【時報記者張漢綺台北報導】問：過去半導體產業每一代設計或技術製程的改變大多是3到5年，但AI時代，Nvidia用一個全新、幾乎是一年一代的方式向前衝，在資源有限下，貴公司如何跟上美國這些公司快速研發腳步？答：其實這樣的腳步我們是好事，因為我們分析產業的交期都是用小時算的，他們研發越快，就越需要data，我們生意就會越好；至於turnaround time其實和系統運作與工程師的效率息息相關，只要不是客戶一次進太大量、超過我們現有的產能，我們通常都能很快完成樣品，而且我們也提供加急服務選項，讓客戶在有緊急需求時能優先處理。

問：相較過去，AI相關技術發展是跳躍式的創新，如：過去的運算、演算都是用CPU，現在變成GPU去取代CPU的一些功能，甚至GPU還跟CPU串接變成新的功能，但貴公司data與經驗值是過去累積，如何運用這些data協助客戶預判他們的研發與設計是正確的？進而讓客戶更信賴、給你們更多開發案件？

答：我們分析的工法一直要走在比較前面，我們必須用最新研發出來的工法，提供一個非常客觀且有效的數據給客戶，客戶再對這個data做出解讀，因此速度很快之下，他就會一直來跟我們要我們客觀的數據，我們就會提供數據給他們。

　以FinFET世代節點來說，台積電做出FinFET，而且他做的非常好，此時其他人會想彎道超車，但是彎道超車真的容易嗎？為什麼不容易？因為台積電在研發FinFET階段會累積非常多的經驗，即便這些經驗並不是可以直接用在GAA上，但是他在GAA的研發端，可能遇到研發瓶頸，他就想到在做FinFET的時候，遇到了哪些問題是怎麼解決的，這些東西是可以轉移的，因為很多比較Fundamental的東西，其實是你遇到困難解決之後，變成你背後的一個小工具，以後新的東西需要用到的時候，你也可以解決。

對汎銓(6830)來說，這20年來看過非常多不同製程節點，其實不管製程怎麼演進，核心還是材料的堆疊問題；我們看的是尺度的大小、材料的堆疊方式，以及它所屬的材料系統—包括各種材料的物理與化學性質，它們對熱、電子束、甚至介面的反應行為。

我們工作本質是用已知的物理系統，用電子束去excite要被觀察的材料系統，透過電子與物質的交互作用，去解讀背後的結構、組成與界面特性；這也是我們在做分析時最大的價值所在：不是單純地「拍到影像」，而是能真正理解這個材料系統在原子層級上的行為。

　隨著經驗累積，我們的適應能力越來越強；因為我們有很多「小工具」，這些工具雖然不一定天天用到，但在新製程、新材料出現時，它們就成了破解問題的關鍵；我們還有一個CE(Customer Engineering）團隊，每個人都在不同的領域擁有專業知識；當遇到未知或難解的問題時，他們會共同分析、找出解法，這樣的知識結構讓我們能夠在新技術出現時，快速反應、持續進化。問：愈來愈多半導體相關企業前進美國，大家都在搶半導體的人才，你們如何解決人才的問題？答：人才對我們來說不是一個問題，我們找兩種人，一種是剛畢業的新鮮人，對產業非常有熱誠，另一種是在大公司內部實驗室待很久、非常有經驗的人。

　首先，對大公司來說，內部實驗室是花錢的部門，不是賺錢的部門，對他個人未來的職涯發展，沒辦法有一個很明確、很好的發展機會；再者，在大公司內部，他能看到的樣品種類不會很多，再怎麼看也只看到公司做的產品，因為是整間公司背後廚房的概念，我們吸引他們的點是，我們是新創公司、第三方實驗室，可以看到整個產業從上游到下游所有不同的樣品，如果你是對這個領域有興趣的人，加入後可以看到整個產業上游下游不同的各式各樣的產業東西，而且會有一個比較好的職涯發展空間，因為對我們來說這是核心業務。

就美國當地學生來說，他們比較像我，畢業的時候會想去一間Startup，但是我不想承擔新創公司可能會倒掉等風險，所以從設立開始，我就慢慢建立公司的形象，雖然我們在灣區是一家新創公司，但我們是有完整體系跟技術背景的新創公司，用美式的新創風格來管理公司，且背後有技術跟資金支持我們，所以風險相對低。

　至於招募非常有經驗的人，就是他已經在產業很多年，可能在內部實驗室待了很久，但多年來看到的樣品都差不多想要轉換跑道，想在分析業有更多不一樣的東西，我們在台灣有這麼多的經驗，而且我們要做的是台灣及美國兩邊創新，讓兩邊的工程團隊可以擦出一些火花，可以互相正面的刺激，這些在我們招募的時候有發揮激勵效果，有些人是因為跟我們有共同的理想所以願意加入。