關於 餘 命 十年 評價 ，我們在網路上蒐集到這些相關的討論、資訊與評價

大家好，我HBK。終於又來到我分享遊玩《NBA 2K22》心得的時候了！

圖片這五位球員是這一代我 #最愛用與覺得最OP的幾個，大家也能分享一下有哪些球員好用？#只能說我對瓜瓜是真愛🍈，狂練起他來！

-

很多人在私訊問我玩的感想是怎樣？所以我就在這做簡單的分享，把自己這幾天的遊戲體驗告訴大家，雖無法與一些專業玩家相比，但做為每一代都有玩的老玩家，我想大家還是能參考一下。

而我主要實測的是【#PS5的次世代版本】，至於【PS4的本世代】我也有稍微跑一下，也想告訴大家一點心得，那本世代就放在最後面再簡短跟大家說，基本仍是兩款不同的遊戲。

不得不說次世代的《NBA 2K22》在遊戲性上又超越了上一代！在整體流暢性又更勝以往，不管是比賽的細節還是My CAREER都與2K21有著很大的改變，就分成【進攻方面】、【防守方面】與【MC模式】與【推薦球星】這四方面去跟大家討論(MT我只玩一下而已)。

-

🔲🔲進攻方面🔲🔲

🏀投籃條變化與流暢度

2K22這次在投籃條做了很大的改變，從以往的橫條變成直立的模式，剛開始可能會不習慣，但玩了一陣子後會發現這能讓投射上更為上手，可以 #更貼近球員實際的跳投節奏(由下往上)，只要肯花時間去抓球員投籃的出手速度與高點，就連字母哥都能夠連續投進三分(但主要得空檔機會)。

整體投籃的流暢度與銜接動作應該是這幾年我覺得最好的，就從急停中距離跳投、背框後仰投射用起來都比以往自然，對於 #喜歡秀中投兩分球，不愛只投三分或禁區突破的玩家而言體感是很棒的，我自己就是屬於這派別的。

-

🏀花式隔扣灌籃條與空拋進攻的按鈕

然後這次在花式隔扣灌籃上還必須要抓準時機放掉圓條才扣得進(一般灌籃不用)，就連空拋進攻也要適時按鈕才會進，我覺得我喜歡這樣的改動，雖需要時間適應，但 #讓進球更有參與感，玩起來更需要點技術與專注力。

-

🏀突破難度提升與運球達人時代

這次與2K21很不同的是，在突破切入上變得難上許多，想透過擋拆就輕易過人已不容易，就連LBJ與字母哥這種坦克怪物都不是說輾就輾，因此 #對於運球技術很棒，很有節奏的玩家就特別有利與吃香，在這一塊就能看出實力的分水嶺。

且這次2K22假使運球很犀利，連招有使出來的話，防守者還會有被 #晃到快跌倒而陷入木頭人的狀況，這畫面看得真的只能用超爽來形容，尤其這一代想輕鬆直搗黃龍攻擊籃框又不是很容易的情況下顯得更有成就感。

-

🏀講求製造空間的機會與能力

2K22我覺得投籃變得更為流暢有感，但假使前面有防守者干擾要進球也不是很容易，不過只要能夠 #製造空檔機會要進球是很容易的，這差距很明顯！因此只要能夠耐心導球尋找機會，基本上要投進外線不是難事。

但這就很講求綜觀大局與適時出球的操作，同時也讓一些Playmaker球員的重要性提升(傳球準確度要好)，而禁區假使能有強點也可以呈現出inside out的優勢，尤其這一代電腦AI防守判斷很快很常執行包夾，就能馬上轉換外圍攻勢去轟炸對手。

我自己有玩好幾場七六人，Joel Embiid很容易會被包夾招待，而此時像Ben Simmons沒有外線就會變得比以往更難打，真的在遊戲中也能體驗到團隊進攻會受到影響。

