把AI導入邊緣裝置就對了！

作者 : Duncan Stewart、Jeff Loucks，Deloitte科技/媒體/電信中心
2020-06-04

邊緣AI晶片可能會嵌入越來越多的消費性裝置，例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用，例如機器人、攝影機、感測器和其他物聯網裝置...

德勤(Deloitte)預測，2020年，邊緣AI晶片出貨量將超過7.5億顆，銷售金額將達到26億美元，而且邊緣AI晶片的成長速度將遠高於整體晶片市場，估計到到2024年邊緣AI晶片出貨量可能超過15億顆，代表其複合年成長率(CAGR)至少達20%，是整體半導體產業(長期CAGR預測為9%)的兩倍多。

這些邊緣AI晶片可能會嵌入越來越多的消費性裝置，例如高階智慧型手機、平板電腦、智慧揚聲器和可穿戴裝置等。它們還將在多個企業市場中得到應用，例如機器人、攝影機、感測器和其他物聯網裝置。消費性應用邊緣AI晶片市場將遠大於企業應用市場，但成長速度可能會較慢，預計2020年至2024年之間，其CAGR為18%；企業應用邊緣AI晶片市場的成長速度更快，同期CAGR預計為50%。

儘管如此，無論從出貨量還是銷售金額來看，今年消費性裝置應用都將佔據整體邊緣AI晶片市場的90%以上。這些邊緣AI晶片中的絕大部分將應用於高階智慧型手機，佔據目前所有使用中的消費性邊緣AI晶片70%以上。實際上不僅是2020年，在未來幾年，AI晶片的成長將主要由智慧型手機推動。我們相信在今年預期出售的15.6億支智慧型手機中，超過三分之一都可能內含邊緣AI晶片。

由於對處理器的要求非常高，AI運算向來幾乎都在資料中心、企業核心設備或電信邊緣處理器上遠端執行，而不是在終端裝置本地執行；現在，邊緣AI晶片正在改變這一切。它們的實體尺寸更小、相對便宜、功耗更小、產生的熱量也更少，因而可以整合到手持裝置以及非消費性裝置(如機器人)中。

邊緣AI晶片可讓終端裝置能夠在本地執行密集型AI計算，減少甚至消除了將大量資料發送到遠端位置的需求，因此在可用性、速度、資料安全性和隱私性方面益處良多。從隱私和安全性方面來看，在邊緣裝置處理資料顯然更安全；個人資訊不離開手機就不會被攔截或濫用。而當邊緣AI晶片安裝在手機上時，即使未連結網路，它也可以完成所有處理。

當然，並非所有AI運算都必須在本地進行。針對某些應用，例如當裝置上的邊緣AI晶片無法處理太多資料時，將資料發送至遠端AI陣列來處理是適當的、甚至是首選方案。實際上，在大多數情況下，AI將以混合模式完成：一部分在裝置端實現，一部分在雲端實現。具體情況下應該選擇什麼樣的混合方式，要看需要完成的AI處理類型。

智慧型手機邊緣AI經濟學

並非只有智慧型手機使用邊緣AI晶片；其他裝置諸如平板電腦、可穿戴裝置、智慧揚聲器等也會採用AI晶片。短期內，其他裝置對邊緣AI晶片銷售的影響力可能會比智慧型手機小得多，原因若非這類市場沒有什麼成長(如平板電腦)，就是這類市場規模太小、無法產生實質性的影響；例如，2020年智慧揚聲器和可穿戴裝置市場總銷售量預計僅1.25億部。不過許多可穿戴裝置和智慧揚聲器都依賴邊緣AI晶片，因此其普及率已經很高。

目前，只有價格最昂貴的智慧型手機(處於價格區間頂部)才可能內置邊緣AI晶片。但是，帶有AI晶片的智慧型手機並不一定要價格昂貴到讓消費者望而卻步。

我們可以對智慧型手機的邊緣AI晶片比例進行合理的估算。目前三星(Samsung)、蘋果(Apple)和華為(Huawei)的手機處理器圖片均顯示出裸片及所有功能特性，因此可以識別出晶片的哪些部分用於哪些功能。例如，三星Exynos 9820晶片的照片顯示，其晶片總面積的大約5%專用於AI處理器，整個應用處理器SoC的成本估計為70.50美元，僅次於顯示器，是手機中第二昂貴的元件，約佔據裝置總物料成本的17%。假設AI部分的成本與裸片上的其他部分一樣，即與所佔裸片面積成正比，那麼Exynos的邊緣AI神經處理單元(NPU)大約佔裸片總成本的5%，相當於每個NPU約3.50美元。

