關於 z接環副廠 ，我們在網路上蒐集到這些相關的討論、資訊與評價

不過小編覺得沒必要還是不要用有電子接點的轉環

dcfever.com/news/readnews.php?id=31235
--------------------------------------
終於有！Zfc 專用 Smallrig L 架與皮套
dcfever.com/news/readnews.php?id=31348

影像核心大升級！GoPro Hero 10 諜照流出
dcfever.com/news/readnews.php?id=31338

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

《41萬劑AZ疫苗，28日開打　5萬警消列優先》
https://news.tvbs.com.tw/life/1516552

【紐約市公立醫院擔任內科住院醫師---張凱銘分享，5-14-2021】附上分享：

其中AZ副作用：1）亞洲人比白種人少：2）國際因多起經驗，血栓可監控、醫治請參考：

現在已經不是2020年3月了，對於COVID知識，我們了解更多了，很多過去錯誤的做法，都可以調整，有新的東西，也應該嘗試使用，這就是與時俱進。不要害怕病毒，我們可以克服。

●傳染力：
為什麼COVID-19傳染力驚人?
因為無症狀也可以開始傳染，這跟2003年的SARS不一樣，SARS原則上要病人有發燒或咳嗽症狀才會傳染，所以當年很快就可以擋下來，現在的COVID可以沒有症狀也傳染給別人，所以各大出入口體溫篩檢其實不一定很有用。因為可以無症狀感染，所以疫情才會這麼難以控制。

COVID原則上出現症狀前兩天到發病後一天內傳染力最強，發病後七天內逐漸減弱傳染力。

病人多久還有傳染力確切時間很難告訴你一個數字，但是大致上7-10天後就沒有什麼傳染力了，這也是美國CDC的隔離時間是訂在10天的原因，當然不是說十天後就一定不會傳染，這邊是說傳染力越來越弱，機率越來越低，一個概率的問題，醫學到最後都是統計的問題，極端值先不討論。

●什麼叫確診?
在此次疫情爆發之前，時常看到境外確診者，常常沒有症狀，也許在國外一陣子前染過病，到台灣篩檢陽性，或甚至是隔離14天後期滿然後自主申請檢驗然後被確診，那些人的通性都是CT值很高(>30)，抗體早就已經產生陽性，這代表，他們早就被感染了，他們某種程度已經免疫了，PCR測出來的只是死掉的病毒片段被檢驗出來，其實沒有什麼傳染力不用太擔心。
CT值代表要複製病毒片段多少次才能被檢驗出來，所以CT值如果很高，代表病毒片段實在是太少了，要一直複製到30次以上才有辦法被檢驗出來，有個小篇的NEJM韓國研究指出CT值在28.4以上病毒培養都培養不出來，所以CT>30其實根本不用擔心。

這種沒有什麼臨床意義的病例，是否有需要每個人都送去負壓病房隔離，我認為是很需要商榷的，我很難想像這些人既沒有症狀，也沒有傳染力，到底是要住院做什麼治療?如果疫情不嚴重就算了，但國內疫情持續升溫，這可能占用醫療資源讓有需要的人無法住進醫院，那問題就大了。
現在已經是2021年五月了，早已不是2019年12月或2020年一月，COVID已經不是神秘的病毒了，我認為需要用科學方法對待隔離這件事。

然而此次境內社區感染，很多都是有症狀且CT值低(10-20幾)，這些人就是剛被感染，這些才是真正有意義的確診者，這些是最要小心的族群。

●檢驗：
PCR是1980年代就發展出來的一種檢驗技術，這不是什麼酷炫的科技也不是昂貴的檢查，任何一個檢驗，結果是死的，判斷是活的，如果有偽陽性或偽陰性問題，都可以再重複檢查。臨床判斷不能忽略。如果覺得重複檢驗費太貴，那問題應該是為什麼此項檢查會這麼貴，而不是懷疑其檢驗的必要。COVID都可以無症狀，如果懷疑COVID，不要用猜的，要用驗的。