-

🔲🔲防守方面🔲🔲

🏀火鍋店開張了

如果你玩2K像我一樣更熱衷在防守這一塊，特別喜愛賞對手大鍋帽的快感，那2K22能夠滿足你這方面的需求，因為在 #干擾投籃與蓋帽系統都得到提升，這一代球員防守能力的好壞會給你很大的落差感，能說是 #防守悍將崛起的時代，防守勳章的多寡是能改變戰局的。

在防守身體的碰撞與封蓋機制上都感到更加優化，從擋拆的小動作、突破後的身體碰撞都越來越給人拳拳到肉的感受！且這次體毛哨目前玩下來覺得有變少，想輕鬆闖入對手禁區大門內的難度提升很多，假使對方有門神坐鎮，那更要有被賞鍋的覺悟。

這樣的機制讓我玩得挺爽快的，當初我會很喜歡2K2就是享受Dikembe Mutombo轟鍋的快感再搭配當時我最愛的Allen Iverson。雖然2K22沒二十年前鍋子那麼好送，但這次也讓我有 #重溫一點開火鍋店的感覺了。

-

🏀電腦AI的提升

這次2K22還有一個讓我很有感的是電腦AI不管在 #進攻或防守都變得更聰明且有章法。假使我們玩家做為防守方，還真不能不盯好自己要跟防的對象，電腦都會快狠準的傳給有空檔機會的球員，而前面有提到，只要一不留神空檔一放就很容易被對方投進，即使職業或全明星等級的電腦也都不能讓人在防守端偷懶不跟。

而在針對擋拆後的空拋或者是順下攻勢的防守，電腦這次也比以往判斷還精準迅速，如果你是常常會跟電腦過招的玩家，我認為2K22在挑戰難度上得到了提升，這次假使想贏名人堂就更必須打得更有耐心與專注，且還得有精湛的操作才行。

-

🔲🔲MC模式與MT模式🔲🔲

🏀MC宛如開放世界的RPG

My CAREER無疑是次世代2K22的重頭戲！

今年的MC比往年自由度更高上許多，一開始就能在「籃球之城」趴趴走，即使不去管要繼續升學去NCAA還是去G League挑戰都沒關係，一開始你就能專注在稱霸街頭這目標。

且今年MC越來越像是 #開放式的RPG遊戲一樣，能在地圖上接許多任務，譬如一開始就能遇到LaVine給予任務去藉此提升等級、VC幣或是勳章點數等等能讓自己變強的東西，只要肯花時間解任務，都能慢慢打造角色能力與外觀，在整體玩家與玩家互動上變得更加迷人。

-

像我自己也仍在摸索，有課了一點錢想衝起一支角色，但現在還在猶豫要玩什麼位置，很想創一支類似Kobe的搖擺人，但又很想玩禁區防守悍將，如Ben Wallace的火鍋專賣家，又或者像是Dončić這樣節奏型的攻擊組織手，真的超難抉擇....

總之這次MC模式會讓人 #更想投入時間與心力去好好玩，之後有想一起在街頭組隊的人可以私訊一下，大家能一起切戳或組團，感覺會相當有意思。

-

🏀MT的選秀與球鞋實驗室

My Team我真的玩得不夠多，這次幾乎都花時間在MC模式與測試快速比賽上，但MT新增的選秀模式我覺得挺不錯的，就是五個位置從卡包中挑選人物，帶有運氣的成分，也能靠贏球向上提升選秀權再去提升陣容。

至於球鞋實驗室能強化球員能力，越好的鞋子有越多槽位能插提升能力的卡，而把一雙好鞋拿給自己最得力的主將穿，藉此更能凱瑞全場，這都是過去沒有的玩法，也讓人更想收集好鞋。

-

🔲🔲推薦球星與球隊🔲🔲

最後也到了我最想與大家分享的球員試用心得。

2K22目前玩下來，我也幾乎每支現役球隊都有打過，自己選了五個我最愛用或是覺得最OP的球員！而這是屬於我個人的操作，所以沒有一定的答案，純粹是與大家分享與討論。

-

🏀Stephen Curry

依舊是2K的大魔王人物！且這代運球強化後Curry能秀出很刁鑽的盤球能力，搭配他仍然是最恐怖的外圍三分砲火，只要很熟悉他投籃機制與運球節奏的玩家，依然可以在場上大殺四方，玩起來相當賞心悅目。

