熱門Ptt文章

[爆卦]等比級數計算是什麼？優點缺點精華區懶人包

雖然這篇等比級數計算鄉民發文沒有被收入到精華區：在等比級數計算這個話題中，我們另外找到其它相關的精選爆讚文章

在 等比級數計算產品中有12篇Facebook貼文，粉絲數超過0的網紅，也在其Facebook貼文中提到， 股利想要領到360萬，就要考慮分離課稅的28％稅率。 #留言要你加入群組的都是詐騙 ＃我沒有LINE群 也就是當你年領500萬股利，繳稅後剩下72％剛好是360萬。 需要多少本金？假設是高股息ETF，像是0056、00878、一年殖利率約5％計算，就需要一億的本金！要存多少年？ 再假設你年薪百萬，一...

　同時也有4部Youtube影片，追蹤數超過3萬的網紅李祥數學,堪稱一絕，也在其Youtube影片中提到，線上課程賣場：https://myship.7-11.com.tw/general/detail/GM2103314830237 成為這個頻道的會員並獲得獎勵：https://www.youtube.com/channel/UCU2axN3MDyvq01LOK1umZGQ/join 追蹤我的ig...

「等比級數計算」的推薦目錄

等比級數計算 在 高均數學/升學帳 Instagram 的最佳解答

2021-08-19 01:57:45

學測考前有些同學會私訊老師 不知道考前不到10天應該要讀哪些內容 其實只要把既有做過的題目再熟練 把觀念的部分再回想一遍就非常足夠了 #考前刷題 #心智繪圖 比較困難的應該是心態上的調適 #解題一直錯怎麼辦 #書讀不下怎麼辦 #考試容易緊張怎麼辦 #作息調整 #考前心態調適 #學測考前永不放棄 當...

等比級數計算 在 高均數學/升學帳 Instagram 的最讚貼文

2021-08-19 01:57:45

學測考古題 【考點26 104年第2題】 這題可以用公式解 （學測考卷所附參考公式裡 有等比級數公式 考試時忘記公式 別忘了往後翻一下） 另外本題也可以用原理解 也就是把原式乘以公比(r=2)後 再與原式相減 兩個方法都很快 尤其有首項末項時第二個方法更是快 提醒大家 學測有3成的題目 是大概...

等比級數計算 在 林君 Instagram 的最讚貼文

2021-08-19 02:58:17

#20170430A 這三天很浮躁，唸書的效率也很差，以前心情不好會到書局逛，逛一下心情就會好，可是現在連書店都不能讓我快樂。早上補習，我叫老師給我喜歡數學的一百個理由，他搖搖頭，明白這種東西不能強求。很喜歡老師的地方在於，他從來不要求我們喜歡，他說學數學只是為了教我們思考，透過數學去面對往後的人生...

  • 等比級數計算 在 Facebook 的精選貼文

    2021-09-12 16:22:06
    有 1,286 人按讚

    股利想要領到360萬，就要考慮分離課稅的28％稅率。
    #留言要你加入群組的都是詐騙 ＃我沒有LINE群
    也就是當你年領500萬股利，繳稅後剩下72％剛好是360萬。
    需要多少本金？假設是高股息ETF，像是0056、00878、一年殖利率約5％計算，就需要一億的本金！要存多少年？
    再假設你年薪百萬，一年存50萬，存200年就可以了。
    其實不要想太多，存就對了，例如除息前我持有210張00882，領到股利之後我就繼續買回10張，變成220張，半年後再配息時我就繼續買回。
    慢慢的會變成300、400張，而且隨著等比級數，張數的增加也會越來越快。
    00882有一個好處，今年股利中大概有52％算海外所得，這部分不超過670萬就不需要繳稅，第一次配息4.3％，全年我預估超過6％。
    所以我存00882，但是我一樣會做分散喔，買了210張之後就靠股利去滾零成本的股票，我也不煩惱多少年會變成500張，股利繼續買回就對了。
    投資股票不用想太多，股票會自己長大，有紀律的存比較重要。
    00882純屬舉例，買賣請自行判斷。

