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

JEI YUNI 小朋友人造絲枕頭
-
有國民枕頭之稱，流動率高，有的庫存剩個位數，需要的手腳真的要快唷~~
韓國媽媽們的團購商品，也能送禮，幼稚園枕頭等等~~評價也不錯~
-
✅一個只要390元。***韓國製造
尺寸40*26公分 高6公分
1~7歲使用，也可當大人辦公室用品午覺枕
-
正面100%人造絲+背面3D網狀設計+100%抗菌水滴狀棉花
人造絲材質有柔軟絲滑觸感，以及涼感，非常適合夏天炎熱的天氣~
人造絲是由天然纖維素製成的再生纖維，帶有棉的舒適透氣以及絲質的光澤。.
3D網狀設計 有卓越的的透氣/通風機能及柔軟的氣墊觸感
-
有5種圖案可以選~~
02花草
03小恐龍
05大恐龍
07魚
10企鵝
-
👉下單方式：可擇一下單 （勿留言 留言容易漏 ）
📌可點下方MYMY連結到系統下單（填入正確的EMAIL信箱 對完帳 出貨系統都會發出通知，留意七日內未付款的失效單通知 狐狸媽都會去還原，貨到時會私訊或留言提醒匯款，但還是麻煩大家儘量在七日內匯）
下單連結：
https://foxmommy.mymy.tw/item-show.html?&id=1183171
（自行系統下單後有問題時也儘量利用粉絲團私訊哦 以便即時處理^^訂單留言也很久才會去檢查）
-
📌LINE（@foxmommy) 或私訊下單，粉絲團連結如下 點傳送訊息 下單^^
（不要留言 留言易漏）
https://www.facebook.com/buyinkorea/
👉考慮好確認好再下單！下單勿取消！勿改尺吋！棄單公告大名！
👉不接受因單一商品缺貨 取消整筆訂單，若缺一要取消全部 訂單，下單時請預先告知～
👉因多次運送外盒有可能會壓到 若不影響內容物 無法退換 同意後再下單 尤其注意廠商外盒封條很容易因壓到外盒而裂開 但絕不會是故意割開 內容物也不會動過（如果有必要割開檢查的都會告知）鞋子類不一定有外盒 一定要外盒的請下單前詢問
👉付款方式：ATM，無摺或台灣PAY 沒有到付 沒有刷卡
📍付完款務必到系統回填或私訊/LINE告知匯款資料
👉運費說明：運費固定收 65 多不退少不補，五件商品免運（一組算一件），一個月內的單都可合併寄出（外島運費請詢問）
👉預購商品約 10-14天到台灣( 實際以廠商出貨為主 願等再下單哦 急要勿下單 ）
👉商品收到後請仔細檢查 有問題請於三日內反應 逾期不受理囉～

