獨家報導 蕭毅豪／評論
當台積電（TSMC）結合輝達（nVIDIA）後，簡稱：「TSnV」。
即將在AI技術與市值上，因此組合讓nVIDIA超越微軟，這告訴我們一件事，硬體從此開始在AI市場屹立不搖，然後帶動歷史上硬體市值開始長期超越軟體市值的開始。
我們已經可以預期到需要極速運算、超高速運算的AI和量子電腦晶片的最大助力是晶片製造公司TSMC，她除了是地緣政治爭相懇求建廠的對象，也是AI晶片之母外，亦是主宰AI和量子電腦存活的最大因素，因為只有TSnV組合可率先穩定量產0.幾奈米AI和量子電晶體，並應用在人形機器人與高速運算資料中心等尖端商品。
AI 、量子電腦能活下去的最大力量
市調機構Omdia 研究發現在GAI普及的推動下，預計 2028 年全球機器人AI晶片組市場達 8.66 億美元，這種成長只是剛開始，因為2030開始將是1奈米以下的AGI晶片起飛的時程。
一顆在NB、PC鍵盤上的AI加速按鈕，目前還無法讓微軟挑戰4兆市值，反觀TSMC將助攻nVIDIA以主宰機器人AI晶片市場之姿，以此市場超越微軟將是可預期的事了，這也是微軟急於求成自家Copilot生態系的原因了。
目前nVIDIA給大多數行業的GAI晶片都是部署在資料中心，像Meta、OpenAI這些行業模型都需要大型圖形處理器 (GPU) 做叢集訓練和推理。而人形機器人剛好相反，它們傾向分部處理，所以優先考慮的是「實時控制和超低延遲響應」的任務和重要領域的應用程式，例如地圖構建、機器視覺、導航、手部抓取、跳耀平衡等功能安全，這都是人形機器人AI晶片的基礎設計。
TSMC能在TSnV組合上擁有絕對的助攻條件，主因TSMC已有製造人形機器人AI大腦晶片的優勢建立在：車用邏輯晶片上已經有長足的快速良率學習曲線是Intel、Samsung還沒趕上的，一般車用晶片規格要求的是製程中須具備超低缺陷比例（Defective Parts Per Million; DPPM），幾乎是不能當機和有訊號傳輸瑕疵的，這跟人類性命有關。從7nm一直到3nm的DPPM分別是量產後的6個月學習曲線到8個月以上，這種速度在這世界上，沒有其他晶片製造商可以超越，這也是TSMC能夠在高階晶片的市佔率站穩92%的原因。
而TSMC因此極具重要的尖端製程經驗，將作為TSnV在AGI中最重要的佈局，機器人是要看顧人類的安全和讓人類遠離危險的，機器人內的AI大腦晶片將極需這種超高良率晶片，這也是nVIDIA與TSMC互相協作的重要成果，也是TSMC讓量子電腦時代來臨的最大力量。
硬體市值的超越趨勢，來自Devin 程式語言大師
OpenAI 執行長Sam Altmant與各國政府官員和潛在投資者討論斥資7 兆美元開發AI基礎設施，其中包括晶片、數據中心和發電廠。奧特曼的發想，將是影響nVIDIA當前獨霸地位的提議之一，且這個計畫規模超過了整個半導體產業所有的估值，凸顯了Altmant雄心勃勃的目標。
當史無前例的巨大AI機器人市場即將來臨時，這也是Microsoft、OpenAI比車廠還要擔心沒有AI晶片的原因，才驅使OpenAI 提案7兆美金的建廠方案，並希望TSMC加入世界級的融資團隊。
OpenAI告訴我們一件事，他們願意花在硬體上的投資額竟然是原先OpenAI自己AI軟體本業資本額的N倍，這是AI晶片硬體市值即將大於軟體服務市值的第一個徵兆。另外包含醫療科技外，絕大部分的人形機器人科技都需要大幅度的硬體提升和需求，這是目前看得到的大市場趨勢，也是第二個徵兆。