●Variant (變異病毒):
COVID病毒跟其他常見流感病毒一樣，越多人被感染，病毒一直複製，外膜就容易產生片段的變異，所以本質還是同一個病毒，因此我不喜歡用變種病毒這個名稱，我比較喜歡講變異。

不管是英國或南非病毒，他們並不會使感染後的病人變嚴重，但是變異病毒的傳染力確實比較強，也可能讓疫苗效果比較不好，但是目前看來疫苗對英國變異病毒還是有效的。我認為未來的世界可能會需要每年都打COVID疫苗，就像流感每年都會變，每年都該打流感疫苗，任何人終究都需要打COVID疫苗，在這地球村就是不可能不打，除非你永遠關起來不要跟外界的人接觸。

阻止病毒繼續傳播的最好方式就是疫苗。如果可以，我希望全世界70億人現在都注射好疫苗，一兩個月後COVID大流行就會終結。為什麼COVID一直流行，就是因為全世界疫苗施打太緩慢，太多人猶豫不決。越慢打疫苗，病毒一直在複製，一直複製的結果就是又產生變異，到時候疫苗又漸漸失去效果，大流行又要重來一輪。

●疫苗：
現在全世界有四家有效的疫苗：Pfizer和Moderna是mRNA疫苗，AZ和JNJ是腺病毒載體疫苗。這四種都非常有效，重症死亡率保護都非常的好。疫苗最重要的是防止死亡，不是打了就一定不會被感染。
實際上COVID大部分的人被感染了只有輕度或無症狀，但是有些有危險因子的人(COVID特別喜歡攻擊老年人，肥胖，糖尿病者)可能產生嚴重肺部纖維化而至死亡。

如果今天全世界的人都打滿疫苗，有些人也許還是會有感染或輕微症狀，但是到時候就不會有人擔心，因為跟感冒一樣，沒什麼大不了的！今天還在擔心那些輕微副作用(發燒、疲憊、肌肉痠痛這些真的是無關緊要1-3天就會消失的副作用)，那你就失去了大局觀。

99.99%的人都沒有出現嚴重副作用，甚至在國外都有過敏案例用漸加劑量還是把第二劑疫苗打齊的記載。打疫苗很多人當然會有不舒服反應，但是這些是可以接受的，因為打疫苗本來就不是要打舒服的，打了針會不會舒服一直都不是打疫苗的考量點，就跟你終究要買歐洲車，你這輩子終究是要打COVID疫苗的，早打就早有保護力，就不會一直擔心會不會被感染。

我認為能早點打疫苗就是好事，任何上述四種疫苗都非常的好，真的不需要挑，沒有打就是沒有防護力，與其思考70-95%的差距，不如想0-70%的差距，沒有打疫苗病毒可以長驅直入，有疫苗你平常沒有太多病史或免疫問題，你要死於COVID的機率會非常非常的低。

打疫苗不是大學聯考，去計較一兩分的差距，每個疫苗臨床試驗的基準點都不一樣，沒辦法拿純數字去比較。美國人做事慢，非常沒有效率，有在美國生活過一定知道這點，然而美國疫苗是在FDA星期五通過，星期一就開打，這點就非常有效率。看到很多人因為疫情爆發終於願意趕快打疫苗了，這也算好事，雖然在過去兩三個月早就可以做的事，真的是有點可惜。我真的很希望疫苗覆蓋率可以再高一點。

