時間的軌跡：現代都市中的巨石陣

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

本文由 工研院 委託，泛科學企劃執行。

Hey，未來的千萬年薪人才！來一起深入了解那些正在改變我們生活的科技吧！工研院為你精心準備了三堂超有趣的線上課程：從探索醫學界的 PLGA 微米球技術，到揭秘半導體測試的幕後英雄 ATE，再到讓塑膠也能有身分證的創新方法。這不只是學習，更是一場與科技親密接觸的旅程！

第一門 材料檢測與模擬設計之原理與應用系列學習

精選課程：塑膠也有指紋？如何給塑膠「身分證」來驅動循環經濟，減緩地球暖化？你要知道的光譜分選技術－材料光譜分選技術

這堂課將探討如何透過光譜智慧分選技術，為塑膠材料賦予「身分證」，進而推動循環經濟並減緩地球暖化。塑膠標籤的設置主要是為了方便辨識材質，這對於廢塑膠的回收和再利用至關重要。不同號數的塑膠因其分子組成、結構和排列的差異而有不同的特性和應用領域。

在光譜智慧分選技術中，首先要理解電磁波的概念。電磁波是一種電場和磁場交互變化的波動現象，其不同波長可以用於不同的應用，如手機訊號、微波爐、家用遙控器、X 光攝影等。在塑膠分選中，光譜技術常用的波長範圍落在近紅外到遠紅外光的區域，即 1 微米到 300 微米。這些波段的電磁波能誘發塑膠分子振動，並吸收散射或入射的電磁波能量，從而造成光譜的變化。科學家利用這種振動光譜的變化來獲得塑膠分子的特徵光譜，從而開發出能辨識不同塑膠分子的技術。

舉例來說，最簡單的雙原子分子，如 C-H、O-H 等，會有特定的振動頻率。當結構更複雜的分子（如水分子）被電磁波誘發振動時，會產生更多的振動模式，每種模式對應不同的特徵光譜。塑膠由多種原子組成，因此其特徵振動光譜相當複雜，但這也使得每種塑膠具有獨特的光譜特徵，類似於條碼或指紋，可用於辨識不同類型的塑膠。

本集介紹的光譜技術主要聚焦於紅外線頻譜區段，其波長範圍在 900-2500 納米。在這一範圍內的紅外光能量正好能引起塑膠分子的振動，並在不同波長上產生吸收。透過紅外線感測裝置掃描塑膠分子，可以快速獲得塑膠的材質信息，這不僅有助於塑膠的分類和回收，也對環境保護和資源再利用具有重要意義。

第二門 半導體IC設計與檢測技術系列學習

精選課程：好的良率就是好的利率！考試交卷前都會再檢查、確認了，IC 生產才不會忘記你－半導體測試簡介

在這堂課中，我們將探討自動化測試機台（ATE）在半導體測試領域中的關鍵作用。自動化測試機台是一種專為測試集成電路（IC）而設計的設備，它可以大幅降低手動測試的人力需求，並減少測試成本。每種IC根據其規格，都需要特定的測試項目。針對這些項目，專門編寫的測試程式被用於自動化測試機台，以自動檢測和篩選出不合格的 IC。

不同種類的 IC 需要不同的測試機台。例如，數位 IC 需要使用專門的數位測試機台，而記憶體 IC 則需要使用演算法來進行測試。類比 IC 和混合訊號 IC 則涉及電性測試，因為它們不是像數位IC那樣僅依賴固定的 0 和 1。

隨著系統晶片（SoC）的出現，測試機台的複雜性也隨之增加。SoC 整合了數位、記憶體、混合訊號甚至 RF IC 於一個晶片中，因此其測試機台必須同時具備上述所有種類機台的功能。這種SoC測試系統非常昂貴，每台造價可能高達數千萬。

最近，模組化測試系統成為了一種趨勢。這種系統的主要特點是其靈活性，能夠根據不同類型的IC進行不同模組的組裝，以進行測試。例如，對於數位IC，可以使用數位模組；對於類比或混合訊號IC，則可以使用相應的類比測試模組，如示波器或任意波型產生器。對於RFIC，則可以插入RF模組，如VNA等網路分析儀。模組化測試系統通常基於PXIE或LXI這樣的系統，其中PXIE是基於PCIE的擴展，加入了與儀器相關的電路；而LXI則是在LAN基礎上加入儀器相關電路。

總結來說，自動化測試機台在提高半導體製造過程中的良率和效率方面發揮著不可或缺的作用。無論是傳統的ATE還是新興的模組化測試系統，它們都在確保IC品質和性能方面扮演著關鍵角色。

