三十年老飯盒的田秋堇監委，自請調查台電「三相不平衡」年損45億度電，其實這又是一個炒冷飯的問題。

■ 陳謨星篇

2014年，反核團體邀請號稱「電學泰斗」的陳謨星教授回台，在非核家園論壇發表一系列意見，後來被我們核終連環踢爆，他連基本電力學都不懂。

陳謨星的主要論述是「三相不平衡」導致台電損失相當「一個核電廠」到「三個核電廠」再到「兩個核電廠」的電。這些是原話，當年我們連秒數都有記下來，他在三立專訪影片就前言不對後語。

他認為「台電對改善不平衡毫無興趣」、「把錢拿去搞核能了，花核四1%的錢可以把丟的電找回」、「台灣根本不缺電，把浪費的電找回，台灣不用核電」等等。

這邊不花時間科普「三相不平衡」，有興趣請自行參考電路學。直接講結論：台電歷年線損率都壓在4%以下，全世界只有韓電(KEPCO)比我們優秀，陳謨星的謠言不攻自破。

順帶一提，陳謨星在美國教書，根據美國能源資訊部的官方數字，全美電力公司線路損失率平均是7%。你就知道這個號稱「電學泰斗」的華人教授在美國混得怎麼樣，總之後來他銷聲匿跡了。

■ 郝明義篇

2016年，郝明義動用特權搞「開放台電」，同樣拿V-V接線問題質疑「三相不平衡」損失電力。

台電回應，「造成系統電壓不平衡之原因係因用戶用電型態所造成，並非配電變壓器採V-V接線。」這是由於低壓單相負載（家庭用電）才是造成電壓不平衡主要原因。然而不平衡率區間在0.5%以下佔六成，最多不超過2%。

依照2015年實測數據，線路損失率3.72%，三相不平衡引起的損失又只佔線路損失率的2.14%，故台電計算效率損失為2.14%×3.72%=0.0796%，不到千分之一。

至於郝明義和方儉要求每個電表的停電紀錄、產業用戶的用電量、含GPS或門牌號碼的配電系統圖等項目，我們一看就驚覺有國安危機，立刻強烈抗議才把他們擋下來，那又是另一個故事了。

■ 田秋堇篇

2021年，田秋堇以監院名義發布新聞稿指出，「由於台電大量使用燈力併變壓器（V-V接線），造成三相不平衡日益嚴重並增加饋線損失」、「台電近三年每年線路損失約45億度至48億度，平均損失金額約92.97億元」。