  • 元毓

    等比級數計算 在 元毓 Facebook 的最佳貼文

    2021-05-29 17:33:44
    有 229 人按讚

    【後疫情時代中國面對的經濟環境】

    本文嘗試用一個廣角、簡略但直入重點的方式分析中國在疫情之後所面對的全球經濟環境。

    國家競爭力的經濟學概念與中國縣競爭制度

    根據經濟學比較優勢定理，國家之間的競爭始終被比較成本所局限。而在分析國家競爭力上，我摒棄華而不實的哈佛商學院Michael Poter的鑽石競爭理論，回歸最基本但正確的經濟學成本概念，其中尤受諾貝爾經濟學獎得主R. Coase的「The Problem of Social Costs」鴻文啓發：

    國家競爭成本 = 直接生產成本 + 間接生產成本 + 制度費用

    特別說明我所謂的「間接生產成本」更接近上頭成本，本身除了牽涉到整體租值外也會涉及到產業乃至於社會國家的路徑依賴。

    在相同供應層面，某國是否可以用更低成本下滿足同樣的需求，以及是否可以善用比較優勢定理。後者包含了前者的同時，也是國家與國家之間的角色不單純只是競爭關係，而是有更多供需關係。後者之所以尤為重要在於「買方與賣方永遠不存在競爭關係」。因此在供應鏈上彼此依賴的買賣雙方國家，依賴程度越深入越廣泛，則敵對的成本將等比級數增加。

    換個角度來說，Covid-19疫情本身帶來上述三種成本的同步增加。這也意味著在疫苗逐漸普及的後疫情時代，能夠以更快速地降低上述三種成本的國家將在新一輪全球經濟重新平衡的過程中取得更佳的競爭優勢地位。

    在張五常「The Economic Structure of China」一書闡述的中國曾有的1990年代末到2010年間之縣競爭制度下，中國借此享受人類近代少有的超低制度費用與間接生產成本，佐以原本享有的人口紅利帶來的在中低階工廠流水線上較低直接生產成本，中國製造橫掃全世界九成以上的中低階工業領域。

    但隨著中國中央政府出台勞動法與加強反托拉斯管制與大大小小的管制措施，上述獨有的縣競爭制度似乎已不復存在。這也為疫情後面對全世界新的經濟環境中國是否還具有經濟學謂「低制度費用」的高彈性與快速適應力埋下變數。

    瞭解這個重要局限條件改變後，我們來看看疫情後中國所面對的全球經濟挑戰有哪些。

    1 全球通貨膨脹可能帶給中國輸入性通膨

    美國建國以來90%以上的M0貨幣發行量是在最近15年內產生，尤其疫情後Fed諸多舉措都可說是「瘋狂印鈔」，在世界多數原物料與貿易均以美元定價與結算的前提下，世界性通貨膨脹必然來到。

    站在2021年5月這個時間點看，美國股市、房市、債市與全世界的大宗期貨、能源價格都受到局部性通膨影響，尤其主要農產品、金屬期貨價格多在52周以來新高。（見圖）

    （美國M0通貨）

    （美國股市）

    （美國房市）

    （美國債市）

    （石油價格）

    中國改革開放以來相當長一段時間貨幣匯率政策緊盯美元。2010年代以後雖然改盯一籃子貨幣，但明眼人都看得出美元的比重。故，在美元瘋狂印鈔的環境下，人民幣相應的輸入性通膨也必然發生。

    這一塊我們可以預測，在貨幣學 Impossible trinity law的局限，以及中國對人民幣國際化的追求下，中國人民銀行應將在近年內逐步脫鈎對美元匯率的政策，同時部分放寬外匯管制，以得到更多貨幣主權。

