美股跌多漲少，聯準會(FED)官員表示，市場已做好縮減大規模購債計畫的準備；亞馬遜財報低於預期；中國持續加強對海外上市公司的跨機構監督，美國證券交易委員會 (SEC) 要求在美上市、或有意赴美上市的中國企業披露更多的資訊。

美國各大指數延續上周的趨勢，走勢較強的道瓊工業、標普五百、那斯達克等指數回檔，較弱的費城半導體指數繼續反彈，看來是一個整理盤。

強勢股 : DexCom, Inc.(DXCM.US)為一家醫療器材公司，專注於設計、開發及商品化連續式血糖監測儀；

弱勢股 : Amazon.com, Inc.（亞馬遜公司；代碼：AMZN.US）為全球商品種類最多的網上零售商及全球知名互聯網公司，該公司指數，儘管營收持續破千億、AWS 雲端業務成長加速，但主要的電商業務成長明顯放緩，與疫情期間相比，接下來幾季將會維持較低成長幅度。

台股在破季線後最低到16893點後拉下影線反彈，但17500點以上反壓重，目前進入整理消化賣壓，能否築底成功有待觀察，維持低水位持股。

強勢股 : 5百元以上高價股熄火，輪到100~500元高價股如億豐、矽創、宜鼎、中租、點序、勝一等維繫人氣；航運股反彈後又回檔，進入修正期。

道瓊指數下跌 149.06 點，或 0.42%，收 34,935.47 點。
那斯達克指數下跌 105.59 點，或 0.71%，收 14,672.68 點。
標普 500 指數下跌 23.89 點，或 0.54%，收 4,395.26 點。
費城半導體指數上漲 23.3 點，或 0.70%，收 3,356.5 點。

標普 11 大板塊僅 4 個板塊上漲，材料、房地產和必需消費品領漲，非必需消費品、能源和公用事業板塊領跌。

特斯拉 (TSLA-US) 上漲 1.45%；蘋果 (AAPL-US) 漲 0.15%；臉書 (FB-US) 跌 0.56%；Alphabet (GOOGL-US) 下跌 0.77%；亞馬遜 (AMZN-US) 暴跌 7.56%；微軟 (MSFT-US) 跌 0.55%。

開拓重工 (Caterpillar) (CAT-US) 下跌 2.73%；Salesforce (CRM-US) 下跌 0.86%；開拓重工 (CAT-US) 下跌 2.73%；迪士尼 (DIS-US) 下跌 1.31%；雪佛龍 (CVX-US) 跌 0.74%；波音 (BA-US) 下跌 2.22%。

費半成分股漲跌互見。英特爾 (INTC-US) 漲 0.037%；AMD (AMD-US) 大漲 3.15%；應用材料 (AMAT-US) 上漲 1.77%；美光 (MU-US) 漲 0.65%；高通 (QCOM-US) 下跌 0.79%；NVIDIA (NVDA-US) 下跌 0.83%。

台股 ADR 僅中華電信下跌。台積電 ADR (TSM-US) 漲 0.42%；日月光 ADR (ASX-US) 上漲 1.49%；聯電 ADR (UMC-US) 上漲 3.34%；中華電信 ADR (CHT-US) 下跌 0.50%。

(本文係個人看法與紀錄，非為投資建議，讀者請自行獨立思考，作出投資決定，盈虧自負，與本人無關)

#歡迎按讚並分享

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

經過一段時間的探索，目前適合做 #場效電晶體 中通道的最佳候選材料有二：一是二硫化鉬，一是二硫化鎢。兩者有何差異？

https://www.digitimes.com.tw/col/article.asp?id=1298

重要聲明

本資料僅供參考用途。本資料並不構成買賣任何投資產品的招攬或承諾。南方東英資產管理有限公司（「南方東英」）在製作本資料時，相信獲得數據源是準確，完整及合適。但南方東英沒有為本資料所載信息的準確性或完整性作出保證。南方東英不會負上收件人使用本資料時所引致的法律負任。本資料可能含有「前瞻性」資訊而不純綷是歷史性的。這些資訊可能包括預測、預報、收益或回報估計及可能的投資組合構成。本資料並不構成對未來事件的預估、研究或投資建議、也不應被視為購買、出售任何證券或採用任何投資策略的建議。本資料所表達之意見僅反映南方東英於編制材料當日的判斷，並可隨時因隨後情況變化而更改，恕不另行通知。

