Search
【科技】摩托羅拉公布全新隔空充電技術3米內可同時充電4個裝置
隔空充電感覺係新世代黑科技，「Motorola手機」宣布旗下將推出全新隔空充電技術，新亮相技術無需充電線材，不限電源位置，進入房間即可保持電量滿格。充電裝置由1,600條天線組成相位陣列，可同時充電 4個裝置。據影片顯示可主動探測、自動充電，支援 3米手持隔空充電，不懼遮擋，支援超廣角（>100°)。至於大家最關心的安全性問題，相信摩托羅拉作為一間大廠應該都已做足測試，敢唔敢用就係消費者的心態問題，起碼好多人類已接受活係充滿WiFi信號的房間當中，唔爭在充電波束啦！
從火星探測系統到輔助工業製程，美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用？
李佳樺 2021/08/13
從2012 年美國太空總署成功將探測車「好奇號」送上火星至今，已經過了3000多個「火星日」，肩負著火星探測的重要任務，8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的，則是好奇號的 AI 運算系統，其實是由美國新創 Beyond Limits 的團隊建立的，公司發展至今也將觸角伸到能源、先進製造等產業，建立 SaaS 服務，為產業提供 AI 輔助平台，2020 年更獲得 1.3 億美元的投資，拓點到台灣、日本、新加坡、香港等地。
Beyond Limits 將 AI 應用到產業製程的契機，源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件，企業希望導入 AI 優化決策過程，合作中也發現了石化能源產業的痛點，研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品，不僅受到美國石油公司歡迎，日本市場也買單。
有了日本的先例，這套美國研發出的產品，照理說要拓展到亞洲市場應該不成問題，不料到了台灣卻窒礙難行，甚至需要重新開發不同的產品。
Beyond Limits 的台灣團隊究竟面臨了什麼挑戰？
台灣市場與美國差異大，Beyond Limits 台灣團隊必須如創業般從頭研發產品
台灣分公司總經理張中宜說明，台灣產業的先天特性，讓美國母公司已開發的產品都面臨市場可行性低落的問題，以石油產業的產品舉例，在台灣只有中油、台塑兩個客戶，且台灣的石油公司並不做研發工作，多半直接向國外公司購買配方，因此團隊必須在美國 SaaS 模式 的技術基礎下，研發出符合台灣市場、針對不同產業需求的商品。
「Beyond Limits 在台灣設立公司時的處境，跟重新創業差不多。」張中宜表示，AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師，也要有懂產業製程的專家團隊，龐大的研發費用與對產業專家的需求，讓每一次產品開發都像募資活動，團隊必須透過產業訪談做足市場研究找到痛點，說服製造公司與他們合作開發能解決產業問題的軟體。
然而開發全新市場對張中宜來說並不陌生。
她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ，第一年就讓偏鄉學子考上孟國最高學府卡達大學，更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮，讓卡西歐、 AI 新創、安永都找她擔任顧問，執行戰略布局或開發新通路的工作，面對 Beyond Limits 在台灣的難題，團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。
延伸既有美國產品技術，尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關，研發電池的過程與石油廠研發機油的邏輯相似，痛點都在於漫長的研發過程，就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣，電池配方更要經歷至少半年的實驗，且實驗設計也要在無數次團隊與客戶的交鋒後才能成型，溝通成本相當高昂。
使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統，研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速，系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇，縮短約 2 千倍的研發時間。
Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟，以其認知 AI 的核心技術，協助三井投資的液化天然氣廠進行巨量資料分析，並整合作業人員專業知識與數位化作業模式，制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說，透過與 Beyond Limits 的合作可以改善與再造營運流程，更有效率執行現有事業群的高附加價值項目。
