「信託公會秘書長呂蕙容指出，面對核心客戶逐漸年老，信託業者可以因應社會高齡發展趨勢，參考日本金融機構運用金融科技的作法，與金融科技業者跨業結盟或自行研究設計符合高齡者需求的商品，透過提高服務品質來提升差異化與競爭力及客戶的黏著度，如建置生物認證系統來減輕高齡者記憶密碼的困擾、開發各種關懷問候App來保障財產安全、透過監視器影像與演算法，偵測金融詐欺的警告通知系統。

呂蕙容表示，高齡者可能面臨行動不便或是記憶衰退的情況，因此可以研究是否能將高齡者的金融相關資訊，例如財產目錄、存摺之保管等，與可信賴之人共享的可視化服務等，有助於高齡者及生理缺損人士取得金融服務；或利用數據辨識客戶真意避免犯錯等，都是可以研議的做法。」

小米秋季新品發佈會，正式發佈高階旗艦系列新品小米MIX 4，搭載全新CUP全面屏技術，讓螢幕既能無任何孔洞完美顯示，但這款似曾相似的仿生四足機器人比較吸引我注意。

--

CyberDog彙集小米11年的技術沉澱，是工程師文化和創新精神的深度凝結，也是小米對於未來科技生活的再次探索。CyberDog搭載小米自主研發高性能伺服馬達，具備強大運算能力與強勁動力，內建超感視覺探知系統和AI語音互動系統，支援多種仿生動作與姿態，是一個來自未來的「科技夥伴」。

小米承諾將仿生四足機器人研發成果向全球深度開源，限量開放1,000個工程探索版與擁有極致探索精神的米粉、極客發燒友合作共創，透過技術探索讓CyberDog實現更多「超能力」。CyberDog工程探索版定價人民幣$9,999元。

強勁性能，高精度環境感知

CyberDog內建小米自研高性能伺服馬達，提供32N·m最大輸出扭矩、220rpm最大轉速以及3.2m/s最大速度，能保證高扭矩的同時兼具高速性能，做到靈動回應。強大的性能支援讓CyberDog能夠輕鬆完成各類高速運動及後空翻等高難度動作。

如果將馬達比喻成心臟，那麼邊緣AI超級電腦就是CyberDog的大腦。大腦內建了NVIDIA JETSON XAVIERNX平台，內建384個CUDA® Cores、48個Tensor Cores、6個Carmel ARM CPU和兩個深度學習加速引擎，可處理來自多個感測器的大量資料。

感測器決定了CyberDog感知能力的上限。CyberDog內建高精度環境感知系統，可還原更真實的生物反應。她全身擁有11個高精度感測器時刻待命，可主動探測外部細微變化。其中包括觸摸感測器、鏡頭、超音波感測器、GPS模組等，基於此可衍生更符合生物直覺的交互功能，以及環境感知、分析能力。

超感視覺，智慧互動陪伴

小米將手機影像的技術延伸至仿生機器人領域，讓CyberDog實現空間感知能力。CyberDog支援超感視覺探知系統，通過AI互動相機、雙目超廣角魚眼相機、intel® RealSense™ D450深度鏡頭打造硬體基礎，透過電腦視覺，檢測辨識使用者相關資訊，為使用者提供更智慧化的視覺使用體驗。

CyberDog內建超感視覺探知系統，可實現自主辨識跟隨、SLAM建圖和導航避障功能。技術層面，小米透過人形檢測技術和行人重辨識技術保障了跟隨功能的穩定，使用人臉辨識技術讓CyberDog具有寵物化特徵，滿足跟隨主人的場景需求，最終讓她能在室外空曠平整的環境中跟隨主人。借助多個感測器的協作，感知目前環境，透過演算法建立導航地圖，並自動規劃到下一目標點的最優路線。在導航及跟隨過程中均能達到自主規避障礙物。

使用者可透過語音、遙控器、手機多種方式操控CyberDog，以「鐵蛋鐵蛋」喚醒詞向CyberDog下達指令。目前小米智慧語音已應用於8大互動場景，導入超過72個品類，3000餘款裝置。現在，這項技術將運用有溫度的溝通，喚醒未來智慧活新方式。

