鼎科技/AI的浩瀚,來自TSMC(蕭毅豪)5-5

人物
鼎科技/AI的浩瀚,來自TSMC(蕭毅豪)5-5

獨家報導 蕭毅豪/評論

當台積電(TSMC)結合輝達(nVIDIA)後,簡稱:「TSnV」。

即將在AI技術與市值上,因此組合讓nVIDIA超越微軟,這告訴我們一件事,硬體從此開始在AI市場屹立不搖,然後帶動歷史上硬體市值開始長期超越軟體市值的開始。

我們已經可以預期到需要極速運算、超高速運算的AI和量子電腦晶片的最大助力是晶片製造公司TSMC,她除了是地緣政治爭相懇求建廠的對象,也是AI晶片之母外,亦是主宰AI和量子電腦存活的最大因素,因為只有TSnV組合可率先穩定量產0.幾奈米AI和量子電晶體,並應用在人形機器人與高速運算資料中心等尖端商品。

AI 、量子電腦能活下去的最大力量

市調機構Omdia 研究發現在GAI普及的推動下,預計 2028 年全球機器人AI晶片組市場達 8.66 億美元,這種成長只是剛開始,因為2030開始將是1奈米以下的AGI晶片起飛的時程。

一顆在NB、PC鍵盤上的AI加速按鈕,目前還無法讓微軟挑戰4兆市值,反觀TSMC將助攻nVIDIA以主宰機器人AI晶片市場之姿,以此市場超越微軟將是可預期的事了,這也是微軟急於求成自家Copilot生態系的原因了。

目前nVIDIA給大多數行業的GAI晶片都是部署在資料中心,像Meta、OpenAI這些行業模型都需要大型圖形處理器 (GPU) 做叢集訓練和推理。而人形機器人剛好相反,它們傾向分部處理,所以優先考慮的是「實時控制和超低延遲響應」的任務和重要領域的應用程式,例如地圖構建、機器視覺、導航、手部抓取、跳耀平衡等功能安全,這都是人形機器人AI晶片的基礎設計。

TSMC能在TSnV組合上擁有絕對的助攻條件,主因TSMC已有製造人形機器人AI大腦晶片的優勢建立在:車用邏輯晶片上已經有長足的快速良率學習曲線是Intel、Samsung還沒趕上的,一般車用晶片規格要求的是製程中須具備超低缺陷比例(Defective Parts Per Million; DPPM),幾乎是不能當機和有訊號傳輸瑕疵的,這跟人類性命有關。從7nm一直到3nm的DPPM分別是量產後的6個月學習曲線到8個月以上,這種速度在這世界上,沒有其他晶片製造商可以超越,這也是TSMC能夠在高階晶片的市佔率站穩92%的原因。

而TSMC因此極具重要的尖端製程經驗,將作為TSnV在AGI中最重要的佈局,機器人是要看顧人類的安全和讓人類遠離危險的,機器人內的AI大腦晶片將極需這種超高良率晶片,這也是nVIDIA與TSMC互相協作的重要成果,也是TSMC讓量子電腦時代來臨的最大力量。

硬體市值的超越趨勢,來自Devin 程式語言大師

OpenAI 執行長Sam Altmant與各國政府官員和潛在投資者討論斥資7 兆美元開發AI基礎設施,其中包括晶片、數據中心和發電廠。奧特曼的發想,將是影響nVIDIA當前獨霸地位的提議之一,且這個計畫規模超過了整個半導體產業所有的估值,凸顯了Altmant雄心勃勃的目標。

當史無前例的巨大AI機器人市場即將來臨時,這也是Microsoft、OpenAI比車廠還要擔心沒有AI晶片的原因,才驅使OpenAI 提案7兆美金的建廠方案,並希望TSMC加入世界級的融資團隊。