●疫苗副作用：
常見副作用就不說了，發燒疲憊肌肉痠痛等，這些不應該是你不打疫苗的理由。有些人可能淋巴腫大但是不嚴重且看運氣。立即過敏反應極度罕見。

現在要談談血栓。AZ或JNJ（嬌生疫苗）腺病毒載體疫苗有一個非常罕見(約十萬到百萬分之一)，但可以是嚴重的副作用就是血栓問題。這邊的血栓並非腿部因久不動而產生的靜脈栓塞(DVT)或肺栓塞(PE)，而是會產生類似Heparin-induced thrombocytopenia (HIT)的原理，身體產生platelet factor 4 (PF4)抗體跟heparin結合消耗血小板導致的血栓問題，然而這些人都沒有接觸過heparin類藥物，所以因為疫苗導致的血栓病有一個新的病名叫做Vaccine-induced immune thrombotic thrombocytopenia (VITT)，這比較類似自體免疫反應，常發生在年輕女性，過去可能沒有什麼明顯病史或血栓問題，在打了AZ或JNJ疫苗，一般在兩個禮拜左右發作(時間相對短，長一點可能一個月)，血栓產生部位有可能是在splenic vein or cavernous venous sinus，所以病人也許會有肚子痛、頭部腦神經異常，動眼神經異常，視力異常，等問題。

*如果是腦內血栓影像診斷甚至要靠Magnetic Resonance Venography (MRV)，血液檢查要驗HIT panel (PF4 or serotonin release assay)。

*相信很多台灣醫師可能根本沒有驗過HIT，因為東方人血栓問題不大，這對我們來說也是好事所以更加肯定疫苗風險是很低的。

*臨床醫師警覺性要很高。疫苗副作用通報系統要很完善才行。治療方式不可以用傳統heparin類的抗凝血劑，enoxaparin這些常見的都不行。可以使用argatroban，fondaparinux，或DOAC (apixaban, rivoraxaban)這類。還可以用IVIG治療。所幸國外的案例多半治療後無大礙。

●COVID的治療，現在有什麼？
- 剛確診沒多久，最好前48小時內，如果屬於高危險族群(病人本身身體比較差者)，打單株抗體(monoclonal antibody)效果最好，可以預防病情的進展，在美國有很多infusion center，或有些急診也可以打，抗體趕快中和病毒。美國現在有Regeneron藥廠的Casirivimab/imdevimab跟Bamlanivimab/etesevimab。
-
Hydroxycholoroquine奎寧在2020年三月美國疫情剛爆發甚至世界各地都很常用，多個研究出來結果就是沒有用，希望以後不會有人再提這個了。

*慎用抗生素：在2020年三月幾乎每個人因為COVID住院都會給azithromycin等抗生素，因為臨床上病毒性肺炎跟細菌性肺炎都很類似。但是發現COVID剛發病很少有細菌感染，如果病人只是乾咳，沒有痰，CXR或CT很典型就是bilateral GGO沒有局部consolidation(局部細菌肺炎感染)，其實可以不用上抗生素。

一般細菌性感染多半發生在ICU病患、插管者、住院住兩三個禮拜以上者，這些再好好考慮。

不應該每個人得到COVID就給抗生素。

*Remdesivir IV for 5 days(200mg*1 day, then 100mg*4 days)在美國算最常用的抗病毒藥物，如果有氧氣需求患者一般都會給，注意肝指數可能升高需要檢測，攜帶remdesivir的cyclodextrin需要靠腎臟清除所以如果eGFR<30可能不能使用，但是洗腎可以清除所以洗腎患者又可以使用

*Dexamethsone 6mg IV or PO for 10 days: nejm上大名鼎鼎的recovery trial顯示，對於重症患者(需氧或插管者)有助於降低死亡率，特別是插管者幫助最大，因為可以避免免疫風暴過度激化導致急性呼吸窘迫症(ARDS)，如果病人不需要氧氣輕症患者，給dexamethasone是無用的，請勿濫用類固醇。

*氧氣目標不一定要100%，如果病人沒有特別覺得喘，SpO2維持在92-96%左右其實也可以。

跟2021年3月做法不一樣的事，避免早期插管! 插管可以避免最好，一旦插管就很難拔管。

*俯臥(肚子貼地臉朝下)prone position對於血氧維持還是非常有效，high flow nasal cannula (HFNC)高速鼻氧氣管對於維持血氧也很有效，這些都可以避免走入插管這一途。

