關於 線上電路圖 ，我們在網路上蒐集到這些相關的討論、資訊與評價

📣美國知名市場調查公司 Prismark :2019 年到 2024 年，全球封裝市場每年會有 5.6% 複合成長率，「封裝會比整個半導體市場成長速度還快」。
#先進封裝，目前市場規模約為 57 億美元，其中，#覆晶封裝 會以半導體市場的 2 倍速度成長💹 (圖文:科技新報/財訊)

📌【先進半導體電子封裝技術人才培訓班】，工研院線上數位課程，理論與實務全攻略18小時，讓您防疫不停學，為後續技術開發與產能衝刺做好萬全準備!!
👉👉👉 https://reurl.cc/pgWL6b

#封裝技術
#積體電路
#IC封裝技術
#半導體封裝技術

【 Demo Day The Innovators 5 新創搶先報2⃣】
本次Demo Day除了有 新北市-亞馬遜AWS聯合創新中心 Batch#5的新同學外，還有Batch#4的成員以及來自 新北創力坊 InnoSquare的優秀團隊一起共襄盛舉，今天繼續為大家點名介紹👏
📍 分子智藥
VIRTUALMAN能預測臨床前藥物開發的實驗結果，並提供明確的藥物最佳化指引，不同於傳統AI工具的「黑盒子」，VIRTUALMAN革命性的可解釋人工智慧技術，讓客戶理解AI模型分析結果，以快速取得進展並降低60％錯誤率。透過精準易懂的預測結果，配合分子結構的修飾建議，替客戶減少不必要的實驗，節省時間成本。
📍奎景運算
提供FAST-AI-深度學習的加速工具，透過最佳化環境設定與自動化運用多台GPU伺服器，加速AI模型訓練工具並1鍵部署到大量的AI終端。FAST-AI為AI研發工具提供快速、簡單且支援不同的雲端硬體。透過簡單的工作坊，公司內的領域專家便可使用，節省開發時間比對手先一步取得先機。
📍智慧貼紙
為各行業提供工業4.0/機器無痛升級方案，以最低的學習成本和較高的投資回報率升級機器。Smart Tag為整體解決方案，由軟性電路板黏貼至機器表面，進行多點位資料蒐集，如震動、溫度及濕度等紀錄，再串接至客戶端系統或者上傳雲端數據中心，藉由機器學習及數據模型進行分析，並預測機器的運作模式，解決工廠產能及良率的問題。
📍極現科技 Earthbook
earthbook無人機任務及數據服務平台提供多種無人機影像、空拍直播與光達掃描等，為線上下單、即買即用的創新空拍商業服務，需求者毋須再煩惱無人機之購置、維護成本，並可將成果透過瀏覽器在平台中直接套疊其他資訊做加值利用與AI分析。從空拍到應用，earthbook以自有技術建立4D雲端DaaS平台，提供客戶完整服務。
📍玩咖旅行社 Tripresso 旅遊咖
專長資料串接與數據整合，提供B2C與B2B服務，建構多樣化的旅遊場景解決方案，從全球供應鏈串連、即時線上訂購、後端管理系統與企業所需的簽核、報支等管理功能等，提供消費者、企業客戶與旅遊同業一站式的系統，期待藉由數位轉型與技術開發，減少人力耗費，達成節省成本與增加效率的成果。
📍必揚實境科技 Veyond 必揚實境
本於期待科技創新可為人類生活帶來進步與改變的宗旨，相信教育與訓練的創新和科技化是值得耕耘又深具意義的領域。與各種具備專業知識的單位攜手合作，結合我們自身對於虛擬世界及網路應用的堅實基礎，共同建構各種教育、醫療護理、技能訓練等相關的創新解決方案。
📍米菲多媒體
以技術為核心，擁有多項發明專利及新型專利技術，致力提供XR核心技術開發及硬體整合服務，完善沉浸式體驗流程。2018年上線全台唯一的AR/VR/MR開發平台「MAKAR」。使用者不需學習程式，就能自由創建XR數位內容，發揮創意及想像力。米菲也與AR眼鏡、VR頭盔等設備商合作，進行軟硬體整合，提供SDK技術支援，並於2021年發佈可以直接在網頁觀看的「Web XR服務」。目前協助500家智慧工業、智慧教育、智慧醫療及商務客戶，達成操作培訓、產品演示、資訊管理以及數位轉型等創新XR應用。
📍圖題迷 TUTEEMI
由瓜地馬拉與台灣的創業家共同創立，是一家媒合外師家教與台灣人的平台。TUTEEMI解決語言與文化上的隔閡，提供台灣人與外師家教友善且安全的教學環境。依照每位學生不同的需求，與外師擬定課程，成為外師與學生的橋樑。目前平台上的外師家教來自17個不同的國家，提供的語言教學包含英語、法語、西班牙語與葡萄牙語。
📍凱匯金融科技 iEstate土斯債權
iEstate土斯債權為P2P借貸媒合平台，專注於解決中小企業、建商、不動產資金需求領域。運用P2P的特性，同時降低資金需求者資金成本，提高資金效率；降低債權人參與借貸門檻，提高借貸報酬，並合作區塊鏈圖靈證書，讓所有法律文件皆可上鏈存證。金流全面與銀行及第三方支付公司合作，確保iEstate不經手金流，搭配專業的案件審查團隊，創造P2P普惠金融的價值！
📍諾亞教育 諾亞教育 Know - Ya Edu.
由一群過去為補教老師、家教老師的成員所創辦，過去的教育體系並無法讓學生真正找到學習的意義以及熱忱，因此希望透過STEAM教育的模式打造一個全新的教育環境，讓學生們也能在快樂、有趣的創新環境中學習。最終願景是希望透過課程建立清楚的教學典範，再透過內容創作與電商，將諾亞教育的理念傳遞給更多的家長與學生。