另外，Beyond Limits基於公司在美國既有的輔助風電機維修平台，投入面板機器手臂維修建議系統的開發，「雖然也想在台灣用同一套產品幫助風電產業，也與風電廠陸續接洽，但台灣的風電仍在建設階段，缺乏營運經驗，目前的維修需求也不高。」張中宜談到，市場開發的大方向是要在台灣尋找具備預測維修需求，且市場密集、成熟的產業，公司在與投資人仁寶電腦的合作中，發現光電面板產線中機器手臂的維修概念與風機維修類似，而且痛點也類似：包含高昂的維修成本、未經標準化的維修流程，以及依賴經驗的維修決策。
目前輔助維修系統正與日本機器手臂原廠合作開發，由廠商提供維修資料與產業專家， Beyond Limits 透過 AI 分析維修數據，建立資料背後的邏輯推演，系統最終能判斷機器損壞的原因，並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本，對維修人員來說也有可依循的維修建議，長遠更能累積產業知識 ( domain know-how ) ，促進升級。
以邊緣運算技術，與北捷合作開發人流異常預警系統
而將技術從太空拉回到地面，Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作，使用等同於在火星探測時、消弭與地球時差的邊緣運算技術，原理是透過分散式的運算提升效率，達成在監控系統的邊緣節點就進行異常人流的辨別，降低反應時間落差。
張中宜舉例，正常的人流像是乘客擠進車廂內的固定位置，開始滑手機，異常的人流可能是人群往四面八方散去，產生快速移動的樣態，異常訊息可以在 10 秒內將送到中控室，大幅縮減以往需要 4 分鐘以上的訊號傳輸時間，也能避免踩到人臉辨識的紅線，未來希望擴張應用到大樓監控，或是銷往他國的大眾運輸系統。
源自NASA，認知型AI成為技術優勢與門檻
與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同，Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ，前者的數值 AI 是透過大量數據讓模型認知「此為何物」，而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞，並加以做出決策與判斷，以電池配方為例，將實驗室過去的實驗數據導入數值 AI 系統後，會得出樹種配方組合，再藉由符號 AI 判斷個配方辦法的優劣，並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合，讓人工智慧的每項建議都能以人類可理解的思路解釋，輔助人類做最後決策，也使人機協作的製程模式成為可能。
對於這項技術，張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後，由於火星與地球之間的數值傳遞有時間差，人類基本上不可能遙控好奇號，而且火星上的數據在這之前是 0，所以數值 AI 也無法運作，為了能夠讓好奇號自行在火星上探測與行動，勢必須要模擬人類大腦的認知型 AI 系統，當時才會開發出符號 AI。
根據研究報告，2025 年工業用 AI 規模將達 160 億美元，其應用開發仍具高度可能性，Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外，未來也希望協助優化晶圓半導體產業的製程，團隊更積極與社會、產業溝通，讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策，也讓產業正視轉型需求，近期將與台灣新創基地合作舉辦 AI 科普講座，持續促進製造業的人機共榮合作。
創業快問快答
Q：服務的創意來源，是因為發生甚麼事情而有這樣的想法？
A：台灣數位轉型瓶頸
Q：創業至今，做得最好的三件事為何？
A：用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式
Q：要達到下一步目標，團隊目前缺乏的資源是？
A：能見度
附圖：BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術，達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說：BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits
資料來源：https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0
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
#白蟻 #神奇的昆蟲 #消滅白蟻
各位大家好，歡迎來到HenHenTV 的奇異世界，我是Tommy.