相同的，在蘋果的A12仿生晶片上，專用於機器學習的部分約佔裸片總面積的7%。如果整顆處理器的成本為72美元，邊緣AI部分的成本大約5.10美元。華為麒麟970晶片的成本估計為52.50美元，其中2.1%用於NPU，則這部分成本應為1.10美元(當然，裸片面積並不是衡量晶片總成本中有多少比例屬於AI的唯一方法。據華為表示，麒麟970的NPU包含1.5億個電晶體，佔整體晶片55億個電晶體總數的2.7%；按這樣計算，NPU的成本較高，約1.42美元)。

儘管這裡所提到的成本差別很大，但可以合理假設，NPU的平均成本約為每晶片3.50美元。雖然每顆晶片的價格不高，但考量達到5億支的智慧型手機出貨量(還不包括平板電腦、智慧揚聲器和可穿戴裝置)，這仍然是一個很大的市場。

製造商的平均成本為3.50美元，最低可能僅1美元，因此在智慧型手機晶片中添加專用的邊緣AI NPU是很自然的事。按照正常的利潤加價幅度，製造成本增加1美元，對終端消費者而言也僅增加2美元。這意味著即使是價格低於250美元的智慧型手機，也可以享受NPU及其帶來的好處，如更好的攝影機、離線語音助理等，而價格漲幅不到1%。

AI晶片來源：自家生產還是找外部供應商？

生產智慧型手機和其他裝置的廠商取得邊緣AI晶片的方式各不相同，這主要取決於手機機型、甚至是區域市場等因素。有些公司向高通(Qualcomm)和聯發科(MediaTek)等第三方供應商採購應用處理器/數據機晶片，這兩家公司在2018年合計佔據了智慧型手機SoC市場約60%的比例。高通和聯發科提供了一系列不同價位的SoC；儘管並非都包含邊緣AI晶片，高階型號通常都會有，例如高通的Snapdragon 845和855，以及聯發科的Helio P60。

在另一方面，蘋果則完全不使用外部供應商的應用處理器晶片，而是設計並使用自己的處理器SoC，如A11、A12和A13 仿生晶片，所有這些晶片都支援邊緣AI。其他手機製造商如三星和華為則採用混合策略，也就是會從市場上的晶片供應商採購一部分SoC，其餘則使用自家研發的晶片，例如三星的Exynos 9820和華為的麒麟970/980。

兵家必爭的企業與工業應用領域邊緣AI市場

如果在智慧型手機和其他裝置中採用邊緣AI處理器好處多多，那為何不將之導入企業應用呢？事實上邊緣AI處理器已經有一些企業應用案例了，例如某些自主無人機；配備了智慧型手機應用處理器SoC的無人機，能完全在裝置端執行即時導航和避障，無需連結網路。

但是，針對智慧型手機或平板電腦最佳化的晶片並非許多企業或工業應用的正確選擇。如前面所述，智慧型手機SoC的邊緣AI部分僅佔總面積的5%，在總成本中佔據約3.50美元，功耗比整個SoC少大約95%。所以若開發出只有邊緣AI功能(加上其他一些必要功能，例如記憶體)的晶片，它的成本會更低、功耗更少且體積更小，豈不更好？

事實上，已經有這樣的晶片了。據說，有多達50家不同的公司正在開發各種各樣的AI加速晶片。在2019年就已經有獨立的邊緣AI晶片鎖定開發工程師，單價約80美元。而如果達到成千上百萬顆的量產，裝置製造商的採購成本會大幅降低，有些甚至可低至1美元(或是更少)，而有些則需要幾十美元。現在，我們以智慧型手機邊緣AI晶片作為參考標準，假設邊緣AI晶片的平均成本約為3.50美元。

除了相對便宜之外，獨立的邊緣AI處理器還具有體積小的優勢，功耗也相對較低，僅為1W到10W之間。相比之下，一個由16顆GPU和兩顆CPU組成的資料中心叢集，雖然性能非常強大，成本將高達40萬美元，而且重量達到350磅、耗電達到10萬W。

