余定陸指出，AI發展正確立第四次工業革命的開始，從雲端資料中心到終端裝置的應用需求持續擴大。各大科技公司正積極投資大型AI資料中心，以支援模型訓練與運算需求；未來AI應用也將逐步從雲端延伸至邊緣運算（Edge），包括機器人、無人機等新型智慧設備都將帶動更多晶片需求。
此外，電動車與自動駕駛系統也正成為半導體需求的重要來源。余定陸指出，一輛電動車平均約需3000顆晶片，若配置完整自駕系統，晶片需求可能增加至7000至8000顆，隨著自駕技術逐步普及，相關晶片需求將快速成長。
不過，AI發展同時也帶來能源消耗挑戰。余定陸表示，AI晶片與能源需求如同「孿生關係」，晶片運算能力快速提升，但能源供應與效率提升速度相對有限，因此提升能源效率將成為產業發展關鍵。
根據產業預估，為支援AI運算需求，全球資料中心用電量到2030年可能接近翻倍，新增用電需求規模相當於台灣整體用電量的數倍。余定陸指出，未來限制產業發展的不僅是晶片本身，也可能是能源供應與能源效率。
應材指出，為持續擴大AI與資料中心部署，產業必須提升能效表現（Energy-Efficient Performance, EEP），並透過系統架構、軟體、邏輯、記憶體、封裝與製程等全堆疊協作與創新，推動整體效能提升。
在技術趨勢方面，余定陸指出，AI時代的半導體發展將由三大關鍵技術驅動，包括先進邏輯製程、高頻寬記憶體（HBM）與先進封裝。先進製程正邁向2奈米及以下節點，在提升效能的同時也必須降低功耗；而HBM與先進封裝則成為支撐AI運算架構的重要技術。
應材指出，在AI需求帶動下，先進3D架構已逐漸成為產業新常態，包括先進邏輯、HBM、DRAM與先進封裝等領域成為成長最快的市場。隨著3D架構普及，晶片製造的複雜度也同步提高，新材料必須在埃米（Angstrom）尺度下可靠運作，進一步提高晶片設計與製造的技術門檻。
余定陸表示，能效是AI時代的決勝點，而突破需要全產業協作。應材憑藉寬廣、互連且獨特的產品組合與材料創新能力，將攜手產業夥伴推動關鍵架構轉折，加速AI晶片效能。
點擊閱讀下一則新聞
