🎆寮辦公告🎆
親愛的陰陽師大人：
為了給大家帶來更好的遊戲體驗，伺服器將於8月25日（週三）06:30~09:30進行停服維護，如未能按時完成，則開服時間將會順延，具體更新詳情請留意稍後更新公告，或維護結束後至遊戲登入介面查看。
維護期間將暫時無法進入遊戲，造成各位陰陽師大人的不便，還請諒解，非常感謝大家一如既往的支持！（鞠躬）

========改版更新內容========
1. 雲散風起·處暑召喚
・ 活動時間：8月25日維護後 - 8月31日23:59
・ 本次活動向所有等級≥15級陰陽師大人開放。
・ 大人們使用神秘的符咒、勾玉和現世符咒進行召喚時，SP/SSR式神出現機率提升至原來的2.5倍！每位陰陽師大人可享受3次SP/SSR式神機率UP的機會。
・ 大人們在活動期間累計召喚20次、40次和60次時，分別可以獲得絕版插畫券、御行達摩和絕版插畫券的階段獎勵，大人們可以使用絕版插畫券在活動期間兌換心儀的絕版返場插畫。
・ 大人們使用神秘的符咒、勾玉和現世符咒進行召喚時，有3%的機率掉落頭像框「萌寵趣」，若前59次召喚內未能獲得頭像框「萌寵趣」，第60次召喚必定獲得頭像框「萌寵趣」。
・ 若大人在活動結束時仍未將絕版插畫券使用完畢，系統將會自動將絕版插畫券轉化成150勾玉。

2. 活動——夏日花火祭！
・ 活動時間：8月25日維護後 - 8月31日23:59
・ 參與條件：等級≥15級
【花火大會】
・ 活動期間，貓掌櫃在町中前街募集物資，參與花火祭中的玩法即可獲得「花火籌備物資」，提交指定數量的「花火籌備物資」可解鎖貓掌櫃外觀「仲夏之宴」等獎勵！
・ 全服籌備到足夠物資後，將召開花火大會，有提交過至少1個花火籌備物資的大人可在貓掌櫃處領取限定頭像框「煙月銀壺」，大人們還可製作並燃放屬於自己的花火哦！

【撈金魚】
・ 金魚姬在花火祭舉辦了撈金魚比賽，與多名陰陽師大人一起匹配比賽撈金魚，可以邀請好友一起玩哦！

【猜燈謎】
・ 書翁為陰陽師大人們準備了燈謎，誰是平安京的百曉生呢？與其他大人一決高下吧！

【花火保衛戰】
・ 搗蛋鬼達摩天團登場，保護貓掌櫃的花火庫並擊退前來搞破壞的達摩們吧~

3. 時運，週末御魂自選！
・ 活動時間：8月28日00:00 - 8月29日23:59
・ 活動期間的週六和週日，「八岐大蛇」副本的御魂掉落種類可以自由選擇。
・ 每組加成效果的御魂中只能選擇1種，總共可選擇4種御魂。
・ 每天可享受150次時運效果，當次數用完後即恢復正常的掉落規則。
・ 御魂種類在每天選定後，可以多次變更。

4. 新禮包情報！
「處暑符咒補給壹」
售價：88魂玉
購買後獲得：神秘的符咒×10，四星奉為達摩×1，金幣×50000
限購時間：8月25日維護後-8月31日23:59，限購2次

「處暑符咒補給貳」
售價：328魂玉
購買後獲得：神秘的符咒×25，御行達摩×1，金幣×500000
限購時間：8月25日維護後-8月31日23:59，限購2次

「花火祭特惠禮壹」
售價：188魂玉
購買後獲得：大蛇的逆鱗×600，六星青吉鬼×10，金幣×100000
限購時間：8月25日維護後 - 8月31日23:59，限購5次

「花火祭特惠禮貳」
售價：68魂玉
購買後獲得：被遺忘的繪本×2000，五星青吉鬼×10，金幣×100000
限購時間：8月25日維護後 - 8月31日23:59，限購5次

「日常加成補給」
售價：18魂玉
購買後獲得：體力×60，櫻餅×30，100%經驗加成1小時，100%金幣加成1小時，御魂&覺醒掉落加成1小時
限購時間：8月25日維護後 - 8月31日23:59，每日限購1次

