最近，我在「TIME時代」雜志的專欄文章裡，向全球的讀者介紹了大陸「世界工廠」的+AI自動化升級。隨著勞動力成本的上漲，工業自動化、智慧化勢必是大陸製造業的一劑特效藥。自動化能讓運營成本下降，但仍能讓中國大陸保持生產品質、流程、供應鏈維度的優勢。AI賦能產業升級的願景或許還需多年才能實現，但當下的大陸已經讓未來可期。

以下是專欄文章全文，經TIME授權翻譯轉載：

「中國世界工廠 + AI 的未來」

多年來，中國大陸一直被喻為「世界工廠」，即便在全球其他經濟體紛紛遭遇新冠疫情重擊的2020年，大陸製造產業仍然維持穩健的增長范式，全年產值高達3.854萬億美元，占到全球市場近三分之一。

但如果你腦中的大陸工廠是傳統的「血汗工廠」，是時候修正你的刻板印象了。大陸經濟已經迅速地從疫情衝擊下復蘇，疫情同時催化了各種各樣人工智慧（AI）的應用場景加速實現。自2014年以來，中國大陸的AI專利申請量已經超越美國，至今維持全球領先。在學術領域，中國大陸的AI研究論文發表數量、AI期刊的引用量，也雙雙在近年超過了美國。在產業方面，AI應用在大陸的落地速度超越世界其他國家和地區，具有商業價值的AI應用如今開始百花齊放，整合了軟體、硬體和機器人技術的新一代自動化揭開序曲，AI賦能傳統行業的能量，正在蓄勢待發地重塑各行各業。

人類社會至今經歷了三次不同的工業革命：蒸汽革命、電力革命和資訊革命。我相信，AI將會是推動全球第四次工業革命的核心引擎，在世界各地點燃數位化和自動化的變革，而這波前所未有的硬科技浪潮，將由中國來引領實踐。

由於勞動人口減少和新增人口放緩，中國大陸的傳統產業正面臨著勞動力成本上升的巨大壓力，AI正是解決這個難題的技術解答。人工智慧不僅能夠降低運營成本，提高生產效率，擴大整體產能，還有望能帶來收入的增長。

例如，創新工場投資的廣州極飛科技是一家致力於未來農業的AI科技公司，極飛將無人機、機器人和感測器部署在稻田、麥田和棉花田裡，用技術賦能農業中的播種、農藥噴灑、栽種管理、甚至天氣監測環節。用於作物噴灑的極飛科技R150農業無人車已經被推廣到了英國，應用在蘋果、草莓、黑莓等多種經濟作物的種植流程中。

一些大陸的創新公司正積極把機器人拓展到意想不到的場景。總部位於北京的鎂伽是創新工場投資的生命科學智慧自動化公司，他們和實驗室、製藥公司、高校合作，憑藉AI+機器人技術的積累，用自動化解決方案執行實驗室中勞動密集、重複性高、但需要高度精確的任務和流程，同時機器人作業也將盡最大可能保護實驗室人員降低實驗過程中的感染風險。

除了創業公司，我們看到幾家成熟的龍頭企業也開始積極擁抱AI。創新工場參與了有28年歷史的中力電動叉車，這家頭部的鋰電叉車製造商已經推出了能夠在工廠、倉庫自主運行的無人叉車，並且無需對運行環境進行改造，能快速實現從手動到電動到自動駕駛的搬運賦能創新。此外，擁有50多年歷史的領先客車製造商-宇通集團，與自動駕駛獨角獸企業-文遠知行戰略合作，已在大陸三個城市的馬路上運行全無人駕駛小巴。

接著會發生什麼？我大膽預見，在更長遠的未來，機器人和AI將接管大多數產品的製造、設計、交付甚至營銷——很可能將生產成本降低到和原物料成本相差無幾。未來的機器人有能力自我複製和自我修復，甚至做到部分自我反覆運算設計。房屋和公寓將交由AI主導設計，使用預製建築模塊，交由機器人像搭積木似地築樓蓋房。無人公交、無人摩托等隨傳隨到的自動化未來交通系統，能將我們安全無虞地送達想去的地方。

這些願景成為現實或許還需要多年，但此時的大陸正在積極鋪墊引領新一代自動化革命的基石。可期的是，中國工廠的實力將不僅僅體現在產能上，而將逐步彰顯在智慧上。

本文經「TIME時代」授權進行中文編譯，原文如下：

China Is Still the World's Factory — And It's Designing the Future With AI

BY KAI-FU LEE

For many years now, China has been the world’s factory. Even in 2020, as other economies struggled with the effects of the pandemic, China’s manufacturing output was $3.854 trillion, up from the previous year, accounting for nearly a third of the global market.

But if you are still thinking of China’s factories as sweatshops, it’s probably time to change your perception. The Chinese economic recovery from its short-lived pandemic blip has been boosted by its world-beating adoption of artificial intelligence (AI). After overtaking the U.S. in 2014, China now has a significant lead over the rest of the world in AI patent applications. In academia, China recently surpassed the U.S. in the number of both AI research publications and journal citations. Commercial applications are flourishing: a new wave of automation and AI infusion is crashing across a swath of sectors, combining software, hardware and robotics.

