關於 模型擴孔 ，我們在網路上蒐集到這些相關的討論、資訊與評價

✨這個帥氣的背影是...➡️ https://bit.ly/數碼寶貝_戰鬥暴龍獸_增幅版_組裝模型
✨豐富的裂甲風，層次感十足

✨身上多處增加了3mm的孔軸和原創機構

✨保留原作設定並提供更多的擴充及可玩性，絕對不能錯過的優秀作品！

✨哥組的不是模型，是情懷➡️ https://bit.ly/3y2O2tx

-----------🌊🌊🌊-----------

✅08/23［ 00:00~23:59］
✨官網全站不限商品，結帳輸入代碼👉【EB1】👈即享現金積點3%回饋，還不快衝一波！
（原1%+會員日2%=3%現金積點回饋）

＃東海模型逢3會員日

-----------🌊🌊🌊-----------

⚠線上訂單客服因疫情關係採遠距離上班，暫停接聽辦公室電話，如有任何官網線上訂單需要協助的地方，請透過粉專私訊與我們聯絡，謝謝

-----------🌊🌊🌊-----------

🌊加入以獲得更多吃土機會👉 http://bit.ly/EHOBBYLINE官方帳號

🌊lG成癮者適用👉 http://bit.ly/東海模型官方_lG

🌊慎防詐騙！👉 http://bit.ly/看看反詐騙指南

🌊去找吧！我把現貨都放在那裡了！👉 http://bit.ly/開啟東海模型萬年門市導航

🌊門市同步預購/販售中，歡迎刷卡及使用國民旅遊卡免手續費

#成人師訓班 #共學 #家長 #老師 #提升國際觀

這兩天聽到一位媽咪說了一句話『 ＃我想要成為有影響力的人 』, 當下看到這則留言的時候, 很認真的回想誒我也曾經對我自己說過這句話。因為當初有這個想法植於心中, 默默地, 在很多事情尤其是教學的路上, 就會一直朝著這個方向前進...
.
這一年來Lara陸續接受過了幾次podcast的訪問, 都有問到為什麼會開始從事教育這一行。我的回答始終如一：為了小孩、為了找到自己。
.
為了小孩, 起心動念很單純, 因為我們的家人分散在世界不同的地方, 在俄羅斯的奶奶、在美國的阿嬤、在日本的姑婆、在中國(當時)工作的爸爸...把在世界各地的家人都連結在一起, 認識文化成了跟生活連結的開始～讓孩子從小就站在世界的高度看世界, 成了我的動機
.
為了自己, 曾經是事業心很重的外派人員, 工作到要生的前一天還是放不下...在過了兩個月的產假後毅然決然辭職當全職媽媽, 兩胎都親餵到三歲, 終於在尿布換到不見天日的三年後...忍不住想要填補心中的一塊空洞 - 自我....但是放不下孩子, 左思右想, 終於把自己的專長跟孩子的生活作結合, 開始了 #Lara的多語繪本世界英俄日德 的課程, 用不同的語言說故事給孩子聽、介紹世界文化。這是支持我自己的動力！
.
基於這兩個動機跟動力, Lara的教學始終如一的原則就是：
#每個學生都當成是我自己的小孩來教
.
每個班孩子們最愛的活動都是 #神秘袋抽動物 遊戲的橋段, 通常第一次摸到的家長們都會說, “老師～你這個動物模型很貴耶！” 然後我就會說：“媽咪很識貨喔～” 一整袋動物模型的成本應該已經是5,6 張小朋友跑不掉, 但是為什麼Lara會用這樣仿真的模型呢？因為, 我希望我的孩子對動物的第一次接觸就能盡量接近真實, 所以我選擇了完全按照等比例縮小、連腳底細節都不放過的英國MojoFun模型, 我只給學生我給自己孩子用到！
.
有跟我上過課的家長應該就知道我的風格, 我對於孩子們的每一個發問都很重視, 就跟我回答我們家小孩無數個為什麼的問題一樣, 無論他們的問題是什麼、無論答案是什麼, 都是真心的認可與引導, 從來不會去否定, 唯一會讓我肅起臉面來的就是尊重這件事。如果不尊重同學、爸媽或是自己 (好像在我的課堂上沒有學生表現出不尊重Lara老師的..XDD ) 就會被我嚴格的糾正, 但是正因為我把每個人都當成是自己的孩子, 所以沒有孩子會在這個過程中感到受傷(有的話...請告訴我！)反而會再一次又一次的經驗當中學習到如何與人相處。
.
我想當老師的, 很重要的一個特質就是 #OpenMinded , 不是表面上的, 而是真心能用開放性的態度去面對每一位孩子、每一位家長、每一件事情。要做到這個, #老師也需要被同等接受。Lara的家長們真的都很放手讓我去安排課程, 做不同的嘗試、甚至很常被我cue來當學生, 也都非常配合！這是一件何等重要的事啊～課堂上不只是學生應該被鼓勵, 老師這個角色也是很需要被鼓舞跟信任的！ 這樣才能有良性的循環, Lara很幸運, 每個班級甚至每一次的工作坊活動, 都能得到家長們的信任。
.
隨著孩子年齡的增長以及學生數量的增加, Lara的教學也找到了自己的定位。 尤其在這一年多來, 除了上述的起心動念外, 我開始有了一種使命感, 其實很單純的就是 #想要成為有影響力的人對世界有幫助