「日常特種補給」
售價：30魂玉
購買後獲得：御行達摩（碎片）×5，體力×300，金幣×50000
限購時間：8月25日維護後 - 8月31日23:59，每日限購1次

「長月開運福袋」
售價：30魂玉
直接獲得：頭像框「秋之穗」，櫻餅月卡
如果已經擁有頭像框「秋之穗」，會轉換為動態頭像框「秋之穗·相伴」；如果已經擁有動態頭像框「秋之穗·相伴」，會轉換為全新動態頭像框「秋之穗·相依」！
櫻餅月卡：每天首次餵食小紙人不扣除櫻餅，並且可以額外餵食1次，持續30天
每日獲得：勾玉×20，體力×20，每日經驗和金幣+15%
限購時間：9月1日00:00 - 9月30日23:59

各位召喚師好：

今天我會繼續為大家介紹新時代新的系統背後的設計。在此之前先澄清一下我們看到在各召喚師討論中的一些誤區:

1. 召喚師可以通過新的以諾塔前往以諾時代的地圖。就像以前 (2021年 3 月) 團隊曾於交流會中說過，基於系統限制，召喚師並不能自由設定選用以諾舊時代的地圖介面，但仍可繼續到舊世界解除各主線封印、進入旅人的記憶及於虛影世界冒險。
2. 新抽卡機的更新時段並不固定為三星期，只是例子中以三星期作例子，「前往嶄新的時代」首次的更新時間暫定為三星期區間。

接下來希望跟大家簡介抽卡機的理念，新系統「羈絆」及敵方技能顯示方式的改變方向：

==============

(一) 獨立系列卡匣

年初，團隊已曾公佈過獨立系列卡匣詳細改動的詳細 (https://www.facebook.com/tos.zh/posts/3902531633170660)。重點如在「前往嶄新的時代」開始我們自家會採用全新的抽卡更替流程和補底數目。保底的次數會由之前的35抽，大幅減至20抽保底，並且會每一周期推出新的大獎和二獎放進卡池。即於同一個卡匣中，即使活動期數中途轉換，補底的魔法石封印次數不會中途重置。

抽卡機的改動目的是在於集中資源在更有趣和更多玩法的新角色。希望召喚師抽到的角色都能夠在不同的關卡當中出現，而不是抽到小獎就覺得是無效的角色。這個卡匣中，大獎的定位為隊長，而二獎的定位為隊員。

如有留意 GNN 新聞稿的召喚師會發現到，新的 10 隻「召喚師候選者」小獎技能都是用來應付一些針對性的情況。團隊希望召喚師在不同時間回鍋也可以透過輕鬆入手的「召喚師候選者」，去應對不同的關卡。我們將會按照未來遊戲生態發展，加入新的「召喚師候選者」或上調舊的「召喚師候選者」使他們在未來仍能幫助召喚師通關。暫時以上改動只會於神魔自家版本中進行，合作版本的抽卡機暫時仍維持以往方式。

==============

(二) 加入「羈絆」系統

「前往嶄新的時代」版本中，新系統「羈絆」將會在遊戲中登場。

假設當召喚師擁有「角色 A」，再擁有跟他存在羈絆的「角色 B」(需要達成指定等級條件，如適用)，「角色 A」就會得到不同種類的強化 (即使「角色 B」沒有進入隊伍)，順帶一提，大部份羈絆能力是要透過角色符石觸發。同一隻角色可以有多於一個的羈絆能力。

暫時羈絆能力會被設定在「前往嶄新的時代」版本的部份關聯角色中，首隻大獎將會和之後登場的地獄級會有羈絆。通過羈絆系統，召喚師可以更了解角色和角色之間的聯繫，也能通過更多不同的方式進一步強化角色。

==============

(三) 敵方技能顯示方式轉變

團隊在本月頭曾解釋過，隨著時間過去，無法避免敵人技能越來越多。為解決不少召喚師提出的「作文盾」問題，團隊會改善介面和利用視覺協助，希望減低召喚師理解敵人技能的門檻。 (詳見： https://www.facebook.com/tos.zh/posts/4378969308860221)

由「前往嶄新的時代」版本開始，敵方技能顯示方式有以下兩個轉變，希望召喚師可以更清楚捕捉關鍵資訊，亦更易了解技能之間的差別：
———
A. 部分新敵方技能將會用摺疊方式顯示，新的技能會有一個技能名稱和一些附加詞綴。

