[你做的工作,是你的天賦嗎?]
日前我不是寫文笑說自己是算命師嗎?
昨天改寫作班的作業時,有學生發文如下,證實這件事,她今年47歲,仍然能再轉彎,遇見新的職涯契機。
由於工作的關係,我曾經深入數種人格測評工具,其中一種還上了師資認證課,另外一種工具是與大學教授合作,主導開發出來,所以我對這方面小有研究,也有些心得。再加上我的大腦優勢是全面統合的直覺型,所以我總是能夠很快心領神會,看得出別人在職涯上的天賦與亮點,也能直指方向。
這種例子太多了,每每大家在聽我指導時,都露出不可置信的表情,後來也實我所言不假,結果是他們都很快樂地找到想走的路。
我是個努力的信仰者,但是同時我認為必須在對的地方努力,其中一個判斷標準是做天賦的事。對,我也是「天賦自由」的信仰者。可惜有三種遺憾:
1. 很多人自始至終都不知道自己有天賦,其實每個人都有天賦,只是各有不同。
2. 很多人自始至終都不知道自己的天賦可以謀生,他們以為興趣不能吃飯,其實將興趣做到絕就能夠賺到錢,且不少。
3. 很多人自始至終都不知道如何將天賦變成工作,這是一種整合之後再創造的能力,學會這個要領就能做喜歡的工作。
讀了本文受益,請留言+1。
*** *** ***
第五篇寫作功課:
[你越努力,幸運就容易找上你?]
在去年十二月到今年5月疫情爆發前,我一直投入在個人自創的服裝品牌上,過程中遭遇很多外在的因素,可是我明明就找了很多辦法,請益很多相關専業人士的協助,每每覺得順利進行時,又發生了變故,搞到我心灰意冷,不禁開始懷疑是我不夠努力?
接著疫情爆發,所有之前投入的心血都因此暫停,那時我心想該不會是老天爺的安排吧!
但我一向不信這個,覺得人定勝天,努力勝過一切啊!
疫情平穩後,去上了之前已排定雪珍老師的斜槓課程,課程中當老師告訴我:「你適合走自媒體網紅路線。」我當下有儍住,心想:「我都什麼年紀了!自媒體網紅是年輕人做的事吧!」當時我真的心裏有很多個問號。
後來我去算了紫微命盤,這是我出生以來第一次做這件事!
紫微老師告訴我,從你的命盤顕示,你原本要進行的事業需要延後來做,現在不是時侯!
現在你需要開創一個新的事業發展!
紫微老師接著説:「你適合從事光電產業!」
我問:「是要我到電子、科技公司上班?」
結果紫微老師居然說:「從事自媒體也是屬於光電產業!每天面對手機、電腦螢幕被光照也是啊!」
當下我一聽,心裏震了一下!
原來雪珍老師已經看到我的未來天命了
這真是太神了!
後來和雪珍老師再聊過,
她說,在課堂上她看過我的測評報告後,有認真觀察過我的人格特質,包括我上課中的行為、說話。
經對照她多年帶人的經驗,老師看到適合我的位置,點醒我,引導我進入,讓我去開拓屬於我自己未來的發展方向!
並且鼓勵我不要害怕改變,相信自己一定可以做得到!
這一切真的都是選擇與機會,並相信它!
若我沒有參加雪珍老師的斜槓課程,經老師的點醒,才有了現在經營自媒體的開始。
要不⋯現在的我應該還在為服裝品牌忙得焦頭爛額,也做不出個所以然來!
很多時候我們身陷其中,不易察覺到,當事情不如預期發展,會認定是自己不夠努力,於是更用力鞭策自己做到更好,殊不知其實不是我們自己不夠努力,而是努力的方向不對。
選擇適合自己的方向,等待機會的降臨,相信自己加上自己的努力,乘著這股趨勢才能真正譲幸運找上你。
喜歡這位作者,連結是
https://m.facebook.com/%E7%BE%8E%E9%AD%94%E5%A5%B3%E7%94%9F%E6%B4%BB%E5%AE%B6%E8%8E%8E%E6%9B%BC%E7%8F%8A-102498332185420/
***
歡迎大家加入我的fb社團:「洪雪珍寫作變現」,有三個好處:
1、你投稿,我點評
2、你會看到「從不會寫作到會寫作」的成功案例
3、我會教你寫作招術
至於想要詢問我的課程,包括求職、轉職、加薪、高薪,以及斜槓、寫作,⋯⋯都歡迎加入我的Line@ ID:@ca141719,助教協助你。
同時也有4部Youtube影片,追蹤數超過1,600的網紅柚智夫妻,也在其Youtube影片中提到,高中為了滿足爸媽的期待讀了電子科,結果收到三二退學通知單。 後來找到自己的熱情所在,開始累積關鍵字與作品 16 歲就被雜誌週刊報導,還給他一個「神童」的稱號。 大叔從一個被退學的高職生,最後靠著人脈+能力,加入台灣電信業 最後再被找進微軟當工程師,還成為了微軟 MVP(最有價值專家) 「機會...
