關於 r語言乘法 ，我們在網路上蒐集到這些相關的討論、資訊與評價

【 V媽碎碎唸 】我只是把困在石頭裡的大衛釋放出來了

以前剛開始進體制內小學當老師、自己還沒有小孩的時候，遇上學習態度不佳、生活自理能力很差的學生，總會覺得為什麼在家的時候那麼長，家長怎麼沒有好好教？有一次發現小五學生不會綁垃圾袋、丟垃圾時仙女散花滿天飛，整個大傻眼，當天給孩子的回家作業就是學習倒垃圾。以前總覺得，孩子就是家庭教育百分百的照妖鏡，孩子在學校如何地展現可以說就是家長的成績單，而在學校，就是調整人際關係與社交領域的範圍、以及智育上的學習。以上，是我在還沒有生孩子前的想法......


我有兩個孩子，家庭教養方式是相同的、我和先生在理念上大致上也是一致的，但孩子們在本質上、個性上、學習方式上、言語理解上.....有很大很大的不同！極大的不同！也因此，我開始打從心底堅信每個生命都是獨一無二的遇見，即使在同一家庭，教養方式不偏倚，每個生命與天俱來的特質、吸收到的內容就是那麼的獨特與不同。以上，是我生了兩個孩子以後的想法......


在學校裡有些生獨子或獨女的同事，偶爾會唸一下學生「搞不懂這爸媽怎麼教的」，我會無奈的笑了一下、尷尬的說：「相信我，你生一個的時候你會以為你可以像上帝一樣，完全把一個生命個體形塑出來，你會以為所有學生都是這樣被家庭完全影響長大的；但你生兩個甚至更多以後，你會發現每個生命都有自己的樣子和藍圖，我們最重要的任務是要負責守衛小苗、適時修剪、看情況澆點水施點肥，看看這土壤適不適合他，偶爾對他的夢想煽風點火一下，當個稱職園丁！相信我，這些小孩的爸媽也搞不懂他們怎麼教出這些小孩的？！」


正男從小就是一個偏理工的直男，言語發展很慢、五歲還很臭奶呆，但可以感覺他邏輯數理、語言規則學習等等非常清楚有條理，也可以感受到他對理工機械的興趣。大約在四五歲時，就很主動想學認字，當老師的我清楚地知到這個年紀過早不能教，且我跟爸爸都忙，小小年紀的正男看到爸媽在智育上都不理他，就開始有憂患意識，走在路上拼命的口齒不清的問：「把拔，那個怎麼唸！」「馬麻，這個怎麼唸！」雖然我們還是避免讓他過早接觸知識，但孩子主動問，你總不能視若無睹，只好不主動、他問一個我們說一個的應付下去，所以就這樣，在正男大班時，走在路上招牌的字，七成都可以唸出來。記得在他小四時，我在檢查他的數學應用題學習單作業，一整面的應用題只有答案、沒有運算過程，我以為他抄同學的答案，於是一題一題問他怎麼想的，才知道他在腦袋瓜裡已清楚的跑過所有流程、他只是把答案寫出來而已。因為有此發現，我開始需要他跟我講解，當時我花很多時間陪伴他「努力表達出腦袋的流程」，這個歷程對他來說很艱辛，但對正男來說很需要練習溝通。 記得當時很多同事總以為我教他很多，其實他太敏銳、會推敲，因此他是「主動吸收」很多、而不是「被教」很多。當時身為他的阿母實在有苦難言，不過沒關係，幸好........有阿妮！


阿妮從小就是個偏圖像思考、情感豐富的夢幻女孩，言語發展較快，且可以感覺她在藝術方面、言語表達部分很有她自己的特質(老粉絲們應該都有看過阿妮畫的L夾吧)。相較於哥哥在智育上的清楚認知，妮妮則是完全相反的展現，在認字上很無所謂，多一撇少一撇都可以，小二時大字不識幾個，數學減法運算時堅持不借位，她的理由是，「沒有錢就不要花啊！不用跟別人借啦！」就是這樣的一個小孩，不只在認字部分要用許多的象形圖像來幫助記憶，在數學解題部分也想像力大開！例如講約分聽不懂、講數字減肥才開心聽懂; 小數點乘法一直搞不懂點點要放哪裡，跟她畫出小不點精靈才開始開心算數學....太多太多這有趣的歷程，讓同事們知道，我們在家其實完全沒有提早超前部署教小孩抽象知識，而是每個生命有他自己的發展速度與藍圖規劃。我們在旁邊做的，真的就是對每個生命的樣貌保持有興趣、開放、好奇的心，在一旁看著守護著、陪伴著支持著，如此而已。