在以前的工作裡面，我們曾經邀請白蟻專家去到我的公司裡面給予培訓，那個專家第一句就是白蟻是益蟲，這個就讓我對於白蟻有了不同的見解，而她在培訓裡面解釋白蟻的特性時，更加讓我覺得驚嘆！究竟白蟻是怎樣的一種昆蟲呢？今天我們來深入了解昆蟲的世界。
如果你是第一次看我影片，我影片就是講一下稀奇古怪，靈異，外星人和UFO，一些揭開真偽的案件，還有一些科學無法解釋的東西，如果你也喜歡這些主題，歡迎你訂閱HenHenTV，然後打開旁邊的小鈴鐺，選擇全部的Notification吧！
好！我們開始吧！
世界上大約有一萬兆的螞蟻，如果把所以螞蟻的體重加起來，大概可以等於地球所有人加起來的體重，而白蟻，Termite，古時代稱之為蚍蜉（pi2fu2），有句諺語叫蚍蜉撼大樹裡面講的就是白蟻，是3500多種等翅目下面的蜚蠊目類，是個半變態完全的社會性昆蟲，雖然白蟻和螞蟻都有一個‘蟻’字，但是它們談不上是近親，而和白蟻比較近親的反而是蟑螂。
它也好像蜜蜂一樣，是個社會性很強的昆蟲。
在白蟻的‘社會’裡面，階級制度和分工非常的嚴謹，可以說是一旦被選為那個階級，它們一生人。。。。一生蟻就會只做同一種工作，不會越權。白蟻會分為白蟻王，白蟻后，白蟻工和白蟻兵，而大約會分成三大類別，生殖型，保衛型還有工作型。
工作型的白蟻就是工蟻，而在白蟻巢裡面大部分都是工蟻，有雄性也有雌性，雖然有生殖器官，但是退化並不可以使用，因為一出生的時候就被人‘閹割’了，至於是怎樣閹割，我等下會講到。
工蟻也有分為真工蟻和假工蟻，假工蟻可以蛻皮分化變成真工蟻，有點好像是員工和高級員工的分別，那麼工蟻顧名思義就是負責做工的螞蟻，他們負責覓食，建築蟻巢，修建土路，負責照顧剛生出來的小寶寶，照顧兵蟻的起居飲食還有打理蟻后的一切事務。那麼在你家看到的白蟻大部分都是工蟻，這時大家就有個疑問，如果工蟻自己吃了不再回去巢裡面，那麼蟻后和兵蟻不就餓死咯？
這種罷工的事情是不會發生的，有很多人對於螞蟻社會的見解，就是一致認為是蟻后統治蟻群，但是斯坦福大學的教授，說它是一種個別自行意志交織而組成的社會，你可以這樣想，把它這個群體比喻為一個個體，好像你全身的細胞一樣，並不需要去控制，就會好像設定好的一樣運行。
還有一個原因，就是白蟻本身並不吃這些木頭，它們只是咬了回去吐出來去培養真菌花園，而這些就是他們食物的來源，，而工蟻本身的腸道只可以勉強分解一些木頭裡面的有機物，大部分不能消化掉的東西，就會回去吐在他們的真菌花園裡面。而在他們的真菌花園裡面的小菌球，這些小菌球是菌類需要去除的‘野草’，如果白蟻長時間內沒有攝取這些養分，整個蟻群就會因營養不良而滅亡。過後我們會說它們如何應對這些事情，真的是太神奇了！
那麼白蟻兵就是打戰的白蟻，在蟻群裡面的數量較比工蟻的少，不能繁殖。頭部骨化並且大顎特別的發達，由於是這個大顎特別的大，因此它們不能進食，需要工蟻來餵食，而兵蟻也會因為品種不同而呈現不同的形態。
1. 大顎種類，頭骨化，大顎用來攻擊敵手。
2. 彈擊型兵蟻，大顎修長，用來在夾擊時，產生能量來彈擊敵手
3. 阻塞性兵蟻，就是大頭兵蟻，頭部高度骨化，就是在敵人攻擊洞穴前，用它巨大的頭骨阻塞洞口，阻擋敵人入侵。
還有很多很多不同的種類，如果有時兵蟻的數量不足，工蟻也要充當兵蟻來阻擋敵人的入侵。
那麼我們說到生殖型的啦～那麼在白蟻裡面用分為長翅膀，短翅膀的和沒有翅膀的，當中也有雄性和雌性，而有翅膀的種類佔多數，那麼這些生殖型的白蟻，就會在翅膀生長完全過後，就會飛出巢穴，進行婚飛，也就是飛出去開房。。。。哈哈哈
