熱門Ptt文章

[爆卦]貪婪整合包是什麼？優點缺點精華區懶人包

雖然這篇貪婪整合包鄉民發文沒有被收入到精華區：在貪婪整合包這個話題中，我們另外找到其它相關的精選爆讚文章

在 貪婪整合包產品中有31篇Facebook貼文，粉絲數超過0的網紅，也在其Facebook貼文中提到， Minecraft - 魔龍之裔 模組清單 這邊都整理好了~ 有興趣的朋友都可以去下載，請不要上傳壓縮包，也給模組作者一些支持!! 目前實測起來還是有些bug =================================== 「工業」extradisks額外的硬碟-1.16.4-1.5.1....

　同時也有2部Youtube影片，追蹤數超過2萬的網紅輕易豐盛學苑 Jamie 賺錢小宇宙，也在其Youtube影片中提到，●了解自己天賦特質，幫自己加薪上萬元！ ‣ https://lihi1.com/ou2i3 ●超強理財攻略小資理財 ：https://reurl.cc/8lKQDb #輕易豐盛 #理財新手 #投資理財入門方法 #沒錢投資 錢鬼VS窮鬼 你心裡住了什麼鬼 壞習慣慢走不送 別在假鬼假怪 壞習慣慢走不...

「貪婪整合包」的推薦目錄

貪婪整合包 在 李嘉 Instagram 的精選貼文

2021-04-04 18:04:23

這幾年，大家都很有感的在面對自己的心與整合內在的各個面相，不論是內在小孩療傷、創痛回憶，或被壓抑的人格，對吧？ 這些是為什麼呢？ 嗯，是為了讓我們將過往所有經歷的一切(包括前世)，整合成一個完整的意識狀態。而這過程也就稱為合一意識的覺醒旅程——以上，即是個人的部分。 接著，整體的部分呢： 我們與...

貪婪整合包 在 puka88888 Instagram 的最佳解答

2020-07-02 18:06:43

很多人好奇我是怎麼在一年內拿出103萬還款 在這十幾年的時光裡 我每天會做的事就是手寫帳 每個月收入多少 支出什麼 全部寫在筆記本上 在月底時一一整合看當月賺多少錢 花多少錢 每個月必要支出非必要支出有哪些 每個月大概可以抓出我必須要賺多少錢才能收支平衡 剩下的就是存下來的錢 為了讓存下來的錢更多 ...

貪婪整合包 在 存股專家 Instagram 的最佳貼文

2021-04-04 13:55:47

3702大聯大-ic通路霸主 甚麼是ic通路? 半導體產業上游是電子零件的供應商 (例:英特爾、三星、東芝等等) 下游是電子產品的製造商 在傳統的關係裡 下游的製造商會向上游訂購生產電子產品所需的元件 (核心元件、類比混和元件、記憶元件、光學感測元件、被動元件….) 但製造商(下游)的數量超過供應...

