#東奧即時報【搶進冠軍戰!「麟洋配」繼續驚奇之旅,為台灣搶羽球男雙首金;「小林同學」林昀儒惜敗德國名將,桌球男單第4名坐收;羽球球后戴資穎驚險進四強】
2020東奧今天傍晚連串的羽球、桌球精彩好球,讓全台灣人的心都七上八下。先是羽球天后戴資穎與「宿敵」泰國依瑟儂(Ratchanok Intanon)八強戰,後來居上過關;緊接著男雙黃金雙打「麟洋配」李洋、王齊麟,繼續他們奧運的驚奇之旅,28分鐘就埋單,搶進冠軍戰,台灣至少將再添一面獎牌。而晚間眾所矚目的男單桌球銅牌戰,「小林同學」林昀儒激戰7局,在驚嘆聲中落敗。
■「 麟洋配」28分衝進金牌戰,「人體聖筊」再度回應球迷期許
羽球男雙組合「麟洋配」李洋、王齊麟,是這次奧運最讓球迷驚喜的一對組合,自小組賽、八強賽起,關關都是強手,卻一路挺進。賽後獲勝時「一前一後」倒地的慶賀儀式,被球迷戲稱如「人體聖筊」,今晚再度「顯靈」,四強賽乾淨俐落戰勝對手,進入決賽。
李洋/王齊麟四強賽面對的是世界第二的印尼組合蘇迪亞旺(Hendra Setiawan)/阿山 (Mohammad Ahsan),因為兩人共有5個孩子,去年印尼大師賽男雙決賽曬出一張與孩子們的合照,被球迷稱為世界羽壇最強的「奶爸組合」。麟洋配一開賽就繼續維持前幾場的好狀態,銅牆鐵壁式的防守,搭配王齊麟的重砲攻擊,李洋也有殺球佳作,第一局開賽沒多久就拉開比分,僅花13分鐘就以21比11先拿下。
第二局麟洋配攻勢更加凶猛,王齊麟的重砲讓印尼組合接得很吃力,補上的李洋也來幾記殺球,分數慢慢拉開;印尼奶爸組合試圖振作,加強防守後雙方多拍來回,只是李洋狀態好到不行,飛撲每球都救到,還有後仰殺球直接得分。第二局麟洋配根本不給對手反攻機會,直接以20比10取得10個賽末點,最後直接拿下比賽,搶進金牌戰;麟洋配勝利後又是招牌的跪地怒吼,第二局也只花14分鐘。
李洋與王齊麟第一場意外輸給印度組合,陷入非贏不可的壓力,卻仍一路挺進,印尼的世界第一與第二組合都被他們擊敗,之前兩人受訪時笑說:「我們是從地獄爬出來的人,就是關關難過關關過。」
直落二擊敗印尼奶爸組合,李洋賽後說:「昨晚睡覺時我還夢到與NBA球星打羽球,竟然還是3比5落後,就知道我壓力有多大;今天擊敗對手的瞬間,我還在想這是真的嗎?接下來就是好好享受最後的金牌戰。」王齊麟則是說:「開局我們就打出特色,先衝分數壓著對手打,如果不行再想別的辦法;今年奧運我們每一場都很難打,但每一場都過關,我們會準備好面對明晚的金牌戰。」而金牌戰將要面對第三種子、中國雙塔的劉雨辰、李俊慧。
■林昀儒7局落敗,從2012到2021、台灣桌球男單銅牌戰都輸給同一人
台灣19歲的桌球新一哥、「小林同學」林昀儒,昨天在四強賽和現任中國球王樊振東大戰7 局,最後以些微比數落敗,但已引起國內外驚豔;不僅樊振東大讚林昀儒「實力很強」,中國前后球鄧亞萍也公開表示,林昀儒是中國「國乒未來10年最大的威脅之一。」
不過,今天和林昀儒爭銅牌的德國奧恰洛夫(Dimitrij Ovtcharov),並不比中國選手好對付。奧恰洛夫曾在2018年登上世界球王寶座;2012年倫敦奧運,正是他從莊智淵手中搶走銅牌。9年後,小林和莊智淵再戰同一個對手,也是一路糾纏,最可惜是第六局的4個賽末點沒能搶下,讓賽事被帶入第七局後惜敗。