*Tocilizumab: 2020年3月很多人用，後來研究說沒有用，最近又捲土重來越來越多研究看似有用。Toci(這樣簡稱才不會念太長)是IL-6 inhibitor，可以抑制免疫反應也是想避免走入cytokine storm，先前研究結果會失敗可能跟使用時機最有關，因為不是每個病人都可以給，而是建議在氧氣需求量一直增加，已經到只用HFNC或BiPAP這種階段隨時要被插管這種階段可能會比較有用，而且至少給過類固醇(上述的dexamethasone)24小時還是一直惡化再給。

-*小心菌血症甚至黴菌感染：這些是指ICU重症患者，他們可能產生MRSA or MSSA bacteremia, Candidemia等，如果住院有發燒，該做的blood culture還是不能少。甚至有些病人肺部產生mucormycosis or Aspergillosis的關聯性世界各國有越來越多的paper報導 (我也有一篇相關論文)。

●後記：這算是一年後的一篇心得文章，在美國紐約2020年3月我們走過最可怕的多次融斷潮，紐約當時宛如空城，時代廣場空無一人，空氣中彷彿都有高濃度的病毒，ICU要擴張三倍，整間醫院只有COVID病人相比，現在怎麼樣台灣情況都好得多，而且現在有疫苗，有更多對病毒的認識，少了很多未知，我們現在更多知道什麼藥物有用，什麼沒有用，可以少走很多冤枉路。

*我對台灣人高水準的國民素質很有信心，多半人都很願意戴口罩也配合，疫情肯定不會太差。

*冷靜準備，有疫苗趕快打。

*看著歐美在疫苗施打後疫情逐漸散去，台灣也不可能永遠用高壓圍籬，非常”old school”的”2020年”防疫方式一直下去，最有效控制疫情還是要靠疫苗，希望全球大流行可以趕快結束。

●補充:
#兒童:
小孩子也會得到COVID，他們症狀多半比較輕微，但是說小孩子得到都不會有事也不是正確的。有部分小孩得到病毒急性感染也可能會嚴重到插管，因此不能因為多半無症狀或症狀輕微就掉以輕心。小孩子常常造成家長或成人的感染來源，就算小孩子沒什麼事但是如果傳染給家裡長輩可能導致長輩嚴重生病，因此這部分公衛預防也很重要。

另外小孩比較可能因為COVID的併發嚴重疾病叫做Multisystem inflammatory syndrome in children (MIS-C)，在美國我們讀MIS-C為”Miss C”，MIS-C並非病毒急性感染導致的疾病，實際上多好發兒童感染後一個月後，其症狀表現如川崎病(Kawasaki disease)，這些病人說不定COVID PCR都已經陰性，因此不需要給remdesivir等抗病毒藥物，這比較像免疫發應引起的全身發炎反應，處置方法類似Kawasaki disease，給IVIG、Aspirin，要做心臟超音波Echo。成人也可能會有MIS-A (A=adult)，但是成人科醫生對川崎病經驗不足也許比較容易漏掉。

目前僅有美國Pfzier、Moderna 疫苗降低施打年齡到12歲以上，其他疫苗還沒有開放讓兒童施打。

#孕婦：
孕婦如果感染到COVID多半還是輕症為主，但是部分病人會有比較糟的預後。所以如果能盡早接種疫苗，還是多一點保護。目前沒有證據疫苗會對流產或胎兒有不良影響，實際上很多新生兒的血液可以測得對抗COVID的抗體，意思是說如果媽媽有打疫苗，新生兒也會間接打到疫苗，其實對兩方都是好事。如同之前所說AZ有可能導致某些罕見血栓，而這個又比較好發較年輕的女性，是一個要衡量的點，但各大婦產科醫學會偏向鼓勵孕婦施打疫苗，病人需要知道潛在風險，孕婦打了疫苗也不用太恐慌，如果疫情嚴重施打可能還是Z>B。

