【#經濟調查局】「一級玩家」搬上真實世界不是夢 來看臉書、微軟競相建立的元宇宙
🔥元宇宙沒聽過,有很重要嗎?🔥
很重要,讓科技大老競相投資成立的元宇宙,除了創造新的場域讓消費者進行互動,也是在新興起的科技市場興起一場革命,由於並沒有任何單獨公司可以打造完整的元宇宙,公司要在其中搶得大餅,則必須透過訂閱服務、購物車消費和廣告賺錢。
元宇宙所建構的是一可以映射現實世界、又獨立於現實世界的數位虛擬空間,其擁有獨立的社交系統、經濟系統和成長系統,當人們進入其中,可使用數位身份在「元宇宙」中進行休閒娛樂、社交生活、學習和市場交易等。
🔥元宇宙的重要推手:臉書🔥
Facebook 於9月28日宣布,將投入5,000萬美元,資助全球元宇宙(Metaverse)研究機構與計畫夥伴,並與政府、產業與學者專家合作,激盪出創建Metaverse 的未來挑戰與發展可能性。
對於臉書而言,最重要的效益就是元宇宙允許使用者在VR、AR、個人電腦和傳統智慧手機等數位設備間切換自如,且繞過蘋果和Google的隱私協議,以及避免被收取應用程式app的傭金。
🔥大家認為元宇宙有法規範可管嗎?🔥
由於元宇宙是全新的金融場域,在現階段仍無法律的監管,有論者認為臉書透過投資元宇宙此舉,為的是避免隱私爭議與支付其他公司的報酬,形同鑽法律漏洞,讓元宇宙成為許多科技公司競相前往的「科技烏托邦」。
不少人憂心這個新世界的市場商機,雖有無限發展潛力,可整合現在市場正熱的NFT、DeFi 。但有人看好他將整合「舊」世界的金融體制,促進經濟發展;也有人提出質疑,認為其法規範難以跟進,與現實世界又將如何磨合。
你同意元宇宙的說法嗎,下方分享你的看法↓↓↓
看原文:https://bit.ly/3kMTYDF
科技投資人注意:「元宇宙」來了
https://bit.ly/3m49DOm
同時也有9部Youtube影片,追蹤數超過250的網紅偽學術,也在其Youtube影片中提到,[偽學術的社會課] #疾病風險下的教育轉機 | #課程上線好焦慮? (我也是) | 李長潔 . 在我的社會學課程中,時常跟同學們一起想一種報告:#為什麼要讀大學。有時候會很直覺地想,啊你不就已經在讀了,還要想屁想喔。但就在這次的肺炎防疫下,各個學校與老師突然需要即刻面臨課程上線,反而讓我驚覺「為甚麼...
「數位學習系統新興」的推薦目錄:
- 關於數位學習系統新興 在 經濟日報 Facebook 的精選貼文
- 關於數位學習系統新興 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於數位學習系統新興 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
- 關於數位學習系統新興 在 偽學術 Youtube 的精選貼文
- 關於數位學習系統新興 在 李進勇 Youtube 的精選貼文
- 關於數位學習系統新興 在 李進勇 Youtube 的最佳貼文
- 關於數位學習系統新興 在 數位學習系統 :: 高中高職資訊通 的評價
- 關於數位學習系統新興 在 數位學習系統 :: 全台大學開課課程資訊網 的評價
- 關於數位學習系統新興 在 教育部中小學數位學習深耕推動計畫- Publicações | Facebook 的評價
數位學習系統新興 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
智慧化供應鏈的考驗
作者 : Don Hnatyshin,莫仕(Molex)供應鏈資深副總裁
2021-07-29
儘管新冠疫情引發了一些混亂的局面,但同時也促使了供應鏈創新的迅速發展。雖然這次疫情破壞的深度、廣度和範圍是我們前所未遇的,然而,大多數供應鏈業內人員都未雨綢繆,儘量減低風險,準備在2021年大顯身手。
評估、規劃和應對風險,長久以來深入莫仕(Molex)骨髓。我們擁有足夠的專業技能,以期應對由自然災害,供應限制,以及地緣政治或金融事件引發的一連串供應鏈中斷。我們不斷開發關鍵的知識流程,以備不測,包括利用最新的供應鏈工具和技術。
新冠疫情顛覆了產業的遊戲規則,考驗著我們的總體供應鏈水準。現在我們看到由於預見性不足加劇了新冠疫情產生的長期災難性影響。根據高盛最近的一項分析研究,在過去18個月中不斷加劇的半導體短缺狀況正在影響著169個產業,包括汽車、消費科技、造船、啤酒廠甚至肥皂製造領域。
從好的方面來看,我們見證了電子商務和數位交易擁有的巨大變革力量,將客戶便利性、採購便利性和交付速度提升到一個全新的水準。正因為這種積極正面的影響使B2C企業(企業對消費者)給人們帶來全新的體驗,從而永久改變了人們對B2B (企業對企業)的期望。現在是時候重新評估供應鏈戰略並開創全新思維方式了,包括以客戶為中心,及早為未來的一切情形做好計劃和準備。
風險與響應:改變規則