「電子科工作」的推薦目錄:
- 關於電子科工作 在 Facebook 的精選貼文
- 關於電子科工作 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
- 關於電子科工作 在 DIGITIMES智慧應用網 Facebook 的最佳貼文
- 關於電子科工作 在 柚智夫妻 Youtube 的最佳解答
- 關於電子科工作 在 侯友宜 houyuih Youtube 的最佳解答
- 關於電子科工作 在 李基銘漢聲廣播電台-節目主持人-影音頻道 Youtube 的最讚貼文
- 關於電子科工作 在 [討論] 私大電子系畢真的好就業以及找設備開36K會太高嗎 的評價
- 關於電子科工作 在 電子工程學系出路、工科公職國營考試綠取率及ptt推薦 的評價
- 關於電子科工作 在 電子科在幹嘛、資訊科出路薪水在PTT/mobile01評價與討論 的評價
- 關於電子科工作 在 電子科在幹嘛、資訊科出路薪水在PTT/mobile01評價與討論 的評價
- 關於電子科工作 在 神阿!告訴我電子/電機系出路有什麼?五大選擇一次解析 的評價
- 關於電子科工作 在 基隆商工航空電子科- 協辦海大usr計畫 - Facebook 的評價
- 關於電子科工作 在 電子科出路的評價費用和推薦,EDU.TW、DCARD、PTT.CC和 ... 的評價
- 關於電子科工作 在 電子科出路的評價費用和推薦,EDU.TW、DCARD、PTT.CC和 ... 的評價
- 關於電子科工作 在 電子系女生適合什麼工作職位?(如果你只是來亂的,請繞道) 的評價
- 關於電子科工作 在 非理工科系想進科技業,有機會嗎 - 工作板 | Dcard 的評價
- 關於電子科工作 在 486高職科系大探索|電子科 - YouTube 的評價
電子科工作 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
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
電子科工作 在 DIGITIMES智慧應用網 Facebook 的最佳貼文
電子科技協助醫療人員工作更加效率化,但數據的儲存與傳輸,總有不慎洩漏與遺失的風險,因此醫療產業對於資訊安全日漸重視。
電子科工作 在 柚智夫妻 Youtube 的最佳解答
高中為了滿足爸媽的期待讀了電子科,結果收到三二退學通知單。
後來找到自己的熱情所在,開始累積關鍵字與作品
16 歲就被雜誌週刊報導,還給他一個「神童」的稱號。
大叔從一個被退學的高職生,最後靠著人脈+能力,加入台灣電信業
最後再被找進微軟當工程師,還成為了微軟 MVP(最有價值專家)
「機會是給準備好的人,但沒有人脈存款,不會有人知道你準備好。」
本期文稿:
https://raymondhouch.com/raymondpodcast/the30s/jesse-lin/
----
▍收聽更多 Podcast:https://link.chtbl.com/raymond30
▍Spotify/SoundOn/Firstory 搜尋:雷蒙三十
▍個體經營者成長社群:https://raymondhou.pse.is/fbgroupR
電子科工作 在 侯友宜 houyuih Youtube 的最佳解答
前幾天有篇新聞報導是 #新北泰山 #泰山高中 推出「#校園版額溫槍」,真的是很讚!
