Question 1

intel chinaลงทุนแมน 在Facebook 的評價

Accepted Answer

รู้จัก Sequoia เจ้าพ่อ VC ที่สตาร์ตอัปทุกราย อยากเข้าหา /โดย ลงทุนแมน
หากพูดถึงบริษัทจัดการลงทุนที่ประสบความสำเร็จระดับโลก หลายคนคงนึกถึง Berkshire Hathaway ของนักลงทุนระดับตำนานอย่าง วอร์เรน บัฟเฟตต์
หรือ Bridgewater Associates ของผู้จัดการกองทุน Hedge Fund อย่าง เรย์ ดาลิโอ

แต่รู้หรือไม่ว่า มีอีกบริษัทที่ประสบความสำเร็จในโลกการลงทุน โดยเฉพาะการลงทุนในบริษัทเทคโนโลยี หรือสตาร์ตอัป คือบริษัทที่ชื่อว่า “Sequoia Capital”

Sequoia Capital เป็นหนึ่งในผู้ให้เงินทุนสนับสนุนแก่บริษัทระดับโลกมากมาย เช่น Google, YouTube, Instagram, Cisco, PayPal และ Airbnb ตั้งแต่ระยะเริ่มต้นของบริษัท จนมีส่วนสำคัญให้บริษัทเหล่านี้ สามารถเติบโตจนยิ่งใหญ่ได้ในแบบทุกวันนี้

และผู้อยู่เบื้องหลังความสำเร็จครั้งนี้ คือชายที่ชื่อว่า “Donald Thomas Valentine”
เขาคือผู้ก่อตั้ง Sequoia Capital ซึ่งช่วยผลักดันเหล่าบริษัทเทคโนโลยี ให้กลายเป็นยักษ์ตัวใหญ่ จนเขาได้รับฉายาว่าเป็น “หนึ่งในผู้สร้าง Silicon Valley” เลยทีเดียว..

เส้นทางของ Donald Valentine ในโลกการลงทุน เกิดขึ้นได้อย่างไร แล้วการลงทุนที่ประสบความสำเร็จของ Sequoia Capital มีอะไรบ้าง ?
ลงทุนแมนจะเล่าให้ฟัง
╔═══════════╗
Blockdit เป็นแพลตฟอร์ม สำหรับนักอ่าน และนักเขียน
ที่มีผู้ใช้งาน 1 ล้านคน ลองใช้แพลตฟอร์มนี้เพื่อได้ไอเดียใหม่ๆ
แล้วอาจพบว่าสังคมนี้เหมาะกับคนเช่นคุณ
Blockdit. Ideas Happen. Blockdit.com/download
╚═══════════╝
Donald Thomas Valentine หรือ Don Valentine เกิดที่รัฐนิวยอร์ก เมื่อปี ค.ศ. 1932

เขาเข้าศึกษาที่มหาวิทยาลัย Fordham ในสาขาวิชาเคมี
ก่อนที่จะย้ายไปแคลิฟอร์เนีย ในช่วงปี ค.ศ. 1950 เพื่อเข้าทำงานที่ Raytheon Company หนึ่งในบริษัทที่อยู่ในอุตสาหกรรมการบินและอวกาศ ซึ่งกำลังเติบโตได้ดีในช่วงนั้น

ในช่วงเริ่มต้นของการทำงาน คุณ Don เริ่มทำงานจากการเป็นวิศวกรฝ่ายขาย
จากนั้นช่วงปี ค.ศ. 1960 เขาได้ย้ายไปทำงานที่ Fairchild Semiconductor ซึ่งเรียกได้ว่าเป็นบริษัทที่เป็นต้นกำเนิดของบริษัทเซมิคอนดักเตอร์ ระดับโลกทั้งหลายในปัจจุบัน เช่น Intel, AMD จากการที่ผู้บริหารของบริษัท แยกตัวออกมาก่อตั้งบริษัทเองในภายหลัง