    同時取消或降低部分關稅，以及放寬戶口管制，都可以是中國政府提高國家競爭力可能採取的措施。

    二、 全球局部地區將因疫情影響出現糧食危機

    很明顯Covid-19疫情影響了糧食生產與輸布，全球局部地區的糧食危機已經開始出現。根據聯合國2020年糧食安全報告估計到2020年底全球因疫情而陷入經濟衰退與飢餓的人口數達8300萬～1.32億人。其引發的糧食價格增長將加重中國輸入性通膨下，百姓生活的負擔

    中國家戶支出30%花費在食物品項，又中國國內大豆需求90%依賴進口滿足，因此可預見中國的飼料與肉品市場價格恐將上揚且吃緊。

    （中國主要糧食供需狀況）

    全球能源市場也會因疫情與之前負油價事件影響一段時間內失去部分供給彈性，意味著能源市場價格伴隨通膨因素影響的上揚也是可以預期，這一塊同樣也會加重中國未來將面對的輸入性通膨壓力。

    因此我們會看到中國在人民幣國際化推廣上會施以更大力道，例如與更多國家簽訂貨幣清算與貨幣交換協議，嘗試在糧食/能源品項上更多地採人民幣定價結算。如此方可在不過度犧牲中國世界供應煉地位的前提下，減少輸入性通膨對人民的衝擊，尤其是輸入性通膨下中國國內資本投資的資源錯置現象將可以得到一定程度約束。當然這部分中國政府應該還會採取價格管制或其他市場管制措施相佐之，但政府干預與介入本身又會帶來更多訊息費用、交易費用，甚至政府本身就成為資源錯置的問題根本，也是極為可能。這些都是身為投資人的我們值得持續觀察與因應。

    三、 中美衝突與戰爭風險提高

    如前述，國家邊際競爭成本，尤其邊際間接生產成本與邊際制度費用，增加速率大過他國之速率，則一國之國力衰退，或更精准地說，國家相對競爭優勢衰退。反之則可視為國家相對競爭優勢增加。

    在人民幣國際化過程將直接與美元產生競爭關係且削弱美國對全球徵收「美元稅」的能力，經濟邏輯上的效果是：2008年金融危機後的QE之所以沒有在美國發生嚴重通膨，正是因為美元在國際貿易與國際金融的霸主地位可以對全球抽取美元稅，意味著美國可以將貨幣濫發帶來的經濟成本移轉給全世界承擔，其中以世界貿易額佔比越高者承擔越多，故身為世界第一大商品出口國的中國自然也承擔大部分苦果，這也是為何我長時間以來主張美元的地位相當程度是由中國支撐。

    而在人民幣競爭之下（我們假設人民幣國際化真取得成效），美國不再能輕易移轉自身國家競爭成本給全世界時，通貨膨脹將回歸隨著貨幣發行量增長而提高，這對美國而言代表聯邦政府與州政府等一系列債券、連動債務的利息支出成本將提高，未來借貸成本也將提高。在一定程度上，美國政府或州政府可能因此停擺，甚或我們會看到州政府、市政府因此破產。

    因此美國必然會嘗試在各方面阻止之。

    提高上述中國的國家邊際競爭成本也無可避免會是美國未來數十年的整體戰略目標。

    所以我們看到美國從President Trump任期開始，嘗試尋找各種可以提高中國國家邊際競爭成本的手段。

    然而在當今真實世界供應煉、服務煉、金流、資訊流高度分工交雜的局限條件下，我推斷任何一任美國政府、智庫都難以清楚釐清自身採取的任何競爭戰略是否會帶來意料之外的後果（unintentional consequences）。

    a 舉例來說，比如美國政客錯誤判斷關稅手段制裁中國會有效，於是我們看到Trump任期貿易戰初期就是違背WTO規範，片面無理對中國出口商品加重關稅或其他非關稅貿易手段。

