蔡力行表示，AI雖發展數十年，但直到2012年前後因運算能力突破才真正起飛，並在2022年生成式AI問世後全面爆發。他形容AI發展呈現「運算驅動循環」，算力推動AI進步，而AI反過來加速算力需求成長，使摩爾定律逐漸難以單獨支撐產業演進。
他指出，未來3至5年全球資料中心算力將以約25%年複合成長率擴張，帶動半導體產業快速成長，甚至推升全球半導體產值邁向兆美元規模。若沒有AI，產業年增率可能不到10%，但AI帶動下可望維持中雙位數成長，成為主要動能來源。
蔡力行也坦言，AI時代伴隨「能源戰爭」。資料中心電力需求正急速攀升，供電與能源基礎建設將成關鍵限制。他認為能源既是瓶頸，也是推動技術創新的催化劑，產業必須透過能效突破來支撐AI長期發展。
在技術架構上，蔡力行指出資料中心核心單位為機櫃（rack），關鍵指標包括每瓦效能與整體擁有成本（TCO）。未來競爭將從單一晶片轉向系統與機架層級的整體解決方案，半導體業者也需強化系統整合能力。
談及AI運算核心，蔡力行指出XPU（AI加速器）將持續大型化與高度異質整合，整合GPU、CPU、DPU與高速互連，並搭配高頻寬記憶體（HBM），AI晶片將朝向更大、更複雜發展，電晶體數量已邁向數千億甚至兆級規模。
他進一步點出AI晶片四大挑戰，包括運算架構、記憶體、互連技術與先進封裝。其中，DTCO（設計技術協同優化）與先進製程將持續推動效能提升，而記憶體成本已占AI運算系統約一半，HBM與近記憶體運算將成關鍵技術。
在互連與封裝方面，蔡力行指出，高速互連將從晶粒延伸至機架層級，共同封裝光學（CPO）成為重要方向；先進封裝尺寸也持續放大，未來可能達1萬至2萬平方毫米，並結合3D堆疊與強化散熱、供電技術，以支撐高功耗AI晶片。
展望未來，蔡力行認為在半導體、軟體與雲端業者合作下，AI技術路線至2030年前仍相對明朗，但2030年後仍存在不確定性，需更多跨領域創新突破。他呼籲產業持續強化全球合作，透過材料研發、系統整合創新推動AI普及。若能同步提升電晶體密度、頻寬與供電效率，AI系統每瓦效能有望提升百倍，讓人工智慧以更低成本走入日常生活，成為下一波科技革命核心。
點擊閱讀下一則新聞