#COVID後遺症:
有部分人得到COVID後，儘管已經康復沒有病毒感染的跡象，但還是有持續的症狀特別是疲憊、思慮不清、運動一下就很累需要停止、焦慮、嗅味覺異常等甚至到六個月以上之久，此為“Post-acute sequelae of SARS-CoV-2 infection” (PASC)。

PASC是一個真實的疾病國外很多人都有類似的問題，多半好發年輕女性30-40歲左右，可能跟免疫反應有關，一系列的血液或抽血檢查多半都正常，卻有持續的症狀且都得過COVID，他們一般都沒有嚴重COVID疾病，多半輕症且不需要氧氣。目前沒有特別好的治療方式，症狀治療為主，時間久了多半慢慢改善緩解，可能需要多方專科(包含精神科)一起幫助病人。

#COVID傳染途徑：
還是以空氣、飛沫傳染為主。接觸傳染似乎沒有想像中常見。勤洗手、環境清潔當然很重要，但是不用過度恐慌而反覆一直消毒等，接觸傳染沒有那麼容易傳染。

#疫苗副作用處置：
不需要預防性吃退燒藥，如果有發生發燒或疼痛等再吃止痛退燒藥就好(acetaminophen or NSAIDs)。免疫力不全者或老人、安養院居民，其實是最需要施打疫苗的對象，因為他們一旦得到COVID死亡率最高，這些人施打疫苗反而最不會有任何症狀因為他們免疫反應力弱，就算是施打了mRNA疫苗還是可能無法產生足夠的抗體，因此「還是要戴口罩」等，特別小心。

*他們是所謂”breakthrough infection”(突破感染)最常見的族群。這也是為什麼我建議一般人有什麼疫苗就先打什麼，因為對一般人來說現有疫苗保護力其實就很夠了，根本不用區分保護力高低。基本上打滿了都可以非常有效預防重症，至於高危險族群，他們更不能承擔沒有疫苗保護的風險下，總之就是建議趕快施打。

Thank you for this most interesting consultation, allowing me to participate in the most difficult and challenging case. I shall continue to follow up with you.