利用這類已經問世的晶片，邊緣 AI可以為企業帶來更多新的可能性，尤其是在物聯網應用方面。透過使用邊緣AI晶片，企業可以大幅提升在連網裝置端進行資料分析的能力──不僅是收集資料──並將分析結果轉化為行動，從而避免了將大量資料傳送到雲端帶來的成本、複雜性和安全性挑戰。AI晶片可以幫助解決的問題包括：

資料安全和隱私

無論企業如何謹慎小心地保護資料，只要是收集、儲存並將資料傳送到雲端，都會不可避免地使企業面臨網路安全和隱私威脅；隨著時間推移，因應此一風險變得至關重要。世界各國紛紛訂定個資保護相關法規，消費者也逐漸意識到企業正在收集他們的各種資料，而有80%的消費者表示，他們認為企業沒有盡力保護消費者隱私。諸如智慧揚聲器之類的裝置開始在醫院等場合廣泛使用，這些場合對患者隱私的管理十分嚴格。

邊緣AI晶片可在本地處理大量資料，降低個人或企業資料被攔截或濫用的可能性。例如，具有機器學習處理能力的保全攝影機可以透過分析視訊來確定其中哪些部分相關，並只將這部分視訊傳送至雲端，從而降低隱私權洩露的風險。機器學習晶片還可以識別更廣泛的語音指令，從而減少需要在雲端進行分析的音訊。準確的語音辨識功能則有助於智慧揚聲器更精準識別「喚醒詞」，以避免聽到不相關的對話。

連網困難

裝置必須連網才能在雲端處理資料，但是在某些情況下，裝置連網是不切實際的。無人機就是一個例子，其運作位置可能使得維持其連網很困難，而且連網功能本身以及將資料上傳到雲端都會縮短電池壽命。在澳洲新南威爾斯(New South Wales, Australia)以配備嵌入式機器學習功能的無人機巡邏海灘，確保泳客安全；這些無人機不必連結網路就可以識別出被海浪捲走的泳客，或者警告泳客有鯊魚和鱷魚襲擊危險。

(太)大數據

物聯網裝置會生成大量數據。舉例來說，一架Airbus A-350噴射機配備6,000多個感測器，每日飛行航程會產生的數據量達到2.5 TB。在全球範圍內，保全攝影機每天生成的數據約2,500PB。將所有這些數據資料發送到雲端儲存和分析的成本高昂且複雜，將機器學習處理器放置於感測器或攝影機等終端裝置就可以解決這個難題。例如，可以在攝影機中配備視覺處理單元(VPU)，也就是一種專用於分析或預處理數位影像的低功耗處理器SoC。借助嵌入式邊緣AI晶片，裝置可以即時分析資料，只有當相關資料需要傳送到雲端進一步分析時才會需要進行傳輸，這可大幅降低儲存和頻寬成本。

功耗限制

低功耗的機器學習晶片甚至可以讓AI運算在透過小型電池供電的裝置上執行，不會消耗過多電力。例如，Arm晶片可以嵌入呼吸器來分析資料，包括吸入肺活量和進入肺部的藥物流量。在呼吸器上完成的AI分析結果將傳送至智慧型手機應用程式，協助醫事專業人員為哮喘患者提供個人化醫療照護。

除了現在已有的低功耗邊緣AI NPU外，很多公司還致力於開發「微型機器學習」方案，也就是在微控制器單元之類的元件上實現深度學習。例如Google正在開發能讓微控制器分析資料的專用版本TensorFlow Lite，將需要發送到晶片外的資料壓縮為只有幾個位元組大小。

低延遲需求

無論是透過有線網路還是無線網路，在遠端資料中心執行AI運算都意味著往返延遲的存在，最佳情況下為1到2 毫秒(ms)，最差情況則達到幾十甚至幾百毫秒。使用邊緣AI晶片在裝置端執行AI，可以將延遲降低到奈秒(nanoseconds)等級──這對於需要收集、處理資料並即刻採取行動的應用場景至關重要。

例如自動駕駛車輛必須透過電腦視覺系統收集並處理大量資料以識別物體，同時收集和處理來自感測器的資料以控制車輛各種功能；然後它們必須立即根據這些資料做出決策，像是何時轉彎、煞車或加速，以實現安全行車。為此，自動駕駛車輛必須自己處理在車輛中收集的大量數據。低延遲對機器人應用也很重要；隨著機器人逐漸出現在工廠環境並開始與人類協同工作，低延遲將變得越來越重要。

