●訂閱【TVBS 文茜的世界周報】YouTube頻道：https://pse.is/3b7x9h
並開啟🔔

《全球暖化加劇極端天氣 經濟學人：增溫3度地球將無安全之地》

{稿頭}
1) COP26
聯合國第26屆氣候變遷高峰會，11月1日在英國格拉斯哥召開。G20環境部長會議7月22、23日在義大利拿坡里召開，會後公報同意努力全球氣溫和工業革命前相比，上升限制在攝氏1.5度以內，會加速行動達到目標，是首度G20承認增溫1.5度的緊急性，但就逐步淘汰燃煤發電，或刪除補助化石燃料上，因為中國、印度、俄羅斯和沙烏地阿拉伯反動，未能達成共識。7月24、25日51國在倫敦召開的氣候會議，同樣未能在淘汰燃煤上達成共識。

2)頻繁極端天氣事件
2021年1月西班牙百年暴雪。三月新南威爾斯百年一遇水災。五月莫斯科創60年高溫紀錄。七月歐洲洪水、北美熱浪野火、鄭州、印度和倫敦暴雨。氣候科學家們承認似乎已無法及時預測極端天氣的強度。

3)全球暖化
世界氣象組織報告顯示，2020年全球平均氣溫為攝氏14.9度，比工業革命前上升約1.2度。
加劇極端天氣，7月24號出刊的經濟學人封面報導指出，如果全球氣溫比工業革命前高出攝氏3度的話，地球將沒有安全的地方。
氣溫上升3度，植物將停止吸收二氧化碳，碳排量將足以造成，2100年前氣溫再上升1.5度，颶風更強勁，亞洲澳洲和美國東南部城市將面臨毀滅。
氣溫上升4度，南北極冰層消失，雨林變成沙漠，海水上升淹入大陸。人口將移居到加拿大和西伯利亞地區，爭奪地球上少數僅存可居住的地方，種族衝突和內戰將不可避免。
二氧化碳排到大氣中的65%到85%，要經過20到200年的時間，才會分解在大海裡，二氧化碳對氣候的影響可持續上千年。

4)巴黎協定
「氣候行動追蹤組織」指出，2100年氣溫上升要控制在2度內的話，巴黎協定締約國都要達到承諾的減排目標之外，還要實現中國2060年碳中和，美國2050年零碳排。

5)海平面上升
「政府間氣候變遷小組」6月報告預估即便氣溫上升控制在2度內，2100年前海平面恐上升60公分，如果全球前136大的沿岸城市，完全沒有因應全球暖化的措施，到21世紀中葉，損害總計估在1.6到3.2兆美元間，受災最嚴重的將是廣州，其次是孟買。

{內文}
聲音來源:Euronews主播(2021.1.11):「西班牙當局加速清理，超過百年來，該國有紀錄下最高降雪量。」

聲音來源:7News Australiar記者(2021.3.20):「往下游處，位於新南威爾斯中北海岸的塔瑞鎮，淹沒水中，近20個海岸小鎮居民被要求撤離，創紀錄的降雨帶來豪大雨量。」

聲音來源:Arirang News主播 (2021.5.18):「莫斯科5月中旬氣溫，出現60年來最高紀錄，這樣十分異常的亞熱帶高溫，通常出現在俄羅斯南部的夏季中旬。」

聲音來源:ABC News主播 (2021.7.26):「美西野火極度危險，現在13州竄燒85處大型野火，空氣品質警告擴展到東岸，今天(7.26)稍晚波士頓才剛發布空氣品質警告。」

聲音來源:DW News記者(2021.7.26):「在印度下了數週大雨後，吸滿雨水的山坡地液化坍塌，下方村莊整個消失。」

聲音來源:Sky News記者 (2021.7.26):「不到一個月內，倫敦部分地區兩度經歷嚴重淹水，雷暴雨橫掃倫敦南部和東部。」

暴雪、強降雨、野火竄燒、高溫破紀錄，極端天氣事件頻繁占據新聞版面，橫跨南北半球，極端天氣加劇的來源，大家肯定都不陌生，就是「全球暖化」，7月24號出刊的經濟學人封面報導就指，如果全球氣溫比工業革命前高出攝氏3度的話，地球將沒有安全的地方。

影片旁白:「氣溫上升3度的話，植物將停止吸收二氧化碳，碳排量將足以造成2100年前氣溫再上升1.5度，地球將瀕臨失控的全球暖化，在這個未來，颶風更強勁，亞洲澳洲和美國東南部城市將面臨毀滅。」

