毫米波5G佈建走入死胡同，美國營運商改支持C頻譜強化5G服務

科技產業資訊室 (iKnow) - Gloria 發表於 2021年7月20日

美國最大電信營運商Verizon多年來一直將毫米波（mmWave）5G放在其”超寬頻”全國行銷訊息的中心，而T-Mobile在不看好之下，幾乎沒有提及任何毫米波5G的廣告。根據OpenSignal最新的毫米波5G報告，指出美國的一般行動用戶連接到毫米波5G網路的時間不到1%。

其實，Verizon在2018年推出了其行動毫米波服務，並大肆宣傳世界將迎來5G 的無線光纖時代，讓其峰值網路速度從100Mbit/s左右提高到1Gbit/s以上。畢竟，營運商需要一些東西來向投資者或客戶展示，在傳統的低頻段頻譜中進行的5G速度比起4G快很多。但是根據測試，在低頻段頻譜中的5G與4G 根本太多差異。

Verizon曾暗示其毫米波網路最終可能覆蓋多達全美3000萬個家庭，約佔整個美國的24%。但是隨著該營運商在2021年早些時候以500億美元購買了中頻C頻段頻譜後，其似乎正在放棄這一目標。畢竟，C頻譜雖然遠低於毫米波頻段，但可望支持更廣泛的5G覆蓋區域。

現今更是隨著AT&T、Verizon和T-Mobile在中頻C頻段頻譜上總共花費了近1000億美元之後，毫米波5G的時代在2021年早些時候似乎結束了。未來Verizon和AT&T承諾斥資160億至180億美元建設網路，以支持其C頻段頻譜中的5G傳輸。

雖然Verizon仍預計到2021年底，為其毫米波蜂窩基地台的數量將從目前的 17,000個增加到30,000個。其希望最終通過毫米波5G在城市地區之傳輸，能夠負載高達50%的網路流量，不過Verizon並沒有為該目標提供一個明確的達成時間，更沒有定義什麼是城市地區。

目前，許多金融分析師都認為營運商對毫米波5G的興趣已經結束了，甚至New Street Research還提出「毫米波的謊言已經死了」。根據谷歌在2019年的一項研究表明，使用毫米波頻譜中的5G且提供100Mbit/s的傳輸速率的代價很高，如果要覆蓋72%的美國人口，其需要大約1300萬個發射器和4000億美元。

雖然高通希望從向全球智慧型手機製造商中，銷售毫米波晶片組而獲利，但是其目標要達成的機率變低了。即使毫米波頻譜最終有機會在更大的5G網路中找到一席之地，但是卻無法完全覆蓋大部分的美國區域。例如：其可以在餐館或辦公室等目的地廣泛使用。只不過，這還是牽扯到成本問題，以及何時才能達成這一目標的夢幻了。

附圖：圖、美國行動用戶連接到毫米波5G網路的時間

資料來源：https://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=18056&fbclid=IwAR3hqP3uwWUeOeuUNtFi3DzcR_yNaZhpeuzXcypBM1ANl_dm2eAiBQzPaRU

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

毫米波5G佈建走入死胡同，美國營運商改支持C頻譜強化5G服務

根據OpenSignal最新的毫米波5G報告，指出美國的一般行動用戶連接到毫米波5G網路的時間不到1%。

其實，Verizon在2018年推出了其行動毫米波服務，並大肆宣傳世界將迎來5G 的無線光纖時代，讓其峰值網路速度從100Mbit/s左右提高到1Gbit/s以上。畢竟，營運商需要一些東西來向投資者或客戶展示，在傳統的低頻段頻譜中進行的5G速度比起4G快很多。但是根據測試，在低頻段頻譜中的5G與4G 根本太多差異。...

#科技狗 #VIZIO #P75QXH1 #VIZIOP75QXH1

▌建議開啟 4K 畫質 達到高品質觀影享受

💥 限時特惠 先搶先贏 💥
9 折折扣碼：『3CDOG90』
➥ https://bit.ly/3ldRVcq


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

這一次我們新增了 HDMI 2.1 遊戲功能的梳理，以及串流媒體 HDR 格式解析度的確認。工作室也啟用了亮度計和光譜儀，接下來也期待為電視的評測帶來新境界。

Vizio 以前都是大賣場擺最前面，規格不錯還操不壞。現在台灣看不到了，但是在美國依然發光發熱。妥妥的性價比之王！這次開箱由 Ai Tec 協助引進，光論規格就打趴市場同價位所有機種。就算你把關稅貨物稅營業稅加上去還是很香呢 ~
➥ https://bit.ly/376gxvr

當然缺點還是有，沒有藍牙機能和 3.5mm 輸出就比較麻煩；深夜看節目沒辦法配對耳機有點麻煩。再來就是 HDMI 2.1 有一孔發生問題，另一孔執行正常但是切換畫面的時候那個雪花紋也是讓人膽戰心驚。

這也不是 Vizio 的鍋，因為目前大部分電視晶片都由發哥出產，有可能聯發科在 HDMI 2.1 這塊還需要磨合精進，但至少 4K@120Hz HDR 還是上得去啦！

