這是台灣能源轉型第二梯次進化相當重要的起手式之一，2050年淨零轉型 經部設定中油轉型氫能供應商.... (09/20/2021 中央社)

（中央社記者梁珮綺台北20日電）企業製造朝向碳中和目標，政府單位也力拚淨零轉型，經濟部旗下2大國營事業中油、台電為排碳大戶，同樣面臨綠色轉型。經濟部正設定中油未來經營朝向氫能供應商；至於台電則全力發展儲能系統。

經濟部次長曾文生接受中央社專訪時表示，國營事業多屬基礎工業，台電、中油是排碳大戶，「從他們開始，絕對是對的」。根據規劃，中油將轉型為氫能供應商，年初已成立先進觸媒中心，研發先進材料及減碳觸媒。

他指出，雖然氫能技術尚未成熟，應用上仍有很多想像空間，現階段已有各國研究與開發，都是很好的參考範本；技術研究就如同種下一顆種子，注入心血栽培，最終會等到開花結果的一天，如同幾十年前，也難以想像離岸風電在這幾年蓬勃發展。

按照期程，中油的氫能供給將採三步驟進行，第一階段仍以「灰氫」為主，第二階段為「藍氫」，最終為「綠氫」。經濟部能源局副局長李君禮說，傳統化石燃料、天然氣在產氫的過程中，會排放二氧化碳，所以叫做灰氫。

藍氫則是在灰氫產出後，利用碳捕捉技術將碳拿走，可能存起來或加工；綠氫的製程完全不含二氧化碳，依現行的技術，再生能源產電後，再透過電解水方式得到氫，過程相當耗能，成本非常高，目前透過研發盼能降低生產成本。

至於台電，曾文生表示，路徑很清楚，要朝低碳電力技術發展，並在2025年要達到燃氣占比50%、燃煤30%、再生能源20%的「532」架構，再循序漸進，隨著碳捕捉技術成熟、電動車使用愈來愈多，無碳能源就能逐步替代低碳能源。

攤開二氧化碳產出結構，高達90.4%屬於能源排放，僅有9.6%來自非能源，像是科技產業製程會使用特殊氣體等。在9成的能源排放當中，又有56.4%來自電力；34%則是其他能源，多為汽機車燃料所產生。

因此，再生能源必須極大化，但因再生能源有其侷限性，要穩定供電就必須整合電力系統與儲能，「儲能設備跟再生能源如何匹配，是下階段要做的工作」。

台電發言人張廷抒說明，2025年前將建置1000MW儲能系統，將在台電自有場地建置160MW，向儲能業者採購840MW，台電電力交易平台在今年7月成立，以競價方式進行，有多家業者表達有意願投入。

距離2050年仍有將近30年的時間，曾文生說，風電、光電、水力發電等再生能源技術已漸成熟，在台灣可率先應用，並快速發展與在地化。新的技術則要積極推動產業化，創造商機，就目前狀況來看，最有潛力的是地熱及海洋能。

曾文生說，在2025年時，再生能源的占比要提高到20%，而這比例會不斷提升，進而達到「淨零轉型」。（編輯：潘羿菁、康世人）

完整內容請見：
https://www.cna.com.tw/news/afe/202109200044.aspx

♡

#純靠北工程師57l
----------
科技業的各種誤會#

一般人1：工程師不是都會修電腦嗎？網路壞了也知道問題吧？工業配線也略懂一二吧？

一般人3：工程師接外快？肯定是寫程式吧？什麼？你當外送員？？

一般人4：工程師不是都會爆肝工作嗎？蛤？你說你爆肝是在打遊戲？？

HR：找工程師？學歷-理工科、學碩士，search。

求職者：「生產製程與工業管理產品工程師(OOO、XXX、∆∆∆整合管理)」，這名字怎麼跟輕小說一樣長。

HH：雇主要找NPI專案工程師，於是我找了個專案經理來面試，都有做專案應該有經驗吧？

工程師：這些使用者是蠢蛋嗎？不是這樣這樣這樣就完成步驟了嗎？這不是common sense嗎？他們怎麼不懂？

主管：你是XXX吧？你懂製程嗎？略懂？那這個勒？不懂？你不是工工畢業嗎？現在這個都沒教了喔？現在的年輕人blabla...

老闆：Project Manager？肯定有帶人經驗。

----------
💖 純靠北官方 Discord 歡迎在這找到你的同溫層！
👉 https://discord.gg/tPhnrs2

----------
💖 全平台留言、文章詳細內容
👉 https://init.engineer/cards/show/6753

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

【聯盟來爬分，我帶你上分】
阿布雷以英雄聯盟積分為主題的全新企劃
本以為能順利開心地拍攝完成
但卻因為一點摩擦演變成這種情況...
平常私底下大家關係都很要好的
這次選擇公開讓觀眾來看看當下的真實狀況
到底堯哥和琛琛兩人起爭議的原因到底是什麼?

