Broadcom 半導體總裁：AI 不是玩具，它是正在從高中生升級到世界級專家的顧問
Broadcom 半導體事業群總裁 Charlie Kawwas 認為 AI 被嚴重低估。他每天使用 AI 工具 12 到 24 次，並將 AI 比喻為一個正在從高中程度進化到世界級專家的顧問。在 Broadcom 內部，AI 已經把晶片除錯從數天壓縮到幾分鐘。他也主張開放生態系統才是 AI 基礎建設的正確路線。
本文整理自全球半導體聯盟（GSA）執行長 Jodi Shelton 主持的《A Bit Personal》2026 年 2 月播出的單集。
{{< youtube P0WZPsJxd_8 >}}
{{< spotify "episode/2F4ciNwRJGRbkMXHqNUQ68" >}}
{{< apple-podcast "tw/podcast/the-global-backbone-charlie-kawwas-on-scaling/id1868090790?i=1000749480793" >}}
一個半導體老兵每天用 AI 12 到 24 次
多數人對 AI 的使用方式，停留在偶爾問 ChatGPT 一個問題或請它畫張圖。Broadcom 半導體事業群總裁 Charlie Kawwas 不是這樣。他每天在工作和個人事務上使用 AI 工具 12 到 24 次，而且他認為這個頻率還會繼續增加。
Kawwas 管理的是全球最大的半導體事業之一，旗下有十六條產品線，涵蓋網路、儲存和 AI 基礎建設晶片，客戶是全球的超大規模資料中心。在全球半導體聯盟執行長 Jodi Shelton 的 Podcast 上，他花了相當篇幅談自己對 AI 的看法，而他的核心訊息只有一個：幾乎所有人都低估了 AI。
他的比喻非常直觀。不要把 AI 想成一個工具或玩具，把它想成一個顧問。這個顧問現在的能力大概在高中程度，但它正在快速升級，從學士、碩士、博士一路往上，終有一天會達到世界級專家的水準。如果你現在因為它偶爾給出幼稚的答案就不把它當回事，你會錯過它指數成長的整條曲線。
晶片除錯從數天壓縮到幾分鐘
Kawwas 不只是嘴上說 AI 重要。在 Broadcom 內部，AI 已經在改變工程師的日常工作方式。
兩年前，Broadcom 開始了一個概念驗證計畫，測試 AI 在半導體產品生命週期中能發揮什麼作用。他們發現價值最明顯的地方是在資深工程師的工作流程中，尤其是晶片除錯。Kawwas 舉了一個具體的例子：當 Broadcom 出貨一顆晶片給客戶，客戶把它裝進系統開始運作，有時候會出問題。問題可能出在 Broadcom 的晶片上，可能出在客戶的系統上，也可能是軟體的問題。
過去的做法是，現場應用工程師必須從晶片讀出一份巨大的運作日誌，裡面是數頁數頁的原始資料。他們要用自己寫的腳本去篩選和分析，找出問題根源。這個過程動輒需要數天，有時候甚至更久。現在，工程師只要把整份日誌丟進 AI 工具，幾分鐘之內就能得到分析結果：問題出在哪裡、該怎麼修、建議的下一步是什麼。
Kawwas 做了一件很有意思的事來觀察採用率。他不看報表，而是請不同團隊的工程師直接到他辦公室，打開筆電，現場示範他們怎麼用 AI。他找了現場應用工程師、軟體工程師、矽晶圓設計工程師，一個一個看。他的發現是：幾乎每個有 AI 工具權限的工程師都在用，沒有的則在積極要求取得權限。這不是公司由上而下推動的結果，是工程師自己體認到了價值。
三大瓶頸都可解，但短期供需落差才是真正的風險
談到 AI 基礎建設面臨的挑戰，業界共識有三個：晶片產能、記憶體和能源。Kawwas 認為這三個問題本質上都是時間和投資的問題，不是技術上的根本不可能。
