🔥 成長中的公司遇到倒楣事!?
第一次寫智邦(2345) 是 2019/09 月，當時價格為 160 元，而且已經位於警示區間了，而我將它定義為成長股，認為只要公司獲利持續成長，那就還有機會繼續往上，果不其然，價格後續最高來到 320 元，含股利 6.19 元，足足漲了 104%。
-
但最近價格回跌至 283 元，2021Q2 盈餘衰退 -17%，主因為智邦 6 月竹南廠外籍員工確診，公司隨即啟動工廠消毒、員工篩檢及分流，除對產能造成影響，也導致 6 月產能較公司原生產計畫減少約 10%，以及防疫費用支出額外增加約 1,200 萬。
--
📲阿勳 APP 潛力股免費下載
點擊前往：https://cmy.tw/008YFI
--
🧐智邦 (2345) 是怎樣的公司!?
公司成立於 1988 年，主要從事企業級與電信級高速乙太網路交換器、無線區域網路產品、寬頻產品、消費性電子產品製造業務。
早期是替品牌廠商進行純硬體代工，在由品牌廠商銷售給終端客戶。近年轉向與軟體客戶共同開發設計解決方案，可直接提供終端客戶軟硬體整合性的產品。
-
智邦在 5G 產業鏈中屬於中游廠商，中游廠商主要是從事基地台建設 與 路由器 的生產，智邦的主力營收就是生產交換路由器，提供每秒 10 億位元的無線網路及無線固網接取連接，因此才被稱為 5G 概念股。
-
🍀主要產品
智邦的產品項目很多，包括: 大型數據中心交換機、雲端伺服器管理系統、電腦硬體、系統軟體、網路應用軟體、網路工作站、企業網路有線與無線交換器與無線基地台、通訊電子硬體/軟體設備、光纖網路、無線區域網路等等。
-
只要需要上網，就會需要智邦的產品，幾乎人人家裡都有一台交換器，對企業來說也是必需品，在這追求更高速，更低延遲的網路世代，更好的網路交換路由器是硬需求，常見的應用領域有 :數據中心交換器、雲端伺服應用設備、城域網路接取、電信網路、家用寬頻、校園/企業網路、有線/無線網路解決方案等等。
-
💁‍♂️阿勳的價值投資社團
傳送門 : https://pse.is/3aj2de

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

近代知名的理論物理學家理查．費曼曾經說過一句名言：「我認為，沒有人能真正了解量子力學！」既然這麼難、沒有人懂量子力學，那麼量子電腦是怎麼做出來的？

其實，許多科技縱使科學家不完全懂，但仍然可以熟練地使用它！不過真要說起來，量子電腦處理資訊時，能夠平行處理多個量子位元，不但運算力更強，計算速度更是高上好幾個檔次。

而這波科技浪潮，將會帶來怎樣的革新呢？

＊本文轉載自 科技大觀園

延伸閱讀：
量子電腦的全新可能性：自旋三重態非常規超導體
https://pansci.asia/archives/311658
量子電腦到底有多霸氣？終極「密碼戰」即將引爆？
https://pansci.asia/archives/177671
______________
泛科學為您準備的 COVID-19 防疫專題 ( •̀ ω •́ )✧
https://covid19.pansci.asia/
讓我們一起渡過這次的危機

NOW! 成為陳寗頻道會員並收看獎勵影片：https://lihi1.com/ZT8bZ
頻道會員經費用於製作字幕及剪接，懇請支持頻道營運！
──────
陳寗嚴選 iPad Pro/iPhone 保貼 & 充電頭：https://lihi1.cc/VnHIF
陳寗嚴選兩聲道音響：https://lihi1.com/2ecL7
陳寗嚴選抗菌靜電濾網/防潑水抗菌強化膜：https://lihi1.cc/x7Sse
陳寗嚴選 NAS 團購：https://lihi1.com/SuL4Q
──────

