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

巴夏：跟隨內在的指引，做個有錢人 （翻譯：笑笑）

“富足/豐盛”這個問題 佔據/吸引 了你（當下的）很多的注意力，而且還佔據了很長時間。

今天，我們就來說說“富足”這一概念，這樣你就可以清楚地知道：吸引“富足”到你生活中來，其實是很容易的一件事，你根本不需要通過艱苦奮鬥、努力拼搏就可以實現。

你們很多人都被這樣教導過，認為：富足，即擁有某些特定的東西，而不是其他東西。

而且你們很多人也都被“包裹”在“你要么是豐盛的，要么是在匱乏之中”這樣的定義裡面。

現在就讓我們來詳細講解“富足”這個概念，這樣你就可以透徹地理解到：只有你對富足的定義，才會阻止你體驗到富足的生活。

擁有富足的理念，或者體驗富足的生活，這絕對沒有任何難度。

只有你對富足的定義，才會讓你認為“富足，我所欲也，然其遙不可及，可慾不可求也！”

現在，我就給你們來一個“富足”的新定義！

富足，就是在你需要做你需要做的事情時，你就能做到的能力，僅此而已。

“嘿！他把錢給漏掉了！關於錢，他什麼也沒說。沒有錢，這算哪門子富足啊？”

哈！沒有富足，有錢還有啥意思呢？

請再花點時間，好好理解一下“富足”的基本定義：富足，就是在你需要做你需要做的事情時，你就能做到的能力。

是的，我們也理解，在你們星球上，你們有一個“富足”的象徵，即金錢。

是的，它有效！

是的，它有創意！

是的，它將發生改變！

但這也是好事。它現在仍然有效。

它，就像其他代表富足的形式一樣，也有創造性！

“你說‘其他形式’是啥意思呀？還有哪些方式？”

哈！方式多著呢！

而這就是你們對於富足的定義感到困難的地方。

如果你認為“富足，就是有錢”，那你就常常看不到富足的其他形式。

那你“瞎”了！可以說，你在富足方面，是個瞎子。

因為你只允許“綠色的富足”進入你眼球。 （綠色代表美元）

但進入你眼球的“富足”是完整的光譜。

你必須放下你的執著，不要認為：富足必須以某種方式到來，否則我不接受；如果X年X月X日我沒收到XX錢，那我就不是富足的；為什麼我無法在XX日前吸引到XX錢？哪裡出錯了？我還得需要錢做這事，需要錢做那事呢……我到底咋地了？

再次提醒，這些只不過是你的定義。

如果你真的明白“富足”只不過是你自動地、同步地吸引來任何你的生活所需，讓你可以在你需要做某件事的時候，你就能夠做到，那你就會開始明白：你是非常富足的，而且你已經富了很久了。 （你是真正的“富二代”，^_^）

當金錢是（實現你做某事的）最強烈方式，那麼錢就會在那裡。你會吸引某個機會讓你可以擁有所需要的錢。

而當金錢不是最簡單的方式，不是最小阻力的道路，那你最不可能顯化出來的，可能就是金錢。

但你可能會接收到其他很多種的“富足”。這些富足顯化在你生命中，或者說，“試圖”顯化在你生命中，但由於你的“定義”，你可能就不會允許它們進來。

我用一個比喻來說吧！

這個比喻，能夠直接“解鎖”你們的深層次無意識信念系統，

在成長過程中，你們聽了很多的故事，很多的故事，

也許有一天，你還聽了一個叫《富豪》故事

小孩子對於所有的信息，都是敞開接收的。所以，小不點的你坐在那裡，認真地聽了這個故事。

這個故事說：“這個人，極其富裕” “但同時，他也是個非常的尖酸刻薄、卑鄙下流的人”

你的小腦袋瓜想：“噢！有錢人就是卑鄙下流”

於是，“富足”跟“卑鄙下流”就合二為一，進入了你的有意識的信念矩陣

隨著時間的推移，你長大了，也忘記了這個故事。有一天，你對自己說：“哇！我真想做個有錢人！我太希望自己有錢了！”

但是突然之間，在你內心非常非常深的地方，傳出一個你根本聽不到的小聲音

那個小聲音說：“但是如果我有錢了，那我也會變得卑鄙下流！我不想成為這樣的人，所以我還是不要讓自己有錢吧！”

現在，你開始進入深度冥想。當你內在安靜下來，回溯自你的過往經歷，去發現你對於生活中的某些情景，有什麼樣的信念（也包括對於富足的信念）。

找到你是在哪個地方“種下”這些信念，以及你為何會有這些信念。

然後再認定出這些信念是如何讓你不斷地進入惡性循環，如何不斷地摧毀你自己。最後你會明白，這些你一直背負的信念，其實是不相干的事件捆綁在一起的結果。

當你明白，你是因為這些緣由而有了這樣的信念，你就可以釐清問題，對自己說：

“啊！現在我明白了，一個人可以富足，也可以不酸刻薄、卑鄙下流”

