關於 外部成本內部化例子 ，我們在網路上蒐集到這些相關的討論、資訊與評價

昨天在回應中國人 🔗https://www.facebook.com/100047156705396/posts/357688562479698/?d=n
這一篇收到一則留言，因為實在回應不下這麼多字數，特地單獨發一篇♡
✨來回應 #國家正常化 、#中華民國台灣化 的支持者：
——

首先，謝謝你的回應。

我推廣台澎法理地位的真相，只不過是在「揭露客觀史實」，這無關誰要不要認同，因為這是客觀史實。
還原真相合情合理。

自1945.10.25光復台灣的騙局至今，台灣人缺少了解客觀史實的機會。
💢台灣光復的騙局 https://wp.me/pd1HGm-10

台澎土地上的台澎人以及1949年來台的中國難民及其後代，都應該了解到台澎法理地位，才會知道自己該在這塊土地上持什麼樣的態度、什麼樣的方式，來推動/支持台澎人民自決。
（「難民」這個詞是法律用語沒有貶義，人的國籍與腳下的領土主權是兩個獨立的議題囉～人擁有選擇、放棄國籍的權利；領土主權擁有者不及於土地上的人民。所以台澎建國後中國難民及其後代仍舊可以國籍歸化新國家國民。）

但當大多數台澎人都知道中華民國政權根本不是自己國家的時候，說我們法理建國派要「抹去中華民國」就不會產生什麼刺激作用。
說我們要「抹去中華民國」也只是企圖召喚中華民國人的恐懼而已，我們想做的是「讓給大家帶來痛苦的中華民國政權」離開，並沒有要中國難民離開，你懂這個差異嗎？
👉🏻法理建國派的目標🔗 https://wp.me/pd1HGm-3U

中華民國政權可以來到（當時領土主權屬於日本的）台澎，是因為1945.9.2《一般命令第一號》代表盟軍來台受降並軍事佔領、代為管理台澎。如沒這份命令，它是不可以來的。

我只不過是把歷史真相回歸正軌而已。

台澎建國後也不會要中華民國政權消失，它的法律身分也不會因此消失，你可以放心。
它仍舊可以選擇待在中國領土金馬東沙上繼續統治（中國政權統治中國領土沒問題👌），或者是台澎國家給予中國流亡政權一個辦公室這樣也是可以👉🏻 https://wp.me/pd1HGm-6R

—
為什麼要談國際法？為什麼要說清楚台澎法理地位？就是因為這是國際法層級的問題。

往上跳一層這個動作很重要。
它將決定你的視野會停留在中華民國政權內部的政黨鬥爭上，還是停留在中華民國政權與台澎的關係上。

一個原則：沒有中華民國政權就沒有藍綠之爭。
沒有藍綠之爭就沒有靠著藍綠一樣爛上位的投機政客。

其實大家越了解清楚台澎法理地位，就會知道那些虛耗（包括主張中華民國台灣化、國家正常化），有多浪費時間了，因為最終都會連結到中華民國政權的本質。

先不論你說自己偏綠，光是你說你「覺得要我認同我們不是中華民國或是沒關係 這很難接受 畢竟我們現在的國家就是叫中華民國」
👉🏻這句就問題很大了。這就是中華民國政權洗腦成功的鐵證。

中華民國政權對台澎住民進行的教育，基本上有兩個目的：
一、確保台澎住民把它當自己國家，且不會去質疑「中華民國擁有台澎主權」這件事。因為如果沒了台澎，中華民國政權只能待在金馬這個中國內戰最後戰場，但只有台澎可以容納百萬的中華民國政權的中國人，所以這些人就生活下來至今。

二、確保在自己跟中華人民共和國政權之間的中國代表權之爭中，被台澎人認定中華民國政府是正統的中國代表政府並予以擁戴，為它賣命，誘騙台澎人為這個不屬於自己的國家去犧牲生命，讓它能實現所謂的「反攻大陸統一中國」的復國大業。