風險提示
投資涉及風險。過往的業績數據並不預示未來的業績表現。基金的價格可升亦可跌。投資者在進行投資前應索取及閱讀有關基金的發售章程（包括風險因素）。投資者不應僅依賴本資料作出投資決定。投資者應根據個人財務狀況，確定任何投資，證券或策略是否合適閣下，如有需要，應諮詢專業意見。

成為 RF 鐵粉團的一分子！只需港幣 $40 一個月，即享獨家影片及專屬貼圖優惠！
https://www.youtube.com/channel/UCETuQf4lzTrfevoHdSGo8Ew/join

成為一名經人Patreon :

https://www.patreon.com/awesomomists

www.RagaFinance.com

RagaFinance Facebook:

https://www.facebook.com/ragafin/

《Calvin直播室》眾籌計劃 ?

http://patreon.com/calvinchoy

◎◎◎訂閱 ◎◎◎

▶
Ragazine : https://www.youtube.com/channel/UC5DWcqCjBne2-wRnrjxkuHQ?sub_confirmation=1

▶
Raga Finance: https://www.youtube.com/channel/UCETuQf4lzTrfevoHdSGo8Ew?sub_confirmation=1

#RagaFinance
------------------------------------------------------------------------------------------------------------------------------------------
免責聲明：《Raga Finance》竭力提供準確資訊，惟不保證絕對無誤，資訊如有錯漏而令閣下蒙受損失（不論公司是否與侵權行為、訂立契約或其他方面有關），本公司概不負責。

同時，《Raga Finance》所提供之投資分析技巧與建議，只可作為參考之用，並不構成要約、招攬、邀請、誘使、任何不論種類或形式之申述或訂立任何建議及推薦，讀者務請運用個人獨立思考能力自行作出投資決定，如因相關建議招致損失，概與《Raga Finance》主持、嘉賓、編輯及記者無關。

同時，《Raga Finance》所有節目或資訊，相關內容屬作者個人意見，並不代表《Raga Finance》立場。

Raga Finance

網址: www.ragafinance.com

＃記得打開ＣＣ字幕　＃太陽能發電ㄉ另一面

✔︎ 成為志祺七七會員：http://bit.ly/join_shasha77
✔︎ 訂閱志祺七七頻道： http://bit.ly/shasha77_subscribe
✔︎ 追蹤志祺 の IG ：https://www.instagram.com/shasha77.daily
✔︎ 志祺七七 の 粉專 ：http://bit.ly/shasha77_fb

各節重點：
01:10 太陽能發電的污染在哪裡？
01:50 製造太陽能電池會有什麼污染？
02:34 處理這些污染物很難嗎？
03:22 太陽能板是巨型垃圾？
04:15 回收成本要怎麼解決？
05:22 漁電共生會不會有污染風險？
06:05 漁電疑慮1：洗太陽能板會污染到魚塭的水嗎？
06:52 漁電疑慮2：太陽能板擋不住颱風？
07:49 漁電疑慮3：架設太陽能板會影響產值？
08:43 關於漁電共生的補充說明
09:14 我們的觀點
10:41 提問
11:00 掰比

【 製作團隊 】

｜企劃：歡歡、宇軒
｜腳本：歡歡
｜剪輯後製：絲繡
｜剪輯助理：范范
｜演出：志祺

——

🔺註解
→ 02:30 註1：
例如華盛頓郵報就在 2008 年報導，有中國工廠把四氯化矽直接倒在廠外的土地上，使得那裡的土壤慢慢變得雪白一片、沒辦法再種植作物；附近的居民也表示，空氣中因為含有這些化學物質，所以他們一出門，就會覺得眼睛刺痛、頭昏、呼吸困難。
→ 03:10 註2：
例如光宇材料的技術，可對太陽能及半導體產業每月產生的 6000 多噸廢砂漿進行分離、清洗、改值等工序，重新產出矽粉、氫氣、碳化矽、二氧化矽，重新應用於鋰電池負極材料，及機能衣物等產品，如去年世大運紀念服。
→ 03:17 註3：但薄膜型太陽能電池也會有自己的重金屬污染問題
→ 04:01 註4：一般矽晶體太陽能板組成比例是： 65%~75% 玻璃、10%~15% 鋁框、10% 塑膠和 3%~5% 的矽晶。
→ 04:09 註5：這個成本有包含回收玻璃以外的其他部分
→ 08:09 註6：
當然，按照漁電共生的法規，產量只要有七成就符合標準，但嚴格來說，漁民還是損失了另外三成，這也是大家會有顧慮的地方。
→ 09:36 註7：2015年天下爆出台積電的合作工廠違法傾倒的內幕：
https://www.cw.com.tw/article/article.action?id=5065621