OpenAI能否籌資到7兆美金目前是個問號，在此之前他們會需要有聯發科這樣的晶片設計實務操作顧問，畢竟由純軟體人才來指揮晶片TSMC硬體技術路徑，歷史告訴我們容易得不償失、甚至「晶」棘載途。
2019年，Slashdata市調機構公佈了他們的統計資料，在2019年全球有1,890萬軟體開發人員，到2030年，這個數字將達到4500萬，當時Slashdata市調機構並沒有發現AI市場那麼快的到來，如同nVIDIA 黃仁勳執行長所說：「因為AI晶片的快速運算以及AI可以自行設計軟體套件。」的緣故下，我們認為軟體開發工程師的需求人數勢必會大幅下降在未來。
加上印度新創Cognition 公司剛剛推出世界上第一位可以幫你寫程式語言的AI 工程師「Devin」，在在都顯示軟體的需求會慢慢的僅限於頂尖AI演算法人才、或者是具備蛋白質結構解密的軟體人才上。即便是超過70%的軟體工程師員工組成的nVIDIA，也會因為類似Devin 語言工程師的虛擬存在，讓自己的實體軟體員工比例下降，這也是nVIDIA最終販售產品仍是極速AI晶片硬體為主力緣故。當軟體開發工程師的需求人數下降，這會是顯見硬體的需求人才將會成長，尤其是在尖端晶片製造這個相關供應鏈領域。
TSnV組合決戰市場，並推波極速運算生態鏈擴張
nVIDIA其實已經創建了30年，但直到2023年nVIDIA的高速運算技術產品才算真正開始起飛，我們預計2029年nVIDIA將推出H700，屆時將會讓現行的H100晶片猶如一座舊式的數據中心毫無利潤可言，甚至TCO營運成本居高不下。這預告極速運算晶片的來臨，除了讓邊緣計算成本歸零，也能讓AI模型從學習–>訓練–>推理–部署–>到應用強化學習整個生態循環變得完整與快速，那時採用H700晶片的數據中心將比現在的任何伺服器計算都還便宜100萬倍。我們預估TSnV組合將是推升AI生態鏈最重要的力量， 但H700需要採用TSMC AI製程方案才可能做到那樣的算力。
TSnV組合要成功在AI人形機器人大腦內完成最高速的AGI，更需要仰賴TSMC的Near/In Memory Computing的新技術產品。各產業的AI晶片之所以耗能、和幾千瓦的熱散需求，是因為AI需要大量的圖資、立體影像等快速遠端傳輸所產生的，亦即Logic本身不耗能，但卻在Memory之間進行搬運時，需要大量電力與能效損失，這時候TSMC的Near/In Memory Computing技術可以將Memory做在Logic上就是未來AGI所要的另一種需求了。也正因如此，Micro記憶體公司才下單TSMC，讓新產品HBM3 Gen2在今年問世了，並積極與TSMC共同研發下一代的技術，在台灣量產供貨給nVIDIA。
所有的趨勢，都可預見TSnV將是最強組合，TSMC負責制定AI晶片的硬體規格，nVIDIA負責將AI生態系的版圖擴張，強強聯盟下的世界話語權將繼續獨霸，也將帶動整個AI電腦與量子電腦的硬體需求迅速推升，以TSMC為首的台灣AI硬體供應鏈要好好保衛這次得來不易、千年難得一見的「極速運算生態機遇」，也將是我們下一代能否永續生存的關鍵之ㄧ。
沒有TSMC這樣技術希罕的公司，無法讓AI更強大，更浩瀚！
AI人形機器人五篇連載文章告一段落，後續我們將推出光子科技、能源科技、MicroLED、醫療科技等文章，還請大家繼續給予支持，感謝各位讀者。
更多《獨家報導》