我也知道 但從沒人真正試過－專訪線上即時熱能分析儀團隊

• 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。

文／劉珈均

工研院的「線上即時熱能分析儀」與「鈣迴路捕獲二氧化碳技術」雙雙獲得2014「全球百大科技研發獎（R&D 100 Awards）」，此獎項素有科技界奧斯卡獎之稱，是市場鑑定新技術的重要指標，今年邁入第52屆。「線上即時熱能分析儀」大幅提升發光二極體（Light Emitting Diode, LED）量測熱阻的速度達千倍，且可在生產線上即時量測，工研院也已與儀器業者旺矽科技合作技術轉移，實際應用於提升LED品管品質與生產效率。

深入了解這技術前，得先認識一下熱阻與LED的關係，熱阻（thermal resistance）是熱能在傳導途徑上遇到的阻抗，反映介質本身或介質與介質間的熱傳導能力，換言之，也是物體對熱能傳導的阻礙效果。

傳統光源如鎢絲燈或鹵素燈透過加熱燈絲發光，熱由光源正面以光輻射方式傳出，同時散發出的紅外光讓人感受到熱氣；LED不會讓人感受到熱，但並非不發熱，而是 LED所產生的廢熱從晶粒傳導而出，LED功率愈高，產生的廢熱愈多，加上體積要愈做愈小，散熱就成為問題。因此主要靠傳導進行的LED散熱機制，便需要以熱阻作為散熱性能好壞的指標。

LED漸成照明光源主流，但高功率LED仍與熱的問題糾纏，熱會影響LED的壽命、顏色與亮度。過熱會造成LED波長改變、發光效率下降，繼而使顏色產生變化、亮度降低，隨之影響到可靠度。對於LED封裝散熱能力的評估，就透過熱阻量測，若熱阻的數值大，表示熱不易傳遞，套件產生的溫度較高，也有損LED壽命。

工研院電光所元件測試驗證部專案副理王建評比喻：「熱就像內傷一樣，若只從一般的光電檢測是看不出來，但長期影響很大。」不論設計、檢測或可靠度分析，都需要知道熱阻，只要能掌握LED熱阻數據，就能推估產品的壽命、效率及光品質。

王建評是主導此技術的研發人員，他解釋，早期熱阻量測程序複雜，要把LED擺在爐子裡利用空氣加熱以達到控溫目的，一顆LED要經過幾個溫度測試，以求出溫度與LED電壓的關係式；後來改以熱電制冷器，控溫速度較快；熱電控制器出現後，過程由半天縮短到10~20分鐘，一小時測六顆，但這樣的時間仍太久──對比LED光學量測，一顆只要0.1秒即能完成光度或電壓量測！生產線上一個機台一天產量可能是數萬顆以上，熱測與其他量測的速度差異非常大，所以熱測始終無法成為廠商品管時的依據，基於生產效率考量，業者多只在產品設計階段時於實驗室進行熱阻量測。

工研院技術的突破點在於解析「固晶層」，在生產線上，固晶的製程是影響LED熱阻最大的參數，王建評說：「我們發現，其實我們不需要從頭到尾將整個元件分析完畢，只要分析那層固晶層，就能知道這顆元件好不好。」以前要等整顆LED達到熱平衡，現在只要等熱能傳到固晶層，分析資訊就足夠了，量測時間因此大幅縮短。

固晶製程難以達到品質完全均勻，一批產品有好有壞，但一顆熱阻量測的時間太久了，廠商都採抽樣，一批樣品可能只抽一顆測試，因此原有的技術限制之下，難以得知那批產品好壞比例，無法準確掌握LED產品可靠度。

而今工研院研發的「線上即時熱能分析儀」已能成功與LED自動化光電分類機台整合，在生產線上即時測量，組成全球首套自動化LED熱阻測試設備。兩相結合下，整套設備每小時的量測速度可達12000顆元件，相當於量測一顆元件只要0.3秒，比起以往在實驗室一小時量測六顆，速度快了整整2000倍。

「我們有些人畢業後就直接在工研院工作，我們也跟廠商學了很多業界的東西、機台開發的技巧。」王建評說，現階段量測光學與熱阻的機台分開，但可互相支援，一台光電量測機台可搭配數台熱能分析儀，如此便能應付生產線上大量的LED，這是廠商覺得可行的方法，未來團隊也會繼續研究將測試熱阻的功能整合到既有機台上。

文／劉珈均

「很多事情都是從很不偉大的事情開始作啦！」此次受訪的周佩廷與王建評是工研院電子與光電研究所、元件測試驗證部的經理與專案副理，周佩廷口中開端並不起眼的線上即時熱能分析儀奪下了百大科技研發獎，背後也是一群工程師長時間摸索，不斷研究與改良的心血。

任務指示：「品質可靠度。That’s all。」

周佩廷回憶研發歷程，難以界定這專案投入研發的時間有幾年，因為一位工程師身上常常同時扛了幾件或大或小的專案，有許多構想都在「檯面下」進行，漸漸成熟後才「正式列管」。

周佩廷與王建評所在的「光電元件與系統應用組」在工研院約已20幾年歷史，主題始終專注於LED。七八年前，元件測試驗證部剛成立不久，組長朱慕道認為LED的品質可靠度是個重要議題，該部門的技術主軸分為LED的品質可靠度與標準。市面上有宣稱LED可用兩萬五千小時或更多，但消費者可能拿到不良品，LED燈泡一下子就損壞，這便是LED可靠度的範疇，也牽涉到統計學、田口式品質工程[註1]等。

