印出來的 CNT 電晶體電路可製作更便宜的 OLED 顯示器

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文由 ASM 委託，泛科學企劃執行。 

以人類現在的科技，我們能精準打造出每一面牆只有原子厚度的房子嗎？在半導體的世界，我們做到了！

如果將半導體製程比喻為蓋房子，「薄膜製程」就像是在晶片上堆砌層層疊疊的磚塊，透過「微影製程」映照出房間布局 — 也就是電路，再經過蝕刻步驟雕出一格格的房間 — 電晶體，最終形成我們熟悉的晶片。為了打造出效能更強大的晶片，我們必須在晶片這棟「房子」大小不變的情況下，塞進更多如同「房間」的電晶體。

因此，半導體產業內的各家大廠不斷拿出壓箱寶，一下發展環繞式閘極、3D封裝等新設計。一下引入極紫外曝光機，來刻出更微小的電路。但別忘記，要做出這些複雜的設計，你都要先有好的基底，也就是要先能在晶圓上沉積出一層層只有數層原子厚度的材料。

現在，這道薄膜製程成了電晶體微縮的一大關鍵。原子是物質組成的基本單位，直徑約0.1奈米，等於一根頭髮一百萬分之一的寬度。我們該怎麼精準地做出最薄只有原子厚度，而且還要長得非常均勻的薄膜，例如說3奈米就必須是3奈米，不能多也不能少？

這唯一的方法就是原子層沉積技術（ALD，Atomic Layer Deposition）。

小小的電晶體是怎麼做出來的？

蓋房子的第一步是什麼？沒錯，就是畫設計圖。只不過，在半導體的世界裡，我們不需要大興土木，就能將複雜的電路設計圖直接印到晶圓沉積的材料上，形成錯綜複雜的電路 — 這就是晶片製造的最重要的一環「微影製程」。

首先，工程師會在晶圓上製造二氧化矽或氮化矽絕緣層，進行第一次沉積，放上我們想要的材料。接著，為了在這層材料上雕出我們想要的電路圖案，會再塗上光阻劑，並且透過「曝光」，讓光阻劑只留下我們要的圖案。一次的循環完成後，就會換個材料，重複沉積、曝光、蝕刻的流程，這就像蓋房子一樣，由下而上，蓋出每個樓層，最後建成摩天大樓。

薄膜沉積是關鍵第一步，基底的品質決定晶片的穩定性。但你知道嗎？不只是堆砌磚塊有很多種方式，薄膜沉積也有多樣化的選擇！在「薄膜製程」中，材料學家開發了許多種選擇來處理這項任務。薄膜製程大致可分為物理和化學兩類，物理的薄膜製程包括蒸鍍、濺鍍、離子鍍、物理氣相沉積、脈衝雷射沉積、分子束磊晶等方式。化學的薄膜製程包括化學氣相沉積、化學液相沉積等方式。不同材料和溫度條件會選擇不同的方法。

化學氣相沉積是現今最常見的沉積技術

二氧化矽、碳化矽、氮化矽這些半導體材料，特別適合使用化學氣相沉積法（CVD, Chemical Vapor Deposition）。CVD 的過程也不難，氫氣、氬氣這些用來攜帶原料的「載氣」，會帶著要參與反應的氣體或原料蒸氣進入反應室。當兩種以上的原料在此混和，便會在已被加熱的目標基材上產生化學反應，逐漸在晶圓表面上長出我們的目標材料。

如果我們想增強半導體晶片的工作效能呢？那麼你會需要 CVD 衍生的磊晶（Epitaxy）技術！磊晶的過程就像是在為房子打「地基」，只不過這個地基的每一個「磚塊」只有原子或分子大小。透過磊晶，我們能在矽晶圓上長出一層完美的矽晶體基底層，並確保這兩層矽的晶格大小一致且工整對齊，這樣我們建造出來的摩天大樓就有最穩固、扎實的基礎。磊晶技術的精度也是各公司技術的重點。

雖然 CVD 是我們最常見的薄膜沉積技術，但隨著摩爾定律的推進，發展 3D、複雜結構的電晶體構造，薄膜也開始需要順著結構彎曲，並且追求精度更高、更一致的品質。這時 CVD 就顯得力有未逮。