比賽第一局開局後兩人就一路拉鋸,奧恰洛夫先取得3比0,林昀儒連拉5分超前,打到10比10丟士(deuce)後,奧洽洛夫以13:11超前拿下第一局。第二、三局林昀儒連拿2局反以2比1的局數超前,第四局和第五局雙方各取一局。關鍵的第六局,林昀儒以10比9取得賽末點,但被奧恰洛夫救回;這局林昀儒一共有4個賽末點機會,可惜錯失,被奧恰洛夫以15比13拿下。第七局被奧洽洛夫拉開後,小林同學氣勢被追過,最終以3比4的局數敗給奧洽洛夫,與隊史首面奧運男單獎牌擦身而過,不過首次參加奧運就拿到第4名成績,仍是極佳的表現。
今日林昀儒明顯奪牌心切,打得較為亢奮。他賽後受訪表示,自認沒有緊張,但確實出手時猶豫了,「差了一點自信心之類的。」林昀儒在本屆賽會的挑戰還沒有結束,將與莊智淵、陳建安聯手出擊,仍有爭奪男子團體賽獎牌的機會。
台灣男子團體名列第7種子,8月1日首戰將對上克羅埃西亞,如果順利闖過頭關,有機會在第二輪八強賽遇上奧恰洛夫領軍的德國隊。
■林父昨發文感謝一路來的貴人,中國教練指小林訓練踏實、個性冷靜
林昀儒闖入銅牌戰後,在台灣關注度上升,他一直接受來自中國山東魯能的綦戈教練指導,引起社群一番討論。作風十分低調、不願搶兒子鋒頭的林昀儒父母,昨晚罕見發表公開聲明,逐一感謝在林昀儒桌球路上協助他們的人,林父、宜蘭大學休閒產業與健康促進學系教授林學宜在臉書發文表示:
「昀儒能走到今天站上奧運殿堂絕非一人或一家人之力所能完成的,就像陳之藩所說的:得之於人者太多,所以我們常懷感恩之心,也期許昀儒要敬天、敬人。
最近因為昀儒的表現讓桌球成為關注的話題,在部份網路論壇也成為熱門的焦點。很高興大家能對桌球有進一步的認識,但同時也要簡略地說明一下昀儒的成長史,希望大家能繼續將焦點放在奧運會場上,給桌球選手最大的加油!
昀儒從小學三年級開始接觸著桌球,桌球是種非常講求技術性的運動,所以從小學五年級起我們便自費聘請教練,而昀儒最初的貴人就是他的舅公──陳志堅先生,資助我們經費聘請教練,才得以讓昀儒在初期即能快速成長。
隨著年齡的成長、參與的競賽增加,昀儒打出不錯的成績後,各界提供的資源也越來越多。在教育部體育署部分,昀儒從國中時期就接受潛力選手計劃的栽培,最近爲了備戰奧運,更是獲得了黃金計劃的照顧,這段時間舉凡教練、運動防護員的聘任,還有出國比賽、移地訓練的經費都包含在黃金計劃,逐漸形成了一個信任而合作的團隊,也是促進昀儒成長的重要推手。
此外從國小起就讓昀儒成為簽約選手的合作金庫,還有運促會的林鴻道主席、桌協林茂榮理事長,以及很多的民間企業:金石建設、金元福、台塑、中油、長庚也一直給予我們協助。」
綦戈過去接受中國媒體採訪時也特別提到,林昀儒處理球冷靜、合理,平時的訓練非常踏實;常在訓練館內的白板上,自己寫下很多訓練中需要注意的要點,提醒自己。綦戈還提到,林昀儒英文非常好,在日本T聯賽賽後常在個人社交媒體用英文發文致謝。桌球迷喜歡拿他與日本天才少年張本智和比較,個性上林昀儒低調得多,場上不會大喊大叫,但進攻都不含糊。
■球后戴資穎對戰「好朋友」伊瑟儂,驚險大逆轉晉級四強
羽球世界球后「小戴」戴資穎在八強戰遭遇打法非常相似的第五種子泰國伊瑟儂,雙方年紀相仿,都是「天才少女」,且私下還是好朋友。雙方生涯交手29次,小戴15勝14敗、平分秋色,不過,小戴近期已經三連勝。