周佩廷說：「當時我們接到的指示就是品質可靠度五個字，大家自己去想要作什麼事情。」可靠度並不是一項技術，而是許多技術的集合、相互支撐出來的。成員構思著如何針對可靠度作技術開發，前幾年一直處於摸索期，試圖抓到主軸，大約四年前開始研究熱阻主題，挑選業者可能有需求的題目，其中一個便是快速熱阻檢測。

負責「線上即時熱能分析儀」的研發成員專業領域有來自光電、物理、應用力學、機械等，都是進工研院後才開始接觸LED的。王建評是主導技術開發的負責同仁，他想到，若從加強品管著手，讓廠商能快速量測熱阻，甚至於生產線上即時量測，就能大幅提升LED的品質可靠度。

「這原理我也知道！」　但從沒人真正試過

快速熱阻技術的關鍵點在於解析固晶層，「這不是什麼聽起來就讓人興奮的新發現，但卻沒有人真正把它作出來。」周佩廷說。這不是破天荒的物理發現，或是劃時代的嶄新發明，大家起初都不太看好該技術的價值，內部的人或廠商亦多持觀望態度。

「只是看似簡單，但工程實務上從沒有人真正實現過啊！」周佩廷笑說，這大概是這研究最特別的地方。工研院與各LED廠商接洽、討論此點子的技轉時，「好像很多東西說破就不值錢，所以一開始不願講太多。後來想想，我們要作到就算我跟你說破，你還是作不出來的程度，這樣的技術才有價值。」周佩廷說。

熱結構分析是即時熱能分析儀的核心技術，該技術已有國外業者開發設備，也訂下標準，「但只有他們懂得如何作這設備，大家都不知道怎麼作。」王建評說，它會畫出一條有趣的曲線，稱為「熱結構圖」，大家也只會用那設備，不清楚圖怎麼畫的。許多單位也想開發這種設備。

周佩廷便請王建評專心研究該設備，一開始王建評也沒太多心力鑽研，畢竟身上已同時背了好幾件工作，這項工作又相當耗時，「後來……也不能說是破解了儀器，而是重新開發技術出來，熱結構分析跟演算法有很密切的關係。」以往最快速度也需要十幾分鐘，王建評另設計了演算法，由原本的定點截取變成動態截取法，最快3分鐘內就能量出來，卻能達到相同的量測精度。「這也是得獎原因，否則只是跟別人一樣也沒特色。」

技術走出「車庫」　進入市場

約莫2012年底，周佩廷與當時的電光所副所長劉軍廷（現為所長）談到這點子，劉軍廷隨即認真地說，隔年三月有「台灣國際照明科技展」，就做一台原型機參展吧！周佩廷笑說：「我們就這樣慢慢在『車庫』研發了幾年，後來才被所長『列管』為正式計畫。」當時距離展覽只剩兩三月，時間緊迫，但大家還是成功趕製出原型機參展。

後來，工研院帶了三四項技術與儀器廠商旺矽科技洽談，最後決定合作熱阻檢測這技術，從合作到技轉花了約一年時間。王建評回想從合作到技轉的那一年時間：「廠商會不斷的『挑戰』工研院的能力，一直給我們『考試』。」拿了幾十顆LED給工研院的即時熱能分析儀測試，檢驗精度與誤差是否符合工業標準，一開始明測，後來也作盲測，「還好都有pass！」

「我們研發的出發點單純只是為了『解決問題』，一切順其自然，獎項是隨之而來的肯定。」周佩廷與王建評回想這段過程，敘述的口吻與神色十分沉穩淡然。團隊一路走來，並沒有像動漫《海賊王》裡的魯夫總大喊著「我要成為海賊王！」那樣，立一個雄心萬丈的目標、要發明厲害的機器、拿下發明大獎。

其實光電元件與系統應用組從2008年到現在，已經拿了三個美國百大科技獎（R&D 100 Awards）[註2]，但朱慕道組長認為真正的任務才剛開始，他們要思考如何讓技術的貢獻完全發揮。

一條生產線上，一天產出數萬顆以上的LED，現有的熱能量測技術卻只能抽樣，LED廠商不會覺得效率低落，主動想要採用這項技術嗎？周佩廷說：「很多技術的應用，其實也看時機點。」各廠商其實是需要這項技術的，但站在廠商的角度，「品管、研發」與「成本」是天秤的兩端，而LED品質採抽樣或「普查」，也關乎LED產品「良率」的數字變動。LED的競爭激烈，因此，除非客戶刻意要求，廠商較少主動投資設備，大多跟風國外大廠的作法，但一些LED國外大廠其實已經有投入快速熱阻量測這部分。

周佩廷說：「得獎只是開始，我們接下來還要努力，想著如何把技術的效應作得更大。」目前市面上類似儀器幾乎全屬國際大廠，價格亦是居高不下，國產儀器價格預計可控制成本在進口儀器價格的一半以下。若此儀器能建置於生產線上，大幅提高LED良率，就長遠來看，LED業者的投資負擔並不重。

註：

1. 品質工程（Quality Engineering）：由日本學者田口玄一所創，以統計學方式進行實驗及生產過程管控，以達產品品質改善及成本降低的目的，也應用在生物學、行銷及廣告。（資料來源：維基）
2. 工研院國際獎項紀錄：https://www.itri.org.tw/award/chi/award.htm