而這就是一個蟻巢的開始，公蟻和雌蟻只需在空中交配一次，就可以不停的產卵，而雄蟻就會在交配後，被蟻后吃掉來補充養分。。。這些他們愛的證明。。
當交配後，雌性的生殖型白蟻就會成為蟻后，而剛開始時在還沒有有工蟻之前，它需要忍受一段時間的飢餓，開始身體的翅膀退化或者折斷，下腹變成越來越巨大。裡面儲存足夠的養分來讓她生存一段時間。
第一批先出生的當然是工蟻，但是卵還沒變成工蟻之前，是由蟻后嘴對嘴餵食的，當這一批工蟻生長完整時，就會開始建造更多的空間，還有儲卵室，而因為工蟻餵食不同的東西給蟲卵，就會生長出不同種類的白蟻。之前說過工蟻一出生就被人閹割了，是因為在蟲卵的時候餵食只能長出工蟻的食物，是不是很神奇呢？
那麼為什麼我在影片的一開始，就是白蟻是益蟲呢？因為白蟻只吃死去的木頭，而如果是還活著大樹，會有一些壞死的組織，而白蟻是少數可以化解木屑的昆蟲，那麼為什麼它會攻擊你家裡的木家具，書本還有一些木質的材料。因為那些都是死去的木頭。所以古時的蚍蜉撼大樹並不是白蟻去攻擊活的大樹，而是大樹已經死亡了，它們去做收尾工作而已。
但是白蟻也是很聰明的，它會先選最軟的木來咬，如果有水分的木，它們就更喜歡了。
由於白蟻的身體79%以上都是水分，而它的巢穴濕度也是大概30-35%，如果白蟻暴晒在太陽底下會蒸發掉水分，於是工蟻在尋找食物素材時，需要先建造土道來遮太陽，而工蟻裡面會有專屬的吸水工蟻負責巢穴保濕的。
那麼人類的屋子會因為白蟻蛀蝕而倒塌，因此人類也想出了對付白蟻的方法，首先先鎖定如何找到它的蟻后。只要讓它不能蛻皮，她就會失去生育能力而死去。一個白蟻后最長的壽命可以是60-70年，而蟻后一次產卵可以多達幾萬粒卵，而培育出新的工蟻需要大概20天就可以了。
大家知道的方法大概有兩種，第一就是在房子的四邊噴上白蟻油，而工蟻就會吃了這些帶有白蟻油的木屑回到主巢餵食它的蟻后，或者是有些先去到它的真菌花園，然後在把帶有化學成分的真菌餵食它的蟻后和其他兵蟻和卵。
當蟻后吃了過後就會中毒，會慢慢的死去，而這時的工蟻發現蟻后的不對勁，就會做出應對決策，之前不是有說過，生殖類的白蟻有分有長翅膀，短翅膀和沒有翅膀的白蟻，當中有雌性和雄性的。這時短翅膀或沒有翅膀的就派上用場了，他們就是儲備蟻王和蟻后。
哇！還有儲備蟻王和蟻后哦！
工蟻就會開始培養新的蟻王和蟻后，開始餵食不同的食物，然後讓它們在洞穴裡面交配，取代即將死去的蟻后，由於像之前說的，蟻王的功能就是讓蟻后懷孕一次，然後就會變成她的養分。。
除了這些儲備的生殖型白蟻，他們也有長翅膀的生殖型白蟻，會飛出去其他地方，再培養另外一個白蟻王國。
第二種方法對付白蟻，就是在它們平常經過的地方埋下帶有白蟻油木屑的瓶子，這種方法需要先探測他們的路線，然後再埋下幾個瓶子。
有很多人就說，不如直接找到巢穴，然後將它們一網打盡！這種方法也是可以，只是白蟻因種類不同，巢穴也有不同，有些是直接建造在死去的大樹裡面，有些是在幾米的土壤下，也有些是寄生在其他的螞蟻洞穴。是不容易找到它們的巢穴的。
而在非洲的土人把紅螞蟻丟進白蟻的巢穴裡面，這種方法雖然可以解決掉白蟻，但是卻製造了另外一個問題，那就是紅螞蟻咯～
白蟻是生命力超強的昆蟲，我們不知道白蟻究竟之間如何去溝通，應該是靠氣味，好像你們在白蟻行走的道路抹一抹，它們的隊伍就會亂掉，但是過一下它們又回到正途上，如果前方有危險，它們就會發出死亡警告的氣味，用觸角去通知其他隊員。