今天一開賽伊瑟儂有備而來,網前小球都很精準,比數差距最多拉開到6分,直接先搶下一局。第二局還是先由伊瑟儂佔上風,也讓小戴多次口中念念有詞,對於自己的表現不滿意;中段開始,小戴逐漸改變打法,開始多角度地調動位置,試圖拉開角度,分數也追成14比14平手。雖然追上但分數並沒有拉開,伊瑟儂還是保持競爭力,小戴不斷地加強壓迫下取得3個局點,雖然第一點被逃掉,但第二個就沒有放掉,拿下第二局追成1比1平手。
關鍵決勝局,小戴很明顯再把攻擊速度加快,各種武器也紛紛出籠,包括反手對角回擊直接拿分。第三局開局小戴維持微幅領先,雙方進入激烈對戰,尤其有一球雙方多拍來回,前後場跑動,最後小戴飛撲救球,球巧妙地剛好飛過網落在線邊,伊瑟儂即使飛撲也來不及救球。隨後小戴持續頂住壓力,小球、快慢搭配各種多元打法交替使用,一度戰成18比18平手,最後小戴先取得兩個賽末點,直接穩穩拿下一分取勝,首度晉級奧運四強。即使雙方是好友,兩人對戰依舊毫不手軟,最後輸球後,伊瑟儂難過落淚離開球場。小戴四強戰將面對印度一姐辛度(Pusarla V. Sindhu)。
小戴賽後受訪時說:「過程中失誤太多,給自己很大的壓迫,分數也一直處於落後,我就是盡量降低失誤,接好她的殺球,比賽過程中也不斷提醒自己,不要打得太完美,先求穩再拼球;但講是這樣講,比賽時很難做到。」
■射擊雙姝闖決賽,排名第五、第八與獎牌擦身而過
台灣射擊隊在東京奧運女子25公尺手槍傳出好成績,上午我國好手「證件妹」吳佳穎在快射項目取得295分的高分,比昨天的精準項目289分還要高。另一位我國好手田家榛保持穩定表現,昨天的精準拿下291分後,今天快射項目拿到293分,雙姝展現神射手功力,田家榛與吳佳穎分別以排名第五與第七闖入決賽,這也是我國射擊項目在奧運第一次有兩位選手闖入決賽。
射擊決賽賽制是所有選手先射四局,第五局後再從分數最低的每局逐一淘汰一人。田家榛前四局以總分10分最先被淘汰,以第八名作收;吳佳穎則是持續拿出穩定表現,一度暫居第四名,在第七局完成後,吳佳穎與中國、保加利亞選手同為23分。三位同分選手進行加射後,吳佳穎遭到淘汰,名列第五,與獎牌擦身而過,但也創下個人最佳成績。這也是繼雪梨奧運林怡君在女子不定向飛靶拿下第四名後,台灣射擊的最佳成績。
■田徑賽事登場,謝喜恩、陳傑無緣晉級
東京奧運的第二大金庫田徑今天登場(游泳是第一大金庫),台灣田徑代表隊唯一女將「百欄女神」謝喜恩首度前進奧運。雖然謝喜恩專長是100公尺跨欄,但因為是以保障名額獲得資格,國際田總指定項目就是是女子100公尺;但他仍奮力出賽,在100公尺資格賽跑出12秒49名列分組第七,無法晉級。賽後謝喜恩受訪時落淚地說:「爸爸在賽前傳簡訊給我,說我完成他以前當選手時沒做到的夢想,能替爸媽來奧運,是一件很光榮的事。」
另一位在今天出賽的是「跨欄王子」陳傑,出賽男子400公尺跨欄,落入死亡之組,卡達的桑巴(Abderrahman Samba)曾跑出46秒98、僅次於世界紀錄的成績,還有好幾位都是有46秒實力。最終陳傑跑出50秒96,已經是個人今年最佳成績,但還是無緣晉級。賽後陳傑在場上多待一些時間,才接受媒體訪問;他表示,雖然已經是今年最佳成績,但仍不滿意,不過已經盡全力,問心無愧,仍想挑戰明年的亞運,再來看看接下來的方向往哪走。
■網球球王喬科維奇敗給茲維列夫,扣關史上首位「年度金滿貫」夢碎