🔥每週遊戲新聞觀察-2021.05.W5
　
上週遊戲新聞觀察分享如下，
挑出以下4則新聞：
　　
📺《靚瞎眼，莉莉絲新遊戲是款“賽博朋克3D卡牌”！》
📺《觀察 | 首日參與超20萬，網易遊戲是如何搭建玩家回饋生態？》
📺《橘子集團成立全新平台「文學星」、「漫畫星」進軍網路文學與漫畫市場》
📺《向玩家撒幣300萬！《三國志·戰略版》怎麽反攻日本市場的？》
　
====
　
📺《靚瞎眼，莉莉絲新遊戲是款“賽博朋克3D卡牌”！》
https://bit.ly/3yIB065
　
去年《赛博朋克2077》討論度非常高，
遊戲也帶給玩家對於未來世界中科技的幻想感與秩序的崩壞感，
《劍與遠征》的開發商莉莉絲日前也在測試一款名為《Dislyte》的新遊戲，
其遊戲風格正是使用赛博朋克元素，
文章內有許多遊戲畫面與角色，
目前海外測試的評價也頗高，
我個人也相當期待！
　
📺《觀察 | 首日參與超20萬，網易遊戲是如何搭建玩家回饋生態？》
https://bit.ly/2RaUMWY
　
網易推出了一款APP叫做「遊戲會員俱樂部」，
近日在「遊戲會員俱樂部」內聯合旗下多款遊戲推出“遊戲同行回饋”活動。
　
活動期間，玩家每日遊戲在線30分鐘、完成首充、續費月卡、購買十連抽、購買時裝等，
都能前往網易遊戲會員俱樂部領取現金紅包、遊戲周邊、數碼潮品、生活好物等福利。
　
“遊戲同行回饋”打動玩家的核心在於，
玩家只需把時間與金錢投入在遊戲本身，
即可根據投入比重收獲福利回饋。
　
網易此舉的做法是將分散在各遊戲玩家，
將其納入同一個app中，
未來在分發導流上將更方便。
　
📺《橘子集團成立全新平台「文學星」、「漫畫星」進軍網路文學與漫畫市場》
https://bit.ly/3fwkRZI
　
這篇文章跟上一篇可以做個呼應，
其實遊戲橘子很早就有平台意識，
做了beanfun!這個平台將旗下所有玩家都納入此平台中，
而在近年移動化市場蓬勃發展下，
更是開發了《beanfun! APP》企圖將玩家從電腦轉移至移動裝置。
　
《beanfun! APP》從最早的帳號防盜功能，
開始與各遊戲合作，以虛寶吸引玩家下載，
到後來整合了購點、換物、聊天、電商、第三方支付，
現在又加入了漫畫、小說、新聞等內容。
　
可以看出遊戲橘子除了要提高既有會員黏著度外，
更希望透過不同內容吸引不同族群用戶下載，
再透過上述不同的服務達到引流變流的目的。
　
但想把每項服務都做得好，
前期燒錢是絕對免不了的，
後續就看此APP如何發展了。
　
📺《向玩家撒幣300萬！《三國志·戰略版》怎麽反攻日本市場的？》
https://bit.ly/3oPs1eD
　
《三國志·戰略版》於5/19日於日本上線，
我覺得這篇文章《三國志·戰略版》在日本上市的操作講的簡單又清楚，
我們來看看總共有哪些：
　
1.請代言人：請在《麒麟來了》中飾演主角明智光秀的長谷川博己，對歷史愛好者們是一種很好的帶動
　
2.產品特點宣傳上著重「公平對戰」、「真實地形」、「即時戰鬥」、「豐富編隊」、「巔峰對決」五點，我認為這五點每一點都可以單獨製作曝光素材，這樣有甚麼好處？
(1)對外來說，一次只對玩家溝通一個重點，在素材文案上更精準，方便玩家快速掌握訊息
(2)對內來說，拆解成五個重點後，就能在數位投放上做到更精確的分析。例如打出去後，發現主打「公平對戰」在點擊、下載、CPI、ROAS等表現更加，如此就能夠針對此系列素材加強行銷投放預算，以提高轉換率。
(每個素材不見得在點擊、下載、CPI、ROAS都很好，可能各有優缺點，怎麼判斷好壞視投放目的與營銷人員的分析與判斷)
　
3.由於《三國志·戰略版》已經在其他國家有優秀成績了，打出了全球下載量超過五千萬的口號也是吸引玩家下載的賣點之一，利用「從眾行為」來吸引下載。
　
4.使用實體獎勵來吸引玩家追蹤官方社群，《三國志·戰略版》官方推特发起抽獎，關注並轉发官方推特，就有機會獲得iPhone 12或亞馬遜購物券。
　
雖然只是有機會，但由於獎項足夠豐富的關係，以「低門檻、高報酬」成功幫助官方社群收集流量，未來只要持續且用心經營官方社群，就有機會達到鞏固忠誠玩家、接觸流失玩家與提高產品曝光之效。
　
5.開服就針對國戰舉辦高額獎金活動，對於每個伺服器完成“霸業·第一賽季”成就的聯盟盟主，獎勵10萬日元。而對於個人，共設置10個獎項，單人最高有機會獨享價值2000萬日圓。
　
以上就是《三國志·戰略版》在日本上市的操作，
另外文章也有分享為什麼大家都愛三國題材，
以及日本人看三國的角度差異(視曹操為曠世之英傑、呂布為無雙之猛將)等等，
都還蠻有趣的，
推薦大家有空可以閱讀一下。
　
以上就是本週的遊戲新聞觀察，下週見！
　
#文章同步部落格