但近年台電自發電量皆超過2300億度，小學算數一除，啪啪兩個耳光，差不多是2%，比台電公布的線損率還低。請田大監委不要浪費人民納稅錢炒妳那臭酸掉的冷飯，謝謝。

--

🍀小額贊助核四公投宣傳經費
https://p.ecpay.com.tw/35C87D9

【當沖稅制攪局，聚焦產業趨勢】
時間：2021/8/15(日)
發文：NO.1295篇
大家好，我是 LEO
.
❖台股資金動能強
象徵散戶資金動能的證券劃撥存款餘額，6月底增加467億元，升至3.0518兆元，創歷史新高。6月活期性存款餘額增加至21.09兆元，已連續20個月創歷史新高，月增達1819億元。6月份的M2年增率 9.23%創 22年新高，M1B高於M2持續黃金交叉，加上現在正是除權息旺季，8月20日前鴻海、廣達、聯電等總計2,120億元股息即將入帳，顯示市場資金活水相當充足，代表最近股市的回檔其實有非常多的資金正在場邊等著，隨時可以進場，等待適當時機吹起反攻號角。
.
❖出口創新高連13紅
最新數據台灣 7月出口規模 379.5億美元，創歷年單月新高水準，出口年增率 34.7％ 呈現強力擴張態勢，創連續 13個月正成長，累計1至7月出口 2,448.7億美元，創歷年同期新高，台灣的強項 5G與 AI產品，資通訊產業，各種科技產品出口動能都非常強勁，前七月累計出口年增率 30.04%，勇冠亞洲四小龍，優於南韓 26.6%、香港25.8%、新加坡 21.5%，展望8月出口動能續航，有望挑戰連 14紅，再創單月歷史新高，加上第四季迎旺季，LEO認為從產業基本面來看，沒有悲觀的理由。
.
❖五倍券拚振興
科技產業外銷出口從上述數據來看，不但沒有受到疫情影響，甚至因為遠端需求而受惠，航運、鋼鐵直接反映在獲利數字上，去年發出三倍券當時內需產業還沒有這麼慘，今年本土疫情爆發後內需消費、餐飲、娛樂產業、夜市…等庶民產業重創，發現金或者發振興券議題炒得很熱，最終連一千元都不用付，直接全民領五千元，共享今年台灣GDP成長的經濟成果，主計總處上修今年台灣經濟成長率到 5.88%，全年坐五望六，LEO研判各縣市政府官員為了接下的政治聲量與選舉考量，一定會推出各種加碼活動，包含各餐飲商家、旅遊業者為了搶振興券也會加碼推優惠，預估將可貢獻GDP達0.9%，有望振興民生消費，內外兼顧。
.
❖不確定的政策
當初2016年前台股成交量僅千億出頭，政府指稱年輕人不買股，不投資，台灣證券交易稅千分之三被指稱沒有競爭力，市場缺乏資金活水， 2017年 4月 28當沖交易稅減半上路至今，確實有收到成效，今年七月證券交易稅連續 22個月正成長，高達 341億元，累計一至七月高達1708億元，已經確定創下歷史新高紀錄，而且這只是千分之1.5，原本的一半而已，台股日成交均量 5070億元，也同創歷史新高。
.
今年底當沖交易稅減半在年底12/31即將到期，部分政府官員卻認為市場過熱，投機氣氛影響股市正常發展，講白了就是太多年輕小白進入市場，部分小白過度放大槓桿卻無法承擔，特別是熱門股當沖頻頻發生違約交割情事，開始有言論表示：年輕人都在炒股，不務正業！
.
當股票市場進入多頭，加上疫情在家工作推波助瀾，全球低利率市場資金氾濫，不只年輕人很多不玩股票的長輩也開始投入，成交量放大有助於市場波動度增加，稅制本來就是障礙，港股證券交易稅僅千分之一，南韓股市千分之二(未來將降成千分之一點五)，台灣證券交易稅千分之三本來就比別人貴，社會福利也沒有比較完善，降到千分之1.5只是剛好而已，如果想要趁勢取代香港金融重鎮地位降到千分之1將更有助吸引國際資金。
.
原本七月台股動輒5千億甚至接近 6千億的成交量，到八月幾乎每天都剩下 4千億以下，甚至接近3千億水準，成交量大幅縮水減少2000至3000億，一天就減少4.5億稅收，一個月就少掉近百億，台股跌破月線、季線甚至接近半年線，市值的蒸發就更恐怖了，更何況國際股市頻創歷史新高，台股各項經濟基本數據沒有比別人差，股市表現卻獨憔悴，叫投資人情何以堪？
.
LEO研判最終財政部還是要妥協支持當沖降稅延長，頂多針對當沖比例高的股票以警示措施來應對，這才符合國際趨勢可加強台灣資本市場競爭力，不應再走加稅的回頭路，台股在接下來的第四季電子旺季來臨，多頭趨勢明確的產業例如：電動車、電池、Mini LED、伺服器、晶圓代工、第三代半導體….都將持續發光發熱。
.
如果政策面有善意回應，只要確定當沖降稅繼續延長，相信站穩季線不是問題，股市將重返多頭。上週很多股票慘跌遭到錯殺超過三成，本週將有機會進場、搶、反、彈，嘗試做點短線價差，想知道那些標的可以搶，該怎麼搶，賺多少要跑？
.
趕緊追蹤股民當家
❖Line群組傳送門⤵
https://lihi1.com/jjjwf
❖TG 頻道傳送門⤵
https://t.me/stock17168
天佑台灣，疫情早日結束❤️

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

更多影片連結！ : D

立刻購買爆 K 粉末！讓你智商超出常人的理解！
購買連結：http://lj.dsa.tw/kevin-kit-gold-bundle.html
滿三千送十萬獎牌千分之一碎片一份！湊滿千份可招喚神龍！