    然而真正懂經濟學邏輯者看法多如我當時寫下的預判一樣 — 如果美國以關稅手段要抑制中國出口經濟，但關稅提高幅度不夠大不夠全面的話，則中美之間的貿易逆差狀況不但不會縮減，反而在某些不同彈性系數之下會增加。（見圖）

    （中國出口美國統計圖）

    反之，美國經濟將因自身對中國的片面關稅障礙而受創。

    更進一步，若美國政客傻到真的將制裁關稅提到夠高，足以發生抑制中國出口額的效果，則美國經濟將必須付出重大代價，其中包括美元地位將大幅動搖。如前述貨幣政策問題，不但聯邦政府利息支出將壓垮政府財政，州政府乃至市政府破產潮亦不遠。故，我們看到即便是Trump也被迫停止更瘋狂的關稅壁壘措施。

    b 再以半導體產業的光刻機為例，美國施壓荷蘭ASML禁止出貨中國廠商已經付費採購的光刻機，其結果反而是給中國光刻機或EDA廠商創造市場，協助排除了原本ASML強力的競爭。從經濟學角度來看這是一件很諷刺事情。

    這是因為全球光刻機市場是一個高度技術集成的天然寡頭壟斷市場，除非有類似當年ASML與日本佳能之間的技術彎道超車（浸潤式UV光刻技術）特殊情況發生，否則後來者都會因為技術認證與攻克的巨大前期投資成本而被排除於競爭之外。

    然而，從經濟學競爭的角度看，美國禁止ASML對中國出口，結果反而是讓中國半導體製造廠被迫轉向投資與採購其他中國光刻機供應商，使得原本在市場上幾乎無競爭力的後者，因美國的禁令創造的「競爭真空」環境而有了成長空間。

    因此我們放大時間尺度來看，20年、30年後如果中國半導體設備商有了長足的進展，肯定要回過頭感謝美國政府政府的錯誤干預所創造的商機。

    說到商機身為投資人的我們可以注意，在上述政客的錯誤決策中，一些轉瞬即逝的投資機會也會因政府干預而起。例如下一點。

    c. Super Micro 間諜晶片事件，2018年10月美國知名商業性雜誌Bloomberg刊登新聞「The Big Hack: How China Used a Tiny Chip to Infiltrate U.S. Companies」聲稱Super Micro這家公司利用一顆米粒大小的間諜晶片替中國政府竊取資訊。

    姑且不提一顆米粒大小，本身毫無無線射頻天線的晶片在當時技術上幾乎不可能竊取什麼資訊，2年多後海潮退去，不但美國政府或Bloomberg都未提出更進一步有力證據，整件事甚至根本就被遺忘。

    當年我不但寫了幾篇文章駁斥這種謬論栽贓。還親自動手買入這家粉紅單公司，短短三天就賺了台轎車。

    香港2019年暴動事件、2021年新疆奴隸棉花事件、最近新冠病毒向中國求償事件...等，我們都可以看到美國政客在試圖提高中國競爭成本的過程，會創造大大小小系統性或個體性的災難風險，例如前述Super Micro因栽贓性假消息股價從$20.61美元在一兩日內崩跌至$13左右，但隨著栽贓者無力提供更多證據，市場回歸均衡的過程，截至2021年5月28日，Super Micro股價已經來到$35。

    這是說，某些因政治干預造成的個體性或系統性風險，雖然屬於不可預測的風落（windfall），但其中不乏類似Super Micro的例子，在隨後回到正常的價值位置。如W. Buffett所言：市場短期是投票機，但長期是磅秤。

    d. 美國知名橋水基金創辦人Ray Dalio在其將於2021年11月初版的書籍」The Changing World Order」 已提前公開的第七章」US-China Relations and Wars」提出綜合國力歷史計算與國力表（見圖）