所以我們接受了很多中華民國流亡政權為了前述兩個目的所給予的洗腦教育。

#中華民國政權是中國政權不是主權國家，它的法律身分是可以作為中國主權國家合法政府而被他國承認，它是中國主權國家內部的政權。

中華民國政權想代表的中國絕對不是台灣人的國家。
因為「台澎領土主權歸屬未定」是客觀史實，意思是「沒有任何一個主權國家領土範圍涵蓋台澎」，所以光復台灣是騙局喔！如果你不認為，那你可以把《舊金山和約》原文拿出來看看，台澎領土主權並沒有移轉給ROC/PRC政權想代表的中國。（領土主權只能由國家來主張，不是一群人或者政權可以主張的）

你需要先了解清楚客觀史實，才有辦法分辨中華民國政權「代表盟軍來台」的意義，台澎目前被「盟佔代管」也是客觀史實。👉🏻 同盟國是什麼？同盟國與ROC政權之間的關係？ https://wp.me/pd1HGm-kX

中華民國政權的中國政權屬性不是誰以為想改就可以改的。中華民國政權身為中國政權所具有的法律上權利義務關係是無法一筆勾銷的。

更別說中華民國政權根本沒有台澎領土主權，它這些爛帳說穿了跟台澎一點關係都沒有。台澎人會把它的問題當自己的問題，就只是因為被它殖民洗腦到不知道狀況而已。

國際法規則是主權國家之間的互動運作規則，所以，國際法規則當然可以在主權國家的共識下改變其實踐內容。但國際法規則一旦形成之後，就不會任意更改。
👉🏻 國際法的形成與運作 https://wp.me/pd1HGm-4Z
👉🏻主權的概念形成與發展 https://wp.me/pd1HGm-5k

而任何改變、挑戰既有國際法規範的動作，其影響都會是全面性的，不會僅僅影響到該案例，還會對未來造成影響。

而台澎的例子，牽涉到以下幾個國際法的基本問題：
1.領土主權的得喪變更
2.軍事佔領相關規範規範
3.國家／政府的區分
4.國家法人格的建立方式
5.自決權行使相關規範

國際社會不可能為台灣開出特例。

經過數百年的實踐，國際社會對於軍事佔領該怎麼進行、要遵守什麼規範，已經形成一些必須遵循的規則。具體明文化的內容可參考《海牙公約》及《日內瓦第四公約》。

你可以仔細思考一下，你放不下中華民國政權是為什麼？
你說的「最後的目標結果都是一樣的，只有在過程方式不太一樣罷了」？這個我比較疑惑🤔

如果你主張的是「國家正常化」你口中的國家是「中華民國政權想代表的中國」，這個中國主權國家沒有台澎領土主權，在台澎上不存在國家可以正常化。

如果按你的邏輯走，台灣人就不會認知到「目前沒有國家需要建國」，更不會產生建國意志，反而會加強沈沒成本，更放不下中華民國政權。

再來，去動中華民國政權的東西（名稱、憲法、國旗等）都不具有國際法效力，無法改變台澎欠缺國家法人格的事實。這就是虛耗。

以下這些概念其實也說過了：

去承認一個「頂多具有被承認是Ｘ國國家政府資格的Ｘ國政權」可以在不屬於Ｘ國的地方（無論領土主權歸屬狀況為何）去建立Ｙ國，然後還跟Ｘ國的關係斷得一乾二淨，本身就會直接造成既有國際法架構的崩毀，甚至直接否定法律的存在價值。

「一中」框架並不是中華民國政權不要、不想就可以不受影響的東西。

「ＲＯＣ政權是中國政權」是法律上的狀態，是ＲＯＣ政權被建立出來的那一刻就存在且無法改變的法律上屬性。無論這個政權後來改由誰運作、在哪運作、它能控制的範圍有多大、多小，它的法律上屬性就是會一直跟著它跑。而「一中」就是因為這個法律上屬性套用在ＲＯＣ政權上面，進而影響到被ＲＯＣ政權治理的台澎。

「ＲＯＣ政權是中國政權」這個法律狀態是建構在「ＲＯＣ政權是由中國人為中國這個主權國家所建立的政權」這個事實，就跟將你生下來的女性之間的「生母與子女」間的法律關係是建構在「她生下你」的事實一樣，是你無法改變也無法否認其存在的東西。