HTC在5月16日發表「U11」旗艦新機，延續 U Ultra、U Play 「3D 曲面水漾玻璃」，結合金屬中框以及正面3D玻璃。螢幕則搭載5.5吋的2K解析度SLCD5，前後鏡頭分別採用1200萬畫素、1600萬畫素，主鏡頭使用上最新的UltraPixel 3，並加入UltraSpeed AF、HDR Boost技術，也讓 U11 獲得專業媒體「DxOMark」，90分的評價，同時也是目前所有智慧型手機的最高分。除了OIS光學防手震，錄影也加入EIS數位防震。另外使用上四個指向性麥克風，能夠收到360度全方位的聲音，如果想要錄製主體的聲音，可利用「Acoustic Focus」技術，讓主體聲音更清楚。主要硬體則內建高通S835八核心處理器。4GB RAM/64GB ROM 空機建議售價為NT$19,900元，6GB RAM/128GB ROM為NT$ 21,900元。共有五種顏色可選，包含亮麗黑、寶石藍、冰雪白、豔陽紅，以及炫藍銀。

【最新消息】
05/18：U11正面使用3D玻璃非2.5D，另外HTC 10的記憶體使用 LPDDR4（更正）

【預購資訊】
NT$19,900（4GB/64GB）、NT$21,900（6GB/128GB），今日起至 25 日將於 HTC 網路商店舉辦預購活動，26 日至 31 日 HTC 網路商店與專賣店同步搶先開賣，6/1 起除亞太電信外的四大電信業者門市都會開始販售。 另外，HTC 專賣店也推出購買 U11 的加碼優惠，5/26 - 5/31 持任一 HTC 舊款商品或秀出手機內 HTC VIP App 會員至專賣店購買 HTC U11，可以 2 折優惠價購買 HTC 原廠 QC3.0 Type C 旅充（原價 1,190 元，特價 238 元），及 10050 mAh 行動電源（原價 2,390 元，特價 478 元），並能以 999 元購買 U Care，以及享有兩年保固、HTC VIP 專屬好禮、配件九折等優惠。亮麗黑、寶石藍、冰雪白、炫藍銀會率先開賣，豔陽紅則要等到六月。

-------------------------------------------------------------------------

主題：超炫擠壓功能！HTC U11美型玻璃旗艦
資料來源：HTC
製作者：小翔 XIANG

【個人專區】
臉書專頁：https://www.facebook.com/Xiangblog/
Blog：http://xianglin0222.pixnet.net/blog
Twitter：https://twitter.com/xianglin0222
Instagram：https://www.instagram.com/xianglin0222/
E-mail：xianglin0222@gmail.com

-------------------------------------------------------------------------

【精選影片】

《4K螢幕回歸！Sony 發表 Xperia XZs、Xperia XZ Premium》
https://youtu.be/NQABFgREBqM

《4000mAh大電池！HTC 中階金屬機 ONE X10》
https://youtu.be/rJwKemlKt2U

《大螢幕小機身！SAMSUNG 旗艦雙機 Galaxy S8、S8+》
https://youtu.be/1O30FOQ0dQg

《單手也好掌控！大螢幕手機 LG G6 正式登台》
https://youtu.be/Y6yIy2pdzy0

-------------------------------------------------------------------------

【HTC U11】詳細規格：

◎外觀
尺寸：153.9 x 75.9 x 7.9 mm
重量：169g
材質：鋁合金邊框、玻璃背蓋
顏色：亮麗黑、寶石藍、冰雪白、豔陽紅、炫藍銀

◎螢幕
尺寸：5.5吋
材質：Super LCD5
解析度：2560 x 1440p（534ppi）
技術：500 nits、NTSC 92% 廣色域、鮮豔模式、標準模式
玻璃：3D康寧大猩猩玻璃（第五代）
多點觸碰：支援

