2021.09.07(二)
章節三 單元 1 - 小老鼠🐭
八面體頭形結構變化、活用各尺寸氣球的時機、雙套之必要

這是我的十二生肖造型氣球課裡
精緻氣球篇的第一個單元《小老鼠》

會創作這隻老鼠
可以回首到去年 2020 年剛跨完年的第一天
我又再度開始了我的一日一氣球計劃
想說今年是鼠年
順手充了幾條氣球
參考著從免費圖庫網站中找到的真實老鼠照片
抓取著身形比例
掌握著幾個重要的製作原則
最後就順利地把小老鼠給完成了

在這個單元的拍攝過程裡
我又重新檢視了當時創作的歷程
把那些 「Ah Ha！」的 Moment 給呈現了
希望屆時同學能在課程中學習到新的創作想法

課程報名連結：
https://tbac.in/courses/balloonzodiac

話說最近剛把 暢玩天下 于為暢的新書「一人創富」給拜讀完了
作為一個專職折氣球的氣球達人來說，
書中所提到關於創作、創業、工作、健康、
建立權威、建立信任、定價策略、投資理財等等的主題，
都與過去生活經驗中所發生過的事相似，
甚至能給出我新的觀點以及我還可以怎麼做，如何去探索等等。

好比說有個章節在談要工作還是要創業，當你有創業的念頭
看事情的角度就會不一樣。

想起我大三大四的時候，我在小姜的氣球店打工，當時我把我未來的目標，設定成開氣球店當老闆，因此我邊打工，也就邊學習著老闆思考的方式。

例如小姜說過要跟客戶談 case 之前，第一句話要先問客戶的預算是多少，如果不清楚對方的預算前，花了大把時間聊得很開心，聊到後面才發現原來對方沒有那樣的錢執行那樣的預算，等於浪費時間。

後來當有客人在詢問我場佈或客製化氣球報價多少的時候，也會習慣性的詢問對方預算多少，然後再根據預算提供相對應的氣球作品。

也有個章節在談以終為始的創業原則，書中說你可以「每天寫200字的短文，每週產出兩篇網誌文章，每季製作圖表簡報，每半年錄製podcast或YouTube，每年推出一門線上氣球課程，每兩年出一本書」

檢視我當兵退伍後以氣球創業的這四年來，其中有兩年是一日一氣球的狀態，所以每日產出氣球作品外加 200 字這一項可以打勾；而網頁在今年建立後，發佈文章的頻率雖還偏低，不過現在想試著以一週兩篇為目標試試看；每年一門線上課，開到現在是第四門課了，很高興我有成功完成這系列的 Side Project。

總之最近對於短中長的個人品牌經營計劃，有了許多新的目標，
希望我能一年一門線上課的速度，往累積十門課邁進。

今天開車去國稅局報稅的路上，和亘亘聊了好多書裡面學到的新觀念，然後也一邊講那些觀念與過去工作經驗是一樣的，好比說是否要將線上課程下廣告這件事，暢哥是認為一個人會買通常不是因為廣告，而是因為信任這個人。

如果過去沒有從新聞、媒體、網路、朋友口中聽過這個人是誰，突然一個廣告打下來，可能不會馬上就買單，勢必要對那個廣告中的人是誰有全盤的了解，去 Google 他的名字，知道他的來歷，知道他確實真材實料才會想要買。

在這樣的前提下，如果已經有好的產品和文案，就算只發佈在臉書、IG 和 Email 行銷，就算不下廣告，也能靠著口碑慢慢發酵、老顧客也會慢慢回流，就像是目前募資的狀況一樣。