#Kit

------------------------------------------------

這次是這季最後一次發片了！
我很榮幸能在這遇到大家！
也很高興你能看到這篇訊息。

一直以來做影片是想讓大家開心，
始終得中指也是［Let's get Happy!］
我們靠大家一個一個人的瀏覽與每一次歡笑，
建立起了一個小小的屬於我們共同創立的回憶。
大家的每一次笑容，才會讓這存在與記得的。
我們建立的這回憶不會是跟別人一樣，
我們回憶起來是真心的玩樂的笑容。
沒有為了金錢的廣告，
也沒有只是為了拍片而拍的虛假笑容。

我只想把最好的，
最值得給大家記得的放在大家的生命中。

我時常去看數據，我看到的不是一個數字。
而是每個人重看時，會帶著的笑容。

而我也逐漸意識到，
影片終究是娛樂。不管我們的回憶在深厚，
也只是許多笑容中的其中一個最璀璨的回憶。

現在大家需要的不是美好的回憶，
而是大量空洞內容來填補生命的空虛。
即使是莎士比亞，看完了就是看完了。
剩餘的時間，還是被滿滿海量的東西給淹沒。
不可能一生只會看到莎士比亞而已。
而創造剩餘空洞與空虛的內容。
這是我不喜歡的，我很注重生命的價值。
我崇尚生命雖然不一定有意義，
但我們人可以認定什麼有意義。

至於空洞的填滿人生是我不會在這頻道做的。
因此，我會開始別的頻道。
這美好烏托邦的回憶，我們能建立起來已經太不簡單了。
大家辛苦了！我們戰敗了也戰勝了。
我們讓大家知道，
不用虛假的假笑，不用抱大腿的去別人那留言，
也不用一大群沒有心在這東西上面的人，
是可以有屬於我們小小的回憶。

一直以來，感些支持啊！：D

By 阿飄。

Since I was a child... I always loved a good story.
I believed that stories helped us to ennoble ourselves,
to fix what was broken in us, and to help us become the people we dreamed of being.
But then I realized someone was paying attention, someone who could change.
So I began to compose a new story for them.
It begins with the birth of a new people and the choices they will have to make.

An old friend once told me something that gave me great comfort.
Something he read. He said Mozart, Beethoven and Chopin never died.
They simply became music. So I hope you will enjoy this last piece very much.

------------------------------------------------

問與答： http://lj.dsa.tw/qna.html

------------------------------------------------

網站： http://lj.dsa.tw/
Facebook： https://www.facebook.com/LJ.game

------------------------------------------------

Let's get Happy!

黃偉俐醫師現在雖然是身心科診所的院長，但他的職業範疇以前就是做生技顧問，臨床實驗設計，也曾在輝瑞、ＡＺ任職，所以對於這樣的專家而言，高端的實驗設計跟食藥署的的規範簡直難以想像，世界怎麼追得上台灣這麼量身打造就是要讓他過的實驗規範？！

更進一步的是，這樣的規範要怎麼獲得世界認可？ＷＨＯ給的規範是最底限，實在沒辦法也要三千人，但我國的食藥署把這個最底限變成【這樣就可以打在人民身上了】，這在邏輯上是不是差太多了啊？