OpenAI告訴我們一件事,他們願意花在硬體上的投資額竟然是原先OpenAI自己AI軟體本業資本額的N倍,這是AI晶片硬體市值即將大於軟體服務市值的第一個徵兆。另外包含醫療科技外,絕大部分的人形機器人科技都需要大幅度的硬體提升和需求,這是目前看得到的大市場趨勢,也是第二個徵兆。

OpenAI能否籌資到7兆美金目前是個問號,在此之前他們會需要有聯發科這樣的晶片設計實務操作顧問,畢竟由純軟體人才來指揮晶片TSMC硬體技術路徑,歷史告訴我們容易得不償失、甚至「晶」棘載途。

2019年,Slashdata市調機構公佈了他們的統計資料,在2019年全球有1,890萬軟體開發人員,到2030年,這個數字將達到4500萬,當時Slashdata市調機構並沒有發現AI市場那麼快的到來,如同nVIDIA 黃仁勳執行長所說:「因為AI晶片的快速運算以及AI可以自行設計軟體套件。」的緣故下,我們認為軟體開發工程師的需求人數勢必會大幅下降在未來。

加上印度新創Cognition 公司剛剛推出世界上第一位可以幫你寫程式語言的AI 工程師「Devin」,在在都顯示軟體的需求會慢慢的僅限於頂尖AI演算法人才、或者是具備蛋白質結構解密的軟體人才上。即便是超過70%的軟體工程師員工組成的nVIDIA,也會因為類似Devin 語言工程師的虛擬存在,讓自己的實體軟體員工比例下降,這也是nVIDIA最終販售產品仍是極速AI晶片硬體為主力緣故。當軟體開發工程師的需求人數下降,這會是顯見硬體的需求人才將會成長,尤其是在尖端晶片製造這個相關供應鏈領域。

TSnV組合決戰市場,並推波極速運算生態鏈擴張

nVIDIA其實已經創建了30年,但直到2023年nVIDIA的高速運算技術產品才算真正開始起飛,我們預計2029年nVIDIA將推出H700,屆時將會讓現行的H100晶片猶如一座舊式的數據中心毫無利潤可言,甚至TCO營運成本居高不下。這預告極速運算晶片的來臨,除了讓邊緣計算成本歸零,也能讓AI模型從學習–>訓練–>推理–部署–>到應用強化學習整個生態循環變得完整與快速,那時採用H700晶片的數據中心將比現在的任何伺服器計算都還便宜100萬倍。我們預估TSnV組合將是推升AI生態鏈最重要的力量, 但H700需要採用TSMC AI製程方案才可能做到那樣的算力。

TSnV組合要成功在AI人形機器人大腦內完成最高速的AGI,更需要仰賴TSMC的Near/In Memory Computing的新技術產品。各產業的AI晶片之所以耗能、和幾千瓦的熱散需求,是因為AI需要大量的圖資、立體影像等快速遠端傳輸所產生的,亦即Logic本身不耗能,但卻在Memory之間進行搬運時,需要大量電力與能效損失,這時候TSMC的Near/In Memory Computing技術可以將Memory做在Logic上就是未來AGI所要的另一種需求了。也正因如此,Micro記憶體公司才下單TSMC,讓新產品HBM3 Gen2在今年問世了,並積極與TSMC共同研發下一代的技術,在台灣量產供貨給nVIDIA。

所有的趨勢,都可預見TSnV將是最強組合,TSMC負責制定AI晶片的硬體規格,nVIDIA負責將AI生態系的版圖擴張,強強聯盟下的世界話語權將繼續獨霸,也將帶動整個AI電腦與量子電腦的硬體需求迅速推升,以TSMC為首的台灣AI硬體供應鏈要好好保衛這次得來不易、千年難得一見的「極速運算生態機遇」,也將是我們下一代能否永續生存的關鍵之ㄧ。

沒有TSMC這樣技術希罕的公司,無法讓AI更強大,更浩瀚!

AI人形機器人五篇連載文章告一段落,後續我們將推出光子科技、能源科技、MicroLED、醫療科技等文章,還請大家繼續給予支持,感謝各位讀者。


更多《獨家報導》