元件公司，而我们的任务，就是作为融合数码与真实世界中间的中间层，连接真实世界与数码世界，毕竟模拟的世界非常复杂。要让数码设备认识真实世界，
模拟元件
的完备是必要条件。
凭借我们的方案，传感器可以获得越来越丰富且精确的数据，让数码组件、装置，可以越来越好的感知、并描绘我们身处的世界。要达到这个目标，高速的
模拟元件
是必须的，但这类组件不会凭空出现。
在与台积电的合作中，台积电提供了优秀的模拟工艺，让我们在产品上的构想可以顺利达成。
面对业界对于摩尔定律的制约，我们提供了业界最佳的模拟方案，让业界能够有更好的空间伸展手脚，推动更激进的技术发展。
半导体产业虽然大多是数码组件，用数码的逻辑来处理复杂的数据，但随着计算设备、数码组件的性能越来越强，他们可以通过自主收集数据来达到智能处理，为了满足这些数据需求，我们的任务就是制造更快、更精确的
模拟元件
，也因为产业对我们的组件需求不断的增加，我们也在想着如何用更有效率的方式来满足客户的需求。
不单单是硬件，我们也针对软件优化客户开发各种计算设备的流程，并达到更好的效果。
ARM
图丨ARM首席执行官Simon Segars
能够来到这里是我的荣幸，在我们成长的年代，我们是被科技宠坏的小孩，在我们生长的环境中，有各种各样的技术，甚至人类也上了太空，开启了太空时代。而我现在从事的工作也对推动这个科技世界做出了贡献，当然，我们的技术也不过就是概念，
如果没有台积电的帮助，这些概念很难变成现实
，而科技时代走到现在，我们看到网络世界的进一步发展，有了大数据，有了人工智能，这些都推动了半导体产业的进化。
但我们看到，除了半导体本身的技术外，信息的安全，确保我们在这个数码世界能够安心的使用我们的电子设备，进行工作、娱乐以及消费行为，可以说，信息安全是未来不短的一段时间内，包含半导体产业在内所有智能应用生态发展的重点。
博通
图丨博通首席执行官 Hock Tan
我们先从整个产业的需求看起，从1980年代的30％年复合成长率到现在，每年的产值成长已经剩下不到5％，半导体快速成长的黄金年代已经过去了，但即便如此，博通在历经整并之后，营收成长仍远远高于业界平均水平。
图丨半导体产业的需求成长曲线不断减缓
未来我们看到的远景，云端企业的垂直整合将更为明显，整个生态的中间层会逐渐被几个大企业整并，比例会逐渐缩小，但因为产业的计算需求仍将不断成长，所以制造的需求也只会跟着增加。
在这种情况下，我们预估晶圆代工厂在产业中所占的比重也将会更大，
而即便是晶圆代工，也会相当程度的走向垂直整合，吸纳众多的开发工具和生态，提供半导体业界更好的服务。
图丨过去30年半导体产业的发展模式，晶圆厂和大企业垂直整并的产值占比越来越大
图丨未来晶圆厂在产业中的分量越来越重要，而这也代表台积电仍将会主导整个半导体产业的工艺演进
ASML
图丨ASML首席执行官Peter Wennin
半导体未来将走向规模化发展，集成的晶体管规模将越来越大，相关设备的计算能力也越来越强，但相关企业可凭借这些计算能力，承担起更多的社会责任。
图丨能力越强，责任越大
回头来看，是什么在推动现在的产业？以半导体产业来看，芯片的晶体管规模逐年增加，但尺寸却要维持一致，甚至要缩小，否则就无法提供足够的计算性能，同时又要满足各种计算设备在性能、功耗以及设备占用面积上的优化。为了协助业界伙伴达到这样的目的，我们在光刻机的研发也不断的进化，
凭借最新的 EUV，台积电等合作伙伴可以在芯片上放入远多于以往的晶体管数量，且同时维持小封装、低功耗
。展望未来，EUV 的下一步是所谓的 High-NA，预计在 2020 年后段推出，继续推动工艺的微缩，当然，要达成这个目标还必须跨过很多的障碍。
图丨推动半导体产业进步的四大动力
但通过业界伙伴的合作，我确信我们可以达到预计的目标，而通过我们的技术，半导体在未来 10 年、甚至 20 年，都还是会个欣欣向荣的产业。
图丨光刻机的技术已经规划到 2030 年后，届时每平方毫米将可塞入 10 亿个晶体管
大会的第二部分，包括张忠谋在内的各位领袖接受了受邀媒体的采访，就“下一个 10 年”的话题展开了讨论，内容十分精彩：
