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
同時也有1部Youtube影片,追蹤數超過13萬的網紅日本人夫婦の台湾生活,也在其Youtube影片中提到,這次影片製作了6種萬能調味料和4種常備菜。 因爲還在防疫居家生活的期間,能花一點時間在享受煮料理的過程中並且希望大家能夠盡情享用。每一道都是簡單又好吃,還能保存的醬料跟常備菜~所以推薦給大家囉!材料也會列在下方。 另外,上週介紹的小V鍋和平底鍋由於銷售反應熱烈超出預想中,因此有些商品出現缺貨~感謝...
「4歐姆 並聯」的推薦目錄:
- 關於4歐姆 並聯 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於4歐姆 並聯 在 HOLA 特力和樂 Facebook 的精選貼文
- 關於4歐姆 並聯 在 Facebook 的最佳解答
- 關於4歐姆 並聯 在 日本人夫婦の台湾生活 Youtube 的精選貼文
- 關於4歐姆 並聯 在 [請益] 體積小的延長線選購(需支援220V) - 看板PC_Shopping 的評價
- 關於4歐姆 並聯 在 喇叭單體可以同時串,並聯嗎? - Mobile01 的評價
- 關於4歐姆 並聯 在 喇叭可以並聯嗎? - Mobile01 的評價
- 關於4歐姆 並聯 在 432npc Studio - 432-AFB Cab並聯改串聯本來是兩顆8歐姆25 ... 的評價
4歐姆 並聯 在 HOLA 特力和樂 Facebook 的精選貼文
【夏日美好生活選物 #隨身小風扇只要49元】
連呼吸都會流汗的天氣,#微解封 防疫不能鬆懈
但必要外出,你也和小編一樣被悶熱口罩困擾嗎?
小編都會隨身帶著輕便小風扇,為頭部及時降溫
#HOLA生活選物,系列單品貼心為夏日買進美好
🔸隨身風扇 🔸PURE LIFE室內擴香 🔸奇美循環扇
清爽舒適的夏日生活,不再只是純粹的嚮往
#週末限定_小風扇只要49元就能夠入荷
#持久鋰電池_USB插孔隨時補充電力
#三段風力調整_用掛繩掛在脖子上好方便
#大太陽下人人都有一支_少了就落伍
2021/7/23-7/25 憑FB/Line畫面
於全台HOLA實體店,
憑不限金額消費即可以$49加購
GEGEI F3 手持式輕巧微型風扇乙支。
(全台限量1000支,市價$299,
限會員本人加購一次,數量有限,送完為止)
**因活動商品配量有限,為避免空跑一趟
**煩請先行致電門市確認加購商品剩餘數量
#小編不藏私_分享居家消暑祕方❄
| 8/4前,我家像冰島的N個秘密 |
夏季涼感推薦商品,限時優惠進行中
涼感解密2.0,線上激發居家降溫靈感
>> https://pse.is/3lbm44
| 下載APP現領現折$100 |
7/1-7/31 首次下載特力愛家卡 App ,
就送滿$599現折$100電子券。
(限活動期間內首次下載,並於登入/註冊App當下
同時完成偏好設定【關注店鋪/商品】)
(限贈一次,本券家電/淨水及部分商品不適用,
且不得與其他贈品活動併用)
>> http://onelink.to/fcpjaq
#夏日限定好物_室內香氛
▪ PURE LIFE 覓靜系列
室內擴香120ml/200ml
原價$899/$1380
特價$599/$899
8/4前,會員實體店扣10點再享優惠
10點折後價$499/$799
>> https://pse.is/3jxk2s
#夏日限定好物_抗菌對枕
▪ HOLA 淨睡眠長效防蟎抗菌支撐型對枕
原價$1980 ,特價$699
8/4前,會員實體店扣10點再享優惠
10點折後價$599
>> https://pse.is/3h7blb
#夏日限定好物_香氛洗衣球
▪ HOLA香氛超潔淨
濃縮洗衣球15gx100入/盒
原價$899,特價$599
8/4前,會員實體店扣10點再享優惠
10點折後價$499
>> https://pse.is/3k5dsm