邊緣AI在大量數據應用至關重要

邊緣AI晶片的普及可能會為消費者和企業帶來重大變化。對消費者而言，邊緣AI晶片可以實現多種功能，從解鎖手機到與語音助理對話，甚至在極端困難的條件下拍攝出令人驚歎的照片，而這些應用都不需要連結網際網路。

但從長遠來看，邊緣AI晶片對企業應用的影響可能更大，它們將把企業的物聯網應用提升到一個全新的境界。由AI晶片驅動的智慧裝置將有助於擴展現有市場，衝擊現有企業，同時改變製造、建築、物流、農業和能源等產業的利潤分配。

收集、詮釋並立即根據大量數據資料採取行動的能力，對於那些仰賴大數據的應用至關重要；未來學家們預測，這類應用將被廣泛佈署，包括視訊監控、虛擬實境、自動駕駛無人機和車輛等等，而邊緣AI晶片就是讓各種裝置取得更高智慧的主角。

附圖：圖1：AI運算技術能佈署在不同位置。

（圖片來源：Deloitte Insights）

圖2：邊緣AI晶片市場規模預測。

(圖片來源: Deloitte Insights)

圖3：三星Exynos 9820的裸晶照片顯示，其中約有5%的面積為AI處理器。

（圖片來源：ChipRebel；注釋：AnandTech）

圖4：蘋果的A12仿生晶片約有7%的面積屬於機器學習的部分。

（圖片來源：TechInsights / AnandTech）

資料來源：https://www.eettaiwan.com/20200604putting-ai-into-the-edge-is-a-no-brainer-heres-why/?fbclid=IwAR3hRYuquNfTq5VzcEWYfqyJotBLBSp4PzLNyMackrs6V43r9NEMhRZ3Ap8

人工智慧演進：從雲端到邊緣

吳碧娥╱北美智權報 編輯部

人工智慧應用的快速演進正改變設備的創建和使用方式。隨著人工智慧技術能力不斷增強，所有物聯網相關產品開始朝向符合終端需求的應用開發，不再僅依靠雲端連接的支持。終端運算的優勢包括實時性、數據隱私和領先的能源效率，對設備製造商來說，不需要在產品銷售的每個區域都佈署雲基礎設施，產品上市的時間和成本就能縮短。雖然雲端和邊緣運算各有優勢，但若邊緣運算能克服雲端無法解決的問題，人工智慧的未來將會在終端實現……

目前AI主要有雲端人工智慧（Cloud AI）和人工智慧邊緣運算（Edge AI）兩種形態。從2012年深度學習開始到2016年、2017年，大部分AI應用都是在雲端開發的。雲端的優勢是計算能力很強、運算速度很快，這是終端無法比擬的，在2014年時，若把一張照片丟到雲端再回來，網路延遲大概是250～1250毫秒（ms）；當時若在終端運算，需要耗時3秒鐘，這種速度當然是無法被接受的。但到了2016年，因為硬體和演算法的進步，終端的網路延遲從3秒鐘一口氣降低到50ms，代表AI在終端是可行的。

發展邊緣AI運算能力的重要原因之一，就是要解決延遲的問題。AI若能更靠近物聯網設備，把原本在雲端的運算引到邊緣設備，由邊緣電腦用更快的速度做出即時決策，這是在雲端解決方案中無法實現的。

Edge AI將成潮流？

聯發科技計算與人工智慧技術群處長吳驊指出，邊緣AI的優勢在於提高智慧深度神經網路（DNN）的執行效率，同時保持良好的準確性，並縮短產品上市的投資與風險。深度學習從2012年開始慢慢走紅，讓機器從蒐集好的數據中進行學習，除了增加準確率，也減少人工的投入，尤其是影像辨識的錯誤率從26％大幅下降到16.4％，2015時已達到人工辨識的水準，錯誤率只有3.6％。

另一方面，雲端可能會有大量數據傳輸速度慢、反應不及時、隱私容易洩露等問題，因此若將AI部署在終端，可以省去數據在本地與雲端來回傳遞的過程，不僅反應速度更快，且可避免傳輸過程中洩漏隱私，並能降低整個系統的功耗。吳驊認為，雖然雲端和終端各有優勢，但若終端能克服雲端上無法解決的問題，AI必定會在終端實現；至於終端無法辨識的部分，可也以和雲端計算合作。

