除了純粹光學的方法外，還有其他方法也可以用來定義半導體的精細圖案。奈米壓印微影（Nano Imprint Lithography；NIL）也發軔於90年代中期，至今還未進入量產，但是其解析度經驗證已可達10 nm以下。NIL的操作是先以電子束微影（electron beam lithography）在「光罩」（其實更像是模版）上寫下欲轉錄圖形的陰刻，然後壓印在已塗佈低粘度（low viscosity）的「光阻」（這物質其實與光敏無關，只是用來抵擋蝕刻）的矽晶上，讓光阻流入圖形陰刻中的溝槽後，以紫外光照射用以固化（curing），形成光阻覆蓋圖形。後續的工作就如同一般的製程一樣，開始蝕刻光阻未覆蓋的區域。NIL有能力用來製造出3D圖形。如此操作可以省卻複雜的光源及龐大的透鏡／反射鏡所組成的光學系統，而且在關鍵層（critical layer）可以只用1次操作完成，所以預期的產量較高。一個微影系統的能力通常以圖形化（patterning）、疊加（overlay）以及量產能力（throughput）來評估。其中圖形化是指生成所需圖形的能力，主要是解析度；而疊加是指上下2層圖形的對齊精準度。目前的進展是對於3D NAND產品NIL的圖案化及疊加能力已達滿意程度，等待量產能力達標後，即可投入產線。對於DRAM，圖形化能力已達14 nm （1a）節點，疊加能力猶待展示；記憶體是NIL比較可能的先期應用。NIL技術主要由日本所開發，佳能（Canon）在90年代未能接受美國授權EUV技術後即轉向NIL方向發展。晶圓廠方面，東芝（Toshiba）於2000年初即投入研發。目前威騰電子（Western Digital）想收購東芝的原因除了擴大生產、研發的規模經濟外，東芝擁有NIL技術、可用於投入MRAM的生產也是吸引力之一。另外，中國也開始投入NIL的研究，這是中國半導體技術自主化中的一環。定向自組裝（DSA；Directed Self-Assembly）是與前述2種技術完全不同概念的運作，DSA也發軔於90年代中期，其時複雜系統（complex system）領域中的熱門研究題目之一是元胞自動機（cellular automata），它是指一個單元可以用簡單規則建立一套複雜系統的模型，DSA就是藉助此概念所發展出的方法。如此跨領域創新，在半導體學院可教不來。 光學微影（photolithography）與NIL都是從上而下（top-down）來定義圖形，亦即圖形先從巨觀尺度定義完成後再去處理圖形中的內容物質；而DSA則是由原分子階層由下而上（bottom-up）組成所需圖形。  DSA使用嵌段共聚物（Block CoPolymers；BCP）當成主要材料，常用的材料為聚苯乙烯嵌段聚（甲基丙烯酸甲酯）[poly（styrene-block-methyl methacrylate）；PS-b-PMMA]。DSA是2條互斥（repulsive）的高分子鏈以共價鍵銜接在一起，對於其他的化學物質有不同的親和性（affinity），這是用來操縱形成不同圖案的主要機制。DSA亦可形成3D圖形。DSA的實際運作首先要形成引導圖形（guiding pattern）—引導BCP自組裝成需要圖形的外在框架，有2種主要方法：圖形外延（graphoepitaxy）以及化學外延（Chemoepitaxy）。前者是先以微影方式定義引導圖形（guiding pattern）的3D拓樸形狀，譬條狀平行溝槽，然後在溝槽壁上或溝槽底部塗佈上特定化學品，沉積BCP於其上。2條高分子鏈中的1條對於以塗佈的化學品具有高親和性，黏附於其上，剩下的就靠高分子之間的自組裝，形成需要的圖形；化學外延則是在基板上直接塗佈較高密度的化學品，剩下的也全靠高分子之間的自組裝機制。DSA既然也需要微影技術來定義圖形，為什麼還需要DSA？原因是DSA自組裝形成圖形的密度較微影技術為高，目前DSA的解析度已達12.5 nm，而且還在繼續向下發展。DSA搭配EUV、做為增強EUV解析度的手段是目前考慮的使用方向之一。相對於NIL，DSA還需要更長的時間才會成熟量產。DSA在量產的2個預期的主要應用為線／間距（line-space）和接觸（contact）圖形，前者是記憶體金屬層的最關鍵技術，因此記憶體公司對DSA的投入較深。目前的微影技術其實離最終極的原分子尺度並不太遠，但這並不意味著對於原分子尺度的運作操控將止步於此。像NIL與DSA都跳脫傳統光學微影系統的思維，利用新的物理、化學機制與材料，更多基礎科學的投入才能容許半導體產業走更長遠的路。延伸報導先進微影技術發展(一)：既有設備路徑的延伸

