最新文章

真正的瓶頸不是 GPU,是電

AI 瘋狂擴廠,但真正的瓶頸是電。GPU 買得到(NV 有產能),但電網併網要 5 年、變壓器要 5 年。2026 年宣布 12 GW、實際在建只有 5 GW(約三分之一)。瘋狂擴廠有一部分是紙上沸騰。

企業會用雲端商的 AI,還是自建?

雲端商的擴廠論預設企業會用雲端 AI,但資料敏感的企業(IP、國防、受監管)傾向自建 local AI 防資料外流。公共雲主力推理 56%→41%、私有雲 56%。雲端商的擴廠論對「多數企業」對,對「資料敏感的企業」錯。

AI 現況到底幫了什麼?

AI 現況真正解決的是軟體:驗證成本低的領域,AI 的效應可測且為真,但幅度依任務複雜度而變。得利的是用 AI 做例行軟體工作的公司,受損的是軟體工程師例行工作的單位價值。

AI 省下的成本搬到哪?

AI 省下的成本不是消失,是搬到共享記憶體元件的價格上,再傳到消費電子:2026 年手機貴 13%、PC 貴 17%。這是累退式轉移——享受不到 AI 好處的人,最付不起 AI 的副作用。

AI 投資循環靠什麼養?

AI 投資循環靠 B2B/基礎設施 capture 養(記憶體租金、NV 定價權、超大型雲端收入),不是 B2C。目前是賭:超大型把營收的 31–83% 拿去 capex、2025–2027 要發 $1.5 兆債。買家沒 ROI 就砍 capex,循環就斷。

SLM 是什麼?它的功用是什麼?

空間光調變器(SLM)是逐像素改變光束振幅、相位或偏振的程式化光學元件。本文說明 LCOS 與 DMD 兩種主流技術的結構與規格,並整理它的六大功用:光束整形、適應性光學、全光顯示、光鑷、脈衝整形、光學計算。

FAU 的耦合誤差從哪來?

FAU(光纖陣列單元)是光纖陣列與光子晶片的邊緣耦合標準介面。本文說明它的 V-groove 結構與製造流程,並拆解耦合誤差的三大來源:製造公差、組裝錯位(橫向/角度/軸向/模場)、長期漂移(熱膨脹、膠體、波長)。

特殊光纖的規格怎麼讀?

用四組圖讀特殊光纖的結構、保偏對準、雙包層泵浦與有效模式面積;區分幾何纖芯、MFD、注入通道及 M²,並用型號示範規格的測試條件。

光學尺怎麼量到奈米?

光學尺如何把光柵的相對位移轉成正交訊號,再用週期計數與相位插值取得細步進?用連續透射光路、光柵重疊及正弦/餘弦圖解,區分訊號週期、刻線週期、解析度與精度。

螺桿平台怎麼做到微米定位?

螺桿驅動平台用馬達旋轉經螺桿變線性移動。梯形螺桿摩擦驅動、有背隙、便宜;滾珠螺桿滾珠循環、近無背隙、精度高。步進馬達開迴路、由步級角換算;直流伺服編碼器閉迴路、較快較緊。馬達軸角度、平台定位、加工件公差是三種不同的量。

壓電怎麼做到奈米級定位?

壓電堆疊直接推動小行程柔性平台,walking 馬達以交替接觸累積長行程。圖示區分低靜態耗電與機械自夾持,並說明滯後、蠕變與載台實際位置回授。

移動平台有哪些,怎麼選?

移動平台依驅動原理(螺桿、線馬、壓電、音圈)與軸配置(單軸、多軸、hexapod)兩個維度分類;選型由精度、行程、速度、負載四個需求決定。先分清五個規格量,再對號入座。

為什麼直接驅動能到次微米?

線性馬達把力直接加在載台,中間沒有螺桿,省去導程誤差與背隙,定位精度改由光學尺與導軌決定,所以能到次微米。無鐵芯動子避免齒槽力、最平順;鐵芯出力大但有齒槽。代價是成本高、動子重量影響加速、磁場要屏蔽。