问：AI什么时候可以预测下一个10年的半导体趋势
NVIDIA首席执行官黄仁勋：
我就是AI啊（众人笑）。有两种AI，专用 AI 和通用 AI，前者只能用来做单一工作，比如说翻译或者是辨识图像，下个 10 年，专用 AI 可以做到专业的图像识别，比如说医疗上的 X 光片判读，这可能取代部分的医疗人力。
另外，通用 AI 部分，其实我们目前对这类的应用还没有太多认知，业界也尚未针对此类AI进行发展。
张忠谋：
如果以我的预测，不是 AI 的预测，半导体产业产值在这几年大约就是从 2~3％ 的成长幅度，预估未来十年大约可以有 5% 以上的成长。
问：AI计算单元将来为是独立的芯片形式？还是会以SoC的一部份存在？
NVIDIA首席执行官黄仁勋：
AI 芯片有三种针对市场，第一种是用来发展 AI 网络，我们都知道深度学习网络的主要作用是用来猜测最正确的解答，当猜错了，会有个机制让整个处理程序回到最初，并改变所有神经的状态。而我们重复这个步骤几百、甚至几千次，直到最终能够得到正确的结果，这种训练需要很长的时间。
如果要针对这种应用，那么 GPU 拥有庞大的晶体管，并且要连接庞大的内存，在这种情况下独立芯片是比较合理的设计。
第二种神经网络处理，是比较偏向于设备内部的核心，比如说像是在 iPhone 中，或者是在机器人里面，在这种状况下可能需要新类型的架构设计，这时需要很多共同运作的处理器核心，同常处理很多种不同的计算与不同的传感器实时响应，这种情况下使用 SoC 设计方式就很合适，当然，独立架构也是可行，看最终终端如何搭配。
第三种应用情境中，比如说针对 IoT 计算，举例来说，许多运动穿戴装置，压力、温度或其他非常多样化的传感器，而这些传感器都连接到一个共通的神经网络处理器。
在这种情况之下，由于神经网络的分散，可能就是以 SoC 设计更适合。
ADI 首席执行官 Vincent Roche：
依我们的立场来看，我们看到有许多神经网络学习机制从 IoT 一路延伸到云端上，中间需要的架构或设计都有其弹性。
高通首席执行官 Steve Mollenkopf：
当我们从云端看到边缘计算，不论是哪一方面的数据流，未来的趋势是计算架构会更接近传感器那端，也就是边缘计算未来将可能负担更多 AI 所需要的神经网络计算。
ARM首席执行官Simon Segars：
针对不同的机器学习应用方面，计算方向及设备类型的不同，独立和集成型的都是常见架构。比如说专注于学习的架构就需要比较庞大的芯片布局设计，对性能的需求也高，而终端部分的AI或学习机制则可集成到芯片中。
问：身为科技的提供者，我们应该要怎么确保未来 AI 不会走到错误的方向？
苹果首席运营官Jeff Williams：
关于 AI 这个议题，我们正处于被轰炸的阶段，因为大家都很关心，也非常重视未来对产业的影响，很多人都害怕机器或 AI 会取代人类，由于 AI 在很多领域展现出过人的优势。但我认为取代人类这个议题还言之过早，反而我们更应该关注信息管理和传输方面的安全性，尤其很多恶意的监控或盗取信息其实对我们的财产产生了直接威胁。
ASML首席执行官Peter Wennin：
这个问题已经被问了无数次，当然，普通人的质疑是有道理的，毕竟我们已经做了很多取代传统人力的动作，比如说在很多国家，我们利用机器人取代人力，以此提高生产力，但这个是无法避免的过程。
张忠谋：
我们可以看到很多医疗机构的医疗资源都是供不应求，产生医疗人员的过劳，以及医疗资源的不足，
但如果医疗专用 AI 能够普遍导入到医院中，作为辅助医疗信息的判读，或数据的管理之类的，那么我们可能可以减少很多无谓的医疗资源浪费或者是让医生可以专心做更多的专业治疗行为。
苹果首席运营官Jeff Williams：
其实就我们的观察，医生问诊的时间通常都相当短，但如果有其他智能设备能够协助记录身体状况，通过个人的终端来纪录和分析，并提供给医生当作可靠的身体状况参考，那么对于医疗产业而言，或许可以提高诊断的精确度，并进一步缩减问诊的时间。
