【耶S看GP】英國站賽前快報：

FP - 3
1. 【1'59.288】Jack Miller
2. 【1'59.386】Aleix Espagaro
3. 【1'59.396】Jorge Martin

FP3 - 摔車
LowSide Jake Dixon
LowSide Alex Rins...(最後四分鐘摔掉Q2圈)
LowSide Pol Espargaro

FP3從昨天的三位車手騎進1.59，目前共有11位車手皆在1'59秒區間！世冠積分領先車手Fabio Quartararo罕見的掉出前三。昨天摔車後~今天還是掰咖掰咖的。
※Marc Marquez昨天在FP1高速LowSide後，受到捲起的砂石飛入眼睛，讓他原本FP1的良好狀態下滑，由於砂石造成眼睛不適，火星人在當下設法清除眼內砂石，導致眼睛有輕微受傷，整個FP2一直流眼淚。FP2只能排在第五。昨天自由練習結束後取消媒體訪問，已至醫院接受治療、清洗眼內沙子。
Aprilia的Lorenzo Savadori這場臨時被叫下去休息，原因是由於先前在Red Bull Ring追撞受傷，這個右腳踝在昨天跑完後看似尚未復原，雖然說昨天都墊底不意外，但是秒差差了+5.821秒差距實在太大，目前Aprilia預計讓他在亞拉岡站回歸。

FP - 4
1. 【2'00.002】Fabio Quartararo
2. 【2'00.253】Pol Espagaro
3. 【2'00.301】Francesco Bagnaia

本次FP4共有12位車手秒差皆在1秒內，在這條單圈時間將近2分鐘的Silver Stone賽道來說，這個秒差人數已經相當激烈！其中包刮昨天看不見，今天看得見的Marc Marquez(排在第四)、摔掉Q2圈的Alex Rins(排在第5)、迴光返照的Valentino Rossi(排在第8)，

Q1 - 出線
1. 【1'59.288】Johann Zarco (絕殺出線)
2. 【1'59.509】Alex Rins

前Moto2世界冠軍菜鳥車手Enea Bastianini，最後兩分鐘HighSide摔掉晉級機會。

Q2 - (我們用驚嘆號帶過)
1. 【1'58.889】Pol Espargaro ！！！！！！！！！
GP生涯第三桿，本田本賽季第一桿。
2. 【1'58.911】Francesco Bagnaia！！！
3. 【1'58.925】Fabio Quartararo！
----(三位跑進1'58)----
4. 【1'59.074】Jorge Martin！！！！！
5. 【1'59.086】Marc Marquez
6. 【1'59.273】Aleix Espargaro！！
7. 【1'59.368】Jack Miller
8. 【1'59.531】Valentino Rossi！！！！
9. 【1'59.579】Johann Zarco
10.【1'59.639】Alex Rins
11.【1'59.763】Joan Mir
12.【1'59.977】Brad Binder

2019英國站簡介：
賽道全長5.9km/ 左彎-8 右彎-10
賽道寬度15m/ 最長直線770m
單圈紀錄保持人【1'58.168】Marc Marquez
過去六年裡出現6位不同的分站冠軍車手

【8/29 19:00 線上直播討論區】YouTube：耶S哥哥

歡迎支持賣貼紙的小男孩：https://shopee.tw/product/120745951/11226336592/

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

今天再重聽電影Amadeus(阿瑪迪斯)的原聲帶, 這個電影真的是有史以來我最喜歡的電影之一, 編劇真的很厲害, 從一個妒忌莫札特才華的作曲家Salieri的眼裡, 刻畫這個上帝選中的天才, 裡面所有的音樂都膾炙人口, 我打算哪一天找來給孩子們看! 最喜歡裡面Salieri第一次視譜莫札特的Serenade For Winds第三樂章, 他形容莫札特音樂的方式, 哇! 真的是讓我充滿了感動, 你們必須自己看: https://www.youtube.com/watch?v=nDxrf5UdyWU

***************

新文: 劇透來了 + Max Mara 101801大衣好價(有小碼) + 我想買的洋裝跟我已經買的洋裝 + 折扣總整理 + Cosabella睡衣 + Sarah Chapman七二折推薦
https://vegesoup.blogspot.com/2021/07/7182021.html

新文: Everlan超便宜簡直免費(真的無敵便宜要看一下!)
https://vegesoup.blogspot.com/2021/07/7172021.html

