由半導體的發展來看AI資料中心未來的興起

老實說，這兩個領域還真有不少相似之處。

首先兩者的迭代速度都很快。半導體先進製程每18～24個月就發展出一個世代，並且持續超過50年。AI伺服器運算能量也是以相同的迭代速度前進，雖然只歷經十多年的發展（2013 Kepler GPU），但是半導體所依靠的是硬體製造技術在進步，AI的進步卻是包括硬體及軟體所同時展現的結果。

再者，兩者的單位價格，持續在探底。相較於50年前1顆電晶體的售價，當今的價格是小於10的負10次方，也就是現在的100億顆電晶體合起來，約略是50年前1顆的價格。約莫二十年前，施敏教授曾經做過一個生動的比喻，他說如果汽車工業的發展跟半導體一樣的話，當初買一部雙B轎車，現在只要花25分美金就可以買到。現今AI token的價格已經是2年前的百分之一了，但是相對於半導體的10的負10次方，仍有很大的進步空間。

第三，兩者的產能持續在擴大。商品的價格急遽下降，群眾會因為預期的降價心理，縮手購買，以及供給大於需求等因數，往往會造成通貨緊縮，對經濟有不良的影響。但是另外一方面，更廉價或更有效率的商品供應，會刺激更大的消費需求。在工業革命初期，瓦特改良蒸汽機使得產生動力的效率大幅地提升，照理說蒸汽機的需求就會減少，但事實上廉價的動力，使得各行各業都用得起蒸汽機，促成工業革命及經濟的發展。

半導體也是有相同的發展軌跡。半導體價格的跌落，是依靠製程上更小尺寸的微影技術及更大的晶圓面積。在1990年代中葉，半導體業界開始討論12吋晶圓的開發，當時持反對意見的說法是，以當時的半導體使用量，全球只需要蓋2座12吋晶圓廠就夠了，不夠經濟規模。事實上現今12吋晶圓廠在營運中的，就將近300座，若包括興建及規劃中的，那就會超過400座了。

AI資料中心，也是如雨後春筍般地擴展中，現今大大小小在營運中的就超過1,000座，若含興建及規劃中的，預計會超過2,000座。token使用量，過去2年成長超過300倍。已經有不少公司開始限制員工所使用token的費用，也就是雖然價格跌了100倍，但使用量卻增長300倍。因此這些雲端服務公司的業績，持續都在成長中。

最後，兩者因為在科學及人類社會上的貢獻，都得過諾貝爾獎，半導體不只一次，AI也在2024年首度掄元，同時拿了物理及化學兩個獎。

然而AI資料中心的持續大筆投資，不免令人擔憂，這類的軍備競賽，是否會有泡沫化的可能?尤其技術迭代速度快，新蓋的廠兩年後就過時了，折舊攤提的速度趕不上技術的演進。如果以半導體的發展為例，四十年前所蓋的6吋廠，到三十年前的8吋廠，以至於現在最先進的12吋廠，都有自己的產品定位（如Si、SiC、GaN、數位、類比或分離式元件）及應用範疇（如高速運算、通訊、消費性產品、車用等），而且所有的廠都持續營運並且獲利。

但是與半導體不一樣的，AI資料中心目前唯一的產出就是token。因此愈先進的數據中心，所產生單位token的變動成本愈低，也就愈有競爭力。在此前提下，先前所投資的AI算力中心該何去何從呢？如果回頭來看半導體的發展，一開始也是由簡單電路的IC發起的，不斷隨著技術的進展，複雜且更多功能的IC會被逐步導入。隨著不同應用領域的開展，枝開葉散而形成完整的產業生態，最終最複雜的電路系統，總是由最先進的製程來完成。

我們相信並且期望AI資料中心也會沿著這條軌跡前進，最龐大的算力總是會被大型模型的訓練所據有。然而隨之而起的AI的邊緣運算、代理，甚至於小型的模型訓練，均可使用算力較一般的資料中心來處理。只要我們追求終極通用型人工智慧的目標不變，以及各類的需求不斷地被提出，這個AI的產業生態就有辦法建立起來，並且持續茁壯及發展。