聲音來源: Channel 4 News記者:「北極暖化的速度，比全球平均氣溫上升還快，過去30年來，北極以每10年增加攝氏0.81度的速度暖化，比全球均溫上升快三倍。

氣候科學家 Emily Shuckburgh:「北極冰層融化，北極海洋會淡化，如果淡化後的海水流進北大西洋，會打亂洋流，對整個北半球帶來巨大影響。」

2015年起草的巴黎協定，以工業革命前，也就是1850到1900年為基準，要求全球氣溫和工業革命前相比，上升控制在攝氏2度以內，理想狀況限制在1.5度以下，世界氣象組織報告顯示，2020年全球平均氣溫為攝氏14.9度，比工業革命前上升約1.2度。

影片旁白:「工業革命以來已經歷約200年，在這期間，大氣中的二氧化碳持續增加，助長地球增溫，溫度上升邁向攝氏2度的半路中。氣候科學家表示超過2度限制的話，將會造成致命熱浪、乾旱和野火更頻繁，地球大部分地區將無法居住。」

聲音來源:France 24記者:「氣候學家表示，如果目前的行為和污染持續不變的話，全球氣溫恐增加攝氏4度，將帶來更凶狠的天氣事件。」

影片旁白:「氣溫上升4度的話，我們將看到一個截然不同的地球，南北極的冰都會消失，雨林變成沙漠，海水上升淹入大陸。人口將移居到最新解凍後的加拿大和西伯利亞地區，但即便在這裡，夏季也熱到無法種植作物，除了沿岸地區以外，沒有東西買，生產者也沒有東西可賣，移民爭奪地球上少數僅存可居住的地方，種族衝突和內戰將不可避免。」

氣溫上升3度的地球，熱帶國家將熱到無法從事戶外活動，兩極冰層縮減無法逆轉，海平面上升的單位將以公尺來計算，上升4度，人類將上演生存大戰，那麼多國在巴黎協定承諾的減碳目標，對控制地球升溫有多少幫助?「氣候行動追蹤組織」估算指出，2100年氣溫上升要控制在2度內的話，巴黎協定締約國都要達到承諾的減排目標之外，中國要實現2060年碳中和，美國2050零碳排也要落實。

影片旁白:「氣候行動追蹤組織」發現兩個顯著的問題，首先國家設定的減排目標，不夠大膽足以符合巴黎協定的目標，且即使所有國家都達到減排目標，氣溫在接下來70年，估仍會上升超過攝氏2度，進入22世紀以後仍會持續增加。再者國家根本沒有達到減排目標，即便是保守的減排目標。」

影片旁白:「如果我們繼續維持過去10年來的做法，地球氣溫最快在2040年就會達到上升2度的限制，可能在2060年達上升3度。唯有盡快大幅減少二氧化碳排放，才能落實巴黎協定。」

造成地球升溫的二氧化碳排放，主要來自化石燃料燃燒，包括石油、煤炭和天然氣，在這10年內，全球燃煤發電每年都必須減少14%，才能邁向2050年零碳排的目標，但剔除燃煤發電，一直是國際難以達成共識的議題，7月下旬在義大利拿坡里舉辦的G20環境部長峰會和在英國倫敦舉辦的氣候會議，在逐步淘汰燃煤發電上，都無疾而終。

影片旁白:「燃料燃燒產生的二氧化碳中40%來自煤炭，但氣候變遷還不是唯一的問題，髒空氣每年造成7百萬人死亡，相當於和抽菸一樣致命，燃煤釋放的污染物，會進入人體肺部，經由血管擴散，甚至進入腦部。」

而且二氧化碳也不容易消失，排到大氣中的65%到85%，要經過20到200年的時間，才會分解在大海裡，剩下的有一部分消失在岩層或風化中，要花上萬年的時間，二氧化碳對氣候的影響可持續上千年。

台灣大學氣候變遷中心前主任 柳中明(2010):「未來我們所面臨的頻繁的兩種極端現象，會不斷出現。整體的溫度上升在未來的十年，現在可以預測到2020年，可以看到快速上升的情況。」

2010年公開的氣候變遷紀錄片「正負2度C」，探討全球暖化的衝擊，當時預見的未來，現正發生中。聯合國旗下的「政府間氣候變遷小組」，6月提出的內部報告指出，都會區經歷越來越嚴重的空污和極端高溫，沿岸地區面臨海平面上升和風暴引發的水災加劇。

影片旁白:「還有其他11個沿岸城市，包括美國4個城市，都受到海平面上升嚴重衝擊，印尼首都雅加達已開始下沉，環境學家警告，三分之一的雅加達地區，未來30年內將被淹沒。」