一開始會以為孩子像泥塑般會被爸媽、被老師好好塑形出來
其實...
每塊土的質地、天使製作土初時就設定好的生命藍圖會大大影響形塑樣子
就像，
米開朗基羅說：我只是把困在石頭裡的大衛釋放出來了
身為一個日夜守護生命的園丁
很榮耀能與這些生命相遇！

----------------------
感恩蛋殼上裂縫的存在，因為有裂縫，光才能走進來～歡迎分享、留言互動喔！大家願意來看來留言來給讚就是對V媽最大的鼓勵～
---------------------
🔸Ｖ媽小學不再唉唉叫線上講座火熱報名中
https://page.cashier.ecpay.com.tw/forms/6Y3
🔸V媽線上讀書會：療癒我們的孩子火熱報名中
https://page.cashier.ecpay.com.tw/forms/7b3
🍎 放學後放電好物，彎板、慢慢刷現貨搶購中
https://vmashopping.cashier.ecpay.com.tw/
🔸Ｖ媽教室line群組，講座團購不漏接：https://line.me/R/ti/p/%40uwr7373l
🔸V媽教室Podcast：https://reurl.cc/Y1jkVx

❤️8月排程來了~~~🤗
讓大家久等了~~
看完後再請大家幫我簽到唷~感謝大家🥰
.
💥本月重點提醒 :(有些團臨時換時間，以這裡文字為主，行事曆的照片明天更新)
8月是孩子瘋玩的月份也是開學月，這個月份規畫許多優質的遊戲商品和學習商品。
👉因為幼兒園開學、小學生也即將開學
愛麗絲這邊還是不少媽媽來問姓名貼、姓名章
8/10韓國姓名貼、姓名章開團喔~
👉這個月還有不少超優質的學習類商品，可以輔助孩子幼兒園以及小學課程，讓孩子提前進入狀況
8/5 青林5G智能學習寶 (原定8/4，延到8/5)，非常棒的學習工具，可以啟發孩子關於數學、邏輯和語言的能力。
8/6 大新書局英語點讀系列
8/18 巧虎ABC、ㄅㄆㄇ、九九乘法
👉還有一個好重要的商品是絕對不能錯過的 : 護眼檯燈
8/5 Dr-Lite愛德華醫生天使之光潤眼燈，這一款檯燈不只能陪伴孩子閱讀、寫作業，還能消除3C藍光，很適合有參與線上學習需要用到電腦的朋友，不只孩子適用，連大人都很合適，是非常棒的護眼檯燈唷
8/25也有個magic護眼檯燈可以參考唷~
👉另外還有優良讀物的安排 :
8/10 小行星月刊
8/23上誼繪本團
.
👉遊戲部分愛麗絲大推 :
8/12 美樂miro畫畫用品
8/19 Donerland天使沙，孩子玩到欲罷不能的動力沙遊戲，也很好清潔，不會製造媽媽的困擾。
8/25 QUTT洗澡玩具、玩沙玩具 夏天必備玩水玩沙遊戲，這一次還有很多新品，敬請期待❤️
.
👉居家用品部分，愛麗絲這邊許多媽咪都有需求
這個月有些重點商品也是好多朋友在詢問的
8/11 樂高LEGO收納箱:不只收納、還能增添家裡質感的收納好物
8/16 日本三和玄米胚芽油:買過的朋友評價都很高
8/16 禾聯充電型風扇:居家、露營都好用的風扇
8/17 Neoflam FIKA可拆式把手鍋具組 :風靡許多家庭的鍋具品牌，不只好用、實用，還很漂亮~~
8/23 日本Lec 激洛君清潔用品
8/26 十月被
8/31 Silicook保鮮收納盒:上一團賣很好~不少人喜歡透明的保鮮盒，需要的朋友可以注意~
.
👉療癒心靈的美食:
我是一個很愛吃的人，所以遇到美食也會想推薦給大家XD
8/2 青鳥蛋捲:超級好吃的蛋捲，這輩子一定要吃吃看啊!!
8/13 『深夜裡的法國手工甜點』的北海道乳酪蛋糕
8/31 查理布朗抱抱捲
.
以下是8月份排程:
✅8/2 Chicco 多功能食物調理機+清潔用品
✅8/2 青鳥蛋捲
✅8/3 BEBEFOOD寶寶福德米餅、調味料
✅8/3 包養之道雞湯系列
✅8/4 OH Trust歐舒特 納米離子水
✅8/4 i play泳裝
✅8/5 青林5G智能學習寶
✅8/5 Dr-Lite愛德華醫生天使之光潤眼燈
✅8/6 誰是寶貝口腔用品(只在社團)
✅8/6 大新書局英語點讀系列
✅8/8 紐西蘭BEGGI天然麥盧卡精油通鼻貼
✅8/9 滿趣健水杯
✅8/9 森林寶寶麵
✅8/10 小行星月刊
✅8/10 韓國姓名貼、姓名章
✅8/11 樂高LEGO收納箱
✅8/12 美樂miro畫畫用品
✅8/13 深夜裡的法國手工甜點的北海道乳酪蛋糕
✅8/14 加護靈
✅8/16 日本三和玄米胚芽油
✅8/16 禾聯充電型風扇
✅8/17 Neoflam FIKA可拆式把手鍋具組
✅8/18 巧虎ABC、ㄅㄆㄇ、九九乘法
✅8/19 Donerland天使沙
✅8/20 芽米寶貝
✅8/23 上誼繪本團
✅8/23 日本Lec 激洛君清潔用品
✅8/24 紐西蘭 kiwigarden 優格豆
✅8/24 臺灣豐將龍眼蜜、荔枝蜜
✅8/25 QUTT洗澡玩具、玩沙玩具
✅8/26 十月被
✅8/27 GUARDIANBAND美國守護神 奈米藍光噴霧消毒槍
✅8/30 K-MOM清潔用品
✅8/31 Silicook保鮮收納盒
✅8/31 查理布朗抱抱捲
.
愛麗絲不斷尋找實用好用的產品，種類眾多，從寶寶用品玩具、繪本、親子商品到居家、廚房用品和美食，大大滿足大家生活需求。
想Follow 愛麗絲團購消息的朋友~
歡迎加入以下管道~
👉Line@ : https://line.me/R/ti/p/%40uir5947v
Line@加入後記得要訂閱想收到的種類~這樣才會收到開團消息~然後開團 PO文的時間幾乎會統一在晚上10點發喔!
如果想要即時收到，還有以下三種方式^^ :
👉 Ttelegram 團購頻道 : https://t.me/alicetw
👉團購 IG頻道 : https://pse.is/NMDEN
👉嘟嘟七恰團購社團(FB) : https://goo.gl/RC9ZU1

