熱門Ptt文章

[爆卦]常見z值是什麼？優點缺點精華區懶人包

雖然這篇常見z值鄉民發文沒有被收入到精華區：在常見z值這個話題中，我們另外找到其它相關的精選爆讚文章

在 常見z值產品中有44篇Facebook貼文，粉絲數超過4萬的網紅百工裡的人類學家，也在其Facebook貼文中提到， 工作、職業與辦事能力，這些與性別差異有什麼連結？當我們自詡為進步且開放的社會，已經能夠以開放的態度接受多元成家，已經選出女性元首的情況下，性別的不平等還存在於我們的社會之中嗎？在職場與校園環境中提供哺乳室、生理假、育嬰假與產假等措施，就是性別平等的表徵了嗎？實際上，工作與職業的生涯規劃，以及能力被重...

　同時也有32部Youtube影片，追蹤數超過21萬的網紅Yale Chen，也在其Youtube影片中提到，🎁 免費下載 虛擬貨幣入門秘訣(10分鐘了解虛擬貨幣) https://freedumglobal.com/aCykF 👉🏻阿璋的新書「打開網路就有錢」 https://www.books.com.tw/products/0010897732?sloc=main 👉🏻 幫助你提早退休 美股被動式...

「常見z值」的推薦目錄

常見z值 在 好日曆 Instagram 的精選貼文

2021-09-17 18:19:18

改變你告訴自己的事情，就能改變你的想法、感受和行為。停止負面思考，是取回人生主控權的重要練習。 - 在你的人生中，有沒有過這樣的經驗呢？ 因為一件事情大暴怒 心情很差之外，甚至傷害了身邊的人 可是事後冷靜地回想，不過是點芝麻綠豆大的小事 因此而感到抱歉，甚至有點後悔 - 我印象最深刻的一次，是在大...

常見z值 在 汪咪博士 Instagram 的最讚貼文

2021-09-03 21:23:53

- ㄏㄧㄚ愉快的開箱日 - 鏘鏘～～🥁 今天要來分享汪咪博士的產品～(*≧ω≦)💛 今天介紹的是 ⇨ 是 @dr.wami家的環境去味抗菌噴霧🎉🎉 噴過其他環境去味產品不僅效果不佳，毛孩還會敏感打噴嚏的朋友，ㄏㄧㄚ在這邊向大家推薦dr.wami的環境去味抗菌噴霧!!!!!!! 汪咪博士的噴霧真的C...

  • 百工裡的人類學家

    常見z值 在 百工裡的人類學家 Facebook 的精選貼文

    2021-08-29 17:00:39
    有 45 人按讚

    工作、職業與辦事能力，這些與性別差異有什麼連結？當我們自詡為進步且開放的社會，已經能夠以開放的態度接受多元成家，已經選出女性元首的情況下，性別的不平等還存在於我們的社會之中嗎？在職場與校園環境中提供哺乳室、生理假、育嬰假與產假等措施，就是性別平等的表徵了嗎？實際上，工作與職業的生涯規劃，以及能力被重視等面向，也就是真正的有著職業生涯發展的條件下，女性與男性的能力評估、升遷甚至是薪水登記是否平等，是否是依照真正的能力去評估，還是說評估的時候仍然會不自覺的帶入了性別差異的觀點呢？人類學的研究中，也有部分的研究在描述某些社會的現象，從我們眼光看來是十分「性別平等」的，但實際上深層的文化價值上，仍舊會讓女性感受到不自由或被壓迫的感覺。例如喜馬拉雅地區藏人的一妻多夫，看起來是由妻子掌控了家中的資源，甚至能夠決定哪一位丈夫可以同床共眠，但實際上，由於這個多夫的婚姻制度是父系的，所以多半是兄弟（有時是父子）共妻。當兄弟的年齡差距太大時，年紀小的弟弟可能會另外娶妻，在不分家的前提下，新娶的妻子也是要共妻的。所以，從女性的角度來看，表面上看來對女性較有利的一妻多夫，實際上並沒有男性一夫多妻那麼具有優勢，反而搭配上深層的文化價值來看，反而有可能成為女性被束縛的一種機制。或是中國西南的拉祜族，以要求丈夫必須參與妻子待產、生產到育嬰的每個步驟，在家務與勞動上也要求男女平等而聞名。看似平等的社會機制與文化價值，卻讓女性少了自由選擇婚配對象或不同生活規劃的彈性。從這些不同社會的規範與文化價值面對性別時的民族誌資料來看，對於性別與職業生涯發展的話題裡，最為核心的「男性適合工作，女性適合照顧家裡」，與過去的「男主外，女主內」有著怎樣的文化邏輯關係呢？這些性別與職涯的文化價值差異是否只針對女性，是不是也有處理男性與工作倫理態度上的論述呢？

