在人工智能 （AI） 已經成為產業不可逆的趨勢下，就連臺積電前董事長張忠謀都表示，未來 AI 的發展將成為帶動臺積電營運發展的重要關鍵。因此，市場上大家都在期待，藉由 AI 發展所帶來的新應用與商機。只是，在 AI 需要大量運算效能與能源，而整個半導體結構發展也面臨極限發展的情況之下，材料工程技術的突破就成為未來 AI 普及化前的其中關鍵。

材料工程解決方案大廠應用材料 （Applied Materials） 指出，根據《經濟學人》表示，當前數據之于這個世紀的重要性，猶如石油之于上個世紀，是成長與變革的動力，而透過科技也為許多產業帶來改變。因此，藉由人工智能與大數據的結合，給市場帶來無限的機會，卻也帶來空前的挑戰。所以，而是否能掌握 AI 與大數據帶來的龐大商機，關鍵在于新技術和新策略上。

應用材料***區總裁余定陸日前在于媒體的聚會中表示，AI 與大數據的結合帶動了 4 個主要的趨勢與挑戰，這也是企業是否能在 AI 與大數據時代掌握致勝先機的關鍵。其中，包括了物聯網普及和工業 4.0 產生超大量的數據資料、現有的空間不足以應付快速增加數據量的處理及儲存、靠著新的運算模式及架構，以及邊緣運算、云端技術和低功耗的每瓦效能，才能將數據成功轉換成價值、以及 AI 與物聯網快速匯流，連接性是最大關鍵，也是決定運作是否流暢的重要因素等。

而因為有了 4 個趨勢與挑戰，使得在 AI 與大數據時代中啟動了「硬件復興」的各種資源投入，不但使得論是傳統科技領導大廠、新創公司或軟件公司，都投入大量的資源、押寶不同的技術領域、聚焦應用的客制化及最佳化，專注于硬件的設計以及投資發展。另外，在在計算機運算處理器部分，人工智能需要大量、快速的存儲器存取及平行運算，才能提升巨量資料處理能力，這時繪圖處理器（GPU）及張量處理器（TPU）會比傳統運算架構更適合處理人工智能的應用。而且，為了使人工智能潛力完全開發，其效能 / 功耗比即運算效能需達到目前 的1，000 倍 ，已成為現階段技術層面亟需突破的關鍵。

再加上 AI 與大數據需要邊緣及云端創新，大量的資料儲存＋高效能運算因運而生。而且在是當傳統摩爾定律下的 2D 微縮越來越慢的情況下，材料工程的創新就成為解決問題的其中一項關鍵。余定陸進一步表示，材料工程的創新未來將建構在 PPAC（效能、功耗與單位面積）的 5 個面向革新上，包括新架構、新結構 / 3D、新材料、微縮的新方法以及先進封裝等。

余定陸舉例表示，原有 2D NAND 的技術應用在實體和成本上已達到極限，為了能讓每儲存單元（cell）的容量再往上增加， 3D NAND 技術采用層層堆棧的方式，來減少 2D NAND 儲存單元距離過近時，可能產生的干擾問題。此外，3D NAND 有倍增的容量與可靠度，更是過去的 2D NAND 無法比擬的 。

此外，先進封裝可以優化系統級的效能。過去 DRAM 封裝是采用印刷電路板（PCB）的方式，目前則采用硅通孔封裝技術（TSV），可將邏輯和存儲器的同質和異構集成緊密地結合在一起，垂直堆棧的 3D 儲存器芯片顯著減小了 PCB 級的電路板尺寸和布線復雜性，大大降低成本、節省一半的電力及延長芯片使用壽命。另一種系統級封裝，運用小芯片（chiplet）多元模塊整合，可提供時間、成本與良率的效益。

余定陸還表示， 傳統計算機架構的馮諾伊曼（Von Neumann）思維有一個主要問題，當處理大量資料運算，單一中央處理器與存儲器間的資料運算規則和傳輸速度，限制了整體效率與計算時間，無法滿足實際實時應用情境。但利用神經形態（Neuromorphic）思維，進行網絡分散架構及平行運算與學習，可加速人工智能計算，達到傳統計算機架構無法達成的連接性。

在 AI 與大數據的結合將帶來無限機會的時代中， 因應復雜性、應用性和在時間方面都面臨很大的困難，而且互連性和材料創新速度上面臨的挑戰，也需要新的策略來克服的情況下，需要藉由材料工程創新、硬件的復興以及產業生態間深度連結來解決。