0

5
1

文字

分享

0
5
1

從「自動化」進化成「智動化」——智慧製造是半導體產業的未來趨勢

鳥苷三磷酸 (PanSci Promo)_96
・2022/08/15 ・3611字 ・閱讀時間約 7 分鐘

  • 文/曾繁安

台灣擁有傲視全球、成熟完整的半導體產業聚落,在世界科技領域中扮演舉足輕重的角色。這個國家的經濟命脈,經過全自動化的時代後,即將迎來另一次生產技術的大變革——智慧製造。

當訂單越來越多,人力卻不夠,半導體業者該怎麽辦?

半導體產業包含了矽晶圓[註]、相關化學品與氣體及導線架等封裝材料,其中又以晶圓厰為大宗,例如台積電便是全球規模最大的晶圓代工厰。素有「現代科技應用的大腦與心臟」之稱的半導體,是現代多數電子產品的核心單元,因為各項產品正是利用半導體電導率變化的特性來處理資訊。然而,目前半導體製造業卻面臨人力資源跟不上產量需求提高的挑戰。

晶圓是積體電路製程中的載體基片。圖/wikimedia

一般半導體廠場域面積大,人力短缺使企業面臨管理人手吃緊,再加上人員進出無塵室的過程繁瑣耗時,也是另一大負擔。與此同時,在廠內儀器參數比對和規劃生產計劃上,傳統人力也可能有出現誤差的風險。疫情時代也促成在宅經濟和 5G 應用的高速發展,各領域對晶片的需求大增,造成半導體產業出現產量需求高,但人力短缺的現象。

因此對不少業者而言,可有效緩解人力不足、大幅提升作業效率的數位轉型(Digital Transformation),可謂勢在必行。

從「自動化」升級到「智動化」的智慧製造

那半導體產業的數位轉型,該怎麽做?所謂數位轉型,不僅僅只是將資料或作業數位化,還包括導入人工智慧(Artificial Intelligence,簡稱 AI)與數位科技,來改變企業的整個營運生產模式。AI 指的是電腦程式可模擬人類思維過程的能力,而在 AI 概念下的機器學習(Machine Learning,簡稱 ML),即為機器可以根據已收集的大量數據,經由建立模型對新數據進行推測,學習找出最佳解、改善效能

結合 ML 的製造執行系統,需搭配裝置在工廠各處的多個傳感器(Sensor),來收集與回傳各樣的生產數據。它們與工廠設備的相互連接,即是運用了物聯網(Internet of Things)的技術。有賴於 5G 科技的發展,數據可以達成高速率傳輸與低延遲,使得機器與機器之間可以達成溝通,在整合分析各方數據資訊後,有效率地完成各種指令操作,可以比自動化製造系統,更進一步為人類代勞工廠運作的大小事務。

舉例來説,當工廠的生產過程出現問題,自動化系統只會跳出異常通知,還是需要仰賴人員來進行手動排除;但換作應用 ML 系統的話,便可透過自我學習,來自動調整製作流程以解除異常狀況,無需人力介入便可自主解決,提升良率,達成「智動化」智慧製造(Smart Manufacturing)的最終目的。

機器可以根據已收集的大量數據,經由建立模型對新數據進行推測,學習找出最佳解、改善效能。 圖/elements

懂得精益求精、提高品質產量的智慧工廠

一座運用智慧製造的半導體工厰,不但能自主克服製程中的疑難雜症,更能幫助提高晶圓的產量品質。在研發方面,AI 可以協助理解高複雜、高維度的製程開發挑戰,也可與 ML 軟體分析感測資料和檢測影響,進行品質管理與缺陷檢查。

此外,數據治理和數位分身,也是智慧製造的關鍵策略。對企業整體的數據進行管理和控制以提高數據的價值將因為數據產生的成本風險降到最低,是數據治理(Data Governance)的核心精神。

在兼顧資訊安全下,數據治理的體系能使跨部門間的數據共享更為方便暢通。輔以 AI 及 ML 的運算,便可以使業務部門的客戶需求、供應鏈管理等資料,與工廠生產部門的設備控制與品管等流程,有更迅速緊密的配合,規劃好合適的未來生產計劃,指導人員進行相關作業。

如同我們可以在電玩游戲或社交媒體上,按照自己的個人形象,來打造自己的虛擬化身,工厰也能藉助現今的科技,來為產品的物理實體,在資訊化平臺或系統的虛擬空間中,打造一個類比實物數位分身(Digital Twin)

數位分身模型之概念圖。圖/wikimedia

數位分身也是物聯網的應用之一,半導體廠中,由傳感器所收集到的晶圓製造數據,在 AI、ML 和軟體分析的協助下被整合,對映成數位空間中「雙胞胎」的存在。這位孿生兄弟不僅能夠隨物理實體的變化而即時做出相應變化,還可以提供無法在實體產品上測試計算的數據。

理想情況下,數位分身可以經由機器學習,分析過去的歷史資料或多重來源的數據,來推估實體的未來情境。因此在危機或異常事件發生前,業者便可預先進行預測性的設備維護與產品的良率分析,比起傳統人力的判斷更加精確,降低技術風險,大大提高生產效率。