原子層沉積是什麼？

並不是說 CVD 不能用，實際上，不管是 CVD 還是其他薄膜製程技術，在半導體製程中仍占有重要地位。但重點是，隨著更小的半導體節點競爭愈發激烈，電晶體的設計也開始如下圖演變。

看出來差別了嗎？沒錯，就是構造越變越複雜！這根本是對薄膜沉積技術的一大考驗。

舉例來說，如果要用 CVD 技術在如此複雜的結構上沉積材料，就會出現像是清洗杯子底部時，有些地方沾不太到洗碗精的狀況。如果一口氣加大洗碗精的用量，雖然對杯子來說沒事，但對半導體來說，那些最靠近表層的地方，就會長出明顯比其他地方厚的材料。

該怎麼解決這個問題呢？

材料學家的思路是，要找到一種方法，讓這層薄膜長到特定厚度時就停止繼續生長，這樣就能確保各處的薄膜厚度均勻。這種方法稱為 ALD，原子層沉積，顧名思義，以原子層為單位進行沉積。其實，ALD 就是 CVD 的改良版，最大的差異在所選用的化學氣體前驅物有著顯著的「自我侷限現象」，讓我們可以精準控制每次都只鋪上一層原子的厚度，並且將一步驟的反應拆為兩步驟。

在 ALD 的第一階段，我們先注入含有 A 成分的前驅物與基板表面反應。在這一步，要確保前驅物只會與基板產生反應，而不會不斷疊加，這樣，形成的薄膜，就絕對只有一層原子的厚度。反應會隨著表面空間的飽和而逐漸停止，這就稱為自我侷限現象。此時，我們可以通入惰性氣體將多餘的前驅物和副產物去除。在第二階段，我們再注入含有 B 成分的化學氣體，與早已附著在基材上的 A 成分反應，合成為我們的目標材料。

透過交替特殊氣體分子注入與多餘氣體分子去除的化學循環反應，將材料一層一層均勻包覆在關鍵零組件表面，每次沉積一個原子層的薄膜，我們就能實現極為精準的表面控制。

ASM 與 ALD、半導體產業攜手前進

你知道 ALD 領域的龍頭廠商是誰嗎？這個隱形冠軍就是 ASM！ASM 是一家擁有 50 年歷史的全球領先半導體設備製造廠商，自 1968 年，Arthur del Prado 於荷蘭創立 ASM 以來，ASM 一直都致力於推進半導體製程先進技術。2007 年，ASM 的產品 Pulsar ALD 更是成為首個運用在量產高介電常數金屬閘極邏輯裝置的沉積設備。至今 ASM 不僅在 ALD 市場佔有超過 55% 的市佔率，也在 PECVD、磊晶等領域有著舉足輕重的重要性。

ASM 一直持續在快速成長，現在在北美、歐洲、及亞洲等地都設有技術研發與製造中心，營運據點廣布於全球 15 個地區。ASM 也很看重有「矽島」之稱的台灣市場，目前已在台灣深耕 18 年，於新竹、台中、林口、台南皆設有辦公室，並且在 2023 年於南科設立培訓中心，高雄辦公室也將於今年年底開幕！

當然，ALD 也不是薄膜製程的終點。

ASM 作為半導體設備領導廠商，為了維持領先優勢，當然也得持續開發新技術。例如 PEALD，ALD 前面的 PE，是 Plasma Enhanced，所以這種改良技術就稱為電漿輔助式原子層沉積。做法是針對 ALD 的第一步，先以電漿方式，將氫、氧、氮等氣體電離成離子。這些氣體離子，例如氧自由基，會先將前驅物提前氧化，同時也氧化基材的表面原子，使其產生缺少電子配對、不穩定的「懸空鍵」。如此被活化的基材與前驅物，就更容易互相產生反應，解決過去 ALD 常遇到前驅物反應率不足的問題。讓反應溫度更低的同時還能加快反應速度，因此能滿足更多的製程需求。未來不論是 GAA 環繞式閘極電晶體還是其他製程，都會持續看到 ALD 技術的身影。

