關於 突波spike ，我們在網路上蒐集到這些相關的討論、資訊與評價

【打開「新冠病毒」的潘朵拉盒子】
2019年11月17日，中國湖北省武漢市一張胸部電腦斷層掃描（CT）影像出現毛玻璃狀結節（nodule），疑似新型肺炎病例，病因成謎。隨著年關將近，人們在12月開始頻繁奔波各地，武漢市位居中國交通樞紐，陸續發現數起新型肺炎的病例。疫情似乎悄悄蔓延。
　
同年12月30日武漢中心醫院醫師李文亮透過網路社群通知同事，華南海鮮市場出現類似嚴重急性呼吸道症候群（SARS）的病患，應小心防護。不幸的是，李文亮醫師因這種新型肺炎於今年2月7日病逝於武漢金銀潭醫院。
　
英國醫學期刊《刺絡針》（Lancet）特別於2月18日發文悼念李文亮，引述了美國約翰霍普金斯大學彭博公衛學院主任英格勒斯比（Tom Inglesby）的一句話：「世界上最重要的預警系統是，醫護人員意識到某種新疾病正在出現，然後發出警報。」
　
醫學界現在清楚知道這種新疾病是由人傳人的新冠病毒（SARS-CoV-2）所引起，命名為嚴重特殊傳染性肺炎。但人們太晚意識到「吹哨人」發出的警報，低估新冠病毒的傳染力，疫情迅速從中國傳到新加坡、韓國、日本等亞洲區域，蔓延到歐洲地區（特別是義大利以及西班牙），再擴散至美洲地區（美國紐約成為重災區），死亡和感染病例以指數型曲線與日俱增，人類正面臨21世紀的瘟疫[1]。
　
■什麼是病毒
病毒是一種寄生在於細胞內的微小生物體，感染的對象涵蓋細菌、古菌和所有的真核生物。病毒的構造極為簡單，主要包括四層結構，由內而外依序為：位於核心的遺傳物質、蛋白質構成的衣殼、源自於宿主細胞膜的脂質外套膜、以及具有宿主專一性的特殊蛋白質。
　
某些病毒的構造甚至更為精簡，不具有外套膜。由於缺乏複製遺傳物質與合成蛋白質所需的材料和環境元素，病毒的生存繁殖需要完全仰賴宿主細胞；而脫離細胞體的病毒，其活性可以維持數分到數小時不等。
　
目前已知的病毒種類共有489種病毒，因病毒具有高突變率，衍生出的亞種通常具有不同程度的感染力和致病性。除此之外，病毒毒性的差異亦見於不同的宿主物種間。隨著自然環境變遷的壓力與日俱增，似乎也加速了病毒演化的時程：擴大感染的物種範圍以及產生新種病毒。
　
以近數十年來侵襲人類的新變異株或新種病毒為例，有些已經成功地潛伏在人類的群落裡（如：愛滋病毒）；而毒性強的新變異株（如：伊波拉病毒、 SARS病毒），則以低致病性的形態潛藏於原始的宿主物種當中。這些現象投映出病毒演變的縮影，也展現了病毒病絕佳的可變性和適應力。
　
病毒的起源現今仍未有定論，若從部份病毒基因的相似性橫跨了原藻以至於脊椎動物的角度來看，病毒可能是演化上最原始的生命形態；然而，另一種說法是：細胞的基因組意外地分割出可以獨立複製的基因片段，形成病毒顆粒的前身。無論如何，可以確定的是，精巧詭變的生存策略足以讓病毒成為演化長河中最淵遠流長的物種[2]。
　
■病毒與人
傳染病的流行，常常會影響人類的所有活動。歷史上的社會榮枯、文化起落、宗教興滅、政體變革、產業轉型、科技發展，都和傳染病的流行有密切的關係。戰爭的勝敗也可決定於傳染病的蔓延。在中世紀的圍城戰爭中，曾經將黑死病患者的屍體當作武器，以強力彈弓拋擲到城堡裡，讓守城敵軍得病死亡，進而不戰而勝。