    小編今天要分享的文章，就是由研究職場性別不平等的學者所調查、撰寫的內容。同時，我們「百工裡的人類學家」團隊，也即將於9月初舉辦一系列關於女性、人類學以及職涯的講座活動喔！尤其是今天推薦的關於女性職場平等以及女性職涯規劃與性別議題的內容，將會邀請奧沃市場顧問創辦人林宛瑩來進行講座，千萬不要錯過喔！系列講座的訊息請參考貼文最下方。

    ——————————————
    我們是研究職場性別不平等的學者，企業通常會請我們調查，為什麼他們難以讓女性留任，並晉升到高階職位。這是普遍存在的問題。在1970和1980年代，女性在晉升到位高權重職務方面，有顯著進展，但這個進展在1990年代明顯減緩，到了本世紀就完全停滯不前了。
    如果你問人們，為何女性擔任高階職位的比率如此低，你會聽到絕大多數人哀嘆這情況，大致說法是這樣的（這是不幸但避免不了的「真相」）：高階職位需要極長時間工作，而女性必須照顧家庭，因此無法在工作上投入那麼多時間，結果就是職涯受到損害。我們稱這種解釋是「工作與家庭難以兼顧」的說法。2012年，一項針對各行各業超過6,500名哈佛商學院校友進行的調查發現，有73％的男性和85％的女性採用這種說法，來解釋女性晉升受阻的情況。然而，相信這種解釋並不代表它是真實的，而且我們的研究嚴重質疑這個說法。

    企業文化阻礙女性員工發展
    幾年前，我們從一家全球性顧問公司那裡聽到這個解釋，這家公司沒有現成的解決方案，於是尋求我們的協助，以了解文化可能會如何阻礙女性員工。該公司從頂尖的大學和企管碩士班招募人才，在頗負聲望的顧問公司名單上名列前茅，但和大多數其他專業服務公司一樣，它的女性合夥人很少。
    我們和那家公司合作了18個月，其間我們訪談107名顧問，包括男性和女性，也包括合夥人和資淺顧問。幾乎每個人都採用某種版本的工作與家庭難以兼顧說法，來解釋缺少女性合夥人的現象。但正如我們去年和同事艾琳．里德（Erin Reid）一起提出的報告那樣，我們和該公司的人員共事的時間愈長，就愈發現他們的解釋與數據資料不符。女性升遷受阻，並不是因為難以兼顧工作與家庭的需求；男性也有難以兼顧這兩者的問題困擾，但仍舊能夠升遷。和男性不同的是，女性升遷受阻，是因為她們被鼓勵要配合調整職務，而男性則不必，她們做出的調整包括改為兼職工作，以及轉為內勤人員，這些都妨礙了她們的職涯發展。真正的罪魁禍首，是企業普遍的「工作過度」文化，這種文化不但同時傷害到男性和女性，也造成性別不平等的情況根深柢固。

    人們告訴我們的故事，和資料顯示的實況大不相同
    在好幾個層面上，該公司的資料所透露的現實情況，和員工告訴我們（以及告訴他們自己）的故事截然不同。我們觀察到這些不一致的情況，因而質疑為何這種故事有如此強大的掌控力；即使該公司的資料導向型分析師，理應看得出這是虛構的故事，卻仍受到這類故事的掌控。

    來看看留任情形。雖然這家公司來找我們的動機之一，是希望協助處理「女性流動率較高」的問題，但我們仔細檢視他們之前三年的資料之後，發現女性和男性的流動率幾乎沒有差異。另一個不一致情形是，雖然公司成員把工作與家庭衝突的苦惱，大多歸諸於女性，但我們發現，許多男性也有樣的困擾。一位男士告訴我們：「我一星期出差三天，每週只有一、兩次能在孩子上床睡覺之前看到他們，每次45分鐘。」他回憶起一個特別痛苦的星期六，告訴兒子無法去看他的足球比賽。「他放聲大哭，當時我真想立刻辭職，」這位男士說。我們訪談已為人父的資淺顧問，其中有三分之二提到這種工作與家庭衝突的情況，但只有一個人接受調整職務的做法，以緩和這種衝突。