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

【線上課程】《時間駕訓班》1/8~1/17季節限定優惠，把握機會喔～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8
不定期推出補充教材，讓學習無限延伸：https://pse.is/GXZWM

【線上課程】《理財心裡學》～擺脫家庭影響，從心培養富體質
課程連結：https://pse.is/EPBWE
第一講免費試聽：https://youtu.be/HgrDK7pqR-0

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～02/22(六）或03/15(日） 14:00
活動資訊：https://www.koob.com.tw/contents/3072

[ 2020/4/18 開課！]【寫作小學堂】～寫出專屬風格，找回文字悸動～第五期
打造一盞自己的聚光燈，建立起專屬於你的品牌印象
課程資訊：https://www.koob.com.tw/contents/3655
更多學員心得分享：https://pse.is/NE3QN

【我們有Podcast囉～】歡迎到Apple或Android內建的Podcast搜尋「啟點文化一天聽一點」訂閱我們！另外，在Spotify和Soundon也找得到喔！
Apple Podcast～https://pse.is/N2WCZ
Google Podcast～https://pse.is/PEN2Z
在Spotify收聽～https://pse.is/PQT76
在SoundCloud收聽～https://soundcloud.com/ekoob

【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys
不定期推出補充教材，讓學習無限延伸：https://pros.is/KQZZH

【2020/4/30開課】《人際回應力-看懂情緒，輕鬆對談》~第22期
一個人的命運，是回應力的總和！
課程資訊：http://www.koob.com.tw/contents/157
更多學員心得分享：http://goo.gl/Guc6V6