工業 4.0 浪潮來襲,智慧製造是產業未來趨勢

運用通訊科技、資料庫和電腦系統達成全自動化生產,已不是新鮮事,如今人類社會正迎來第四次工業革命的新一波浪潮。主打網絡與機械相互連接的核心精神,導入人工智慧、機器學習、物聯網感測與大數據分析等人機協作的智慧製造,是因應多變市場需求的時下趨勢。

在半導體領域中,企業龍頭台積電可説是數位轉型的成功案例,從二十年前的全自動化製造系統,如今致力於打造組織內部友善 AI 的工作環境,努力向智慧製造全面轉型。數位轉型的技術支援不能沒有半導體產業製造的晶片,而如今數位轉型也有望帶領半導體產業突破產能吃緊、人才短缺的困境,走向智慧製造的新紀元。

以台灣在地企業的智慧製造覆蓋率而言,就已在短短 6 年內成長 50%。舉全台最大的國際半導體展 SEMICON Taiwan 為例,智慧製造相關的展商在近六年內的成長幅度也同樣攀升了 50%。

今年高科技智慧製造特展將以歷年最大規模之姿登場,與全台最大半導體盛宴 SEMICON Taiwan 2022 國際半導體展同期同地舉辦,匯集橫跨高科技製造業智慧製造解決方案業者、系統整合、軟硬體商及智慧製造需求端業者,如盟立自動化、倍福自動化、家登精密、攝揚企業、日商 JEL 等不容錯過。

今年高科技智慧製造特展將以歷年最大規模之姿登場,與全台最大半導體盛宴 SEMICON Taiwan 2022 國際半導體展同期同地舉辦。圖/SEMI

因應疫情下數位轉型成為全球企業的重要任務,今屆展覽中的「高科技智慧製造論壇」將由美光科技、 Lam Research、 Rockwell Automation、Siemens 等知名企業專家以人工智慧工廠為主軸,探討 GEC 技術藍圖,內容包含五個部分包含數據管理、智能分析、數位分身預測等重點實務經驗分享,從晶圓厰到設備製造商和解決方案提供者的角度,讓參與者得以探究 AI 智能工廠的前景和挑戰,跟上數位轉型的步伐。

除了智慧製造議題,展覽期間共有超過 20 場重磅級的國際趨勢論壇,豐富主題涵蓋先進製程、異質整合、化合物半導體、車用晶片、永續製造、半導體資安及人才。論壇將在今年 9 月 13 日率先開幕,展覽則於 9 月 14 日至 16 日於臺北南港展覽館一館盛大開場,規模創歷年新高,届時將有 700 間國內外指標性大廠共襄盛舉,現場將有 2,450 個攤位展出,完整串聯全球半導體供應鏈,目前展會參觀與論壇皆已開放報名,參與席次有限,有興趣者趕快手刀至官網報名起來!

註:晶圓(Wafer)是半導體晶體圓形的簡稱,是從半導體材料如最常見的矽,經過拉製、提煉等一系列處理過程,製成的圓柱狀半導體晶體經過切片、抛光而來。這些圓形薄切片被用於積體電路製程中的載體基片,也可用來製作太陽能電池。

參考資料

  1. 半導體是什麼?晶片產業一次看懂
  2. About SEMI Smart Manufacturing initiative
  3. 【獨家披露】台積電數位轉型的下一步,靠AI推動全面轉型(上
  4. 【獨家披露】台積電數位轉型的下一步,靠AI推動全面轉型(下)
  5. 泛科學:每分鐘 15 次的駭客攻擊,5G 世代的臺灣資安挑戰——資安所王仁甫策略總監專訪
  6. Data Governance – 臺灣人工智慧行動網
  7. 「數據治理」:人工智慧企業的基本功
  8. 科技大觀園:從全自動化製造邁向智慧製造
  9. 聯剛科技股份有限公司
  10. 【新興領域:9月焦點8】數位分身(Digital Twin)技術發展趨勢與不同層次應用模式
  11. 半導體資安的新挑戰!後疫情時代,如何全面打造半導體供應鏈數位韌性
  12. 工業4.0大全,從淺到深一篇搞懂它!
文章難易度
鳥苷三磷酸 (PanSci Promo)_96
147 篇文章 ・ 268 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

1

3
3

文字

分享

1
3
3
AI 是理科「主場」? AI 也可以成為文科人的助力!
研之有物│中央研究院_96
・2022/08/13 ・5646字 ・閱讀時間約 11 分鐘

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 採訪撰文/田偲妤
  • 美術設計/蔡宛潔

AI 的誕生,文理缺一不可

人工智慧(Artificial Intelligence,簡稱 AI)在 21 世紀的今日已大量運用在生活當中,近期掀起熱議的聊天機器人 LaMDA、特斯拉自駕系統、AI 算圖生成藝術品等,都是 AI 技術的應用。多數 AI 的研發秉持改善人類生活的人文思維,除了仰賴工程師的先進技術,更需要人文社會領域人才的加入。

中央研究院「研之有物」專訪院內人文社會科學研究中心蔡宗翰研究員,帶大家釐清什麼是 AI?文科人與工程師合作時,需具備什麼基本 AI 知識?AI 如何應用在人文社會領域的工作當中?