    職務調整，是該公司說法和資料不一致的另一個領域。接受職務調整的員工幾乎都是女性，而她們被「汙名化」，並發現自己的職涯受到阻礙。在個人層次，結果是女性犧牲了權力、地位和收入；在集體層次，這意味高層職位是男性專利的模式延續不變。這結果是事與願違，該公司原本試圖解決女性晉升受阻的問題，卻使問題更加根深柢固。

    我們還發現，工作與家庭難以兼顧的說法本身，也有不一致之處。就以這名男性總結問題的方式來看：「女性會想要生孩子而不想工作；或是她們想要生孩子也想要工作，但不想每週出差和一週工作六、七十小時，而這些正是顧問的生活方式。」他堅信女性的個人偏好，是她們成功的障礙，但他無法解釋無子女的女性這種特殊現象：她們的晉升紀錄，並不比為人母的女性更好。在他的推測中，所有的女性都是母親，而像這樣硬是把兩者結合起來的情況，在我們的訪談中很常見。人們回覆的內容，並未提及無子女的女性，或許是因為她們與難以兼顧工作和家庭的說法相牴觸。

    在最後一種不一致情況中，我們訪談的許多人都會提到的一種經歷，令人質疑工作與家庭難以兼顧說法的基本前提：一天24小時、一週七天的全天候工作安排，是不可避免的。他們談到要花費大量時間，去做一些既昂貴又不必要的事情，其中最主要的就是過度銷售（overselling）和超值服務（overdelivering）。我們聽到許多合夥人的故事，正如一位資淺顧問說的，他們「承諾客戶做到不可能的任務」，卻沒有考慮到，履行這些承諾要耗費多少時間和精力。他解釋，他們的訴求方式如下：「我們將做X、Y和Z，而且只要花你以為所需要時間的一半，就能全部完成。」他告訴我們，結果客戶喜出望外，迫不及待要簽約。

    資淺顧問覺得有壓力，必須要按照那些要求而加班工作，因為他們想在高素質的同事中脫穎而出，成為明星。「我們花好多小時工作，做出這些瘋狂的幻燈片。」一位人士說：「這種態度是：我要用一百張幻燈片征服這個客戶。但其實那個客戶用不到那麼多！」另一個資淺顧問懊惱地敘述，她每個週末的時間都花在這類任務上。「我真的非常非常努力工作，」她告訴我們：「犧牲家庭事務，犧牲我的健康，最後當我回顧這一切時卻會想，『嗯，我們真的必須這樣做嗎？也許不必。』」

    “公司若要解決性別問題，就必須解決員工長時間工作的問題；並且要從停止過度銷售和超值服務著手。”

    （以上引用自網頁原文）
    https://www.hbrtaiwan.com/article_content_AR0009484.html

    ---------------------------------------
    百工誠摯邀請您與我們一起 ＃先加入展覽再聽演講
    ＃線上活動開放全世界讀者加入 ＃機會難得 ＃呼朋引伴來參加

    【展覽資訊】展出現代女人的模樣｜跨世代女「人」線上互動展
    🌟線上互動展覽：https://padlet.com/r09325002/anthrodo

    【講座資訊】跨世代女「人」交流系列講座
    📍廖雲章・獨立評論在天下總監・9/3(五) 19:00-21:00
    📍劉雨涵May・健身頻道May fit創辦人・9/5(日) 13:00-15:00
    📍林宛瑩・奧沃市場顧問創辦人・9/8(三) 19:00-21:00