世界球王塞爾維亞的喬科維奇(Novak Djokovic)甫在溫網拿到第20座大滿貫,追平瑞士費德勒(Roger Federer)和西班牙納達爾(Rafael Nadal)的大滿貫數量 ,今年更是連續帶著澳網、法網與溫網三座大滿貫冠軍前往東京。2020東奧不僅是他挑戰生涯第一面奧運男單金牌,更是向史上首位男子球員年度金滿貫紀錄扣關,一旦完成,將可望在「史上最偉大球員」GOAT( Greatest Of All Time)的評比與討論中,獨有一項顯著超越費德勒和納達爾的紀錄。
雖然此次東奧因疫情顧慮,包括費德勒、納達爾等多名網球名將退賽,喬科維奇一路過關斬將進入四強。今天遭遇第一輪淘汰盧彥勳的德國名將茲維列夫(Alexander Zverev),球王首盤賽事兩度破對手發球局後拿下,但沒想到茲維列夫展開強烈反擊,第二盤連破球王發球局,扳平戰局。決勝盤茲維列夫再度兩次破球王發球局,第六局喬科維奇被逼出破發點後,再被對手破發,最終以1比6輸掉第三盤,無緣金牌戰,金滿貫正式夢碎。
【今日(7/30)台灣選手成績戰報】
桌球男子單打林昀儒(第四名)
射箭女子個人林佳恩(2:6 止步16強)
田徑女子100公尺謝喜恩(分組第七 未晉級)
田徑男子400公尺跨欄陳傑(分組第七 未晉級)
羽球女子單打預賽戴資穎(2:1 晉級4強)
羽球男子雙打預賽李洋、王齊麟(2:0 晉級金牌戰)
拳擊女子次中量級陳念琴(1:4 止步8強)
拳擊女子輕量級吳詩儀(0:5 止步16強)
高爾夫男子潘政琮(因雨中斷)
游泳女子50公尺自由式黃渼茜(未晉級)
划船女子單人雙槳黃義婷(第20名)
射擊女子個人25公尺手槍吳佳穎(第五名)
射擊女子個人25公尺手槍田家榛(第八名)
【明天(7/31)奧運賽程預告──幫台灣隊加油!】
高爾夫男子潘政琮(06:30 第二、三回合)
射箭男子個人湯智鈞(08:43 16強)
羽球男子單打周天成(12:10 8強)
羽球女子單打戴資穎(17:50 4強)
男子100公尺楊俊瀚(18:45 預賽)
舉重男子96公斤級陳柏任(18:50)
羽球男子雙打李洋、王齊麟(19:30 金牌戰)
比賽時間為台灣時間,實際比賽時間日程依東京奧運官網公布為準,體育署東奧專區於每日賽程結束後公布隔日賽程(https://olympic-ct.sa.gov.tw/schedule.html)
(文/嚴文廷;攝影/中央社、AFP)
#延伸閱讀
【江湖,在哪裡?莊智淵,永遠挑最難的那條路】 https://reurl.cc/Q9g4QO
【林育信、李智凱、黃克強的3個奧運夢──他們翻滾的不只體操、時代,還有自己的人生】https://bit.ly/3x0iHqE
【沒有煙硝的戰爭──奧運的歡呼與悲鳴】https://bit.ly/3zmoxnY
#報導者 #2020東奧特輯 #Olympics #Tokyo2020 #TeamTaiwan #東京奧運 #東奧 #奧運 #中華隊 #台灣選手 #林昀儒 #李洋 #王齊麟 #戴資穎 #吳佳穎 #田家榛 #謝喜恩 #陳傑 #喬科維奇
同時也有12部Youtube影片,追蹤數超過18萬的網紅Ordinary Gaming Studio平民遊戲工作室,也在其Youtube影片中提到,下載Link: https://lilulu.onelink.me/Zd8K/bcc1f253 繼《魔石傳說》之後 本地遊戲開發團隊Simplist又為大家呈上《Lilulu》 這支團隊沒有被局限於JRPG 看到他們的成長 實在令人感到高興:)...