🏀Kevin Durant

KD也是魔王級別的模組！高塔砲的優勢、輾壓同身高的突破反應與速度，又可以背框壓制跳投，中距離又準，做為外圍定點三分射手又強，就如現實一樣是超級核心插件，且這代KD在防守端也能有不少貢獻，真的跟現實一樣是很OP的角色。

🏀Giannis Antetokounmpo

字母哥雖然沒上一代那麼強勢(閃電第一步輾爆所有人)，但他的機體仍是魔王等級，攻防轉換下是沒有人能擋住他的！且字母哥我自己操作他禁區背框後仰的命中率也挺高的，不管是面框突破或是背框強打，他仍是遊戲中很無解的角色，加上他防守非常強，我認為他與Curry和KD是遊戲裡最OP的三巨頭。

🏀Luka Dončić

雖覺得沒上述三位那麼像魔王，但Dončić真的是我2K22在 #操作起來覺得最好玩的球員！他的運球非常流暢刁鑽，然後他又有高度可以背框單打，面框也擅長後撤步跳投，傳球與護球能力又好，只要熟悉他的運球節奏，這支角色可以玩得很帥且變化性很大，真心推薦可以練Dončić。

🏀Carmelo Anthony

我對Melo是真愛！我這代2K22玩湖人我都主打Melo當全隊第一得分主力，且他是真的能扛起這位置(能力評價雖只有78)，撇除體力下降有點快之外，他的 #背框後仰非常好投且動作就是帥！而沒力時，他也能充當好外圍定點射手，靠LBJ或Westbrook做球給他，只要有愛，#老瓜也仍是能當扛壩子。

-

其餘如LBJ、Kawhi、JoJo、Joker或AD也都很好用，但如果要我只選五位的話，上述五個就是我心中最好用或OP的人選！而我其實也很想練Rose，但無奈我操控的不好，玩起來不是那麼順。

至於好用的球隊，我心中T1等級的不外乎就是湖人、勇士、公鹿和籃網，其中籃網是最OP的！不僅只有KD非常好用，Irving與Harden也都相當強勢好操控，真的能說是魔王級別的球隊。

-

🔲🔲《NBA 2K22》總結🔲🔲

假使你有PS5，然後喜歡看NBA或打籃球，那《NBA 2K22》是極力大推的！遊戲性很高，尤其在MC模式就能夠玩很久！假使單機對戰也能享受新一代的 #凸顯的防守機制與運球強化，並去適應新的投籃條，整體來說是比上一代更加有趣。

至於PS4版本，這次在對戰細節的體驗上也同樣有進步！不像上一代太過嚴苛外線命中率不佳，但也不會讓你覺得輕易就能投進，因為這代防守的影響力大幅提升，必須打得更聰明、更有系統才能延續得分火力，像一些擅長使用戰術的玩家就會特別有優勢(因為創造空檔很重要)。

-

MC上PS4版本也與2K21有著不同變化，從之前街頭變成在 #一艘豪華郵輪上，雖沒次世代籃球之城地圖那麼大，但其實玩起來也挺有意思的，有不少設施可以用，且坐電梯就能迅速到達，還有遊戲間可以玩投籃機，整體是比上一代體驗更加。

如果短期內沒有買PS5的機會或打算，又想玩籃球遊戲，本世代的2K22還是相當推薦，絕對有比2K21在小細節與遊戲性上得到提升，我覺得會比2K20、2K21還要好玩，大家能夠自己評斷。