也趁這次 Avier 贊助和提供優惠，大概講一下孔位演進和線材認證的差異。不過一看才發現市面上的 HDMI 線真的一堆沒認證，就算有認證的品牌也給你搞無認證版本另外降價賣，實在佩服。大家眼睛就睜大一點，避免買到雷線嚕 ~！
➥ https://bit.ly/3ldRVcq

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

::: 章節列表 :::
➥ 外觀規格
00:00 前情提要
00:33 外觀設計
01:23 遙控器
01:32 顯示規格

➥ 連線輸入
03:37 接孔規格
04:26 Avier HDMI ULTRA 認證線

➥ 軟體系統
06:37 SmartCast
08:10 系統功能
09:03 影像規格檢驗
09:25 ProGaming Engine
09:50 音源解碼

➥ 心得總結
10:31 心得總結


::: Vizio P75QX-H1 量子電視 規格 :::
面板背光：75 吋 QLED VA 120Hz 10bit
解析度：4K 3,840 x 2,160
色域亮度：95% DCI-P3 / 3,000nits
控光分區：480 區
靜態對比：5,000 : 1
靜態對比：14,000 : 1 ( 區域控光 )
反應時間：14.4ms
遊戲機能：VRR / ALLM / Auto HDR
HDR 規格：HDR10 / HLG / HDR10+ / Dolby Vision
影像處理器：IQ Ultra 處理器
遊戲引擎：ProGaming Engine™
作業系統：SmartCast
無線通訊：Wi-Fi 2.4GHz / 5GHz

I / O 介面：
　RJ-45
　2 x HDMI 2.0
　2 x HDMI 2.1
　AV 端子
　光纖輸出
　1 x USB 2.0
　1 x 類比音源輸出

揚聲器：30W 2.0ch
音訊回傳：ARC：Y / eARC：Y
VESA 孔距：400 x 400mm
產地 / 保固：墨西哥 / 1 年
建議售價：USD1,999



不要錯過 👉🏻 http://bit.ly/2lAHWB4


--------------------------------------
#3cdog #科技狗 #VIZIO #P75QXH1 #VIZIOP75QXH1
#電視 #vizio電視 #評價電視 #2021電視 #顯示器 #電視代購 #SONY #LG #SAMSUNG
#開箱 #評測 #PTT #體驗 #優缺點 #評價 #Avier #HDMI #父親節 #父親節禮物


📖 Facebook：https://www.facebook.com/3cdog/
📖 Instagram：https://www.instagram.com/3c_dog/
📖 LINE 社群：https://bit.ly/3rzUq8g
📖 官方網站：https://3cdogs.com/
📖 回血賣場：https://shopee.tw/3cdog

▋ 有任何問題都來這邊找我們：3cdogs@gmail.com

有味道的男人、有味道的女人？
此味道非彼味道，想除去狐臭要用什麼方法好呢？

#狐臭 #Miradry除狐臭 #光纖除狐臭 #手術風險 #大醫美 #邱正宏

各位朋友，若您有醫美、減肥、健康相關問題，請用下列方法與我聯絡：
直接撥打24小時專線 +886-931919066
Line id=“Gscline"
WeChat id=“Gscline"

00:00 影片開始
00:30 手術除狐臭的風險
01:00 手術除狐臭風險有哪些
01:18 狐臭能根治嗎？
02:20 Miradry除狐臭是什麼儀器？

我有幾個不同的頻道：
Grand Health 大健康 （健康加財富、知足就是福）https://goo.gl/6EGLMd
Grand Beauty 大醫美 （好好愛自己、就從現在起）https://goo.gl/g1E1rq
Grand Touring 大旅遊 （大叔向前跑、永遠沒煩惱）https://goo.gl/7HN4bk

歡迎大家欣賞，喜歡請按個讚，想獲取最新訊息就按「訂閱」！
我們會提供更多更新的知識和訊息給大家。

感謝以下單位的幫助：
✪景升診所 https://www.genesis-clinic.org https://www.gscline.com
✪愛瘦美官網 https://www.isome.com.tw
✪邱醫師醫話園 https://www.okclinic.gscline.com
✪隆乳 https://www.gscline.com/ifatgraft/breast-adsc-htm
✪減肥 https://www.gscline.com/islimcenter-htm/fat-htm
✪自體脂肪隆乳 https://www.gscline.com/ifatgraft/breast-adsc-htm
✪瘦臉 https://www.gscline.com/ilipolysis-htm/fll-face-htm
✪瘦手臂 https://www.gscline.com/ilipolysis-htm/fll-arm-htm
✪瘦小腹 https://www.gscline.com/ilipolysis-htm/fll-abdomen-htm
✪瘦腿 https://www.gscline.com/ilipolysis-htm/fll-leg-htm
✪瘦大腿 https://www.gscline.com/ilipolysis-htm/fll-thigh-htm
✪抽脂 https://www.gscline.com/liposuction-new-technique/fat_liposuction-htm
✪男性女乳 https://www.gscline.com/ihair-htm/fll-gynecomastia-htm
✪狐臭 https://www.gscline.com/ihair-htm/laserhyperhidrosis-htm