    提出美國正處於信用擴張後期的大國階段，而歷史上處於此階段與新興國力上生階段的國家一旦發生國力曲線交叉時，多半發生大規模戰爭以重新均衡雙方與整體國際關係。

    依其推論，中美兩國發生戰爭的風險來到史上最高點。

    但這部分我持較保留態度，特別是新任President Biden政府的高達$6 triilion美元的聯邦預算案出台，我們注意到一者，美國聯邦政府支出繼續維持二次世界大戰以來的GDP高佔比--達25%，二者，預算增幅最大均在健康醫療（成長23.1%）、商務（27.7％）與環保（21.3％），然在國防（1.6％）與國家安全（0.2％）幾乎未有成長，甚至計入通貨膨脹因素，後二部門的預算是實質減少的。因此可推估此任政府對發生大型戰爭的預期心理。

    四、 變種病毒的不確定性

    這是最後最難評估的風險，在現階段的資產配置決策中不可忽略卻又幾乎難以估計。拔高到國家決策層面來看，這也是中國面對的最棘手風險之一。

    結論：

    以上是我從經濟學角度出發，非常簡略地預測中國在疫情後將面對的國內外經濟環境與挑戰。其中任何一項單獨提出要深入探討都會是長篇大論。還有一些我認為相對重要性較低的現象與局限條件轉變，本文也尚未涵蓋。

    BTW，最後多提一句台灣獨有的風險：後疫情時代是否接種過疫苗有可能在相當時間內成為國際旅遊的必要條件。然如果台灣政府真的壓寶在台灣國產疫苗上，則在現今環境下有沒有可能不被世界多數國家組織承認？會是一個額外的成本。

    參考文獻：

    *  The Wall Street Journal, 「Biden is the $6 Trillion Man」 (May 28, 2021), https://www.wsj.com/articles/biden-is-the-6-trillion-man-11622241749
    *  The Financial Times, 「The summer of inflation: will central banks and investors hold their nerve?」 (May 15, 2021), https://www.ft.com/content/414e8e47-e904-42ac-80ea-5d6c38282cac
    *  Ronald Coase, 「The Problems of Social Cost」 (1960)
    *  Ray Dalio, 「The Changing World Order: Why Nations Succeed and Fail」 (2021)
    *  Irving Fisher, 「The Money Illusion」 (1928)
    *  Mundell, Robert A. (1963). "Capital mobility and stabilization policy under fixed and flexible exchange rates". Canadian Journal of Economics and Political Science. 29 (4)
    *  Milton Friedman and Anna Schwartz, 「A Monetary History of the US, 1867-1960」 (1963)
    *  Milton Friedman, 「Money and the Stock Market」 The Journal of Political Economy, Vol. 96, No. 2 (Apr., 1988), pp. 221-245 「
    *  Allan Meltzer, 「Learning about Policy from Federal Reserve History」 (Spring 2010)
    *  Armen A. Alchian, 「Effects of Inflation Upon Stock Prices" (1965)
    *  張五常, 「Will China Go Capitalist?」 (1982)
    *  張五常, 「The Economic Structure of China」 (2007)
    *  Ronald Coase and Ning Wang, 「How China Became Capitalist」 (2012)
    *  Alfred Marshall, 「Principles of Economics (8th ed.)」 (1920)

    文章連結：

    https://bit.ly/3vD1B2o

  • 台灣物聯網實驗室 IOT Labs

    等比級數計算 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2021-03-08 16:45:22
    有 1 人按讚

    軟體吞噬硬體的 AI 時代，晶片跟不上演算法的進化要怎麼辦？

    作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |

    身為 AI 時代的幕後英雄，晶片業正經歷漸進持續的變化。

    2008 年之後，深度學習演算法逐漸興起，各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律，但不是物理定律或自然定律，而是半導體業發展的觀察或預測，內容為：單晶片整合度（積體電路中晶體管的密度）每 2 年（也有 18 個月之說）翻倍，帶來性能每 2 年提高 1 倍。