不過又若以行銷漏斗的角度來說，是否能再度吸引眾人目光，最後一層一層的過濾與轉換，最源頭處還是會需要透過廣告、大平台或者新聞媒體的曝光，才能有新的顧客進來。

之後可能也會再試著下廣告看看。

總之剛好收到暢哥的 Email 信，信中提及有買書的讀者可以寫一些心得推廣一下，會被收錄在他的網站裡面，而以上這些算是短短的抒發。

有興趣的人歡迎購買：https://bit.ly/3yqPlT3

很高興今天第一次報稅就成功，不過還是網路報稅比較方便，十一月的時候再來研究怎麼網路報稅好了，來去繼續拍神龍單元了，GOGOGO！

#BalloonArt #造型氣球 #バルーンアート
#小老鼠 #老鼠 #鼠 #ネズミ #Mouse #Mice #Rat
#氣球達人宋俊霖的十二生肖造型氣球課

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

「在最壞的時代，就算睜開了眼睛卻什麼也看不見」

我閱讀不少書本
而這本是我少數一翻閱
就停不下來的書籍

反烏托邦的書一直都很吸引我
劇情上的緊繃
真的會使我忍不住一直看下去

從飢餓遊戲‘’到移動迷宮‘’等等
都是我先閱讀以後才去電影院觀看

移動迷宮‘’是我目前尚未觀影的反烏托邦電影
因為某部分的我不想破壞宋城希的想像力

當年拜讀哈利波特‘’
我以為的金探子是我的以為
進入電影世界後金探子跟我藉由文字所想像中的形體相差甚遠
我的想像力就被取代了

為了自私的保留我的世界
移動迷宮我就這樣拖到現在沒去看
連預告影片都沒主動搜尋

噢～
還有漢娜的遺言‘’
我到現在也不敢去看影集..

而這本”純潔的國度“即將開拍成電影
我既期待再次跟上女主角的腳步去勇闖又怕受傷害（真矛盾👉🏼👈🏼）

回歸到這本書
我從早上一翻開就無法停止直到晚上就闔上了（我看書的速度只要我轉換成書中的角色後就很難移開）🤣🤣🤣
每一書的魅力總是讓我一頭栽進（誰還有推薦反烏托邦的書一定要告訴我～）🙆🏻‍♀️🙆🏻‍♀️🙆🏻‍♀️