很神奇吧！
看完這裡，我覺得人類實在是太渺小了，以人類建造的社會根本不能和白蟻相提並論，人類創造的社會都是有缺陷的，是個別思考的個體組成的社會，
非常的脆弱，有事情發生時，就會自己顧自己了。自私自利，濫用權力，罔顧下面的基層死活等等。
我們人類擁有它們沒有的思考腦袋，但是卻不會使用到對的地方，污染環境，破壞大自然等等。
是不是要向白蟻好好學習學習呢？
好啦！今天的影片就到這裡，如果大家反應不錯，下次我會說蜘蛛，我們下個奇異世界見！Bye Bye。
本集主題： #國立臺灣史前文化博物館 #科學的考古學
連續三集聽完了臺灣史前史廳，再來就是進入科學的考古學，一樣由研究典藏組的 #葉長庚研究助理，來為大家介紹。
展覽說明：
本展示廳是考古學的探索之旅，也是關於考古學學科本身的故事。主要在向觀眾介紹考古學的內涵與精神，認識考古學如何逐步發現、探索、分析現象、並利用科學精神與技術來解釋驗證考古發現的器物與現象。在這個展覽中，並非僅止於呈現特定的文化或遺址的文化史，而是考古學家如何發現、分析與還原事實的過程，以及在解釋或詮釋現象時的依據。
本展示廳利用不同的遺址造景，具體呈現考古現場的氣氛，使觀眾瞭解考古學家如何解讀考古遺址的各種現象。藉著不同的考古學案例與問題思考，逐步引導觀眾探索考古學家復原古代人類歷史的過程。透過現場情境的營造，藉著空間中視覺美感、觸覺、聽覺的運用，觸動觀眾的感覺神經，使之彷彿走入考古第一現場。藉著運用不同形式的高科技互動、多媒體媒材，讓觀眾親手操作、觀察、親身體驗與參與考古工作的流程。
一、探索古代：什麼是考古學
考古學是一藉由對物質遺留研究建立過去人類行為活動的系統性知識學科，以建立史前的文化史、瞭解過去人類的生活方式、文化發展與變遷，與進一步對文化意義的解釋等。本單元以文化層的概念，提供訪客初步了解考古學是必須藉由地球科學、動物學、植物學及化學等不同學科的研究來搜集、記錄與分析考古材料，從地表的探測到實驗室的分析，來解釋與重建過去的歷史。在這單元我們利用了測地雷達與土芯鑽探的互動展示，開啟了考古中科學知識的應用。
二、神機妙算：如何測定年代
考古學家確定年代的方法，可以分為相對年代及絕對年代。「相對年代」是指運用層位學及類型學比較物質遺留的年代早晚。而「絕對年代」則是運用各種物理學、化學及植物學等方法，計算出遺物可能的時間範圍，或是運用歷史文獻與曆法定年。
三、天工開物：如何復原工藝技術
人類與其它動物最大的不同在工具的制作，以克服、改造所面對的自然環境，在考古遺留中，所發現各式的工具如石斧、石錛或是陶製的容器，這些工具的材質、器型風格、使用痕跡，都與製作者所處的環境與文化息息相關。考古任務便是從這些器物尋找蛛絲馬姬，重建古代人類的生活。
四、朽骨玄機：如何瞭解古代的人類
人骨在考古遺留中是我們研究古代人類大量訊息的直接證據。考古學家透過對人骨的形態測量與化學分析，以了解人類的死亡年齡、性別、飲時與建康狀況，重建過去人類的容貌與體質，以進一步瞭解古代人類的社會結構、性別分工、飲食習慣及遷移過程等議題。
五、以食為天：如何瞭解史前人類的食物
人類的飲食可以透露出人如何去適應他所處的環境，因此考古學家不但想知道古代人類吃了什麼，更進一步想探究古代人類如何獲得與處理食物，以及因文化而形成的特殊飲食偏好。
六、山川水土：如何重建生態環境