報告還預估即便氣溫上升控制在2度內，2100年前海平面恐上升60公分，且在預期最糟糕的狀況下，如果全球前136大的沿岸城市，完全沒有因應全球暖化的措施，到21世紀中葉，損害總計估在1.6到3.2兆美元間，受災最嚴重的將是廣州，其次是孟買。

印度科學理工學院教授 N.H. Ravindranath:「短期來看，唯有因應氣候變遷做出改變，長期要減緩影響，基於巴黎協定減少碳排。我想唯一辦法就是因應措施，如何進一步改善預警系統，如何提供更好的住房和基礎設施。」

DW記者:「在1990年代遭遇嚴重水災後，荷蘭決定讓河流有更多空間，就像這條在馬斯垂克市旁的河流，在這個地區禁止興建任何工廠和房屋。」

面臨頻發的極端天氣，能適應的國家就能生存下來，全球氣溫上升超過3度的話，地球將面臨無法逆轉的浩劫，無論國家強弱，恐都在劫難逃。

https://youtu.be/8A954Ql6i_c

<#蔡政府 忘了，#網路平台 一直都是站在 #監督政府 的角色在看待政府的施政，簡單來說就站在政府的對立面來看待一切施政，做得好就會給予肯定，做不好就會給予最無情的批判，這就是網路世代的真性情，誰也沒法 #操弄，所以蔡政府才特意 #抹紅，要將 #PTT 打成 #中共同路人，但PTT不會因為蔡政府的抹紅就退縮，反而會更加強力的監督政府，「勇者無敵」就是台灣人的真性情。>

#國防部智庫「#國防安全研究院」近日發表《激化情緒對立的口水戰─PTT八卦版疫情輿論分析》分析報告，本報告中竟痛批批踢踢（PTT）此網路平台對政府之批評與反對，就是有系統的輿論操控，甚至還扣上發表這些言論之人，即有可能就是「中共同路人」。

PTT是採用Telnet BBS技術運作，其原始創立目的就是提供學生們線上言論發表空間，經過這25年逐步發展，現在每日都會產生2萬篇新文章與50萬則推文，PTT就是網路言論自由的典範代表，更是象徵台灣 #言論自由 的最終堡壘，如此代表台灣自由精神之言論發表聖地，竟被蔡政府打成中共同路人？

英國阿克頓勳爵（Lord Acton）曾說：「#權力使人腐化、#絕對的權力使人絕對的腐化」，蔡政府已經陷入了權力的 #傲慢 與執政的混亂當中。

還記2014年「#318學運」，學生就是在PTT上串聯後，一同衝入了立法院，才會引爆後續一連串之政治影響，結果就是當年度年底縣市長大選，#民進黨 大勝，國民黨大敗。

到了2020年蔡英文要競選總統連任之時，適逢中國兇殘處理香港問題，一顆顆在香港街頭發射的催淚彈，也深深震撼了台灣人，PTT上出現諸多挺香港之言論，也激發出台灣年輕人濃厚的「#亡國感」，再加上蔡政府 #帶風向，蔡英文拿下台灣總統大選史上最高817萬票，順利風光連任。

當蔡政府靠著PTT助攻，獲得最大 #政治利益 時，蔡英文有出來講說PTT是中國同路人嗎？但當她風光上台之後，這些年輕人的聲音，就不是聲音了，反而變成了是刺耳的 #反政府言論，都可以被 #抹殺 且加以 #忽視。

觀點投書：打不贏？就抹紅！
https://www.storm.mg/article/3840663

摩爾定律放緩　靠啥提升AI晶片運算力？

作者 : 黃燁鋒，EE Times China
2021-07-26

對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……

人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。

電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。

AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。

所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。

另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。

AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」

英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。

不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。

XPU、摩爾定律和異質整合

「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」

針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。

(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。

CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。

另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。

(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。

劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」

他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。

台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。

之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。

這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。

1,000倍的性能提升

劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。

電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」

500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。

不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。

矽光、記憶體內運算和神經型態運算

在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。

(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。

這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。

這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。

另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。

近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。

構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。

記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。

其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。

對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。

劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。

劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。

另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。

記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。

「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。

下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」

去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)

(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。

進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。

傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」

「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」

「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。

(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。

Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。

這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。

Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。

還有軟體…

除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。

宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。

在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。

在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。

資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg

曹楊「規定情境」線上音樂會 TME Live
純享版 : https://www.youtube.com/playlist?list=PLApseBZhKzncMT_Fz01oAo0Yp74gm7qO5