【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw

歡迎加入「啟點文化Line@」：https://line.me/R/ti/p/%40teb0498p

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo

桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：

如果你對於怎麼樣多付出50%的努力，但是卻能夠得到5倍的成果，這種事情有興趣的話；那麼今天的內容你就千萬不要錯過。

今天我要跟你分享什麼呢？叫做「全流程優化」。什麼叫「全流程優化」喔？

我們今天來假設一個狀況好了，就是你是一個從事電商工作的人，而你的電商工作，從產品的選定、上架，到設計文案、廣告行銷…等等的，有一系列的流程。

假設我把你關於行銷的這件事情的流程，拆解成六個步驟；這六個步驟分別是什麼呢？

你要賣一樣商品，你要先下文章的標題；接下來呢，你要撰寫正文的內容；而接下來呢，你要去衍生出商品的業配文。

有了商品在外部的業配文之後，它會導流回你的電商的店鋪頁面；接下來呢，消費者到你的店鋪頁面，他們就會進入要購買的支付界面；最後他們收到貨之後，會給予你評價。

所以呢，把你整個流程拆解成六個步驟，就是分別是「文章標題、正文內容、商品業配文、店鋪頁面、支付界面」，跟最後的「收貨評價」。

然而如果在這六個步驟跟流程裡面，你都額外付出努力，讓每一個步驟多獲得了30%的額外效果，那你用一個簡單的數學概念哦！你所能夠得到的結果，就是1+30%、就是1.3的6次方，等於4.83。

