第三屆成電論壇登場 聚焦生成式AI應用發展

▲▼第三屆成電論壇。(圖/記者高兆麟攝)

▲第三屆成電論壇。(圖/記者高兆麟攝)

記者高兆麟/台南報導

國立成功大學今日舉行第三屆「成電論壇」,主題為「生成式AI」,現場邀請五位畢業系校友蒞臨分享,包含東台精機董事長嚴瑞雄、華碩電腦執行長胡書賓、華邦電總經理陳沛銘、奇景光電副總經理陳有棟、耐能智慧創辦人暨執行長劉峻誠,針對AI驅動智慧製造、生成式AI發展、應用與未來趨勢進行分享與探討。

[廣告] 請繼續往下閱讀.

論壇由成大校長沈孟儒致詞展開序幕,沈孟儒表示,由於Covid-19疫情,影響全球經濟與環境,人們也學習了新的生活與教育模式來適應疫情所造成的衝擊,所幸科技的進步未讓一切完全停擺,透過網路資源持續讓研究、教學、國際化得以維持一定發展,而疫情逐漸趨緩之際,在後疫情的世代下,透過數位轉型與新知識爆發,持續發揮成大人以務實且積極的態度,面對各種挑戰,並以創新創意的思維,克服解決各種難題困境。

成大電機系友會理事長暨旺宏電子董事長吳敏求表示,台灣半導體近年成為世界關注的焦點,然而,幾十年後的台灣要保持領先,關鍵就是能長遠、持續培育創新科技人才。

吳敏求擔任成大電機系友會理事長以來,三年前首次推動「成電論壇」,探討前瞻科技趨勢,讓師生與產業界近距離對話,激盪創意的火花,更將規劃設置青年教授講座,每位講座每年提供一百萬元獎勵,延攬傑出優秀的國內外年輕教授人才於成大任教,教授新知與傳承經驗,提升台灣科技整體的創新動能。

AI的快速發展推動科技再一次進步創新,記憶體也從資料儲存逐漸走向幕前,扮演「存算一體」的關鍵角色。旺宏電子致力研發以記憶為中心的相關應用,例如最新推出的FortiXTM系列3D NAND/NOR快閃記憶體,就是旺宏研發團隊為AI應用量身打造的創新記憶體,兼具儲存及運算功能,相關技術論文近年於國際電子元件會議(IEDM)、國際固態電路研討會(ISSCC)等全球頂尖學術研討會上屢獲矚目。

[廣告] 請繼續往下閱讀..

東台精機董事長嚴瑞雄就AI驅動的智慧製造分享,嚴瑞雄謙虛的說「我是來破題,答案都在專業的那裡。」現場還分享自己受邀演講後,使用生成式AI發想演講內容的趣味過程,並以台語親切幽默的說,「機械系不是來踢館,是來學習未來要如何辦成機論壇」,引發現場笑聲不斷。

他提到,生成式AI的出現,讓AI技術能在區分和理解數據上創造出新的解決方案和創意,解決智慧製造少量多樣的挑戰,大幅加速AI導入的時程。讓生成式AI與現有AI的結合,拓寬智慧製造的應用範疇,也定義新的發展方向。相信生成式AI將繼續推動智慧製造技術的創新和進步,讓大家共同邁向製造者的桃花源。

華碩電腦共同執行長胡書賓則以「生成式AI的發展、應用及生態系」為主題,透過簡單易懂的譬喻,為現場帶來有關AI演進、產業鏈生態系、大型語言模型等宏觀面分享。他提到,過去AI 1.0可以解決是非題、選擇題,現在AI2.0 生成式AI可以解決申論題,應用層面更廣。以台智雲為例,這是國科會在2018年投入50億建置可用於模型訓練的AI 超級電腦為基礎的超算力雲服務公司,今年5月便推出利用2000億個文字與近百萬的訓練樣本所做出的福爾摩沙大語言模型,提供台灣各產業發展生成式AI重要關鍵的基礎建設(Infrastructure)。

他強調,生成式AI驅動知識生成、應用、生產力創造的典範轉移,台灣產業鏈具有競爭力,應擁抱生成式AI帶來的未來契機,推動台灣成為亞洲AI生態系強國,創造另一護國神山。

[廣告] 請繼續往下閱讀...

華邦電子總經理陳沛銘以「Memory for AI」主題分享。他提到,「AI對記憶體是一個充滿挑戰但也充滿機會的領域,期待記憶體技術能為AI領域未來描繪出更加輝煌的前景。」以技術面而言,AI模型中,特別是大型的語言模型,需要大量的記憶體來處理龐大的參數作訓練,傳統記憶體技術已顯現瓶頸。為了滿足AI模型的龐大需求,記憶體必須進一步革新的趨勢;而伴隨著AI技術普及,Edge AI的應用也逐漸蓬勃發展。記憶體需配合其應用特性架構開發特殊的創新技術,例如:發展高效能、高頻寬、低延遲、低耗電的記憶體,以及利用3D堆疊技術增加記憶體容量及頻寬等技術創新,也是未來關注的重點。

耐能智慧執行長劉峻誠則在成電論壇的尾聲就「個人化GPT:未來在終端」進行分享。劉峻誠是世界現行多本AI教科書的作者,也是AI晶片量產先驅。劉峻誠也為現場展示沒有連接網際網路的「私有化GPT」,舉凡搜尋世界名人相關資料、語言翻譯或寫程式等該GPT的回覆時間都很即時,隨後他更強調這些技術小型電路就能實現,而且沒有風扇、可以像積木一樣堆疊,符合各式市場需求,引發現場諸多好奇。

他也提到,考慮到運行ChatGPT所需的GPU計算資源可能導致碳排放增加和成本上升,這對實現AI的民主性構成挑戰。終端算力NPU可同時解決延遲和隱私揭露問題,通過在邊緣運行AI演算法,實現最小延遲,成本效益顯著。