庫夫林武器 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
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
庫夫林武器 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
萬物皆可印的 3D 列印,這次盯上了森林
作者 愛范兒 | 發布日期 2021 年 06 月 06 日 0:00 |
當環保越來越受重視,森林危機也引起更多人關注,包括 3D 列印的先驅者。
最近3D列印公司Desktop Metal製造出新技術,表示可3D列印出任何類型的「樹木」,且藉由廢物利用。不僅能回收更多垃圾廢物,還能藉由循環利用木材,減少人類砍伐。以前3D列印主要用各類塑膠和金屬材料列印,現在木頭也能成為列印材料了。
但3D列印的木桌、木椅、木碗,你敢用嗎?
3D列印的木桌、木椅、木碗都來了
新技術稱為Forust,也是Desktop Metal創立的子公司,專門營運新技術發展。技術藉由獲得專利的單程黏合劑噴射技術,可持續生產應用於木質零件。可持續性體現在Forust列印的原材料,這些材料全都是來自木材製造和造紙業的廢棄副產品。
Forust從木材製造收集纖維素粉塵,從造紙業收集木質素,這兩種材料透過高速3D列印,直接製造出木質成品。所以不是完全還原一整棵樹,而是列印出「模仿」真實樹木的產品。廢棄木料,從此也能成為精緻、美麗、有用的東西。
列印過程中,經特殊處理的鋸末會散開來,人們藉由CAD軟體及操作設計,讓無毒且可生物降解的樹脂黏合劑接合材料。
這能讓列印出的木材和傳統木材一樣的硬度和功能。特別的地方還在於,人們可用數位技術模仿任何類型的樹木紋理。只要在後台設計好木材列印的每層數據,就能隨心所欲印出紋理。可印出紫檀木、水曲柳、斑馬紋、烏木、桃花心木等,還支援各種木材染色劑,染成對應樹木的顏色。
Forust首席執行長Andrew Jeffery表示,Forust提供幾乎無限的設計靈活性,更接近真實樹木材質,並有更多創造自由。列印完成後,人們可按照傳統木製產品,打磨、鑽孔、染色、塗漆、拋光等。
目前,人們可使用Shop System機器或RAM 336製作木製品,有緊湊、高速、單程列印引擎等特點,很適合批量列印中小型木質零件,配備機械手臂的Forust3D列印工具最大能列印180×90×30公分的木製品。
Desktop Metals首席執行長Ric Fulop認為,這項技術各行各業都能用。如建築領域,可製造地板、屋頂;豪華內部裝修部件領域,可做汽車、遊艇及高級住宅有異國情調的稀有紋理裝潢素材;家具可做成櫥櫃、桌椅、門;家居用品可做成花盆、雕塑、相框、碗筷等。他們也展示一些設計樣品,包括各類家庭用品如器皿、碗、籃子、托盤。
Forust商店頁面,已可購買列印好的現成產品,第一批產品是瑞士工業設計師Yves B é har設計,但價格不便宜,一個托盤就要20美元(約新台幣552元)。隨著首批產品推出,Desktop Metal也為建築師、設計師、製造商提供木製產品生產的新方式。
高效、實用、可自由設計,當然最創新也最重要的是環保。
3D列印木頭真的環保嗎?
