📣📣📣大!大!大報告!有好東西給你唷~
黃捷的半年成果展又來啦,這次漫~長~的會期中,我針對 #動保 #交通 #水利 #性別 四個面向都有相當深入的提案與質詢,歡迎挑看選看,喜歡的議題都可以再私訊跟我討論喔~
🌳公園環境修繕及兒童遊具爭取:
中和公園、華鳳公園、公兒4公園、藝術公園、公兒28公園等。
🛣多條道路刨鋪建議及改善:
南京路機車道、文衡路、國泰路二段、福祥街、三誠路、中崙二路、保成一路、中崙路、凱旋路、文龍東路、保南二路、瑞隆東路等。
⚠交通設計改善、號誌設置及小綠人爭取:
青年路二段/中山西路、三民路/光遠路、中泰街/中山西路、文建街/文教路、中山西路/府前路、曹公路/協和路、博愛路/經武路、建國路三段等
🚶♀人行道增設及改善:
南京路人行道爭取改善設置、中山東路人行道改善。
💧積(淹)水及污水排水系統改善:
瑞芳街、鳳誠路450巷、鳳誠路等
🚸校園兒童通學步道爭取:
鳳山中山國小後門通學步道成功爭取設置
👩🏫【質詢紀錄】
8/4 總質詢 https://reurl.cc/a92qg9
5/12 教育部門質詢 https://reurl.cc/4aZbWX
5/6 財經部門質詢 https://reurl.cc/xGnK64
5/4 社政部門質詢 https://reurl.cc/6arb7V
4/30 民政部門質詢 https://reurl.cc/Q9zVe5
4/26 工務部門質詢 https://reurl.cc/83dXmy
4/22 警消衛環部門(環保局)質詢 https://reurl.cc/Ako2xd
4/22 警消衛環部門(警察局)質詢 https://reurl.cc/rgMvN1
4/20 交通部門質詢 https://reurl.cc/O09rxg
4/15 農林部門質詢 https://reurl.cc/eE1y0R
4/13 市長施政報告質詢 https://reurl.cc/xGnpZN
亞洲新灣區開發案專案報告質詢 https://reurl.cc/5rYbvG
環境污染防治作為專案報告質詢 https://reurl.cc/lRGagE
捷運路網規劃專案報告質詢 https://reurl.cc/noelr8
📂【提案數49案】
#民政部門3案
建請民政局舉辦單身聯誼活動時納入多元性別。
建請更新鳳山戶政事務所結婚登記佈置陳列,讓新人留下美好的紀念照。
建請研考會建立1999專線及市民信箱服務考核機制,並設置市民申訴專線。
#社政部門1案
建請研議修正《高雄市政府發放婦女生育津貼實施要點》有關家長相關文字
#財經部門6案
建請市府成立社會企業相關推動單位。
建請經濟發展局評估鳳山區公有市場之活化再造可行性。
建請經濟發展局將ESG、SDGs等指標納入本市招商、獎勵或減稅優惠等政策之評估指標。
建請經濟發展局建置本市之能源管理資訊平台網站,及時呈現本市各類電能管理資訊。
建請經濟發展局公告「本市用電契約容量達800kWp以上之用電大戶名單」。
建請經濟發展局設置單一諮詢輔導窗口,提供「本市團體依《合作社及社區公開募集設置再生能源公民電廠示範獎勵辦法》建置公民電廠的相關業務」之諮詢服務。
#教育部門2案
建請研議社區大學紓困補助計畫。
建請把關性平調查人才庫委員之性平意識及專業知能。
#農林部門15案
建請研議高齡收容犬貓認養輔助計畫。
建請高雄市政府觀光局重啟環保旅店輔導推廣計畫。