คุณ Don เขาได้สร้างผลงานที่โดดเด่น อย่างตอนที่ทำงานอยู่ที่ Fairchild Semiconductor ก็ได้สร้างทีมขายที่แข็งแกร่งขึ้นมา

ด้วยความที่บริษัท Fairchild Semiconductor มีบุคลากรที่มีความสามารถอยู่แล้ว เช่น Gordon Moore ผู้ก่อตั้งบริษัท Intel บวกกับความสามารถในการขายของคุณ Don ทำให้บริษัทมียอดขายเพิ่มขึ้นเป็น 2 เท่าในทุก ๆ ปี

จนในปี ค.ศ. 1966 บริษัทมียอดขายในส่วนของเซมิคอนดักเตอร์เป็นอันดับสองในสหรัฐอเมริกา เป็นรองเพียง Texas Instruments เท่านั้น

หลังจากทำงานที่ Fairchild Semiconductor ได้ 7 ปี เขาก็ย้ายงานออกมาทำงานที่ National Semiconductor ในตำแหน่งรองประธานฝ่ายขายและการตลาด

แม้จะเชี่ยวชาญในเรื่องการขายและการทำการตลาด
แต่ด้วยความที่ทำงานกับบริษัทเทคโนโลยี ได้คลุกคลีกับวงการธุรกิจนี้มานาน ทำให้เขาเริ่มเข้าใจว่า บริษัทเทคโนโลยีแบบไหนที่คาดว่าจะเติบโตได้ดี และดูมีอนาคต

นั่นทำให้อีกสิ่งหนึ่งที่คุณ Don ชอบและทำควบคู่กันมาตลอด คือการลงทุนในบริษัทต่าง ๆ โดยเฉพาะบริษัทที่เกี่ยวกับเทคโนโลยี

ซึ่งในระหว่างทำงานที่ National Semiconductor เขามีหน้าที่ ในการอธิบายการบริหารธุรกิจในส่วนของเซมิคอนดักเตอร์ให้กับผู้ลงทุนและบริษัทจัดการการลงทุนต่าง ๆ

นั่นทำให้ความสามารถของเขาในการวิเคราะห์ ความเข้าใจในธุรกิจเซมิคอนดักเตอร์ และความเข้าใจในธุรกิจเทคโนโลยี เป็นที่รู้จักของบริษัทและผู้จัดการกองทุนมากมาย

จนวันหนึ่งความสามารถในการขาย วิเคราะห์ และการลงทุนของเขาก็ไปสะดุดตาของ Capital Group หนึ่งในบริษัทด้านการเงิน การลงทุน ที่เก่าแก่แห่งหนึ่งของโลก ซึ่งถือเป็นผู้เบิกทางให้กับคุณ Don เลยก็ว่าได้

Capital Group ได้ยื่นข้อเสนอให้คุณ Don มาร่วมบริหารจัดการเงินลงทุน โดยทาง Capital Group จะเป็นผู้ช่วยจัดการในการก่อตั้ง และระดมทุนให้ในช่วงแรก

นั่นก็เป็นจุดเริ่มต้น ที่ทำให้คุณ Don สามารถก่อตั้ง Sequoia Capital ขึ้นมาได้สำเร็จในปี ค.ศ. 1972
โดยมี Capital Group เป็นผู้ให้เงินทุนก้อนแรกกับคุณ Don เป็นมูลค่า 3 ล้านดอลลาร์สหรัฐ ในปี ค.ศ. 1974

คุณ Don เคยบอกไว้ว่า เขาเลือกใช้ชื่อ Sequoia Capital
ตามชื่อของต้น “Sequoia” ซึ่งเป็นต้นไม้ที่มีขนาดใหญ่ สามารถมีความสูงได้มากถึง 85 เมตร
โดยเขาต้องการให้กองทุนของเขายิ่งใหญ่เปรียบเสมือนต้น Sequoia