邊緣AI運算量快速成長

邊緣AI的運算量正在快速成長，過去深度學習是做影像分類、主體偵測；2018年進入影像分割，運算需求達到500G MACs等級，今年深度學習開始進入影像品質階段，運算效率可能會達到10T MACs等級，意味著邊緣運算量將不斷增加。邊緣AI正在實現新穎的應用，並驅動更高的AI運算能力，因為新興的APP越來越複雜，需要更高的AI能力，為AI裝置設計的系統單晶片（SoC）將比往任何時候都更具挑戰性。

在AIoT 時代，人與設備、設備與設備之間的交流，都有賴於資料安全、超低時延的邊緣AI計算能力。聯發科近日發佈人工智慧加上物聯網的AIoT平台，NeuroPilot是一個以異構運算為基礎，整合軟硬體、完整、開放的人工智慧平台，將CPU、GPU和APU等異構運算功能內建到SoC中，透過Edge AI處理平台生態系統，發展出從智慧手機到智慧家庭、可穿戴、物聯網和聯網汽車所需的全面軟體工具，藉由打造專為邊緣裝置設計的AI處理器，聯發科目標是成為邊緣裝置AI運算的重要推手，攜手產業鏈合作夥伴共同打造AIoT生態圈。

影片：AI Everywhere
https://youtu.be/O1-44b69vjI

聯發科希望透過NeuroPilot AI平台，結合產業鏈其他廠商一起把edge AI做大，要讓人工智慧的快速普及，Edge AI的最高境界就是實現AI Everywhere。為了做到這一點，聯發科的AI平台採用跨操作系統的通用架構，能夠跨平台和跨產品線進行部署，將同一套架構應用到各種智慧型裝置甚至車用電子上，合作夥伴只要編寫一次程式，即可實現處處部署。聯發科正在轉化各種智慧型裝置並創造更多商機，像是掃地機器人不只要會打掃，還要能分辨寵物排泄物；視訊會議要直接能辨識與會者身份、語言自動轉換、還能自動撰寫會議紀錄；車用方面則是投入無人駕駛研發。針對上述情境，聯發科會在已有的裝置解決方案中，進一步帶入AI，從「被動的智慧」化為「主動的智慧」。

吳驊也強調，邊緣AI技術的快速發展將推動更多AI應用，記憶體和散熱將是兩個最關鍵的設備限制，DNN效率提升和專用硬體設計繼續會是關注焦點。

附圖：圖一、聯發科技計算與人工智慧技術群處長吳驊
吳碧娥／攝影

資料來源：http://www.naipo.com/…/Industry_Econo…/IPNC_190605_0703.htm…

🌟黃河口東營馬拉松🌟
賽程：4/20（六）Am：07:30 鳴槍起跑
大家一起幫鄧新詮 Lao Deng official 加油吧!!!

老鄧從一月開始正規恢復訓練到目前為止，期間除了規律訓練外，也搭配個人化飲食及營養調整來加速身體恢復，更藉由密集測量每周訓練前的心率變異度以及自覺疲勞程度，來更精準得知訓練恢復的狀況。

目前在身體及心理素質方面可以明顯感受到他已做好萬全的準備，要面對即將來臨的初馬。

-----------
測量【心率變異度Heart rate variability】到底能幹嘛??

⭕️何謂心率變異度??
由於交感與副交感神經系統兩者間的相互拮抗作用，使心臟跳動表現出不同程度的變異性，即使在平靜、穩定狀態下也會有不同程度的變化。

簡單來說就是心臟在每跳一下區間，有不同的間隔時間，這些時間的差異變化(標準差)及為心率變異度。單位毫秒 (ms)。

✔️起初研究發現可用來評估身體健康狀況，心血管功能好壞。
例如: 肥胖、糖尿病等長期身體「慢性發炎」與壓力的患者有較低的心率變異度。
✔️研究發現長期規律運動訓練的運動員也有較大的心率變異度(尤其耐力型選手)，是因為休息時副交感神經活性主導的關係所致。(安靜心率通常也較低)

然而近年心率變異度的測量也逐漸受運動科學研究者所重視，目前研究多為比較選手訓練前後心率變異度差異的結果來判別整體恢復的狀況。

將心率變異度分析與訓練過程結合，應用於監控訓練後恢復效果以避免過度訓練及運動傷害等，必能提升運動員之訓練效率，增進運動表現。

此外，心律不整arrhythmia也是許多運動員在運動中發生猝死的原因之一
尤其是心臟負荷較大的高強度耐力型運動發生機率較高。

基於安全的考量，實在有必要藉助心率變異度的測量，正確評估運動對心臟自主神經功能的影響，預先得知身體狀況，可達到
✔️監控訓練後恢復狀況
✔️避免過度訓練及運動傷害
✔️甚至能預防意外猝死的情形發生