　
■影響人類至巨的流行病毒
當新種病毒出現時，所有人類對它都沒有抵抗力，一旦傳染開來，流行就大為爆發，使得民眾陷入一無所知的高度恐慌當中。像二十世紀的多次流行性感冒、愛滋病和狂牛症等，在擴散蔓延的初期，帶給人們極度懸疑的不確定性和不安全感。
　
一直等到醫學界闡明了感染途徑及擴散風險、重症與致死比例、易感受宿主特徵、病原體真面目、有效防治措施之後，人們才逐漸消滅心中的不安[3]。
　
■會感染人類的冠狀病毒
會感染人類的冠狀病毒包括：引起輕微症狀的人類冠狀病毒OC43、HKU1、NL63、229E，以及引起嚴重症狀的中東呼吸症候群冠狀病毒（MERS-CoV）、嚴重急性呼吸道症候群冠狀病毒（SARS-CoV）、新冠病毒。
　
從基因組分析可發現，新冠病毒與SARS病毒基因相同度約有80%，複製酶的胺基酸序列相同度達到94%，表明這兩種病毒屬於同一類；而新冠病毒與中國雲南當地的中華菊頭蝠（Rhinolophus affinis）冠狀病毒RaTG13整體基因相同度更達到96%，代表演化關係更接近。
　
但如果比較與感染細胞直接相關的棘蛋白（spike protein）基因組，新冠病毒與中華菊頭蝠（Rhinolophus affinis）冠狀病毒RaTG13的相同度高達93%，與SARS病毒的相同度卻只有75%左右，因此科學家已排除新冠病毒與SARS病毒的同源關係[1]。
　
■病毒是比人類更高級的存在！
科學家們尊稱為「冠狀病毒之父」的中研院院士、病毒學家賴明詔在 30 年前開始投入冠狀病毒研究，那時冠狀病毒被認為只是「感冒病毒」，研究的人少，非常冷門，連申請研究經費時，他都要再三強調「冠狀病毒未來會很重要」，才能順利過關。
　
直到 2003 年，亞洲地區爆發 SARS 疫情，才讓冠狀病毒成為病毒學研究的大熱門，更發現這或許是對人類最有威脅性的一種病毒。賴明詔院士直言「人類不可能比得過病毒，冠狀病毒比冠狀病毒學家還要聰明，病毒一定有很多奇妙的方法，可以把不可能的事情變成可能。」
　
■賴明詔院士：「永遠會有新興病毒出現」
病毒可以分成 DNA 病毒、RNA 病毒 2 種，DNA 病毒在複製的時候，需要複製雙股的基因，還要經過轉譯的作用；所以速度比較慢、也比較不容易突變、進化，相對來說是比較好控制的病毒。
　
但 RNA 病毒只有單股，複製速度快、又容易突變，相對來說比較難控制，像是愛滋病病毒就是 RNA 病毒，它也是世界上最難治療的疾病之一。
　
賴明詔院士說，而冠狀病毒又是 RNA 病毒中，最特別的病毒。「它有世界最長的 RNA 基因，有 3 萬個鹼基（承載基因的單位），理論上這樣的基因不應該存在，因為 RNA 複製時常常會出錯，所以超過 1 萬個鹼基之後，很多基因就會失去功能。但冠狀病毒可以遠遠超過這個數目，必然有個改變，可以去彌補出錯的問題。」賴明詔院士說。
　
而這次的新冠病毒又比以往的 SARS 傳播力更強，賴明詔院士說，「新型冠狀病毒跟 SARS 的病毒是很相近，但病毒受體的附著力將近高了 20 倍，可能是因為這樣所以傳播力很高，這是非常、非常奇怪的，我們以為新的病毒突變以後不會附著在受體，但附著力反而增加這麼多。」
　