這句話聽起來有點教科書的制式化, 但是在教學的過程中, 每次見證到因為我們的一堂課, 就能種下一棵良善的種子在孩子的心中, 看到他們的發芽、成長, 那種感動與成就感, 每每成就了我的每一天。
.
#5歲就要懂的國際觀 真的不只是一句宣傳標語而已～當孩子們因為看到從海龜的鼻孔中抽出的吸管而落淚、這份保育的種子, 已經種下; 當孩子們聽到伊朗有女孩必須扮成男裝才能去看球賽, 最後卻被判刑而自焚, 男女平權概念已經開始發展; 當孩子們從繪本故事裡知道耶路撒冷這個千年古城卻在以巴衝突中爭吵不已的時候, 世界觀以逐步形成.....
.
#一個人的力量有限需要團隊的力量倍增
備課對我來說, 是一種享受, 因為它讓我對世界更貼近。上課對我來說, 是一種充電, 因為孩子們的反饋讓我元氣十足💪
我想把這樣的感動, 傳遞給即將或是正在從事教育的妳/你
我想把這樣的影響力, 無限擴充, 倍速擴散
.
❓誰適合參加 Lara的師訓班？
🎯線上老師, 有自己的專長科目, 但是想要擴充教學的廣度
🎯實習教師, 有教學經驗, 需要明確的方向與輔導
🎯共學家長, 認同Lara的教育理念, 想要自己跟孩子共學
.
師訓內容？
✅須參與Lara現有課程（一個月2～3堂）, 一方面能同步獲得知識內容, 二方面能實際觀察到學生的反應並且一起互動。
✅一個月一次的課綱討論, 針對備課的概念與方向模擬, 說明課程簡報背後的根據與理由
✅模擬課綱, 將自己的專業課程結合 #國際觀 的概念對其他同學做教學模擬, 互相討論精進
.
成為師訓學員的好處？
🎁加入教學群組, 成為我的同溫層！
🎁教學資源共享：Lara會將我看到有趣實用的國外教學資源分享給師訓學員;
🎁隨時線上協助：在準備課綱簡報的過程, 隨時都可以提問, Lara會針對個別學員的課綱引導跟討論, 功課做越多的學員, 得到的就越多！
🎁結業後可選擇成為Lara的種子老師團隊, 我幫你開課！
🎁或是也可以將教學應用在自己的專業領域上, 未來保持可能的合作模式。
.
Lara的師訓不會給一個教學模板或是技巧, 我希望能讓更多的孩子在不同的環境中, 都能得到更開放性的引導、讓道理取代規定、讓自由思緒取代一言堂～
.
📅師訓一期的時間為半年。第一期將於2021.8.17開課。
有興趣者請底下留言或是私訊粉專
.
**********
Lara之前在 #生活中培養國際觀 的講座中有提到, 日本的管理學大師大前研一給『國際觀』下的定義是：
.
#知道世界發生什麼事情, 並且對這些事情有提出自己觀點的能力。
要能提出觀點, 不是在高中或是大學畢業後一夜之間就能提出觀點的。需要從『觀察』、『認識』、『瞭解』、『思考』、『表達』, 一點一滴累積而來的。#提出觀點的能力就從現在開始！
.
＊＊＊＊＊＊＊＊＊
想跟我們一起培養提出觀點的能力？
***********************
#安心外包國際觀給LARA ✍️✍️
.
🔥成人師訓｜週三 ⏰21:00~22:30 線上zoom
💡5~8歲 ｜每週五 ⏰16:30~17:30 (芝山/線上zoom)
💡8~12歲｜隔週六 ⏰10:30~12:00 (行天宮/線上zoom)
💡8~成人｜隔週六 ⏰19:00~20:30 線上zoom
.
***********************
報名表格 👇👇
https://yeslara.com/2021報名表
********************************
✍️週六線上課介紹
https://yeslara.com/online2
🎯線上課精華_國際新聞篇
https://yeslara.com/202106_線上課_國際新聞篇

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

想像一下：
1️⃣你每天上課的學校中有一塊空地，雖然地板鋪上了草皮與石磚，但你依然覺得有些單調。
2️⃣於是你拿出手機，在下課時間製作了一個校長挖鼻孔的雕像(Minecraft)，然後放在空地中。
3️⃣登登！這樣以後每位同學經過，就會看到你的作品了！
　
這就是 Minecraft 即將推出的手機遊戲——《Minecraft Earth》的日常！
　
Mojang 在 今天五月中公布了 Minecraft Earth 的消息。它和 Pokemon Go 的 AR（擴增實境）玩法類似，都是可以在現實中映照出虛擬內容的遊戲。但不同的是，比起後者只是當作一個噱頭，Minecraft Earth 幾乎是將 AR 當作他們的主要遊戲方式！
　
期待可以和 Minecraft 同好們在現實中一起創作的那天發生！
　
✎你最想要在哪裡放上你的 Minecraft 作品呢？
記得 #留言 #分享 給大家吧！