#他是老鄧
#讀心術
#心率變異度
#監控訓練恢復
#飲食營養諮詢
#運動科學
#北市大中長跑
#Sportscience
#Sportsnutrition
#exerciseperformance

Reference:
https://www.ncbi.nlm.nih.gov/pubmed/10536127?dopt=Abstract
https://www.ncbi.nlm.nih.gov/pubmed/8598068
https://www.ncbi.nlm.nih.gov/pubmed/7729443
https://www.ncbi.nlm.nih.gov/pubmed/12477376
https://www.ncbi.nlm.nih.gov/pubmed/27182718
https://www.ncbi.nlm.nih.gov/pubmed/9338944
https://www.health.harvard.edu/blog/heart-rate-variability-new-way-track-well-2017112212789
https://www.ncbi.nlm.nih.gov/pubmed/11474344?dopt=Abstract
https://www.ncbi.nlm.nih.gov/pubmed/12974657
http://www.phed.fju.edu.tw/article/publication-7/18.pdf

Dear All,
I am more than happy to announce that our team is launching an exciting campaign with lots of collaborations! Here you go our first piece of art work.

"音樂影像(Music Video)不是音樂的襯托。她是獨立的作品，同時讓人能"看見"音樂及一切從音樂開展的可能性。"

【Please support us】:
https://tickcats.co/ticket/everyday-i-die-a-little-bit-inside/

第一部曲 | Reminiscence (End Game Version)
末日版本：科技進步 vs 情感倒退 【3D 動畫家】

科技的進步也許是為了世界倒退而繼續支撐著人類的冰冷產物。在人工智能的城市裡，人捨棄了屬於城市本來的溫度，彼此之間生長更多距離。智能人類誕生的故事毫不陌生，在其自我學習的過程中衍生出本不存在的東西——情感，然後經歷逝去。
Reminiscence的人工智能城市裡，一位人（AI）與其他人每天過著重複的生活。有天，她突然發現遠古帶有血肉的生命體，頓時意識到自己有了複雜的變化，開始尋找答案。一直操控AI意識的程序逐漸消失，失去被控制的瞬間，城市開始崩塌，其他人感到迷失。然而，有了自我意識/情感的她，醒覺自己和其他人原是冰冷的智能人類，情感帶來的溫度慢慢腐蝕她的身體、崩壞、死去。

歌：
回憶是很微妙的，每一秒的消逝，每件事一旦過去，就演變成只在腦海裡而現實已不復存在的畫面。在所有逝去前，我們能否緊握當下的每一秒？

Chapter one | Reminiscence (End Game Version)
Technological advancement vs The emotional regression (3D animator)

Technological advancement is perhaps the reason why people are still able to live amidst the Great Regression. In the AI cities, people distance themselves from each other. The AI started to develop something that the makers did not intend them to learn through self-learning algorithms: emotions.

In the city of Reminiscence, Ms AI was living a plain, repetitive and normal life like the others. One day, she discovered ancient life forms that's so different from her species, organic with blood and tissues. The great shock that led her to the urge for truth was then spreading throughout the city. And slowly day by day, the program that controls the AIs was overwritten and finally erased. At the very moment of losing control, the city started to fall apart and everyone started to gain self-consciousness, and realised that they are only stone-cold robots. Emotions in the AIs eventually started to erode their body to death.

Song:
Reminiscence is interesting in a subtle way. The passing of time, the happening of different events... they afterwards become fragmented memories in us. So can we seize the day when it passes?