微影技術是半導體產業用以定義精細圖案的主流手段，目前最先進的技術是極紫外光（EUV），最近的量產設備為ASML 的TWINSCAN NXE：3600D。使用的光源是由二氧化碳雷射打到錫（tin；Sn）電漿（plasma）後，產生13.5 nm的極紫外光。數值孔徑（Numerical Aperture；NA）為0.33，這個數值反比於解析度（resolution，或為Critical Dimension；CD）；微影技術中NA愈大愈好。其解析度為13 nm，生產能力（throughput）每小時可以處理160片晶圓。這機型支援7奈米、5奈米製程的量產。有一個常有的誤解，是5奈米製程其實並不代表其解析度恰好為5 nm，這數字是技術節點（technology node）的名稱。過去此數字的確是代表此一製程的臨界尺度，譬如邏輯製程的閘極長度（gate length）或者DRAM的半金屬間距（half metal pitch）。但是現在電晶體3D化、製程變得複雜，節點的命名代表的是依照摩爾定律演化曲線投射的電晶體數目、電晶體開關速度、功耗的等效名稱。微影技術的後續發展呢？據ASML最近的財報表示，改進的方向是往增大NA的方向，從目前的0.33增大為0.55，後者稱為高數值孔徑（high NA），可以進一步提高解析度。另一個方向是增加生產能力至220片，降低晶圓廠生產成本。理論上一個光源的解析度為其波長的2分之1，譬如EUV現在的光源波長為13.5 nm，理論上其單次曝光的殼達到的最佳解析度約略小於7 nm（重複曝光可以進一步改善解析度）。用較短波長的光源藉以達到更高解析度是以前理所當然的路徑，微影機的光源一路從g-line（436 nm）、h-line（405 nm）、i-line（365 nm）等可見光進展到KrF（248 nm）、ArF（193 nm）的深紫外光（DUV），主要的進展都是靠縮短光源波長來改進解析度的。但是從DUV遷移到EUV牽涉到結構上重大的變革，有2個重要因素。在光源方面，沒有自然的原分子可以被激發後釋放出EUV，所以必須以二氧化碳雷射去多次激發錫電漿。另外，EUV被幾乎所有的東西所吸收，包括空氣以及石英（以前用來做光罩的材料）、透鏡等，所以所有的EUV光學系統都得改成在真空中以鏡子反射式的呈像，這是一個顛覆式的重大變革。EUV的研究肇始於1990年代初，當時DUV的半導體量產機台還未導入量產呢！之所以要花20幾年的時間來研發，因為是對一個更精密系統的重新創造。而且目前的EUV是一步到位的研發。EUV的定義是波長落於10~210 nm之間的光，目前EUV的波長13.5 nm已在EUV定義的邊緣，波長再短就是x-ray了。到那時候又是另一套全新系統的開發。X-ray 也會被空氣吸收，而可能的光源之一是1990年代就提議過的同步輻射，那可又是一場全新的遊戲。所以沿著光學微影方向發展的下一步呢？比較大的可能是超高數值孔徑（hyper NA），NA=0.75，這可以讓解析度比目前至少再提高個2倍。配合其他常用的製程手段，譬如多重曝光、過度蝕刻等，看能否接近矽原子的天然解析度極限。這個路徑雖然是演化式的，但是研發經費仍然是天文數字。後面有沒有足夠的高階應用來分攤這前頭的龐大研發經費，這是個經濟問題。 

最近ChatGPT火紅，我嘗試其不同應用。當中最有趣的是「測謊」。多次實驗後，如果在問答互動過程能提出明確問題，這個工具的確有用，就如同神力女超人（Wonder Woman）的「真言套索」（Lasso of Truth）。創作神力女超人的William Marston（1893～1947）給她一件很奇怪的武器，是一條很長的套索。任何人被套上，都會說實話。這件武器是在為Marston的發明做廣告。Marston在1921年首創心臟收縮壓測技術－量度血壓和皮膚導電率，並研發出審問德國戰犯的儀器，宣稱有Marston的發明，「成功的說謊將成為失傳的藝術」。Marston最後放棄計畫，但其發明成為現代測謊儀機制的一部分。人類一直對測謊的想法著迷，甚至有一個欺騙檢測的傳言說：「如果有人在說話時抬頭和向左看，他會對你撒謊。」所謂測謊是針對口頭的陳述進行評估，檢測是否有故意不誠實的行為。評估的項目包括溝通內容和非語言線索。換言之，測謊除了提問策略外，往往再加上捕獲生理過程的技術一起使用。當我們撒謊或因疏忽而撒謊時，我們的身體往往會暴露我們的意圖。測謊專家通過受測者瞳孔擴張、臉紅以及一系列微表情和身體動作的變化，直觀地感知虛假。有些人在檢測欺騙方面非常熟練。例如撲克玩家似乎總是知道什麼時候有人在虛張聲勢。早在西元前1000年中國人就知道恐懼和擔憂會伴隨著唾液分泌減少和口乾的生理原理。其說法是，恐懼使人們癱瘓。幾個世紀後，伊拉西斯特拉圖斯（Erasistratus）通過監視神經來觀察說謊行為。然而有些人的謊言非常容易測出，有些則非常困難。人都有說謊的藝術，欲準確判斷某人是否在撒謊，可利用認知（cognitive）技術。認知技術正確掃描人們的所有表情。這種認知測謊範式有2類：第一種是心理技巧在面試時，故意造成一個非常困難的情況，受測者必須在高壓下回答問題；第二種是戰略調查技術，著眼於幾種提問方法，以確定真相講述者和說謊者最不同的回答。我的國小老師最會應用認知技術，每當我很誠懇地為曠課說明理由時，她總是能抓到我的破綻。Marston之後有許多測謊機的發明。