然後我看完馬上打出這篇心得
迫不及待想跟大家分享～🖤🖤🖤

總覺得小說的主人翁泰爾妮跟我幾分像（如果你有閱讀過的歡迎跟我分享是不是真的跟我很像）🤜🏼🤛🏼

熱愛自由
抗拒加納郡對「女人」的想像
不願成為男性主義底下所謂女人的樣貌
拒絕踏入婚姻

從小被父親當兒子在教養
教導她種種照顧自己的技能
有自己的思維主見

對世界抱持著好奇與想像跟勇氣
不順從傳統
衝撞著她不以為然的體制

真的某部分跟我很像吧（聳肩）🤷🏻‍♀️🤷🏻‍♀️🤷🏻‍♀️

如果我是她
大概也會選擇那樣的反抗去追尋自己的渴望並且找出答案

因為不想變成別人
所以努力探索並保有了自己

『違背所有人的期望，那是一種持續不段的掙扎』

對於現今道德難題的處理
作者金．利格特向人性之惡提出的大哉問

這本書最恐怖的設定無疑就是它的世界觀

舉例來說：
妳喜歡的對象喜歡你留長頭髮然後妳就留長頭髮了

在校園裡女生的制服必須用裙子來辨別和男生的不同

到男方的家庭是不要要幫忙做菜洗碗倒茶？

煩惱自己的穿著在一群女生之中怎麼樣才能更吸引男生的注意

等等
如果你正在陷入這些問題的漩渦
你就是這本書恩典之年的其中一位

然後順利地被扭曲和女生互相相逼

這些例子
在書本最後也有不少類似的詢問

那些殘忍很吸引我
所謂偽善的純潔

『有些女孩能順利回家，有些卻只剩下殘骸。』

恩典之年把人性展露無遺
自私與恐懼的圍繞在左右
團體霸凌掩蓋著善良與單純
女性的反抗注入了堅毅的泉湧

『嫉妒別人擁有的東西，被空虛的慾望吞噬 ，這樣互相排擠 ，最終得利的是誰？男人』

身為女人
讀起來我特別有感觸
反骨的我可能也不得不對所身處的世界適時地低頭才得以生存

『對我來說，嫁人不是榮耀 ，舒適的生活沒有自由 ，婚姻有如鐐銬 ，就算包著絲絨 ，依然是鐐銬。去做工 ，至少我仍擁有屬於自己的人生 ，我的身軀依然屬於我 』

該怎麼不畏懼地大聲和童年說再見呢？
想要起來奮戰的勇氣需要花多久的努力才得以建構那份開始？

『我們全都渴望逃脫，暫時逃離別人為我們選擇的人生』

喜歡反叛和女性崛起力量故事的人
一定能跟我一樣想要霸佔這本書

那些桀驁不馴的餘溫縈繞在心頭
強而有力的氣息會不自覺沾滿在你身上

『那些沒有人看到時所做的小決定，才能真正顯示一個人的品格』

我們不微弱
能照著自己意想去「活著」本來就不是件容易的事情
充滿毀滅性的情節卻席捲著溫度引領著我繼續迸發

『在這個世界上我們都有各自的角色，無論多渺小，我要扮演好我的角色』

全書是本黑暗童話
是每一位少女十六歲時，如惡夢般降臨的「恩典之年」。

加納郡人深信，隨著女性發育成長，身上會產生足以害人的「魔力」，唯有將「恩典少女」送到野外耗盡魔力，才能回歸文明，成為好母親、好妻子、好女人。於是，當恩典之年降臨，「恩典少女」就集體由衛士護送上路，前往未知的營地。

活下來和死去的恩典少女，遭遇了什麼？年復一年，沒有任何人會告訴你。恩典之年的傳說，是加納郡最大的秘密。唯有親身抵達營地，才逐步揭曉..

　　

我不需要所謂父權體制中的恩典
願妳也是。

悅知文化

#純潔國度 #thegraceyear #閱讀

Starring 特邀演出 | 阮經天 / 林予晞

JJ林俊傑第14張專輯 首波前導單曲《交換餘生》
https://jjlin.lnk.to/NoTurningBackAY

儘管命運的曲折，為了所愛奮不顧身
願交換餘生，只求存在彼此一生。

無論身處任一時空，都要緊握著的手
願交換餘生，只求此刻還能相依相守。
交換餘生，是深深相愛的義無反顧。
有分合、有失去、有遺憾、有重新面對人生
蘊含著每份情感的託付。
＿

當情感驅動著生命中的所有，則足以撼動餘生的每一刻擁有。

餘生，代表著一切，代表著所有，也代表著那位所愛的人
交換，是不顧一切，能放棄所有，只求換回那位所愛的人

宇宙與生命之間運行的奧妙，看似遙不可及且虛幻，但當情感作為運行的動力時，一切將融為生命的每個瞬間，組成每一種可能。JJ充滿情感的旋律遇上易家揚的優美文字，化為一首令人動容的作品。歌曲一開始的信號音，宛如解鎖著另一個時空的密碼，而隨即而來的弦樂，就像瞬間掉進了另一個狀態，曲勢的轉換，與歌詞緊緊密合著，開啟了另一段並行的故事，同時存在、相互擁有。易家揚的歌詞，從平行時空作為開端，優美之中卻帶有一絲哀戚，當人與人之間的情感才是本質，一體兩面的故事情節，又將何去何從。
人總說完美的結局是不存在的，那麼無論故事盡頭是我，非我，反面的人生哭過笑過，會否活成另一個平行存在的時空？
＿

MV 特別邀請 金馬影帝 阮經天跨刀與實力派演員 林予晞共同飆戲，用一首歌的時間，從相遇相知到相守，將一段深刻情感用力愛一遍。JJ林俊傑以客串角色為自己的MV畫龍點睛，成為兩段故事的串點，而貓咪又扮演著什麼角色，處處充滿巧思。MV虛實之間的拿捏，故事情節又寫實又虛幻，為動容的歌曲添加一份奇幻感受。兩段看似併行又看似互相牽引的故事線，是交換、是交錯，開放式結局引人深思。