  • 貪婪整合包 在 Facebook 的最佳貼文

    2021-09-15 22:04:09
    有 245 人按讚

    Minecraft - 魔龍之裔 模組清單
    這邊都整理好了~ 有興趣的朋友都可以去下載，請不要上傳壓縮包，也給模組作者一些支持!! 目前實測起來還是有些bug
    ===================================
    「工業」extradisks額外的硬碟-1.16.4-1.5.1.jar
    「工業」FluxNetworks無線電-1.16.5-6.1.7.12.jar
    「工業」Industrial+Agriculture[Industrial+Foregoing]工業先鋒種子-1.16.3-1.7.1.jar
    「工業」industrial-foregoing工業先鋒-1.16.5-3.2.14.3-9.jar
    「工業」Powah發電機-1.16.5-2.3.16.jar
    「工業」refinedstorage精緻儲存-1.9.13.jar
    「工業」wormhole傳送門-1.1.8-mc1.16.5.jar
    「介面」curioofundying不死圖騰欄位-forge-1.16.5-5.2.0.0.jar
    「介面」curios更多飾品欄-forge-1.16.5-4.0.5.1.jar
    「介面」curiouselytra鞘翅欄位-forge-1.16.5-4.0.2.3.jar
    「介面」curiousshulkerboxes背包欄位-forge-1.16.5-4.0.1.0.jar
    「介面」enchantedbookredesign附魔書顯示-3.3-1.16.4.jar
    「介面」EnchantmentDescriptions附魔說明-1.16.5-7.0.8.jar
    「介面」Hwyla-forge我在看啥-1.10.11-B78_1.16.2.jar
    「介面」invtweaks快速整理-1.16.4-1.0.1.jar
    「介面」jei合成表顯示-1.16.5-7.7.0.103.jar
    「介面」journeymap地圖-1.16.5-5.7.2beta18.jar
    「介面」JustEnoughResources掉落物顯示-1.16.5-0.12.1.121.jar
    「介面」MouseTweaks滑鼠-2.14-mc1.16.2.jar
    「介面」OreExcavation連鎖挖礦-1.8.154.jar
    「介面」Patchouli模組介紹書-1.16.4-51.jar
    「介面」polymorph合成衝突-forge-1.16.5-0.25.jar
    「生物」alexsmobs動物跟昆蟲-1.11.1.jar
    「生物」fantasy幻想坐騎-forge-1.1.1.jar
    「生物」Kobolds地底龍人-1.2.2.jar
    「攻擊」swingthroughgrass無視草堆-1.16.4-1.5.3.jar
    「角色」DynamicSurroundings環境聲音-1.16.4-4.0.4.2.jar
    「角色」EverlastingAbilities特殊能力-1.16.5-1.7.1.jar
    「角色」torchslabmod火把隨意放-1.16.4_v1.6.19.jar
    「怪物」akisephilas-bosses阿克西菲拉-v.1.1.0.jar
    「怪物」MCDoom地獄怪物-Mod-1.16.5-3.10.0.jar
    「怪物」The+Arcaneum奧術+1.13.2.jar
    「武器」archers_paradox弓箭手-1.16.4-1.2.0.jar
    「武器」cgm龍蝦槍械-1.0.1-1.16.3.jar
    「武器」True+Weaponry多樣性武器+1.1.5+-+1.16.5+.jar
    「附魔」EnchantmentDescriptions附魔說明-1.16.5-7.0.12.jar
    「附魔」ensorcellation迷惑-1.16.4-1.2.0.jar
    「附魔」ffenchants特殊附魔-1.16.5-1.4.0.jar
    「附魔」ffenchants特殊附魔-1.16.5-1.4.1.jar
    「附魔」MoreEnchantments更多附魔_MC_1.16.4_Vers.1.3.0.jar
    「附魔」TonsOfEnchants成噸附魔-0.6v.jar
    「附魔」TonsOfEnchants超多附魔-0.6v.jar
    「冒險」Space-Bosstools外太空之旅-1.16.5-5.3.jar
    「冒險」whisperwoods恐怖森林-1.16.5-2.0.1.jar
    「食物」FruitTrees水果樹-1.16.4-2.3.0.jar
    「核心」Bookshelf書架-1.16.5-10.1.11.jar
    「核心」caelus-forge飛行權限-1.16.5-2.1.3.0.jar
    「核心」citadel高級動畫-1.7.1-1.16.5.jar
    「核心」cofh_core和諧核心-1.16.4-1.2.1.jar
    「核心」CTM渲染優化-MC1.16.1-1.1.2.6.jar
    「核心」Cucumber黃瓜圖書館-1.16.4-4.1.10.jar
    「核心」CyclopsCore巨人核心-1.16.5-1.11.7.jar
    「核心」geckolib動畫輔助-forge-1.16.5-3.0.36.jar
    「核心」iChunUtil共享庫-1.16.5-10.4.1.jar
    「核心」Industrial+Agriculture[Core]農業核心-1.16.5-1.8.11.jar
    「核心」Infinitylib無限圖書館-2.0.2.jar
    「核心」Kiwi水果樹-1.16.5-3.4.2.jar
    「核心」kotlinforforge語言核心-1.12.0-obf.jar
    「核心」Lollipop資料庫-1.16.5-3.2.9.jar
    「核心」obfuscate混淆-0.6.2-1.16.3.jar
    「核心」supermartijn642configlib傳送門配置庫-1.0.7-mc1.16.jar
    「核心」supermartijn642corelib傳送門核心-1.0.5-mc1.16.5.jar
    「核心」titanium鈦-1.16.5-3.2.8.4-10.jar
    「核心」u_team_core團隊核心-1.16.5-3.2.0.194.jar
    「核心」YungsApi洞窟優化核心-1.16.4-Forge-4.jar
    「裝備」avaritialite貪婪無盡-1.5.0-1.16.5.jar
    「裝備」ColtCosmeticArmorMod裝飾道具-1.2.5.jar
    「裝備」dungeons_gear地牢裝備-1.16.5-3.0.15.jar
    「裝備」The_Very_Best_That_No_One_Ever_Was多米裝備.jar
    「裝備」WarpedNetherite扭曲地獄合金_1.0.jar
    「道具」BotanyPots盆栽-1.16.5-7.0.17.jar
    「道具」constructionwand建築法杖-1.16.5-2.1.jar
    「道具」easyhammers簡單3x3槌子-1.16.5-1.0.5.jar
    「道具」Hats帽子-1.16.5-10.3.1.jar
    「道具」ironchest鐵箱-1.16.4-11.2.10.jar
    「道具」NaturesCompass生態域羅盤-1.16.5-1.8.6.jar
    「道具」RingsOfAscension特殊能力戒指-1.16.4-1.6.0.jar
    「道具」StorageDrawers櫥櫃-1.16.3-8.2.2.jar
    「道具」useful_backpacks後背包-1.16.5-1.12.0.88.jar
    「種植」MysticalAdaptations神秘農業改編-1.16.5-1.2.1.jar
    「種植」MysticalAgradditions神秘農業漸變-1.16.5-4.2.0.jar
    「種植」MysticalAgriculture神秘農業-1.16.5-4.2.1.jar
    「維度」twilightforest暮光森林-1.16.5-4.0.490-universal.jar
    「優化」Clumps經驗值整合-6.0.0.25.jar
    「優化」FastLeafDecay快速落葉-v25.jar
    「環境」BetterCaves洞窟多樣性-Forge-1.16.4-1.1.1.jar
    「環境」repurposed_structures環境改造-1.16.5-2.6.6-forge.jar
    「環境」Shrines神殿結構-1.16.5-1.8.0-Beta1.jar
    「魔法」DragonSurvival幻化成龍-0.0.33-1.16.5.jar
    「魔法」necrum死靈的惡魔請求-1.7.jar
    RPMTW-Update-Mod-Forge-1.16-1.2.3.jar