建請高雄市政府農業局強化宣導合理化施肥之觀念,避免農民過度施肥,減少溫室氣體排放。
建請高雄市政府農業局加速輔導本市牛隻牧場符合農委會《牛隻友善生產系統定義與指南》標準,以促進動物福利。
建請高雄市政府水利局進行本市水文調查,找出潛在地下水源,並建立補注、出水量管理、明智利用等計畫。
建請高雄市政府水利局補助民間設置簡易型雨水貯留設施。
建請高雄市政府水利局積極爭取經費建置本市公有機關之雨水貯留設施,以因應極端氣候。
建請高雄市政府水利局協助加速「荖濃溪伏流水工程」調查評估作業。
建請水利局以公文通知68處易淹水區市民,鼓勵民眾主動申請防水閘門家戶補助。
建請高雄市政府農業局動物保護處研擬將動保稽查人力行政委託或是提升府內層級成立動物保護科,擴大人力與資源運用,保障動物保護品質及市民權益。
建請高雄市政府農業局全面改用「友善蛇夾」或「蛇勾」執行捉蛇業務。
建請高雄市政府水利局會同相關單位協助鳳山區鳳誠路38號後方水利溝渠加設溝蓋環境清消一案。
建請改善鳳山青年路、光復路、澄清路、文衡路等易淹水地段防汛準備工作。
建請水利局優先推動高風險淹水潛勢區之建築物設置雨水貯留設施,邁向海綿城市。
建請高雄市政府水利局加速臨海再生水廠擴廠,盡早達成最大每日供水能力6萬噸。
建請水利局因應極端氣候,以海綿城市為目標制定水利治理新原則。
#交通部門5案
建請研議鳳山區紅毛港路段,增設YouBike微笑單車站點。
建請中正、三多、建軍三岔路口(802醫院前)設置多向監測系統,保障民眾生命財產安全。
建請高雄市政府觀光局全面更新壽山動物園動物解說牌、展板,強化野生動物保育及環境教育功能。
建請盤點並串連性別友善店家,提供性別友善服務訓練及性別友善認證。
#警消衛環部門9案
建請廣設警察電子巡簽。
建請改善高雄公車車體毒品防治廣告輸出品質。
建請參考嚴重特殊傳染性肺炎(COVID-19)不明感染源率、死亡率等統計數據,分階段適度鬆綁休閒娛樂、運動場館、餐廳等場館。
建請高雄市政府衛生局提高通訊心理諮商審查委員之心理諮商師、臨床心理師之人數比例。
建請研議與壓力釋放運動TRE(Tension Releasing Exercise)團體合作,帶領警消醫護同仁恢復精神與肌肉機能。
建請高雄市永續發展暨氣候變遷調適委員會每兩年進行一次「氣候變遷風險評估報告」,同時制訂與調整具體調適策略。
建請高雄市政府環境保護局於「第二期溫室氣體管制執行方案草案」納入公民電廠推動計畫。
建請高雄市政府環境保護局研擬《高雄市低碳城市自治條例》草案。
建請環境保護局定期巡檢巷弄側溝,並視察現存之排水設計,避免因部分設計不良而導致的堵塞情形。
#工務部門8案
建請加速鳳山區立德街開闢計畫道路,改善消防救護車難以通行之問題。
建請高雄市政府工務局養護工程處,依景觀樹木巡檢風險分級結果進行妥適處置。
建請高雄市政府工務局及水利局共同研擬鳳山區藝術公園內滯洪池,在保有防汛與滯洪功能情形下,施作多功能遊憩設施。
建請高雄市政府工務局辦理本市鳳山區保南二路(中崙五路至保孝街)雙向道路刨除重鋪。
建請高雄市政府工務局辦理本市鳳山區華興街(善士街-南華路)、善和街(善士街-善政街)雙向道路刨除重鋪。
建請高雄市政府工務局施作銜接曹公圳親水步道之行人通道,健全行人通行環境。
建請高雄市政府工務局辦理本市鳳山區中崙路(中崙路-保華二路)道路拓寬一案。
建請雨後維護人行道及自行車道,避免地磚雜草叢生,引來病媒蚊蟲。
👩💼【舉辦會議】