【Lyrics】

#She come and gone
Left me alone
Three years no call
They said it was not my fault

I grabbed her wound
My weakness I poured
That’s how we were torn
They said it was not her fault

If I were a tree
Would you be my leaves
What keeps us believe
Our fragile love would always exist

If I were the sea
Would you be my fishes
Tell me you believe
Our fragile love would always exist

*Cry Cry out loud
I don’t need to be the one
who makes you smile
Fly Fly to someone I can’t shout
When you’re about to falls
I will keep my feet on the ground* #

Repeat #
Repeat *

_________________________

【Music Video】
Director / Animator | Ivan Hung

https://www.instagram.com/ivan_terrible/

______________________

【Music 】


Written by CHANKA
Arranged by CHANKA, MAEL, Hin, Dean
Recorded by Nichung
Mixed by MAEL
Mastered by Lok Chan
-
#CHANKA #陳嘉 #Reminiscence
-
Now available on:
Spotify: https://spoti.fi/3hjYDYO
Apple Music: https://apple.co/32kYTCt
KKBOX: https://kkbox.fm/uSeWTe
MusicOne: https://bit.ly/2FmBNT8
JOOX: https://bit.ly/2F9O79x
TIDAL Music: https://bit.ly/3bRhaub

_________________________


CHANKA 陳嘉:


https://www.instagram.com/wander.chanka/
https://www.facebook.com/wander.chanka/
wanderchanka@gmail.com
-
Have a listen of some of my other works :
"Silence" : https://youtu.be/1Hkk7l4zk9k
"Young" : https://youtu.be/kolrKYxvvf8
"Ocean" : https://youtu.be/GOTdDrC1G-E
-

光良首次與金曲歌王蕭煌奇合作新歌「出走」，歌曲為2015中華小姐環球大賽主題歌；首次”出走”情歌王子路線改唱民謠搖滾的他，拍MV時竟然在36度大熱天穿著毛衣在毫無遮蔽物的大橋上演出”出走”戲碼！

★光良 2015 全新專輯《那些未完成的》實體購買

購買方法：
① XYmusic 官網：http://goo.gl/kGXuPj (需要光良親筆簽名請備註)
② 博客來：http://goo.gl/aeOZ0L
③ 佳佳唱片行：http://goo.gl/YuxveL

ＡＰＰ專輯下載：
iOS：https://goo.gl/GmlQea
Android：https://goo.gl/iwNYfm

數位下載：
iTunes：https://goo.gl/nKtuPO
XYmusic：http://goo.gl/KYWJgL

------------------------------------------------------

出走 Run Away

日子盲從的過 像掉進個漩渦
我為什麼 在這裡 很寂寞

心裡有些話 該找機會說
一不小心 沒把握 又錯過

想太多 想不夠
只要明白這一刻 我要的是甚麼
很快樂 不快樂
決定權操之在我
方向感 我還不錯 現在就出走

偶爾冒險 偶爾停泊
會有新感受
世界原來沒有盡頭
好自由

偶爾迷惑 偶爾失落
都當成收穫

這是我的旅程
如果你遇見我
揮一揮手

聊一聊白日夢
這種勇氣還有
起個念頭 下一秒 就去做

MWM15104
ISRC TWQ371501004
作曲 Composer：蕭煌奇
OP : Warner/Chappell Music Taiwan Ltd.
作詞 Lyricist：葛大為
OP：好感度音樂有限公司 Good Sense Music Service Co., Ltd.
SP：Universal MS Publ Ltd Taiwan
製作人 Producer：何俊明 James Ho@藍芽文化
配唱製作人 Vocal Producer：田曉梅 Brandy
編曲Arrangement：吳俊毅＠藍芽文化
吉他 Guitar：吳俊毅＠藍芽文化
鼓 Drum：陳柏州 Mr.Q @Mr.Q studio
和聲編寫 Chorus Arrangement：田曉梅 Brandy
和聲 Chorus：光良、田曉梅 Brandy、何俊明@藍芽文化
錄音師 Recording Engineer：王永鈞、陳柏州 Mr.Q
錄音室 Recording Studio：Mr.Q studio、藍芽文化事業有限公司
混音師 Mixing Engineer：林正忠
混音室 Mixing Studio：藍芽文化事業有限公司
來電答鈴下載方式：
中華用戶：手機直撥700→按4→輸入代碼，即可完成
(中華電信來電答鈴超值包 請洽中華電信各地營業窗口申辦)
台哥大用戶：手機直撥803→按4→輸入代碼，即可完成
遠傳用戶：手機直撥900→按4→輸入代碼，即可完成
亞太用戶：手機直撥560→按2→按6選擇快速點歌→輸入代碼，即可完成
台灣之星用戶：手機直撥700→按4→輸入代碼，即可完成

歌曲代碼：
未完成的愛情－911552
張開翅膀－911553
出走－911554
再遙遠的距離－911555
那些愛過的事－911265
日落－911556