    保證摩爾定律的前提，是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米，指的就是製程，數字越小製程越先進。隨著製程的演進，特別進入10 奈米後，逐漸逼近物理極限，難度越發增加，晶片全流程設計成本大幅增加，每代較上一代至少增加 30%~50%。

    這就導致 AI 對算力需求的增長速度，遠超過通用處理器算力的增長速度。據 OpenAI 測算，從 2012 年開始，全球 AI 所用的演算量呈現等比級數增長，平均每 3.4 個月便會翻 1 倍，通用處理器算力每 18 個月至 2 年才翻 1 倍。

    當通用處理器算力跟不上 AI 演算法發展，針對 AI 演算的專用處理器便誕生了，也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富，從架構創新到先進封裝，再到模擬大腦，都影響 AI 晶片走向。這些變化的背後，都有共同主題：以更低功耗，產生更高性能。

    更靈活

    2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時，他們聚焦於架構創新主題，指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷，AI 晶片不斷出現新架構，比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器，已逐漸被業界認可，並 Graphcore 也獲得微軟和三星的戰略投資支援。

    名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array（粗顆粒可重構陣列），是「可重構計算」理念的落地產物。

    據《可重構計算：軟體可定義的計算引擎》一文介紹，理念最早出現在 1960 年代，由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代，直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構：製造後晶片功能仍可客製，形成加速特定任務的硬體功能；演算功能的實現，主要依靠任務到晶片的空間映射。

    簡言之，可重構晶片強調靈活性，製造後仍可透過程式語言調整，適應新演算法。形成高度對比的是 ASIC（application-specific integrated circuit，專用積體電路）。ASIC 晶片雖然性能高，卻缺乏靈活性，往往是針對單一應用或演算法設計，難以相容新演算法。

    2017 年，美國國防部高級研究計劃局（Defence Advanced Research Projects Agency，DARPA）提出電子產業復興計劃（Electronics Resurgence Initiative，ERI），任務之一就是「軟體定義晶片」，打造接近 ASIC 性能、同時不犧牲靈活性。

    照重構時的顆粒分別，可重構晶片可分為 CGRA 和 FPGA（field-programmable gate array，現場可程式語言邏輯門陣列）。FPGA 在業界有一定規模應用，如微軟將 FPGA 晶片帶入大型資料中心，用於加速 Bing 搜索引擎，驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性，不僅性能和 ASIC 有較大差距，且重程式語言門檻比較高。

    CGRA 由於實現原理差異，比 FPGA 能做到更底層程式的重新設計，面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。

    隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備，不僅演算法多樣性日益增強，晶片更零碎化，且保證低功耗的同時，也要求高性能。在這種場景下，高能效高靈活性的 CGRA 大有用武之地。

    由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善，CGRA 未被業界廣泛使用，但已可看到一些嘗試。早在 2016 年，英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。

    中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210，同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊，從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導，語音晶片 TX210 已出貨數百萬顆，多模組晶片 TX510 在 11 月也出貨 10 萬顆以上，主要客戶為智慧門鎖、安防和臉部支付相關廠商。

    先進封裝上位

    如開篇提到，由於製程逼近物理極限，摩爾定​​律逐漸放緩。同時 AI 演算法的進步，對算力需求增長迅猛，逼迫晶片業在先進製程之外探索新方向，之一便是先進封裝。

    「在大數據和認知計算時代，先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求，正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。

    先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步：將製作好的晶片器件放入外殼，並與外界器件相連。傳統封裝的封裝效率低，有很大改良空間，而先進封裝技術致力提高整合密度。

    先進封裝有很多技術分支，其中 Chiplet（小晶片／芯粒）是最近 2 年的大熱門。所謂「小晶片」，是相對傳統晶片製造方法而言。傳統晶片製造方法，是在同一塊矽晶片上，用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解，儲存、計算和訊號處理等功能模組化成裸晶片（Die）。這些裸晶片可用不同製程製造，甚至可是不同公司提供。透過連接介面相接後，就形成一個 Chiplet 晶片網路。

