記者鄧宜／新竹報導

有工研院奧斯卡之稱，象徵科技研發最高榮耀的工研菁英獎6/23揭曉，共有6項金獎技術展現工研院在擘畫「2030技術策略與藍圖」下重要研發成果，每個團隊可獲五十萬元獎金。

工研院表示，獲得傑出研究金牌獎的「智慧物聯網關鍵記憶體」，以讀取速度快、功耗低，可達到更穩定、更快速存取的優勢，目前已導入半導體大廠晶圓製程；「iKNOBEADS於次世代細胞免疫治療之應用」，以獨特的突觸結構有效提升人體T細胞活化效率，將與國內大型醫院合作推出臨床用GMP等級產品；「可循環熱固型樹脂合成設計與產業應用鏈結」則可解決環氧樹脂無法回收再利用之環保問題。獲得產業化貢獻獎的有「新型耐溫熱塑彈性體推動」，不只耐候、耐寒、抗衝擊，還能再生利用，目前已進入試量產與驗證階段，預期可達百億以上的市場規模；「應用人工智慧提升光電半導體與PCB產業競爭力」與「推動Pre-5G/5G小基站白牌化產業」則扣合最新的AI人工智慧、5G最新發展趨勢，以前瞻的研發實力及系統化平台，分別導入帆宣、華邦電及5G上下游廠商，展現工研院為產業先行，布局臺灣經濟發展的研發實力。

工研院院長劉文雄表示，科技的超前部署就是要洞悉產業的變化與趨勢，指引未來發展方向。面對後疫情時代，工研院擘畫的「2030技術策略與發展藍圖」，聚焦在「智慧生活」、「健康樂活」、「永續環境」及「智慧化共通技術」領域的創新應用，期許帶領臺灣產業共創新局。

今年脫穎而出的「產業化貢獻獎」及「傑出研究獎」6大金牌獎技術，呼應「2030技術策略與藍圖」，以市場需求為導向，布局下世代創新技術，更是工研院將創新研發能量，真正落實到產業，攜手共創新商機的豐厚成果，期望協助臺灣產業在未來十年奠定根基。

【榮獲傑出研究獎金牌獎的3項技術】

※「智慧生活」─ 智慧物聯網關鍵記憶體技術

開發讀取快、功耗低、不失憶的下世代記憶體技術，解決物聯網之需求；在鐵電記憶體(FRAM)方面，開發耗電量僅現有記憶體的1/1000，並達到50奈秒的快速存取效率與大於1000萬次操作的耐久性的FRAM技術。磁性記憶體（MRAM）方面，透過結構設計，讓資料讀與寫的電流走不同的路，減少電流經過絕緣層的頻率以達到更穩定、更快速存取的優勢。此外，工研院更結合晶片設計與製程能量，將先進記憶體應用在記憶體內運算晶片，大幅提升AI人工智慧運算的成效。

產業合作：已成功攜手半導體大廠進行試量產製程開發

※ 「健康樂活」─ iKNOBEADS於次世代細胞免疫治療之應用

全球獨創的「仿生多突狀磁珠製備技術」(iKNOBEADS)，以獨特的突觸結構有效提升T細胞活化效率，使用的磁珠量只需目前市售磁珠的三分之一，即可有效活化T細胞數量數百倍，並且具有記憶力可成功對抗癌細胞。

產業合作：已與國內大型醫學中心合作，預計在今年下半年推出臨床用GMP等級產品。

※ 「永續環境」─ 可循環熱固型樹脂合成設計與產業應用鏈結

從源頭設計可循環樹脂分子結構，突破傳統熱固型樹脂無法重複製造之技術瓶頸，此樹脂分子結構在特定溫度條件下會產生解鏈(debonding)，再度回復到原本化合物結構來達到循環再利用目的，以解決現有產業所使用環氧樹脂無法回收再利用之環保問題，能廣泛應用在PCB、碳纖維複合材料、接著劑及塗料等產業。

產業合作：目前已初步與國內CCL和PCB廠商完成產業場域驗證，符合IPC電子產業品質標準規範，並與國內複材廠商利用再生碳纖維成功製成汽車座椅產品。

【榮獲產業化貢獻金牌獎3項成果】

※「永續環境」─ 新型耐溫熱塑彈性體產業化推動

工研院建立自主新型耐溫熱塑彈性體合成研製技術，協助國內製造業材料自主化及產品高值化生產。透過不同軟硬段的分子結構設計，開發出耐水解、耐候、耐熱、高回彈、阻燃等多種不同的機能特性的熱塑彈性體材料，能廣泛應用在汽車零部件、電子工業配件、3C線材、運動器材等產品。

現已導入：與新光及力麗分別進行熱塑性聚酯彈性體（TPEE）、聚醯胺酯彈性體（TPEAE）試量產研發及驗證計畫，另外也與寶成合作開發製成3D列印鞋。

※「智慧化共通基礎」─ 推動Pre-5G/5G小基站白牌化產業

透過產學研合作打造開放架構接取系統產品，工研院提供通訊協定層之軟體與韌體解決方案，並結合網通廠商所專擅之硬體，開發軟硬整合之接取系統前期產品，幫助臺灣產業順利切入5G通訊設備供應之早期市場，也讓業者早日提供樣機展示以獲取與國際營運商合作的機會。

現已導入：攜手天線、手機晶片、網通設備、電信營運商、測試、射頻模組等業者自主5G基地台國有自主生態系。

※「智慧化共通基礎」─ 應用人工智慧提升光電半導體與PCB產業競爭力

針對製造業最關注的產能和品質議題，研發「機台故障預診斷技術」以及「深度學習瑕疵檢測技術」。其中「機台故障預診斷技術」大幅提高機台故障預測準確率超過95％、誤報率低於1%，使工廠能更積極掌握機台的健康情況。

「深度學習瑕疵檢測技術」則運用AI人工智慧建立運算效能及準確率兼具的瑕疵偵測與分類模型，有效地提升產品品質檢測效率，降低57%人工目檢之成本。

現已導入： 協助帆宣、聯策、華邦電等企業將技術導入機台與系統。