隨着半導體物理極限不斷受到挑戰，業界近年來頻頻傳出「摩爾定律已死」的聲音。然而，半導體研發中心 IMEC 近日發佈了最新的製程技術路線圖，打破了悲觀預期。路線圖顯示，晶片製程微縮仍有至少 20 年的增長空間，目標在 2046 年將製程推進至 0.2nm（Sub-A2）以下。

IMEC 的研究指出，半導體產業已從 2018 年的 7nm（N7）穩步邁進。現有的 FinFET（鰭式場效電晶體）技術在支撐到 3nm（N3）節點後，將正式交棒。自 2nm（N2）節點開始，業界將全面轉向 GAA（環繞閘極）電晶體結構，並採用納米片（Nanosheets）技術。IMEC 預計，此技術路徑將持續演進至 1.4nm（A14）及 1.0nm（A10）級別，預期時間點在 2031 年左右。

當進入 2034 年的 0.7nm（A7）節點，傳統的 GAA 結構也將面臨瓶頸。屆時，晶片結構將升級為 CFET（互補式場效電晶體），透過垂直堆疊 N、P 型電晶體，理論上可將晶片面積縮減一半。儘管 CFET 帶來的散熱挑戰巨大，但它將支撐製程一路演進到 2040 年的 0.3nm（A3）節點。

【險失傳 ... ㊙️】當我們談論數碼保存時，通常想到的是備份硬碟或雲端空間，但對於 40 多年前的科技遺產來說，保存方式可能比你想得更「原始」。MS-DOS 的前身「86-DOS」最原始的 1.00 版本其實早已經失傳，但近日一群歷史學家在一批泛黃的紙本稿件中，發現記錄了 86-DOS 1.00 版本的原始碼。他們最終用人手一字一句重新打出來，讓 86-DOS 1.00 初版得以再次復活。

86-DOS 最初由 Tim Paterson 為 Seattle Computer Products 開發，當時稱為 QDOS。隨後，Microsoft 收購了此系統，並將其修改為供應給 IBM PC 5150 使用的 MS-DOS。

1980年：Tim Paterson 開發出 QDOS (Quick and Dirty Operating System)。

【 SSD 很快死 ... 😱】外媒報道，近日一款於 Steam 平台上架的海盜題材 RPG 遊戲《風之起航》（Windrose）被爆出有異常的磁碟寫入行為。多名玩家在社交媒體上公布實測結果，指出該遊戲在運行期間會對硬碟進行瘋狂的數據寫入，嚴重縮短 SSD 的使用壽命。

據《Tom's Hardware》報道，大量玩家發現《風之起航》僅啟動並遊玩約 15 分鐘，所產生的寫入數據量竟高達 50GB。若以此速度推算，玩家遊玩一小時，SSD 的寫入量將會超過 200GB。對於一般消費級 SSD 而言，這種不合理的寫入負擔會加速耗盡快閃記憶體顆粒的 TBW，進而導致硬碟提早故障或失去保養。

《風之起航》開發團隊在接到玩家社群舉報後迅速展開調查，確認投訴屬實，並表示這並非蓄意設定，而是由存檔機制與除錯日誌的頻繁更新所觸發。簡單來說，遊戲在每一幀或每一秒內不斷重複寫入相同的數據，導致「寫入放大」的災難性後果。

【AI 時代 🫤】隨著人工智能技術的飛速發展，軟件開發領域正迎來一場前所未有的效率革命。OpenAI 總裁 Greg Brockman 近日透露，AI 編程工具生成的程式碼比例在短時間內從 20% 激增至 80%，可見 AI 已從輔助開發的「配角」晉升為「主角」。

Greg Brockman 以 OpenAI 的 Codex 為例，指出這類平台已從單純服務軟件工程師，演變為支援「任何使用電腦工作的人」的泛用型工具。這意味著 AI 正在打破編程的技術門檻，讓更多非專業背景的員工也能利用 AI 完成複雜的自動化任務。

除了 OpenAI，其他 AI 編程工具也交出了驚人的數據。Google CEO Sundar Pichai 表示，Google 內部目前已有 75% 的新程式碼是由 AI 生成後，再交由人類審核。Meta 則預計有 65% 的工程師在提交程式碼時，當中有超過四分之三的內容是由 AI 工具完成。

【可惜不是你 ... 🫤】為抗衡 ARM 等新興架構，去年 Intel 與 AMD 決定結盟，成立 x86 生態系統顧問小組（EAG）。雙方今日正式發佈了針對 x86 架構的全新 AI 擴充指令集——ACE（AI Compute Extensions），令效能飆升 16 倍，將 x86 CPU 的 AI 矩陣運算能力推向全新高度。

過去由於 Intel 與 AMD 在擴充指令集（如 AVX-512）的支援進度不一，導致軟件開發者必須針對不同硬件進行複雜配置，而且效率不佳。為了扭轉局面，雙方透過「x86 生態系統顧問小組（EAG）」達成共識，確保 ACE 指令集從定義之初便是跨平台的標準，當時雙方 CEO 更拍下了這張合照。

ACE 指令集將整合於 AVX10 架構中。根據公開的白皮書，ACE 採用了外積運算（Outer Product Operation）技術，在執行 AI 核心的矩陣乘法時，運算密度最高可達現有 AVX10 的 16 倍。