#交換餘生#林俊傑#JJLIN

＿
◼︎ 交換餘生
詞：易家揚 曲：林俊傑

孤單聽雨的貓往時間裂縫裡看到了我
雷電交加之外的另一些我

烏雲靜止以後 跳進平行時空
那些我 旅行中的妳我
回憶胡亂穿梭 墜落

交換餘生 是我 非我 苦與樂
陰天之後總有續命的晴空
如果我們幾經轉折 結局一樣不動
也才算無愧這分合

定位心海的錨讓時間停頓的像慢動作
妳說命運很壞吧幸好有我

如果沒有以後 如果平行失控
那些我 不同人生的我
會以什麼方式 哭過

交換餘生 是我 非我 苦與樂
陰天之後總有續命的晴空
如果我們幾經轉折 結局一樣不動
也才算無愧這分合

雲等風 人等夢 愛輾過時光等什麼
記不住 認不出 淚眼中誰一樣臉紅

等妳說 等我說 一等就是一個宇宙
日升換月落 真愛換寂寞


交換餘生 也許 忘了 第幾夢
那時我們身處第幾號時空
因為我們手心緊握 記憶也能緊扣
可不怕前方的蟲洞

愛是時間的古董
＿

詞 Lyrics：易家揚
曲 Composer：林俊傑 JJ LIN
製作人 PRODUCER：林俊傑 JJ LIN
配唱製作 VOCAL PRODUCTION：林俊傑 JJ LIN
製作協力 PRODUCTION ASSISTANCE：黃冠龍 ALEX.D、周信廷 SHiN CHOU、蔡沛蓁
編曲 & 鍵盤 MUSIC ARRANGEMENT & KEYBOARDS：簡道生Dawson Chien、蔡政勳 Andy Tsai
弦樂編寫 STRINGS ARRANGEMENT：王韻筑 Liv Wang
弦樂 STRINGS：李琪弦樂團
吉他 GUITAR：黃冠龍 ALEX.D
低音吉他 BASS GUITAR：寗子達
鼓 DRUMS：Brendan Buckley
和聲編寫 BACKGROUND VOCAL ARRANGEMENT：林俊傑 JJ LIN
和聲 BACKGROUND VOCALS：林俊傑 JJ LIN
錄音室 RECORDING STUDIOS：JFJ SANCTUARY (Taipei)/THE JFJ LAB (Taipei)/Smile錄音棚（Beijing）/ East West Studios（Los Angeles）
錄音師 RECORDING ENGINEERS：林俊傑 JJ LIN、周信廷 SHiN CHOU、李傑匯、Wil Anspach
鼓組音頻編輯 ADDITIONAL DRUMS ENGINEERING：Brendan Buckley
混音室 MIXING STUDIO：mixHaus (Encino, CA)
混音師 MIXING ENGINEER：Richard Furch
後期母帶處理製作人 MASTERING PRODUCER：林俊傑 JJ LIN
後期母帶處理錄音室 MASTERING STUDIO：STERLING SOUND MASTERING , NY
後期母帶處理錄音師MASTERING ENGINEER：Chris Gehringer
＿

Production 影像製作 | LUCKYSPARKS
Executive Producer 影像監製 | 高郁傑 Otis Kao
Director 導演 | 黄婕妤 Remii Huang
Production Manager 製片經理 | 黃盈慈 Kiki Huang
Scriptwriter 編劇 | 黄婕妤 Remii Huang
Assistant Director 副導 | 陶磊 Lei Tao
Still Photographer 劇照師 | 周書羽
Producer 製片 | 江修杉 Johnny Chiang
Line Producer 執行製片 | 楊育承 Jog Yang / 周沛磬 Echo Chou
Production Assistant 製片助理 | 吳兆育 / 吳京哲 / 蔡旻樺 Min Hua Tsai / 李宥 / 黃牧謙
Director of Photography 攝影指導 | 周宜賢 Yi Hsien Chou
First Assistant Camera 攝影大助 | 黃煒程
Second Assistant Camera 攝影二助 | 游世楓
Camera PA 攝影助理 | 童冠毓
Underwater Operator 水下攝影師 | 白杰立
Movi Operator Movi 技師 | 林子傑
Gaffer 燈光師 | 孫誌騏
Best Boy Electric 燈光大助 | 李培源
Electrician 燈光助理 | 陳唯浩 / 林詩輮 / 王建銘 / 林宗賢 / 宋兆生
Art Director 美術指導 | 周志憲 Chin Hsien Chou
Set Decorator 執行美術 | 林璟吟
Art Department Assistant 美術助理 | 梁芳瑜 / 謝承頤 / 賴俊錡 / 張宇彤 / 劉牧晨
Costume Designer 造型指導 | 楊立佳
Makeup Artist 化妝師 | 黃柔涵 / 張珉薰
Wardrobe 服裝管理 | 許書瑋
Stunt Coordinator 飛車特技指導 | 黑影特技工作室 黃世典
Stunt Body Double 飛車特技替身 | 黑影特技工作室 李孝禎
Sound Crew 收音師 | 陳柏華
Boom Operator 收音助理 | 曾銹妮 / 黃奕瑞


