顯示科技為每天陪伴大家生活的產品，包括 TV / MNT / NB / PAD / Mobile，已是大家生活中最不可或缺的好夥伴們，在本次演講中，我們將討論顯示科技的演進與差異，以及所使用的高速傳輸介面設計技術與挑戰，並分享我們的經驗與洞見，誠摯邀請您一同探索顯示科技 & 高速傳輸設計。
於台灣國立成功大學取得電機碩士學位，2004~2026 進行顯示科技相關研究，研究產品涵蓋 TV SOC / Scaler / TCON / DDIC，研究領域包含 Data Converter (ADC / DAC)，與 SERDES (HDMI / eDP / VBO / MIPI / LVDS / mLVDS / P2P / PLL / OSC) 設計，擁有多項美國與台灣專利，目前負責聯詠大尺寸 DDIC RX & Sensing design 二級主管與產學委員。
Cloud AI systems are essential for the rapid and cost-effective development and deployment of advanced AI models. The growing demand for these powerful systems is driven by the widespread adoption of generative AI models. In such environments, multiple GPUs work in concert to support model training, optimization, and serve numerous concurrent applications without disruption. Achieving optimal performance, reliability, and adaptability across diverse AI workloads requires a comprehensive solution that integrates hardware, software, and holistic telemetry, thereby enabling efficient and resilient execution of multiple AI and HPC workload types.
In this talk, Dr. Chen will share the lessons from two generations of production cloud AI systems. Dr. Chen will discuss the scaling, performance, and high availability challenges encountered during the development and operation of these systems. Additionally, he will share insights gained from over two years of system management and conclude with his perspectives on future AI infrastructure designs.
Dr. Ming-Hung Chen received the B.S. and M.S. degrees in computer information science from National Chiao Tung University, Hsinchu, Taiwan, in 2004 and 2006, respectively. He then received his Ph.D. degree in computer science and information engineering from the National Taiwan University, Taipei, Taiwan, in 2016. He began his journey at IBM Research in 2017. His research work at IBM Research significantly contributed to IBM's cloud-native AI supercomputers and to the hardware-middleware system co-design for the next-generation AI clusters. He also received multiple awards for his contributions to IBM's cloud and AI infrastructure, including the IBM Corporate Technical Award, as well as Outstanding Technical Achievement Awards and Outstanding Research Accomplishment Awards. His recent research focuses on AI infrastructure co-design, distributed AI systems, composable systems, low-latency communication mechanisms, and quantum-classical supercomputing.
從 Simulation Pass 到 Silicon Fail：工程師認知邊界的三個真實案例