“現在我真的明白了！”

“但我之前還認為這種情況是不可能的。”

“我把卑鄙下流和富足混為一談”

“於是我就不允許自己成為富人，因為我不想當個卑鄙小人”

“因為我不想成為尖酸刻薄的有錢人”

“那我現在更希望 自己所相信的有錢人是什麼樣子呢？”

重新定義，重新書寫你個人關於“富足”的定義

一旦你明白這個定義，重新書寫它

你可以運用你的 想像力

以你自己喜歡的方式，重寫你的信念

“我是一個充滿愛、善良、美麗、有藝術天賦的、有創造力的、富足的人。”

“我希望自己成為這樣的人”

“現在我也知道，我可以成為我想成為的任何人，根本不需要通過傷害他人或自己方式來實現。”

“真正的我，就是這麼強大！”

這才是真正的力量！

當你知道你已經足夠強大，根本不需要通過傷害自己或者他人，就能夠創造你想要的任何實相，那說明你明白了“真正的力量”

力量不是“控制”

力量不是“統治”

也不是“試圖著”“嘗試”使你的實相符合你的意志

不！

意志，就是簡簡單單地 聚焦/關注

清清楚楚地知道你是什麼？你是誰？

你想成為什麼？

並且弄清楚，你所相信的“你值得擁有什麼？”

這是一個“大哉問”

「值得感」

你們大部分人都有的問題

尤其是是“富足”方面

“我值得富足嗎？”

但話說回來，你的行動本身，你的實相本身說明了一切。

你是否願意相信“你本是富足”、“你值得擁有富足”以至於你願意將它們活出來的程度？

你是否願意表現得像那個富足的你一樣，從而將他的實相吸引過來？

只要你堅信自己並沒有迴避一些自己必需面對的東西，那你只需要相信“興奮”的指引，然後跟隨它，朝它指引的方向前進。

＃富足就是在你需要做你需要做的事情時你就能做到的能力

＃以你自己喜歡的方式來重寫你的信念

【電商3.0時代，投資人看上的項目得滿足三點】
摘要投資天使或A輪的電商項目，可能還沒有辦法以細節的數據去要求他們，而且很多數據可能還在改變，模式本身也還在轉型。但可以看這家公司想做的事情、想做的品類、服務的用戶群、以及競爭環境是否允許賺取利潤。
.
電商3.0時代，投資人看上的項目得滿足三點
電商行業發展到現在，經歷過好幾波潮流，我認為現在已經進入電商3.0時代。
.
1.電商1.0平台型電商像百貨商場
電商1.0主要是平台型的電商，代表企業有早期的eBay，以及之後的阿里巴巴、京東、噹噹等公司。
.
電商1.0像百貨商場，商品的發現機制是“檢索”加“搜索”，用戶在購買中會經歷一個篩選整理的過程。商品整體來說是多而不精的，決策成本也相對偏高。比如在京東、淘寶上買一個咖啡機，用戶通過目錄瀏覽或者輸入一個關鍵詞，平台上便會顯示出上萬個SKU（庫存量單位）供用戶挑選。
.
平台型電商的市值基本都在千億美元級別。例如阿里巴巴、以及線下的零售巨頭沃爾瑪，他們都是生態系統級別的企業，對應的市值也在千億美元級別。
.
2.電商2.0垂直電商像專賣店
電商2.0主要是過去5、6年興起的一批垂直性的電商，包括聚美優品、蘭亭集勢、以及目前規模最大的唯品會等。
.
電商2.0像專賣店，比如用戶進入一家Footlocker（世界最大的體育運動用品零售商），一定是為了尋找體育用品如球鞋。消費者對商品的發現機制是“目的性尋找”，商品的SKU偏少、品類相對封閉、品牌延展性相對偏差，但商品比較精緻，因而決策成本比百貨商場低了不少。例如耐克的直營專賣店、家具店，就是這種類型，在互聯網上對應的就是聚美、美樂樂、唯品會等垂直電商。
.
這種類型公司的市值基本集中在百億美元的規模。例如唯品會去年市值比較高的時候大概有200億美元的市值，而現在市值大概在92億美元左右。傳統線下的Footlocker是美國體育用品垂直領域最知名的公司，市值也在95億美元左右。