3D列印木頭的風潮才剛露頭角,無法有具體數據判斷結果。不過回到3D列印木頭本身看看影響性。
3D列印木材早在2013年,就有名為FormFutura的公司創造過類似產品,名為LAYWOO-D3,材料是40%再生木材,其餘部分是黏合聚合物,但更像木絲堆疊,缺乏真實紋理,密度也不夠。
之後幾年,也有麻省理工學院科學家開發實驗室培養的特殊木質細胞,弗萊堡大學研究人員開發環境友善的木質3D列印材料,但要不就是研究處於起步階段,要不就是產品很難和真實木材媲美。
Forust的確是具革新意義的改變。對環保的改變主要有以下三點:
一是用木材廢料再現原木品質和紋理,讓纖維素和木質素成為持續資產。
二是自由創建複雜或獨特的木材設計,可避免複雜木材設計的流線型生產。
三是按需生產,製造商、設計師甚至消費者都可提交自己的列印客製設計、訂購樣品和尋求大批量合作夥伴,並大規模、長期生產產品,最大程度減少材料浪費、現貨庫存,以及運輸污染。
第一點想法抓住森林砍伐的痛點,木材浪費是嚴重問題。The Balance網站報告指出,垃圾掩埋場所有垃圾有10%是木材廢料,2010年產生7,060萬噸城市木材廢料,且還在增長。Desktop Metal表示如果人們買3D列印的木製產品用壞了,還可回收,再列印成新產品。
他們希望木製產品壽命結束後,用戶有兩個選擇,一是像其他木製產品丟掉,將隨著時間推移生物降解,另一種就是藉Forust將材料重新用於未來產品。
我們的願景是創造真正的循環製造過程。
且這種技術讓可持續製造和具成本效益的木質產品,代替很多塑膠和聚合物,這樣也能減少各領域塑膠製品生產。不過回收木材廢料的成本還需要深究,紋理製造過程的精細程度、木材廢料多次利用後的品質,依然需要大量產品檢驗後才能確定。
第二、三點提到的生產過程,Forust也還有問題。如收集到廢棄木料後,轉化為木粉的過程,通常也需要消耗化石燃料等能源,如果使用木材廢料本身,廢料可能也會燃燒到膠水、油漆、有毒塗料等物質,然後將二氧化碳和毒素排入環境。
ZDNnet指出,從廢棄紙漿提取木質素,也要使用諸如二氧化硫、硫化鈉和氫氧化鈉等有害化學物質,或花費較高成本研磨後,透過二噁烷/水提取,然後用溶劑純化。所以將廢物木料變成可回收材料的過程,也有諸多破壞環境的部分。這也是可持續發展一直以來的挑戰──創建可持續的解決方案,通常也需要另一個不可持續的過程推動。
數據顯示到2027年,全球成品木製品市場將達1.8兆美元,需求下Desktop Metal是第一個將3D列印技術大規模商業化的公司。他們正將始於樹木的減法業,轉變為始於升級回收木材廢料的增材業。
不過未來是否實現Desktop Metal的願景,或他們願景只是商業鼓吹,還得持續觀望。
3D列印,還能給生活帶來什麼新改變?