例如: 【6 連擊盾 - 追擊】
(代表了敵方會有一個6連擊盾，如果達成不到條件則按連擊數目的差距而作出相應次數的攻擊

———
B. 敵人技能的描述方式會有所變更，「擊中」「攻擊」等字眼會更為準確。

舊: 首批消除水符石及對敵人發動攻擊，該回合無法對敵人造成攻擊傷害，且敵人會反擊自身 100%
攻擊傷害。

新: 【反首消水符石盾 - 反擊】

首批消除水符石及擊中敵人時：
1) 無法對敵人造成傷害
2) 敵人反擊
⇒ 自身 100% 攻擊傷害

———

暫時新、舊的技能顯示方式會同時共存一段時間(舊的顯示方式將會一步步被取代) ，詳細轉變請參考日後的公告內容。

===============================

其他項目的進度如下 (為顧及未看過舊「1800 神魔特別報告」的召喚師，部分曾提及的項目資訊會被重覆放置於下方。)

- 推出「前往嶄新的時代」版本[更新]

將會於 2021 年 8 月 2 日推出 (維護時間待定)，當中涉及多個大更新。詳見： (https://www.facebook.com/tos.zh/posts/4194656193958201)
(https://www.facebook.com/tos.zh/posts/4399362330154252)

- 未來排程推出的角色

將會推出所有侵蝕封王，此系列角色卡都將會安排動態造型(推出日子待定)。而「幻變之花」「誓約之花」系列暫定在今年內推出及復刻，水火黑妍復刻時會上修。「美索不達米亞」及「圓桌騎士」系列角色會於今年內解放。未來版本會有 1 張妖精大獎，未來會有純色隊長；十一封的新 5 主會在今年內推出。

- 關卡調整

會繼續研究「關卡雙倍王卡掉落」未來的安排 。此外，在接下來的版本，多隊戰將會能夠支援召喚師系統的角色。迎擊戰再次開放時將縮短活動期限。正研究讓召喚師消耗雙倍體力拿雙倍掉落物

- 龍刻

之後會增加龍刻入手的方式。舊的地獄還是會有龍刻的，就新的不會再推出新龍刻。新世界的版本中會有更新龍刻分類方式。目前的排程於未來世界後的 2~3 個版本後推出龍刻背包及熔煉系統的優化

- 未來系統優化

計劃新增「一鍵升技」功能，亦希望在未來優化敵技圖標和技能描述方面的表現 (時間未定)

======================

其他曾提及而近期完成了/運作中的項目：

- 支援 60 Hz 以上畫面更新頻率
- 會於每一週檢視是否推出修復版本，加快各個修復版本的推出時間
- 以後每個版本的內容將會繼續以往提早一週時間給測試人員、測試伺服器測試進行測試
- 內部已開展神魔男將計劃中
- 已製作增加 7、8 星角色分類功能，現正測試中。待版本大更新後，將會加入更多舊角色系列的分
- 已於健檢中心推出新功能
- 短合作將來有可能會有其他玩法、或是有石抽卡

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

刷活動怪的3個重點 :
1. 怪物的數量及種類要多
2. 刷怪路線要流暢
3. 放棄太難打的怪

(官網)王室狩獵活動 : https://ro.gnjoy.com.tw/notice/notice_view.aspx?id=4206

【關於遊俠小傳】
仙境回歸原廠那一年，我選擇了咒術當我的本尊，一路跌跌撞撞練到了175，我的傷害就像長不高的小男孩一樣，總是被班上的遊俠嘲笑，而且天生就是這樣高傲遊俠們只要配一個天羽套，就能在同樣經濟條件下輾壓咒術傷害，當時的我深受打擊，明明我也花了不少錢，為什麼總是輸人家一截？當時我就決定了，既然打不贏，那就加入吧！而且為了證明躺著都能贏，所以我不接受任何金援，打算靠遊俠隻身闖蕩仙境傳說！！

【遊俠小傳歷史】

2020/12/08 100集達成，並成為有課玩家
2020/11/06 成功製作了幻影獵人之弓！
2020/10/09 踏上幻影獵人之弓製作之旅
2020/09/25 第一次挑戰吃野王(虎王成功！)
2020/08/14 發揚了擲骰子衝裝法
2020/07/03 第一次打玩具副本
2020/04/03 第一次打三王
2020/02/21 買齊了影子職業套裝
2020/01/31 轉向銳利射擊遊俠
2020/01/10 第一次刷101塔-學會電擊陷阱之術