3.電商3.0移動社交電商像買手店
電商3.0指的是過去一兩年成長起來的一批具有“移動+社交”特性的電商。
.
電商3.0像買手店，每家店聚集的品牌是不一樣的，它可能更有自己的調性。其主要服務於對某種定位或調性的商品有興趣的消費者，更多是在維護自己的客群，用各種方式進行個性化的推薦與發現。這與移動電商的個性化、場景化的定位是類似的。
.
買手店的模式是小而美的，目前市值規模在十億美元量級。例如蘑菇街、小紅書現在就處於這個量級的市值區間（當然還在成長之中），傳統線下的著名精品店Saks Fifth Avenue也是以29億美金的估值被收購的。
.
買手店也能做生態，看看Wish的高招
從電商1.0進化到電商3.0，看起來規模盤子在越來越小，但是華創資本投資的美國移動電商Wish卻有一個非常好的路子來突破限制。
.
Wish最早做商品推薦引擎，後來衍生出跨境電商這一商業模式。目前Wish已經有數千萬的用戶規模，主要服務美國等海外國家的中低收入群體，平台上賣家端有大量來自世界各地的賣家。
.
剛才提到，電商3.0時代的移動社交電商往往是像買手店一樣“小而美”的，而Wish發展到一定體量之後，通過產品矩陣的辦法來使得用戶範圍多元化，大大地提高了自己的價值。
.
比如，Wish針對對3C品類感興趣的用戶做了第二個App，名為Geek。後來又推出了一款App叫做Mama，很明顯是針對母嬰品類的。Wish通過前端多元化的產品矩陣辦法，在移動上滿足不同垂直人群的需求，而在商品後端卻是打通的一個全球的供貨鏈條。
.
Wish以這個辦法希望做到生態系統級的事情，即在電商3.0的時代做到電商1.0的規模。而目前Wish的市值已經是美麗說、蘑菇街的很多倍，未來也肯定能達到百億甚至千億美金的級別。
.
Wish的創始人Danny說，他的競爭對手是沃爾瑪，沃爾瑪現在一年的GMV大概在4000多億美金。相比之下，Wish還有非常大的成長空間。
.
從移動電商帶來的改變與價值上來說，還可以細緻劃分，對於非剛需和剛需品類上，移動電商核心要達到的是不同的任務。對於非剛需的品類來說，主要是創造新需求，並且盡量能夠提高平台的毛利率；對於剛需品類來說，要做的事情就是增加消費觸點，實際上是增加了接觸商品的消費觸點。
.
貨、價格和用戶體驗，一個都不能少
.
電商核心究竟是在做什麼？我個人有三點非常簡單直觀的判斷：
.
1.貨好不好。貨好不好有很多個維度，比如品牌、品質、庫存的穩定性。用戶可能今天拿得到品質很好的貨，明天就沒有了，這樣庫存是斷的，品質本身也是不穩定的。
.
2.價格低不低。如何定義價格低不低呢？這個“低”考量的是電商能夠拿到貨的價格，並且能夠給消費者最終售賣出去的價格。第一，渠道能力是有很大影響的。第二，不同品類，能夠抽到的毛利率區別會很大。第三個，在一個充分競爭的行業裡面毛利率會趨向很低並且是沒有淨利的，要有利潤就要看市場競爭格局如何。如果有門檻，出多高毛利率都有生意。所以壟斷其實是最好的一種商業模式。
.
3.用戶體驗好不好。這個體驗包括從產品前端的體驗，到下單的體驗、支付的體驗，當然還有很重要的物流速度體驗等等。
.
我們以C2C買手製海淘為例，套用上面三個標準評判一下。第一，貨源本身有問題。比如在海淘平台上買一個包，真假常常難以保證的。第二，庫存不穩定。用戶想要買香奈兒的某某款，下了單卻沒有了，因為代購賣家自己也不可能囤貨；第三，用戶體驗不好，跨境物流速度不能保證。因此可以判斷，海淘目前還處於非常初期的階段。
.
去如何判斷一個電商的優劣？需要仔細分析行業狀況、品類、消費者和是否存在提升空間。歸根結底，投資一個天使或A輪的電商項目，可能還沒有辦法以細節的數據去要求他們，而且很多數據可能還在改變，模式本身也還在轉型。但總的來說，我們可以看這家公司想做的事情、想做的品類、服務的用戶群、以及競爭環境是否允許賺取利潤。

http://newseed.pedaily.cn/201603/201603101323807.shtml

記憶枕該如何選呢? 要挑個好睡#枕頭 、#好睡記憶枕頭 那麼難嗎? #睡眠王達人 ，教你如何挑記憶枕頭，才能讓你一夜好眠。不挑人的好睡枕頭、好睡記憶枕，要注意那3大元素呢?? 才不會落枕、打呼、酸痛呢??
#防止落枕
「#記憶枕 」只是商業行為上的一個名詞，它的基本原理概念在於運用該材質的特性，使頸部及頭部在躺下時能受到很平均的支撐，所以就不會產生睡一般枕頭時因為頸部的吃力而造成「#落枕 」的情況。問題出在市面上所出售的所謂「記憶枕」的材質良莠不齊，從表面上來看，一般人是無法查覺這是真的「記憶枕」，還是濫竽充數的「記憶枕」，所以你會發覺都是標榜「記憶枕」為何價格會從300元到2000元？在這裡我無法告訴你如何辨別真假。我只能說真正的「記憶枕」因為能讓你的頭部和頸部在睡覺時沒有很大的負擔，所以當然對於睡眠會有幫助啦！尤其是和「記憶床」搭配，就會讓你產生完全放鬆而更有助於睡眠。