無論是人類還是測謊機，都使用啟發式方法來確定某人是否在撒謊。當涉及到個人時，沒有一定的公式可以用來過濾資訊以確定撒謊，因此測謊機改用更可靠的量化數據，包括心率和血壓。例如大腦中有一些血管會發生血液迴圈（circulation of blood vessels）。血管的迴圈完全取決於我們的情緒。如果我們心情愉快，血液流動是正常的；如果我們處於亢進狀態，大腦中的血流量會增加。功能性核磁共振造影（fMRI）可檢查出大腦中血管迴圈現象，判定是否說謊。機器的能力愈來愈強大，雖然並不保證是正確的，但足夠可靠，可以在司法調查使用。AI出現後，檢測謊言有更先進的方法。AI可以研究人類的行為、心理思維、身體手勢。搭配聲音和許多其他積極和消極的手勢，凡舉抬眼、身體顫抖、哭泣等，AI都可用來預測出憤怒、幸福、恐懼等不同狀態。AI的答案非常簡單、簡潔、（希望是）準確。儘管人們擔心AI技術能否正確識說謊行為，但測試顯示，人工智慧測謊機的效能優於人類審訊者。人類容易產生偏見，而機器則不會疲倦或分心，更少偏見。當AI技術再精進後，或許「成功的說謊真正會成為失傳的藝術」。 

科學家們追求真理是亙久不變的道理，因此主宰整個宇宙的上帝，便成為他們心目中真理的極致。然而，追求真理的路途是坎坷及艱辛的，這又讓科學家們深深覺得上帝的不可捉摸，而深受挫折。愛因斯坦（Albert Einstein）大概是最有名以上帝之名，發表評論的科學家。他以「上帝不會擲骰子」，表達對於量子力學哥本哈根學派所主張機率性假說的不認同。「我打賭上帝不會是個左撇子」，出此言的是知名物理學家Wolfgang Pauli，他以提出量子力學中「不相容原理」（exclusive principle），而獲頒諾貝爾獎。這時間點發生在華人物理學家吳健雄女士，準備以Beta衰變實驗，驗證也是華人物理學家楊振寧、李政道在1956年所提出的宇稱（parity）不守恆定律。宇稱的意義在於，物質的世界中，經過所謂鏡面反射，其所遵循的物理定律是一樣的，也就是物理定律存在著空間上的對稱性。楊李2位先生的理論說明在弱作用中，也就是粒子的衰變過程中，可以不遵守此守恆定律。吳健雄女士以鈷60的衰變實驗，證實只有左旋的粒子，參與此衰變反應，也證明此不守恆定律的確存在，也就是Pauli賭輸了。可惜的是，當時有好幾個實驗小組同時間進行此實驗，否則吳女士就有機會與楊李共同獲得1957年諾貝爾獎。說到上帝，最令人樂道的莫過於俗稱「上帝的粒子」的希格斯（Higgs）粒子。在1960年代，任教於英國愛丁堡大學的Peter Higgs，在研究基本粒子的標準模型時，提出一個機制可以賦予基本粒子的質量；後人就以希格斯場（Higgs Field）稱之，而這個場的量子化所衍生的就是希格斯粒子。從80年代開始，實驗物理學家紛紛提出建造更高能量的粒子加速器，找尋希格斯粒子。然而事與願違，尋找希格斯粒子的路途是一波三折，包括加速器的建造。因此實驗物理學家Leo Lederman，也是1988年諾貝爾物理獎的得主，寫了本科普書，而書名是Goddamn Particle「被上帝詛咒的粒子」，用以說明尋找希格斯粒子的挫折及挑戰。然而出版商覺得此名不妥，書名也隨後更改為「上帝的粒子」。事實上物質無所不在，而構成粒子質量的希格斯場及粒子，也就無所不在，所以被稱為上帝的粒子也不為過。到底，上帝的粒子是如何被詛咒的?首先在美國雷根政府（Presidency of Ronald Reagan）時代，通過超導磁鐵超級對撞機（Superconductor Super-collider；SSC），利用質子對撞產生的巨大能量，尋找希格斯粒子蹤跡。這個計畫始於1987年，在美國德州70公尺的地下，開挖圓周長87公里的通道，預期經費是110億美元。很不幸到了柯林頓政府（Presidency of Bill Clinton）時期，國會否決繼續開發此案所需的經費，而將資金挪到建造國際太空站。至今在德州的草原下，仍留下長度超過22公里的地下隧道。歐洲核子研究組織（CERN）在1989年就已經運作大型電子及正子（Large Electron and Positron；LEP）對撞機，正子就是電子的反粒子。這是個橫跨法國及瑞士邊界，地底下175公尺，圓周長27公里的龐然大物。LEP在初期並不是為發現希格斯粒子所設計，在其所規劃的實驗中，均獲得不錯的結果。實驗物理學家則嘗試增加對撞電子及正子的能量，企圖一舉找到上帝的粒子。就在LEP幾乎達到該粒子的理論能量值時，發現幾個驚鴻一瞥的零星個案，但卻不具有完整的說服力，一步之遙令科學家們扼腕不已。CERN痛定思痛，在2000年時決心拆除LEP，在原址改建為大型強子對撞機（Large Hardon Collider；LHC），這次是針對尋找希格斯粒子而設計，改採質子對撞。這一改就是10年光陰，以及80億美元的經費。最後終於在2012年7月，經過2組獨立的團隊，分析相關的數據，分別得到足以採信證據，宣布找到希格斯粒子。歷經超過50年努力，無數人力及資金的投入，這大概是有史以來最為浩大的科學實驗。諾貝爾委員會也隨即將2013年的諾貝爾物理獎，頒給理論提出者Higgs及Francois Englert等2位教授。當時希格斯教授已經84歲了。愛因斯坦曾說「上帝難以捉摸，但並不心懷惡意」（Subtle is the Lord, but malicious He is not），這說明人類在追求真理的道路上，還有很長的路要走。愛因斯坦晚年任職於普林斯頓高等研究院，周末時間仍到研究室工作，同仁見到他勸說不必如此地辛勞，愛因斯坦的回答是「上帝禮拜天也沒有休息」。