2019/12/20 第一次單刷古副
2019/10/18 第一次召喚狼出來
2019/10/11 第一次衝裝運氣超好 (2件+9天使羽翼戰袍)
2019/05/31 第一次穿上成套穆拉裝
2019/05/24 三轉考試過關
2019/03/24 與溜溜猴遇見的那天
2019/02/02 第一次進入周末副本單刷

2018/10/19 進階二轉
2018/05/04 第一次吃掉寶糖

2017/12/08 轉生
2017/09/10 第一次當隊長
2017/07/16 與小雞(狗狗雞)遇見的那天
2017/02/19 二轉獵人

2016/12/26 創角色



【嘮叨區】
哈囉大家好我是小白，歡迎來收看我的遊戲頻道，目前頻道內容主軸都是仙境傳說Online，偶爾會發一些別的遊戲．我不是全職的YT仔，只是做興趣，所以大家看的開心就好哦！

訂閱起來：https://www.youtube.com/channel/UC628rflOBhz55j2MDuXvyXQ?view_as=subscriber

【頻道播放清單列表】
ChouBye小白 仙境傳說 - 遊俠小傳：https://www.youtube.com/watch?v=NSUCSAo4O-U&list=PLYymfqmKdctOC-mEtkRpt9NztIUDSWJFo
ChouBye小白 仙境傳說 - 咒術系列：https://www.youtube.com/watch?v=RZzIAOaGFPY&list=PLYymfqmKdctPTP9om3Dkysd8niIzVATSY
ChouBye小白 仙境小劇場：https://www.youtube.com/watch?v=Lya71sLquCY&list=PLYymfqmKdctMfdhaVfUpsVA7ZB0odDA3D

ChouBye小白 動森日常：https://www.youtube.com/playlist?list=PLYymfqmKdctMudQon6gD6BZ1yUXD28Wrj

ChouBye小白 The Forest(完結)：https://www.youtube.com/watch?v=lSxZ4EIgfes&list=PLYymfqmKdctO0rvOOdj21KRoSXT-LIAFX

【仙境傳說 Ragnarok】
伺服器：台港澳伺服器 - 巴基力
網址：https://ro.gnjoy.com.tw/

【常用資訊查詢網站】
1. 巴哈姆特 - 仙境傳說版：https://forum.gamer.com.tw/A.php?bsn=4212
- 仍然很熱鬧的討論區，最新最新的消息及討論都可以在這邊找到

2. 仙境傳說(RO)幻想廳：https://rd.fharr.com/
- 幻想聽是我認為目前RO對於各項道具及魔物更新很即時而且精確的情報網站了！查詢卡片能力裝備資訊、怪物資訊等等，都非常推薦到這裡查詢

3. 天野幻境：https://roidv.com/
- 這是已經存在很久的老牌RO資訊網站了，但我只比較常搜尋簡易的基礎資訊，例如指令啊..屬性相剋之類的。

4. Ginyuki's RO | 銀雪的RO筆記 : https://ronews.ginyuki.com/
- 銀雪大的網站主要分享一些RO故事劇情的分析與更新資訊，我很多在RO上知道很有趣的故事或者歷史都是從銀雪大網站學到的！如果你對於RO想了解更多遊戲架構及遊戲歷史、任務故事背景等等...，非常推薦銀雪大的網站翻翻找找，會有很多意想不到的訊息呢！

5. 新仙境傳說R0(R版)任務筆記 : http://s010381.blogspot.com/
- 這個網站上的任務攻略整理的非常淺顯易懂！！

【仙境傳說相關的ＱＡ】
Ｑ：請問現在還有外掛嗎？
Ａ：我是很少看到了，你可以上線看看～

Ｑ：請問現在是免費嗎？
Ａ：現在全伺服器是免費商城制，就是玩遊戲不用錢，但有商城可以課金。

Ｑ：請問要怎麼申請帳號？
Ａ：到官網按照步驟申請，目前需要實明認證，就是需要附上身分證資訊

Ｑ：不是台港澳的玩家可以申請帳號嗎？
Ａ：我問過官方不是台港澳有其他方法可以申請嗎？他說請我看清楚(好像滿嗆的)只能台港澳
　　所以很抱歉...不行！

Ｑ：請問一般服推薦那個伺服器？
Ａ：我自己推薦波利。

網石公司（Netmarble Corporation）今（10）日宣布，極限生存 MMORPG 手機遊戲《A3: STILL ALIVE 倖存者》正式推出，玩家即刻起可在 App Store 和 Google Play 雙平台下載，邀請玩家一同在黑暗唯美世界展開衝突、競爭和紛爭戰鬥。