#夏日限定好物_體重體脂計
▪ 歐姆龍體重體脂計HBF-225(藍)
原價$2680,特價$1780
8/4前,會員實體店扣10點再享優惠
10點折後價$1480
衛部醫器陸輸字第001183號
北市衛器廣字第109110045號
>> https://pse.is/3krh7s
#夏日限定好物_造型隨身風扇
▪ 日本Toffy Camera Fan 相機造型風扇
原價$990 特價$499
8/4前,會員實體店扣10點再享優惠
10點折後價$399
>> https://pse.is/3j7vkq
#夏日限定好物_居家小風扇
▪ 奇美6吋USB渦流擺頭循環扇
(共四色可選)
原價$1788,特價$990
8/4前,會員實體店扣10點再享優惠
10點折後價$899
>> https://pse.is/3kekrr
來HOLA,一起享受美好夏日生活
>> https://pse.is/3lc4ry
#HOLA限時購
#創造家的動人時刻
#HOLA特力和樂
--------------------------------------
HOLA提供安心賣場環境
即日起實施 #實聯制登記
HOLA全體工作人員皆會進行體溫量測
並全程佩戴口罩
門市入口也備有酒精供顧客清潔手部
配置額溫槍提供額溫量測
每日使用酒精消毒手推車、提籃
為保持安全社交距離,門店實施人流控管
也提供電話/LINE專人服務,到店快速取貨
◾ 門市電話服務專線 https://bit.ly/3A2R6rO
◾ HOLA LINE官方帳號 https://bit.ly/3A55nEc
讓我們一起做好防疫、共同守護台灣
4歐姆 並聯 在 Facebook 的最佳解答
每個職業都有從表面上大家看不到的秘辛,空服員當然也不例外啊
有時候事實和刻板印象是完全相反的呦
這次來聊一些飛到空服員飛到國外外站的時候,如果沒說你不會知道的5大都市傳說
#你的工作有什麼禁忌是一般人不知道的呢?
好讀版可以這裡去 👉 https://lihi1.com/DuRyj
1. 空服員外站愛買菜
當空服員到外站最想要去逛的,並不是像電影或大家想像中的一樣,直衝LV Chanel等等各大精品,然後提得滿手都是袋子(如果能那樣也是不錯),提得滿手的多半是代購~哈哈哈
反而我們最常逛的就是超級市場了!🛒
超市有很多東西可以補,像是一些生活用品、當地的藥妝,或是生鮮食材(香港是可以帶入境的),都是組員們的最愛!
很多人喜歡討論哪裡的菜和肉好吃,在哪裡買的櫻桃超級大顆便宜,這些才是真正日常對話!
因為在當地買不只便宜,還有更多選項可以選擇
例如超市有些洋芋片的口味只有當地才有的限定款,就像西班牙才有生火腿和田園風口味,就是我的最愛,每次都要扛個幾包回來🍅
有些葡萄酒一瓶台灣買可能要兩三千,但是當地貨幣換成台幣可能只要五六百塊
這樣不帶好像也有點說不過去吧~😂😂
2.認不出穿便服的同事
到了飯店之後,大家通常都會休息一下,然後換上便服才會下樓或外出
但因為上班的時候頭髮綁起來,又加上那套制服,會讓你整個人看起來不太一樣,變得更成熟(年紀變的更大)
像是我有一些香港的同事,因為她們高中畢業就可以考組員,年紀有些才20歲左右
所以有時候換上便服會認不出來,即使三個鐘頭之前,才剛在飛機上一起工作過
然後臉和名字有時候就連不起來,忘了是哪一位啊,叫不出名字來啊~~
還會懷疑對方是不是不同班機的?😂
這時候趕快拿工作小本子出來對對看,比較有可能是誰!(好誇張)
老總一定要認得,主動打招呼,不然可能皮要繃很緊😅
3.自助早餐一餐吃到飽
組員入住的飯店通常都是公司簽約飯店,所以飯店很多餐廳都有提供額外的折扣給組員喔!
通常都會有個8折,或是乾脆就一個固定價錢
像是最早之前,在米蘭我吃過5歐吃到飽的早餐喔!
羅馬12歐左右也有好多東西選!(天啊寫到這裡我口水要滴下來)
所以不少為了要省錢的組員,就會早餐一餐在自助餐廳就吃個超飽🍳🥩🍰
可能一整天只有那一餐正餐而已,晚上可能就隨便吃吃(去超市買或是自己帶的東西)就睡了!