การลงทุนครั้งแรกของ Sequoia Capital เริ่มต้นในปี ค.ศ. 1975 เป็นการลงทุนในบริษัท Atari ซึ่ง Atari เป็นบริษัทแรก ๆ ที่บุกเบิกวิดีโอเกม เครื่องเล่มเกม และเกมคอมพิวเตอร์ ในสหรัฐอเมริกา

ในปี ค.ศ. 1976 Atari ถูกขายให้กับ Warner Communications ดีลนี้มีมูลค่า 28 ล้านดอลลาร์สหรัฐ ซึ่งถือว่าทำกำไรให้ Sequoia Capital ได้มาก
และนับว่าเป็นการลงทุนครั้งแรก ที่ค่อนข้างประสบความสำเร็จเลยทีเดียว สำหรับ Sequoia Capital

การลงทุนในครั้งนั้น ยังทำให้เขาได้พบกับ สตีฟ จอบส์ ซึ่งในเวลานั้นทำงานอยู่ที่ Atari เป็นเหตุให้คุณ Don ได้เข้าลงทุนกับ Apple ในปี ค.ศ. 1978 ด้วยเงินจำนวน 150,000 ดอลลาร์สหรัฐ

ซึ่งในตอนนั้น การลงทุนในบริษัท Apple ถือเป็นการลงทุนที่มีความเสี่ยงค่อนข้างสูง เนื่องจาก Apple เพิ่งก่อตั้งมาได้เพียง 2 ปี และยังไม่ได้มีแนวโน้มว่าจะประสบความสำเร็จมากอย่างทุกวันนี้

แต่การลงทุนใน Apple ดูจะเป็นการลงทุนที่ไม่ค่อยน่าประทับใจเท่าไรนัก เนื่องจาก Sequoia Capital ได้ถอนการลงทุนจาก Apple ในปี ค.ศ. 1979

แต่หลังจาก Sequoia Capital ถอนเงินลงทุนได้เพียงปีเดียว สตีฟ จอบส์ ก็สามารถพา Apple เข้าสู่ตลาดหลักทรัพย์ NASDAQ ได้สำเร็จ..

แม้คุณ Don จะพลาดโอกาสสร้างผลตอบแทนมหาศาลจาก Apple
แต่หลังจากนั้น เขาก็ยังคงมองหาบริษัทที่มีไอเดียที่ดี เพื่อเข้าลงทุนต่ออย่างต่อเนื่อง
จน Sequoia Capital มีผลงานที่ดีขึ้นเรื่อย ๆ โดยมีการลงทุนครั้งสำคัญ เช่น

Cisco Systems เป็นบริษัทเทคโนโลยีสัญชาติอเมริกัน ที่เน้นการขายซอฟต์แวร์ อย่างเช่น โปรแกรมดูแลความปลอดภัยด้านไซเบอร์ และระบบคลาวด์

โดย Sequoia Capital เข้าลงทุนใน Cisco Systems เป็นเงินมูลค่า 2 ล้านดอลลาร์สหรัฐ ในปี ค.ศ. 1987 หลังจากที่ Cisco ก่อตั้งได้เพียง 3 ปี หลังจากนั้นอีก 3 ปีต่อมา Cisco ก็สามารถเข้าตลาดหลักทรัพย์ NASDAQ ได้

จุดเปลี่ยนสำคัญของ Sequoia Capital ส่วนหนึ่งมาจากการเข้ามาของ Michael Moritz ในปี ค.ศ. 1986 และ Douglas Leone ในปี ค.ศ. 1988

ทั้งคู่เข้ามามีบทบาทในการช่วยเลือกบริษัทที่ Sequoia Capital จะเข้าไปลงทุน
ตัวอย่างผลงานที่ทั้งสองคนมีส่วนในการตัดสินใจ เช่น

YouTube ซึ่งนับเป็นการลงทุนที่ประสบความสำเร็จอย่างมากครั้งหนึ่งของ Sequoia Capital