As a society, we have experienced three distinct industrial revolutions: steam power, electricity and information technology. I believe AI is the engine fueling the fourth industrial revolution globally, digitizing and automating everywhere. China is at the forefront in manifesting this unprecedented change.

Chinese traditional industries are confronting rising labor costs thanks to a declining working population and slowing population growth. The answer is AI, which reduces operational costs, enhances efficiency and productivity, and generates revenue growth.

For example, Guangzhou-based agricultural-technology company XAG, a Sinovation Ventures portfolio company, is sending drones, robots and sensors to rice, wheat and cotton fields, automating seeding, pesticide spraying, crop development and weather monitoring. XAG’s R150 autonomous vehicle, which sprays crops, has recently been deployed in the U.K. to be used on apples, strawberries and blackberries.

Some companies are rolling out robots in new and unexpected sectors. MegaRobo, a Beijing-based life-science automation company also backed by Sinovation Ventures, designs AI and robots to safely perform repetitive and precise laboratory work in universities, pharmaceutical companies and more, reducing to zero the infection risk to lab workers.

It’s not just startups; established market leaders are also leaning into AI. EP Equipment, a manufacturer of lithium-powered warehouse forklifts founded in Hangzhou 28 years ago, has with Sinovation Ventures’ backing launched autonomous models that are able to maneuver themselves in factories and on warehouse floors. Additionally Yutong Group, a leading bus manufacturer with over 50 years’ history, already has a driverless Mini Robobus on the streets of three cities in partnership with autonomous vehicle unicorn WeRide.

Where is all this headed? I can foresee a time when robots and AI will take over the manufacturing, design, delivery and even marketing of most goods—potentially reducing costs to a small increment over the cost of materials. Robots will become self-replicating, self-repairing and even partially self-designing. Houses and apartment buildings will be designed by AI and use prefabricated modules that robots put together like toy blocks. And just-in-time autonomous public transportation, from robo-buses to robo-scooters, will take us anywhere we want to go.

It will be years before these visions of the future enter the mainstream. But China is laying the groundwork right now, setting itself up to be a leader not only in how much it manufactures, but also in how intelligently it does it.

Source：https://time.com/6084158/china-ai-factory-future/

疫情期間，大家還不趕快來抽書、讀書。
悶在家裡耍廢，不如趁此機會讀點書充實自己。

阿橋社 近來的新書《拿去抄啊!藝術家的著作權指南》。針對了當代資訊社會中的「著作權」做深入淺出的敘述和討論。著作權這件事情聽起來很遠，但在這個人人都有相機、修圖軟體、社群帳號的資訊社會，不管你是文字創作者、影像工作者、音樂工作者、設計師、攝影師、藝術家甚至即便只是個尋常社群軟網站的使用者，其實都與著作權息息相關。本書介紹了自由軟體(free software)、開源軟體(open source software)、創作CC機制、授權形式的差異、盜版、防盜DRM機制、同人創作、自由取景及公有領域等等與著作權相關的問題。齋主很推薦齋友們一讀，更覺得內容創作者們有必要理解此些知識。

https://www.books.com.tw/products/0010889459

#贈書活動 #請讀到最後唷

不過，齋主作為一名小小的文字創作者，對於著作權有些自己的看法。

長久以來，齋主偶而都能在網路上看到自己的文章被他人盜用，甚至看到有影片創作者將我文章中的幾個核心概念，重新以文字包裝詮釋後做成影片。我從未想過要追究這些事情，甚至在我心中也從不覺得這是應該去追究的事情。我有個根深蒂固的觀念，那就是我的思想也源自於先賢們，我並非是這些思想、觀念或概念的原創者。

多年前，我在生物學家理查道金斯1976年的名著《自私的基因》中，對其提出的meme(迷因)概念深深著迷。Meme是他假設的思想生命體，不但擁有與其他meme雜交而產生新meme的能力，當繁殖能力強大，還會透過宿主(人類)將自身傳播出去，進而產生社群影響力。越是強大的meme，對人類文明的影響也就越大，就像今天聖經、哈利波特以及牛頓力學等等，就是影響力無遠弗屆的meme。

同時我也深信，人類難以對己身進行思想溯源。精神分析學家佛洛伊德，曾針對人類的夢境做解析，他認為人類夢境中的要素不可能無中生有，所有在你夢中曾經出現過的事物，肯定在你的短期生活中接觸過，無論你到底有沒有意識到其存在。他針對身邊的數十個夢境案例進行分析，發現絕大多數當事人夢境中出現的場景、物品、人物和情境，都能自當事人的生活周遭發現其源頭。換言之，我們人類的思想其實無時無刻都受到外界事物的影響，遑論佛洛依德的時代早於當代百多年，在如今的資訊社會，要真正找到思想的原創性幾乎是不可能的。