隔天就會在飯店早餐一開門時去吃早餐哈哈
而且飯店早餐真的很吸引人啊😋
有現做的歐姆蛋或是班乃迪克蛋,各種歐式麵包、可頌和起士隨你吃,火腿香腸還有各種沙拉,最後來一碗優格+新鮮水果和麥片,配上一杯卡布奇諾,真的是飽到天靈蓋啊
我們很愛法蘭克福的早餐,因為有香檳可以一直喝(一大早就喝酒好嗎)
而且有些組員會因為飯店的早餐好不好吃,然後決定要不要飛這個點喔👏
在組員間可是有個排行榜在啊,真的是不容小覷自助早餐的威力!
4. 被問剛從哪裡飛回來 or 要去飛哪裏都很容易卡住
空服員的工作內容就是飛行,看長班或短班,平均一個月大概也有6-10班機左右,一年就可能超過100個班✈️
如果飛長班的話,至少你有在外站過夜,還會對前一晚在哪一個城市有印象(說不定也沒有)
但今天如果是飛來回班的話,有時候會忘記剛剛到底去哪了
因為上了飛機起飛到達目的地之後,我們沒有下飛機就直接等回程🛫
從頭到尾都是在飛機上,所以根本不記得剛剛是哪個國家的機場啊(機場看起來也都蠻像的)
所以如果我們在公司,或是在機場碰到同事的時候,同事問:「你從哪裡回來?」
你就可以看到兩個穿大紅制服的人,拉著行李箱靜默五秒鐘都沒說話~哈哈哈😅
有時候通常都要再想一下下才有辦法回答
而且就算回答不出來,同事也會笑笑的沒關係,因為我想大家應該都是差不多,忘記了啦~也不是很重要😂😂
5.和組員約一起吃飯或出遊一定會講的話
在飛機上吃飯的休息時間,大家都會討論目的地城市有哪些餐廳很好吃,然後就會興高采烈的開始約起來
很多人都會+1 +1說要去,原本說好約在大廳等,但等到達飯店換完衣服之後,還蠻常都只剩一半不到的人啊~哈哈哈
有些人可能因為太累了,然後看到床就倒下去昏睡了,也有可能當下忘了,或是被黑洞吸走(誤)
但會失約這件事還蠻常見的~所以到後來有不少組員都會變成獨行俠,從IG或是FB上都可以看到是自己出去👀
不是因為不想約同伴,而是因為發生過不少這樣等不到人的狀況啦😅
如果是自己,就可以想幾點出去就出去,去景點或是逛街也不用互相等待配合,是有效率多了(很香港啊)
以前在阿聯酋飛的時候也是,每次約完組員們一定會說:「 No pressure...有出現就算有,時間到沒出現的人就當沒有要去喔 」
這樣大家都可以沒有壓力自在的選擇要不要出席,因為可能會改變心意啊😆
空服員這個工作是蠻需要獨處能力的
因為在外站時間你有很長時間需要一個人,除非剛好跟很好的朋友飛,就會一起出去玩耍
沒有遇到志同道合的人,你也不會願意在休息時間遷就或應付其他人吧~哈哈哈
但偶爾還是會同班機組員很多人一起出來吃飯的,是說我飛了那麼久,從來就沒有一頓飯是整組人到齊過拉!