ในเดือนพฤศจิกายน ปี ค.ศ. 2005 Sequoia Capital เข้าลงทุนใน YouTube เป็นเงินประมาณ 462 ล้านบาท โดยแลกกับหุ้น 30%

และต่อมาในเดือนเมษายน ปี ค.ศ. 2006 YouTube ก็ถูกซื้อกิจการทั้งหมดโดย Google ซึ่งดีลนี้มีมูลค่าราว ๆ 54,000 ล้านบาท ซึ่งถ้าคูณตามสัดส่วน มูลค่าหุ้นที่ Sequoia Capital ขาย ก็น่าจะอยู่ในหลักหมื่นล้านบาท

ทั้ง Michael Moritz และ Douglas Leone ที่สามารถสร้างผลงานได้อย่างโดดเด่น
ทำให้ในช่วงกลางปี ค.ศ. 1990 คุณ Don จึงได้ส่งไม้ต่อให้ทั้งคู่เข้ามามีบทบาทในการควบคุมและบริหารบริษัทต่อจากเขา

นอกจาก YouTube แล้ว Sequoia Capital ยังเป็นผู้ลงทุนในบริษัทที่เรารู้จักกันดีอีกหลายแห่งตั้งแต่ช่วงแรก ๆ ของบริษัท ไม่ว่าจะเป็น Instagram, PayPal, Electronic Arts และ LinkedIn

ด้วยความสำเร็จมากมายจากการลงทุนในบริษัทสตาร์ตอัปทั้งหลาย
ปัจจุบัน Sequoia Capital ถือเป็นหนึ่งใน Venture Capital
ที่บรรดาสตาร์ตอัปต่างเข้าหา และต้องการเงินทุนสนับสนุนจากพวกเขามากที่สุด

พูดได้ว่า หากเปิดดูข้อมูลการระดมทุนของบริษัทไหน แล้วเจอชื่อของ Sequoia Capital เข้าไปลงทุน
ก็จะเสมือนเป็นเครื่องหมายการันตีว่า สตาร์ตอัปนั้นมีอนาคตแน่นอน
และสร้างความมั่นใจให้กับนักลงทุนรายอื่น ๆ ที่จะเข้ามาให้เงินสนับสนุนกับบริษัท ในระยะถัดไป

ตัวอย่างสตาร์ตอัป ที่ Sequoia Capital เข้าลงทุนตั้งแต่ช่วงเริ่มต้นธุรกิจ เช่น
- Airbnb แพลตฟอร์มจองและแชร์ที่พักที่มีเครือข่ายทั่วโลก
- DoorDash แพลตฟอร์มฟูดดิลิเวอรี เจ้าใหญ่ในสหรัฐอเมริกา
- Snowflake บริษัทให้บริการเกี่ยวกับคลังข้อมูล และบริการ Cloud Computing
- Unity บริษัทเจ้าของเกมเอนจิน หรือเรียกง่าย ๆ ว่าแพลตฟอร์มที่มีเครื่องมือสำเร็จรูปสำหรับสร้างเกม โดยมีตัวอย่างเกมที่สร้างโดยตัวแพลตฟอร์มนี้ เช่น Among Us, RoV

นอกจากการลงทุนในบริษัทเทคโนโลยีในสหรัฐอเมริกาแล้ว
ปัจจุบัน Sequoia Capital ยังมีกองทุนที่เปิดให้บริการนอกเหนือจากสหรัฐอเมริกาด้วย ได้แก่
- Sequoia Capital China เน้นการลงทุนในประเทศจีน
- Sequoia Capital India เน้นการลงทุนในประเทศอินเดีย และโซนเอเชียตะวันออกเฉียงใต้
- Sequoia Capital Israel เน้นการลงทุนในประเทศอิสราเอล

ซึ่งปัจจุบัน หากนับรวมมูลค่าบริษัทที่ Sequoia Capital เข้าไปร่วมลงทุนทั้งหมด จะมีมูลค่าบริษัทรวมกันคิดเป็นทั้งหมด 107 ล้านล้านบาทเลยทีเดียว

