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

關於發燒的一部分迷思

1. 發燒都是不好的？發燒代表病情嚴重？

其實這樣的感受是很直覺但並非全部正確。

人會發燒，是因為我們的身體判斷「需要」發燒。發燒是疾病的結果，而不是原因。

例如：得到流感或其他感染性疾病，身體的免疫系統釋放出細胞激素，刺激我們腦部中管理體溫的中樞（在下視丘），然後我們的腦部放出訊號，透過肌肉顫動、周邊血管收縮等機制增加我們的體溫。

一句話：絕大多數狀況下，發燒是腦部的命令，並不直接來自病原體。
也有很多研究證明，發燒可以幫助我們的身體抵抗病原，發燒並非壞事。

身體需要抵抗病原，所以讓人發燒，雖然發燒可能會不舒服，但那未必是壞事。舉其他了例子，肚子餓也會不舒服，但是人會感到饑餓，也是因為腦部判定我們的身體需要進食，所以讓我有飢餓感。

缺乏能量時，我們「需要」肚子餓的感覺
需要抵抗病原時，我們「需要發燒」

大概可以這樣類比。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

發燒未必是壞事的另一個角度

以前照顧許多重症患者時，許多極其嚴重的患者，是「燒不起來的」。有的病人已經嚴重敗血症，甚至瀕臨死亡時，卻不會發燒。因為已經「燒不起來」了。

還「燒得起來」，未必是壞事.....。
表示腦部、免疫系統、肌肉骨骼系統、心血管系統都還ＯＫ

最近很多發高燒的孩子。

發高燒絕對要密切注意，但發高燒不等於病情嚴重。

一點觀念，跟大家分享＾＾

同時祝福大家，在歲末年終時，平安又健康
在這個 2020，健康就是福啊～～～～

之前寫過一篇關於索命麻醉的文章
有興趣的讀友可以翻出來再看一次
https://www.facebook.com/309451919769378/posts/316504692397434?sfns=mo

今天來談談 【肌肉鬆弛劑】

肌肉鬆弛劑，又是一個『中文誤我』的故事。

本文這裡講得肌肉鬆弛劑，指的是【阻斷肌肉神經傳導的藥物。】#Neuromuscular #blockade
也就是上一篇文章裡面講到，讓病人 #不動 的藥物。

跟你腰酸背痛，醫師開給你吃的【肌肉鬆弛劑】完全是兩回事。
#skeletal #muscle #relaxants

跟醫美診所打在你臉上，說是讓你臉部的肌肉放鬆，然後消除你原本可以夾死蒼蠅的皺紋的【肉毒桿菌】也是兩回事。
#botulinum #toxin

以英文來看，你完全不會弄錯。
但中文都翻譯成『肌肉鬆弛劑』，是不是就很容易被不知情的人混淆了呢？

不知道各位讀友是否還有人記得，2002年的新聞：
北城婦幼醫院的護士黃xx，因為將肌肉鬆弛劑當成Ｂ型肝炎疫苗，為新生兒施打，因此造成六女一男共七名新生兒生命垂危的不幸事件。

事實上，此類的肌肉鬆弛劑就是作用在神經與肌肉相交接處，讓要求肌肉收縮的神經訊號無法傳遞，達成讓全身的骨骼肌都無法收縮的藥理效果。（#如手繪圖一)

此類藥物起源於南美洲土著的 ＃箭毒(curare)，最初的作用是塗在箭尖，中箭者意識清醒，也能感受到痛苦，但全身肌肉無力，全身都不能動麻痺而死！因為中了箭毒，你連呼吸的肌肉都不能收縮，所以你會活活不能呼吸窒息而死，後來這類藥物被廣泛用在手術上，也就是現今我們手術中會使用的 ＃肌肉鬆弛劑 （由英文來看，稱之為神經肌肉阻斷劑更合適）

(小編按：所以每個麻醉醫師都是 ＃用毒高手?)