No pressure....If I see you I see you la.....哈哈哈哈
對了對了
另外如果想看更多有趣的故事
或是幕後花絮
我會第一手更新在IG的限時動態上
可以追蹤我的IG喔
🎬Emily IG: Instagram.com/emily_cpy
4歐姆 並聯 在 日本人夫婦の台湾生活 Youtube 的精選貼文
這次影片製作了6種萬能調味料和4種常備菜。
因爲還在防疫居家生活的期間,能花一點時間在享受煮料理的過程中並且希望大家能夠盡情享用。每一道都是簡單又好吃,還能保存的醬料跟常備菜~所以推薦給大家囉!材料也會列在下方。
另外,上週介紹的小V鍋和平底鍋由於銷售反應熱烈超出預想中,因此有些商品出現缺貨~感謝大家的支持購買。
這商品本身就是由日本工匠一個一個手工製作的,所以很難大量生產,在日本也是常常處於缺貨狀態。根據不同顏色,預計下次進貨時間是7月31日。這次可以優先確保訂貨數量,請藉此機會從以下連結網址進行預購。
我們還是會持續使用Vermicular的產品製作簡單美味的料理,請大家記得訂閱我們的頻道喔^0^/
※謝謝大家的支持與喜愛,Vermicular IH鍋 除了海鹽白為預購品外,飛魚銀也已售罄,下次到貨日為7/30。
※再次謝謝大家的支持,松露黑與平底鍋現貨售罄,緊急調貨中,預計7/1起陸續出貨。
【影片中食譜】
1:04 鹽麴
1:31 醬油麴
2:02 不甜的韓式辣醬
3:05 , 16:55 發酵奶油
4:39 醃製菇油
10:00 大蒜味噌
10:58 炸吻仔魚
11:55 生薑味噌
12:48 吻仔魚的醬油煮
13:57 鹽鮭魚鬆
19:07 醃製菇油和炸吻仔魚的香蒜辣醬義大利麵
【影片內使用乾燥玄米纖麴】
米麴本舖 乾燥玄米纖麴 乾燥玄米麴 乾燥胚芽米麴 300g
蝦皮:https://shp.ee/xqzpeds
【影片中使用的烤魚箱】
Panasonic 烤魚機 NF-RT1000
https://shp.ee/4txfcaq
【使用Vermicular烹飪的相關影片】
用V鍋做8道菜
https://youtu.be/_sVtLBErxLE
鮭魚 mie cuit
https://youtu.be/DKb-UoX99FI
油封雞珍
https://youtu.be/mQKtfNcPTFY
西班牙歐姆・厚切培根無水燉蔬菜鍋
https://youtu.be/s476K_OpLec
糖色洋蔥・煮豚
https://youtu.be/LKAkKWETQII
烤牛肉
https://youtu.be/rIab2KyA7f4
在Instagram上每天的飯也會上傳,如果可以的話請關注。
感謝您一直以來的鑑賞。
Instagram:
https://www.instagram.com/nihonjinfufu/
Music:
Prelude No. 13
Chris Zabriskie の Prelude No. 13 は、クリエイティブ・コモンズ - 著作権表示必須 4.0 ライセンスに基づいて使用が許諾されます。 https://creativecommons.org/licenses/by/4.0/
ソース: http://chriszabriskie.com/preludes/
アーティスト: http://chriszabriskie.com/
One Step Closer - Aakash Gandhi
Invisible Beauty - Aakash Gandhi
Just Stay - Aakash Gandhi
#日本夫婦在台灣 #常備菜 #萬能調味料

4歐姆 並聯 在 喇叭單體可以同時串,並聯嗎? - Mobile01 的推薦與評價
請問各位,我有6個一樣的喇叭單體,都是6歐30瓦的,我想要分成左右各3顆我知道3顆並聯會變成1.5歐,3顆串聯會變成18歐我想問的是一,可以2並1串嗎? ... <看更多>
4歐姆 並聯 在 喇叭可以並聯嗎? - Mobile01 的推薦與評價
之前的留下的sony喇叭也是6 ohm的,不知道可不可並聯起來使用這樣阻抗變成3 ... 歐姆一般擴大機只能推4~8歐姆之間如果硬拿來推的話燒的可能會是擴大機. ... <看更多>
4歐姆 並聯 在 [請益] 體積小的延長線選購(需支援220V) - 看板PC_Shopping 的推薦與評價
各位電蝦版友大家好,
近期因為有出國使用延長線需求,
所以想要找體積小、可以使用220V電壓的延長線,
大概找了三位選手 (都是看過版上評價OK的品牌)
1. 威電 新安規 2孔3座 15A 電源延長線-180公分
2. 群加 PowerSync 2P 3插過載保護延長線(固定掛孔)白色/1.8m(T23VW018)
3. 太星電工 彩色安全三插座延長線2P/15A/4尺(OCU30204)
實際觀察了規格,他們的規格表都有寫設計給110V用的,最高承受125V,
請問這種延長線到220V的環境下使用是OK的嗎?
這三位選手是否有較為推薦的一個呢?
或者有其他更好、更符合需求的產品可以推薦嗎?
謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.234.136.92 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/PC_Shopping/M.1692452436.A.D91.html
... <看更多>