晶片產能的瓶頸不只在前端的晶圓代工廠，也在後端的基板和封裝。記憶體同理，問題是蓋一座新廠需要兩到三年的時間。能源也是類似的狀況，新的供電基礎設施不可能一夜之間冒出來。他的判斷是，以目前業界的投資力道，這三個問題在兩到三年內都會得到緩解。
但他真正擔心的不是長期，而是這兩年。在供給追上來之前，市場上存在一個明顯的供需落差。更棘手的是，他很難分辨客戶下的訂單裡，多少是真正的「非要不可」需求，多少是投機性的提前下單。他把真正需要的量叫做 DDQ（drop dead quantity），意思是「如果拿不到這些晶片，業務就真的完了」的那種需求。如何區分 DDQ 和投機訂單，是他短期內最關注的問題。
開放生態系統才是 AI 的正確路線
在技術路線的選擇上，Kawwas 有一個非常明確的立場：開放生態系統會勝出。
他的論證方式是歷史類比。網際網路之所以成功，不是因為某一兩家公司把它做出來了，而是因為它是開放的，全世界八十億人都能參與其中，最聰明的公司和人才在開放的基礎上自由創新。電力也是同樣的道理。任何最終要觸及全球規模的基礎設施，封閉的路線走不遠。
Kawwas 對此有切身的感受，因為他的博士論文做的就是乙太網路（Ethernet）和 IP 網路的數學。那是很多年前的事了，但乙太網路在雲端時代又重新崛起，如今更成為 AI 網路的骨幹，從 scale-out、scale-up 到 scale-across，各種架構都在用。他當年研究的數學模型，現在直接應用在 AI 後端網路上。這個故事本身就說明了一件事：開放標準的生命力，遠比任何人在投入當下能預見的更長。
他把同樣的邏輯套用到 AI：如果 AI 基礎建設被一兩家公司壟斷，那它的創新速度和覆蓋範圍都會受到限制。只有建立開放、協作式的生態系統，AI 才能像網際網路和電力一樣成為普惠全人類的基礎設施。
半導體產業的轉折點：下一個二十年是黃金期
Kawwas 最後對整個半導體產業做了一個大膽的判斷。他認為這個產業正站在一個轉折點上，未來一到兩個十年會是前所未見的黃金時期。
COVID 疫情和 AI 浪潮做了一件過去幾十年沒有做到的事：讓全世界，不只是華爾街，認識到半導體的重要性。人們開始意識到，沒有半導體晶片，就沒有汽車、沒有網路、沒有社群媒體，也沒有 AI。而隨著 AI 從純數位領域走向物理世界，這種認知只會更深。
這個產業一直有一個不太被外界注意的特質：它是人類文明看不見的地基。Kawwas 調侃說，大部分人聽到「chip」還是先想到洋芋片。但地基的隱形性不代表它不重要，反而代表它一旦出問題，所有蓋在上面的東西都會跟著動搖。
我的觀察
Kawwas 的 AI 觀點值得認真對待，因為他不是站在軟體業的角度談 AI，而是站在建造 AI 運作所需硬體的角度。當一個管理十六條半導體產品線、直接供貨給全球最大資料中心的人說「AI 被嚴重低估」，那不是在喊口號，而是他從訂單簿上看到的事實。
他提到的「高中生到世界級專家」比喻，我覺得是目前為止對 AI 發展軌跡最好的通俗描述之一。它同時解釋了兩件事：為什麼很多人現在覺得 AI 沒什麼了不起（因為它確實還在「高中」階段），以及為什麼低估它是一個嚴重的錯誤（因為它正在以不可思議的速度往上爬）。
至於開放生態系統的主張，背後其實有一個 Broadcom 自身的商業利益考量。Broadcom 的核心業務是賣半導體，賣得越多越好，而開放生態系統意味著更多公司可以建造 AI 基礎建設，也就意味著更多晶片需求。但即便考慮到這層利益關係，他的歷史類比依然有力。回顧過去，每一項真正改變世界的基礎設施，從電力到電話到網際網路，最終都走向了開放。AI 不太可能是例外。