【硬塞科技字典】摩爾定律是什麼?真的壽命將近了嗎?

影響半導體、計算機科技與數位產業深遠的摩爾定律,你真的瞭解它的威力嗎?
評論
Photo Credit: Shutterstock / 達志影像
評論

相信如果是半導體產業相關的人,應該對摩爾定律(Moore's law)熟到不能再熟了。

摩爾定律是美國半導體大廠 Intel 的創辦人之一戈登.摩爾(Gordon Moore)在 1965 年於《電子學》(Electronics)雜誌所提出。電晶體(Transistor)左右了晶片的效能,而摩爾發現,每個晶片上可容納的電晶體數目,會按照幾何級數的法則增長,每一年約會增加一倍,運算性能提升 40%。他在 1975 年更改說法,調成每兩年成長一倍。後來執行長大衛.豪斯(David House)又提出每 18 個月增長一倍的理論,成為後世普遍參照的說法。

但有趣的是,戈登.摩爾在 1997 年的採訪中表示,自己從來沒有說過「每 18 個月」,且半導體製造技術聯盟(Semiconductor Manufacturing Technology,SEMATECH)路線圖是跟從 24 個月的週期在進行。

摩爾定律可說是科技發展非常重要的自然法則,也是很強勁的預測理論。它不僅成就半導體半個多世紀以來的發展,我們現在常用的智慧型手機、個人筆電等發明都與之有密切關聯。

但隨著電晶體裡的原子數量開始越變越少、科技逐步走進量子層級,近年效能逐漸放慢,專家預測摩爾定律終將會迎來物理極限,甚至有「摩爾定律已死」的聲浪,最被台灣人熟知的例子就出自於 NVIDIA 執行長黃仁勛的口中,甚至提出新的「黃式定律(Huang’s Law)」。連戈登.摩爾本人都預測,摩爾定律大約會在 2020 年前失準。

推薦閱讀:華爾街日報:摩爾定律已死,Nvidia 黃仁勳的「黃氏定律」崛起

但 2019 年台積電的運動會上,創辦人張忠謀以「山窮水盡疑無路,柳暗花明又一村」來形容摩爾定律。而台積電副總經理黃漢森也在同年表示,摩爾定律還是活躍存在,展露出一線生機。

由於摩爾定律牽涉到電晶體的密度,因高解析度的 EUV 曝光技術可能是一個解法,以波長為 13.5 奈米 EUV 的導入,推動半導體的奈米進程,另外,從提高電晶體密度作為切入點,例如先進封裝技術等,也可能可以挽救枯竭中的摩爾定律。

核稿編輯:Anny

延伸閱讀:



Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。