3/25 高雄市空氣污染物排放標準修訂及執法檢討公聽會
8/17 高雄市長施政滿意度及相關市政議題民調公布記者會
8/31 終結月經貧窮及衛生棉免費發放記者會
9/1 大港橋與愛河灣遊艇觀光發展公聽會
👩💻【參與會議及參訪】
彩虹平權大平台高雄市性別平等政策討論會
高雄帆船學校產業考察
「你的民主不是你的民主:民粹浪潮下的變動與反撲」
立法院國防委員舉辦黃埔新村考察
「海光里自強公園改造工程」第1場公民參與說明會
鳳山登革熱防治說明會
鳳山都市更新社區輔導說明會
「仁武、岡山焚化廠修建營運移轉ROT案」招商說明會
鳳山區第77期市地重劃區內公86、87開闢工程說明會
鳳山水資源中心考察
高雄青創產業參訪
台南科學園區參訪
👌【爭取成功】
成功爭取人行道稽查小組。
成功爭取試辦特色行人號誌。
成功爭取路殺犬貓人道處理。
成功爭取消防外勤手提無線電個人配發。
成功爭取重要路口監視攝影機汰換,共640支。
成功爭取國泰重劃區周邊道路擴大保留行人通行空間。
成功爭取未來改建或新建之景點公廁增設幼兒洗手台。
成功爭取市府向中央申請前瞻計畫以檢討改善鳳山排水系統。
成功爭取全面調查本市托嬰、托兒空間之舒適毯的塑化劑超標狀況。
成功爭取數位無線電中繼台設備及時槽擴充,改善消防隊無線電收訊品質。
--
捷伴同行,一起前進!
👉 留言、分享、私訊
🤳 IG:https://www.instagram.com/huangjie_official/
🖥️ Youtube:https://reurl.cc/pyoRdr
📁 公開資料:https://issuu.com/voteforfongshan
🕕 服務處開放時間:週一至週五 0900-1800
🏠 地址:鳳山區中泰街42號
☎️ 電話:(07)710-1230
🖨️ 傳真:(07)710-1312
📬 信箱:voteforfongshan@gmail.com
高碳排產業定義 在 廖子齊 新竹市議員 Facebook 的最讚貼文
我們正在製造天災
還記得5月底因為乾旱,寶二水庫只剩2.6%的蓄水率,讓新竹差點在6月1日要進入分區限水的日子嗎?
僅僅1個月的雨量,寶二水庫不但到達滿水位,接著盧碧颱風帶來的西南氣流,讓新竹的道路淹大水。不只是新竹如此,南部的彰化、雲林地區也和我們一樣經歷了半年乾旱,然後幾天的降雨就讓住宅、道路與農田泡湯,高雄的桃源、六龜和茂林地區更是經歷了接近八八風災的超大豪雨,雨勢造成偏鄉的聯外道路崩塌,讓當地聚落成了陸上孤島。
▍乾旱水災交替而來,我們這一年不只被疫情圍繞,還有天災。
這週由聯合國IPCC(政府間氣候變遷專門委員會)發布的氣候變遷第六次評估報告(簡稱為AR6)第一工作小組的報告,氣候專業的各國科學家們再一次地向世界敲響警鐘,這樣旱澇交替的極端天氣會越來越頻繁,越來越嚴重,因為它們其實不是天災,它們是「人造的天災」,是人類的活動製造溫室氣體,改變了全球的氣候環境,讓災害的強度與來臨的時間更加不可測。
報告指出,人類活動已經讓從工業革命以來的地球表面平均溫度增加了1.07度C,距離巴黎協定目標控制升溫的1.5-2度C已經非常非常迫切,事實上所有的預測情境都指出,2040年升溫超過1.5度C幾乎無可避免了。
▍亡羊補牢,猶未晚也
如果台灣和世界從現在開始積極地減碳,我們還是有機會透過2050年達成淨零碳排,加上負碳排技術,在世紀末的時候讓升溫控制在1.5度C。也許那時我們都已不在,但我們能夠沒有任何愧疚地交給孩子們一個人類還能安居樂業的地球與台灣。