二期期中報告解盲就EUA
這個到底在科學上要怎麼解釋
這個東西沒有科學的解釋這叫無賴
那台灣的食藥署又更好笑了
他說只要AZ抗體的67%
你不會覺得很奇怪嗎你知道嗎
我知道三分之二這數字怎麼抓出來的
75%乘以三分之二是多少
75%乘以三分之二是50
就是他剛好就是抓一個
above WHO的防護力標準50%
那個剛好低空飛過了所以才這樣子做
答對啦 bingo啊
你不覺得這是無賴嗎
不是這也...
這個兜數據也兜得太誇張了吧
不會啊你根據WHO的指引啊
他所有東西都是根據WHO的指引啊
二期要做多少人是WHO說的啊
那都是底線
就是WHO跟你說狀況最爛最爛也要這樣
但是在我國的規劃裡面就變成那就這樣就好了
這不是一個高標的開發標準
我為什麼說是無賴你知道嗎
你想想看如果你今天是一個藥廠
那已經有一個疫苗出來了
比如說證實是75%
然後呢根據世界衛生組織我只要50%就好了
那大家都不用做三期啦
每個都做免疫橋接就好啦
所以像輝瑞 莫德納他們是白癡大傻瓜
我丟個幾億美金幾十億美金去做三期
然後呢我就直接做免疫橋接就好啦
所以為什麼我估算世界不會
任何大國家比如說歐盟或美國的FDA食藥署
或歐洲講的藥物管理局
這不可能通過它的EUA或者它的藥證的啊
因為他一但發行這樣子的藥證的時候
他在鼓勵別人投機跟無賴啊
目前CDC主張是先救一劑覆蓋率
就是大家盡量打拼命打
反正大家盡量都打到一劑
那可是有很多的公衛或是免疫專家認為
應該要拚弱勢者就是容易重症者的兩劑覆蓋率
請問黃醫師你覺得
以防疫來看你比較認同哪一種做法
我們要捨老救關鍵
其實我們後來的做法也很多是這樣
比如說防疫人員先打對不對
醫護人員先打 為什麼
如果今天是醫護人員跟老年人你要先救哪一個
你要先打哪一個
那沒辦法應該就是醫護人員
為什麼因為你今天老年人死了就死了
或者哪一個年齡層的人一樣
你死了就死了你不會傳染給別人
但是醫護人員會傳染給別人對不對
那你如果今天是關鍵的東西
你今天如果台灣的晶片廠掛了
請問台灣的經濟會怎樣會死多少人
應該我國整個GDP會崩潰
然後國際間就想說原來我這麼缺台積電
它的確會造成今年以來的
幾乎所有的GDP成長都變成飛灰
會灰飛煙滅
而且這是世界性的混亂
但是如果一但這樣很好
因為保證疫苗絕對幾千萬劑就立刻過來
馬上源源不絕的來
我不打他可能都強迫我要打
所以公衛政策有些時候必須是殘忍的
所以在一劑跟二劑之間
我們來講的是這種殘忍度的問題對不對
今天是要想辦法保護一群人不受感染
那你要保護誰
我在想的是怎樣保護我們台灣的關鍵的東西
跟怎樣保護這個社會不要受到大規模傳染的情形
我覺得最大的議題是陳時中先生必須
為台灣疫苗不夠而下台
這個我同意