除非今天國際法規則變成「原本由Ｘ國人民建立的Ｘ國政權可以隨隨便便就不再是Ｘ國政權，還可以不必對之前以Ｘ國政權身分產生的法律上權利義務關係負責」，否則ＲＯＣ政權的中國政權屬性就不可能消失，它也不可能在台灣建立國家。

「原本由Ｘ國人民建立的Ｘ國政權可以隨隨便便就不再是Ｘ國政權，還可以不必對之前以Ｘ國政權身分產生的法律上權利義務關係負責」是不是會讓國家之間的法律上權利義務關係變成毫無存在意義？

「原本由Ｘ國人民建立的Ｘ國政權可以隨隨便便就不再是Ｘ國政權，還可以不必對之前以Ｘ國政權身分產生的法律上權利義務關係負責」發生的可能性為何？

所以，不要再執迷不悟了。

其實，最大的阻礙並不是中華人民共和國政權。

最大的阻礙是把中華民國政權想代表的中國當成台灣人的國家的人。
因為「以為」有國家，才不知道要建國。
因為「以為」台灣早就建國了，卻不知道這樣根本侵略中國領土金馬東沙。
因為「以為」中華民國政權發生質變，「以為」總統直選就等於台灣建國。這種以中華民國政權為本來建國是死路一條。
因為「以為」中華民國政權是國家，才會不知道國際法上來說它根本不可以主張台灣光復。
因為「以為」中華民國政權是台灣的國家，才會把它的敵人、把中國內戰當成台灣人的敵人、當成自己的事情。
因為不懂這些真相，才無法擺脫一中兩政權的困境，不只是國際上遇到難題，全都歸類在中共打壓而不思考是中華民國政權的問題。

👉🏻Q&A200: PRC政權不會想要把雖然已經是中國領土的金馬東沙變成是PRC政權的領土嗎？https://www.facebook.com/100047156705396/posts/353130609602160/

這兩個中國政權攜手創造出來的困境，讓台灣人死抱著一中兩政權不放。

你該思考一下這之中的操作。

像台澎人現在這樣把「台澎金馬東沙」綁在一起，把金馬東沙認定為所謂的「反共／反中共／反PRC政權」最前線，錯誤地以為萬一失去對（中國領土）金馬東沙的掌控台澎就等著投降，結果就是讓金馬東沙的戰略地位被錯誤高估，也讓PRC政權任何對金馬東沙的騷擾行動可以很有效地讓台澎人產生「緊抱、死抱著ROC政權不放」的心態🤦🏻‍♀️

我在頂置文中「中華人民共和國政權相關問與答」說過非常多次，PRC政權之所以打不過來，正是因為「台澎領土主權歸屬未定」不屬於任何主權國家、不是中國內戰的戰場。
中國內戰只能在中國領土上打，也就是最遠延伸只到金馬東沙。

👉🏻台澎建國是否必定「終將一戰」？台海中線的意義、防空識別區與「『共』機擾『台』」 https://wp.me/pd1HGm-k2

最後，針對你後面說的改國名、修憲。
頂置文也說過許多次，所以我才要做出紀錄放在頂置文，望你可以時常翻閱(˶‾᷄ ⁻̫ ‾᷅˵)

👉🏻內部自決權 vs 外部自決權、民族自決權 vs 住民自決權、自決權的行使 https://wp.me/pd1HGm-5S

👉🏻Q&A39: 中華民國台灣化不好嗎？https://www.facebook.com/258660130833607/posts/4114809591885289/?d=n

👉🏻Q&A122:中華民國台灣化的修憲就足夠了嗎？https://www.facebook.com/100047156705396/posts/306321420949746/

👉🏻探討正名修憲或制憲、東奧正名、華航正名 https://wp.me/pd1HGm-66

👉🏻Q&A23國家的各項屬性有什麼？: https://www.facebook.com/258660130833607/posts/4074186395947609/?d=n

👉🏻Q&A20有憲法就是國家嗎？：https://www.facebook.com/258660130833607/posts/4066178223415093/?d=n