在這樣的狀況下，賴明詔院士說，不管是動物跟動物接觸、還是動物跟人接觸，都可能產生出新的病毒，「只要接觸越來越多，我相信這個新的病毒會不斷的、繼續產生，而且會持續演化。」
　
■蝙蝠是冠狀病毒最重要的動物關鍵
跟冠狀病毒最緊密連結的動物，其實是「蝙蝠」。雖然很多動物身上都會帶有冠狀病毒，但目前觀察到的動物，只有蝙蝠可以跟冠狀病毒完全和平相處。
　
台灣病毒學權威、研究病毒數十年的徐明達教授說：「因為蝙蝠本身有很多可以抑制病毒發展的因素，一個是牠會製造很多干擾素，抑制病毒的發展，但是製造太多干擾素會影響細胞的活性，讓感染更厲害；但冠狀病毒在人身上，不會引起干擾素的製造，而蝙蝠有另外一些因素，很多干擾素也不會影響細胞。」徐明達教授說。
　
再加上蝙蝠的壽命很長，有的甚至可以存活四十年，種類又多、因此會帶有變種的病毒，同時數量也很多，病毒產生也多，所以影響的範圍也特別的大。
　
徐明達教授說「所以蝙蝠可以帶著病毒到處飛，到處去接觸（感染別人）」，但人類直接接觸到蝙蝠的機會很少，即使接觸也不容易直接引起突變，雖然（新冠病毒）跟蝙蝠定序有 96% 相似度，其中最重要的細胞受體的蛋白質不一樣，所以一定是有經過別的動物，經過變化，才變成新冠病毒。」
　
「這就是中間宿主。」林口長庚副院長、也是感染科醫師的邱政洵說，「冠狀病毒的自然宿主是果子狸跟蝙蝠，病毒接觸到中間宿主可能會停留一下，再傳染給人，但因為人不是自然宿主，病毒不會跟我們共存傳很久，所以之前像是 SARS、MERS 才會被控制住。」
　
所以邱政洵醫師很樂觀的認為，只要人類控制好跟動物的界線、不要輕易接觸野生動物、不要侵犯動物的領域，保持防疫觀念，新冠病毒還是有機會可以完全消失[4]。
　
2003年，SARS來襲。相隔17年後，新冠病毒帶著超強的感染力襲捲而來，現代文明社會遭受前所未見的打擊，幾乎全面停擺。面對不斷演變的新冠病毒，科學家在基因組定序、結構生物學、公衛及流行病防治等領域有了長足的進步，在短短數個月內，我們已能一窺新冠病毒的面貌及作用機制，同時擬定治療策略。
　
即使潘朵拉的盒子已經打開，這些無價的科學研究讓我們面對疫情時不會一籌莫展。在黎明來臨之際，世界必須團結一致，共同對付這個危險的敵人，相信不久之後，我們能戰勝這場嚴峻的瘟疫[1]。
　
【Reference】
1.來源
➤➤資料
[1] 《科學人》粉絲團「打開新冠病毒的潘朵拉盒子」：https://bit.ly/3BM5a9e、(Yahoo新聞)https://bit.ly/2YkoITx
[2](臺灣醫學會)「什麼是病毒」：http://www.fma.org.tw/2009/bio-1.html
[3](國研院國網中心 )「病毒與人-從SARS的流行談起 (▸演講人／陳建仁) (科學發展 2003年6月，366期)」：http://science.nchc.org.tw/science/science2005/Papers/c4academician/9206-08.pdf
[4](Heho健康)「病毒是比人類更高級的存在！台灣 4 大病毒學家：新病毒會不斷產生，只求和平共存」：https://heho.com.tw/archives/93282