--
※特別感謝【酷碼Cooler Master】、【AMD】和【 Asus ROG】贊助播出！
影片電腦配備如下：

【CPU】AMD Ryzen 3700X
https://www.amd.com/zh-hant/products/cpu/amd-ryzen-7-3700x
產品特點：
AMD Ryzen 3700XT
7nm製程、8核心16線程
基本時脈3.6GHz、超頻時脈4.4GHz
打遊戲、內容創作都很適合

【塔散】AMD原廠散熱
產品特點：
買CPU送的AMD信仰散熱
RGB燈很漂亮、充滿著信仰

【主機板】ROG STRIX B550-F GAMING(WI-FI)
https://www.asus.com/tw/Motherboards/ROG-STRIX-B550-F-GAMING-WI-FI/
產品特點：
-遊戲讀取快：支援 PCIe® 4.0、雙 M.2，遊戲讀取超快速
-流暢的網路：內建 WiFi 6 (802.11ax) 和配備 ASUS LANGuard 的 Intel® 2.5 Gb 乙太網路
-DIY 友善設計：預先安裝 I/O 護板
-領先業界的遊戲音訊：AI 降噪麥克風清晰溝通無負擔
-Aura Sync燈光整合

【硬碟】Seagate M.2 SSD FireCuda 520
https://www.seagate.com/tw/zh/internal-hard-drives/ssd/firecuda-ssd/
產品特點：
-遊戲讀取超快：支援AMD平台PCIe4.0技術，比起傳統SSD硬碟快上數倍
-不用接線：超簡單就可以安裝好

【顯示卡】TUF-3-RX5700-O8G-EVO-GAMING
https://www.asus.com/tw/Graphics-Cards/TUF-3-RX5700-O8G-EVO-GAMING/
產品特點：
-軸向式風扇：搭載更長的扇葉和獨特的環形密封環，以增加氣壓、散熱更強
-0dB 技術：讓您在相對安靜的環境下享受輕量遊戲
-雙滾珠軸承風扇：使用壽命是油封軸承設計的兩倍
-144 小時驗證方案 讓顯示卡經過一系列嚴格測試以確定與最新遊戲的相容性

【機殼】CoolerMaster Mastercase H500P Mesh White ARGB
https://apac.coolermaster.com/tw/case/mid-tower/mastercase-h500p-mesh-white-argb/
產品特點：
散熱風道強化
- 兩顆超大 200mm ARGB 風扇
- 沖孔鋼網前面板
強大擴充性
- 可支援體積較大的高階主板/ 顯卡
- 前方、上方可安裝360水冷排
- 最多可同時安裝7顆風扇。
強化玻璃側板

【電源】GX GOLD 750W
https://apac.coolermaster.com/tw/powersupply/modular/gx-gold-650-full-modular/
產品特點：
80PLUS金牌認證
- 保證90%電源轉換率，不浪費電力，而且又省錢
扁平且柔軟的線材
- 整線起來比較方便
耐高溫、靜音
- 電腦運行起來更穩定
5年保固
- 工作室搬到更大的時候可能都還沒壞

【記憶體】TeamGroup XTREEM ARGB DDR4
https://www.teamgroupinc.com/tw/product/xtreem-argb-ddr4
產品特點：
-專利全鏡面穿透光效
-XMP一鍵超頻技術DDR4 3200MHz
-支援各家品燈效同步

--
馬上訂閱ABuLae►►https://goo.gl/SafbJb
ABuLae的FB►►https://goo.gl/mzy84n
ABuLae的IG►►https://bit.ly/2S468es

商業合作、宣傳、工作事宜請聯繫官方信箱
►►[email protected]

#全新企劃 #結果打到吵架 #當下氣氛逐漸母湯

因應美中貿易戰影響，世界正面臨供應鏈重組的局勢，為高雄帶來重大轉機。

今早，參訪和發產業園區，和台郡、禾聯碩等數十家業者代表交流高雄產業議題；下午與高雄數十間小型新創公司座談，交流創業經驗。

我在行政院服務期間，就積極協助廠商解決五缺問題。除感謝企業大力投資高雄外，今天，我也提出兩大經濟轉骨策略：推動高雄成為 #亞洲高階製造中心 與 #半導體先進製程中心。
希望協助傳統產業因應國際供應鏈重組、協助提高競爭力；及以橋頭科學園區為核心，吸引國際大廠來投資，串連成南部科技走廊，讓高雄台南成為最有價值的先進半導體產業聚落。

🌏不管是先進半導體製程中心、亞洲高階製造中心，都是國家的重大經濟建設，希望運用高雄既有優勢，包括逐漸成形的台南、高雄科技走廊，以及高雄有潛力的產業，如PCB印刷電路板、扣件螺絲、航太材料、醫材，在產線智慧化、創新應用和數位轉型的運用之下，將成為全球非常有競爭力的產業。

🌱小型新創公司，以創意與衝勁帶動台灣經濟發展。
政府的目標就是要來幫助年輕人，在圓夢的過程幫助他們把翅膀變硬，飛得更高、更遠。
未來，高雄銀行可以蛻變成新創、小微貸款的利基型銀行，提供資金協助、青年創業貸款，讓年輕人圓夢。
市府以 #一站式服務（One-Step Service）、#簡化行政程序 為兩大方向，並協助包括技術、市場跟整個創業環境，包括其他不同行業的整合，透過盤點閒置空間或跟民間企業合作，提供更多共同工作空間（Co-Working Space）場域；打造高雄成為新創之都，文化、數位內容、新創，都來到高雄蓬勃發展。