#妳說妳還不了
詞：方文山 曲：梁思樺Joshua Leung

我們的關係都是妳主導
妳說一個人也很好
沒有負擔也沒煩惱
像親人般給妳依靠
妳要我做到這樣就好

喝了酒 妳總會 找我聊
說什麼 我對妳 很重要
然後 邊說邊笑

對妳的好 妳說還不了
但卻習慣 也不想戒掉
只是妳在誰的身邊撒嬌 其實我知道
但愛 我收不回 也放不掉

朋友圈那些聽來的曖昧
妳笑說全部是誤會
失戀時比誰都心碎
而妳總是需要我陪
卻又說對我沒有感覺

喝了酒 妳總會 找我聊
說什麼 我對妳 很重要
然後 邊說邊笑

對妳的好 妳說還不了
但卻習慣 也不想戒掉
只是妳在誰的身邊撒嬌 其實我知道
但愛 我收不回 也放不掉

咖啡館的轉角 熟悉街道
為何讓我遠遠看到
妳給他的 吻別擁抱
到底要認識多久才辦得到

妳要我別想太多他不重要
妳對他笑的畫面我忘不了
淚水一直掉

對妳的好 妳說還不了
其實付出 沒要妳回報
只要能待在妳身邊其他 都無關緊要
只是 心碎的淚 卻還在掉

◆ 關注 曹楊 Young ◆
Facebook: https://www.facebook.com/young.cy1211
Instagram: https://www.instagram.com/young.cy1211
微博 Weibo: https://www.weibo.com/caoyang1211

#曹楊Young #規定情境線上音樂會

曹楊「規定情境」線上音樂會 TME Live
純享版 : https://www.youtube.com/playlist?list=PLApseBZhKzncMT_Fz01oAo0Yp74gm7qO5

#七月
詞 / 曲：曹楊

七月的風 緩緩吹來 吹走了悲傷
有些事情 刻意不提 反而會想起

想起在一起看夜景
想起我們 共同的話題
想起第一次說愛你
你感動又害羞的 表情

七月的風 七月的雨 七月的你多麼美
耳邊喧囂 偶爾爭吵 全都無法打擾
你的模樣 你的淚光 是我最難忘
和你的七月 最美的時光
就讓我帶著它 去更遠的地方

七月的雨 下得平靜 下進我的心
我的心已 慢慢習慣 沒有你的世界

不會再 為誰而流淚
不會再 與誰相依偎
只是在夜深人靜 我一個人 哄自己 入睡

七月的風 七月的雨 七月的你多麼美
耳邊喧囂 偶爾爭吵 全都無法打擾
你的模樣 你的淚光 是我最難忘
和你的七月 最美的時光
就讓我帶著它 去更遠的地方

七月最美的時光 我不會遺忘
帶著你的好 繼續向前闖
不停回頭張望 希望你回答
是否想念 依舊猖狂

七月的風 七月的雨 七月的你多麼美
耳邊喧囂 偶爾爭吵 全都無法打擾
你的模樣 你的淚光 是我最難忘
和你的七月 最美的時光
就讓我帶著它去更遠的地方

◆ 關注 曹楊 Young ◆
Facebook: https://www.facebook.com/young.cy1211
Instagram: https://www.instagram.com/young.cy1211
微博 Weibo: https://www.weibo.com/caoyang1211

#曹楊Young #規定情境線上音樂會

曹楊「規定情境」線上音樂會 TME Live
純享版 : https://www.youtube.com/playlist?list=PLApseBZhKzncMT_Fz01oAo0Yp74gm7qO5

#六號咖啡館
詞：唐小奕 曲：曹楊

我在街角 開家咖啡店
當初答應你的一切 終於能實現
STAY SIX 只為留個念
和你在一起的 那些年

那對情侶看彼此幸福的眼
就像是看到我們 的從前從前

如果有一天我們會再見
希望這是你期待的一切
忽而沉默彼此斷了線
一別就是三年又三年

那個男生 習慣坐窗邊
每天一杯 不放糖拿鐵
留言本裡 誰的故事線
流年似水 我們會再見

本店特調裝滿白雲的藍天
是想起你嘴角 上揚的微甜

如果有一天我們會再見
希望這是你期待的一切
忽而沉默彼此斷了線
一別就是三年又三年

如果有一天我們會再見
希望這是你驕傲的一切
我坐在那邊陽光拂面
你走過來說好久

好久不見

◆ 關注 曹楊 Young ◆
Facebook: https://www.facebook.com/young.cy1211
Instagram: https://www.instagram.com/young.cy1211
微博 Weibo: https://www.weibo.com/caoyang1211

#曹楊Young #規定情境線上音樂會