➤➤照片
[1]科學家揭露新冠病毒基因組和棘蛋白胺基酸序列，探索其感染機制。

2. 【國衛院論壇出版品 免費閱覽】
▶「國家衛生研究院-論壇」出版品(電子書免費線上閱覽)
https://forum.nhri.edu.tw/publications/
　　
3. 【國衛院論壇學術活動】
▶https://forum.nhri.org.tw/events/
　　
#國家衛生研究院 #國衛院 #國家衛生研究院論壇 #國衛院論壇 #衛生福利部 #疾病管制署 #新冠病毒 #SARS-CoV-2 #賴明詔 #徐明達

疾病管制署 - 1922防疫達人 / 衛生福利部 / 財團法人國家衛生研究院 / 國家衛生研究院-論壇

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

🎯這次來探討COVID-19感染/疫苗接種後的 #持久免疫力，是多久?

隨著Delta 變異，全面接種疫苗的競賽變得越來越緊迫
💉也因為前陣子台灣一波確診病人紛紛解隔出院了，病人都在問何時打疫苗?

目前指揮中心的做法是 #半年打第一劑
依莫德那和AZ第二劑時程打第二劑

--
🟥 千萬不要認為得過就不用打喔

最近的趨勢，Delta病毒在沒有接種疫苗的族群快速傳播
以及發現在先前有感染過的民眾，抗體尚不足抵禦這些變異
是極嚴重的威脅

而疫苗接種盡早覆蓋完80%以上的病人
是唯一對抗這些病毒的解決辦法

#感染後免疫力如何演變?

先說結論，在 SARS-CoV-2 感染後 6 到 12 個月內，中和滴度保持相對不變，並且疫苗接種進一步將這種活性提高了近 50 倍。

今年6月中旬發表在《Nature》
Naturally enhanced neutralizing breadth against SARS-CoV-2 one year after infection

Michel Nussenzweig的團隊追蹤康復的新冠患者
分別在發病日後約第1個月和第6個月做分析
甚至有受試者是連續12個月的抽血檢測

Nussenzweig 的團隊發現，針對 SARS-CoV-2 的抗體在感染後持續進化長達一年。疫苗可以提高免疫反應。
6 個月後，未接種疫苗的參與者維持了大部分抗體濃度，並保有可以中和病毒蛋白的能力。

他們產生抗RBD抗體的記憶B細胞數量僅比上次訪問時略少，並且已經進化為產生更廣泛、更有效的抗體。

然而，他們的血漿對變體 B.1.1.7 (英國alpha)、B.1.351 (南非beta)、B.1.526 (iota) 和 P.1 (巴西gamma) 的中和活性較低。

與未接種疫苗的參與者相比，接受至少 1 劑疫苗的參與者的抗體濃度更高，中和活性增加了近 50 倍。

疫苗對這些受感染後的病人會增強的記憶抗體，成為“出色的反應”(比一般無感染、二劑接種者還好)。

在該組中，針對變異體的中和抗體水平，超過了在其他研究中在感染或完全接種疫苗的個體中觀察到的針對野生型病毒的水平。

額外的研究支持這一點。另外北美和英國的兩個團隊最近在Science 上發表了研究證明單劑 mRNA 疫苗可顯著增強先前感染患者對 SARS-CoV-2 變異體的免疫反應——這種現象稱為“混合免疫”。

--

#然而對於Delta變體呢

法國最近的一項研究也發表在《Nature》雜誌上，其中分析了康復患者對這種高傳染性變異的免疫力。
"Reduced sensitivity of SARS-CoV-2 variant Delta to antibody neutralization"

7 月初，delta變異很快擊敗其他變異體。

Delta 對一些抗 NTD 和抗 RBD mAb 的中和作用具有抗性，包括 Bamlanivimab，它們與 Spike 的結合度是不足的。接受一劑輝瑞BNT或AZ疫苗的個體的血清幾乎不能抑制變異 Delta。