👉🏻Q&A93:制憲可以宣示國家主權，獨立建國先於國家法人格嗎？https://www.facebook.com/100047156705396/posts/289026626012559/?d=n

👉🏻Q&A109:有沒有先建國再獨立的國家？https://www.facebook.com/100047156705396/posts/298700405045181/?d=n

#終止代管自決建國

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

Joe：「中國經濟接下來會走緩，中國央行很高機率會繼續增加金融寬鬆度，美國收錢，中國放錢，大家都需要資產價格穩定或者上漲，才能避免民間消費萎縮。」

中國2021年上半年中國GDP年增12.7%，自疫情以來，中國經濟成長過於依賴外需，但內需依然疲弱，原因在於消費需求和投資需求不夠強勁。到目前為止，既沒有等到報復性消費反彈，也沒有看到固定資產投資增速的強勁反彈，2021年上半年社會消費品零售總額年增23.0%，兩年平均增速為4.4%，大幅低於2019年的全年8.0%。2021年上半年全國固定資產投資年增12.6%；兩年平均增速也4.4%，也明顯低於2019年已經很低的全年5.4%。

中國央行發布的2021年第2季城鎮儲戶問卷調查報告，傾向於「更多消費」的居民占25.1%；傾向於「更多儲蓄」的居民占49.4%。比起上季，這些數據略有上升，但是和疫情爆發前的2019年第4季相比，當時傾向於更多消費的居民占28%，傾向於更多儲蓄的居民占45.7%，消費信心跟疫情前相比還有一定差距。特別是居民防禦性儲蓄的增加，也體現了對未來一個階段的審慎。另外，居民收入兩年平均成長5.2%，略低於經濟增速，「這說明很多成長沒有轉換為百姓收入的增加」。

前中國央行貨幣政策委員會委員余永定說，6月生產者物價指數（PPI）的生產資料、生活資料年增速分別為11.8%、0.3%，增速差達到11.5%，是1996年有資料以來的最大值。生產資料是物質生產所需的資源和工具，生活資料則是生活所需的消費品，「當前內需疲弱阻礙了PPI生產資料向生活資料的傳遞」，下半年仍存在穩成長的壓力。一、二季的數據反彈並不算非常強勢，並有持續放緩的跡象，尤其在消費領域，遲遲未能反彈至疫情前的水準，加上信用政策偏緊，使得整體需求端復甦偏弱。另一方面，製造業採購經理人指數（PMI）指數中的新出口訂單指數已經連續3個月回落，這是先行指標，可預期後續隨著出口有所走弱。

國務院發展研究中心宏觀經濟研究部研究員張立群認為，上半年經濟中，外需出口的貢獻更突出，但受到人民幣升值的預期增加、國際航運貨運運力緊張、大宗商品價格上漲以及外部環境不穩定不確定因素等影響，外需現在高位回落的風險在加大，中國內需疲弱，出口又面臨風險，面對下半年的經濟成長放緩壓力，余永定主張「擴張性的財政政策加上適應性的貨幣政策」，有鑑於當前地方財政收支壓力較大，他認為中央財政可以適當發揮更大作用。中國是從疫情反彈最快的經濟體，上季GDP年增率達18%，但這種V型經濟反彈正在放緩，經濟學家表示，市場本來就預期經濟會從高位回落，並隨去年低基數效應消失，但這次從中國例子看到，經濟疲軟來得比預期早，現在可能會波及全球。

路透社分析認為，中國第二季經濟成長放緩原因是原材料成本上漲侵蝕工廠獲利，而新的中國武漢肺炎疫情打壓消費者支出。路透社調查51位經濟學家的預測中值，第二季GDP可能年增率為8.1%，預計第二季成長將從第一季的創紀錄成長18.3%放緩至 8%。其中零售銷售、工業生產和固定資產投資的關鍵數據也都將放緩，迫在眉睫的問題是中國出口放緩、消費疲軟和不良貸款增加將是近期中國經濟的隱憂。