中央研究院人文社會科學研究中心蔡宗翰研究員。圖/研之有物

詩詞大對決:人與 AI 誰獲勝?

一場緊張刺激的詩詞對決在線上展開!人類代表是有「AI 界李白」稱號的蔡宗翰研究員,AI 代表則是能秒速成詩的北京清華九歌寫詩機器人,兩位以「人工智慧」、「類神經」為命題創作七言絕句,猜猜看以下兩首詩各是誰的創作?你比較喜歡哪一首詩呢?

猜猜哪首詩是 AI 做的?哪首詩是人類做的?圖/研之有物

答案揭曉!A 詩是蔡宗翰研究員的創作,B 詩是寫詩機器人的創作。細細賞讀可發覺,A 詩的內容充滿巧思,為了符合格律,將「類神經」改成「類審經」;詩中的「福落天赦」是「天赦福落」的倒裝,多念幾次會發現,原來是 Google 開發的機器學習開源軟體庫「Tensor Flow」的音譯;而「拍拓曲」則是 Facebook 開發的機器學習庫「Pytorch」的音譯,整首詩創意十足,充滿令人會心一笑的魅力!

相較之下,B 詩雖然有將「人工」兩字穿插引用在詩中,但整體內容並沒有呼應命題,只是在詩的既有框架內排列字句。這場人機詩詞對決明顯由人類獲勝!

由此可見,當前的 AI 缺乏創作所需的感受力與想像力,無法做出超越預先設定的創意行為。然而,在不久的將來,AI 是否會逐漸產生情感,演變成電影《A.I. 人工智慧》中渴望人類關愛的機器人?

AI 其實沒有想像中聰明?

近期有一則新聞「AI 有情感像 8 歲孩童?Google 工程師爆驚人對話遭停職」,讓 AI 是否已發展出「自我意識」再度成為眾人議論的焦點。蔡宗翰研究員表示:「當前的 AI 還是要看過資料、或是看過怎麼判讀資料,經過對應問題與答案的訓練才能夠運作。換而言之,AI 無法超越程式,做它沒看過的事情,更無法替人類主宰一切!

會產生 AI 可能發展出情感、甚至主宰人類命運的傳言,多半是因為我們對 AI 的訓練流程認識不足,也缺乏實際使用 AI 工具的經驗,因而對其懷抱戒慎恐懼的心態。這種狀況特別容易發生在文科人身上,更延伸到文科人與理科人的合作溝通上,因不了解彼此領域而產生誤會與衝突。如果文科人可以對 AI 的研發與應用有基本認識,不僅能讓跨領域的合作更加順利,還能在工作中應用 AI 解決許多棘手問題。

「職場上常遇到的狀況是,由於文科人不了解 AI 的訓練流程,因此對 AI 產生錯誤的期待,認為辛苦標注的上千筆資料,應該下個月就能看到成果,結果還是錯誤百出,準確率卡在 60、70% 而已。如果工程師又不肯解釋清楚,兩方就會陷入僵局,導致合作無疾而終。」蔡宗翰研究員分享多年的觀察與建議:

如果文科人了解基本的 AI 訓練流程,並在每個訓練階段協助分析:錯誤偏向哪些面向?AI 是否看過這方面資料?文科人就可以補充缺少的資料,讓 AI 再進行更完善的訓練。

史上最認真的學生:AI

認識 AI 的第一步,我們先從分辨什麼是 AI 做起。現在的數位工具五花八門,究竟什麼才是 AI 的應用?真正的 AI 有什麼樣的特徵?

基本上,有「預測」功能的才是 AI,你無法得知每次 AI 會做出什麼判斷。如果只是整合資料後視覺化呈現,而且人類手工操作就辦得到,那就不是 AI。

數位化到 AI 自動化作業的進程與舉例。圖/研之有物

蔡宗翰研究員以今日常見的語音辨識系統為例,大家可以試著對 Siri、Line 或 Google 上的語音辨識系統講一句話,你會發現自己無法事先知曉將產生什麼文字或回應,結果可能正是你想要的、也可能牛頭不對馬嘴。此現象點出 AI 與一般數位工具最明顯的不同:AI 無法百分之百正確!

因此,AI 的運作需建立在不斷訓練、測試與調整的基礎上,盡量維持 80、90% 的準確率。在整個製程中最重要的就是訓練階段,工程師彷彿化身老師,必須設計一套學習方法,提供有助學習的豐富教材。而 AI 則是史上最認真的學生,可以穩定、一字不漏、日以繼夜地學習所有課程。

AI 的學習方法主要分為「非監督式學習」、「監督式學習」。非監督式學習是將大批資料提供給 AI,讓其根據工程師所定義的資料相似度算法,逐漸學會將相似資料分在同一堆,再由人類檢視並標注每堆資料對應的類別,進而產生監督式學習所需的訓練資料。而監督式學習則是將大批「資料」和「答案」提供給 AI,讓其逐漸學會將任意資料對應到正確答案。