符號學家羅蘭巴特，曾在1972年《作者已死》論文中，有過這段文字:「文本形同由不同引用交織而成的織物，而其來自上千個文化來源。」換言之，在這年頭沒有人真正原創了甚麼，也沒有誰真正能原創甚麼。牛頓不會在沒有伽利略的情況下完成數學原理，而愛因斯坦也不可能在沒有牛頓力學的前提下完成相對論。有人說中國南畫影響了浮世繪，浮世繪影響了後印象派，後印象派和非洲原始雕刻又孕育出了立體派和野獸派，佛洛伊德與超現實主義，民主和抽象表現主義，廣告、麥克魯漢與普普主義等。這些說法都能在現代藝術史的專書中經常出現，但齋主我經常覺得不過是當代藝術史學家的後見之明。我更願相信的是，沒有人知道這些視覺藝術家創新的源頭在哪，而且不管在哪，肯定是多個meme雜交下所誕生的一個神來之筆。

齋主我尤其不喜歡網路上某些設計師，在社群網站上公審另一個設計師，表示自己的作品或視覺設計遭到盜用。我總覺得這樣的聲明像是弱者對於世界無力的呼喊。我知道保障智財權的相關權益，對於文明前進的重要性。1709年英國所通過的「安妮法案」，即確保了創新者的權益，並限定了一定程度的年限。確保了創新者的利益，英國得以在短期內大肆發展知識經濟，而後誕生了工業革命。

一直很多齋友便喜歡問齋主一個問題:「為什麼齋主願意無私的把所知所學給分享?」起初我並不理解這個問題，對我來說分享就是分享，而且對我來說也沒甚麼吃虧。一些年後我才逐漸思考要不要「藏私」這個問題。我後來認知到，當我把所知所學分享出去的同時，對我來說是利大於弊的。一來我因為分享了自身所學，導致競爭上的優勢喪失，這能更加砥礪我向上，二來則是透過分享，我能認識其他同樣無私的分享者，彼此的所學所知能相互交流。

早年網路科技在台灣還不普及時，那時因為作業系統內建的軟體並不多，要在網路上自由玩耍，必定會需要諸多第三方軟體的幫助。那時台灣有很多私人網站，提供各類軟體供下載。當時我看著不少軟體的分類為「免費軟體」，就開心的下載使用。直到多年後我才理解。那是翻譯上的刻意誤解，免費軟體的原名為「free software」，更正確的譯名應為「自由」軟體。這些軟體之所以被前人所創造出來，只是單純地用於共同解決「人類」所面對的問題和困境，不可用於商業販售。

電腦之所以能這麼快的普及於生活之中，和80、90年代的程式設計師，多少帶有些理想主義色彩有關。LINUX作業系統之所以能有如今的影響力，最大的原因便是LINUX是眾多程式設計師對其無私的奉獻，一步步完善其機制，有相當程度的理想主義色彩。齋主崇拜的偶像之一，約翰卡馬克，也就是《德軍總部》、《DOOM》的遊戲設計師，便是世界上首個3D遊戲引擎的創造者。他憑藉一己之力完成了該引擎，更誇張的是還將其開源，任何人都能修改其原始碼。這無私的決定讓整個3D圖像產業前進了不知多少年。

事實上網路從來就有著理想主義色彩，任何與創作有關的網路遊戲社群，都有著許多無私奉獻者。就像《魔獸爭霸3》之所以能歷久彌新，是因為許多自製地圖的創作者持續更新地圖，就像STEAM平台上的許多沙盒遊戲，也有著許多單純為了興趣而為遊戲增添內容的創作者。

資訊科技為人類帶來的應該是幸福，而不是紛爭。我相信著作權對於人類文明的重要性，卻也認為在著作權上踩死權益和底線，對於人類文明並非有利，甚至對於創作者本身也不見得是好事。就齋主所知，若人類全然按照著作權的相關規定辦事，大概沒有人能不侵權，差別只在於別人有沒有要將你狀告法院之別。雖然這問題應該永遠無法解決，也無法明確定義侵權的灰色地帶，但我願意相信的是，隨著資訊科技的不斷進步，人類文明正在不斷前行。

而以上這些想法，其實與《拿去抄啊!藝術家的著作權指南》的作者艾瑞克史黑佛有異曲同工之妙。我相信齋友們只要讀過這本書，也會有著與我們相似的看法。

當然，本次 阿橋社 也替酸齋的齋友們準備了四本贈書，只要齋友你滿足以下條件，就有機會得到活動贈書唷。

只要你在5/30(日) 20:00 以前，完成以下兩個條件，即可參加抽獎。
1. 按讚並公開分享
2. 於留言處TAG兩名朋友

活動結束後，齋主會於第一時間抽出幸運的兩名得主。

另外，還有兩個優選留言的名額。只要你在留言區中，留下關於藝術、版權和著作權的相關留言。齋主於活動結束時，同樣會選出兩則優選留言，齋主會將贈書寄給優質的兩名留言主。

最後，再次感謝 阿橋社對酸齋齋友們的照顧。

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