***************

🥦 菜湯Line社群 https://bit.ly/2UWIfIg 記得"開啟通知"!
📸 菜湯的IG https://www.instagram.com/vegesoupblog/
🚩 菜湯的telegram頻道: https://telegram.me/vegesoup
🚩 菜湯APP: https://summitloop.net/help_tw.html

***************

💥💥💥 劇透: (台灣星期一晚上十點) https://bit.ly/2YTp5UJ 這個網站 即將會有"不用湊單"的全站折扣! 這次除了亞洲, 連歐洲澳洲紐西蘭等等也都可以打折~~

✔ https://bit.ly/3uRAUXY Comme des Garçons Play (款式多尺碼齊一定要看)

✔ https://bit.ly/3ik604L (不少女網友買這款男生的HOMME PLISSE自穿喔! 腰部是有綁帶的)

✔ https://bit.ly/3wKHnne (男款的HOMME PLISSE褲子 女生也可以穿)

✔ https://bit.ly/3xOCCKG (這種褲子的形狀 還滿時髦呢!)

****************

(折扣即將結束)

https://tidd.ly/3yOQEMd Look Fantastic台灣這一區單品購物車85折又額外八五折碼: THANK 相當於七二折

https://tidd.ly/3i8UdpN 購物車自動八五折 還可以疊上八折碼: THANK 相當於六八折! 裡面有AMELIORATE, Grow Gorgeous, Christophe Robin等等品牌

https://tidd.ly/3wOWUlZ (Sarah Chapman Skinesis 肌膚更新療程 這組是10天為一期的護膚療程, 裡面是濃縮的維生素A及透明質酸, 持久保濕, 減少細紋, 肌膚緊實有光澤)

https://tidd.ly/2URBNlB (Sarah Chapman Skinesis 睡眠面部營養補充組合 這組是睡前吃的營養膠囊, 有放鬆及補充需26種微量營養素等, 提高睡眠品質, 由內而外改善肌膚狀態)

**************

https://bit.ly/3koh838 (Alexander Wang的水鑽手提包 shopbop在中國上週熱銷單品 實際上這個包自從上市以來就一直是大家很愛的包啊)
https://bit.ly/3hDWuuh (韓國上週暢銷的這個迷你復古提把氣球包, 附肩背帶)

**************

https://bit.ly/2QdT9az (這件toteme洋裝真的很好看, 所有地方都缺貨的! 我在小紅書上看到這照片真的驚為天人! 太好看了比model好看一千倍了! 那位小紅薯也一直稱讚這個洋裝穿起來好像奧黛麗赫本一樣優雅!)

https://bit.ly/3tfa75L (我自己買的是灰色版本, 實品布料有一種很高級的光澤, 我穿34剛好, 布料相當清爽不厚重, 夏天穿舒服極了, 肩帶也可以變成露肩)

PS https://bit.ly/36qp1gi SAKS這裡灰色還有尺碼

*************

https://bit.ly/3ytQslF GUMBALL PEARL RING (紐約珠寶品牌Catbird的大珍珠戒指 上面的珍珠可以轉動喔 就像是Gunball糖果一樣圓滾滾的!)

「哇嘎哩就親像是蚵仔麵線」
俗女養成記的時候就很喜歡小民寫的「一人一半」
這次也是跟劇很搭的插曲🤩
只是我們還在爭論…，兩個人都想當麵線，不想當蚵仔🤣🤣🤣

*本Cover有採譜
主要紀錄完整前奏/尾奏tab、和弦簡譜
有興趣的朋友可以照以下方法領取唷:)

＊領取吉他譜辦法：
Step1. 訂閱頻道並追蹤IG @shinghe0807
Step2. IG 限時動態分享此影片貼文(會同步發在IG貼文)
Step3. IG私訊領取吉他譜:)

然後也很久沒拍MV了
有沒有很想念👻
順便秀一下 Gastonluga 送我的生日禮物🥰
我近期的愛包～超耐裝、好背又好搭
之後再來跟大家分享不專業出遊穿搭哈哈哈

最後附上他們近期的七夕限時優惠～
使用我的折扣碼：shinghe0807
可享八五折優惠，凡購買任一款背包，還可獲得可折疊環保袋一個+多功能收納包一個！
網站：https://gastonluga.com/tw/（全球免運，免費退換）