至於口服的肌肉鬆弛劑呢？
阿婆腰痠背痛，抱小孩的媽媽手臂痠痛，運動員運動傷害肌肉拉傷，醫師很常開的口服的肌肉鬆弛劑，大概都歸類於這一類。

比如說 ＃Baclofen 是抑制腦和脊髓突觸的傳導，減少肌肉過度的收縮。常用在中風病人的肢體攣縮，可能會有一點輕微的嗜睡。

＃Mephenoxalone 是最常見口服的肌肉鬆弛劑，可以抑制神經衝動的傳導，而達到緩解骨骼肌筋攣造成的肌肉疼痛，經由神經系統作用來產生肌肉鬆弛的效果。可以用來治療腰痛，落枕的脖子痛，過度使用造成的肌肉痛，肌肉僵硬。

以上這些口服的藥物是用來緩解肌肉收縮，或是減少肌肉的收縮，使肌肉放鬆。而針劑的箭毒類的肌肉神經阻斷劑，是造成肌肉的麻痺，而讓肌肉完全不能收縮，以便手術。 這是完全不同的藥物

但...但...但... 別懷疑～

真的會有 強克！崔西！卡比琪！的垃圾醫生，分不清楚這兩類藥的差別。
註：#junk #trash #garbage

醫師執照也不知道是去 ＃波蘭 買的，還是拿雞腿去換的。
這樣都敢學人家當醫生，也不知道勇氣是不是梁靜茹給的。

講兩個恐怖故事好了～

故事一：
有個診所的醫師，因為診所護理師腰痠背痛，因為診所沒有口服的肌肉鬆弛劑，所以好心的拿手術用的“肌肉鬆弛劑”幫護理師來一針～
然後呢？

護理師就沒有然後了～嗯，中了箭毒麻痺而死的故事，寫出來大概不是PG13，已經分類為Ｒ級了。

崔西卡比琪醫師呢？和解就把事件壓下來了～所以 #沒上新聞。

＃不自殺聲明
＃不要查我水表

故事二：
某個中部很鄉下的小醫院。
骨科手術，病患下肢骨折，被施打半身麻醉。
(有在發漏粉專的各位麻的法課友應該就知道，半身麻醉是從脊椎骨縫打針，只有麻醉下半身。而病人的上半身是清醒的，還會講話會聊天會呼吸～)

骨科醫：病人腳還在用力，還會踢我。
麻醫：心裏ＯＳ（蛤？都從脊椎阻斷傳導了...怎麼可能用力）
骨科醫：你技術這麼爛，有麻跟沒麻差不多！
麻醫：心裏ＯＳ（沒麻病人早就哇哇大叫痛了，阿婆醒著卻什麼話都沒說，就你話最多，可以不要尿不準怪馬桶歪嗎？）
骨科醫：不管啦，你給我打 ＃肌肉鬆弛劑。
麻醫：心裏ＯＳ（！！！要病人中箭毒清醒著麻痺而死？？？！！！）

你以為故事結束嗎？
麻醫拿出一支空針，從點滴裡抽了一點生理食鹽水，再加回去點滴。

麻醫：我幫你的病人加了肌肉鬆弛劑了～
骨科醫：就你嘴硬，早點加不就好了嗎？你看病人現在都鬆了，讓我好開多了！叫你早點加就不加，浪費大家時間....（以下省略一萬字）

嗯，據說那個骨科醫師到現在還依此為要求，要麻到他的手術的麻醉醫師都要幫他半身麻醉的病人打肌肉鬆弛劑。

＃你以為我會承認那個麻醫是我嗎？

最後來聊聊下面的新聞，『術中清醒』

#麻，就是不痛。要給予病人適當的止痛藥物。(讓病人不痛)
#醉，就是不醒。要給予病人足量的鎮靜藥物。(讓病人睡著)

再加上 #肌肉鬆弛劑， 讓病人不動。

【不痛、不醒、不動，就是全身麻醉】

請參見《手繪圖二》
全身麻醉，麻的是你的腦，所以會讓你失去意識。如果讓你失去意識 #不醒 的藥物不夠，但 又給了你 #不動 的肌肉鬆弛劑，那索命麻醉的劇情，就會在你身上活活上演了。

下面的新聞就是個例子。

新聞：
意識清楚的狀態下「肚皮被醫師割開」病婦麻醉失敗，小手術變終生夢魘
https://www.ettoday.net/dalemon/post/42308

#本文歡迎轉載
#轉載請保留出處

【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～05/04(六）或 06/16(日）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072

【哈克工作坊】～讓你的存在，成為別人想親近的禮物~06/29(六） & 06/30（日）
課程資訊：https://www.koob.com.tw/contents/3897