最後想再次說，湖人球迷們一定要重用瓜瓜！他是絕對不會讓你們失望的💪

-

🏆就是現在，快來跟我一起在《NBA 2K22》再創豐功偉業吧！
入坑傳送門➡ https://nba.2k.com/buy/

#NBA2K22 #任遊在我 #AnyoneAnywhere #Sponsoredby2K

✏ＨＢＫ

三歲的時候，「神」在幹嘛？

在任何領域，能夠被視為指標性人物超過十年，
而且生涯二十八年不論狀態好壞都毫不鬆懈，
並能持續得到所有人極高的尊敬，
這樣的生涯與成就，
用「只有天才能達到的超凡境界」、
「神一般的存在」來形容完全不為過。
我不是棒球迷但一樣知道，鈴木一朗，
是棒球界獨一無二的存在。
看完「天才的人日力 鈴木一朗：51則超越野球的人生智慧」後，
身為運動員的我，對「天才」這個字，有了更深的體認與想法。

鈴木一朗的生涯成就到底是什麼境界？
為不是棒球迷的朋友們，
「簡單」列出幾個他創下的驚人紀錄：
（從大聯盟官網列出他最不可思議的二十項數據中，節取幾項）
1． 美日通算4367支安打，在2016年成為金氏世界紀錄認證的「世界職棒安打王」
2． 大聯盟生涯3089支安打
3． 2001年拿下美聯打擊王、新人王、MVP三項大獎，至今仍是史上唯一。
4． 在大聯盟兩度刷新單季最多安打紀錄
（2001年242支，2004年262支）
5． 生涯前十年都拿下金手套獎，名人堂補手Johnny Bench之後大聯盟第一
6． 美日生涯連續十七座外野金手套獎
（日本1994~2000，大聯盟2000~2010）。

能創下這些被形容為「不可思議」的紀錄，
是單單「天份」兩個字可以完成的嗎？
看完書你會得到很清楚的解答。
了解整個人生歷程後，對他的敬意有增無減，
而且就像我們上次聊到的：
天才不可怕，偏執狂才恐怖。

看完書後有三個心得分享給大家：

一、「我從三歲就開始打棒球，而且我一直非常努力。」
三歲的時候我們在幹嘛？
對自已三歲的時候做過什麼事我連記憶都沒有，
但從三歲開始，一朗的人生已經跟棒球已經產生深刻的交集了。
三歲那年，父親宣之送給他人生第一個棒球手套：亮紅色的真皮手套。
這個手套花了父親半個月的薪水，
是當時他們所能買到最貴、最好的手套。
父親宣之說：「這不是玩具，而是教導他何謂事物價值的工具。」
從那時開始，一朗走到哪裡都帶著這個手套，
在家裡也會跟父親傳接球、模仿揮棒的動作，
把它當成最珍貴的寶物。
「我被教導要重視工作的用具」
「善待球具，你才能成為更好的球員。」

進了小學之後，一朗對棒球所付出的心力，
已經到達我們無法想像的程度。
在他小學六年級的所寫的那篇著名畢業作文〈我的夢想〉中提到：
「從三年級到現在，
一年三百六十五天當中我有三百六十天都在激
烈地練習。」
一個十歲大的孩子，
每天下午三點放學開始練習到晚上十一點
（這是他由父親陪著一起確實進行訓練的時間，
不是「玩耍」或是「打球」，
而是內容非常明確的訓練，
包括練投、練打、守備練習、打擊場練習…等）
（六年級的時候，發球機球速120公里的球一朗已
經能打得輕鬆愉快，練習場還特別改裝發球
機，將極速調整成130公里，而一朗依然可以駕
輕就熟的打擊。
到了十五歲，練習場經理和父親宣之乾脆將本
壘板往前推移兩公尺，就為了模擬時速150公里
的速球，這已經跟當時日本職棒投手的球速相
去不遠了。）
而〈我的夢想〉這篇畢業作文之所以有名，
除了能看到一朗從小學就開始認真投入志向，
也顯露出他早熟而沉穩的一面
「我的夢想是成為一流的職業棒球選手。
為了實現這個夢想，
我必須在中學及高校階段打進全國大賽，
並表現活躍。
為了能活躍於球場，練習是必要的。」
文中清晰的描述他對未來的規劃，
什麼年齡要達到什麼任務，
每個環節都鉅細靡遺，
口吻之堅定與老練，目標之具體與明確，
完全不像一個小學畢業生會寫的文章。
當然，小時候我們都有自已的夢想，
（我小學時的夢想是當軍人跟生物學家）
每個人都會想像出自已想要的不同未來，
但是在那個年紀，有多少人能像一朗，
具體規劃出達成夢想的步驟跟目標
並願意犧牲小朋友最寶貴的玩樂時間，
紮紮實實的一步步朝著夢想前進？
從一般人還懞懞懂懂的年紀開始，
他就在默默進行超乎想像的訓練，
「天才」，無法述說他的偉大，
也無法定義這些名留青史的人們留下的軌跡。