不想錯過19家優秀新創的精彩分享❓
那怎麼還不報名Demo Day The Innovators 5⁉
立刻報名請點我👇
https://www.accupass.com/go/ntpcawsjic_demoday5

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

主持人：阮慕驊
來賓：淡江大學財務金融學系副教授 段昌文博士
主題：銅板股淘金術
節目時間：週一至週五 5:00pm-7:00pm
本集播出日期：2020.10.28

#財務金融 #段昌文 #銅板股

【財經一路發】專屬Podcast：https://www.himalaya.com/98money168

今日圖片連結--https://pse.is/38u8yg


-----
訂閱【豐富】YouTube頻道：https://www.youtube.com/c/豐富
按讚【豐富】FB：https://www.facebook.com/RicherChannel

▍九八新聞台@大台北地區 FM98.1
▍官網：http://www.news98.com.tw
▍粉絲團：https://www.facebook.com/News98
▍線上收聽：https://pse.is/R5W29
▍APP下載
　• APP Store：https://news98.page.link/apps
　• Google Play：https://news98.page.link/play
▍YouTube頻道：https://www.youtube.com/user/News98radio
▍Podcast
　• Himalaya：https://www.himalaya.com/news98channel
　• Apple Podcast：https://goo.gl/Y8dd5F
　• SoundCloud：https://soundcloud.com/news98

👀歡迎訂閱杏子頻道➡https://goo.gl/JYyh4H
🌎日本 Wi-Fi 分享器結帳75折➡https://goo.gl/iKJY6Y
🏩日本住宿推薦➡ https://goo.gl/tTFJXP
🎁日本土產推薦➡https://goo.gl/aeQWR2

🌸認識哈日杏子➡https://goo.gl/G7NYDH
🌸杏子臉書粉絲頁➡https://goo.gl/D3ksyk
🌸杏子畫的賴貼圖➡https://goo.gl/HHiQuF
🌸杏子的部落格・歡迎來玩➡http://kyoko.tw/
🌸GO！GO！JAPAN！來去日本玩社團➡https://goo.gl/cgjzS3

🌸線上無料日語教室➡https://goo.gl/Jj6nZH
🌸日本旅行情報➡https://goo.gl/QirxbA
🏠日本住宿推薦➡https://goo.gl/tTFJXP
🌸聯絡杏子➡harikyoko@gmail.com

❤歡迎到杏子的臉書按讚加追蹤，可以獲得杏子最新動態喔：https://goo.gl/D3ksyk


＜熊本旅遊＞ 酷MA萌彩繪列車・酷MA萌廣場・12尊酷MA萌雕像・酷MA萌主題商店 ｜ ＜杏子娛樂台＞23


你喜歡酷MA萌嗎？杏子前往熊本去朝聖了許多酷MA萌的景點，每一處都超級歡樂、保證讓你玩得很開心，現在就趕快點進來看看跟杏子一起同樂吧(ノ-^0^)ノ

👀看分享文：http://kyoko.tw/orange-kumamo-train/
🚃橙鐵道中文網：https://goo.gl/SW2Uis


🐻『KUMANAN Staion』🐻酷MA萌主題商店
官網：https://kumanan-station.com
地址：熊本県八代市本町一丁目10-36（本町商店街內）
電話：096-537-8281
營業時間：10：30〜18：30。
公休日：每週四、年底年初。