    🌟報名資訊放置於展覽內
    🌟講座採用webex視訊軟體進行線上講座
    🌟搶先看百工粉專，不錯漏任何資訊

    ＃歡迎大家按讚分享留言

  • 台灣物聯網實驗室 IOT Labs

    常見z值 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文

    2021-07-27 11:56:34
    有 1 人按讚

    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

  • 國家衛生研究院-論壇

    常見z值 在 國家衛生研究院-論壇 Facebook 的最佳解答

    2021-07-14 07:30:35
    有 42 人按讚

    【痊癒了嗎？還是苦難的開始？--慢性COVID-19存活者的身心症】
    　
    COVID-19存活者，高達三成痊癒後仍被衰弱症狀所苦。有研究將此臨床表徵命名為「遠程新冠肺炎」（long-haul COVID），或「急性後期新冠肺炎症候群」（post-acute COVID syndrome），弗契博士(Dr. Fauci)在公開演說稱之為Long COVID。
    　
    Long COVID牽涉肺部、血液、心血管、腎臟、內分泌、神經心理、肝膽腸胃及皮膚等多重器官之複雜與表現型態多元的後遺症，持續時間從病癒後數週到數月之久。為了因應COVID-19存活者的慢性症狀困擾，全美已超過三十個醫療機構，設置多專科Long COVID 特別門診。
    　
    在所有症狀群中：全身衰弱、廣泛性肌肉疼痛、睡眠障礙、焦慮、憂鬱、頭痛及認知功能缺失等神經心理系統的功能性失衡狀態，因短期無致命風險，常易被醫護人員忽略，但長期累積後會導致嚴重的身心症，值得特別關注。
    　
    和SARS病毒感染後的病人一樣，30-40%的COVID-19存活者出現焦慮和憂鬱，這些症狀表現可能和病毒引發的細胞激素反應、神經性炎症反應及神經退化等生理機轉有關。無獨有偶，這些Long COVID 病人的症狀表現，和常見的「創傷後症候群」、「慢性疲憊症候群」及「纖維肌痛症」病人非常類似。
    　
    針對神經心理症狀的處置，頭痛除了給予標準的藥物治療，佐以影像學診斷外，頑固性頭痛病人則需轉介給疼痛專科醫師。標準的神經心理診斷工具可以早期診斷、持續監控焦慮、憂鬱、睡眠障礙、創傷後症候群、疲憊及纖維肌痛症，並早期介入溫和的精神舒緩藥物、復健、運動及身心療法等已被證實能有效改善纖維肌痛的治療。
    　
    護理人員可以發揮病人代言人角色，並在病人教育、病友支持團體及非藥物身心療法等介入措施發揮護理專業功能，協助COVID-19存活者的疼痛、疲憊、睡眠與認知功能缺失等慢性神經心理症狀。
    　
    ▶ 更多護理相關精采文章，詳 國家衛生研究院-論壇： https://forum.nhri.edu.tw/nursing_info
    　
    ■撰文者：
    蔡佩珊教授 臺北醫學大學護理學院
    孫維仁主任 臺灣大學醫學院健康科學與生活中心
    　
    ■審閱者：
    王秀紅諮議委員 國家衛生研究院-論壇
    　　
    【Reference】
    📋 國家衛生研究院-論壇 - 109年研議議題
    「台灣護理人力發展之前瞻策略規劃」
    ■議題召集人：王秀紅教授（高雄醫學大學護理學系）
    ■以護理人力的教育、考試、訓練與任用過程，並融合透過人力「輸入（input）─過程（process）─產出（output）」的概念分為7個面向，從護理人力之人才培育（護理教育）、護理專業之能力提升（專業認證、進階護理），以至從初級照護、次級急性照護、至三級照護的執業場域（社區護理、醫院護理、長照護理）之護理人力需求；再以科技護理橫貫人才培育、能力提升以及人力需求等層面的教育與應用。
    ➤https://forum.nhri.edu.tw/109-pp-3/
    　　
    1. 參考資料
    參考資料
    (1)Philips S., Williams M.A. (2021). Confronting our next national health disaster — Long-Haul Covid. The New England Journal of Medicine. doi: 10.1056/NEJMp2109285. Online ahead of print.
    (2)Nalbandian A. et al. (2021). Post-Acute COVID-19 Syndrome. Nature Medicine, 67, 601-605. doi: 10.1038/s41591-021-01283-z.　　
    　　
    衛生福利部
    衛生福利部護理及健康照護司
    高雄醫學大學護理系學生會
    高雄醫學大學護理學院
    私立高雄醫學大學
    台灣護理學會
    中華民國護理師護士公會全國聯合會
    護理正義
    護理人護理魂-hi,I'm CC
    財團法人國家衛生研究院
    國家衛生研究院-論壇

你可能也想看看

搜尋相關網站