雖然風險評估和應對的原則保持不變,但目標範圍已經縮窄了。在疫情期間,企業評估、應對和減輕風險的速度和敏捷性是評判企業的標準。由於許多企業仍在努力重新站穩腳跟,因此,具有客戶至上心態的企業會以最快的速度調整其業務和/或交付模式,以便在特殊時期滿足前所未有的需求。
在新冠疫情後的供應鏈競爭中,能否提供與B2C客戶體驗相當服務水準,將會成為勝敗關鍵。這就需要新型的工具抓取業務資料,提升整體智慧化水準,而不僅僅監測貨物的實時運輸軌跡。
全面的供應鏈視圖,始於對採購和採購策略進行有價值且及時的更新,然後延伸到工廠車間,確保有合格的人才能對製造和品質流程進行知道。同樣重要的是:不能低估物流的最後一哩,這在過去一年中產生了很多意外的情況。未來,供應鏈的成功將不僅僅透過貨物的物流來評估,而是貨物實時資訊的雙向移動,以促進更快、更好的業務決策。
供應鏈4.0:以數位技術為支柱
通過增加感測器、自動化和資料分析等智慧化技術,供應鏈4.0可望逐步與工業4.0達到相匹配的水準。幾年前,麥肯錫(McKinsey & Company)將供應鏈4.0描述為下一代數位化供應鏈。供應鏈4.0的數位化優先策略是推動新的商業運作變革主要因素,旨在提高客戶便利性,增加可見性、降低成本和提高流程效率。
2021年,雖然所有這些屬性仍然適用,但門檻已大大提高。來自智慧裝置、感測器和機器的實時資訊使得新的、越來越強大的資料集劇增,這些資料集需要進行挖掘、分析並與機器學習和人工智慧(AI)匹配,以推動預測性和規範性分析。其結果就是:甚至在做出決定之前,就要對業務影響和衝擊進行深遠和詳盡的分析。
供應鏈4.0非常重視資料生態系統,因此必須在正確的時間以正確的速度傳遞正確的資訊。然而,說起來容易做起來難,重要的是要確定哪些資料對業務最有意義。幾年前確定的最關鍵的資料屬性現在已成為生態系統基礎的一部分。我們要關注一些新興的屬性;它們可以豐富生態系統,從而帶來更明智的決策和競爭優勢。
對於大多數企業而言,資料生態系統是全面實現更智慧化的供應鏈4.0的最大障礙,只有解決這一問題,才能真正實現更智慧化的供應鏈4.0。幸運的是,吸取別人的大量寶貴經驗教訓,能夠引導我們完成這個過程。
今天的教訓是未來供應鏈成功的基礎
多年來,筆者花了很多時間與各個產業的供應鏈同行交流想法和經驗。這些溝通交流豐富了我的觀點,尤其是在關注客戶體驗方面。電子商務和零售公司每年在Gartner供應鏈25強企業中佔據主導地位,例如,在2021年,Gartner將高露潔、強生、雀巢、百事可樂、沃爾瑪和歐萊雅列為前10名,因為這些企業在應對新冠疫情和其他宏觀經濟因素的挑戰方面,表現出前所未有的敏捷性和靈活性。
從這些企業的運作方式中,可以學習到很多實用知識和智慧。他們清楚地瞭解客戶價值,並且不斷優先投資於推動供應鏈彈性、敏捷性和創新的技術。由於企業的業務性質,這些供應鏈中堅企業也奉行「客戶至上」,這對於每個人來說都是寶貴的典範。
在過去的一年,我意識到供應鏈物流比預期的都要脆弱許多。當然,我們無法預料到國際航班在很長一段時間內幾乎完全停頓,以及集裝箱船卡在蘇伊士運河造成的大規模擁堵。根據現在的情況,制定更智慧的物流網路必須成為供應鏈關注和討論的一部分。
設計更加智慧的供應鏈
根據市場研究機構IHS Markit的2021年供應鏈洞察全球調查,接近三分之二的全球供應鏈領導者表示需要更好的技術、平台和資料,以實現整體供應鏈目標。Molex非常瞭解供應鏈智慧在確保供應鏈彈性和敏捷性方面發揮的關鍵作用。這就是我們繼續進行戰略投資以增強知識、平台和流程的原因。
Molex秉承以客戶至上的思維和方法,全力實施世界一流的供應鏈設計原則。我們正在擴展資料收集和關聯能力,以幫助從業人員識別最有用的資料屬性,同時尋求創新方法來綜合資訊流並豐富資料生態系統。這些都是至關重要的工作,因為作為公司全球供應鏈的一部分,Molex採購和管理運作的一切都會影響我們對客戶的有效響應。
鑒於客戶至上的原則,Molex將繼續應用最新的創新技術,同時該公司也是擁有多年經驗的供應鏈專業廠商,因此致力擴展實時可見性並緩減風險。到今年年底,Molex將分享智慧化數位供應鏈方面的重要進展,這是一種每天都在變得更加智慧的平台。
資料來源:https://www.eettaiwan.com/20210729ta71-putting-supply-chain-intelligence-to-the-test/
數位學習系統新興 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
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
數位學習系統新興 在 偽學術 Youtube 的精選貼文
[偽學術的社會課] #疾病風險下的教育轉機 | #課程上線好焦慮? (我也是) | 李長潔
.
