近期聯發科執行長蔡力行在 ISSCC 2026 大會上發表演講，直指 AI 時代已全面來臨，但背後隱藏的「能源戰爭」正讓整個半導體產業面臨前所未有的挑戰。AI 算力需求呈指數爆炸，遠遠超越摩爾定律的步伐，資料中心耗電量急速攀升，甚至可能在 2030 年前後撞上「能源牆」，迫使產業從單一晶片思維全面轉向機架級系統優化。蔡力行認為，未來十年若無法實現每瓦效能提升 100 倍，AI 經濟的永續發展將岌岌可危。趕快跟著股感的腳步，一起來看看這場演講揭露了哪些專業洞見與產業警訊！
我們正活在 AI 時代，影響力將超越網際網路革命
蔡力行開場即指出，無論喜不喜歡，每個人已經直接或間接地活在 AI 時代。就像 30 多年前網際網路改變一切，AI 將帶來更巨大的衝擊，滲透研究、工作、生活與隱私。但邊緣裝置再強，也永遠追不上模型製造者不斷推更大、更好的雲端模型，因此雲端AI與資料中心才是當前焦點。
AI 經濟爆發背後的算力缺口與「能源戰爭」
自 2012 年機器學習起飛、2022 年生成式 AI 爆紅以來，形成正向（或惡性）循環：更多運算能力帶來更好模型，使用者越愛用，需求越爆炸。圖表顯示，訓練與推論的運算需求已從摩爾定律的線性成長轉為指數級，單靠每 18 個月 2 倍的進步已不足以應付。
超大規模雲端業者（CSP）因此砸下驚人資本支出，未來 3-5 年年複合成長率達 25%，推升半導體產業營收高速成長（含AI 後達 16% CAGR），甚至可能在 2026-2027 年突破 1 兆美元大關。但代價是能源消耗失控：原本每 3-4 年能源需求翻倍，如今縮短到半年或更短，一個資料中心園區用電量已等同舊金山全市，產業正面臨結構性的「能源戰爭」，供應跟不上建設速度，2030-2035 年恐撞牆。
從晶片到機架：衡量標準轉向每瓦效能與每TCO效能 蔡力行呼籲產業思維必須「往上移」，不再只賣單顆晶片，而是提供完整機架級解決方案。資料中心的核心單位是機架（rack），內含多個 blade（或 AI 運算系統），整合 CPU、DPU、XPU（GPU/TPU等加速器）、高速互連與冷卻系統。 未來關鍵指標變成：
- 每瓦效能（Performance per Watt）：面對能源瓶頸，必須持續突破。
- 每總擁有成本效能（Performance per TCO）：讓 AI token 大規模、低成本產出，像今天的網際網路一樣「感覺免費」。
XPU 核心挑戰：四大面向必須全面突破
XPU（AI加速器）已成為異質整合的極致平台，晶片尺寸越來越大（數兆電晶體），但挑戰集中在四個領域：
- 運算創新：製程從 4nm 快速推進到 1.4nm，密度提升 2.5 倍；設計技術協同優化（DTCO）可額外帶來半節點優勢；電壓從 0.55V 降到 0.445V 可獲 2 倍每瓦改善；加上數學家貢獻的應用特定架構，合力填補缺口。
- 記憶體系統：佔 XPU 成本 50%，訓練靠高頻寬 HBM（逐漸客製化），推論轉向 DDR/SRAM ；需更高頻寬、密度、可靠性與充足供應；未來compute-in-memory或近記憶體運算將帶來低功耗、高吞吐。
- 互連技術：die-to-die、package-to-package、rack-to-rack皆需極低延遲、低功耗（互連是「稅」）；400G+共封裝光學（CPO）成熱門討論。
- 先進封裝：從 CoWoS 主導的 2.5D，走向 3D 堆疊；尺寸到 2030 年達 10,000-20,000 mm²（iPad Pro大小）；需更好供電與散熱管理，機械、材料科學家皆需加入解決高溫與機構問題。
2030 年後前景不明
蔡力行樂觀認為，憑現有路線圖（摩爾定律、跨領域合作、生態系投入），產業可撐到 2030 年。但 2030 年之後「不清楚」，需要更大規模創新。 因此他向 ISSCC 社群發出挑戰：在未來 10 年內實現：
- 光罩/晶片尺寸增大 40 倍
- 頻寬密度提升 20 倍
- 供電與散熱密度提升 20 倍由此帶來約 100 倍每瓦效能改善，讓 AI 真正無所不在、以極低或零成本惠及所有人。
這場演講不僅是技術分享，更是對半導體產業的警鐘與號召：AI經濟的榮景建立在能源與系統創新的賽道上，誰能率先突破「能源牆」，誰就能主導下一個十年。蔡力行以聯發科的視角，呼籲全球工程師、研究者攜手跨領域合作，共同塑造AI的永續未來。
【資料來源】
【延伸閱讀】