他應該要負責而且至少要道歉
但到現在沒道歉還把他吹成一個神
這我不能接受
這不是道歉可以解決的問題
你今天購買的只有1500萬的疫苗
你是要怎麼道歉
聯亞掛了高端做不出來你是要怎麼道歉
總共數字是1505萬劑
也就是你1505萬劑連2350萬人
二分之一的人打一劑都不夠
那就是疫苗採購有問題
所以一直在吵一劑二劑不是很好笑嗎
你應該要陳時中下台
不要讓他每天去接機對不對
台灣變成無賴跟乞丐
有一個無賴的生技公司
再加上乞丐的衛生官員
這不是很好笑嗎
我覺得很奇怪啦
台灣自己政府不知道什麼時候該做無賴的行為
可是卻允許生技公司一天到晚在無賴
黃醫師我們剛剛都指控了都說了已經講了很多
你覺得高端這種沒有真正第三期臨床
也沒有防護力數據的疫苗在台灣硬是推動
會產生的最壞想定是什麼
我覺得最壞的想定是政府認為高端有1千萬
然後聯亞有1千萬結果只買了1505萬
這是最糟糕的事情
所以一開始就糟了政策錯了
因為次蛋白的技術其實之前有很多的驗證
免疫臨床橋接也沒有問題
但是對於整個全世界的生技跟醫藥行業來講
這一家公司叫做無賴
我講的很清楚了嘛
如果大家都這樣子那我幹嘛花幾億美金
我就等別人的我再做免疫橋接
花個幾億台幣就好啦
那這不是無賴嗎對不對
那你今天明明沒有Delta的資料
你就說它會對Delta很有效這不是無賴嗎
你今天只有做三千個
只知道千分之一的副作用沒有問題
然後你說你這支疫苗沒有問題
那這不是無賴嗎
所有所有的行為都是無賴啊
但是我覺得這個東西不是問題
最大的問題不是說這一支疫苗真的會打死人
不是的
最大的問題也不是這支疫苗沒有效怎麼樣
最大問題是因為我們相信高端有效
然後可以給我們1千萬劑
結果他只給我們幾十萬劑
然後我們的政府只買了1505萬的疫苗
我覺得這件事情是我們這個國家最大的危機
所以我們不要搞錯重點
我覺得國民黨常常畫錯重點
你的重點是在
你的政府為什麼只買了1505萬劑疫苗
這才是最大的重點
這東西是難辭其咎的
今天你如果真的要去追究這些事情
你覺得陳時中或是蔡英文有什麼說詞
沒有嘛
你今天是靠別人捐嘛
這世界上我覺得我們社會領袖
我們這些企業我們為什麼會沒有人出來
願意像我一樣
難道這些企業主是笨蛋嗎 不是吧
他們應該都看得很清楚才會去捐
那為什麼大家不站出來
去反對這個政府這樣無良的做法
我不明白的是這個
我認為重點絕對不是在高端
而是在我們政府為了高端跟聯亞
只買了1505萬劑我再講一次
連給大家打一遍都不夠的1505萬劑
然後每天在那邊沾沾自喜的
跑去迎接別人施捨給我們的疫苗
這東西叫做什麼
我們的全民是笨蛋
我們的企業主是白癡
不可能吧
全世界做這麼大的生意
這些企業主不是白痴吧
只是沒有勇氣吧