最後，ASM 即將出席由國際半導體產業協會主辦的 SEMICON Taiwan 策略材料高峰論壇和人才培育論壇，就在 9 月 5 號的南港展覽館。如果你想掌握半導體產業的最新趨勢，絕對不能錯過！

一場淋浴的時間，革命性想法突然浮現

1959 年 1 月初，赫爾尼早上起床淋浴時，一個在他腦中深藏許久的念頭突然浮現出來，他似乎看到了一線曙光，可以解決令大家束手無策的困境！

根據貝爾實驗室的技術手冊，當矽晶圓完成摻雜後，必須用溶劑把表面剩餘的氧化層全部清除乾淨。因為擴散法應該也會把雜質摻入氧化層裡，若沒有全部移除，被汙染的氧化層恐怕會影響電晶體的導電性。不過如此就會讓 p－n 接面裸露在外，所以才必須用金屬外殼加以密封。

赫爾尼當時就懷疑氧化層是否真的會被汙染，就算會，真的會影響電晶體嗎？

他覺得氧化層有隔絕保護作用，保留下來或許利大於弊，但貝爾實驗室與同事都說照著技術手冊做就對了。後來要忙著趕 IBM 的訂單，他就把這想法擱在一旁，未再深入研究，現在他才突然想到如果有氧化層擋著，掉落的金屬碎屑就接觸不到 p－n 接面，也就不會影響電晶體了。

赫爾尼進辦公室後，連忙翻出當初所寫的筆記，重新整理謄寫。而在塗塗寫寫的過程中，腦中又冒出一個革命性的想法。

高臺式電晶體是先用擴散法在集極表面摻雜成基極，再用光刻技術在基極中央蝕刻出窗口，摻雜成射極。但何不一開始就用光刻技術做出基極？這樣底層的集極就不會全部被基極蓋住，集極、基極與射極三者都在同一平面，它們之間的 p－n 接面用同一層二氧化矽保護，只露出接腳的接觸點。由於電極彼此更靠近，效能會更好，而在製造上也更加簡單。

諾貝爾獎級的專利：平面製程

赫爾尼興奮的向諾宜斯與摩爾等人提出這個「平面製程（Planar process）」的構想，大家都半信半疑，違背技術手冊的指示，保留氧化層真的不會有問題嗎？不過目前也沒別的辦法，況且真的成功的話，不僅能解決眼下的問題，還能大幅提升電晶體效能與生產效率，讓快捷半導體的競爭力更上一層樓。他們決定放手一搏，同時趕緊找專利律師申請專利。

「你們希望這項專利涵蓋哪些範圍？」專利律師開頭就先問這個問題。

諾宜斯等人頓時都愣住了，不就電晶體嗎？律師才進一步解釋：「這平面製程不是一種製造方法嗎？除了電晶體，也可以用來製造其他半導體元件吧？」

摩爾見諾宜斯還在出神中，只好出聲回答：「當然可以。要的話，二極體、電阻、電容這些也都可以用平面製程，但意義不大，這些也不是我們的目標市場。」

「為什麼？」

「因為這些元件構造簡單，沒必要用平面製程，純粹看生產規模，規模越大，成本越低。這是德州儀器、雷神這些大公司的優勢，我們只能攻電晶體，以技術取勝。」

律師點點頭：「那就只針對電晶體申請專利保護囉？」

「等一下！」神遊中的諾宜斯突然插進來，卻又思索了一下才說：「還是把其他半導體元件都納進來好了。別誤會，我沒有要做這些東西，只是剛剛想到——如果用平面製程把它們都放在同一片晶圓上呢？」

大家不解的望著諾宜斯，只見他站起來走向黑板，一邊問大家：「你們想想，IBM 拿到我們的電晶體之後，再來呢？」

接著諾宜斯在黑板畫起一個一個小方塊，說：「他們得把電晶體、二極體、電阻、電容這些元件一個個銲接到電路板上。我估計全部至少有幾百顆，甚至上千顆吧，每顆都要接上金屬電路，還得有銲接的空間，結果元件本身所占的空間其實不到一半。」黑板上的圖就像幅地圖，上面坐落著一棟棟平房，空地與道路占了大片土地。