——

【 本集參考資料 】

🌞 一次可以看很多太陽能資訊ㄉ網站們：
→ 陽光伏特家：http://bit.ly/2pe4IR1
→ 太陽能五四三：http://bit.ly/314Mi2h
→ 公視｜我們的島：太陽光電系列專題：http://bit.ly/2oAEdFw
/
→ 維基百科｜太陽能電池：http://bit.ly/2IMsSZY
→ 科技新報｜太陽能真的夠「綠」嗎？還是包裹著糖衣的毒藥：http://bit.ly/2Vy7YTu
→ TVBS｜真綠能？太陽能板製程　產生4千噸廢料：http://bit.ly/317MBcR
→ 環境資訊中心｜光電循環之路 桶裝廢液污染如何解：http://bit.ly/2q7CvvJ
→ 關鍵評論網｜太陽能光電的回收「技術」很環保，卻可能造成2項汙染：http://bit.ly/2B49vXX
→ Energy Trend｜廢太陽能板回收有解！台灣太陽能模組回收聯盟成立：http://bit.ly/2Mb1mqQ
→ 科技新報｜廢太陽能板惹人嫌？創新回收模式將再創商機：http://bit.ly/2q7DdsT
→ 央廣｜工研院研發太陽能板回收技術 獲環保署肯定：http://bit.ly/2oqEXgv
→ 科技新報｜退休太陽能板何處去？歐洲首座專門回收廠坐落法國：http://bit.ly/35wsHMa
→ 自由時報｜擁核公投控「太陽能板有毒」 太陽光電業者要提告：http://bit.ly/2B44RJt
→ 【能源報導月刊】太陽能板多久洗澡一次？：http://bit.ly/2oAFufM
→ 每日頭條｜太陽能發電原理圖，看完秒懂：http://bit.ly/2Mb2lHy
→ 太陽能五四三｜颱風對太陽光電系統的影響（1/2）-基礎與支架：http://bit.ly/35uPozY
→ 太陽能五四三｜颱風對太陽光電系統的影響（2/2）-模組強度問題：http://bit.ly/33lJMGD
→ 太陽能電池產業製程及污染防治簡介：http://bit.ly/35sHiYG
→ 陽光伏特家｜【誤會讓人受盡委屈- 太陽能真的夠「綠」嗎？】：http://bit.ly/319m92D
→ 公視｜太陽能產業廢棄物 可回收高純度""""矽""""：http://bit.ly/2IHlAXc
→ 中時｜樹立循環經濟體系新典範 成亞廢砂漿回收技術 獨步：http://bit.ly/2B7LCi5

【 延伸閱讀 】

→ 知識力｜太陽能的原理、種類與優缺點：http://bit.ly/32bnpmT
→ 達智綠能科技｜什麼是太陽能？：http://bit.ly/33tiNsv
→ 科技新報｜德國打造熱裂解太陽能回收設備，有望年處理 5 萬片太陽能板：http://bit.ly/2oAGhgK
→ GreenMatch｜The Opportunities of Solar Panel Recycling：http://bit.ly/2B3PyQS
→ 中央社｜疑颱風釀災 日最大規模水上太陽能板失火：http://bit.ly/2McypuZ
→ SEMI Taiwan｜半導體工業廢棄物處理創新技術與趨勢：http://bit.ly/31avfMp
→ 台積電｜廢棄物管理：http://bit.ly/2VACuMi
→ 科技報橘｜外媒讚「垃圾處理天才」，台灣廢棄物回收技術傲視全球好棒棒：http://bit.ly/2OIstLM


＼每週７天，每天７點，每次７分鐘，和我們一起了解更多有趣的生活議題吧！／
🥁七七仔們如果想寄東西關懷七七團隊與志祺，傳送門如下：
106台北市大安區羅斯福路二段111號8樓

如有業務需求，請洽：hi@simpleinfo.cc