第三門：解密醫材醫藥產品開發攻略系列學習

精選課程：藥不💊隨便你～但少了「它」，藥就不能發揮最大功效！製劑的分類與開發

在這堂課中，我們將深入探討 PLGA 微米球技術及其在長效針劑開發中的重要性。PLGA，全稱為聚乳酸甘醇酸，是一種被廣泛應用於藥物釋放系統的生物相容性高分子材料。自 1989 年日本武田藥廠開發出第一款使用 PLGA 的產品 Lupron Depot® 以來，這種技術已被用於多種藥物的開發，涵蓋了小分子藥物和胜肽類藥物。

PLGA 的關鍵特性，包括乳酸與甘醇酸的比例、分子量及高分子末端基團，對藥物的釋放速率和持續時間有著顯著影響。在製程技術方面，溶劑揮發法和溶劑萃取法是兩種主要的製備方法，它們對於親水性和疏水性藥物的包覆都至關重要。這些製程不僅決定了微米球的形成，也影響著藥物在微米球內的分布和最終的藥物釋放行為。

此外，微米球製程的工藝還包括乳化、coacervation 過程、溫度、攪拌速度、微米球固化和乾燥速度等因素，這些都對藥物包覆效率、微米球的粒徑大小分佈及藥物在微米球中的分佈位置產生影響。而不同的製程設計往往會導致藥物釋放行為的顯著差異，這對從實驗室到試量產階段的轉換是一大挑戰。

在台灣，工研院在經濟部的支持下建立了一個無菌製劑試製工廠，該工廠配備了微米球製程設備、高壓均質機、in-line均質機、噴霧乾燥機等關鍵製程設備。這些設備不僅能夠支持微米球的生產，還包括了關鍵的分析儀器，如液相層析儀、氣相層析儀、微米/奈米粒徑分析儀等。工研院的團隊擁有豐富的特殊製劑開發經驗，能夠提供從製劑配方研發、分析方法開發、放大製程開發到客製化產線設計的全方位服務。這些資源和專業知識使得工研院能夠有效地支持新藥的臨床前開發和商業化進程。

總的來說，PLGA 微米球技術在藥物釋放系統的開發中扮演著關鍵角色。透過精確的材料選擇和製程控制，這項技術有望為醫藥界帶來更多創新和有效的長效針劑產品。

還想看更多？不用掏出信用卡，三門線上課都在 ITRI Lab on-line 的 YouTube 頻道獨家放送中，手機打開就能看。但……雖然不用急，但是科技進步也是不等人的，快跟上吧！

本文由 工研院 委託，泛科學企劃執行。

你有沒有想過，是什麼驅動著今日產業的創新與變革？答案就在工研院的「ITRI lab on-line」特色技術系列數位課程中！這是一個與眾不同的學習機會，讓你深入了解並參與到台灣產業創新的核心。

首先，來說說「環構計畫」的緣起。這個計畫是為了配合國家創新產業政策而生，它的目標是建置和維護創新技術與服務平台。這不僅幫助企業開發新產品和服務，推動新興產業和新創公司，還能加速創新技術的產業化，促進企業的轉型升級。為此，工研院不斷擴建新研發場域，涉及各主要技術領域，實驗室分為檢測/認驗證、試量產/試營運、軟體與硬體設施服務等類別。

工研院的目標是推動台灣產業的創新優化與轉型，幫助業界把握新契機，布局自主創新和產業韌性所需的基礎設施。為此，工研院提供「ITRI lab on-line」特色技術系列數位課程，這些免費的線上學習資源將幫助你快速掌握產業新趨勢，增強企業技術升級與轉型的意願。

這系列課程包括三大主題：「永續高值材化」、「智能晶片」和「精準健康」。每個主題都有專門的課程，總共22支數位課程影片，涵蓋從技術原理到應用範圍的各方面知識。這些課程不僅介紹了工研院實驗室的專業技術，也為企業提供了學習和轉型的寶貴資源。想先試看嗎？點這裡看看我們推薦的三堂課吧！

無論你有興趣的是材料檢測與模擬設計、半導體IC設計與檢測技術，還是醫材醫藥產品開發，這些課程都會給你全新的視角和知識。每個課程都是精心設計，旨在幫助企業和個人掌握關鍵技術，並在低碳化與智慧化的時代中保持領先。

現在，只需點擊下方的連結，就能免費加入這個精彩的學習旅程。快來發掘和學習那些塑造當代產業未來的關鍵技術吧！

材料檢測與模擬設計之原理與應用系列學習
半導體IC設計與檢測技術系列學習
解密醫材醫藥產品開發攻略系列學習

【ITRI Lab on-line】系列影片可在工研院產業學院YouTube頻道觀看：點我前往