◎硬體
作業系統：Android 7.1 + HTC Sense UI + Edge Sense
處理器名稱：Qualcomm Snapdragon 835
CPU：八核心（4x2.45 GHz Kryo + 4x1.9 GHz Kryo）
GPU：Adreno 540
記憶體：4/6GB RAM（LPDDR4）
儲存空間：64/128GB ROM（UFS 2.1）
記憶卡：支援（最大擴充容量2TB）
電池：3000mAh（固定式）支援QC 3.0快充

◎主相機
畫素：1,200萬
光圈：f/1.7
技術：UltraPixel 3、等效焦距26mm、IMX362、1/2.55″感光元件、單像素尺寸1.4μm、UltraSpeed AF、HDR Boost、EIS數位防手震、OIS光學防手震、雙色溫閃光燈、自拍計時器最長10秒、臉部偵測、Pro手動模式、支援手動控制、32 秒長時間曝光和 RAW 格式、全景、高動態縮時攝影、支援 3D Audio、高解析音效、Acoustic Focus 聽覺焦點、動態拍照。

錄影：4K、慢動作影片1080P@120 fps


◎前相機：1600萬畫素
光圈：f/2.0
技術：等效焦距28mm、IMX351、1/3.1″感光元件、單像素尺寸1μm、HDR Boost、美顏模式、自動自拍、聲控自拍、自拍計時器最長10秒、150度全景自拍。
錄影：Full HD 1080P

◎通訊
SIM卡：nanoSIM（雙卡雙待、4G+3G、3選2）
通訊網路：2G GSM 四頻、3G WCDMA 850 + 900 +2100、台灣4G全頻。
LTE等級：Cat.15（下載800 Mbps、上傳75 Mbps）
載波聚合：4CA
VoLTE：有

◎連結
連接埠：USB Type-C 3.1
Wi-Fi：802.11 a/b/g/n/ac、Wi-Fi Direct、DLNA、熱點、雙通道
藍牙：v4.2、A2DP、LE
GPS：GPS、A-GPS、GLONASS、BDS
其他：NFC、OTG、Chromecast、DLNA、AirPlay、Miracast、Wi-Fi Direct…

◎音訊
技術：HTC BoomSond、HTC Usonic主動除噪,、Hi-Res Audio、3D音效錄製
格式：mp3、mp4、3gp、wma、ogg、amr、aac、flac、wav、midi、ra…
3.5耳機孔：無
雙喇叭：有
FM收音機：無

◎感應器
環境光感測器、趨近感應器、加速度感測器、數位羅盤、陀螺儀、磁力感測器、指紋感應器、感測器中樞、側框感應器。

◎其他
指紋辨識：有
防水防塵：IP67（可在水深一公尺浸泡30分鐘）
個人智慧助理：HTC Sense Companion、Amazon Alexa、Google Assistant

◎資訊
售價：NT$19,900（4GB/64GB）、NT$21,900（6GB/128GB）
上市：2017/05/26

◎以上資訊僅供參考，想了解更多請前往
官方網站：https://goo.gl/EjcQnl
網路頻段查詢：

-------------------------------------------------------------------------
＃HTCU11 #U11 #宏達電U11 #HTC旗艦機 #HTC手機 #宏達電手機 #HTC智慧型手機 #HTC雙卡手機 #小翔XIANG