沒有錯喔，你會得到跟一般人比較的4.83倍的效果，這樣的概念就叫做「全流程優化」；因為你每一個環節，它所做的更好的部分，都會加乘到下一個環節。

然而如果你深入來看，你可能就會問，那我要怎麼樣得到每一個環節，都能夠多出30%的效果呢？

其實如果你只多付出10%的努力，效果就有30%，那你的效率太好了，你根本就是天才嘛！我們先把自己變普通人喔。

所謂的普通人，就是我可能花比別人多50%的努力，才得到30%的效果；這樣子應該還算合理吧！這才是普通人的水平嘛。

那你看哦，在整個流程裡面這六個步驟，你比別人多付出的努力是50%，那這六個流程加起來，你多付出了多少？

如果喔你是50％×6，得到是300%的努力，那你可能要加強的，並不是流程優化的能力，而是數學的能力哦！

如果這六個流程，它是串聯在一個任務跟一個事情上面，每一個流程都多努力50%，其實整體來看，你還是只多努力50%而已哦！

可是你看哦，當你多努力50%在每一個流程的優化，而每一個流程多得到了30%的成果；然而因為流程是順序性的，所以它會有加乘的效果。

所以就像剛剛數學算的公式一樣，你做出來的效果，並不是別人的1.5倍或1.3倍；你的效果是別人的4.83倍。

所以呢，結論就是喔你只用1.5倍的努力，卻做出了高達5倍的效果。從這個結論來看，別人會不會覺得你是個天才？

其實說到這裡我就很有感哦，很多人看我開實體課程或線上課程，覺得我是個天才。但事實上我根本不是，我只是把我每一件事情，都做「全流程優化」。

而全流程優化又加上時間的累積，如果一件事情對了，我不斷不斷的優化，而且我不斷不斷的做、我中間沒有中斷；所以你才能夠聽到今天的內容，和看到我能夠擁有的結果。

我常常會覺得喔，很認真的過每一天、很認真的看待每一件小事，並且把每一件小事，都把它優化到不能再優化。

它最大的價值就在於，其實我在計算我所付出的成本，其實是用加法的；就是每一件事情我都多加20%、30%、50%的努力。

可是呢，當每一件事情是相互關聯、相互影響，甚至於是相互加乘的時候；我所得到的成果，是用乘法來計算，並不是用加法來計算。

那麼當你聽到這裡，你期待自己未來的日子，是能夠多付出50%的努力，卻能夠得到5倍的效果嗎？

如果你也有這樣的渴望的話，其實你所需要的並不是成為一個天才；而是知道怎麼樣去優化自己的時間的運用。

我們常常哦，很快的針對任何事情要去做優化，其實我都說喔，你在優化任何事情的前提，是你有沒有優化自己時間的使用？

如果你都不知道你的時間怎麼使用，就像我常常說的，我們每天都在過日子，但其實我們不太知道自己的日子是怎麼過的。

那你想喔，這個一個這麼基礎的前提，都沒有把它優化；那你要優化的任何事情，有沒有可能被你的拖延跟浪費時間，所消耗掉了呢？

所以呢，今天談到「全流程優化」。你可以把它運用在你所做的事情，把它拆解成每個不同的部件跟流程，在這裡面逐次、逐項的讓它變得更好。

但是更重要的一點是，你在聽我的內容的此刻，你的每分每秒都正在度過，你有沒有優化你的每分每秒呢？

如果你想要優化你的每分每秒，那麼很歡迎你，可以加入我的線上課程【時間駕訓班】。

尤其是你正在收聽的這個時候，距離我們1月17號「季節限定」的截止時間，已經大概只有不到48小時了！

如果你還沒有參與的話，很期待你把握這難得的機會，希望呢你在未來日子裡面，用點點滴滴的努力而匯聚出一個天才的結果。

希望今天的分享，能夠帶給你一些啟發與幫助，我是凱宇。

如果你喜歡我們製作內容，請記得訂閱我們的頻道，並且把它分享給你身旁的朋友，無論是YouTube還是Podcast，我們都需要你的支持。

然而如果你對於啟點文化的商品，或課程有興趣的話，尤其是今天提到的【時間駕訓班】；相關的課程資訊，還有優惠的訊息，在我們的影片說明裡都有連接，期待你的加入，希望我能夠跟你一起前進。

那麼今天的內容，就跟你分享到這裡了，謝謝你的收聽，我們再會。

東吳EXCEL VBA與資料庫(進階92)第2單元_按ENTER自動輸入&防止為輸入資料與輸入非數字錯誤&保護VBA專案與建立資料庫&ACCESS中執行SQL指令&用ADO傳送SQL給資料庫執行&用ADO新增全部與查詢全部資料

上課內容：
01_上星期重點回顧與按ENTER自動輸入
02_防止為輸入資料與輸入非數字錯誤
03_保護VBA專案與建立資料庫
04_如何在ACCESS中執行SQL指令
05_在EXCEL中用ADO傳送SQL給資料庫執行
06_用ADO新增全部與查詢全部資料
完整影音
https://www.youtube.com/playlist?list=PLgzs-Q3byiYO4XHenpJ8DFSvy0486-9kb

教學論壇：
https://groups.google.com/forum/#!forum/scu_excel_vba2_92

與前幾期的課程雖然用的是相同的範例，但最大的不同在：
1.除了解說建函數公式，並將之轉成自訂函數，把複雜的公式變簡單。
2.如何將複雜的公式變成簡單的按鈕，按下按鈕就自動完成工作。

內容主要分成：
第1單元_大數據輸入自動化與R語言的比較說明
第2單元_大數據表單與資料庫
第3單元_大數據工作表合併與匯出資料庫
第4單元_EXCEL當資料庫與查詢系統建立
第5單元_批次查詢與雲端與網路下載資料
第6單元_工作表排序(大到小、筆畫、清單)
第7單元_工作表處理(顯示、顏色、複製與刪除)、活頁簿與檔案處理(工作表分割與合併活頁簿)
第8單元_表格與圖表處理(自動繪製圖表)、圖案處理(快速匯入圖片到EXCEL)

有講義與範例和完成的畫面公式與程式碼，
只要按照每周的順序學習，學會EXCEL VBA自動化絕非難事，
優點：
1.可非線性學習：可按照自己最不熟的部分多次學習。
2.可反覆學習：有疑問可以多次聽講，保證學的會。
3.可攜帶學習：只要有瀏覽器就可以播放SWF檔，MAC電腦也沒問題。

上課參考用書：
看！就是比你早下班－50個ExcelVBA高手問題解決法
作者：楊玉文 出版社：松崗
Excel VBA一點都不難：一鍵搞定所有報表
作者：?Excel Home
出版社：博碩

課程理念:
1.以循序漸進的方式, 透過詳細的說明和實用的Excel VBA範例, 逐步了解整個 VBA 的架構與輪廓,進而學習 VBA 變數、函式及邏輯的觀念, 即使沒有任何程式設計基礎, 也能自己親手撰寫 VBA 程序來提昇工作效率, 晉身職場 Excel 高手！ 2.進而解說EXCEL與資料庫的結合，將EXCEL當成資料庫來使用，結合函數、VBA等更深入的功能，讓資料處理和分析的應用更上層樓。 3.將結合GOOGLE雲端試算表，教您如何將EXCEL函數雲端化與網路化。

更多EXCEL VBA連結：
01_EXCEL函數與VBA http://terry28853669.pixnet.net/blog/category/list/1384521
02_EXCEL VBA自動化教學 http://terry28853669.pixnet.net/blog/category/list/1384524

吳老師 2016/3/9

EXCEL,VBA,函數東吳進修推廣部,EXCEL,VBA,函數,程式設計,線上教學,excel,vba,教學,excel,vba指令教學,vba範例教學excel,,excel,vba教學視頻,excel函數教學,excel函數說明,excel函數應用