—
你好！謝謝你觀賞了這支影片，希望它對你有幫助。如果你願意在留言區留下你的足跡，和我打聲招呼，說聲安安，我會非常開心的。

當然，我更希望你可以告訴我你不滿意的地方，或是你喜愛的橋段，這對我幫助很大，謝謝。

如果你真的很喜歡這部影片，歡迎按讚並分享給你的好友！
—
Instagram: http://bit.ly/Paper_IG
Facebook: http://bit.ly/Paper_FB
Discord: http://bit.ly/PaperDiscord
—
► 訂閱我的YouTube頻道吧：http://bit.ly/PAPERsubs
—
如果你想要聯絡我，歡迎透過信箱/Message聯繫。
E-mail: mlz85613@gmail.com
Message: http://bit.ly/Paper_私訊

【高雄・議會】第2屆第1次定期大會／社政部門質詢（04/07）

高閔琳議員針對社政部門提出以下質詢：

一、青年失業與青年就業問題
（一）台灣青年失業率？高雄青年失業率？高雄市青年失業人口？
（二）檢視勞工局：校園就業服務、青年培力計畫、青少年職場體驗營

面對高雄青年失業人口高居不下，因高雄整體產業結構配置以傳統製造業及重工業為主，市場提供的工作機會與青年人需求不符，要求勞工局需擴大舉辦校園就業服務計畫，包含103年三期青年培力計畫及青少年職場全能體驗營，但參與人數不如預期，閔琳建請勞工局檢討並增加推廣，並非單純以補助方式而是鼓勵親年學子參與相關計畫，方能學以致用無落差，致力於產業提升，創新工作機會並提供青少年失業對策，所學與職場需求銜接，提高青年就業率。

二、提高婦女勞參率
（一）婦女職訓計畫或政策措施？
（二）30歲以後女性勞參率急速下降原因為何？
（三）應克服女性就業障礙，協助婦女就業
（四）政策措施：新生兒與兒童照顧、二度就業媒合機制
（五）檢視社會局：數位婦女創業班、婦女經紀培力方案

社會局曾推動數位婦女創業班、婦女經濟培力方案，提升婦女數位能力，協助弱勢婦女創業，並鼓勵婦女關注公共事務為目標，現今社會30歲後的婦女參勞率偏低，源起女性肩負家務勞動與子女照顧責任，必須先解決育兒托老問題，婦女方能安心進入勞動市場就業，在此要求社會局提供更完善、經濟、高品質及便利的子女及其他（老人）家庭照顧服務，落實每區設置公共托育中心，提供更多托老機構之服務，並將資源使用在真正有需求的地方。

三、公共托育中心
（一）公共托育中心設置辦法
（二）高雄市未滿兩歲幼兒人數與需求？
（三）大岡山地區僅有岡山設置一處公共托育中心，容納50人

四、社會企業與社會創新

（一）優良案例：喜憨兒基金會（庇護工作站、烘培坊）、2021社會企業（甲仙「日光小林」）
（二）檢視社會局：大高雄青年圓夢基金、青年與社區共同參與計畫
（三）宣導提升高雄市既有企業提升「社會企業責任」創造共享價值
（四）在社會關懷公益服務、志願服務面引入「公益創投」
（五）針對未就業或有意創業的青年，認識「社會創新產業」

高雄城市發展過程中，許多年輕人願意做社會服務及志工服務，過去曾有相關計畫，如「大高雄青年圓夢基金」，支持青少年自己提案來發揮公共關懷公益精神；「青春作伴好還鄉」讓青年與社會共同餐與一些行動計畫，社會局應並非單純提供補助而是鼓勵親年學子參與相關計畫，使其自營其利，期許透過創新思維，發展出有規模並永續經營的社會模型，解決社會問題，宣導高雄市暨有企業提升「社會企業責任」，創造共享價值，並在社會關懷公益服務、志願服務面引入「公益創投」協助社會創新產業，以及幫助未就業或有意創業青年，認識社會創新產業。

五、性別主流化

（一）高雄市政府獲得金馨獎
（二）CEDAW 消除對婦女一切形式歧視公約
（三）性別主流化政策應採更進步的「多元性別」觀點

高雄為進步宜居城市，在聯合國「消除對婦女一切形式歧視公約」（CEDAW）之下，市府對性別主流化一直著重在婦女權益部分，應對「多元性別」有更明確政策措施，除提倡婦權及兩性平等，應更重視多元性別平權，包括同志人權及跨性別人權。