【7/4 開課！】《學「問」～高難度對話的望聞問切》~第16期
掌握達成共識的關鍵能力！（僅剩三位名額）
課程資訊：http://www.koob.com.tw/contents/232
更多學員心得分享：http://goo.gl/A07zZ0

在專屬於你的天地裡，持續陪伴著你～
啟點xLine@：https://line.me/R/ti/p/%40teb0498p

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo
=============================
以下為本段內容文稿：

歡迎來到「一天聽一點」，今天要跟大家分享的主題是「恢復力」。

從小到大呢，你一定有「遭遇挫折」的經驗。比如說，你曾經在學校運動會裡，大隊接力的時候跌倒了，結果害班上的第一名飛了；從此以後，成了班上的罪人，很多年都不敢參加同學會。

或者是呢，你在談戀愛的時候，因為說錯了一句話、做錯了一件事，讓對方跟你提出分手，一直情傷到了現在，不想再談戀愛，也不敢再談戀愛。

又或者是呢，在職場上面，你曾經得罪過客戶、搞砸了專案、賠了一大筆錢這些事情。這些工作的挫敗，讓你從此以後可能停留在原地，再也不敢接受任何新的挑戰，或者是重新創業。

我相信每個人遇到這樣的事情的時候，在短時間之內，心情都很難再度的恢復美麗。

但是你會不會很好奇，為什麼有些人遇到挫折的時候，他可以很快的恢復，而且還越挫越勇、屹立不搖。

你一定從小就聽過，國父孫中山先生的故事吧？這比較有時代感喔！但是，比較現代的例子就是什麼？「地才」啊～蔡依林嘛！

她一出道的時候是少男殺手，但發生和經紀公司的合約風波，她甚至於被指控忘恩負義，演藝事業還一度中斷；然後又被專業的音樂人，評選為年度十大爛歌手。

在這些風雨底下，她仍然充滿韌性的站起來，不斷的充實自己，還奪下了金曲獎最佳女歌手、最佳專輯…這些獎項；她再造了自己的事業顛峰。

所以無論是歷史人物，或者是每個領域的成功人士，他們成功的原因，多數人會歸因為他們「成功的條件」。但是在我看來喔，他們的成功，來自於他們的「恢復力」特別好。

其實人生不如意事，十常八九。你多花一分鐘的時間，取暖討拍、舔傷口，你就少了一分鐘，能夠創造自己更多的可能性。那些活得好的人，不一定是機會比你多，但肯定是「恢復得比你快」。

然而，你可能會覺得喔，他們之所以比較容易從逆境當中爬起來，可能是因為運氣好、有貴人幫忙、他老子有錢。或者是他血液裡面的DNA太強，天生就是那種不服輸的個性…這些因素。