#請大家幫忙分享協尋雅芳被消失的質詢影片
雅芳在第十屆第三次定期會市政總質詢(109.6.16)時影片
原本都是議會直播後，就會放在網路上
讓關心市政的朋友，可以去點閱來看
但 #唯獨雅芳市政總質詢的影片被議會刪除
所以雅芳只能用文字來跟大家報告
雅芳市政總質詢的內容：
1.市長你在第八屆擔任議員時，就和雅芳成為同事，在場很多第八屆就擔任議員的，針對議員可不可以邀請一級主管以下的業務主管到議會備詢，相信大家心知肚明，全台灣議會限縮議員的質詢權，新竹市議會是第一個，這樣的行為簡直是貽笑大方，那請問市長，在你擔任議員時，邀請一級主管以下的業務主管需不需要經過一級主管的同意？
2.雅芳針對交通標線劃設之標準不一也有於議會提案通過，要求應設立完善的交通標線驗收機制，也在議會質詢過處長，處長說交通處都是依規定劃設的，市長這是我們南區客雅大道前的斑馬線，非常明顯劃設的標準不一，白色跟間隔比例有1:1也有1:2，請問市長我們新竹市對於斑馬線劃設的規定到底是1:1還1:2？
3.新竹市交通標線除了標準不一，施工品質還非常的差勁，跟私人公司劃設的，簡直天壤之別，私人公司絕對不會劃成這樣，那政府機關怎麼會有這樣的品質呢，還能通過驗收，顯然有圖利之嫌。
4.新竹市交通規劃嚴重的錯誤，經雅芳指正堅不改善，那市長我們來看一下，這是你選任的交通處長，引以為傲的z字型人行道設計，經雅芳在單位質詢時質詢他，經雅芳指正他設置錯誤，他還是認為他沒有錯，更洋洋得意說別的縣市都來觀摩，那我們就來看創造z字型的英國，他們當地劃設的方向，是以行人行走時，可以直接看到來車，才是符合人本，也才正確，再來看我們新竹市劃設的方向，竟然一模一樣，但英國是右駕，台灣是左駕，所以我們新竹市劃設的方向，會讓行人行走時無法直接看到來車，根本是錯誤的，市長我們新竹市劃設的是不是錯誤的？我再用台灣其他縣市劃設的z字型人行道說明給你看，這是彰化員林設置的z字型人行道，可以很明顯的看出，他們有考慮到英國是右駕台灣是左駕，所以劃設的位置要相反，才能讓行人在行走時就能看到對向的來車，這才是符合人本的正確設置。
5.在綠光公園工程挖出大量建築廢棄物，雅芳於議會質詢時，市長你同意開發商清除，但不嚴懲，但現在這些廢棄物全都埋回公園上面成為公園的設施，請問市長知不知道這件事？
6.開發商就是原地主就是昌益建設，昌益建設現勘時有說要給50萬清除這些廢棄物，市長你知不知道？
7.那市長你另外一個最近才剪彩的民族公園，你們的處長、副處長、科長、承辦，都用違法的方式，將人民住宅的逃生門封閉，尤其是科長游蘭英才因為幫廠商簽發不實單據被判刑確定，這樣有違法紀錄的科長又做違法的行為，請問市長你認為是對的嗎？
8.講到這邊我有很大的疑問，不管是政務官或事務官，我們來看一下他的資歷，首先我們來看市長你的愛將，城市行銷處長顏章聖，他的學歷是傳播，沒有經過任何國家考試，經歷皆跟城市行銷執掌的業務無關，他會做出違法的方式來興建公園，不無道理，接下來我們來看交通處長倪茂榮，他的學歷、國家考試、經歷都與交通有關，但是！但是！依然無法學以致用，竟然用粗糙的方式來評定各種交通規劃，像第七停車場兩億多的工程案，他竟然只是站在路口三分鐘，就決定了汽車及機車位的比例；無論是考試通過的事務官，或是毫無經驗的政務官，雅芳覺得都不適任這兩個職務，雅芳建議你盡早將這兩個處長替換職務，應該要把他們分派到承辦，開始學習基礎的職務。
9.有關青草湖在辦理重劃的時候，應該要依據平均地權條例及市地重劃實施辦法辦理，市長你覺得對不對？那我們來看一下青草湖的湖邊這個違建是依法拆除，但來看另一邊卻屹立不搖，他們都同屬違建，市長你們的重劃有嚴重的行政行為差別待遇，這就是圖利。
10.市長雅芳在第一次定期會就質詢過你，市長知道青草湖的淤泥傾倒在南寮海邊嗎？市長你都知情，市政府回給雅芳的文，證明這些淤泥只是暫置，那請問市長何時要移除？停止破壞潮間帶，以恢復潮間帶生態。