在電子科 #呂昇翰 主任的指導下,與學生一同研發,從設計印製電路板、組裝元件、焊接電路等,善用本科系專長學以致用。呂主任說額溫槍原理是透過收集物體輻射的紅外線能量聚集於溫度感測器上,再轉化為電子信號放大並顯示溫度值;為求精確量測,溫度探頭採用「醫用級非接觸溫度感測器」。#侯Sir 親自測量後,與實際溫度落差在0.1度之間,主任說雖有些許誤差但仍可進行初篩工作,減輕大量師生同時進入校園時檢測工作量。目前泰山高中已製作說明書,預計下週辦理 #教師研習 ,將製作額溫槍技術成果與更多學校分享。面對生活中的大小問題,學生們發揮專長自己動手解決問題,這是一個面對挑戰非常勇敢的態度,教育的本質不僅是提升學生們的知識,更重要的是也能解決生活上的問題,充分展現「#創客」精神。
市府團隊已成立教育體系 #防疫應變小組, 新北市教育局也訂定相關防疫計畫、檢核表和SOP,協助各校順利完成2月25日開學準備工作。除了 #量體溫、#勤洗手、#多運動、擁擠密閉空間 #戴口罩外,也務必落實環境消毒,老師與同學們也請配合做好 #自我健康管理。#武漢肺炎 疫情飆升,防疫期間像是 #額溫槍、#消毒酒精、#漂白水 等物資都碰到訂購困難,但中央、地方及民間企業都很努力的守護市民們的健康。謝謝各位市民朋友這陣子不論是給我們市府團隊加油和鼓勵,大家務必保重,做好防疫工作,大家一起繼續加油。
#新北呷百二 #新北有你真好 #技職扎根三箭 #安居樂業 #侯友宜 #新北市超前部署
電子科工作 在 李基銘漢聲廣播電台-節目主持人-影音頻道 Youtube 的最讚貼文
本集主題:「我那溫泉鄉的那卡西媽媽:飄浪之女」(新版)新書介紹
專訪作者: 徐正雄
內容簡介:
江蕙:「充滿故事的人生!也是我最難忘的年代!」
她走進北投的硫磺煙中,一唱便是十多年。
那首歌裡沒有丈夫和子女,有的是青春叛逆,
與一再撕扯割裂的生命……
我的媽媽,一生擁有三個名字、三種身分──
靠撿破爛維生、被賣進酒家的童年;十五歲被迫走入婚姻;為了娘家生計,不得不到北投那卡西走唱──媽媽的人生,比一部八點檔連續劇還精采。
但對我來說,她更像是穿插在連續劇之間的廣告。僅存的記憶,只有小時和媽媽四處賣藥表演,或是熬夜等她從北投走唱回來。除此之外,她在我心裡,始終是一個瀆職的母親。
直到四十歲那年,媽媽毫無預警地出現,又一次闖入我的生命,緩緩道出她的一生……
她在命運的大浪中浮沉漂流,當華服褪去,脂粉顏色盡失,終在最初的名字,做回原始的自己。
作者簡介:徐正雄
筆名八爪熊,1970年生,泰山高職補校電子科畢。字耕農(也寫字也種田),識字不多,做過四十多個工作,阿里不達獲獎五十多個,目前職業是農夫、菜販。
出書五本:《八爪熊打工記》、《開朗少男求生記》、《尋找天體營》、《打工大王》、《飄浪之女》、《斷電、走路、閉嘴》。文章散見《講義》雜誌,中國、聯合、自由、蘋果、中華、福報、更生、金門、青年等副刊。
電子信箱:jimmyyy59@yahoo.com.tw
電子科工作 在 電子工程學系出路、工科公職國營考試綠取率及ptt推薦 的推薦與評價
單位優渥的福利及穩定的待遇是許多工科人心中的理想工作。 經濟部所屬事業機構的「電機」類科,與高普考的電信工程類科之考試科目幾乎重疊, 只 ... ... <看更多>
電子科工作 在 電子科在幹嘛、資訊科出路薪水在PTT/mobile01評價與討論 的推薦與評價
電子 工程主管在做什麼?完整工作內容介紹都在1111職務大辭典,專業彙整電子工程主管證照、薪水行情、所需職能條件、學歷年齡、工作機會數、未來職涯發展等資訊, ... ... <看更多>
電子科工作 在 [討論] 私大電子系畢真的好就業以及找設備開36K會太高嗎 的推薦與評價
如題
本魯我目前就讀中原電子大四
星期二下午收到了漢磊的感謝函
但也蠻感謝漢磊人資願意在面試時
把性向測驗分析結果給我知道
我看到感謝函當下在想
會不會是我期望薪資寫36K會太高嗎
(職缺是微影設備工程師)
或者是我廢到一個極致
系主任蠻常系在FB上PO說讀電子系畢業後好就業且薪水不錯
但真的私立大學電子系畢業賣肝不值36K嗎(不含輪班津貼)
而且感覺校園徵才(仙境、新唐)感覺比較像在新增人才資料庫一樣
同班同學有參加仙境產業訓儲替代役校園徵才
也只有我獲得面試通知
也許讀電子系比較好就業
但我目前可能還沒感受出來
就想請問各位業界人士的看法
感謝
--
OVERALL COMPARISON RESULTS