也別忘了週三晚上9:30會有新的作品發佈！
歡迎追蹤、訂閱、分享～

謝謝你們的收看和訂閱
那我們就下支影片再見啦👋🏻👋🏻👋🏻大家晚安☺️

►陳星合Instagram - shinghe0807

#俗女養成記2 #蚵仔麵線 #琳誼 #cover
#anywherewithGL #GastonLuga #walkwithGL

你有看到這支影片表示我這個禮拜在這公寓剪完，還活著
我都很小心我鬼的室友會聽到所以都戴著耳機剪 哈哈
你有撞鬼的經歷嗎？發生了什麼事呢？

*Remember to hit CC to turn on English subtitles!* ❤️

0:00 片頭 / intro
1:09 戒指被偷走 / ring goes missing
2:35 耳環不見了 / earring goes missing
3:40 夾子不見了 / clip goes missing
4:33 走到我頭旁邊 / walking right up to me
6:11 爬上我的床親我 / getting in bed and kissing my cheek
7:00 求幫忙 / call for help
8:23 樓梯上蹲著一個小孩 / child squatting above my staircase
9:58 底線在哪裡？ / Has this crossed the line?

If you're watching this video it means that I was successful in editing this video @ my apartment this week. I was really careful not to let my ghostly roommates hear any of it, so I wore headphones the whole time while editing. lol
Have you ever encountered the paranormal? What happened?

#鬼故事 #鬼月 #靈異故事

--------------------------------------
⭐合作信箱聯繫➔tristan@capsuleinc.cc⭐

--------------------------------------
每週三更新影片 New videos every Wednesday!

更多影片：
🔍️【TOPICS💡 一起坐下談】
https://bit.ly/3nJ76t4

🔍️【VLOGS！✈️ 生活跟我玩】
https://bit.ly/3vCt5Vj

🔍️【MUSIC ♫ 音樂館 ♬】
https://bit.ly/3aYSRLK

-----------------------------------
【崔璀璨 Tristan H.】
YouTube頻道➔ http://www.youtube.com/yakitorisutan
Facebook粉專➔ https://www.facebook.com/yakitorisutan
Instagram主頁➔ https://www.instagram.com/yakitorisutan

【抽獎活動截止囉！】
🎉抽獎文！20萬訂閱特別抽獎活動🎁

【活動辦法】

①在這則影片下方留言告訴我，你是如何認識SallyQ的。
②並留下你的IG帳號。
－舉例：『我是從YouTube影片開始認識SallyQ的。IG：Sallyq989』

③訂閱SallyQ的YouTube頻道，並且追蹤SallyQ的IG帳號：Sallyq989。


【獎品清單】

❶ 葡萄牙Orgie 蜜荳極樂精華 x1 (市價$999) *男女皆可用🙋‍♂️🙋‍♀️

❷ 德國Satisfyer One Ring 電動精力環 x1 (市價$1050) *男女可用🙋‍♂️🙋‍♀️

❸ 德國Satisfyer Triangle陰蒂吸吮器 x1 (市價$1788) *女用🙋‍♀️


【小提醒】
※務必遵照每項活動辦法，否則取消資格。
※活動截止時間為2021/08/15 (日) 23:59，預計抽出3位。
※中獎資訊會在活動截止隔日，以IG限時動態形式公佈。
※中獎者請於公佈中獎日起，三日內回覆收件資訊＆訂閱截圖證明。
※獎項寄送僅限台灣地區，未滿18歲謝絕參與活動。
※重複留言者，還是只有一次中獎機會。
※SallyQ保有隨時修改及終止本活動之權利。

----------------------------------------
0:00 開場
0:45 Q&A
4:25 問答沒跟上怎麼辦?
4:41 抽獎!!
----------------------------------------

《SallyQ人氣影片》
♥SallyQ【教妳如何自慰】
https://reurl.cc/RzlRe

♥SallyQ【超好用的指愛技巧大公開，挖到對方心坎裡！】
https://reurl.cc/Gk9xZv


《關於SallyQ》
鋼琴教師、作家、曾是情趣用品部落客
情趣用品店掌櫃。也曾為日本AV編劇。


《掌握更多SallyQ的資訊》
SallyQ 【Instagram】: https://www.instagram.com/sallyq989/
SallyQ 【官方FB粉專】: https://www.facebook.com/IamSallyQueen/
SallyQ 【個人FB粉專】: https://www.facebook.com/RealSallyQ/
SallyQ 【Twitter】 ： https://twitter.com/iamsallyq
SallyQ 【微博】 ： https://www.weibo.com/iamsallyq