人類社會的發展，相當程度受到生態環境的制約。因此，環境考古學家對史前人類所居住的環境，進行對古代環境的探索。在研究方法上，經常藉由生態學的角度，透過生物物理的環境來觀察古代社群的文化，因此強調社群與其環境間的關係。
七、棲身之所：如何重建和認識聚落型態
考古學中所謂的聚落形態指的是人類存在的物質跡象在地面上的分布，包括房屋、各種設施和村落，以及這些遺留的空間關系。研究聚落形態時可分為多種不同的層次，小自單一房屋結構，大至區域中各聚落及環境間的互動關係。都是考古學家想要探索的問題。
八、尊天敬地：如何瞭解古代人類的心靈
從遺址現象推論古人的心靈及思想，是考古學家最感興趣，卻也最困難的一項工作。在無文字的社會裡，只能透過遺物、墓葬形式及壁畫作為輔助研究。有文字的社會，考古學家可透過文字推測其宗教信仰。因此舊石器時代的維納斯雕象、中國古代的青銅工藝都是探討古人心靈的重要橋樑。
九、日久天長：文化的變遷過程
由於物質遺留可承載人類長期活動的過程與變化，因此，考古學可探究長期的文化現象或人類行為，而針對如早期國家的形成或古文明的衰弱。這類文化變遷的研究，考古學家要設想出政治、經濟、宗教、軍事及環境等各種變數，並運用各種科技方法來評估這些變數對於文化的影響。
十、鑑往知來：為什麼要保存文化資產
考古遺址保存有許多珍貴的資訊，是破解過去的重要關鍵，使人們得以瞭解過去的歷史。由於遺址一但遭受破壞就不能復原，是相當珍貴的文化資產，因此保護文化資產是每一個生活在這土地的人應該要關心的課題。
請大家支持，我全部六個粉絲頁
李基銘主持人粉絲頁：https://www.facebook.com/voh.lee
李基銘的亂亂分享粉絲頁：https://www.facebook.com/voh.happy
李基銘的影音頻道粉絲頁：https://www.facebook.com/voh.video
漢聲廣播電台「fb新鮮事」節目粉絲頁：https://www.facebook.com/voh.vhbn
漢聲廣播電台「快樂玩童軍」節目粉絲頁：https://www.facebook.com/voh.scout
漢聲廣播電台「生活有意思」節目粉絲頁：https://www.facebook.com/voh.life
由挪威獨立工作室打造，靈感來自「霍華德·菲利普斯·洛夫克拉夫特」撰寫的恐怖小說，
這款《Moons of Madness》，將要帶領玩家們來到火星，
體驗一系列超自然的恐怖冒險。
本作採第一視角的方式進行遊戲，玩家將扮演一位來到此地的宇航員，
除了必須負責管理自家的基地之外，還得可使用探測車、電腦等器材，
並想辦法開拓其他地區來探索火星；
但在這個過程中，他發現了其他成員在執行任務後，並沒有回來的跡象，自己也漸漸開始看見了一些不該存在的東西；
整體作品都圍繞著克蘇魯式的風格，來讓玩家們探索精神疾病的世界。
至於詳細內容到底發生什麼事，這當然要等各位自行上去買下來體驗看看囉。
遊戲目前正在Steam平台上正式發售，想嘗試看看這款「太空克蘇魯」遊戲的玩家們可千萬別錯過唷。
(C)Rock Pocket Games
「電玩宅速配」粉絲團：https://www.facebook.com/tvgamexpress
「網紅攝影棚」節目：https://tinyurl.com/y3hejwb5
遊戲庫粉絲團：http://www.facebook.com/Gamedbfans