圖/研之有物

學習到一定階段後,工程師會出試題,測試 AI 的學習狀況,如果成績只有 60、70 分,AI 會針對答錯的地方調整自己的觀念,而工程師也應該與專門領域專家一起討論,想想是否需補充什麼教材,讓 AI 的準確率可以再往上提升。

就算 AI 最後通過測試、可以正式上場工作,也可能因為時事與技術的推陳出新,導致準確率下降。這時,AI 就要定時進修,針對使用者回報的錯誤進行修正,不斷補充新的學習內容,讓自己可以跟得上最新趨勢。

在了解 AI 的基本特徵與訓練流程後,蔡宗翰研究員建議:文科人可以看一些視覺化的操作影片,加深對訓練過程的認識,並實際參與檢視與標注資料的過程。現在網路上也有很多 playground,可以讓初學者練習怎麼訓練 AI,有了上述基本概念與實務經驗,就可以跟工程師溝通無礙了。

AI 能騙過人類,全靠「自然語言處理」

AI 的應用領域相當廣泛,而蔡宗翰研究員專精的是「自然語言處理」。問起當初想投入該領域的原因,他充滿自信地回答:因為自然語言處理是「AI 皇冠上的明珠」!這顆明珠開創 AI 發展的諸多可能性,可以快速讀過並分類所有資料,整理出能快速檢索的結構化內容,也可以如同真人般與人類溝通。

著名的「圖靈測試」(Turing Test)便證明了自然語言處理如何在 AI 智力提升上扮演關鍵角色。1950 年代,傳奇電腦科學家艾倫・圖靈(Alan Turing)設計了一個實驗,用來測試 AI 能否表現出與人類相當的智力水準。首先實驗者將 AI 架設好,並派一個人操作終端機,再找一個第三者來進行對話,判斷從終端機傳入的訊息是來自 AI 或真人,如果第三者無法判斷,代表 AI 通過測試。

圖靈測試:AI(A)與真人(B)同時傳訊息給第三者(C),如果 C 分不出訊息來自 A 或 B,代表 AI 通過實驗。圖/研之有物

換而言之,AI 必須擁有一定的智力,才可能成功騙過人類,讓人類不覺得自己在跟機器對話,而這有賴自然語言處理技術的精進。目前蔡宗翰的研究團隊有將自然語言處理應用在:人文研究文本分析、新聞真偽查核,更嘗試以合成語料訓練臺灣人專用的 AI 語言模型。

讓 AI 替你查資料,追溯文本的起源

目前幾乎所有正史、許多地方志都已經數位化,而大量數位化的經典更被主動分享到「Chinese Text Project」平台,讓 AI 自然語言處理有豐富的文本資料可以分析,包含一字不漏地快速閱讀大量文本,進一步畫出重點、分門別類、比較相似之處等功能,既節省整理文本的時間,更能橫跨大範圍的文本、時間、空間,擴展研究的多元可能性。

例如我們想了解經典傳說《白蛇傳》是怎麼形成的?就可以應用 AI 進行文本溯源。白蛇傳的故事起源於北宋,由鎮江、杭州一帶的說書人所創作,著有話本《西湖三塔記》流傳後世。直至明代馮夢龍的《警世通言》二十八卷〈白娘子永鎮雷峰塔〉,才讓流傳 600 年的故事大體成型。

我們可以透過「命名實體辨識技術」標記文本中的人名、地名、時間、職業、動植物等關鍵故事元素,接著用這批標記好的語料來訓練 BERT 等序列標注模型,以便將「文本向量化」,進而找出給定段落與其他文本的相似之處。

經過多種文本的比較之後發現,白蛇傳的原型可追溯自印度教的那伽蛇族故事,傳說那伽龍王的三女兒轉化成佛、輔佐觀世音,或許與白蛇誤食舍利成精的概念有所關連,推測印度神話應該是跟著海上絲路傳進鎮江與杭州等通商口岸。此外,故事的雛型可能早從唐代便開始醞釀,晚唐傳奇《博異志》便記載了白蛇化身美女誘惑男子的故事,而法海和尚、金山寺等關鍵人物與景點皆真實存在,金山寺最初就是由唐宣宗時期的高僧法海所建。

白蛇傳中鎮壓白娘子的雷峰塔。最早為五代吳越王錢俶於 972 年建造,北宋宣和二年(1120 年)曾因戰亂倒塌,大致為故事雛形到元素齊全的時期。照片中雷峰塔為 21 世紀重建。圖/Wikimedia

在 AI 的協助之下,我們得以跨時空比較不同文本,了解說書人如何結合印度神話、唐代傳奇、在地的真人真事,創作出流傳千年的白蛇傳經典。

最困難的挑戰:AI 如何判斷假新聞

除了應用在人文研究文本分析,AI 也可以查核新聞真偽,這對假新聞氾濫的當代社會是一大福音,但對 AI 來說可能是最困難的挑戰!蔡宗翰研究員指出 AI 的弱點:

如果是答案和數據很清楚的問題,就比較好訓練 AI。如果問題很複雜、變數很多,對 AI 來說就會很困難!