所以呢，他們的「恢復力」才會這麼的棒。如果喔，你確實就是這樣想，那不好意思，今天會顛覆你的想法。

我從身心科學的角度來看，其實「恢復力」是可以有效操作、可以學習的，而且一點都還不困難！

那到底什麼是「恢復力」呢？我相信每個人都有受傷的經驗，以一般的常識來說，身體某個部位，一旦有了創傷、傷口。

雖然呢都會流血，但血液裡面的白血球，也會馬上啟動，去阻止這些傷口的細菌進到身體裡面，對人體造成更大的危害，這一般來說，就是我們的「免疫力」。

而當我們受到挫折跟打擊的時候，雖然身體的外表並沒有受傷，但心靈受傷了，儘管表面上可能看不出來。

可是呢，有時候看不出來的傷，才需要好好的處理，因為這樣的「內傷」啊，會影響得更深、更遠。所以呢，在遭受挫折之後，能不能恢復對自己的信心？能不能從挫敗裡面走出來？

這樣的「恢復力」其實就是一種在心靈上面的「白血球」，你也可以把它說成
是「心靈的免疫力」。

如果你想要擁有更好的「心靈免疫力」，更好的「心靈白血球」。你只需要有意識的多練習，接下來我跟你分享的五個具體方法。

我相信你的「心靈病毒」來襲的時候，你就能夠輕鬆的擊敗它們，再度擁有明亮的好心情。

所以呢，這五個的第一個，叫做你要先「好好的呼吸」。是的，你沒有聽錯，想要啟動「恢復力」的第一個步驟，就是「好好呼吸」這麼簡單！

我想你一定很好奇喔，這個簡單的「好好呼吸」，和「恢復力」到底有什麼關係呢？

我來舉兩個身心連動的例子，你可能會比較容易明白。

一般來說喔，我們都知道喝咖啡能夠提神，但你一定也知道，喝太多的咖啡因，反而會讓人感覺到焦慮；這就是過多的生理刺激，去改變我們情緒狀況的一個現象。

那另外一個例子，你可能一定也發生過。就是當你肚子餓的時候，其實你只是想吃東西，可是在你沒有吃飽之前，你對任何事情都沒有興趣，甚至於不耐煩，還會發脾氣。

也就是說喔，肚子餓造成的生理反應，是全面癱瘓你的情緒控制，讓你的心情低落，或者是煩躁誒。

其實有太多的例子可以證明，我們生理的狀況，的確會影響到心理狀況；所以我們可以按照這樣的途徑，反向控制我們的情緒，讓它朝向正面的方式發展。

如果你不相信的話，你可以試著想想看，當你做完Spa，或者是泡過熱水澡之後，你的情緒通常會是什麼樣的感受？

你是不是會覺得很舒暢、很自在，而且呢身心感覺到非常的放鬆。那難道是「熱水」有跟你進行心理諮商？「熱水」跟你好好聊一聊嗎？

其實不是嘛！也就是說啊，我們身體狀況跟情緒之間，是絕對的正相關。身體狀況好，情緒自然就好。

甚至於當我們情緒低潮的時候，直接採用身體的途徑來幫助自己調整，效果反而會更快、更好！

只是當我們在遇到挫折的時候，不太可能馬上就經由泡澡，或者是按摩來得到情緒上的舒緩。那這個時候，最快速又最有效的身體途徑，去調整自己心理狀態，那就是透過「呼吸」。

在科學上呢，已經有研究發現喔，刻意進行呼吸的練習，可以減少我們的可體松的分泌；而可體松就是「壓力荷爾蒙」。

可以讓我們把身體，調整到一種更平靜的狀態，去幫助我們身體快速的從壓力當中復原；甚至於，會緩解你面對挑戰的時候的緊張程度。

所以，當你想要啟動「恢復力」，簡單的入口就是養成「好好呼吸」的習慣。

「好好呼吸」的基本的方法，其實就是每天花幾分鐘的時間，閉上你的眼睛，全神關注你的呼吸裡面，注意自己呼吸的速度、節奏、頻率。

那漸漸的，你會開始注意到，這看似很普通的呼吸，其實是可以調整自己的情緒。

打個比方喔！當你感覺到恐懼的時候，可能你會發現，自己的呼吸變得越來越快、越來越淺、越來越急促。

而這個時候呢，你可以有意識的放慢自己的呼吸，利用那種比較深而且緩慢的吸氣，你的心跳就能夠透過這個途徑，慢慢的放慢下來，進而讓自己的身體也跟著放鬆。

當你能夠越來越察覺自己呼吸的方法，你就能夠越來越掌握，自己每個當下的情緒。那麼無論在任何的困境，你都可以透過呼吸讓自己穩定下來，也穩住情緒，你這樣子才能夠好好面對所有的挑戰，並且想到解決問題的方法。

其實在我所開的課程裡面，尤其是像「CIA通達力」，這樣的結合個別指導的課程。第一門課，我就會教所有的學員，調整呼吸的方法，覺察自己的呼吸模式。
進而讓你能夠一步步的探索、發現自己的外在慣性和內在的信念，並且找到適合自己的調整，活出你自己想要的人生。