《A3: STILL ALIVE 倖存者》提供玩家橫跨不同遊戲種類的遊玩體驗，不但能在龐大開放世界觀體驗 RPG 玩法，同時也能暢玩緊張刺激的皇家之戰（大逃殺）。玩家在開放的遊戲世界中，必須隨時保持警覺，並在一觸即發的不同對戰模式中，展開激烈的砍殺戰鬥，設法脫穎而出。

「《A3: STILL ALIVE 倖存者》有令人驚豔的遊戲畫面，同時也配備精彩的核心玩法，不但保有網石一貫製作高品質 MMORPG 手機遊戲的傳統，並為爾後的手機遊戲趨勢立下奠基。」網石執行製作人 Joong Sun Chang 說，「能創作出設定在黑暗與嚴峻環境的遊戲世界觀，且和團隊一起設計出充滿高度樂趣的 MMORPG 玩法，是個非常美好的經歷。」

官方指出，遊戲正式推出後，玩家可以暢玩以下內容：
5 種強大的職業群角色：包含狂戰士（近戰輸出）、守護騎士（魔法近身坦克）、魔法師（魔法遠距離輸出）、暗殺者（輸出）和弓箭手（遠距離輸出）。
融合皇家之戰（大逃殺元素）和開放世界體驗，玩家在皇家之戰參戰同時，也能在野外自動戰鬥，並可在兩種模式中蒐集高等級裝備。
超過 201 種靈魂連結者。獨特的靈魂連結者提供眾多好處，並陪伴著玩家一同戰鬥，玩家可蒐集、培養，並針對不同的戰況，選擇有利的靈魂連結者戰鬥。
除了隨時開放的玩家對戰環境外，玩家也可參與「黑暗暮光」，在全伺服器同時進行的原野中心 100 人 vs100 人的大規模戰鬥，遊玩過程中需要擬定不同的的戰略，為個人和所屬的團隊爭取至高無上的榮譽。

iOS 版下載連結（免費）
https://apps.apple.com/tw/app/id1491129341
Android 版下載連結（免費）
https://play.google.com/store/apps/details?id=com.netmarble.survivalgb&referrer=utm_source%3Dgamer.com.tw%26utm_campaign%3Dgnn

⭐『訂閱汪汪』得知最新影片消息 ➔ http://bit.ly/DaiCyuan_sub 🐶
📜 阿白白傳說集數列表 ➔ https://pse.is/UTYP5

・🦴・🦴・🦴・║ 找到汪汪 ║・🦴・🦴・🦴・

💬 Facebook ➔ https://www.facebook.com/ThreeTailPuppy
💬 Instagram ➔ https://www.instagram.com/julius_cyuan
💬 Plurk ➔ http://www.plurk.com/puppy910240
💬 Twitter ➔ https://twitter.com/puppy910240
🍮 超商贊助汪汪 ➔ http://bit.ly/DaiCyuan_Donate
🍮 信用卡贊助汪汪 ➔ https://streamlabs.com/dai_cyuan
💬 紅石口袋 ➔ http://www.facebook.com/RedStone.Poke

・🦴・🦴・🦴・║ 遊戲資訊 ║・🦴・🦴・🦴・

🎮 遊玩版本 ➔ #Minecraft 1.12.2
🤪 地圖架設 ➔ @小白
📌 模組包宗旨 ➔ #白凱吉傳說 #阿白白魔界

・🦴・🦴・🦴・║ 製片夥伴 ║・🦴・🦴・🦴・

🎥 錄影軟體 ➔ Action!
👊 剪接 ➔ 蔡先生
👊 字幕 ➔ CEO

・🦴・🦴・🦴・║ 音樂使用 ║・🦴・🦴・🦴・

🎵 版權聲明
Hamster March by Kevin MacLeod is licensed under a Creative Commons Attribution license (https://creativecommons.org/licenses/by/4.0/)
Source: http://incompetech.com/music/royalty-free/index.html?isrc=USUAN1100212
Artist: http://incompetech.com/