列印玩具、列印鞋底、列印橋樑、列印房子、列印火箭……3D列印似乎無所不能。
這個出現在1990年代中期的技術,開始只是由電腦控制,快速把液體粉末等「列印材料」一層層疊加,然後把電腦藍圖變成實物的裝置。1986年,美國科學家Charles Hull開發第一台商業3D印刷機;1993年,麻省理工學院獲3D印刷技術專利;2005年,市場首台高清晰彩色3D列印機Spectrum Z510面世。
當時人們對3D列印抱有無限期待和幻想。3D列印的確沒讓人失望,雖然速度發展並不快,但每次新成果足以令人耳目一新。如2010年11月,美國Jim Kor團隊列印出世界第一輛3D列印汽車Urbee,2011年6月6日,全球第一款3D列印比基尼出現,2011年7月,世界第一台3D巧克力列印機來了。
從建築、家居、美食、醫療到武器,3D列印在很多領域都開始運用。3D列印也曾視為引領第三次工業革命的技術,但3D列印風潮來得快去得也快。2016年左右,很多3D列印公司紛紛倒閉,AI和區塊鏈迎頭趕上。
風潮過後研究人員並未受影響,依然持續研究3D列印的新可能。
2019年4月15日,以色列特拉維夫大學研究人員以病人自身組織為原材料,3D列印出全球首顆擁有細胞、血管、心室和心房的「完整」心臟。當時這顆「心臟」可收縮,但無法像正常心臟一樣搏動泵血,去年明尼蘇達大學研究人員又藉由新型生物墨水加上3D列印技術,創建有腔室、心室、血管結構、可泵血的心臟。
生物3D列印,讓我們看到3D列印的無限潛力,雖然真正器官移植還需至少十幾年才能確認能否用於人體,但技術發展瞬息萬變。3D列印很多技術尚在研究,4D列印就興起了。4D列印其實就是3D列印技術升級,是將「可編程物質」和「3D技術」結合,讓3D列印物體有一定機械運動能力,能在外界刺激下改變形狀或結構。
這些「列印界」新技術,讓我們看到希望,不過依然感覺有點遙遠。而3D列印風潮後的企業,就在不斷嘗試讓3D列印技術更現實。
3D列印公司Icon和當地非營利組織New Story共同開發3D列印房屋,今年就有新主人:70歲高齡的流浪老人Tim Shea。這棟用混凝土3D列印房屋的造價只有1萬美元,低成本、便捷性、舒適性將為全球更多流浪人口帶來慰藉。
不過除房屋建造、生物組織等特定領域,大部分普及的3D列印材料,依然是金屬或塑膠等可黏合材料。最新的木製材料,讓我們又看到3D列印進入日常的可能。接下來,3D列印還將從單一列印材料走向多種材料並行列印,將讓3D列印機賦予產品更多元功能、更智慧的體驗、更複雜的系統。
這也將讓3D列印產品更貼近每個人的生活。
附圖:▲ Spectrum Z510。
▲ 3D列印汽車Urbee。
資料來源:https://technews.tw/2021/06/06/3d-printing-forust/
庫夫林武器 在 Ordinary Gaming Studio平民遊戲工作室 Youtube 的精選貼文
下載Link: https://lilulu.onelink.me/Zd8K/bcc1f253
繼《魔石傳說》之後
本地遊戲開發團隊Simplist又為大家呈上《Lilulu》
這支團隊沒有被局限於JRPG
看到他們的成長
實在令人感到高興:)
庫夫林武器 在 Ordinary Gaming Studio平民遊戲工作室 Youtube 的最佳解答
從四代開始,大家每次玩生化危機都可以「屠村」
直到第七集才停下來, 並改成了屠人全家
沒想到第八集居然是集大成(?)
不管是屠村還是屠家,我全都要!!