  • 台灣物聯網實驗室 IOT Labs

    貪婪整合包 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文

    2021-07-27 11:56:34
    有 1 人按讚

    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

  • 高虹安

    貪婪整合包 在 高虹安 Facebook 的精選貼文

    2021-04-21 08:38:01
    有 1,346 人按讚

    ‼️ 勒索軟體駭全台！又傳大企業受害，我國資安拉警報 ‼️

    今早美國網路媒體 #BleepingComputer 率先披露（bit.ly/3xejmGi），一群使用勒索軟體Revil的駭客試圖勒索Apple要求其買回產品藍圖，更涉嫌從Apple筆電製造商廣達電腦的網路中竊取大量數據資料，並要求支付天價贖金。

    根據該篇報導，#REvil 已在暗網上洩漏了十幾份MacBook組件的示意圖，儘管沒有跡象表明它們中的任何一個是Apple的新產品，但REvil駭客警告說，如果廣達不開始就贖金進行談判，「所有Apple設備的圖紙以及員工和客戶的所有個人數據將在隨後的銷售中發布」。而駭客要求廣達必須在4月27日之前以加密貨幣XMR支付5000萬美元，或者在倒計時結束後支付1億美元。

    其實現在 #資安勒索 比大家以為的、檯面上看到的多很多，包括之前宏碁、仁寶都曾經遭到駭客鎖定攻擊並遭勒索贖金。即便是這麼大的公司，資安防護跟稽核都無法滴水不漏、防不勝防，一方面除了駭客的勒索手法與使用軟體持續進步外，另一方面則突顯我國企業資安人才缺乏與資安防護漏洞嚴重的問題。

    #勒索軟體（Ransomware）是什麼？它是一種源於密碼病毒學（cryptovirology ）的惡意軟體，除非向駭客支付贖金，否則它會威脅發布受害者的數據或永久阻止對目標檔案的訪問。儘管某些簡單的勒索軟體僅是鎖定系統，從而使技術高超的人不難解除，但更高級的惡意軟體使用一種稱為「加密病毒勒索」（cryptoviral extortion）的技術。它會加密受害者的文件，使其無法訪問，並要求支付贖金以解密。

    勒索軟體最早從大概2007年開始出現，近幾年無論是金額或件數都以倍數成長，特別是在去年疫情爆發後，使得線上銷售、宅經濟、雲端服務、遠距教學及工作模式倍增，卻也成為新的網路犯罪溫床。甚至還有駭客組織推出「#勒索軟體即服務」（RaaS）的模式，提供網路攻擊服務。

    美國網路安全公司帕羅奧圖（Palo Alto Networks）的網路安全研究人員分析了針對北美和歐洲組織的勒索軟體攻擊，發現為換取解密密鑰而支付的平均勒索贖金，從2019年的115,123美元增加到2020年的312,493美元，暴增三倍！同時，駭客越來越貪婪。從2015年到2019年，勒索軟體的最高需求為1,500萬美元，2020年，這個金額增長至3,000萬美元。