「不只如此。」諾宜斯再用紅色粉筆在小方塊中間畫個小圈圈，說：「每個元件真正有用的只有這裡，其餘只是外殼包裝。你們看，如果只有這些小圈圈，讓它們彼此緊鄰在一起，空間就只有原來電路板的 5% 不到吧。」

大家似乎開始明白諾宜斯要說什麼，但貝仍疑惑的問道：「我可能沒你們懂，但怎麼可能沒有外殼，還緊鄰在一起？它們得有保護，彼此也得分開才不會漏電，不是嗎？」

赫爾尼微笑著替諾宜斯回答：「二氧化矽可以提供保護，也能用來區隔元件。我只想到多做一次光刻技術，但既然能做兩次，當然三次、四次、……要幾次都可以，就能把各種元件都做在一起。」

摩爾接著說：「而且蝕刻出的缺口不僅用於摻雜，也可以蝕刻出複雜的溝槽作為電路。既然每個元件的接觸點都在同一平面，便可以像印刷電路板那樣，直接把銅線印在溝槽上，原來在電路板上的電路就都整合在一個晶片裡了。諾宜斯，這真是絕妙的點子！」

「這得感謝赫爾尼先想出平面製程。不過這只是個概念，具體上要怎麼做，摩爾，我們倆再一起研究。」

貝興奮的說：「這只要做出來，再貴我都賣得出去！我告訴你們，空軍的人一直在問我能不能做得更小呢。因為除了轟炸機，還有導彈、火箭也都要裝上電腦，它們的空間更小，電腦越小越好，到時候這些訂單非我們莫屬。」

被捷足先登的專利申請

的確如貝所說，美國政府正在傾全力推動太空計劃，並加強國防科技。因為蘇聯在 1957 年 10 月 4 日，毫無預警的發射第一顆人造衛星史普尼克一號（Sputnik 1），嚇了美國一大跳，發現原來蘇聯的太空科技竟然遙遙領先。萬一蘇聯將太空科技用於戰爭，勢必會取得空中優勢，甚至危及美國本土。

因此，美國政府除了要軍方強化飛機、飛彈與各項國防武器的性能，同時在 1958 年 10 月成立「國家航空暨太空總署（NASA）」，整合資源與各界人才，以求在這場太空競賽超越蘇聯。軍方與 NASA 都有龐大預算，為了盡速達成任務，都願意採用最新技術，花起錢來也毫不手軟，對快捷半導體而言正是大好時機。

專利律師先針對平面製程申請專利，積體電路則還要等諾宜斯寫出具體方法，才能提出專利申請。不料，諾宜斯和摩爾尚在研究，3 月時竟然被捷足先登，德州儀器召開記者會，發表史上第一顆積體電路！

原來德州儀器的工程師基爾比（Jack Kilby）去年 6 月就提出積體電路的構想，然後在 9 月以手工做出一個晶片雛形，只有電晶體、電阻和電容三個元件，電路另外用金線銲接而成，雖然粗糙簡單，但確實能正常運作。如果德州儀器祭出專利保護，快捷半導體就無法開發積體電路這極具潛力的產品，嚴重影響公司的未來。

辭職風暴

屋漏偏逢連夜雨，在公司前途未卜之際，總經理鮑德溫竟然要辭職。諾宜斯等人錯愕又憤怒，要他當面說清楚。

貝先開口責問他：「鮑德溫，現在公司遇到問題，你身為主帥不面對處理，反而要先落跑，未免太現實了吧？」

「我如果真的現實，去年 IBM 訂單問題搞不定時老早就走了。人總是有更高的目標要追求，就這麼簡單。」

羅伯特忍不住嗆他：「更高？你已經是總經理，權力、薪水與分紅都比我們幾個創辦人高，還有什麼不滿意？」

鮑德溫平靜的回答：「我很感謝你們的禮遇，但總經理也只是受聘的經理人，再怎樣也和你們幾位大股東沒辦法比。」

諾宜斯真摯的說：「你如果嫌認股權太少，可以提出來啊。」

鮑德溫嘆了一口氣說：「那就說開了吧。有家國防承包商願意出資，讓我成立公司製造電晶體，一些工程師也會跟我走。」

「什麼，你也太沒道義了！」「了不起，主帥帶兵投靠敵營。」「你這叛徒！」「你膽敢偷走技術，就等著被告！」憤怒的斥責馬上此起彼落。

「你們有什麼資格說我？你們幾個不也是背叛蕭克利自立門戶？」鮑德溫馬上惱羞成怒，展開反擊：「我不過帶走十幾個人，你們對原公司造成的傷害才大吧。論道義，你們更沒道義！我本想大家好聚好散的，現在也沒什麼好說了。祝你們好運，再見。」說完即頭也不回的走出門外。