二、「持之以恆的規律」
對一朗來說，「努力」、「規律」、「挑戰」這些詞語，比「天才」、「成功」更有意義。
關於「天才」，一朗說過：
「如果大家認為不努力也有成就的人是天才，那
我不是天才；
如果努力之後完成一些事的人被稱為天才，我
想我是天才。」
「我從不覺得自已是天才，
只要回顧自已每天做了多少折磨人的練習，
就不會這樣想了。」
天賦的條件，一朗絕對有，
對「天才」這個形容詞的否定，
不是他無謂或虛偽的自謙，
而是自已一路走來，他很清楚自已付出多少，
用這麼單薄的字眼來形容，
是膚淺，是外行人才會有的變相傲慢。
在職業運動的世界裡，
競爭激烈的程度是一般人連想像都達不到，
光是能跨進「世界」這個領域，
就已經是萬中選一的精英們都難以企及的目標，
而在世界級的殿堂能稱雄的強者們，
為了完成挑戰達成目標所投入的心力，
與過程中刻苦磨鍊出來的超凡精神力，
讓他們可以日復一日的重複艱苦的訓練，
可以承擔足以令人崩潰的精神壓力。
他們對成功的執著與想法，
跟凡人想像中「天才」的輕鬆寫意或瀟灑，
是截然不同的。

關於「成功」，一朗說過：
「『成功』是非常模糊的事，沒有必要去追求他
人所認為的『成功』。」
「其實我很討厭『成功』這個字眼，
……如果用『成功』當判斷基準，覺得會成功才
去嘗試，覺得不可能成功，就連試都不試，
這樣將來一定會後悔的。
對於自已想做的事，就放手去挑戰吧！
不是因為覺得能成功才去做，
而是發自內心地想要嘗試看看，
這樣不管結果如何，自已都不會後悔。」
我相信能在歷史上佔有一席之地的頂尖人物們，他們的求勝慾望跟他們的實力絕對成正比，
但是心中帶著追求成功的強烈渴望的同時，
能夠冷靜否定世俗價值觀下的成功，
而以內心的聲音與自我期許作為衡量標準，
這才是讓他們可以持續超越巔峰的動力。
取得勝利、拿到冠軍榮耀，對他們來說，
都只是一個通過點，
不是他們生涯唯一的目標。

關於「夢想」，一朗說過：
「達成夢想與目標的方法只有一個，就是累積微
不足道的小事。」
一朗的夫人弓子，曾經說過一個生活小故事，
關於她看到一朗為了努力所培養的驚人習慣：
「躺著睡覺的時候，
他每隔一段時間就會翻身朝反方向睡，
然後一直重複相同的動作。
有一次我問他為什麼，
他說：『因為老是將身體的重量壓在同一邊的
手腕和肩膀上睡，會破壞身體的均衡，所以即
使是睡覺也要小心。』」
就連睡覺的時候，他都惦記著自已的身體狀況，
以隨時維持最佳狀態為最高原則，
羨慕他的成就的同時，靜下心想想，
為了完成目標，我們願意付出多少？