1890年代的美國人口普查扮演今日資訊處理革命的最大推手。當時要蒐集6,200萬美國人口的資料，美國人口普查局（United States Census Bureau）為此十分頭痛。經過評估，結論是以人工方式做紙本核對已不可行。在人口普查局尋求可行方案的過程，促成早期計算機器技術的演進。當中的關鍵人物是號稱全世界第一位統計工程師Herman Hollerith（1860～1929）。荷勒里斯在大學時代的表現優異，引起學校教授Trowbridge注意，僱用他到人口普查局當統計員。Hollerith在分析1880年人口數據時，發現以人工方式蒐集和處理資訊頗有不足之處，會產生許多錯誤。1890年時美國的人口成長超過6,000萬，以人工方式做人口普查，計算量已達瓶頸。Hollerith一直在注意兩套系統：Joseph Charles（1752 ～1834，又名Jacquard）的紡織花梭機（Jacquard loom），以打孔卡片（Punched pasteboard card）來控制編織的花樣；以及火車列車長將車票打孔來確認旅客及旅程的方法。根據對這2套系統的觀察，Hollerith開始構思人口普查的記數機器（Counting Machine）。1884年，Hollerith申請到第一個專利：利用卡片穿洞與架在彈簧上的釘子，設計出一種排序技巧。人口普查人員在記錄卡片上打洞，再將整疊的卡片餵入Hollerith設計的機器。機器運作時，裝有彈簧的釘子若滑過卡片上的洞，會和下方的電極接觸，使電流得以通過。機器以此辨別電流無法通過的卡片，並加以統計。這個龐大的電動排序機被稱為Hollerith Electric Tabulating System，是統計應用的一大成就。1886年，Hollerith已獲得打孔卡數據處理方面的一系列專利，成立製表機器公司（Tabulating Machine Company；TMC）以招攬生意，初期已有許多應用服務。例如幫保險公司分析死亡率數據（mortality data） ，以及提供紐約和巴爾的摩兩地間火車的運貨帳單。1890年，美國人口普查局使用Hollerith的機器，很有效率的將原來人工統計的時間由2年縮短為6個月。人口普查統計的方式，是將每一個人的資料分別記錄於一張40欄位的打孔卡片（這張卡片則成為那個人的永久檔案）。所有卡片都輸入Hollerith的機器來計算統計。此次人口普查相當成功，為納稅人省下500萬美元。Hollerith的機器揚名立萬，後為全世界各國採用於人口普查。

2022年11月17日，VinFast宣布斬獲美國電動汽車租賃公司Autonomy 2,500多輛VF8和VF9汽車的訂單，這是Autonomy有史以來給出的最大電動汽車訂單之一，由此可見越南汽車在國際市場上已被認可。以下表2概述了VinFast造車產業的發展歷程。2022年3月，VinFast宣布將投資20億美元於美國北卡羅萊納州新建一座汽車工廠，用於生產自有品牌的電動汽車以及動力電池，規劃年產能15萬輛，預計2024年7月之前正式投產。2022年4月7日，VinFast宣布已經向美國證券交易委員會（SEC）提交上市申請，但該案是否受「降低通膨法案」（The Inflation Reduction Act of 2022；IRA2022）影響尚不明確，但已知VinGroup子公司VinES與在深圳證券交易所上市的國軒高科在越南河靜省合資設立磷酸鐵鋰電池（LFP）電池工廠，並於2022年11月18日舉行開工典禮。此外，VinFast與寧德時代2022年10月31日簽訂全球戰略合作備忘錄，並投資台灣固態電池廠家輝能科技數千萬美元，可見VinGroup在動力電池與新能源汽車上的發展方向甚為明確，此舉也帶領著越南動力電池整裝待發。以下整理幾則來自越南的報導，幫助讀者瞭解越南動力電池目前的發展狀況：2022年11月18日，國軒高科與VinGroup合作的電池工廠在越南河靜省經濟開發區正式動土，總投資近2.75億美元，佔地約14公頃，一期規劃年產能5GWh，預計2023年末投產，2024年第3季度開始大規模生產。該工廠將成為越南第一座LFP電池工廠，生產的電池將供應VinFast新能源汽車的需求。據了解，此次開工的電池工廠由國軒高科持股51%，VinES持股49%；VinES於2021年8月4日註冊成立，主要負責動力電池生產業務。