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

💜 小布老師塔羅占卜：七月運勢？

靜心閉眼深呼吸，依直覺選取一張牌。答案為連結天使的牌義，並非完全遵照塔羅牌義。

#下期線上天使塔羅課
#報名登記中
#有興趣學習如何占卜解牌歡迎報名
#也提供一對一線上課程

1）選到這組牌的，七月開始即將邁入一個新的旅程。所有卡關的、執拗的、困囿的，讓你感到沉溺的、錯置的以及停滯不前的，都將有所轉變。你之前所經歷的，都有靈魂層次上的安排，你將開始運用之前的資源滋養自己，開創出一條屬於自己的道途。工作職場上，會有新變動，尤其是之前被困滯許多的事，會開始動起來。相對來說一股新生的力量，正在促使你走向更寬闊的格局。如果你一直以來都有持續進修自己的身心靈，那麼想必即將看見你的舞台了。感情上那種令人感到被背叛（不一定是真實被某人背叛）的感受，以及對於選擇錯誤的感覺，都到了要明朗化的階段了。如果你還沉溺在其中不願意選擇出走來，那麼至少心境上的抽離我想你多少受到指引了，也許是事件或他人起了變化。

#建議：這是個強化內心之家格局的時期，你的遠見除了能啓發他人，帶給他人新的洞見之外，也能穩定自己內在的安全感，並且更明白在更精微的層次上，你一直是在蛻變的。多充實你的內在視野，相信真理是在追尋靈魂體驗的人生上的。

2）選到這組牌的，命運與機會正交織在你的人生十字路口上。你要相信「上帝為你關上一扇門，會再為你開一扇窗」，還是「命運掌握在自己手裡，你才是自己人生的創造者」是一個算是試煉的考驗。這個月你有可能經驗事件的變動，把那些你之前深埋在地窖不想去面對的人事物，都翻攪上台面上逼你面視。如果把上述的前者比擬成「潛意識」，那麼後者就是「意識」，也就是一個「高我-小我」之爭。那麼以往順利在意識層次決定的事件，有可能會出現潛意識層推動的意外結果。也就是說，如果事情不如預期，你不必太驚訝於所謂的「意外」，因為它在看不見的潛意識層中，是有進程安排的，並不是憑空意外發生的。你能做的是調整好心態，試著敞開心去接納。這是一個能深度成長的契機，會使你更明白除了意識頭腦之外，有更廣大浩瀚的宇宙及心靈。這個月多留意訴訟、合約及法律問題。如果你要做任何決定，請記得依照你的心，也就是你的熱情所在去做，而不是因恐懼或害怕失去而做。兩者所架構出的結果會截然不同。在感情上，你的伴侶（或會遇到的對象）是你的一面鏡子，你愛上的他/她，其實是你心裡理想中的另一個自己。因此切勿過於理想化對方，否則真實與對方接觸後，容易帶出對於幻滅的憤怒。

#建議：這時期的任何思維或溝通，都有著潛意識的驅動。深度觀察自己的每個起心動念，你會更明白你的需求及他人的渴望是什麼，而不是表面上所說的那些話。

3）選到這組牌的，這個月會有令人興奮的行動與結果，如果你長期努力下來，事情即將成功。在工作職場上會交出漂亮的成綪單，獲得贊賞及肯定；在團體中也會表現亮眼，受到重用，得到相對應的權力。總之這是你有所努力就會獲得成果的月份，然而這個月的挑戰在於人際疏離，及情感的舊傷會被引動。如果你自知是個疏離依附型的人，以往你都與人在外/內在保持距離，那麼這個月會更明顯。而這種疏離感在能力認可上雖說沒有問題，但在與人相處的過程中，會無法敞開心與他人互動。因此容易戴著面具表現自己，但心中其實渴望他人能真正看見你。這股矛盾會在情感或人際上顯現，比如你所創造出來的疏離是你不在乎他人怎麼想，於是伴侶會在長期冷漠的模式下尋找其他出路，而逼迫你不得不再一次面對失去的傷痛，而更證實疏離有其必要。或是人際上疏離也許是怕麻煩，但久而久之他人也會對你關閉心房，而後孤立感又會更讓你認為曲高和寡，因此更疏離。

#建議：清明的意識與獨特的思維用在拓展個人事業上，很是加分。但是它多少會造成人際孤寂感，建議多滋養自己內在的需求。有時候必須看清不去碰觸某些事，是因為挪出心力去做更有意義的事，還是避免觸及挫敗感。