ถึงแม้คุณ Don Valentine จะเสียชีวิตไปแล้วเมื่อปี ค.ศ. 2019
แต่ในวันนี้ต้น Sequoia ที่เขาปลูกไว้เมื่อ 49 ปีก่อน
ก็ได้เติบโตเป็นต้น Sequoia ที่ยิ่งใหญ่ ตามที่เขาตั้งใจไว้

และต้นไม้ต้นนี้ ก็ยังถือเป็นจุดเริ่มต้นสำคัญ
ที่มีส่วนให้บริษัทเทคโนโลยีระดับโลก ได้แจ้งเกิดและยิ่งใหญ่ขึ้นมา อย่างนับไม่ถ้วน นั่นเอง..
╔═══════════╗
Blockdit เป็นแพลตฟอร์ม สำหรับนักอ่าน และนักเขียน
ที่มีผู้ใช้งาน 1 ล้านคน ลองใช้แพลตฟอร์มนี้เพื่อได้ไอเดียใหม่ๆ
แล้วอาจพบว่าสังคมนี้เหมาะกับคนเช่นคุณ
Blockdit. Ideas Happen. Blockdit.com/download
╚═══════════╝
ติดตามลงทุนแมนได้ที่
Website - longtunman.com
Blockdit - blockdit.com/longtunman
Facebook - facebook.com/longtunman
Twitter - twitter.com/longtunman
Instagram - instagram.com/longtunman
Line - page.line.me/longtunman
YouTube - youtube.com/longtunman
Spotify - open.spotify.com/show/4jz0qVn1AL7tRMHiTvMbZH
Apple Podcasts - podcasts.apple.com/th/podcast/ลงท-นแมน/id1543162829
Soundcloud - soundcloud.com/longtunman
References:
-https://www.sequoiacap.com/article/remembering-don-valentine/
-https://en.wikipedia.org/wiki/Sequoia_Capital
-https://www.blockdit.com/posts/60218f26a95fa30bb4f78b89
-https://en.wikipedia.org/wiki/Don_Valentine
-https://www.sequoiacap.com/company-story/cisco-story/
-https://www.longtunman.com/30858 -https://www.investopedia.com/articles/markets/113015/if-you-had-invested-right-after-ciscos-ipo.asp
-https://www.nytimes.com/2006/10/10/technology/10payday.html
-https://www.blockdit.com/posts/5eaa58139939070cacce1f93
-https://en.wikipedia.org/wiki/Fairchild_Semiconductor
-https://en.wikipedia.org/wiki/Sequoia_Capital
-https://www.quora.com/How-much-venture-capital-did-Apple-Computer-initially-raise
-https://golden.com/wiki/Sequoia_Capital_India-VWKKEBE
-https://golden.com/wiki/Sequoia_Capital_China-4NAE99X
-https://www.crunchbase.com/organization/sequoia-capital-israel
-https://www.sequoiacap.com/companies/
-https://pitchbook.com/news/articles/don-valentine-longtime-lion-of-silicon-valley-dies-at-87
-https://digitalassets.lib.berkeley.edu/roho/ucb/text/valentine_donald.pdf