值得一提的是，2022年10月31日，中國動力電池龍頭寧德時代與VinFast宣布簽訂全球戰略合作備忘錄，雙方將在CTP（Cell-to-pack「無模組電池包」）、寧德時代的一體化智慧底盤CIIC（CATL Integrated Intelligent Chassis）滑板底盤等專案上開展合作。在現有CTP產品配套的合作基礎上，加上CIIC滑板底盤將電池包、電機及其他關鍵部件集合在車輛底部，可降低成本並節省能耗，同時擴大乘坐空間。寧德時代還將協助VinFast電動車在續航里程、安全性及智慧駕駛方面達到新的水準。此次合作也有助於雙方完善全球布局，共同開拓新興市場。據固態電池全球領導廠商台灣輝能科技發布的消息，越南最大民營集團企業Vingroup的子公司VinFast，於2022年07月6日宣布與輝能科技結盟，並對輝能科技數投資數千萬美元。根據合作安排，輝能科技計劃從2024年開始向VinFast提供固態電池，以支持其下一代產品線。輝能科技第一座固態電池工廠計劃於2023年初啟動，此工廠大部分產能將用於供應VinFast電動車。未來，輝能科技和Vinfast還可能在越南建立合資的固態電池工廠。固態電池是最有前途的技術之一，在安全性、能量密度、超快速充電能力、可回收性、重量優化、成本和使用壽命方面具有優勢。VinFast旨在以世界領先的技術保障電池供應，加強對電池供應數量和類型的控制，以滿足VinFast EV每條產品線的需求，以及市場對高科技、高性能、更安全、更環保的電池的需求。Vingroup 副主席兼 VinFast CEO黎氏秋水（Le Thi Thu Thuy）說：「輝能科技將協助 VinFast 採用先進電池技術的EV產品，以提供更愉快、更安全的駕駛體驗。」總結：越南動力電池正在起步，上下游供應鏈尚在萌芽階段，在可見的未來充滿商機。綜合前述，動力電池業者規劃在越南投資設廠，並與當地電動車龍頭VinFast攜手並進，原因有二：一為開發東南亞動力電池與電動車這塊處女地；其二為降低生產成本，忽視美國IRA 2022電動車補助所設的限制，與美國本土動力電池與車廠直球對壘決。但無論如何，越南甚至東南亞對動力電池的需求仍是一塊處女地，整個產業鏈都需仰賴外援，其正極材料、負極材料、電解液與隔離膜四大零組件都沒有生產能力。對關鍵原物料的取得與加工皆無法與中國匹敵，為今之計只有仰賴中國為其「輸液」。但筆者以為，電解液、電解質、隔離膜等與化工產業關係密切，台灣有許多公司握有生產技術，應可從此切入並擷取商機。另外，近來相當熱門的車用晶片，這也是台灣的強項，往後電動車所需要的晶片台灣應可為其客製化，只要有電動車就一定有台灣，進而取得關鍵席次。越南在疫情前GDP年成長率都有7~8%，民眾購車能力大幅增加，筆者以前服務的河靜鋼廠越籍同事，幾乎都已購車代步。如今疫情趨緩，可預見其汽車市場將蓬勃發展，對電動車的期待將更殷切，對動力電池有更迫切的需求，讓我們拭目以待越南的發展。 

誰是當今動力電池的霸主？無可諱言，中國是現今動力電池的龍頭。這要歸功於中國政府於2015~2019這四年間推出的「汽車動力電池行業規範」，中國順勢坐穩了鋰電池生產技術與生產規模的龍頭位置。據2021年3月統計資料，全世界鋰電池上遊供應鏈當中，中國各項組成佔比如下：負極材42%、正極材65%、電解液65%、隔離膜43%。2022年的初步數據指出中國企業在動力電池的所有關鍵物料佔比都超過一半，絕大部分環節佔比超過70%，少部分如石墨佔比則近90%。如此高的佔比意味著不論是車企，還是電池企業，想要建成不依賴中國的動力電池供應鏈，就必須付出長久的時間和巨大資金成本。美國的回擊2022年8月16日，美國總統拜登正式簽署「降低通膨法案」（The Inflation Reduction Act of 2022；IRA2022），此一法案主要分為兩方面：增加營收與擴大投資。法案中對潔淨能源汽車補貼設置了動力電池的限制條款（須滿足條款，每部車才可享7,500美元補助），其目的在於以政策手段抑制國外競爭對手並扶持本國產業，其手段則由電池「關鍵礦物原料來源地」和「電池關鍵部件製造地比例」兩方面進行限制，請見表1。如依限制條款「2023年1月1日原材料40%和電池組件50%的最低佔比」要求，美國市場上目前在售車型幾乎全都無法獲得補貼。實際上，7,500美元的電動汽車補貼，延續自歐巴馬時代，有所不同的是，當時的政策有銷量限制，即每家車企只有20萬輛的額度，如今拜登時代則是增加了限制條款。                        對中國企業來說，法案帶來的不確定性和不友好態度是主要的憂慮，尤其是明文指出關鍵礦物原料與電池組件不得來自「某些國家」的敏感實體，請參考表1中的 (a) 欄，即暗指中國企業。美國車企高度依賴中、韓動力電池供應商，而南韓電池企業在上遊供應鏈方面又高度依賴中國企業，這意味著使用中、韓兩國企業的電池，車企都將無法獲得補貼。