阿宅萬事通語錄貼圖上架囉 https://reurl.cc/dV7bmD​

【Facebook傳送門】 https://www.facebook.com/Geekfirm
【Twitch傳送門】 https://www.twitch.tv/otakuarmy2
【加入YT會員按鈕】 https://reurl.cc/raleRb​
【訂閱YT頻道按鈕】 https://reurl.cc/Q3k0g9​
購買朱大衣服傳送門： https://shop.lucifer.tw/

是誰修建了金字塔？ | 神奇的金字塔能量 | 古夫金字塔 【無奇不談#18】Skylai Tv

到目前為止，在埃及已經發現了九十幾座金字塔，而其中最大的三座分別就是位於吉薩高地（Giza)的古夫金字塔、卡夫拉金字塔和門卡拉金字塔，它們都是修建於古埃及第四王朝時期，至今已近有四千五百多年。古希臘歷史學家希羅多德（Herodotus)對古埃及進行了詳細的研究後就認為，建造金字塔的巨石是開採於尼羅河東岸的【阿拉伯山】。當時數以萬計的埃及人就用青銅鑿子在岩石上打眼），然後插入木楔、灌上水，等到冬天結冰時岩石便就會漲裂，他們就可以開採到上噸的巨石。之後，上萬人再仔細打磨巨石放在雪橇上，再通過畜牲的幫助拉到建築工地。那到了工地，他們又要怎樣搬運巨石來疊成金字塔呢？古埃及人就會在工地四周圍用沙土建成一個斜坡，然後沿著斜坡將巨石拉上金字塔，就這樣一層一層砌成宏偉的金字塔。根據這位古希臘歷史學家希羅多德的計算，古夫金字塔開始修建於西元2580年，總共花了30年時間才完成。前十年用來修築運送石頭的道路和修建地下墓室，而後二十年就用於建造金字塔本身，每年都會動用十萬人。但部分人不認同這個說法，因為按照現在的計算的方法，如果透過他所講的方式來修建古夫金字塔，最少都需要七百年。所以有很多人認為金字塔非古埃及人所建，而是由另一種文明所修建的。有人認為金字塔是由亞特蘭提斯島（Atlantis)人所建造的。亞特蘭提斯島又稱大西州，傳說這這座島是一萬年前曾經出現過輝煌的人類文明，科技發達和生產力先進。但是後來在一次嚴重的地震和洪水，這座島就沉沒了海底，僅）有一小部分的人逃過劫難，乘船到北非尼羅河流域。而這班亞特蘭提斯島人接著就在古埃及修建了金字塔修建了金字塔，並將科學知識隱藏於金子塔中。直到他們死去之後，金字塔就成了千古之謎。也都有人認為修建古夫金字塔的是居住非洲阿特拉斯山（Altas Mountains)的一個叫柏柏爾（Berber)的部落據說當時的撒哈拉（sahara)地區還不是沙漠，那裡物業豐富，柏柏爾部落曾經都擁有個輝煌的文明。但後來土地逐漸沙漠化，柏柏爾部落就東遷至尼羅河谷地。他們施展了他們部落神奇的法術，就建造了金字塔。由於這個部落的建築法術是世代相傳，所以柏柏爾人逐漸消失後，金字塔的建築術也就失傳了。
從考古發掘的歷史文物來看，金字塔的確是法老的陵墓，但卻不曾發現法老的木乃伊。所以有些人就懷疑修建金字塔的目的並不是法老的陵墓，而是古埃及人觀察天象的參照和對天狼星（Sirius)崇拜的體現。現代天文學研究發現，古埃及金字塔與天空上的星座有密切的對應關係。尤其是吉薩高地上的三座金字塔，更具有重要的星相學意義。其中古夫金字塔的南通風孔在特定時期是直接對準天狼星的位置。古埃及人很早就發現，每當天狼星于黎明時刻出現在東南方的地平線上，尼羅河的汛期就會隨之而來，他們就可以預先做好迎接汛期的準備，所以埃及人就非常崇拜天狼星。有人認為在四、五千年前的古埃及時期，外星人經常來到尼羅河地區遊覽，埃及人就將他們所搭乘的飛行物體視之為神明，刻在壁畫上當多神靈崇拜。而這些外星人之所以那麼頻密出現在尼羅河流域，是因為這一區有人類文明出現，同時這裡適合進行太空研究，於是他們就修建了金字塔作為研究和居住的基地。

【金字塔能量】是什麽?據傳法國人鮑維斯發現了金字塔有一股神奇的能量，於是他按千分之一的比列製作了一個小金字塔的模型，然後他在中軸線距塔底三分之一高的地方，放了一個剛剛死去的貓。結果過了十幾天后這隻貓的屍體居然沒有腐爛。除此之外，得鮑爾也把一把刀片放入模型內，結果一段時間後刀片居然比之前變得更加鋒利了。 【金字塔能量】是否真的存在以及它是如何產生，到目前依然爭論紛紛。有人認為金字塔的設計能將特定的宇宙射線和磁性震盪保存其中，而這些物質能夠改變有機體的存在形式，從而產生種種令人想像不到的效果。如果是真的，那麼金字塔設計者的科技水準已經遠遠超越現代人，更加不用說四、五年前的古埃及人。但是有些人不認同這些說法，認為是【偽科學】。他們認為金字塔蘊含的數學和天文學知識，只有一小部分是巧合的事實，大部分是不切實際的主觀臆測。事實上任何一個數字乘以一定的比例都可以得到神奇的數目，所以所謂的【金字塔能量】更加是經不起推敲的奇談怪論，他們認為世界上根本不存在這一種奇怪的能量。然而金子塔的確隱藏了太多人類未解之謎，就以目前的科技水準要修建金字塔也不是一件容易的事。在種種疑問和不解之下，外星人與金字塔的關係就變得更加撲朔迷離。

#金字塔 #金字塔與外星人 #金字塔能量 #古夫金字塔 #古埃及文明 #誰修建了金字塔 #金字塔與亞特蘭提斯島人（Atlantis) #古埃及人如何修建金字塔 #金字塔與天狼星

訂閱我的youtube頻道觀看更多影片，免費的哦： https://goo.gl/FKqtR7

Facebook page：
https://www.facebook.com/skylaitv/
(這裡有可能會出現youtube不方便上傳的影片噢,你懂的^^)

有意要找請我吃飯或合作可電郵到這網址 ： laikinming010@gmail.com