00:00 本集重點：哪個好聽？幫你比較 CD、串流與 Hi-Res
00:57 玩音響一定要懂：什麼是取樣率、位元深度？
01:42 「取樣率」是什麼？96khz↑才能稱為 Hi-Res？
04:18 「取樣率（hz）」的定義：每秒對聲波波型取樣的次數
05:37 同母帶用越高取樣率，越接近真實
06:10 「位元深度（bit）」的定義：記錄聲音響度變化的能力
07:00 電腦如何知道音量多大？位元深度越深，響度變化越細緻
08:33 為何 CD 格式是 44.1khz/16bits？
09:42 440hz 是當代標準音高，但巴洛克時期 432hz 才是標準
10:22 取樣率只是影響音質的因素之ㄧ！檔案流量常被大家忽略了
11:19 96khz 未必比 44.1khz 好？取樣率高≠沒壓縮，這是兩回事
11:54 也要小心虛假的高解析！很多錄音是用 48khz 錄製，再升頻
13:09 重要觀念：關鍵是高取樣率音檔的產製過程
13:53 不是晶片格式好，就會好聽！取樣率只是影響音質的環節之一
15:37 我用 CD 轉檔 VS Mora 買的 Hi-Res？CD 轉的低頻多，Mora 的細節多
16:40 如果你有 Bi-Wire 的喇叭…把高音拔掉聽，低音比較清楚
17:54 Tidal/Qobuz 不適合做比較！要用 Mora 檔案和 CD 轉檔比

#取樣率 #數位流 #位元深度

──────
陳寗實話說 Podcast 試營運上線：
Apple Podcast：https://lihi1.com/xXnHu
Google Podcast：https://lihi1.com/yfDKF
其餘各大 Podcast 平台也都有上線，請直接搜尋「陳寗實話說」！
──────

本頻道每晚 6 點鐘上新片，還有幾個原則跟你約定好：

1. 開箱零業配：
真實使用過後才發表心得，通常試用至少 1 個月，所以你通常不會看到我最早發表，但哥真性情的評論，保證值得你的等待。

2. 理性討論：
我有自己的偏好，你也有自己的好惡，我們互相尊重，時時用大腦，刻刻存善念，不謾罵，不矯情。可以辯論，不可以沒邏輯。

3. 我團購我驕傲：
我很愛買東西，也很愛比較產品，我自己使用過、多方比較過，還是覺得喜歡的東西，我才會辦團購。（簡單說就是挑品很嚴格，至今 80% 廠商找上門都被我打槍。）辦團購我一定有賺，但我跟廠商拿到提供給你的團購價，也會讓你一定有划算感。所以如果你品味跟我相近，或是剛好有需要，就跟我團購，我們互惠。如果你覺得跟我團購，你就是我乾爹，說話不懂得互相尊重，那就慢走不送，你可以去找一般店家買貴一點。

看了以上，覺得可以接受就請你訂閱，訂閱順便開鈴鐺。我們每天晚上 6 點見。

我的網站連結在這：https://ningselect.com/
也別忘了幫我的 FB 粉絲專頁按讚：http://bit.ly/ningfb

如果有任何問題，包括團購等問題，都可以在影片下方留言問我，同一支影片下很多人都想知道的問題會優先用留言回答，如果是比較大的題目，則有機會拍成 QA 影片回答～如果你想問的是針對個人的音響選購、配置問題，可以直接傳 Line 問我：http://bit.ly/ningline

另外團購商品請參考我的商城：https://shop.ningselect.com/
廠商合作請先了解相關原則：http://bit.ly/coopning

近日KKBOX更新推出無損音質，其實高清、無損音源推行了好幾年，本地樂壇新貴MIRROR、林家謙、Serrini等出歌都有高清版，相信歌迷們是時候要了解一下，各大串流音樂平台的新動向，學聽高清好歌撐歌手。
音源質素分三級制
KKBOX的無損音質採用了16bit/48kHz CD以及24bit/192kHz Hi-Res取樣率，相信一般用家看到這些術語和數字頭都大，今次就由耳機專家Cato Mak為大家解釋一下，他表示，目前串流音樂平台的音源可以簡單分為三個等級。
第一級：有損壓縮技術音源
聲音訊號儲存時會重新編碼和壓縮，過程中有損壓縮技術，檔案資訊會有所流失。如果見到320kbps或以下的數字，就代表它是有損壓縮音源，理論上kbps這個單位的數字越低，音訊資訊量越低。Spotify最高音質採用320kbps AAC格式，Apple Music和YouTube Music則最高對應256kbps AAC，三者都沒有提供無損音源。