深度開源，共創無限可能

作為開源產品，CyberDog具備豐富的外部設備擴充能力，她擁有3個Type-C和1個HDMI介面，可以外接探照燈、全景相機、運動相機、雷射雷達等多種擴充設備，開創更多應用場景。另外CyberDog整機支援生活防水，可應對多種複雜使用環境。

小米致力於打造一個仿生四足機器人開發平台，透過程式碼開源和開源社區的方式，改善機器人開發環境，推動機器人行業發展。小米將仿生四足機器人研發成果向全球深度開源，開放1,000台工程探索版，與擁有極致探索精神的米粉、極客發燒友共創。小米社區的「CyberDog圈子」將打造良好的共創環境，為極客用戶們提供交流競賽的平台。小米還將設立小米機器人實驗室，邀請更多工程師一起探索更酷、更好玩的未來。

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

【線上課程】《過好人生學》～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
不定期推出補充教材，讓學習無限延伸：https://pros.is/KQZZH

【8/3開課！】《人際回應力-看懂情緒，輕鬆對談》~第23期
一個人的命運，是回應力的總和！
課程資訊：http://www.koob.com.tw/contents/157
更多學員心得分享：http://goo.gl/Guc6V6

【線上課程】《自信表達力》～讓你不再害怕開口
從「敢表達、說清楚」到讓人「聽得進、會去做」的完整學習
課程連結：https://pse.is/RG5NC
第一講免費試聽：https://youtu.be/fAjySLoa2f8
不定期推出補充教材，讓學習無限延伸：https://pse.is/NUJK9

【線上課程】《理財心裡學》～擺脫家庭影響，從心培養富體質
課程連結：https://pse.is/EPBWE
第一講免費試聽：https://youtu.be/HgrDK7pqR-0
不定期推出補充教材，讓學習無限延伸：https://pse.is/NJ5VE

【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
不定期推出補充教材，讓學習無限延伸：https://pse.is/GXZWM

【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
不定期推出補充教材，讓學習無限延伸：https://pse.is/LVRLY

【我們有Podcast囉～】歡迎到Podcast應用裡搜尋「啟點文化一天聽一點」訂閱我們！
Apple Podcast～https://pse.is/N2WCZ
Google Podcast～https://pse.is/PEN2Z
在Himalaya收聽～https://www.himalaya.com/ekoob
在Spotify收聽～https://pse.is/PQT76
在SoundCloud收聽～https://soundcloud.com/ekoob

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
=========================
每個人都想要找到更穩定、更有保障的工作，不過我要提醒的是，要是你沒看今天的節目，到頭來，你可能只剩下一場空。

在收看影片之前，不管你是在Youtube還是Podcast收看或收聽，記得訂閱我們的頻道，你的具體支持，是我們製作節目的最大動力～

最近在網路上，有某些關鍵字持續的飆升，像是「企業紓困」、「疫情紓困」都引起上萬人次的搜尋。

而這些關鍵字的背後，也代表著在疫情平息之前，無薪假、失業這些問題不會改善，人們也很難恢復安全、穩定的生活；因此人們會傾向去尋找更有保障的工作，這也讓坊間的公職考試補習班，又熱門起來了！

公職補習班迷思

當然喔，追求安全、穩定本來就是人性，只是當我發現這些公職補習班，還用一些有一點不合時宜的標語，對求職者做宣傳，像是什麼呢？「參加銀行特考，就能擁有讓人羨慕的福利跟待遇」。

甚至是「書記官地位崇高，形象良好，進可攻擊他人之不正，退可保守自己親朋之安全。」這其實是一類的訴求喔，有一點誤導大眾的認知跟行為，我一定要來逆風發言一下。

那為什麼我會這樣說呢？台灣喔的「人工智慧」教父～李開復先生，在他的著作《AI新世界》裡面提到。

他認為人工智慧註定會顛覆世界，並且會帶來前所未有的經濟失衡，而眼下最直接的，就是在未來的五到十年之內，對於全球就業市場帶來的衝擊，很多一般人認定的金飯碗，很可能都會被AI取代。