    據壁仞科技研究院唐杉分析，Chiplet 歷史更久且更準確的技術詞彙應該是異構整合（Heterogeneous Integration）。總體來說，此技術趨勢較清晰明確，且第一階段 Chiplet 形態技術較成熟，除了成本較高，很多高端晶片已經在用。

    如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路，CPU 用的是 7 奈米製程，I/O 使用 14 奈米製程，與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。

    不過，Chiplet 技術仍面臨諸多挑戰，最重要之一是互連介面標準。互連介面重要嗎？如果是在大公司內部，比如英特爾或 AMD，有專用協議和封閉系統，在不同裸晶片間連接問題不大。但不同公司和系統互連，同時保證高頻寬、低延遲和每比特低功耗，互連介面就非常重要了。

    2017 年，DARPA 推出 CHIPS 戰略計劃（通用異構整合和 IP 重用戰略），試圖打造開放連接協議。但 DARPA 的缺點是，側重國防相關計畫，晶片數量不大，與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA（開放領域特定架構）工作組」，透過制定開放的互連介面，為 Chiplet 的發展掃清障礙。

    另闢蹊徑

    除了在現有框架內做架構和製造創新，還有研究人員試圖跳出電腦現行的范紐曼型架構，開發真正模擬人腦的計算模式。

    范紐曼架構，數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度，造成「記憶體牆」問題。且傳統電腦需要透過總線，連續在處理器和儲存器之間更新，導致晶片大部分功耗都消耗於讀寫數據，不是算術邏輯單元，又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題，處理訊息和儲存一體，計算和記憶可同時進行。

    另一方面，推動 AI 發展的深度神經網路，雖然名稱有「神經網路」四字，但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元，透過 100 萬億個神經突觸連接，使人腦能以非常低功耗（約 20 瓦）同步記憶、演算、推理和計算。相比之下，目前的深度神經網路，不僅需大規模資料訓練，運行時還要消耗極大能量。

    因此如何讓 AI 像人腦一樣工作，一直是學界和業界積極探索的課題。1980 年代後期，加州理工學院教授卡弗·米德（Carver Mead）提出神經形態工程學的概念。經過多年發展，業界和學界對神經形態晶片的摸索逐漸成形。

    軟體方面，稱為第三代人工神經網路的「脈衝神經網路」（Spike Neural Network，SNN）應運而生。這種網路以脈衝信號為載體，更接近人腦的運作方式。硬體方面，大型機構和公司研發相應的脈衝神經網路處理器。

    早在 2008 年，DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統（Systems of Neuromorphic Adaptive Plastic Sc​​alable Electronics，簡稱 SyNAPSE，正好是「突觸」之意），希望開發出低功耗的電子神經形態電腦。

    IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元，能以每秒 30 幀的速度輸入 400×240pixel 的影片，功耗僅 63 毫瓦，比范紐曼架構電腦有質的飛躍。

    英特爾 2017 年展示名為 Loihi 的神經形態晶片，包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸，比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月，研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。

    中國清華大學類腦計算研究中心的施路平教授團隊，開發針對人工通用智慧的「天機」晶片，同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日，天機成為中國第一款登上《Nature》雜誌封面的晶片。

    儘管已有零星研究成果，但總體來說，脈衝神經網路和處理器仍是研究領域的方向之一，沒有在業界大規模應用，主要是因為基礎演算法還沒有關鍵性突破，達不到業界標準，且成本較高。

    附圖：▲ 不同製程節點的晶片設計製造成本。（Source：ICBank）
    ▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。（Source：中國科學）
    ▲ 異構整合成示意動畫。（Source：IC 智庫）
    ▲ 通用處理器的典型操作耗能。（Source：中國科學）

    資料來源：https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I

你可能也想看看

搜尋相關網站