與 Alpha 相比，未接種疫苗的醫護人員在從輕度感染中恢復過來後
似乎對 Delta 和 Beta 變體的保護較少

雖然該組中有 88% 的人具有針對 alpha 的中和抗體，但也只有 47% 的人中和了 delta。

📌 然而，與未接種疫苗的同齡人相比
接種 1 劑AZ、BNT或 Moderna 疫苗的康復醫護人員
針對所有 3 種變體的中和抗體水平顯著增加。

作者寫道：“恢復期個體接種疫苗後，[針對 delta] 的體液免疫反應遠高於中和閾值，對先前受感染者進行疫苗接種有明顯保護作用。”

📌 在法國的研究中，這些人在接受 2 劑疫苗方案後 8 至 16 週內針對 alpha、beta 和 delta 變體具有高度中和抗體水平。

--
Nussenzweig 說
懸而未決的問題是單獨接種疫苗後免疫力能持續多久。
目前可以知道二劑接種完有足夠與持久的保護作用，我們也看得出是長達12個月

聖路易斯華盛頓大學醫學院傳染病學系副教授Rachel Presti在一封電子郵件中寫道：“除非 COVID 突變足以真正擺脫免疫反應，否則我認為我們不會很快需要Boost (第三劑)。”

Nussenzweig 預測，變異不會在大多數從 COVID-19 中康復的人中引起嚴重疾病。儘管如此，他說，他們應該接種疫苗，“因為當他們這樣做時，他們就會變得更有保護力。

--
📌 文末附上全球前段班的疫苗接種進度

以色列已經全國幾乎完成疫苗覆蓋，60% 的居民已接種二劑疫苗
巴林有 59.9% 的居民完全接種了疫苗，在名單上緊隨其後。在美國，47.5% 的人已完全接種疫苗。

台灣目前疫苗接種率正要衝破20% 是好現象，只要疫苗供應穩定
就可以接近恢復過往經濟活動的目標，不會讓創業家壓力這麼大

引用公共衛生學院副院長陳秀熙教授
不須等到完全確診個案+0才解封。
只要觀察到連續1個月 Rt（有效再生數）< 1
精準風險分層疫苗注射率（1-6類）完成約82%

其餘繼續保持我們邊境管制和社區公共衛生措施
台灣還是可以回到防疫前段班的，大家加油!

面對嚴峻疫情，世界各地政府對疫苗寄予厚望，冀透過群體免疫阻止武漢肺炎病毒蔓延，但市民對疫苗的信心亦是抗疫一大挑戰，《健康蘋台》帶大家看看疫苗能否為2021帶來曙光。

疫苗的面世速度太快？
武漢肺炎大流行之前，一般疫苗由研發至上市平均需要10年時間，武漢肺炎疫苗一年多便做到，是否太過兒戲？根據歐洲藥品管理局資料，以往疫苗生產的程序依序為：臨床前研究、第一至第三階段臨床研究、監管審核、批准上市至大量生產的程序，各個環節分開進行，單是審批就可用上一年時間，過程冗長。

鑒於今次疫情嚴峻，監管機構很早就為研製武漢肺炎疫苗的藥廠提供科學咨詢，包括如何設計試驗及取得有效數據。研發過程有部分階段重叠，監管機構也採取滾動式審核（rolling review），即藥廠在試驗中途一有數據就開始評審，不必等到完成所有程序，節省時間。另外，藥廠也冒着可能失敗的風險，在第三期臨床研究階段便提前大量生產和簽約銷售，務求疫苗一經通過，可以馬上配送到醫務所，展開大規模接種。


疫苗預防率要打六折？
港府預購的三款疫苗，分別是上海復星醫藥代理、美國輝瑞及德國BioNTech合作的「BNT162b2」，由北京科興控股生物技術公司生產的「CoronaVac」，及英國牛津大學及阿斯利康共同研發的「AZD1222」。根據第三期臨床研究初步數據，三款疫苗的有效率：