野村控股分析師認為中國經濟放緩對全球經濟的影響將比五年前更大，認為中國經濟在疫情期間與疫情後的發展，其他國家可能也會出現同樣情況，中國復甦放緩也強化工廠通貨膨脹可能已見頂，且大宗商品價格可能進一步放緩的觀點，中國經濟成長放緩將暗示近期全球將出現通貨緊縮壓力，尤其是對工業金屬和資本貨物的需求將減少，最近中國人民銀行削減大多數銀行必須持有的現金儲備以促進放貸，雖然中國人民銀行表示此舉並非是再次刺激政策，但對大多數銀行的存款準備金率要求下調50個基點的幅度出人意料，加劇市場對經濟放緩的擔憂。

中國今年將全年經濟成長目標設定在6%以上，低於分析師預期，為政策制定者提供更多應對不確定性的空間。路透調查顯示預計到2022年經濟成長將進一步放緩至5.5%，由於經濟復甦出現失去動力的跡象並且仍然不平衡，預計政策制定者可能會在今年底前推出更多措施來提振經濟活力，中國人民銀行宣布15日起全面降準，下調金融機構存款準備金率0.5%，釋出1兆人民幣的長期資金時，外界就猜測中國經濟由高速變成走緩，本周公布第2季經濟成長率為7.9%，雖然符合預期，但已明顯放緩。相較於擔心通貨膨脹再起的美國，顯然中國更憂心的是經濟放緩，中美經濟的兩樣情及貨幣政策的背離，代表的是受疫情干擾的全球經濟將更為複雜難解了。

中國央行擔心、也發現經濟有放緩跡象，才要降準釋出資金、刺激經濟。與此同時，美國經濟則是被認為正「攀上顛峰」，經濟是否過熱進而讓通貨膨脹再起，由於受到2020年疫情的干擾，許多國家經濟運行情況與表現，都偏離正常軌道出現特異現象；例如中國去年首季嚴重衰退6.8%，4月還降準刺激經濟，但在疫情控制後即快速反彈，而因當時許多國家經濟封鎖、生產受挫，讓中國的出口大好，不論是出口或是GDP占全球比重都增加。今年首季成長率因2020年基期低出現18%的高成長，人行貨幣政策朝向緊縮，但半年不到又再次朝向寬鬆。

美國的經濟在經歷去年的衰退後，今年隨著Biden上台後數兆美元的大手筆財政政策，加上疫苗注射率持續提高到近6成左右，部份州注射率更高達8成，經濟解封、生產復元後，美國經濟迎來最大的反彈，首季成長率達6.4%，第2季預估可達9.8%，今年成長率預估可達6-7%，以美國經濟的規模，第2季如果真能創造近兩位數的成長率，雖然同樣有2020年基期低的因素，但還是非常驚人，也因此外界都預測美國經濟已到頂峰；與此同時，5月通貨膨脹飆上5%，也讓通貨膨脹是否再起的爭論不斷，聯準會雖然按兵不動，但從公布的褐皮書可看出，內部對通貨膨脹問題是有爭論與憂心，本周公布6月通貨膨脹數據則再上揚為5.4%。

正是這股情緒─中國經濟已放緩、美國經濟又已見頂，影響著金融市場，讓上周全球股市下跌，而中美經濟情勢的差異，也讓兩國央行的政策走向相反：至少短期如此，對觀察者與市場而言，這種情況又顯得更複雜，對中國而言，在各國經濟與生產逐漸復元後，原先「一支獨秀」帶來的出口高成長率將逐漸回歸正常，這時會更容易凸顯的反而是中美貿易戰持續、歐美的經濟圍堵與孤立等負面因素。雖然今年成長率預測可達8-9%的高成長率、出口成長率也維持兩位數成長，但實際上去除去年衰退因素之後，真正的成長率只有5%多，也就是說：這是一個稍低於維持就業需求的6%的成長率，出口成長率也逐漸很下走，因此官方必須重回「保成長」的刺激經濟之路。

https://finance.technews.tw/2021/07/14/china-economy-growth-slowly-faster-than-expected/
https://www.storm.mg/article/3809695?page=1
https://udn.com/news/story/7333/5608611