📚『KUMAMON SQUARE』部長辦公室
部長出席時間表：https://goo.gl/2pEK6A
地址：熊本市中央区手取本町8番2号(テトリアくまもとビル 1階)
電話：096-327-9066
交通方式：
①搭市電(路面電車)在「水道町」電停下車（車程約17分）
②搭巴士：乘坐熊本市營巴士、九州産交巴士、熊本電鐵巴士在「水道町」巴士站下車（車程約20分）
營業時間：10：00〜19：00


*:･☆ﾟ★o(´▽｀*)/♪Thanks♪＼(*´▽｀)oﾟ★,｡･:*:･☆ﾟ
感謝收看。如果你喜歡這個影片請幫杏子按讚+分享喔^^ 　
📝也歡迎大家到杏子的部落格來玩玩：http://kyoko.tw/


如有想看的題材或內容也歡迎留言告訴杏子。
讓我們下次見啦。またね～～！★βyёヾ(*ﾟ∇ﾟ*)ﾉβyё★

FB:昕思錄 昕穎Sydney思穎Elena https://www.facebook.com/sydney1015elena0817/
昕思錄IG👉SydneyElena: elenasydney https://www.instagram.com/elenasydney/
TBC數位電視是將類比頻道節目訊號，轉換成數位訊號，透過有線電視的HFC光纖同軸混合網路傳送到用戶家中，客戶可利用TBC所提供的數位機上盒(Set Top Box)及智慧卡(Smart Card)，將加密過的數位節目訊號解密後，即可享受高畫質的數位影音服務。DVR錄放影功能可以將節目暫停、快轉、回轉，節目預錄，全系列影集錄影，不在家也可以作遠端預約錄影，讓你擁有最好的看電視體驗!
TBC 寬頻網路，利用有線電視光纖同軸（HFC）網路架構，結合最新Cable Modem技術，頻寬更大，收看有線電視時也能同時高速上網，盡情享受科技帶來的便利。
多種速率，任你挑選
TBC 寬頻網路，針對不同上網需求，提供各種不同速率選擇。不管是上網聊天，瀏覽網頁、收發郵件，還是下載資料圖片，TBC寬頻網路，都有適合您的產品。讓您用最實在的價格，享受網路的便利及上網 的樂趣。
品質穩定，價格實在，家用網路首選

最高速率 30M bps ，網路品質最佳保證。開機自動連線上網，免連線設定，使用簡便。不收電路費，費用比 ADSL 更省。家庭上網最佳方案

家中有線電視纜線，加裝數據機，安裝簡便。使用高速率產品，家中可多人同時上網。 搭配無線路由器，家中任一個角落，都能舒適的享受上網的樂趣。

物超所值：推出多項超值優惠專案，您可隨意搭配，輕鬆享受上網樂趣。
更多優惠方案： 寬頻網路搭配數位電視，可再享雙品優惠！8M每月可再省50元，12M以上每月可再省100元。
寬頻網路客戶，申裝網路電話，立即享有通話費優惠！

TBC回饋寬頻用戶，與新世紀資通合作，提供TBC寬頻網路用戶可申請遠傳家用電話節費盒服務。
遠傳家用電話節費盒，結合新一代IP網路傳輸技術，客戶不需改變以往撥打電話的習慣，更無須打開電腦，讓您擁有更貼心的溝通新享受。搭配遠傳070門號網路電話，超低通話費率！
遠傳家用電話節費盒詳細功能介紹
1. 隨插即連線，不需設定網路即可上網撥打電話
2. 提供IP分享器功能，可以撥打市話、行動電話或網路電話(不支援MSN、Skype)，也可以上網
3. 頻寬管理功能(Voice QoS)：打電話還可同時上網
4. 停電或網路斷線，還是可透過市話線撥出
5. 市話來電也可接通，電話通通不漏接
6. 語音功能提示：網路斷線時或是註冊失敗時，會有語音提示撥放。一般市話仍可撥出。