困難點在於新聞資訊的對錯會變動,可能這個時空是對的,另一個時空卻是錯的。雖然坊間有一些以「監督式學習」、「文本分類法」訓練出的假新聞分類器,可輸入當前的新聞讓機器去判讀真假,但過一段時間可能會失準,因為新的資訊源源不絕出現。而且道高一尺、魔高一丈,當 AI 好不容易能分辨出假新聞,製造假新聞的人就會破解偵測,創造出 AI 沒看過的新模式,讓先前的努力功虧一簣。

因此,現在多應用「事實查核法」,原理是讓 AI 模仿人類查核事實的過程,尋找權威資料庫中有無類似的陳述,可用來支持新聞上描述的事件、主張與說法。目前英國劍橋大學為主的學者群、Facebook 與 Amazon 等業界研究人員已組成 FEVEROUS 團隊,致力於建立英文事實查核法模型所能運用的資源,並透過舉辦國際競賽,廣邀全球學者專家投入研究。

蔡宗翰教授團隊 2021 年參加 FEVEROUS 競賽勇奪全球第三、學術團隊第一後,也與合作夥伴事實查核中心及資策會討論,正著手建立中文事實查核法模型所需資源。預期在不久的將來,AI 就能幫讀者標出新聞中所有說法的資料來源,節省讀者查證新聞真偽的時間。

AI 的無限可能:專屬於你的療癒「杯麵」

想像與 AI 共存的未來,蔡宗翰研究員驚嘆於 AI 的學習能力,只要提供夠好、夠多的資料,幾乎都可以訓練到讓人驚訝的地步!圖/研之有物

AI 的未來充滿無限可能,不僅可以成為分類與查證資料的得力助手,還能照護並撫慰人類的心靈,這對邁入高齡化社會的臺灣來說格外重要!許多青壯年陷入三明治人(上有老、下有小要照顧)的困境,期待有像動畫《大英雄天團》的「杯麵」(Baymax)機器人出現,幫忙分擔家務、照顧家人,在身心勞累時給你一個溫暖的擁抱。

機器人陪伴高齡者已是現在進行式,新加坡南洋理工大學 Gauri Tulsulkar 教授等學者於 2021 年發表了一項部署在長照機構的機器人實驗。這名外表與人類相似的機器人叫「娜丁」(Nadine),由感知、處理、互動等三層架構組成,可以透過麥克風、3D和網路鏡頭感知用戶特徵、所處環境,並將上述資訊發送到處理層。處理層會依據感知層提供的資訊,連結該用戶先前與娜丁互動的記憶,讓互動層可以進行適當的對話、變化臉部表情、用手勢做出反應。

長照機構的高齡住戶多數因身心因素、長期缺乏聊天對象,或對陌生事物感到不安,常選擇靜默不語,需要照護者主動引導。因此,娜丁內建了注視追蹤模型,當偵測到住戶已長時間處於被動狀態,就會自動發起話題。

實驗發現,在娜丁進駐長照機構一段時間後,住戶有一半的天數會去找她互動,而娜丁偵測到的住戶情緒多為微笑和中性,其中有 8 位認知障礙住戶的溝通能力與心理狀態有明顯改善。

照護機器人娜丁的運作架構。圖/研之有物

至於未來的改進方向,研究團隊認為「語音辨識系統」仍有很大的改進空間,需要讓機器人能配合老年人緩慢且停頓較長的語速,音量也要能讓重聽者可以清楚聽見,並加強對方言與多語混雜的理解能力。

臺灣如要發展出能順暢溝通的機器人,首要任務就是要開發一套臺灣人專用的 AI 語言模型,包含華語、臺語、客語、原住民語及混合以上兩種語言的理解引擎。這需花費大量人力與經費蒐集各種語料、發展預訓練模型,期待政府能整合學界與業界的力量,降低各行各業導入 AI 相關語言服務的門檻。

或許 AI 無法發展出情感,但卻可以成為人類大腦的延伸,協助我們節省處理資料的時間,更可以心平氣和地回應人們的身心需求。與 AI 共存的未來即將來臨,如何讓自己的行事邏輯跟上 AI 時代,讓 AI 成為自己的助力,是值得你我關注的課題。

延伸閱讀

所有討論 1
研之有物│中央研究院_96
248 篇文章 ・ 2033 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

3
1

文字

分享

0
3
1
噔噔愣噔愣~縮小術!用光學微影把 IC 晶片變小了
研之有物│中央研究院_96
・2022/08/10 ・6070字 ・閱讀時間約 12 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

本文轉載自中央研究院研之有物,泛科學為宣傳推廣執行單位。

  • 整理撰文/郭雅欣、簡克志
  • 美術設計/蔡宛潔

手機越來越快, IC 晶片卻越來越小,關鍵是「光學微影」

自光學微影技術出現以來,積體電路(Integrated circuit, IC)的體積跟隨著摩爾定律不斷縮小,到我們踏入 5 奈米量產世代的今日,IC 可以說足足縮小了百萬倍!這樣的成果並非一蹴可幾,而是多年來半導體研發人員和工程師的心血累積而成。中央研究院 111 年知識饗宴的科普講座中,林本堅院士以「光學微影縮 IC 百萬倍」為題目,分享了光學微影這一路走來,如何將半導體元件尺寸愈縮愈小、推向極限。

