41

英特爾如何忘了創新

美國至少可以依靠英特爾。該公司在半導體業有無與倫比的地位。雖然英特爾老一輩的領導層早就不在了（葛洛夫於2016年去世，現年90幾歲的摩爾則是到夏威夷頤養天年了），但把DRAM商業化及發明處理器的聲譽依然存在。在結合創新晶片設計與製造能力方面，找不到比英特爾聲譽更好的公司了。英特爾的x86架構仍是個人電腦與資料中心的業界標準。個人電腦市場停滯不前，因為目前看來幾乎每個人都有個人電腦了，但這對英特爾來說仍是獲利很好的事業，每年帶來數十億美元的獲利，可再投資於研發。整個2010年代，英特爾在研發上的支出逾100億美元，是台積電的四倍，也是DARPA全部預算的三倍。世界上只有幾家公司的研發支出超越英特爾。

隨著晶片業進入EUV時代，英特爾看來已準備好稱霸市場。在EUV技術的興起方面，英特爾扮演關鍵要角，這要歸功於葛洛夫在1990年代初期對這項技術投入最初的2億美元。如今，經過數十億美元的投資（其中有很大一部分來自英特爾），ASML終於開發出這項技術。然而，英特爾並沒有把握這個電晶體不斷縮小的新時代，而是浪費了領先優勢，錯過了AI所需半導體架構的重大轉變，接著又延誤了製程，未能跟上摩爾定律的步調。

如今，英特爾仍享有豐厚的利潤，它仍是美國最大、最先進的晶片製造商。然而，自1980年代葛洛夫決定放棄記憶體，把一切都押在微處理器以來，英特爾的未來比過去的任何時點更不確定。它仍有機會在未來五年重新奪回領導地位，但也可能輕易消亡。這一切攸關的不單只是一家公司，而是美國晶片製造業的未來。沒有英特爾，就再也沒有一家美國公司——或者台灣或韓國以外的工廠——有能力製造先進處理器了。

英特爾跨入2010年代時，可說是矽谷的異類。投入邏輯晶片市場的多數美國公司，包括英特爾的主要競爭對手AMD，都已經出售自己的晶圓廠，只專注於設計。英特爾堅持固守整合化的模式（把半導體設計與製造整合在一家公司裡），因為英特爾的高層認為這種模式仍是量產晶片的最佳做法。英特爾的領導人認為，該公司的設計與製程可相互優化。相較之下，台積電別無選擇，只能採用通用製程，這種製程適用於AMD的伺服器晶片，也適用於高通的智慧型手機處理器。

英特爾正確地掌握了這種整合模式的一些好處，但這也有很大的缺點。由於台積電為許多不同的公司製造晶片，它現在每年製造的矽晶圓數量幾乎是英特爾的三倍，因此¹有更多的機會可以精進製程。此外，英特爾把設計晶片的新創企業視為威脅，台積電則把它們視為潛在客戶，可為它們提供製造服務。由於台積電只有一個價值主張——有效製造——其領導高層不斷地追求以更低的成本，製造愈來愈先進的半導體。英特爾的領導者則不得不把注意力分散在晶片設計與晶片製造上，結果兩邊都顧不好。

英特爾的第一個問題是人工智慧。到了2010年代初期，該公司的核心市場，也就是供應個人電腦的處理器，已經停滯不前。如今，除了遊戲玩家以外，幾乎沒有人會在新型處理器問世時興奮地升級個人電腦，多數人也不太去想電腦裡裝的是哪種類型的處理器。英特爾的另一個主要市場（賣伺服器處理器給資料中心）在2010年代蓬勃發展。亞馬遜網路服務、微軟Azure、Google雲端平台，以及其他的公司構建了巨大的資料中心網絡。這些資料中心的運算力構成了「雲端」。我們在網路上使用的多數資料，就是在這些公司的資料中心處理的，而每個資料中心都裝滿了英特爾的晶片。但在2010年代初期，就在英特爾稱霸資料中心這一塊事業後，處理需求開始發生變化。新興趨勢是AI，而英特爾的主要晶片在設計上無法很好地因應這項任務。

自1980年代以來，英特爾一直專注於CPU晶片，亦即中央處理器，個人電腦中的微處理器就是一例。這些晶片有如電腦或資料中心的「大腦」，是通用的工作主力，可以打開網路瀏覽器，也可以執行微軟的Excel軟體。CPU可以做多種不同的運算，用途多元，但它們是連續地逐一處理這些運算。

在通用CPU上執行任何AI演算法是有可能的，但AI需要的運算規模導致採用CPU的成本高得嚇人。訓練單一AI模型的成本（它使用的晶片及晶片消耗的電力）可能²高達數百萬美元。比如說，要訓練一台電腦辨識貓，你必須向那台電腦展示大量的貓與狗，這樣它才能學會區分貓狗。你的演算法要求區分的動物愈多，需要的電晶體就愈多。

由於AI經常需要重複執行相同的運算，每次使用不同的資料，所以想辦法為AI演算法訂製晶片，才能讓AI變成經濟上可行的運用。多數公司的演算法是放在亞馬遜、微軟等大型雲端運算公司所經營的資料中心裡，所以這些雲端業者每年斥資數百億美元購買晶片與伺服器。他們為這些資料中心所支付的電費也非常驚人。當他們競相向各種公司出售雲端空間時，盡可能從晶片中擷取效率就很必要。相較於英特爾的通用CPU，針對AI優化的晶片運作得更快，占用的空間更少，也更省電。