Question 2

intel china台灣物聯網實驗室 IOT Labs 在Facebook 的評價

Accepted Answer

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

Question 3

intel china 在Facebook 的評價

Accepted Answer

譚新強：美對華政策急變 傳媒洗腦人民反華文章日期：2021年7月2日 【明報專訊】上周我指出美國擁有前所未見的強大媒體影響力，此所謂「軟實力」，才是操控全球的最重要「真實力」。尤其是經「神聖」互聯網名義護航下的新媒體，如facebook（最近市值剛升破1萬億美元），Twitter和Netflix等，更奇怪地能夠輕鬆逼使幾乎全球所有國家及地區，自動放棄正常和合理的傳統媒體監管法例和尺度！大部分人都同意維持美國霸權最厲害的三樣「武器」就是「軍事、美元和傳媒」。很多人的錯覺是最首要的仍是軍事力量，有了這個，才能夠支撐強大的美元專權，最後有了錢，才能夠買到媒體的影響力。在過去的古老石油和傳統戰爭年代，這個因果循環關係，確有一定道理。但在現今數據資訊年代，整個因果關係已完全逆轉。如果美國不擁有全球史上最厲害的媒體力量，近乎操控影響全球大部分人對美國觀感的資訊，雖然不等如所有人都因此愛美國，但對維持全世界對美元霸權的信心，明顯有極大幫助。如無此有效「洗腦」工具，近年美國債務井噴式上升，每年財赤極誇張的超過GDP的10%，總債亦已超越GDP的100%警界線，正常情况下，美元理應已面對極大壓力，大家恐懼的超級通脹亦真的有可能出現。不過，有了超強傳媒力量，美國聯儲局的工作就變得異常輕鬆，只需如魔術般揮動一下QE魔法棒，就可在眾目睽睽下隨意印鈔票，違反美國表面上最推崇的自由市場經濟，諷刺地操控代表美元價格的整條利率曲線！虛幣成接火棒遊戲 歸降美元霸權Bitcoin和其他加密貨的本意為挑戰甚至推翻美元霸權，但後來逐漸發現絕大多數參與炒賣加密貨幣的人，原來最後都只是想拿回美元！尤其繼應運而生的stable coins如泰達幣（USDT）和USD Coin（USDC）等出現後，大家更毫不羞恥地表現出加密貨幣只是個短炒接火棒遊戲，真正目的是盡快把利潤轉回到理論上與美元掛鈎的stable coins！此發展可謂無心插柳柳成蔭，美國雖暫無意發展官方數碼貨幣，stable coins有多大風險是另一回事，但崛起的速度，絕對比任何國家的數碼貨幣快得多，亦大力幫助延伸美元霸權至加密貨幣世界。即是事實上，本來充滿理想和幻想的加密貨幣世界，已幾乎正式歸降美元霸權，也非常諷刺！最後，當然有了超強的美元，才可支撑超乎任何正常需要的龐大軍事力量。美國擁有瘋狂的6000枚核飛彈，每年軍備支出超過7000億美元，是緊隨其後9個國家軍費的總和！除核武外，其他所有武器系統，都是有「實用價值」的，過去20年，美國非法攻打伊拉克和阿富汗，轟炸敘利亞、利比亞、巴基斯坦，幾乎每天以無人機（drones）執行暗殺行動，更製造數百萬可憐伊斯蘭難民，死傷人數過百萬！整個穆斯林世界被逼害，因此走向更極端化，包括新疆也開始出現恐怖主義。美國本身經濟，本應無法支撑此誇張程度的窮兵黷武，絕對有走向如古羅馬帝國崩潰之路的可能，但正因有超級傳媒支持美元霸權，才可維持歷史上從未見過的美式「Nine Power Standard」！美國堅信Intel前CEO的名言──Only the Paranoid Survive──對任何新崛起國家和勢力，都盡早提防和阻撓發展。美國打擊方法包括媒體攻擊、貿易戰、貨幣戰、軍備戰、顛覆政權行動，甚至正式軍事衝突，不一而足，看情况而定。二戰後的兩個被認為挑戰美國霸權例子為蘇聯和日本。對付蘇聯的主要策略為二戰後著名外交家凱南（George Kennan）在「X Article」中所建議的「圍堵政策」（Containment Policy），最後非常成功，經40年冷戰，不費一兵一卒，蘇聯自動解體。