4）選到這組牌的，你擁有強大的直覺力及創意，這個月必須把你強大的直覺及靈感落實。你不能永遠只是想，要有行動及做為。收集資訊、評估、計劃及討論都是有必要的，但若是沒有付諸實行，一切都不會成真。但若是你是做與人交流互動有關的工作，比如人資部、公關、祕書、行銷等，那麼「與人交流」本身就是你的執行度，那麼想必這個月你的表現會很出色。簡單說就是，你目前的能量很能收取到別人心中的感受，如果你依循這個方向去規劃或執行，結果會是令人滿意的。唯一是，若是你收取到他人的感受會勾起自己的黑洞時，那麼你可能會因為恐懼而錯過良機。比如你明明「感覺」到他人需要你強烈推銷，但這並不是自己的強項且你害怕被拒絕的情況下，就可能錯失機運。這個月你適合去參加身心靈工作坊、課程或相關書籍，你會找到適合自己的心靈棲所。感情上會有吝於付出的恐懼議題出現，這通常會包裹在對方沒有如我預期滿足我的需求表面之下。也就是說如果你抱怨的是對方沒有做到某些事時，很可能是你渴望獲得卻又自覺給不了自己，而依賴於他人的嬰兒狀態。當然也有可能是相反，對於他人的付出你感到有壓迫性，那麼這也和你底層的需求是否被自己滿足有關。

#建議：講道理的議題，通常不在「邏輯」上，而是道理之下，你在「要」什麼。這會出現在你與團隊領導上，也會出現在生活中的細節要求裡，更會是工作上與同事或上司的表現裡。那個有「強迫性」傾向的紀律或規矩，真正在索取什麼？或是在避免什麼呢？

✅ 天使塔羅諮詢師證書班

課程結束你會學習到：
• 如何和自己的能量氣場調頻
• 如何開啓超感官能力
• 如何接收天使訊息
• 如何得知身體病痛所傳達的訊息
• 西方神祕學元素及應用
• 色彩象徽符號及意義
• 數字代表意涵及象徵、靈性數字、古希伯來文數字
• 星座三態宮、四象宮及元素性質
• 78張塔羅牌牌義及相關神祕學及神話元素
• 牌陣解牌及應用
• 天使塔羅諮詢師結業證書

➡️課程時間：預計8或9月四個星期日
➡️地點：線上google meet
➡️費用：$30,000

完成匯款後通知我後五碼才算報名成功

戶名：邱俞璇
銀行：台北富邦（012)
帳號：757-168-003670

【 相愛不相殺-線上關係工作坊 】

#人類圖居家防疫充電站之解心不解圖諮詢 活動中，除了親子問題，另一個大重點就是與伴侶/家人之間的愛恨情仇困頓糾結🙈🙉🙊
從人類圖的脈絡中，看見彼此底層的需求/本質，願意開始嘗試調整互動模式，讓彼此都回到最舒服的狀態，不再需要為難彼此，也許會發現，人人都可以是神隊友❤️

很開心和 Repeat的人類圖計程車 一路從clubhouse 的雲端合作，終於進階到這次的關係工作坊🥳

非常邏輯人Repeat +非常感知人的我，看看文案就知道，這次的工作坊肯定精彩有趣！😌

#你準備好要跟我們一起練習跳一支迷人舒服的雙人舞了咩？（背景音樂已下🎵🎶🎵🎶）

-

相愛不相殺-關係工作坊(週日，13:30-15:00）

🔸7/11共譜和諧的樂章：類型之間的互動模式
🔸7/18不踩腳的探戈：能量中心的交互影響
🔸7/25你愛上的是誰：人生角色的行為側寫

🔸8/1：神隊友養成密技：整合分享彩蛋限定場

單場報名 $2,000、任選兩場 $3,500、三場合報$5,000（加購彩蛋場共＄6000）
曾參與兩位講師讀書會/一階/解讀的學員75折。

更多詳情請見報名網址：https://forms.gle/g25F8WzYcKM1DjEG8

【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys

【哈克獨門心法工作坊】～穿越迷霧，懂一個人真正的樣子～2019/10/19開課
課程連結：https://www.koob.com.tw/contents/4022

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～8/3(六）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072

【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8

【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo

桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：

前一陣子跟大家分享過一本書，他是一位日本的社會學家，他的作品叫做《朋友這種幻想》。

那我還記得呢，我透過這本書，跟大家分享一些深得我心，而且跟我一直以來的想法，很能夠呼應的人際觀點。

那今天呢，我又從這一本書裡面，看到了第二個很有趣的主題，叫做「幸福」。

作者在這本書裡面，提到「幸福」有兩個關鍵，第一個關鍵是「自我充實」，而第二個是「與他人的交流」。

那今天呢，我就跟你分享一下，關於「自我充實」的這個部分。自我充實的另外一種說法，也可以說是「自我實現」。

它的意思就是說喔，只要能夠獲得發揮自身能力的機會，做到自己想做的事情，就能夠掌握莫大的「幸福感」。

在英文裡面有個詞彙，叫做「Calling」。而我們的翻譯，會稱作是「召喚」或者是「天職」。

它的意思就是喔，上天呼叫我，要我從事的工作；或許也可以解釋為，上天所賜予的天賦資質吧！

你可以想想看哦，當一個人在工作上，能夠完全發揮天賜的能力的時候，那是一件多麼幸福的事情！

而我們在想到，有哪些人活出自己的calling，或者是活得很能夠自我實現、自我充實，往往我們會想到一些典型的成功案例。比如說，知名的運動選手，或者是那些藝術家，擁有一些特殊能力的人。