在我的社會學課程中,時常跟同學們一起想一種報告:#為什麼要讀大學。有時候會很直覺地想,啊你不就已經在讀了,還要想屁想喔。但就在這次的肺炎防疫下,各個學校與老師突然需要即刻面臨課程上線,反而讓我驚覺「為甚麼要讀大學」的疑惑,是如此的本質。
.
▓ #線性與複雜的路徑
.
對於相對「正常」的線性現代的老師們來說,我們所經歷過的生涯,路徑好像很清晰,教育提供給我們一個變項,可以根據其來輔助形塑、調整、顛覆個人的發展。但越年輕的人們,在他們的世界裡所面臨到的是,高等教育的商品化與系統性崩壞,新興知識的快速轉型,與更複雜、更實用取向的學習需求。傳統上線性的想像,便在課程上線中,顯得蒼白無力。
.
▓ #教學權威的空間被打碎
.
老師們開始擔憂,「學生們不在教室怎麼管理」、「學生們都可以在家分心做自己的事」、「學生們線上考試會不會去查網路」、「三個小時的課程會不會坐不住」。的確,當教室固定學空間的控制權力被打碎成無數個次系統,老師的知識權威被媒介沖淡成眾多螢幕裡其中一框框。「為什麼我要看」(aka為甚麼要讀大學),就成為很容易被做選擇的事情。
.
▓ #回到教育的本質
.
當然這件事我也都按照自己的想像來進行,在學術訓練的生涯中,學習知識的初心都是依著自己的摸索一路走來。也因此,每一個老師也都會有自己對教育的想像。趁著課程上線的危機,是需要好好地認識一下自己的教學方式,與學生們所面臨的社會現況與趨勢,誠實地面對自己:並不是每個人都想你聽講那些有的沒的(T.T)。那到底老師們要帶給小朋友們的,究竟是什麼呢?是一個互相擺爛的局,還是彼此都覺得有趣的教與學的過程?
|
#風險下的教育轉機
#課程上線真的很可怕啊
數位學習系統新興 在 李進勇 Youtube 的精選貼文
未來四年,我們規劃以「建構穩健的財政秩序、運用智慧科技推動農業4.0、調整產業結構促進經濟發展、永續環境經營、貼近人心的社會福利」五大願景,打造更美好的新雲林!