白領失業潮來了！

李開復在他的書裡面，更進一步的指出，近年來，世界各國因為「無人銀行」的興起，各種AI的工具，已經可以承擔90%以上的金融業務。

再加上喔現代年輕人，普遍使用行動支付、網路銀行的比例越來越多；實際到銀行臨櫃的人越來越少，而第一線的金融人員的工作就此消失，已經是顯而易見的結局！

國外甚至於已經出現申請貸款，把資料送出到核可，不到幾個小時就能夠完成。

這裡的關鍵，就在於AI機器人已經掌握申請人的大量數據，可以在很短的時間裡面做完風險評估，而這些都是人類很難做到的事情。

再來，法院書記官的工作，就是掌管司法紀錄、編案、文牘、統計這些事務；講白話文就是「法院資料的輸入與管理」。

但你知道嗎？現在的科技，已經可以讓機器聽懂人類說話，同時呢在螢幕上轉換成精準的文字，準確率高達九成以上。

你想想看喔，假如準確率繼續提高，費用也越來越平價，法院或者是政府是不是有很大的可能性，會直接採購這樣的設備來取代書記官呢？

一來呢，大幅降低薪資的費用，二來呢，降低人員管理的問題；畢竟人類加班會抱怨，但機器不會有這個問題。

聽到這裡喔，你也許會好奇，以前聽說的AI、人工智能會取代的工作，那應該都是像工廠的工人，或者是體力活動的藍領階層才對啊！

那怎麼現在這些靠「腦袋」的工作，像是銀行行員、書記官，這些白領職業，也會被AI取代呢？

這是因為啊，現代的AI本質，其實是一種「深度學習」！那什麼是「深度學習」呢？

李開復先生在他的書裡面提到，深度學習是一種模仿生物智能的「神經網絡式」的學習方法。

簡單來說喔，過去的電腦只能執行單一程式；比如說，你希望機器人幫你到早餐店買三明治；那麼一旦輸入你家到早餐店的路線，機器人就會執行到底。

如果在路上遇到車它不會閃，遇到人也會直接輾過去，一直到抵達早餐店它才會停止，那是一種沒有思考、沒有應變能力的一個反應模式。

而神經網絡式的學習，則是透過數據資料，幫機器人建立起路況，可能會遇到的障礙物這些相關的應變資訊跟程式。

讓機器人可以在遇到阻礙的時候，先停下來，重新偵測、評估環境的狀況，再計算出成功率最高的路線，轉個彎重新出發，這已經是很接近人類能夠做到的靈活思考。

也就是說啊，在固定的場景底下，只要能透過數據，找到人類固定的「行為模式」，再請工程師把行為模式寫成「運算的程式」。

最後依據收集到的海量大數據，讓AI系統去做深度的學習，AI就能夠擁有思考能力，取代很多白領的工作。

容易被AI幹掉的二特點

從上面的例子，我們可以進一步的知道，符合以下二個特點的工作，很有可能會跟恐龍一樣，在地球上消失喔。

這二個特點又是什麼呢？第一個、那些資料、流程可以編碼的工作；第二個、人際互動頻率很低的工作。

打個比方來說，就像是現代的醫檢師、放射科的醫師，或者是銀行行員，他們都是在固定場景底下，專門分析數據跟資料，再不然就是工作流程有明確的SOP。

工作內容固定，而且有一套嚴格的作業流程和評判標準，不會有太多參數的變化，就很容易被編碼，而變成一條程式。

在未來呢，凡是可編碼的流程，再讓機器人通過大量數據的深度學習，就能夠快速的優化，任何動作都會比人類更快、更精準，而且可以一直進步，還不會喊累！

我們與AI的距離

要是你聽到這裡還半信半疑，感受不到AI對於職場的全面破壞，那麼我再提供一個更貼近你我的事實～

台灣的知名品牌～華碩電腦，在他們關渡總部的13樓，已經有一個130人的AI團隊，成軍了16個月。

而負責領軍的華碩全球副總裁～黃泰一先生，他就表示喔，華碩的AI團隊，已經鎖定醫療、交通、零售這三大產業的數據池，累積使用者的數據資料、網路足跡等等的一切。

透過這些進一步的為零售店家、醫院、輪胎業者，建立起節省人力、降低風險，而且能夠精準行銷的演算法系統。

幫助華碩在他們的未來，能夠透過大量的數據，以及資料跟資料之間的相互運用，所產生的商業價值來賺錢！

儘管現階段呢，華碩只針對醫療、交通、零售這三大產業在搜集數據，不過可以想見的是喔，只要精準的演算法系統建立；商店它是不需要店員，醫院它可能也不太需要醫檢師，輪胎製造廠不需要工人。