Cast 演員 |

Baby Joe | 白潤音 Run Yin Bai
Baby Olivia | 吳以涵
阿全 | 隆宸翰


Extras 群眾演員 |

漁港船長 | 馮勝順
漁港釣客 | 黃彥棋 / 白啟耀 / 白慶霖 / 吳天生 / 蔡武建 / 黃瑞良
漁港攤販 | 謝雅慧 / 王筱婷 / 吳可薇 / 陳可青 / 邱天麟 / 潘芷萱 / 陳政翔 / 黃浩翔
市場攤販演員 | 宋昭儀 / 孫靜誼 / 黃浩翔 / 謝承恩 / 邱郁芳

工地工人 | 韓芮宜 / 鄭凱元 / 張天祥 / 張仕彬 / 劉智勝 / 簡璞 / 余小倩 / 殷文琦 / 廖映華 / 陳名雄 / 丁立 / 尤朝會 / 潘志軒 / 阮致宇 / 楊育承

工地建商 | 王尉麟 / 陶喜
工頭 | 洪章世 / 何翔宇
工地攤販老闆娘 | 葉蕙芝
游泳池泳隊 | 板小早泳隊 / 羅威士 Jovi / 王珮晴 Maggie / 任羽彤 / 許景涵 / 陳印恩 / 陳印平 / 羅葳 / 羅羿 / 羅仕 / 周立祐 / 游成濬 / 游晨煜 / 王和樂 / 陳妍淇

游泳池工作人員 | 孫靜誼 / 余明軒
救生員 | 莊俊喬
游泳池泳客 | 廖珍汨 / 王珮晴 / 謝承恩 / 黃牧謙
貓咪演員 | 小寬 / 吉古拉 / 絨絨
貓咪主人 | 吳依潔 / 吳侑庭 / 吳育琳 / 高嘉蔚

白潤音經紀公司 | 廣瀨經紀 Hirose Entertainment
經紀助理 | 詹晴文

阮經天經紀團隊
Artiste Management 經紀人 | 何宥箴
Artiste Management Executive 經紀執行 | 陳志忠 / 周業豪
Hair Stylist 髮型師 | ZOOM Rick
Hair Assistant 髮型助理 | ZOOM Ray
Makeup Artist 化妝師 | 陳佳惠
Makeup Assistant 化妝助理 | 梁安妘
Costume Designer 造型師 | 曹偉康
Costume Assistant 造型助理 | 陳爰綺 / 盧沛蕎

林予晞經紀人 | 游毓茹
隆宸翰經紀人 | Jenny

Transportation 劇組司機 | 陳建生大車隊 張裕芬 / 洪文忠 / 林孟廷 / 洪國勝 / 葉雙輝 / 謝春曙
Artiste Driver 藝人司機 | 小張哥車隊 / 張瑋中 / 楊金麟
Truck Driver 燈車司機 | 黃偉傑
Lighting Equipment 燈光器材 | 貞寶企業有限公司
Camera Equipment 攝影器材 | 宏達數位影業有限公司

Post Producer 後期製片 | 吳珮瑜 Sunny Wu
Post Producer Assistant 後期製片助理 | 王芃勻 Daiso Wang
Editor 剪輯師 | 林佳穎 Rémi Lin
Colorist 調光師 | 蘇佩 (TimeLine Studio 時間軸)
VFX Artist 特效師 | 林貫洋 Guan Lin
Additional Sountrack 片尾配樂 | 林俊傑 JJ Lin (JFJ Productions)
Sound Designer 音效 | Deer Post
Sound Mixer 混音 | Deer Post

Special Thanks 特別感謝 | 新北市協拍中心 / 水湳洞安檢所 / 福華市場總幹事呂榮華 / 福華市場全體攤販 / 盈象企業行張勝雄 / 新美齊集團 / 興雅國中全體師生