林本堅院士分享半導體微影技術的發展歷程。資料來源/中央研究院

隨著積體電路(IC)與半導體製程的進展,我們的手機、平板等 3C 產品,體積愈來愈小,速度卻愈來愈快,功能也愈來愈多、愈強大。這歸根究柢,是因為現在的半導體技術把 IC 愈做愈小了,在 3C 產品中可以放入的元件數量愈來愈多,自然能做的事情更多了,效率也增加了。

IC 愈做愈小的關鍵技術在於光學微影(Optical Lithography)。光學微影簡單來說,就是在製作元件的過程中,將元件的組成材料依所需位置「印」在半導體晶圓上的技術。能印出愈精細的圖案,就能製作出愈小的元件。

如果讀者好奇手機或電腦的 IC 晶片是怎麼做出來的?請參考以下蔡司公司製作的影片,解釋了晶片從原料到封裝的整個過程,影片中的曝光(exposure)步驟,就是我們這篇文章要介紹的主題。

衡量元件尺寸的關鍵指標之一為「電晶體閘極長度」(Gate length),這個數字與 IC 速度直接相關。以場效電晶體來說,閘極長度愈小,電流可以花更少時間通過電晶體的汲極和源極。

如果要表示元件微縮的程度,另一個關鍵指標為線寬和週距(Pitch),通常以金屬層線與線的週距為參考基準,週距做得愈小,線寬也愈小,元件微縮程度愈高,見以下示意圖。

線寬與週距(Pitch)的示意圖,週距為線寬加上線與線之間的間距,可表示金屬線週期性排列的尺度大小。圖/研之有物

如今,到了單位數奈米的世代(例如 7 奈米或 5 奈米製程),這些數字已經逐漸演變為僅是世代的號誌。雖然 IC 還是愈小愈好,但是新世代製程工藝可能代表運算快、密度高、價錢便宜等其他綜合優點。

那 IC 目前到底縮小了多少呢?我們可以先有個概念,如果把每個世代視為實際尺寸來看,自從 1980 年代有光學微影技術以來,線寬從一開始的 5,000 奈米,如今已降到 5 奈米、甚至往 3 奈米邁進了。線寬不斷往下縮小,每一代大約縮小為上一代的 0.7 倍,到 5 奈米已經是第 21 代。經過了這樣的「代代相傳」,線寬縮小了 1,000 倍,換算下來,同一面積所能放入的元件數量高達原本的 100 萬倍!

光學微影技術如魔法般把線寬一步步縮小,靠的是多年來研發人員一步步的努力。林本堅院士在「光學微影縮 IC 百萬倍」這場科普講座中,一一細數其中的關鍵改良,以及箇中挑戰。

IC 晶片縮小術,秘訣在於追求最小線寬

讓我們先從一個核心的光學解析度公式開始:

半週距(Half Pitch)= k1λ/sinθ

半週距:一條線寬加上線與線的間距後乘以 1/2。曝光解析度高時,半週距可以做得愈小,意味著線寬可以愈小。

k1:一個係數,與製程有關,縮小半週距的關鍵,是所有半導體工程師致力縮小的目標。

λ:微影製程中使用的光源波長,從一開始的 436 奈米,現已降到 13.5 奈米。

sinθ:與鏡頭聚光至成像面的角度有關,基本上由鏡頭決定。

光線通過透鏡系統聚焦成像示意圖,n 為介質折射率,θ 為鏡頭聚焦至成像面的角度。圖/研之有物

由於光在不同介質中,波長會有所改變,因此我們在考慮如何增加解析度時,可將鏡頭與成像面(晶圓)之間的介質(折射率 n)一併納入考量,將 λ 改以 λ0/n 表示,λ0 是真空中的波長。

半週距(Half Pitch)= k1λ0/n sinθ

因此,增加曝光解析度(半週距 ↓)的努力方向為:增加 sinθ、降低 λ0、降低 k1、增加 n。

另一方面,為了讓微影製程有足夠大的曝光清晰範圍,鏡頭成像的景深(DOF)數字愈大愈好(註1),但是景深變大的副作用是——半週距也會跟著變大,因此在製程改良上必須考慮兩者的平衡或相互犧牲。

巨大複雜的鏡頭,都是為了增大 sinθ

sinθ 與鏡頭聚光角度有關,數值由鏡頭決定,sinθ 愈大,解析度愈高。光學微影所使用的鏡頭,並不如我們平常使用的相機或望遠鏡那般簡單——而是由非常多大大小小、不同厚薄及曲率的透鏡,經過精確計算後,仔細堆疊組成的(如下圖)。

這樣極其精密的鏡頭,林本堅透露:「6,000 萬美金的鏡頭已經不值得驚奇了,一億美金都有可能。」鏡頭做得這樣複雜、巨大又昂貴,是為了盡可能將 sinθ 逼近它的極值,也就是 1,他接著說:「目前的鏡頭可將 sinθ 值做到 0.93,這已經是非常辛苦了。」