2010年代初期，設計圖形晶片的公司輝達開始聽到傳聞，史丹佛大學的博士生把輝達的圖形處理器（GPU）用於圖形以外的其他用途。GPU的運作方式異於一般的英特爾或AMD的CPU。CPU有無限的靈活性，但所有的運算是逐一執行。相反的，GPU是同一運算同時多次反覆執行。很快大家就發現，這種「並行處理」不止可用來控制電玩中的圖像畫素，還有其他的用途，例如有效地訓練AI系統。CPU只能向演算法提供一份接一份的資料，GPU則可以同時處理多份資料。為了學習辨識貓的圖像，CPU是逐一處理每個畫素，GPU則是一次「看」多個畫素。因此，訓練一台電腦辨識貓所需的時間大幅減少了。

此後，輝達開始把公司的未來押在AI上。從創立之初，輝達就把晶片製造外包（主要是外包給台積電），專注於設計新一代的GPU，並定期精進其特殊的程式設計語言CUDA，這種語言讓人更容易設計使用輝達晶片的程式。投資者臆測，資料中心將會需要愈來愈多的GPU，輝達因此成了³美國最有價值的半導體公司。

然而，輝達的崛起並不是那麼確定的事，因為大型雲端運算公司（如Google、亞馬遜、微軟、臉書、騰訊、阿里巴巴等）除了採購輝達的晶片，也開始針對自己的處理需求設計專用的晶片，並把焦點放在AI與機器學習上。例如，Google設計了張量處理器（Tensor processing unit，簡稱TPU），這種晶片的優化是配合Google的TensorFlow軟體庫一起使用。你可以用每月3000美元的價格租用Google最簡單的TPU（位於其愛荷華州的資料中心）。不過，更強大的TPU價格可達⁴每月10萬美元以上。雲端可能聽起來虛無縹緲，但幫我們儲存所有資料的矽晶片是非常真實、也非常昂貴的。

最終無論是輝達還是大型雲端運算公司勝出，英特爾近乎壟斷資料中心處理器的局面都將結束。如果英特爾已找到新的市場，失去這個主導地位就不是那麼嚴重的問題。然而，英特爾在2010年代中期進軍代工業務，試圖與台積電正面競爭，但終告失敗。英特爾試圖向任何尋求晶片製造服務的客戶開放其生產線，等同於承認整合與製造的模式並不像英特爾高層宣稱的那麼成功。英特爾具備成為一家主要代工廠的一切要件，包括先進技術與巨大產能，但成功需要重大的文化變革。台積電對智慧財產權的態度是開放的，反之英特爾是封閉且保密的。台積電是服務導向，英特爾認為客戶應該遵循它的規則。台積電不與客戶競爭，因為它沒有設計任何晶片；英特爾是晶片業的巨擘，其晶片幾乎與所有的同業競爭。

2013年至2018年擔任英特爾執行長的布萊恩．科再奇（Brian Krzanich）公開堅稱：「過去幾年，我基本上一直在經營⁵我們的代工事業。」他也描述這項業務「策略上很重要」，但客戶看來並非如此，他們認為英特爾並未優先看待代工客戶。在英特爾內部，代工業務⁶並未獲得優先考量。相較於製造個人電腦與資料中心的晶片（仍是利潤豐厚的業務），英特爾這項新的代工事業幾乎得不到內部支援。因此，2010年代英特爾投入代工業務時，只獲得一個大客戶，代工業務⁷經營短短幾年後就關閉了。

隨著2018年英特爾50週年紀念日的來臨，這家公司也開始衰頹，市占率萎縮，官僚氣息令人生厭，創新不再。壓倒一切的最後一根稻草，是英特爾使摩爾定律無法延續，規劃的製程改善一再延誤，目前仍難以修正。2015年以來，英特爾一再宣布推遲10奈米與7奈米的製程，而台積電與三星已經領先。

英特爾幾乎沒有解釋⁸出了什麼問題。這五年來，英特爾一再宣布「暫時的」生產延期，技術細節都掩藏在員工的保密協議中。多數業內人士認為，英特爾的許多問題源自於⁹延遲採用EUV機台。到了2020年，英特爾長年資助開發的EUV微影成像機台中，有半數已經¹⁰安裝在台積電。相反的，英特爾才剛開始在製程中使用EUV。

隨著2010年代的結束，僅兩家公司有能力製造最先進的處理器：台積電與三星。對美國來說，這兩家公司都有同樣的問題：它們的地理位置。現在，全球最先進的處理器都在台灣與南韓生產，而這兩國都與美國正在崛起的戰略對手——中國——近在咫尺。

▲ 荷蘭的ASML公司製造最先進的微影成像機，這種機器是用來製作數百萬個微型電晶體的圖案，每個電晶體都遠比人體的細胞還小。每台機器的成本都超過1億美元，由數十萬個元件組成。（ASML）

▲ 如今，先進晶片有微小的3D立體電晶體，每個電晶體都比新冠病毒還小，僅幾奈米寬（1奈米等於1米的十億分之一）。（IBM）