Patreon:
https://www.patreon.com/ordinarygamingstudio
Facebook:
https://www.facebook.com/ordinarygamingstudio
Mewe:
https://mewe.com/p/%E5%B9%B3%E6%B0%91%E9%81%8A%E6%88%B2%E5%B7%A5%E4%BD%9C%E5%AE%A4ordinarygamingstudio
0:00 系列近況
0:56 故事設定
1:44 遊戲流程
2:01 地圖
3:05 玩法/戰鬥
4:47 求生
5:52 缺點
6:29 氣氛
7:18 回歸王道
8:31 總結
庫夫林武器 在 朱學恒的阿宅萬事通事務所 Youtube 的精選貼文
Twitch傳送門: https://www.twitch.tv/otakuarmy2
根據鏡周刊的報導:【據了解,台中港一名林姓碼頭工人1日凌晨下班後,在西碼頭聽到聲音查看後發現偷渡客在求救,隨即報警處理。周男落網後供稱,因嚮往台灣自由,於是透過淘寶購買人民幣1.6萬元(約新台幣6.8萬元)的軍規橡皮艇與引擎,4月30日從福建石獅出發,花11小時橫渡海峽,最後在台中港附近上岸。】
這新聞看到簡直嚇歪我了,周姓男子感覺完全是個海賊王中的人物,除了不知道有沒有惡魔果實的能力之外,一人一艇就可以橫渡最窄也有一百三十公里的台灣海峽,成本只有六萬八千元台幣和買油的錢。而且福建出海也還要刷個健康碼,台灣海峽還被譽為世界上巡邏最嚴密的海上區域,結果就這麼被他一人一艇突破,根本是魯夫再世!
我還認真的算了一下,有人推估075兩棲登陸艦建造成本最多不會超過四億美金,可以買十六萬四千七百零五艘橡皮艇,那解放軍造甚麼075兩棲登陸艦啦,買十萬艘鐵鎖連江搭個浮橋,簡直可以從福建平潭大家郊遊走過來啦!這事情還荒謬到連BBC都出了一則新聞:【Taiwan says it is investigating whether a man from mainland China managed to cross the highly militarised Taiwan Strait in a small rubber dinghy.The Chinese man, 33, told police he crossed the 100-mile (160km) stretch in search of "freedom and democracy".】這人到底是魯夫還是帶了甚麼黑科技跨越台灣海峽,我們就問一下孝瑋哥吧~~~
根據中國時報的報導,有一位覺青力捧的邏輯奇特的網美:【在臉書表示,她最近去練槍法,就是7公尺用手槍快速掏槍射擊,還強調只要這個島上有一萬人都能在7公尺以外用手槍打敵人胸口,歡迎來台灣看看,來一個打爆一個。
另有軍事專家趙武靈(Casey Chao)臉書指出,2010年6月28日,美國在阿富汗的強鷹行動(Operation Strong Eagle),美軍步兵營與民兵在1個月的激戰當中,分別有2:150人死亡,也就是說,民兵的死亡人數,約為正規攻擊部隊的75倍!即使將敵我死亡比率降到1:7.5,也就是美軍的十分之一好了,請問台灣社會有準備好承受這樣的役齡年輕人力損失嗎?】
不是啊,我們不是要每個人都懂軍事,而是在大家跟著瞎喊【千刀砍來千刀卸,萬刀砍來萬刀飛!炮火如飛砂,洋槍當水花!神功護體!神功護體!】的義和團言論之前,先搞清楚狀況好嗎?每天在那邊喊手槍護國,結果壯闊台灣的吳怡農當上台北市黨部主委之後連開除黑道都開不了,要搞全民皆兵是靠嘴巴嗎?根據蘋果日報的報導:【民進黨智庫、新境界基金會副執行長吳怡農拋出在家當兵、全民皆兵主張,遭退輔會主委馮世寬斥「那是渣男」、影射「目的就是為了選舉」。
《亞太防衛》雜誌總編鄭繼文認為,不僅軍中裝備妥善率頻出問題,遑論後備所使用的裝備,不如編列預算改善軍中武器裝備還比較實際。】
但是覺青可愛吳怡農和他的主張呢,最棒的是還有一堆農奴農夫超支持他的呢哈哈哈哈哈~~~~可見覺青誤國不是一個空談啊,隨時都可以誤國,厲害了吧
阿宅萬事通語錄貼圖上架囉 https://reurl.cc/dV7bmD
【加入YT會員按鈕】 https://reurl.cc/raleRb
【訂閱YT頻道按鈕】 https://reurl.cc/Q3k0g9
購買朱大衣服傳送門: https://shop.lucifer.tw/