而未來這三大產業所需要的「人力」，將以跳崖式的速度往下滑。這也間接證實了李開復先生，在《AI新世界》這一本書裡面所預告的。

他說：「在未來的5～10年之內，現有的50%工作，將會由AI取代」！

所以拉回來看，只要你有稍微留意時事，你一定知道現代的公務人員、銀行行員，就算寒窗苦讀多年考了進去，福利和工作的輕鬆度，也都大不如前了，更別說他們的未來和發展。

也就是說喔，要是你忽略真實職場上正在發生的變化，那麼很有可能等到你花錢、花時間努力考上公股銀行的行員啊、書記官啊...等等的，卻只能做個幾年，就被裁撤了！

這樣的投資報酬率，你覺得划算嗎？算一下喔！會不會你以為自己考到一個安全可靠的資格，但是真正得到的，卻是更高的失業風險！

你想因為「眼前」短暫的穩定，而把自己放到更大的危險裡嗎？如果你不想，你可以選擇現在就打開眼睛，開始為自己的未來做準備～

假如你很想要為自己打造不敗的未來，讓自己的求職、轉職之路，擁有更務實的安全跟穩定，我會很鼓勵你參與我們啟點線上學苑～【過好人生學】這一門課的學習。

人工智慧的時代已經來臨了，但我們卻還用舊時代的工人智慧的腦袋，在面對自己的人生，你曾想過這是為什麼嗎？

其實答案很簡單，那就是「終極選項」和「路徑依賴」這兩大迷思，困擾了很多人。

在【過好人生學】的課程裡，我就會陪伴你去看見「終極選項」這樣的觀念，它的危險之處。

它在於喔，人類的大腦一旦認定當我們「找到了最好的答案」，或者是「最好的鐵飯碗」之後，我們就不再動腦筋思考了，所以會看不見鐵飯碗早就成了破飯碗，千萬別碰！

而「路徑依賴」呢？它是指喔，人會習慣用過去的經驗，想現在的事，然後去預測未來。

比如說吧，你念醫學院，所以就只能當醫生；再比如說，你過去在某個行業，所以你在轉職的時候，就只能做相關的行業。

而弔詭的是，如果過去的經驗能夠適用於現在，還能夠幫你預測未來的話，那每個人都是半仙了啊，也不會有失業的問題、找不到工作的狀況了，不是嗎？

所以呢，無論你是白領，還是藍領的朋友，我想要跟大家說的是喔，未來AI的潮流肯定是沒有辦法阻擋的，無論你想不想面對，它遲早都會來！

不過我也很肯定的告訴你，在我們失去「舊工作」的同時，這個世界還會增加許多的「新工作」。

只要你願意改變，跟上腳步，某些你覺得沒有什麼的工作，其實都潛藏著非常大的人力缺口，值得你好好的關注。

而幫助你換個腦袋，轉換成智能思考的第一步，就是歡迎你加入我們的線上課程【過好人生學】。

【過好人生學】從即日起，到6/12晚上十二點止，我們將推出季節限定的1413的優惠價～

我一直相信喔，未來仍然是充滿希望的，在【過好人生學】裡面，我會用最淺顯易懂的話，點破你對於生涯的迷思，幫助你移除20世紀的思考遺毒，發展出最適合21世紀的生存策略。

我還會幫助你繞過三個心智的陷阱，陪伴你一步一步的去建立起，新時代必備的四大能力，你將看見自己的更多可能性，並且懂得轉換自身的專業，幫自己規劃1413、一世一生的生涯藍圖，過上一個更好的人生。

歡迎你加入學習，也希望今天的分享能夠帶給你一些幫助，我是凱宇。

如果你喜歡我製作的內容，請記得訂閱我們的頻道，YouTube收看的朋友，除了訂閱之外，記得把訂閱旁邊的小鈴鐺打開。

而Podcast收聽的朋友，除了訂閱之外喔，也請給我們5顆星的評價，並且把它分享給你身旁的朋友，我們需要你用最具體的行動來支持我們。

然而如果你對於啟點文化的商品或課程有興趣的話，如同今天提到的【過好人生學】，我們季節限定的1413優惠，陪伴你一世一生。

歡迎你的加入，更期待你在學習之後的發現；那麼今天就跟你聊到這邊了，謝謝你的收看，我們再會。