會議室裡一片沉寂，大家不約而同想到當年從蕭克利半導體實驗室集體請辭的情景：平時易怒暴躁的蕭克利竟然一句話都沒說，鐵青著臉直接走出辦公室。反倒是貝克曼跑來找他們曉以大義，發現無法挽回後，隨即變臉威脅要控告他們侵權洩密。沒想到如今換他們嚐到這滋味了。

諾宜斯先打破沉默：「我們來討論總經理人選吧。你們有沒有想到誰還不錯的？」

克雷納舉起手說：「我覺得不要再從外面找了，找來難保又跟鮑德溫一樣。就諾宜斯你來當吧，這一年多來，你應該也學到不少經營面的大小事了。」

大家紛紛附議贊同，這次諾宜斯也不再謙讓，決定扛下這重責大任，研發副總一職便交給摩爾。

摩爾趁此時報告積體電路的應對策略：「我們和專利律師討論過了，德州儀器雖然先申請積體電路的專利，但他們的電路仍得用銲接的，而諾宜斯結合了平面製程與印刷電路，這兩項技術都不在他們的設計裡，應該可以認定為新發明。所以我們決定還是申請專利，無論如何，總比棄械投降來得好。」

「沒錯，不用管別人，我們就照原先計劃往前走。等送出專利申請、做出樣品後，我們也要舉辦盛大的積體電路發表會，讓所有人知道誰的技術管用。」諾宜斯馬上展現了總經理的氣勢。

積體電路的專利申請於 1959 年 7 月送出，未待審核結果出爐，本身是發明家的費爾柴爾德就以實際行動展現對他們的信心與支持，提前於 10 月執行選擇權，依當初合約所載，用三百萬買下全部股權。

八叛徒當初每人拿出 500 元，如今兩年不到就換回 25 萬元，當然是美夢成真，也讓外界人人稱羨。不過，卻有兩個人看在眼裡頗不是滋味，那就是蕭克利與貝克曼。

將希望壓在四層二極體的蕭克利

諾宜斯等人出走時，蕭克利仍不認為自己有錯，他得到的教訓反而是認為國內這些心高氣傲的年輕人不聽話又沒忠誠度，不如從歐洲招募三、四十歲的博士，他們更加成熟穩定，好用多了。何況八叛徒本來不懂電晶體，都是他一手教出來的，現在換另一批人，他當然也可以在短時間內就讓他們上手。

因此，無論面對貝克曼或是外界的質疑，他都信心滿滿的堅稱集體離職事件不會有任何影響，實驗室仍將正常運作。

然而，就算貝克曼也這麼認為，他對蕭克利半導體實驗室已有不同想法了。1958 年，貝克曼將它從集團的附屬機構獨立出來為「蕭克利電晶體公司」，顯然已不想再燒錢打造另一個貝爾實驗室，而是要它像一般公司那樣盈虧自負。

蕭克利終於在 1959 年成功開發出 p－n－p－n 四層二極體，卻因為品質不穩定，未能如他原先預想的用於AT＆T 的電話交換機；而軍方那邊也沒能賣出多少，以致公司繼續虧損。

貝克曼決定不玩了，剛好克里夫蘭一家傳統企業也想跨足半導體，而蕭克利的名聲仍有相當吸引力，便在　1960 年將公司賣給他們。

蕭克利倒不在意換新東家，反正他仍然在原地繼續做原來的事，只要解決四層二極體的品質問題，還是有機會從 AT＆T 拿到源源不絕的訂單，到時所有人——尤其是八叛徒，就會知道他才是最後的贏家。

——本文摘自《掀起晶片革命的天才怪咖：蕭克利與八叛徒》，2022 年 7 月，親子天下，未經同意請勿轉載。