    為了提高勒索成功率，駭客也開始持續精進犯罪手法，尤其是一些犯罪集團開始鎖定大企業作為狩獵標的，成為所謂的「Big game hunter」。這些駭客為了確保被勒索的企業有能力且有意願支付數十萬到數千萬美金不等的勒索贖金，從過往漫天撒網劫掠資料、加密勒索的方式，進階到鎖定特定產業或企業的「#針對式勒索」。我們看到仁寶、宏碁跟這次的廣達，以及國外包括蘋果、FedEX、俄羅斯電信、本田Honda等大企業的勒索軟體攻擊，都是屬於這種針對式的手法。

    根據奧義智慧共同創辦人叢培侃及趨勢科技台灣區暨香港區總經理洪偉淦在網路上的公開說法，駭客組織為了確保受害者勢必得支付贖金，已經啟動了被稱為「#雙重勒贖」的新作案手法，即發動方式採用APT滲透攻擊，先行潛伏竊取資料，並在加密企業資料之前同步備份，完成後再啟動勒索軟體執行加密勒索，並且威脅不支付贖金就公開企業及其客戶的商業機密甚至個資，以確保受害企業必定花錢消災。

    在交付贖金方面，容易使用、加密因此難以追查的 #虛擬貨幣 出現，解決了以往網路犯罪集團最傷腦筋的 #隱藏金流 問題，也間接帶動駭客開始透過勒索軟體加密企業資料的方式，遠端向受駭企業要求以加密貨幣支付贖金，成為犯罪者的保護傘。除了盛行的比特幣（Bitcoin）之外，駭客也常要求以匿名隱私幣的XMR支付贖金，因為XMR無法追蹤交易，因此成為暗網常用的交易媒介。

    勒索軟體攻擊的氾濫，凸顯出我國企業資安的長期問題，包括業界長期反應缺乏專業資安人才的培養計畫以及政府資源錯置，如CTF 競賽偏向駭客攻防技術，和實際政府和企業的防禦性資安人才需求有落差，如今就連企業資安防守的課程要找到合格師資也相當困難。如何正確的佈署資安的縱深，並強化整體企業資訊防護安全，是政府相關單位的當務之急。

    虹安呼籲，政府與社會應該要對資安攻擊背後的目的以及對於事業體、國家可能造成的嚴重傷害有充分認知，數個公司、數個相似產業的事業體遭受攻擊，除了損失贖金與客戶資料、衝擊股價甚至影響商譽而掉單，都可能導致我國科技產業的長遠危機！

    政府既已號稱成立「#資安國家隊」，就應該盡快提出包括應對勒索軟體在內的 #資安解決方案，協助科技產業加強與整合資安防護資源，共同發展最適當的防禦因應措施，以保護我國科技產業與全民的資訊安全不受勒索威脅！

    📒參考資料：
    1.勒索軟體大轉型，防禦難度提升：黒產供應鏈經營成本高，鎖定有能力付贖金的知名企業
    https://www.ithome.com.tw/news/143458
    2.不給錢就公布　竊資型勒索橫行
    https://www.netadmin.com.tw/netadmin/zh-tw/market/464E17819569476E94344EDEBDEECAD6
    3.資安險如何回應 勒索軟體攻擊事件
    https://www.aon.com/getmedia/3dd6d44a-a783-43e3-8c89-db5b7a2c97fd/2020-cyber-risk-case-study-CN.aspx
    4.加密勒索程式的 特性與特徵
    http://tprc.tanet.edu.tw/tpnet2020/training/10909.pdf
    5.Largest ransomware demand now stands at $30 million as crooks get bolder
    https://www.zdnet.com/article/largest-ransomware-demand-now-stands-at-30-million-as-crooks-get-bolder/
    6.Highlights from the 2021 Unit 42 Ransomware Threat Report
    https://unit42.paloaltonetworks.com/ransomware-threat-report-highlights/
    7.Largest ransomware demand now stands at $30 million as crooks get bolder
    https://www.zdnet.com/article/largest-ransomware-demand-now-stands-at-30-million-as-crooks-get-bolder/
    8.駭客入侵台灣10大企業！研華慘遭勒索10億　仁寶認栽付千萬贖金
    https://finance.ettoday.net/news/1872347
    9.天啊，被勒索了怎麼辦？！10大資安鐵則讓你遠離勒索病毒
    https://www.uso.com.tw/portal_b1_page.php?owner_num=b1_55912&button_num=b1&cnt_id=13205
    10. 獨家／廣達遭駭1／遭REvil入侵資料庫　客戶設計圖全都露
    https://www.ctwant.com/article/113305

你可能也想看看

搜尋相關網站