微影機的鏡頭設計相當複雜,林本堅提到目前業界盡可能提升 sinθ 值到 0.93。圖中的 NA = n.sinθ = 0.9,空氣折射率 n 約為 1,故此鏡頭 sinθ 水準為 0.9。鏡頭模組實際使用時會立起來垂直地面(如下圖)。圖/研之有物
林本堅院士於演講中強調,微影機的鏡頭模組非常巨大,而且重得必須使用起重機才能搬運。圖/111 年中央研究院知識饗宴

鏡頭材料精準的搭配:縮短波長

第二個方法是縮短波長。雖說改變使用的光源,就能得到不同的波長,但因為不同波長的光經過透鏡後的折射方向不同,因此鏡頭的材料也必須相應改變。林本堅表示,當波長愈縮愈短,「我們能選擇的鏡頭材料也愈來愈少,最後就只有那兩三種可以用。」

用少數幾種材枓來調適光源的頻寬愈來愈難。所以後來大家轉而選擇單一種合適的材料,並針對適合這種材料的波長,將頻寬盡量縮窄。林本堅說:「連雷射的頻寬都不夠窄小,現在把頻寬縮窄到難以想像的程度。」

另一種解決問題的方法,則是在鏡頭的組成中加入反射鏡,這樣的鏡頭組合稱為反射折射式光學系統(Catadioptric system)。因為不管是什麼波長的光,遇到鏡面的入射角和反射角都是相等的,因此若能以一些反射鏡面取代透鏡,就可以增加對光波頻寬的容忍度。

上圖為波長 193 奈米光源所使用的曝光鏡頭模組,從示意圖可看到在透鏡組合之間加入了反射鏡。圖/研之有物

後來到了 13.5 奈米(極紫外光,EUV)的波長時,甚至必須整組鏡頭都使用反光鏡,稱為全反射式光學系統(All reflective system),可參考以下 ASML 公司的展示影片。林本堅表示,這種全反射鏡的系統,必須設計得讓光束相互避開,使鏡片不擋住光線。此外,相較於透鏡穿透的角度,鏡面反射的角度對誤差的容忍度更低,鏡面角度必須非常非常精準。以上這些都增加了設計的困難度。

曝光波長的改變還會牽涉到底下的曝光光阻,光阻材料從化學性質、透光度到感光度等各項特性,都必須隨著曝光波長的改變而調整,「這是個浩大的工程。其中感光速度非常重要,是節省製造成本的關鍵」,林本堅說。

值得一提的是,光阻材料的感光速度在微縮 IC 的歷史中相當重要。1980 年代,時任 IBM 的 C.G. Willson 和 H. Iro 率先提出一種以化學方式放大光阻感光速度的方法,將感光速度提升了 10~100 倍,大幅增加了曝光效率。這項重大發明,讓 C.G. Willson 在 2013 年榮獲「日本國際獎」(Japan Prize),可惜當時 H. Iro 博士已故,無法一同受獎。

提高解析度的關鍵:降低 k1

提高解析度的重頭戲就在於如何降低 k1。林本堅說:「你可以不用買昂貴的鏡頭,也可以不選用需要很多研發功夫的新波長。只要你能用聰明才智與創造力,將 k1 降下來。」

首先是「防震動」,就好像拍照開防手震功能一樣,在晶圓曝光時設法減少晶圓和光罩相對的震動,使曝光圖形更加精準,恢復因震動損失的解析度。再來是「減少無用反射」,在曝光時有很多表面會產生不需要的反射,要設法消除。林本堅表示,改良上述這兩項, k1 就可以達到 0.65 的水準。

提高解析度還可以使用雙光束成像(2-beam Imaging)的方法,分別有「偏軸式曝光」(Off-Axis Illumination, OAI)及「移相光罩」(Phase Shift Mask, PSM)兩種。

偏軸式曝光是調整光源入射角度,讓光線斜射進入光罩,原本應通過光罩繞射的三束光(1 階、0 階與 -1 階),會去掉外側的一束光(1 階或 -1 階),只留下其中兩束光(例如 0 階和 1 階)。透過角度的調整,可以很巧妙地讓這兩道光相互干涉來成像,使解析度增加並增加景深。

移相光罩則是在光罩上動些手腳,讓穿過相鄰透光區的光,有 180 度的相位差。相位差 180 度的光波強度不會改變,只是振幅方向相反。如此一來,相鄰透光區的光兩兩干涉之後,剛好會在遮蔽區相消(該暗的地方更暗),增加透光區與遮蔽區的對比,進而提高解析度。

「這兩種做法都可以讓 k1 減少一半。」林本堅笑說:「可惜這兩種方法都是用 2-beam Imaging 的概念,不能疊加起來使用。」

目前業界多半多半使用偏軸式曝光,林本堅表示:「移相光罩一方面比較貴,另一方面,它不能任意設計圖案,必須考量鄰近相位不抵消的問題。」利用各種降低 k1 的技術,目前已將 k1 降到 0.28,「這幾乎是這些技術所能做到的 k1 極限了。」

要進一步降低 k1 ,還有辦法!就是用兩個以上的光罩,稱為「多圖案微影」。簡單來說,它將密集的圖案分工給兩個以上圖案較寬鬆的光罩,輪流曝光在晶圓上,這樣可以避免透光區過於接近,使圖案模糊的問題。缺點則是因為曝光次數加倍,等於效率降低了一半。