我很歡迎你可以把握這學習機會，這會是你改變人生的起點，相關的課程，在我們的影片說明裡面都有。

而接下來，我要跟你分享，第二個啟動「恢復力」的方法，那就是「走路」。

有研究告訴我們，在大自然裡短時間的散步，就可以顯著的降低焦慮感，讓我們保持正面的心情，甚至於還可以提升記憶力。

更有研究告訴我們，多和大自然的景色接觸。比如說，走在行道樹的步道上面、到河濱公園散步，就能夠帶給人幸福的感受，而且減低壓力感。

所以呢，當你遇到挫折，一直待在原地、原位，要自己好起來；還不如呢「好好呼吸」，然後「出去走一走」會來得更有效果。

第三個方法，叫做「關注自己的身心反應」。

我們忙亂的生活作息，經常會讓我們為了追求快速；所以呢，去吃一些方便但不健康的食物。那也會因為這樣子熬夜、忘記運動，或者是過度運動。

讓我們失去對自己身體的敏感度，然後放任自己的身體狀況走下坡，進一步的還影響到我們的情緒，造成精神上面的一個不安寧。

然而你有沒有發現，所有生命裡面的「不順」，幾乎在那同時，都跟你的身體出了一些狀況，會是同步、同時發生的？

所以如果你發現喔，自己已經忽略自己身體狀況一段時間了，我會非常建議你，開始從一些小地方調整自己的生活習慣、生活步調；我說喔這叫做「建立一些小習慣」。

哪怕只是每天做「五下深蹲」，這麼小的開始，你的潛意識都會收到一個正面的訊號，讓你開始感覺到自己的身體狀況；進而開始為自己的健康負責，而這樣子身心互動的正向循環就會開始。

所以說到這裡，你可能會想，到底要怎麼「建立小習慣」？那關於這方面的實際操作，在我的線上課程「時間駕訓班」裡面，有清楚具體的引導。

我們已經有很多朋友加入這門課，得到很大的幫助；我也在這邊歡迎你，一起加入、一起學習！

那麼接下來呢，啟動「恢復力」的第四個方法，那就是「相反邊的運動」。

什麼是「相反邊的運動」呢？簡單來說，就是去做一些，和你平常習慣相反的運動。

如果你平常的運動習慣是偏向比較「動態」的，像是跑步啊；那這個時候，你可以試著做瑜珈、打太極，這一類比較「靜」的活動。

那如果你原本的運動習慣就是「靜的、靜態的」，那我很建議你，你可以刻意的去打羽毛球、去游泳，這種比較「動態」的運動。

這樣刻意的操作，其實讓你在快跟慢這之間喔，好好的感受自己身體的變化，好好跟自己真正的在一起。

在此同時呢，也會因為運動模式的不同，你的大腦不同的區域也會得到適度的刺激，去產生更多的彈性跟創意。

更重要的是喔，在快跟慢之間，來回感受自己的「呼吸」、感受自己的肢體、感受自己當下的心情。它能夠讓你重新建立起對身體的敏感度，能夠更有效的調節生活步調和情緒。

最後呢，啟動「恢復力」的第五個方法，就是去「擁抱你愛的人」。

每個人在遭遇挫折的時候，往往會因為一時的失落，感覺到孤單、寂寞。那這個時候呢，你身邊有個愛你的、支持你的、願意對你展開雙手的人。

他就能夠讓你感覺到溫暖，讓你的身心都能夠得到充分的休息，重新聚集你的內在能量。

更重要的是喔，有研究告訴我們，「擁抱」會讓人心情愉快、舒解壓力，甚至於可以緩解疼痛。

擁抱的鎮痛效果，比嗎啡還要高出6.5倍。所以呢，能夠幫助人，更快的從挫敗裡面站起來。

我想這也是很多單身男女，會想方設法一定要交到男女朋友的原因之一喔。因為「被人擁抱」的感覺實在太棒了，彷彿回到母親的懷抱，讓人感覺到無比的安全。

其實說到這裡，人生難免會碰到一些低潮，但是呢有壓力、有失敗、有挫折，不必然就代表「結果」會很糟喔！

只要你能夠記得這五個方法：第一個「好好呼吸」、第二個「出去散步」、第三個「關心自己的身體健康」、第四個「刻意練習相反邊的運動」，最後一個，第五個「擁抱你愛的人」。

其實這五個方法，就可以幫助你啟動自己內在的「恢復力」，幫助你度過一切的難關。

其實圓滿的人生，不是奢求一帆風順，而是具備風雨過後的「恢復力」！

希望今天的分享，能夠帶給你一些啟發與幫助，我是凱宇。

如果你喜歡我製作的內容，請在影片裡按個喜歡，並訂閱我們的頻道，別忘了訂閱旁邊的小鈴鐺，按下去，這樣子你就不會錯過，我們所製作的內容。

然而如果你對於啟點文化的商品，或課程有興趣的話，我們在每一段影片的說明裡，都有相關的連結。

無論是我們的線上課程，還是實體課程，我都很期待，能夠跟你一起前進、一起學習，讓我們陪伴你圓滿自己的人生，謝謝你的收看，我們再會。