此部份可參考全省設有「#睡眠中心 」的醫院中的床和枕。那些都是真的「記憶枕」。

另外，他還有可能添加其他天然香料或人工香料，例如我家的就薰衣草味，基本來說它蠻重的，
它會記憶你的頭部形狀，久而久之就成了為你頭部良身訂做的枕頭，這樣睡起來也比較舒服，所以，記憶枕適合個人使用，如果很多不同的人一起用的話，那就乾脆稅普通枕頭算了。

睡眠是一個人對於白天的身體消耗的一種自我修復，睡的好第二天才能有精神，身體狀態也能夠調節到最佳的狀態。對於睡眠質量影響很大的一點就是枕頭是否合適，而市面上的常見的乳膠枕和記憶枕哪一種比較好呢？下面就讓我們一起來了解一下吧。

#乳膠枕頭 。#乳膠枕頭有高彈性 ，其良好的支撐力。平均分散人體頭部重量的承受力，具有矯正不良睡姿功能，更有殺菌的功效。乳膠的另一大特點是無噪音，無震動，有效提高睡眠質量，透氣性較好，#彈性極佳 ，#不變形 ，經久耐用。是#健康的好材質 。

#遠紅外線 （Far Infrared，縮寫 #FIR ），一般是指光譜上位於15~1000µm區域的光波，屬於紅外線的波長範圍。[1]其位於可見光光譜紅色光的外側，為不可見光。不同學界對於遠紅外線的範圍定義常常不同，例如，天文學上常定義遠紅外線為在波長25 µm與350 µm之間的電磁波。[2]生物體可以「熱」的型式，感受其存在。
4μm ~ 14 μm範圍的遠紅外線與人體的分子產生共振，可促進微血管擴張、使血液循環順暢，促進新陳代謝[3]，進而增加身體的免疫力，因此此段遠紅外線又被稱為「#生育之光 」，因此遠紅外線除了科技、天文上的應用之外，也可用於醫療和保健方面。有些植物的胚芽經過遠紅外線照射後，有助於酶活性活化，加速發芽[4]。

熱影像裝置，又作熱成像設備，是一種利用視頻設備來檢測紅外區域，可以檢測到產生熱源的生物體或物體存在。視頻顯示裝置，可檢測目標溫度分布，並作紅外線強度分析，結果以熱成像顯示。熱成像中紅色的部分，表示溫度較高，其中許多地方的冷藍色（但顯示結果和實際顏色沒有任何關係）。
使用熱影像裝置，即使在光線較暗的情況，無法用肉眼判斷時，可有關儀器來辨別是否有人或生物存在。但是，輻射熱測量計無法檢測到任何東西，除非有溫差。例如，當溫度超過攝氏30度，要分辨出周圍存在的人是困難的。

#防塵蟎
#磁能量睡眠系統產品


https://kknews.cc/zh-hk/health/xj5jog.html
遊戲類型：#恐怖 #搞笑 #實況 #生存 #多人 #美女 #美男
PAYPAL直播彈字贊助
https://streamlabs.com/hongkong6429hongkong6429

香港贊助 使用以下圖片到便利店說 i tunes pass 增值
https://scontent.fhkg1-1.fna.fbcdn.net/v/t1.0-9/19437309_456983178008419_6452537168900830196_n.jpg?oh=8c6fb5ee6a3b09fc1228ec16f2fa1eb9&oe=59EE2713

喵喵俠專頁
https://www.facebook.com/catcatcatman/
喵喵俠玩魔靈召喚群組
https://www.facebook.com/groups/664214333715607/
喵喵俠玩【遊戲王 DUEL LINKS】群組
https://www.facebook.com/groups/1396607467056722/
交鋒聯盟 fight league
https://www.facebook.com/groups/1361085637274178/

直播台 逢星期一 08：00PM 未定 10.00喵登熱話
直播台 逢星期二 08：00PM 魔靈召喚 10.00喵登熱話
直播台 逢星期三 08：00PM 遊戲王 10.00喵登熱話
直播台 逢星期四 08：00PM 交鋒聯盟 10.00喵登熱話
直播台 逢星期五 JAPHK 8：30PM 魔靈召喚

以上節目全由youtube直播
不停期請假,敬讀原諒