二戰後的日本受美國軍事保護，根本不太可能對美國構成很大真正威脅，但美國仍不放過日本，當日本汽車和電器業在七八十年代急速崛起時，美國貿赤日趨嚴重，就即馬上出手，在1985年與英國、西德、法國和日本達成廣場協議（Plaza Accord），迫使日圓在18個月內升值一倍，削弱日本出口競爭力，更把日本經濟推向泡沫化，到1990年正式爆破，至今仍未完全復原！一般說法是美國對任何挑戰者的警戒線約為美國GDP規模的50%左右，但其實此說法有誤。大家用的例子是日本，到了1990年，日本經濟規模確到了約美國GDP的50%，但很多人忘記了美國出手的時間點是早5年的1985年，在日圓大幅升值前，當時日本GDP只約為美國的25％。所以美國認為真正有效的警戒線應為自己GDP的25%，若等到50%，可能已經太遲。若把這些警戒線放到中國發展時間表上，到了2000年左右，中國GDP已接近美國的25%，本應已是美國出手打擊中國的時候。現今美國喜說中國能夠在2001年加入WTO，全靠美國支持，因此中國經濟發展突飛猛進。事實上，美國在中國入世前，多年來不見得非常支持，反而阻撓重重，每年以最優惠國待遇作為貿易要脅條件。到中國終答應各種開放市場要求後，美國才勉強支持中國入世。911後沉迷反恐 錯過遏制中國時機最關鍵的一件事是「911恐襲」，改變了美國外交政策，甚至美國的命運。本來蘇聯解體後，沙特阿拉伯和石油輸出國組織（OPEC）失去軍事靠山，轉投美國懷抱。在當年石油仍非常重要的時代，美國本應再無後顧之憂。但人算不如天算，拉登出身沙特富貴人家，但立志捍衛伊斯蘭，決定投身阿富汗反蘇聯侵略聖戰，接受美國訓練和軍事支持，無形中變成為美國賣命。當戰勝趕走蘇聯後，才恍然發現取而代之的是美國帝國主義，繼續雄霸整個中東，包括沙特。拉登感覺被出賣，所以就反噬美國，計劃了911恐襲，改寫了歷史。911恐襲震撼美國，必須採取大規模軍事報復行動。此舉本無可厚非，但中東和中亞，尤其阿富汗是出名的英雄塜，多個帝國如英國和蘇聯等，都發現入侵容易退兵難，到發覺時已泥足深陷，難以自拔。至今美國在阿富汗打了近20年，仍處於如此尷尬局面。到了約2015年，美國才開始夢醒和後悔軍事和外交上過度沉迷於在中東和中亞的所謂反恐戰。他們終於明白恐怖主義只有「干擾能力」（Power to disrupt），但沒有「替代能力」（Power to take over），所以威脅有限。另外，隨着美國頁岩油的發展和數據年代的來臨，中東石油資源的重要性愈來愈低，美國更倍覺中東之戰沒有價值。最重要的當然是美國終發現錯過了打壓中國崛起的最佳時機！到了2015年，中國名義GDP已逼近美國的50%，按PPP方法計算，甚至有人認為早在2014年，中國已超越美國！在2015年，資深美國國防部中國專家白邦瑞（Michael Pillsbury）出版了《Hundred-Year Marathon》一書，提出中國有百年挑戰且取代美國霸權的野心，美國必須提防。到了2017年，哈佛Kennedy School前院長Graham Allison出版了更有影響力的《Destined for War：Can America and China escape Thucydidess Trap》，修昔底德陷阱一詞頓然流行起來，其實只是給予過時和危險雙邊鬥爭，零和遊戲一個糖衣毒藥包装。到了2018年一月，美國國防部更首次在每年威脅評估報告中，把中國提升至第一位，取代之前十多年的伊斯蘭恐怖主義，是非常重要的一次戰略改變。2019年5月，美國國務院（即外交部）時任政策規劃主任（Director of Policy Planning）斯金納（Kiron Skinner，黑人女士），出了一個名為「Letter X」的報告，明顯模仿凱南的「X Article」，同樣建議以圍堵策略對付中國。但報告太過老實，竟承認中國崛起是美國首次面對非白種人挑戰。意思是即使蘇聯和甚至納粹德國，都只是白人大家庭的自己人之爭，中國人是外族，才是真正最大威脅！