可是這裡的問題就發生了，當我每次想到召喚，或calling的時候，我們都想到那些在平均分配裡面，所謂的「極端值的成功人士」。

那你會不會因為這樣子，反觀自照，你會覺得自己永遠找不到自己的召喚；又或者是會懷疑那些，自己可能「很適合做的事」，而且「做起來很開心的」的那些部分，到底是不是自己的天職？

因為它相對於那些「典型的成功」，比較起來好像微不足道。不是嗎？

雖然這一本書，這一位作者，他沒有針對這個部分，再多做著墨；但是呢，我就特別想要分享這個部分。

因為在我多年的個案教練，跟生命的實踐裡喔，我常發現很多人喔，總是用那些「極端值的成功典型」來對比於現在的自己。

第一個，你這樣子對比，你一定不會快樂；而第二個，當你這樣子對比的時候，其實搞不好你有很好的條件跟潛能。

但是因為你一下子把比較的標準，放在「太極端值」的部分，以導致於你的此刻當下，你連起步都不想起步，你連開始都不想開始。

所以呢，如果你要問我：「要能夠活出自我實現、要能夠活出自己的召喚跟calling」？

它的核心仍然是不變的，叫做只要你覺得自己很適合做某件事，而且這件事情做起來很開心，而且同時還能夠發揮自己的能力。

基本上，就已經很靠近了自我充實、自我實現；你基本上就已經活出了，自己的天職跟calling。

我聽過一句話喔，叫做「他人是地獄」。

你想想看，當我們把自己那些自己很適合做這件事，做起來很開心，而且能夠發揮自己的能力的那些部分，開始跟別人「比較」。

你相信我，十有八九的人一旦開始比較，就會開始懷疑，這到底是不是我真的想做的？這到底是不是我的天職？這到底是不是我的calling？

好！如果我們順著這個邏輯再去推理，當你因為「比較」，而脫離了自己符合前面說的那些條件的事情的時候，日子一久，就算你取得了成功，你可能還是會對自己很失望，你會有一種生命底層的不快樂。

好！那另外一個狀況是什麼？如果你不成功呢，那是不是叫做雙重挫折？因為你已經遠離了，那個你會快樂的事，然而你的客觀現象，仍然不成功啊！

所以呢，如果你問我：「要怎麼樣在自己的人生，跟生涯裡活得更好，活出自己想要的樣子，過上一個自己想要的好人生」？

我說喔，有一些理論都是對的。比如說，你要找到自己適合做的哪些事情，和做起來很開心的事，同時還能夠發揮自己的能力。

但是啊，千萬不要「比較」！

尤其是你剛開始在進入這個領域，你還只是個「學徒」的時候，千萬千萬記得，這個時候你需要的是認識這個領域、熟悉這個領域，去培養那些必要的基礎；而不是去做「比較」。

可是當你能夠在學徒階段，創造出一些必要的結果的時候，這個時候，你因為有一個成熟的技術、能力跟態度。

這時候開始的比較，它的用意也不在於爭高下；而是透過「比較」，你能夠自我精進，這才是關鍵！

因為只有你把動機放回自己身上，透過自我精進的過程當中，你在面對很多岔路、很多出口的選擇，你才會一次一次的選回「自己生命的召喚」。

並且在透過這個實踐的過程當中，重新定義你正在做的事情，並且找到你做這件事情的「核心意義」。

所以談到這裡，如果你期許自己的生命，就是要活出自己想要的樣子、活出自己要的自我充實，或自我實現。

那麼我要問你的是，到底你自己適合做什麼事？哪些事情你會做起來開心，而且能夠發揮自己的能力呢？

如果你已經有答案，記得一件事，在剛開始的時候，你最不需要的就是「比較」；然而如果你沒有答案的話，也沒有關係。

其實你只要具備有，在每個生命階段當中，在你的當下裡，都能夠創造出一些必要的結果。

我常常說喔：「幸福，並不是找到一件最對的事情來做，而是透過做對你眼前手邊正在做的事，去引發出下一件更對的事」。

然而這一切的觀念、思維，跟能力、做法，如果你有更大的好奇，並且渴望讓自己的人生活得更好的話；那麼我很鼓勵你，我近期推出的線上課程，叫做【過好人生學】，它會帶給你決定性的幫助。

我將跟你分享的，不只是思維跟想法，更有扎實的做法跟選擇的智慧。而且透過線上學習，你可以擺脫時間跟空間的限制，隨時隨地的開始進行學習與實踐。

生命是你的，選擇也在你手上。現在的關鍵問題就在於，你想要活出一個更好的人生嗎？如果你想要的話，歡迎你的加入。

希望今天的分享，能夠帶給你一些啓發與幫助，我是凱宇。

如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道。別忘了訂閱旁邊的小鈴鐺，按下去；這樣子你就不會錯過我們所製作的內容。

然而如果你對於啟點文化的商品，或課程有興趣的話，如同今天分享的【過好人生學】。

在我們每一段影片的說明裡，都有相關的連結；我很期待在線上，跟你一起學習、一起前進。

謝謝你的收聽，我們再會。