至於日本，其動力電池企業的供應鏈基本上不依賴中國，雖然也造成了日企的電池成本較高，但日本主要供應給高階產品，而這次的補貼條款還設定了價格上限：轎車5.5萬美元，SUV、皮卡8萬美元，因此高階產品有可能因為超過總價限制而無法獲得補貼。現在中、美動力電池的製造成本差距約為30美元/KWh，一台純電動整車電池組的成本差距約2,000美元，而未來其成本差距將進一步擴大，僅電池系統的成本差額就將佔據補貼金額的一半左右。如果再計算美國企業需要為調整供應鏈付出的時間和資金成本，抵消掉新增成本後，7,500美元補貼的誘因已經所剩無幾。美國主要的車企聯盟－汽車創新聯盟（Alliance for Automotive Innovation）認為，美國車企想要獲得部分補貼，至少需要4年時間調整供應鏈，如果想要完全符合原材料來源和組件製造地兩個限制條件獲得全額補貼，則至少需要等到2027~2028年後，雖然法案規定的補貼期限一直持續到2032年，但對美國車企來說，能夠獲得補貼的時間可能只剩不到5年。事實上，赴美建廠的動力電池企業都面臨著如下的選擇；一是依循美國的要求對其言聽計從，但動力電池企業普遍擔心因而身陷泥淖；二是另闢蹊徑，尋求其他地區的增量市場，如寧德時代到歐洲匈牙利設廠即是一例；三是放棄美國補助，到第三地生產更低成本的動力電池與電動車，與美國本土車商直球對決，在此考慮下，東南亞尤其是越南即凸顯出此方面的優勢。越南商機湧現在談越南動力電池產業之前，必須先瞭解越南的動力汽車龍頭VinFast的發展過程與現況。VinFast成立於2017年（為VinGroup子公司），一年後收購了通用汽車（GM）在越南的汽車生產線，因此在其團隊中的成員大多擁有在通用汽車工作的背景。VinFast已成為近年來越南本土迅速崛起的造車新星，但是如果想要從傳統內燃機引擎汽車發展新能源汽車，所需要的動力電池卻只能依靠外援。VinFast的頭三款內燃機汽車－Fadit, LuxA2.0, PresidentV8－都直接移植BMW成熟的技術平台打造，動力系統採用BMW原廠代號N20渦輪增壓發動機，而成本卻比原廠低60%左右，推出後在越南市場曾一度走紅。2021年11月，VinFast推出了首款電動車-VFe34，同年推出了面向全球市場的高階智慧化電動SUV-VF8和VF9。2022年初，VinFast CEO黎氏秋水（Le Thi Thu Thuy）宣布，將全面摒棄燃油車，成為純電動汽車企業，目標是在五到六年內生產和銷售約100萬輛電動汽車。（未完待續）

美國能源部公布自2008年至2022年以來，電動車電池的價格下降89%。降價的2個主要原因是因為量產以及電池技術的進步。量產的驅動力來自於電動汽車量的增加，而規模經濟的效果自不待言。技術的進步值得一提，其中研究主軸自然是材料，但範圍包含廣泛的電化學、電極材料、電解液、催化劑、機構、監控等。在這統計的14年中，不僅奈米科技一日千里，容許工程人員對微小物質的操控，而且這段時間也是材料科學成長出新的研發臂膀期間，理論的新手段如第一原理計算（first principles calculation）、機器學習乃至量子運算等，紛紛被應用到電池材料的研發。這些手段在進入實驗之前，可先預測目標材料種類及特徵參數，實驗結果往往也與預測相近，這些開發手段的改變大幅縮短開發時程、降低開發的經費。掌握這些新研發方法，乃電池研發競爭的主軸之一。車用電池發展與注重企業ESG的年代也重疊，因此企業經營必須將整個生態環境計入經營考量，企業再無外部成本可言。鋰離子電池中使用較多的鋰、鎳、鈷等金屬，如果按照目前的使用效率及市場成長估算，目前已知的礦藏量可能在10年後告罄，所以分級使用以及資源回收勢在必行。譬如電動車電池在充電率降至90%之後，經廠商修整再移至再生能源當儲能設備使用，最終進入資源回收的循環。電動車電池一直存在著地緣政治的議題，主要原因是電池是電動汽車的核心，而中國掌握全世界60%電池組製造，高度集中的比例在今日地緣政治的環境下，令人擔憂電動車電池也會被用來做為戰略槓桿工具。筆者有幾個理由，認為這是過慮了。第一個原因是原材料。世界的鋰礦藏大部份在南美洲三國：玻利維亞、阿根廷、以及智利，其次是澳洲。中國有70%的原材料依賴進口，但是中國對於礦藏本身可能擁有部分所有權。如果鋰離子電池一旦升級為戰略物資，各國普遍有政府可以徵用的法令，啟動槓桿戰略的可能，中國自己先反受其害。第二個理由是中國雖然電池組產量佔全世界60%，但是電動車產量亦佔50%以上，而且上升勢頭甚猛，譬如2022的出口輛數就較2021的多1倍。在自己使用供需略近平衡的狀況下—而且電池成本目前佔電動車成本近40%，本身價值不菲—將電動車電池當成戰略槓桿武器使用是不切實際的。一旦供應鏈重組，中國自己受傷害的機率很大。第三是新電池的發展仍然在持續發展之中，鋰離子電池未來是否仍然是主流產品仍在未定之天，這也是各界關注電池產業發展的焦點。近期趨勢是重回鈉離子電池。