當選市長後，我會全力帶領高雄經濟向前衝刺。

#兩年拚四年 #光榮投三次
#高雄大邁進
#有政府會做事

#青創 #新創

APP開發實例第7次上課

完整影音：
http://www.youtube.com/playlist?list=PLsE34duTsJQwmEW0f_ZJV37yo0mwWRBZD

論壇：
https://groups.google.com/forum/#!forum/labor_app_2014

上課內容：
01_eHappyWeb重點與修改成動態說明
02_eHappyWeb介面ID設定
03_將程式碼貼在HEAD標籤裡並執行
04_JAVASRIPT程式碼說明
05_206APP範例說明
06_建立網站靜態頁面說明
07_如何將206APP頁面變成動態
08_複製程式與修改說明
09_意見回覆改為GOOGLE表單

用JAVA程式設計APP對一般人來說太難，
這門課就是用網站觀念做APP，利用DW6的PhoneGap服務見可以快速將Web轉成APP

課程理念
智慧型手機平台，已成為手機上最完整的開放開發平台
人手必備的趨勢下行動上網已達800萬人次以上，手機相關應用，將會超越PC，比PC更智慧，更貼近個人使用習慣，未來APP將漸取代Web，成為各產業或政府對外窗口。
如何開發APP，以循序漸進的方式講授Android應用程式架構、圖形介面開發、測試與除錯等，進而取得證照。
吳老師教學特色：
1.影音複習分享(全程錄影)。
2.能不硬code程式，有程式也會提供畫面。
3.提供業界實務開發經驗。
4.書上沒講到的操作，圖形化工具使用。
5.隨時更新第一手資訊。

上課書目
用Dreamweaver CS6，我也會開發APP
作者： 鄧文淵 總監製/文淵閣工作室 編著
書號： ACU062500 ???
出版日： 2012/10/09
紙本書價格： 450

內容特色
用Dreamweaver CS6，你也會開發APP!能快速完成作品、擁有視覺化的質感介面，更可以驅動手機的硬體設備，舉凡照相錄影、錄音放音、GPS定位、無線網路、語音導覽全都沒問題!
結合HTML5、CSS3、PhoneGap，讓你的網頁瞬間昇華為跨平台的APP應用程式。
不用擔心HTML5、CSS3與PhoneGap的內容，交給Dreamweaver CS6一次就搞定!
利用jQuery Mobile快速打造專業手機使用者介面，只要善用操作面板的設定。
在Dreamweaver CS6一次開發，就能跨iOS、Android等多種不同平台，讓你的APP無遠弗屆！
開發 APP 的新領域
混合式應用程式是以 Web 應用程式做為基礎，使用網頁技術開發應用程式，因此絕大多數網頁設計
者可以踏入行動裝置應用程式開發者之路，大幅降低設計行動裝置應用程式的門檻。

PhoneGap 特點：
輕量級架構：PhoneGap 以 JavaScript 撰寫，檔案只有一百餘 K。

節省開發及維護成本：建立網頁檔案所需的時間遠比撰寫行動裝置應用程式原生碼要短，曾有專家進行研究，使用 PhoneGap 的開發成本，僅需一般開發成本的五分之一。

開發門檻低：以往要開發行動裝置應用程式，必須經數年的程式語言基礎，才能進行開發。

兼容性：以往開發行動裝置應用程式時，必須為各種平台撰寫不同程式碼，雖然程式邏輯概念相同，不同平台程式仍有差異，也要在不同平台上分別編譯。

雲端編譯：應用程式可以在本地編譯，也可以使用 Phonegap 提供的雲端 Build 工具進行編譯。

配合整合環境軟體開發：在適當的整合環境中進行應用程式的開發可以節省非常時間精力。

元件免費：PhoneGap 是完全免費的元件，如此可降低應用程式開發成本，也是學習行動裝置應用程式入門的最佳選擇。

Android程式開發證照教學懶人包
http://terry55wu.blogspot.com/p/android.html

跨平台手機APP程式(用PhoneGap將網站轉APP)第9次上課
http://terry28853669.pixnet.net/blog/post/56282082

元智跨平台手機APP設計(用PhoneGap將網站轉APP)第4次上課
http://terry28853669.pixnet.net/blog/post/56282109

跨平台手機APP程式(用PhoneGap將網站轉APP)第12次
http://terry28853669.pixnet.net/blog/post/56282124

元智跨平台手機APP設計(用PhoneGap將網站轉APP)第3次上課
http://terry28853669.pixnet.net/blog/post/56282133

元智跨平台手機APP設計(用PhoneGap將網站轉APP)第2次上課
http://terry28853669.pixnet.net/blog/post/56282148

APP開發 Dreamweaver JQUERY MOBILE PhoneGap 網站轉APP android app開發教學 "ios app開發教學" 手機app開發教學 app程式開發教學 app開發課程