11.市長要請問你是否支持淤泥和體育場的廢土石方倒在海邊嗎？那今天青草湖的淤泥還會倒在海邊嗎？會不會妥善處理？
12.在我們新竹市南區，臨近寶山，懷恩堂靈骨塔，該財團涉聯手黑道毆打農民之子，還嗆他是警友會，該民眾被打逃出來後，來找雅芳，雅芳馬上陪受害者帶著青草湖派出所警員到犯罪現場要求以刑事訟訴法第88條現行犯逮捕，但員警稱非屬現行犯，也無立即保全證據，以致該加害人有機會湮滅證據，雖然檢察官有增加湮滅證據之罪行，但該法條規範無規範到加害人，致被害人權益受損。
13.另外依民族公園市府違法封人民逃生門，雅芳陪被害人在現場以現行犯要求警方逮捕，但因加害人是新竹市政府，所以警方說要請示檢察官，以致被害人權益受損，依刑事訴訟法第88條明確規範現行犯，不問何人得逕行逮捕，以上兩案都是警方不清楚法條所規範之範圍，雅芳要求警察局長應立即請督察科及政風室專案研討，建立明確現行犯逮捕機制，讓基層員警執法有所依據，不會誤判。
14.這個懷恩堂靈骨塔財團在水源保護區未經環評可興建會有醫療污染及危險的安養院，而且該地水土保持違法回填建築廢棄物，雅芳有舉發至市府，但至今毫無回應，市府依盡速依法辦理。
15.市長依法條活動斷層通過地區不得興建公有建築，是不是？
我們有議員同仁於第九次臨時會的提案就違反了這個法條，有圖利建商的可能，但因為第九次臨時會，主席不給雅芳發言，所以雅芳沒辦法即時糾正，以致於議會通過違法的提案，只能在雅芳個人質詢時間，要求市府應依法行政主動公告撤銷違法提案，那為什麼是圖利廠商呢？請大家注意提案議員中，有李妍慧議員。而李妍慧議員是有行賄官員紀錄的昌益建設事業群下的全昌益及昌禾負責經營管理的人楊勝翔的妻子，所以這樣違反法令的開發土地，很明顯就是可能圖利建商。昌益建設在大新竹是赫赫有名的，媒體關係也做得很好，所以行賄官員事情爆光後，也沒什麼被大肆報導，今天雅芳透過議會直播，讓全體市民了解昌益建設是怎麼行賄官員的，這是監察院的調查報告「被彈劾人於大學兼課時，認識昌益建設實際營運操盤者朱彥龍，於同年12月3日該眷改案公告招標前數日，與被彈劾人相約在臺北SOGO復興館內商談，約定由被彈劾人協助護航昌益建設之合作團隊理銘開發股份有限公司（下稱理銘開發）得標後，朱彥龍應支付被彈劾人2,000萬元賄款。」
16.雅芳在第二次定期會有向市長說明的適足居住權，強調人民對房屋之使用性、適居性等，尤其非正規居住者，應保障免遭強制驅離、威脅等方式，更不該以公法遁入私法，違背居住者意願令其驅離。政府開發違反兩公約，強迫居民搬遷，新竹市親仁里都更案就是這樣，目前已遭監察院糾正，請市長引以為戒，現在竹蓮市場旁法院宿舍等都更案，也面臨到公法遁入私法，強迫居民搬遷，市府應落實與居民充份溝通，善盡安置、搬遷、補償等相關義務，市長你能不能做到嗎？
17.另外新竹市政府最近接收學租集團的財產，市長說這是轉型正義，但我們竹蓮市場對面的屋舍，居民皆是日據時代就在此生活，民國後土地卻被學租集團登記所有，如果市長說轉型正義，那市長應回歸居住正義，不應一邊說轉型正義，一邊搶奪人民財產，市長你能跟人民好好溝通嗎？
18.接下來是市府大發新聞稿邀功的公道三，市長，當初是你的處長、科長承諾居民，只要斷水斷電、搬離住宅，即可獲得自拆獎勵金補償；居民才勉強簽同意書，但市府竟又跳票，強迫居民為市府的不負責買單。
市長你知道這自拆獎勵金對居民有多重要嗎？雅芳拿公道三某戶的補償金做例子，即使他們用最便宜的方式重蓋房子，也遠遠超過市府給他們的補償金，他們已經是倒貼在配合政府政策了，政府沒有給他們合理的補償，現在連自拆獎金都要想辦法讓他們領不到，這樣會不會太過份了，市長現在公道三的居民就在現場，場外也很多人，都可以作證是你的處長跟科長承諾他們的，市長你能不能兌現當時的只要斷水斷電、搬離住宅，即可獲得自拆獎勵金補償的承諾?

#請大家幫忙分享協尋雅芳被消失的質詢影片