第二級：CD級別
播放數碼音樂要將數碼檔案解讀為音波訊號，過程稱為「取樣」（Sampling），取樣率會用bit和Hz兩個單位表達，實體CD採用16bit/44,100Hz，串流平台常用16bit/48kHz的音源。bit影響音樂的動態範圍和音壓，後面以kHz是取樣頻率。 Cato指和相機的像素原理差不多，「取樣次數越高，跟模擬訊號（analog）的聲音曲線就越相像，除了聲質更細緻，Hz數越高可支援更闊的頻率響應。」兩個數字相乘再因為兩聲道加倍，得出的就是位元率（bitrate），以CD為例，16×44,100×2就是1,411kbps，和之前所說的320kbps有損格式差很多，理論上bitrate越高，音樂檔案能夠保存的資訊量越多。
第三級：高清Hi-Res級別
比16bit/44,100Hz這兩組數字更高的，就是Hi-Res高清級別。常見的有24bit/96kHz，bitrate達4,608kbps，理論上音質可以比CD更高。不過Cato表示音響界有不同意見，「理論上Hi-Res音源的頻率可以去到更闊，但CD的高頻聲音大概可達20Khz，已經是大部份人可以聽到的極限，也有人會質疑再高頻的意義。玩音響很個人，有人玩新的Hi-Res，也有人鍾情聽CD。」
第二和第三級皆可稱為無損音源，目前TIDAL、MOOV、KKBOX都提供CD和Hi-Res級別的音源，各自有不同叫法，例如Hi-Fi、Master，或直接用16bit、24bit顯示，三個平台都是用藍色代表CD級，用金黃色代表Hi-Res級，哪首歌有哪種格式都一目了然。

iPhone聽好歌駁上駁
搞清音源，是不是插個耳機就聽到分別？Cato表示，用電話插上中價位、千元左右的耳機應該已能聽到CD級和有損音源的分別。想進一步玩Hi-Res的話，近年的電話、電腦已對應Hi-Res音源，不過單靠主機的解碼能力不夠好，會有其他電子干擾，玩Hi-Res的朋友多數會接駁外置DAC（數位類比轉換器）提高音質。
電腦和Android用家可以直駁USB DAC，但Cato就提醒iPhone要聽24bit Hi-Res要用秘技，「iOS的輸出有限制，用Lightning插口或原裝轉換線都只能對應16bit/48kHz音源，奇怪的是用相機套件的USB輸出就可以避開這個限制。」iPhone要先駁相機套件，再駁DAC再駁耳機才可突破限制。如果用藍牙耳機的話，iPhone目前的藍牙編碼未支援高清格式，Android就可以留意aptX Adaptive和LDAC這些藍牙編碼技術，兩種技術都對應24bit/96kHz。
KKBOX新歌上架快
那麼多串流平台應該怎選擇好呢？如果你用入門級一般耳機聽的話，就算你已用KKBOX和MOOV，其實都毋須急着升級，兩個平台聽高清都要加錢。一般用家看音樂庫選擇就可以，目前大部份串流平台都有免費試用時間，而Spotify、Apple Music、KKBOX歌曲較多。
如果熟音響，又喜歡本地或日韓音樂，可以選用KKBOX或MOOV。實測KKBOX的高清音檔比較多，三大唱片公司Sony Music、環球唱片、華納唱片都有提供Hi-Res音源，沒有唱片公司的林家謙在KKBOX有24bit，MOOV只有16bit。KKBOX新歌反應也較快，例如大熱的Billie Eilish《Your Power》，截稿前都未登陸MOOV。至於TIDAL，歐美歌曲比較齊全，也有更多發燒級功能，有比24bit/96kHz更高級別的音源，也對應音響界很火熱的播放軟件Roon，玩無線音響、Multi Room功能等都有很多發揮空間，但中文歌少之餘介面也不太好用，很難找。

影片:
【我是南丫島人】23歲仔獲cafe免費借位擺一人咖啡檔 $6,000租住350呎村屋：愛這裏互助關係 (果籽 Apple Daily) (https://youtu.be/XSugNPyaXFQ)
【香港蠔 足本版】流浮山白蠔收成要等三年半 天然生曬肥美金蠔日產僅50斤 即撈即食中環名人坊蜜餞金蠔 西貢六福酥炸生蠔 (果籽 Apple Daily) (https://youtu.be/Fw653R1aQ6s)
【這夜給惡人基一封信】大佬茅躉華日夜思念 回憶從8歲開始：兄弟有今生沒來世 (壹週刊 Next) (https://youtu.be/t06qjQbRIpY)
【太子餃子店】新移民唔怕蝕底自薦包餃子 粗重功夫一腳踢 老闆刮目相看邀開店：呢個女人唔係女人(飲食男女 Apple Daily) https://youtu.be/7CUTg7LXQ4M)
【娛樂人物】情願市民留家唔好出街聚餐 鄧一君兩麵舖執笠蝕200萬 (蘋果日報 Apple Daily) (https://youtu.be/e3agbTOdfoY)

果籽 ：http://as.appledaily.com
籽想旅行：http://travelseed.hk
健康蘋台： http://applehealth.com.hk
動物蘋台： http://applepetform.com

#Mirror #姜濤 #Jer #林家謙 #KKBox
#果籽 #StayHome #WithMe #跟我一樣 #宅在家