穩健的財政是推動各項建設的根本,2015年初接掌縣政之初,縣政舉債最高近50億,三年多來我們堅守財政紀律, 不僅建設福利未受影響,償還將近16億元,將負債比由接近上限的49.87%下降至39.18%,讓雲林縣脫離列管名單,更在民進黨的前瞻建設中獲得百億元經費支持,例如落腳虎尾的國家級布袋戲傳習中心、北港滯洪池、雲林溪掀蓋、台西綠能專區等,未來我們仍堅持絕不債留子孫,強化財政管理、建立秩序。
身為農業首都,未來將推動農業4.0,以智慧生產、數位服務模式,不僅要安全生產、提高農業產值,更要將生產、行銷和消費者納入系統管理,推進建構完整農業產銷儲藏及運送系統,解決天然災害、產銷失衡、人力短缺及資源欠缺等問題,也要爭取國土規劃用地受限補償及對地綠色補貼。
除了農業,我們更要拚經濟,邁入綠能、農業雙首都2.0進階版,引進綠能及高齡健康產業,要搶攻新興產業大餅,同時也要開闢新工業區,招商僱工以增加就業、將人才留在家鄉。
而在環境面向上,以永續經營為努力目標,不論是垃圾、水污及空污,我們在虎尾建立的全國第一座機械處理設備MT已於今年10月1日開始運轉處理一般廢棄物,目前可去化的垃圾量約1日100公噸以上,逐步朝向達到廢棄物資源化、能源化之目標。空污上縣府祭出源頭減量、管末加嚴、季節限定嚴格管控監測,另在濁水溪揚塵問題在中央的綜合治理下,今年東北季風監測已初見成效,環境的永續經營是我們在對家園維護、土地使用的一貫堅持,也是未來的施政方針。
而最重要的社會福利,不管是老人、小孩或弱勢團體,未來政策都要更貼心,三年多來,縣府已經成功開辦88處長青食堂,讓長者有個安全健康的用餐及社交環境;二年來長照服務也已佈建25個A級單位、115個B級單位及70個C級單位,未來持續推展長照關懷服務,健全老人及弱勢團體服務體系。此外,在孩童教育上,縣府更要推動非營利準公共化幼兒托育中心,減輕父母的經濟負擔,也要讓孩童健康快樂成長與學習。
數位學習系統新興 在 李進勇 Youtube 的最佳貼文
雲林正在走出自己的路
未來四年,我們規劃以「建構穩健的財政秩序、運用智慧科技推動農業4.0、調整產業結構促進經濟發展、永續環境經營、貼近人心的社會福利」五大願景,打造更美好的新雲林!
穩健的財政是推動各項建設的根本,2015年初接掌縣政之初,縣政舉債最高近50億,三年多來我們堅守財政紀律, 不僅建設福利未受影響,償還將近16億元,將負債比由接近上限的49.87%下降至39.18%,讓雲林縣脫離列管名單,更在民進黨的前瞻建設中獲得百億元經費支持,例如落腳虎尾的國家級布袋戲傳習中心、北港滯洪池、雲林溪掀蓋、台西綠能專區等,未來我們仍堅持絕不債留子孫,強化財政管理、建立秩序。
身為農業首都,未來將推動農業4.0,以智慧生產、數位服務模式,不僅要安全生產、提高農業產值,更要將生產、行銷和消費者納入系統管理,推進建構完整農業產銷儲藏及運送系統,解決天然災害、產銷失衡、人力短缺及資源欠缺等問題,也要爭取國土規劃用地受限補償及對地綠色補貼。
除了農業,我們更要拚經濟,邁入綠能、農業雙首都2.0進階版,引進綠能及高齡健康產業,要搶攻新興產業大餅,同時也要開闢新工業區,招商僱工以增加就業、將人才留在家鄉。
而在環境面向上,以永續經營為努力目標,不論是垃圾、水污及空污,我們在虎尾建立的全國第一座機械處理設備MT已於今年10月1日開始運轉處理一般廢棄物,目前可去化的垃圾量約1日100公噸以上,逐步朝向達到廢棄物資源化、能源化之目標。空污上縣府祭出源頭減量、管末加嚴、季節限定嚴格管控監測,另在濁水溪揚塵問題在中央的綜合治理下,今年東北季風監測已初見成效,環境的永續經營是我們在對家園維護、土地使用的一貫堅持,也是未來的施政方針。
而最重要的社會福利,不管是老人、小孩或弱勢團體,未來政策都要更貼心,三年多來,縣府已經成功開辦88處長青食堂,讓長者有個安全健康的用餐及社交環境;二年來長照服務也已佈建25個A級單位、115個B級單位及70個C級單位,未來持續推展長照關懷服務,健全老人及弱勢團體服務體系。此外,在孩童教育上,縣府更要推動非營利準公共化幼兒托育中心,減輕父母的經濟負擔,也要讓孩童健康快樂成長與學習。
數位學習系統新興 在 數位學習系統 :: 全台大學開課課程資訊網 的推薦與評價
全台大學開課課程資訊網,數位學習平台,龍華數位學習系統,數位學習系統密碼,國防醫學院數位學習系統,清大數位學習系統,新興高中線上學習系統,Eclass ndmc,國醫校務. ... <看更多>
數位學習系統新興 在 教育部中小學數位學習深耕推動計畫- Publicações | Facebook 的推薦與評價
✏️PBL跨域課程補給站✏️ 【臺中市光復國中小:智慧溫室、樂活農村】 校園溫室受高溫氣候影響,如何透過物聯網設計智慧澆灌系統,讓溫室裡的牛番茄有穩定水源 ... ... <看更多>
數位學習系統新興 在 數位學習系統 :: 高中高職資訊通 的推薦與評價
位於高雄市新興區的市立新興高中評價如何?以下是「市立新興高中」的詳細資料:學校級別:高級中等學校學校名稱:市立新興高... ... <看更多>