雖然鈉離子電池因為鈉的原子序較大，其比能量目前處於100~150 Wh/kg，仍然略遜於鋰離子電池的120~180 Wh/kg，但是其原材料價格便宜甚多：碳酸鈉（sodium carbonate）每噸就300美元上下，而碳酸鋰（lithium carbonate）2月價格略低於50萬美元。二者價格有上百倍的差距。鈉離子電池還有其它的功能性優點：可以在較低的溫度工作，也沒有過放電（overdischarge）的問題（鋰電池電力完全用完時負極可能受損）；鈉離子電池的導電率也較高，所以比功率、充電速度也較高。另外，鈉離子電池在短路時升溫較鋰離子電池慢，相對較安全。鋰離子電池的負極（anode）通常是石墨（graphite），正極（cathode）常用鈷酸鋰（lithium cobalt oxide）；鈉離子電池要複雜得多。負極因鈉離子較大，沒辦法嵌入石墨中，必須用硬碳（hard carbon），而硬碳價格很高，一噸在十數萬美金之譜，這降低了鈉原材料的成本優勢；而正極材料亦較鈷酸鋰要複雜得多。即便有這些工程的挑戰，預計今年（2023年）鈉離子電池會進入量產，而鋰離子電池下半年可能會產能過剩。電動車產業從鋰離子電池邁向鈉／鋰離子混合電池的過程正在發生之中。在更長遠的未來，氫燃料電池（hydrogen fuel battery）—如果可以解決工程問題的話—是更理想的電池產品：原料氫和氧都沒有儲藏量的問題，而使用後的產物是水，也無環境污染和回收的問題。因為有這些可能的技術急轉彎的新產品，以鋰離子電池當成戰略槓桿物資的機率並不高。毋怪乎有些大的傳統汽車廠能氣定神間的在一旁靜觀，沒有加入鋰離子電池的競爭。目前只是初發韌期，所以電動車電池目前還沒有統一規格，一切有待觀察。延伸報導電動車電池（一）：材料演變與應用型態 

電池是將電能或其他能量先轉化成化學能用以儲存能量，使用時再將所儲存化學能轉化成電能的電化學（electrochemistry）機構。電池的主要結構有3個部分：負極（anode）、正極（cathode）以及電解液（electrolyte）。電解液的功能是分隔負極與正極，並讓帶有電荷的電子和離子於負極與正極之間穿梭流動。電池自問世至今已超過160年，其樣態歷經過4種主要的材料：鉛酸（lead acid）、鎳氫（Nickel Metal Hydride；NiMH）、斑馬（ZEBRA，Zero Emission Battery Research Activity；NaNiCl2，主要成分是鈉、鎳、氯）以及鋰離子（lithium ion）電池。鉛酸電池現在還在服役，就是常見的汽車用以點火啟動電池。但是我們要談的電動車電池（Electric Vehicle Battery；EVB）是牽引（traction）用的，基本上是輸出力、驅動馬達、拉動電動車，與點火用電池的結構和設計略有不同。鋰離子電池的大量應用則自然是從手機的行動應用開始，主要考量當然是其輕盈可攜，之後這個好處就自然的被引入電動車電池的應用。從這電池系列的演化軌跡，我們發現了一個有趣的趨勢。如果把各種電池主要的金屬材料的原子序標出的話，依序是82、28、11、3。這代表整個產業對電池金屬材料的演化是一心一意朝向輕盈的方向邁進。事實上，鋰已經是最輕的金屬，比它輕的元素只有氫和氦，全是氣體，也不是金屬，無法當成電極來導電。一個完整的電動車電池由幾千個電池單元（cell）組成。先是由3、4百個電池單元串聯和並聯的方式組成1個電池模組（module），十幾個模組再組成1個電池組（pack）。以Tesla Model 3為例，其電池組就由7、8,000個單元組成。每個模組中有冷卻機制（cooling mechanism），並且用電池管理系統（Battery Management System；BMS）監控電池的健康狀況（State Of Health；SOH）：包括溫度和電壓等，以維持電池在安全的參數區間內工作，並監控充電狀況（State Of Charge；SOC）。一旦電池的溫、壓異常，電池上的保險絲會熔斷，以維護系統安全。通常電壓異常和保險絲熔斷是電池需要更換的2個主要原因。評估電動車電池對應用的妥適性時，有6個重要的指標：比能量（specific energy）、比功率（specific power）、生命週期（life span）、性能（performance）、安全性（safety）與成本（cost）。這裡的比能量指的是每公斤電池能儲存多少的能量；比功率是電池在每單位時間內能輸出多少能量。前者牽涉到電動車能走多遠，而後者則關於電動車能跑多快。生命週期指電池能充放電的次數，佐以電動車平均使用頻率，也可以粗估電池使用年限。安全性的考慮主要是在高熱、升溫的環境下，或者電池遭撞擊、刺穿的狀況下，鋰離子電池容易燃燒、爆炸。性能的考量較多樣，包括充電速度、低溫使用等特性。成本毋庸說明，目前鋰離子電池在量產日增的條件下，價格快速下降。但是未來勢必面對臨鋰礦逐漸枯竭的狀況，成本進一步繼續下降面臨挑戰。比能量是電動車能上路的基本考量，這決定一定重量的電池能讓電動車行走多遠？這是每一部能上路的電動車都要掛心的事，反過來這又決定1部電動車需要攜帶多少重量的電池？