在晶片設計流程中，Simulation Pass、STA Clean 往往被視為設計成功的重要指標，但真實產品失效的原因，往往藏在工具與流程之外。本演講將透過三個真實案例，探討工程師在工具、驗證與設計流程交界處的認知盲點，以及這些盲點如何影響設計決策。
第一個案例「Wildcard 動到了 Encrypted IP」，說明工具與設計實體邊界認知不足所帶來的風險。流程沒有產生警告，結果卻已偏離設計預期，問題存在於工具定義與工程師理解之間的空白地帶。
第二個案例「隱藏的 IR Drop 殺手」，探討晶片功能驗證全部通過，卻在實際運作時失效的原因。由於 Worst-Case Pattern 設定錯誤，IR Drop 問題從未出現在模擬環境中，直到 USB PHY 異常才被發現。
第三個案例「頻率的天花板」，分享 Thermal Runaway 問題的追查過程。工程團隊長時間聚焦在錯誤方向，最後才發現高負載 MAC 運算才是真正的 Worst Case，最終只能透過降頻解決問題。
透過這三個案例，本演講將分享一個重要觀念：真正危險的不是已知問題，而是「你不知道你不知道的事」。工具可以驗證已知假設，卻無法填補認知邊界造成的缺口；而工程師的經驗、手感與系統思維，正是避免 Silicon Fail 的最後一道防線。透過這三個案例，工程師可以帶走一套檢視認知邊界的方法，在下一次“流程都過了”時，多一分警覺。
美國南加州大學電機工程碩士（MS Electrical Engineering, University of Southern California）
數位設計，設計功能驗證，數位設計培訓，設計流程，設計方法，設計流程管制系統，架構設計，產品規格，產品開發，計劃管理
蘇銘章先生現任 SiCADA 資深顧問，專注於 Verilog 設計方法學、UVM 驗證技術及 IC 設計人才培育課程規劃與講授。
蘇先生擁有超過 30 年數位 IC 設計經驗，以及 20 多年產品開發與專案管理資歷。曾任凌陽科技智能運算專案協理及車用中心 IC 設計處長，亦曾於英飛凌科技（Infineon）擔任副總裁暨據點主管，領導跨國研發團隊並多次主導大型產品開發計畫，擁有豐富的計劃實戰經驗。
其專長涵蓋數位 IC 設計、SoC 開發、Design Verification、UVM 驗證方法學、RTL-to-GDS 設計流程、FPGA/Emulation、專案管理及工程人才培育，並具備建立設計流程、驗證團隊及技術培訓體系的豐富經驗。
蘇先生畢業於美國南加州大學電機工程碩士（MS Electrical Engineering, University of Southern California），兼具深厚技術實力、管理經驗與國際視野。
當工程判斷遇上組織現實——從三個案例看決策邊界與 AI 的侷限
延續下午從技術失效探討工程師的認知邊界，本場次將把視角擴展到組織、決策與商業壓力，重新檢視專案失敗背後更深層的原因。很多問題並非因為技術無法解決，而是因為人在組織中的判斷、溝通與決策機制，讓風險逐漸累積並最終浮現。
第一個案例「Pipeline 的沉默」，探討修正代價陷阱如何影響團隊決策。當停止專案、重新驗證的成本遠高於繼續推進時，組織往往傾向觀望與沉默，即使許多人察覺異常，也選擇等待更多證據，直到問題無法被忽視。
第二個案例「帶著風險繼續上路」，分享 DFT 驗證過程中的方法論盲點。問題並非出在執行能力，而是最初建立的分析地圖就存在錯誤，使團隊在錯誤方向投入數個月時間，直到後期才發現根本原因。
第三個案例「FinFET 熱效應的鋼索」，則聚焦於決策邊界。當技術風險已被識別、已被提出，但專案時程、市場壓力與商業目標凌駕工程判斷時，團隊仍可能選擇帶著風險前進，並承擔後續代價。
最後將以三個實際案例為基礎，探討當前熱門的 AI 工具是否能避免這些問題。我們將發現，多數失敗並非源於資料不足，而是來自假設、目標與決策本身。因此，人的邊界往往也是 AI 的邊界。
本演講將以「修正代價陷阱」與「決策邊界」為主軸，並提供年輕工程師三項實務建議：勇於質疑前提、持續擴展認知邊界，以及在所有人都認為沒問題的地方保持警覺。因為真正重要的工程能力，往往來自於「於不疑處有疑」。
美國南加州大學電機工程碩士（MS Electrical Engineering, University of Southern California）
數位設計，設計功能驗證，數位設計培訓，設計流程，設計方法，設計流程管制系統，架構設計，產品規格，產品開發，計劃管理
蘇銘章先生現任 SiCADA 資深顧問，專注於 Verilog 設計方法學、UVM 驗證技術及 IC 設計人才培育課程規劃與講授。
蘇先生擁有超過 30 年數位 IC 設計經驗，以及 20 多年產品開發與專案管理資歷。曾任凌陽科技智能運算專案協理及車用中心 IC 設計處長，亦曾於英飛凌科技（Infineon）擔任副總裁暨據點主管，領導跨國研發團隊並多次主導大型產品開發計畫，擁有豐富的計劃實戰經驗。
其專長涵蓋數位 IC 設計、SoC 開發、Design Verification、UVM 驗證方法學、RTL-to-GDS 設計流程、FPGA/Emulation、專案管理及工程人才培育，並具備建立設計流程、驗證團隊及技術培訓體系的豐富經驗。
蘇先生畢業於美國南加州大學電機工程碩士（MS Electrical Engineering, University of Southern California），兼具深厚技術實力、管理經驗與國際視野。
內容從黃仁勳與台積電的二十年霸權佈局切入，犀利翻轉外資法人的市場預估盲點。聚焦探討「智慧手」與「末端關節驅動晶片」如何突破高密度、低延遲等核心技術瓶頸，並宏觀剖析美、日、台三方合作的全球戰略地緣格局。這是一場結合前沿科技、市場實務與職涯視野的必聽饗宴！