「BNT162b2」95%（兩劑疫苗）

「AZD1222」70.4%（兩劑疫苗，不論劑量）；90%（先低劑量；後高劑量）；62.1%（兩劑全劑）

「CoronaVac」未有數據，相信超過50%

感染及傳染病專科醫生林緯遜解釋，疫苗研究的有效率是指預防病發（有病徵的武漢肺炎感染），而不是預防病毒接觸上呼吸道黏膜、在無病徵下複製及釋放病毒。「單純估計打疫苗後是否有機會感染，甚至在沒有病徵下傳播給別人的機會，確實要給有效率打個折扣。」政府專家顧問梁卓偉曾說，將疫苗效用換算做保護身體不受感染的能力要「打個六折」。林醫生指按世衞要求疫苗有效率達50%的標準，「複星疫苗及牛津疫苗就算打個折，保護力相當不錯。」

疫苗的基本原理
武漢肺炎病毒表面有一層包膜，與人類細胞融合便可感染人類。過程中，包膜上伸出的棘突蛋白（spike protein）首先會穿透細胞，猶如一把進入人體細胞的鑰匙，與人類細胞表面的「ACE2受體」結合。三款疫苗的主要功能，都是讓身體辨識病毒樣子，產生針對棘突蛋白的中和抗體（neutralizing antibody），使棘突蛋白失去功能。注射疫苗的常見副作用包括針口痛、肌肉痛、疲倦、腹瀉、頭痛、噁心。


科興滅活疫苗技術最成熟
三款疫苗當中，以科興「CoronaVac」使用的滅活疫苗技術平台往績最好，在季節性流感、小兒麻痹、甲型肝炎疫苗都用過，技術成熟，安全性高。惟林醫生指，滅活疫苗是將整個病毒透過加熱或化學處理殺死後注入體內，激發的免疫反應比較弱，相較其他技術平台，「抗體速度下降得比較快，保護時間較短，因此須添加其他佐劑成份，和施打加強劑補救，不過打幾多針、是否每個季度打，仍是未知之數。」

有人憂慮指滅活疫苗可能誘使免疫系統產生針對病毒其他蛋白的非中和抗體（non neutralizing antibody），導致免疫反應過量，出現抗體依賴增強反應（antibody-dependent enhancement），即從未染病人士接種疫苗後自然感染病毒，體內的非針對性抗體反而有利致病，使病徵更嚴重。林醫生解釋，登革熱疫苗曾出現此情況，故只建議曾染病人士接種登革熱疫苗，不過科興疫苗的臨床前研究有提及沒有此現象，待第三期研究數據可再判斷。事實上，此現象也可能於二次感染或遇上疫苗耐藥性病毒時出現。

復星疫苗產生抗體較精準
復星「BNT162b2」已經在英美展開大規模接種計劃。其mRNA技術是將經基因改造的病毒棘突蛋白核酸段（mRNA）注入身體，指導身體製造無害的棘突蛋白，引起免疫反應產生抗體，日後遇上病毒就能抵抗。林醫生解釋，mRNA技術的優點在於產生的抗體比較精準，因此免疫反應也較強。

不過，這項新技術以往未曾有大規模接種計劃使用過。「這是第一隻商業註冊mRNA疫苗，中長期影響未明，始終臨床研究只有數萬人，當提高接種率至幾千萬人，個別體質不同，罕見問題可能在接種兩個月後才出現。」過去一個月，英美報告數宗過敏反應個案，表徵包括呼吸困難及紅疹，懷疑與疫苗穩定劑成分聚乙二醇有關，當局建議有過敏史人士接種後留院半個鐘觀察。