我當跟一些美國外交官員討論此事，他們自辯此屬個人觀點，在報告出了之後不久，斯金納已離職。但離職與否有何關係，官方報告中仍存在，抹黑和打壓中國政策仍在執行！上周文章包括了皮尤研究中心（Pew Research）的一些西方國家人民對中國態度的長期民調圖表，數據顯示在2000年代初，在不少國家，包括美國，對中國有好感的比例仍略高於反感，之後10年反感比例確有緩慢上升趨勢，但真正出現類似非線性急升情况，是到了約2015年後才出現的。美國流行的講法是中國在2012年起，開始走向專制甚至獨裁，踐踏人權，所以西方因正義而產生反感。但此說根本與事實不符，現在對新疆的無稽非殺人種族滅絕指控，也奇怪地堅持中國只從2018起，才突然建造大量集中營。但新疆的恐怖襲擊高峰期在2009年，即使要大力鎮壓，也應在2009年開始，不應在近10年後才開始。美國對新疆香港立場急轉彎我認為真正解釋是從911恐襲後，美國一直希望中國支持全球反恐戰，亦長期支持中國的反恐政策。在小布殊年代，甚至曾讓中方到訪古巴的關塔那摩灣（Guantanamo Bay）黑獄，參與偵訊被監禁新疆恐怖分子。此反恐合作維持超過10年，只因美國從2015年後，逐漸認為中國對其威脅更大，才突然改變對中國新疆政策的說法，由支持改為抨擊，美國傳媒亦樂於順從宣傳此充滿虛偽和種族主義的謊言，廣大西方人民亦逐漸被洗腦。我相信大家仍記得，在2019年的香港暴亂中，也曾出現類似的急轉彎，由認同中央和香港政府的克制處理手法，突然改為嚴厲批判，並加以所謂制裁。所以事實是，過去5年，中國發展方向並未有巨大改變，仍然堅持歷史上罕有，美國從未嘗試過的和平崛起，中國人權狀况，仍然不斷改善和進步。在2019年的巨型香港暴亂，政府竟能避免奪走任何性命，簡直是奇迹！真正改變了的是如夢初醒的美國，等到約2015年，才意會到中國可能將在不久將來，在經濟上超越美國，所以就開始了瘋狂的傳媒抹黑行動，再加上其他貿易和科技戰等等。但他們仍誤解中國，中國發展方向是和平的，固然為中國人帶來美好生活，走向富強，但亦為全球各國製造更多更有利商機。只要美國削減誇張軍費和財赤，連美元霸權也未必馬上消失，因為中國在金融開放上，偏向保守。中國和平崛起利各國商機如今中國經濟規模，在未來5至10年內超越美國的大勢已成，除非出現恐怖正面戰爭，或其他意想不到巨變。美國實應回頭是岸，接受芒格（Charlie Munger）和其他智者的意見，不少中國政策是正確的，有利於民和全世界，美國應支持甚至模仿，而非永遠偏見，且嚴重抹黑。此做法損人不利己，最差情况，甚至可帶來世界末日！今期本答應討論弱媒體對中國的壞影響，但篇幅有限，先解釋清楚美國媒體以至人民，在過去數年，對中國態度突然改變的因由，下周再討論其他。（中環擁有facebook及Netflix財務權益）中環資產投資行政總裁[譚新強 中環新譚]

關於 intel china ，我們在網路上蒐集到這些相關的討論、資訊與評價

「intel china」的推薦目錄：

intel china 在 ลงทุนแมน Facebook 的最佳解答

About author

intel china 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文

About author

intel china 在 Facebook 的最讚貼文

About author

intel china 在 YTD Youtube 的精選貼文

About author

intel china 在 undergroundDV 達哥 Youtube 的最佳解答

About author

intel china 在 Vodka Quang Youtube 的最讚貼文

About author

你可能也想看看

搜尋相關連結

intel china 在台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文