如果電池重量本身佔整部電動車重量的比例過高，能搭載的重量就很受限，畢竟電池的能量很大一部分是用來攜帶電池本身的重量。目前鋰離子電池的比能量約在120~180 Wh/kg之間，這是所有型態電池目前所能達到最好的數值。這6個因素在不同應用時需要針對應用均衡的考慮。目前對電動車電池應用工程實務的做法是稍微妥協比能量和比功率（因為稍有餘裕），以換取較快的充電速度、較長的生命週期以及較高的安全性。將鋰離子電池應用於電動車上的表現如何呢？目前進展狀況是，以Tesla Model 3為例，一部1.5噸的電動車攜帶400kg的電池大約可行駛400公里以上，30分鐘內可以充滿80%以上的電能，但是電池重量大約佔電動車總重量的3分之1！而上述的車行距離、電池重量、充電速度等資料，只能說是堪稱勉強滿足需求。鋰已經是原子序最小的金屬，輕無可輕。因此如何改進電池中的其他材料，譬如電極材料、電解液、催化劑等成分，以及電池的結構和控制等因素，以提高電池儲存電力、電化學能轉換效率，是目前電池研發重點。

去年（2022年）底科技界最火紅的話題，莫過於OpenAI所推出的ChatGPT，這是個可以透過文字或對話，與人類直接互動的人工智慧產物。由於我們是無法有效地分辨出所互動的對象是人或機器，達到所謂圖靈驗證（Turing test）的終極要求。GPT（generative pre-trained transformer）是所謂的生成型人工智慧（AI），只要有主題句或初始對話，這已被訓練好的生成型人工智慧，即可寫出一篇文字流暢且具思想的文章，或者與我們侃侃而談。人工智慧的發展及演進已經歷好幾個世代，早已跳脫利用海量資訊，將人類過往的知識及經驗，蛛絲馬跡般地尋找出最適切的解決方案，取而代之的是機器自己的學習，並創造出人類沒有嘗試過的解決方案。生成型人工智慧就是近來備受關注的，其所使用的是自我迴歸（auto-regressive）演算法。程式設計師需要將所欲解決問題的基本規則輸入，包括相關的參數，並設定好最終的目標值。接著電腦就開始不間斷地自我學習（預測）以及檢驗，找出各參數在這個當下時間節點的輸出預測值，並與上一個時間節點的輸入參數做比較（檢驗），如果兩者間有其相關性，則對於下一個時間節點的預測就更有把握及準確。一旦達到所設定的目標值，這個人工智慧的自我訓練就大功告成。DeepMind在幾年前所推出的AlphaZero，在經過4小時的自我學習訓練，隨即打敗所有下西洋棋的電腦程式。自我迴歸演算法，在各參數不斷地預測及檢驗的循環下，需仰賴龐大的計算能力。所幸先進的半導體技術，已提供所需的運算平台。以使用4奈米技術所製作的最先進高速運算晶片為例，其晶片已內含超過1,000億個電晶體。不久前超微（AMD）在CES 2023會場上，所發表新一代的運算架構，9顆小晶片（chiplet）的堆疊，使電晶體數目更超過1,400億顆。其實說穿了，生成型人工智慧與量子運算是殊途同歸，兩者解決問題所採取的步驟都是類神經網路的架構，在不斷地預測與優化間，找到最適切的解答。不同的是，量子運算乃自然界微觀世界所提供的量子疊加（superposition）與糾纏（entanglement）；人工智慧是人為演算法及半導體算力。自然界產物比較難以捉摸，人為的世界比較可以預測。量子運算的硬體架構經過多年的發展，依然很難決定要往哪一個方向前進，這其中製作量子位元（qubit）相關的技術就包括超導體、離子阱（ion trap）、光子或者電子自旋（spin）。在資源無法集中的情況下，勢必會影響到量子運算達到實際應用的時程表。甚至有專家開始提出，結合超級電腦人工智慧運算的能力，以及量子運算的獨特性，相輔相成共同完成艱鉅問題的解決能力。換言之，當量子運算還不清楚該如何跨出下一步時，生成型人工智慧在演算法不斷地精進，及更龐大運算能力的硬體支持下，已逐漸挑戰到未來量子電腦所擅長的領域。科技的發展很難用以始為終的邏輯來判斷，需要密切關注發展中的每一個環節，並時時做修正。以TFT-LCD顯示器為例，OLED的確有非常好的條件取代TFT-LCD，但是整體發展下來，OLED也僅能在中小尺寸的顯示器有所著墨。反而TFT-LCD採用OLED作為背光源，更壯大TFT-LCD在產業的聲勢。個人淺見認為，量子運算有可能走入OLED的命運，甚至更慘。2022年諾貝爾物理獎頒給在量子資訊領域有傑出貢獻的3位學者，一時間有不少的報導認為量子運算已備受肯定，未來商品化的價值指日可待。事實上諾貝爾委員會所表彰的是這三位學者，以實驗證明貝爾不等式（Bell inequalities）的不存在，也間接地指出愛因斯坦狹義相對論的不完備。這全然是根源於基礎物理的實證，與未來的應用沒有關聯。諾貝爾委員會曾頒過2次物理獎給量子霍爾效應（quantum Hall effect）相關研究，原先也被認為未來會有應用及商品化的價值，但後來都沒發生。台灣投入不少資源在量子運算的發展上，但如果以未來應用的可行性來審視，人工智慧的發展更應該要有積極的規劃。