牛津疫苗採用實驗階段技術
牛津「AZD1222」採用不可複製的黑猩猩腺病毒載體，插入病毒棘突蛋白基因，進入體內主導人體細胞製造對付棘突蛋白的抗體，理論上產生的抗體也較精準。此技術曾用於研發伊波拉疫苗，但停留在實驗階段於非洲控制疫情。不過，牛津在11月的第三階段研究，意外發現研究參加者接種比原劑量低的疫苗後更有效，雖然後來重做實驗證實兩劑疫苗注射全劑最有效，但仍未公佈最新的有效率數據。英國政府已批准當地時間1月4日讓國民接種牛津疫苗，標準劑量為兩劑全劑，建議相隔時間為4至12星期。英媒引述未刊登數據，指第一劑及第二劑相隔時間越長越好，可提升整體抗體水平。另有兩名參加者出現橫貫性脊髓炎，一人證實患多發性硬化症，另一宗原因不明。

疫苗可對付變種病毒？
病毒自爆發以來變種上千次，疫苗如何應付？林醫生解釋，病毒不斷複製自身DNA，過程出錯而發生變異屬無可避免。變異不一定對病毒更有利，純粹時間越長，累積越多變異，有機會出現更厲害的病毒株。早前在英國就發現一種新病毒株傳播能力更強，懷疑其棘突蛋白結構更容易結合人類細胞。林醫生指，針對小量且未必在關鍵位置發生的基因變異，疫苗仍然能夠發揮功效。香港對英國封關至1月10日，「疫苗起碼對大部份病毒株有保護能力，即使不幸感染，相信亦能減低病徵嚴重性。」而新變種病毒株雖然傳播力更強，但暫時未有證據顯示會更加致命。

德國BioNTech藥廠稱如有需要，六星期內可調整疫苗成份，對付變種病毒株。林醫生解釋，mRNA利用人工製造的基因片段，要改變基因組成較容易。相比之下，科興「CoronaVac」使用的滅活疫苗技術，須利用新病毒株去製造另一批疫苗，理論上過程比較繁複。

打完疫苗等於疫情結束？
群體免疫是防疫重要一環，政府預購的疫苗預計2021年足夠供應全港人口，是否六至八成人有抗體就等於疫情結束？林醫生解釋，理論上最理想為八成人同一時段接種疫苗，社區內的群體免疫力才是最高。目前來說，三款疫苗保護時限、加強劑的劑量及相隔時間有待考證，市民在不同時段接受保護，似乎難以估算群體免疫人口。臨床研究亦未覆蓋16歲以下小童，及沒有足夠研究孕婦注射疫苗反應。「還要視乎外國的疫情控制，或多或少會有輸入個案，相信2021年要戴口罩的機會仍然非常大。」

影片:
【我是南丫島人】23歲仔獲cafe免費借位擺一人咖啡檔 $6,000租住350呎村屋：愛這裏互助關係 (果籽 Apple Daily) (https://youtu.be/XSugNPyaXFQ)
【香港蠔 足本版】流浮山白蠔收成要等三年半 天然生曬肥美金蠔日產僅50斤 即撈即食中環名人坊蜜餞金蠔 西貢六福酥炸生蠔 (果籽 Apple Daily) (https://youtu.be/Fw653R1aQ6s)
【這夜給惡人基一封信】大佬茅躉華日夜思念 回憶從8歲開始：兄弟有今生沒來世 (壹週刊 Next) (https://youtu.be/t06qjQbRIpY)
【太子餃子店】新移民唔怕蝕底自薦包餃子 粗重功夫一腳踢 老闆刮目相看邀開店：呢個女人唔係女人(飲食男女 Apple Daily) https://youtu.be/7CUTg7LXQ4M)
【娛樂人物】情願市民留家唔好出街聚餐 鄧一君兩麵舖執笠蝕200萬 (蘋果日報 Apple Daily) (https://youtu.be/e3agbTOdfoY)

果籽 ：http://as.appledaily.com
籽想旅行：http://travelseed.hk
健康蘋台： http://applehealth.com.hk
動物蘋台： http://applepetform.com

#疫苗 #醫生 #群體免疫 #變種病毒 #口罩
#果籽 #StayHome #WithMe #跟我一樣 #宅在家