# ################### _ _
# # # * *
# # # CORRECT # |
# # # # \___/
# ###################
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.228.72.180
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1450805716.A.08E.html
其實我一度想填40K
但想想這樣太囂張
就填36K
還想說會不會太高
沒有要怎麼樣
應該會先念個碩班
看碩士畢業能不能拿到50K
神教沒開產業訓儲替代役阿
※ 編輯: saes2005 (61.228.72.180), 12/23/2015 02:02:04
目前確定錄取中山資工碩晶片設計組
是找數位IC的老師
就拚看看了吧
※ 編輯: saes2005 (61.228.72.180), 12/23/2015 02:07:21
當初是考慮先不唸碩班
之後唸在職
希望能靠自己活下去
不希望父親為了讓我完成碩班而繼續賺錢
但父親希望我能先唸完碩班
我就先推甄研究所
但不放棄找產業訓儲替代役(104上覺得自己有能力的缺都點下去)
以防研究所推甄一間都沒上(不打算考試)
推甄前有面試過以卵擊石(無聲卡)
剩下都是我研究所正取報到後才找我面試
以上大概是9-12月兩邊同時進行的過程
※ 編輯: saes2005 (61.228.72.180), 12/23/2015 02:18:48
就推不上阿(推甄116EE VLSI/CAD初試就被刷了)
感謝兩位大大
已經有心理準備拉
我上不了四大碩
系主任會反駁你的
感謝大大分享經驗
的確
但我也不想主動反駁他
不然可能會筆戰
他曾經因為1台1000元的蝕刻機
在我的FB動態時報上和我筆戰
我也是
沒錢念MIT拉
我也想找數位IC職缺阿
但基本門檻就是碩士畢業
感謝大大
就是像輪班津貼之類的吧
了解
但還是會努力拚看看
性向測驗感覺真的不重要
但至少漢磊人資願意告訴分析結果
其他家就只是寫一寫而已
我會想辦法保持自信的
黃X哲阿
但我沒有找他指導
我有介紹我的肝很耐操
我也懶得理拉
反正出來是靠實力的
真假
學姊不認識
但我大概指導教授是哪位
對阿
尤其實驗室在女生宿舍前面
晚上騎機車回家前都會再塑側門口看到正妹
了解
我會再增強自己能力的
我只希望能準時畢業就好了
其實主任每次PO我都很想反駁
但已經親身體驗了
準備要反駁了
那我去當OP算了
我沒辦法推甄到台清交阿
了解
還沒放寒假
但目前也是處於等畢業狀態
了解
希望讀完碩班能拚個45K~50K
學長好
我讀電子系
但到現在還是只有左右手還有2TB硬碟
目前打算先念完碩班
如果找不到RD職
就直接往黃光 設備 測試 這方面職缺找
就算願意輪班
最好也是要碩班兩年讀完再去輪班
不知道我的理解有沒有錯
學長好
在中原學到蠻多的
中原有蠻多老師蠻神的(非論文製造機)
要不是家人希望我念國立
不然我真的很想留中原
※ 編輯: saes2005 (61.228.72.180), 12/24/2015 01:04:47
了解
我很願意拚阿
全部有收到面試通知只有四家
可是版上那些拿到offer的人心得文最低也在這個數字左右
謝謝指教
※ 編輯: saes2005 (61.228.72.180), 12/24/2015 01:26:18
了解
但在我們系上
在某幾間LAB畢業
出來找工作比較沒有問題
(學長姐內推......)
而且是品質保證
※ 編輯: saes2005 (61.228.72.180), 12/24/2015 02:20:25
那個老師跟GG蠻熟的
全系上只有那個老師說話比較能信
也沒有授到老師管轄
但那些畢業學長經常回那間實驗室指導
是沒錯阿
但一切看個人造化
※ 編輯: saes2005 (140.135.9.35), 12/24/2015 14:41:41
我其實就是在講鄭老師XD
我在鄭老師身上學到很多技能
我也很想跟他
但我母親聽到實驗室沒什麼在放假
我就只好打消碩班跟他的念頭
目前就打算去念117資工碩
※ 編輯: saes2005 (140.135.9.35), 12/24/2015 16:24:06
我好像知道私碩開36K的公司
應該是竹南的測試廠無誤
※ 編輯: saes2005 (61.228.72.180), 12/24/2015 22:42:19
... <看更多>