對於努力，一朗說過：
「將有限的時間資源花在最重要的事情上」
「沒有做好充分的準備，就沒有資格談論自已的
目標。」
「每天練到精疲力竭是我的目標，
而我也做到了」
「我不敢說自已比任何人都還要努力，
但我內心有一把尺衡量自已的極限，
每次一點一點去超越極限，然後不斷重複。
因為這樣，我才能成為現在的我。」
「所謂的『準備』，
就是排除任何可能成為藉口的因素，
並且竭盡所能去做到所有你想得到的事。」
「我每天都傾盡全力，毫無保留。
如果還有餘力，那就是我的問題。」
「世人對我評價不一，這是他們的自由，
但我不會因此而感到困惑。」
把外在影響降到最低，
用毫不懈怠的精神，透過無止境的自我提升，
把可控制的因素全部牢牢掌握在自已手上
這是所有領域的頂尖人士，共同具有的心態。
至於天才不天才，在他們的心裡，
根本容納不下這麼淺薄的念頭。

三、「天才的人間力」
作者在書中所講述了另一段精采的故事（也是書名）：
「小久保裕紀，另一位日本職棒的明星球員，
曾在1995年，
從一朗手下搶走「全壘打王」的寶座
（當年所有跟打擊有關的獎項，
除了「全壘打王」之外，都是一朗得到）
但他在1996年開季陷入低潮，
心態也開始焦慮起來。
與一朗在明星賽前一起跑步熱身時，
小久保忍不住問一朗：
「你打球的動力從來沒有減少過嗎？」
一朗反問：
「小久保桑難道只是為了數據在打球嗎？」
小久保回答：
「可能吧，因為我如果沒有打出應有的數據，
先發地位就不保了。」
就在這時候，一朗凝視著小久保的眼睛，
緩緩道出自已打球的動機：
「我的內心有一顆亟待琢磨的石頭，
透過棒球，我要讓它閃閃發光。」
聽完一朗這句話，小久保為自已問了這樣的問
題而感到羞愧滿臉漲紅。
一朗打球不是單為了追求成功與數據，
而是希望透過棒球，透過他的投入與熱情，
打磨他的『人間力』，
指的是作為一個人的綜合能力，
著重在為人處事的修養與智慧。」
透過這個故事，我們很清楚的看到，
一個追求偉大的人，
他的眼界與心態跟同儕相比，
是在完全不同的次元，
如果空有天份，沒有自覺，
沒有歷經刻苦的訓練與人生經驗，
不可能達到一朗跟其他英雄人物們的高度。
即使是眾人口中的「天才」，
他們仍然把自已當成「人」，
然後即使天賦爆棚，
卻依然比所有人都付出更多。

雖然鈴木一朗與他所代表的這些英雄們，
與我們的距離如此遙遠，
但是不要忘了，我們可以在遠望他們，
看著他們高高在上的同時，
用心塑造我們自己的人生，
培養自已的「人間力」，
透過熱情與付出，淬鍊自已的修養與智慧；
也不要忘了一朗說的，
不要在意何謂「成功」，放手去挑戰，
也不要忘記把他對「努力」的看法與堅持，
當作我們要時時刻刻提醒自已的動力，
連「神」都努力不懈，我們身為凡人，
又怎能坐看自已的人生就此一無所成呢？
就算咬緊牙關咬到牙都裂了，
我們也值得在生命中，留下屬於自已的印記。

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

趙氏曾任教於美國Bryant University 、北京理工大學珠海學院、深圳大學、香港樹仁大學等多間學府，歷任助理教授、副教授、研究員、客座教授，中央研究院高級訪問學者；

2018年獲中國經濟思想史優秀（一等）著作獎，研究題目包括經濟思想、經濟史、政治經濟學，出版著作二十一部，論文三十餘篇。英國權威出版社 Routledge給予 "中國和西方頂尖學者（leading Chinese and Western scholar）" 的評價。

《趙氏讀書生活》，一個歷史學者的視頻，分享學術、社會、政治經濟觀察
收費平台可獲參考資料和專欄分享，請以每月5元或更多的美元支持：https://www.patreon.com/Chiusreading
或於YOUTUBE 上按加入成為會員，可獲影片的參考資料
https://www.youtube.com/channel/UCmi1257Mo7v4ors9-ekOq1w/join
https://www.facebook.com/drgavinchiu/
PayPal.me/chiusreading
工作洽談：higavinchiu@gmail.com
#中國GDP
#長江大水
#全面小康