鏡頭與晶圓之間的介質:浸潤式微影技術

在增加微影解析度的路上,最後一個可以動手腳的就是鏡頭與晶圓之間的介質。由林本堅提出的浸潤式微影技術中,將鏡頭與晶圓之間的介質從折射率 n~1 的空氣,改成n= 1.44 的水(對應波長為 193 奈米的光),形同將波長等效縮小為 134 奈米。

浸潤式微影技術讓半導體工藝在 12 年內往前走了 6 代——從 45 奈米直到 7 奈米。林本堅補充說,這個技術的優勢在於「你可以繼續使用同樣的波長和光罩,只要把水放到鏡頭底部和晶圓之間就好。」

乾式微影光學系統與浸潤式微影光學系統的差異。圖/研之有物

不過,林本堅話鋒一轉。「我說得很輕鬆,把水放進去就好。但這背後其實有很多技術。」例如水中的空氣可能讓水產生氣泡,必須完全移除。另外,放進去的水必須很均勻,在透光區照到光的水,會變得比遮蔽區的水要熱一些,這個溫差就會讓水變得不均勻,影響成像。為了避免溫差,必須讓水快速流動混合,但又可能會產生漩渦。

「這很考驗我們機台放水的裝置,如何讓水流快速均勻又不起漩渦?這是個大學問,至今放水裝置起碼重新設計了六到八次。」

水的另一個特點,就是「它是很好的清洗劑。」林本堅說。在使用浸潤式微影技術時,水很容易把鏡頭等所有接觸到的東西上的雜質都洗下來,「結果就是晶圓上有上千個缺陷(defects)。我們花了很多功夫把缺陷的數量從幾千個,降到幾百個、幾十個,最後降到零。」林本堅說:「那是需要投入很多人力和晶圓才能完成。」

半導體人才需要是專才、通才,也要是活才

演講的最後,身為清華大學半導體研究學院院長的林本堅提及人才的培養。半導體的技術已經演進到非常複雜的程度,沒有一個學生能精通所有的技術層面。林本堅說:「所以你會發現,半導體需要團隊互助合作。」

而踏入這塊領域的學生,林本堅期許除了要有基本的理工能力外,還需要有對問題的好奇心,會發現新問題,也會找到有趣的新技術(活才)。「如果不能自己發現新的技術,會永遠跟在別人後面。」

林本堅強調,這不是簡單的事情,因為「真的有學不完的東西。」半導體可以分成材料、製程、設計、元件四個領域,「我們希望學生至少在一個領域很精通,有本領深入鑽研(專才)。但對其它的領域,也得有某種程度的認識(通才),才能彼此合作,解決問題。」

關於半導體人才的培養,林本堅院士期許學生先專精在一個領域,並對其他領域有一定程度瞭解,促進團隊合作、解決問題,進而發現新的技術。圖/林本堅

註解

註1:DOF=k3λ/sin2(θ/2),k3 是因應高 NA 值的曝光鏡頭所引入之係數。

延伸閱讀

研之有物│中央研究院_96
248 篇文章 ・ 2033 位粉絲
研之有物,取諧音自「言之有物」,出處為《周易·家人》:「君子以言有物而行有恆」。探索具體研究案例、直擊研究員生活,成為串聯您與中研院的橋梁,通往博大精深的知識世界。 網頁:研之有物 臉書:研之有物@Facebook

0

2
1

文字

分享

0
2
1
洗澡時突然浮現:八叛徒的諾貝爾獎級專利,半導體的「平面製程」——《掀起晶片革命的天才怪咖:蕭克利與八叛徒》
親子天下_96
・2022/07/17 ・5127字 ・閱讀時間約 10 分鐘

國小高年級科普文,素養閱讀就從今天就開始!!

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!

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。 圖/envato

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。

赫爾尼的平面製程概念(左圖)與高臺式電晶體(右圖)比較。平面製程的電晶體讓基極、射極和集極都在同一個平面上,並且都受到二氧化矽保護。圖/親子天下

「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。

電路板上的各種電子元件就像地圖上的房子,有大半的面積被空地與道路佔據,房子(電子元件)只占一小部分。 圖/Pixabay

「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。

蘇聯第一顆人造衛星史普尼克一號(Sputnik 1)1 : 1等比模型。 圖/wikimedia

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。」

公司前途未卜之際,總經理鮑德溫選擇辭職離開。(示意圖) 圖/envato

「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。」

基爾比與諾宜斯兩人的積體電路設計對比。左圖是基爾比的設計,可以明顯看出電子元件上都有額外拉出的電線。而右圖是諾宜斯的設計就簡潔許多,電線和電子元件都是平整的放置在一個平面上。圖/親子天下

「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。

親子天下_96
24 篇文章 ・ 21 位粉絲
【親子天下】起源於雜誌媒體和書籍出版,進而擴大成為華文圈影響力最大的教育教養品牌,也是最值得信賴的親子社群平台:www.parenting.com.tw。我們希望,從線上(online)到實體(offline),分齡分眾供應華人地區親子家庭和學校最合身體貼的優質內容、活動、產品與服務。