昨天晚上農委會主委陳吉仲率先發文(https://reurl.cc/9r8Rgn),聲明表示農業部門全面啟動氣候變遷調適策略及淨零排放執行途徑。我樂見也期待更多部會的積極表態。
台灣的氣候研究單位也在8月10日發布了對台灣的氣候趨勢推估,簡單整理如下:
1. 1.4到3.4的升溫:最壞的情況台灣可能會在世紀末升溫3.4度C,最理想的狀況則可能僅升溫到1.4度C。
2. 熱浪來襲:最壞的情況台灣可能會在世紀末極端高溫(超過36度C)的天數增加48.1天,最理想的狀況則可能僅增加6.6天。
3. 夏天延長,冬天不再:夏天可能會從目前的130天延長到155天到210天,冬天可能從目前的70天縮短為0天到50天,最壞的情況下我們可能會失去冬天。
4. 暴雨強度增強:最大一日暴雨強度最壞會在世紀末增強到41.3%,最理想則只會增加15.3%。
5. 乾旱不斷:一年內最大連續不降雨日數最壞的情況會在世紀末增加12.4%,最理想的狀況反而能夠減少0.4%。
▍這不是天災,是人禍
去年一年我說了很多關於氣候變遷的事,我相信這一年來大家也感覺得到,高溫、乾旱與暴雨越來越頻繁,我希望大家從現在起看待這些災害時,不要再用「天災」定義它們,它們是我們製造出來的,所以我們也有能力減少它們發生的機會和強度。就像我們能夠控制住疫情一樣,我們同樣也做得到從能源、產業、建築、交通、農業、土地利用與廢棄物的淨零碳排深度轉型。
我們現在努力轉型,也許不能避免升溫1.5度C,至少能避免最壞的突破2度C的狀況,就像打疫苗能夠避免重症死亡一樣。
氣候變遷聽起來很遠,實則與我們生活息息相關,也不僅只是中央部會的問題。事實上,國外有許多城市走得比他們自己的國家還前進,我也是如此期許我們新竹市,也不斷地在各項政策給予建言。環保確實有許多的個人實踐,但企業與政府都也各有責任,且有著更大的影響力。
今年4月22日世界地球日,蔡總統終於宣布台灣也要走向2050淨零碳排,由國家元首的高度來宣布這個方向非常值得肯定,雖然後來疫情爆發難免影響政策的規劃,但台灣真的該有實質的氣候行動了。
2020環境專欄整理
https://reurl.cc/eEYLDR
————
📣子齊有官方line囉!
🔗https://lin.ee/vKYRzLs
😷戴口罩勤洗手,減少外出,保持社交距離,保護你我他🤜🏻🤛🏻
高碳排產業定義 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
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
高碳排產業定義 在 高碳排企業的永續轉型之路 - 名家評論- 工商時報 的相關結果
意指未來在碳中和趨勢下,高碳排產業將在資金運用、市場競爭上面臨更嚴峻的挑戰,並需提出更大幅度的減碳與氣候行動,我們建議可參考以下模式發展長期綠色 ... ... <看更多>
高碳排產業定義 在 高碳能源 - MBA智库百科 的相關結果
高碳 能源是指碳(C)元素排放比例繫數較高的一類燃料能源,例如煤炭及石油等均屬於高碳能源。目前正處於工業化發展階段,產業結構是以高能耗、低效率、重污染的重化工業為 ... ... <看更多>
高碳排產業定義 在 公司屬於高碳產業,可以怎麼辦? - 就享知 的相關結果
我們來舉一些國際上的例子,高碳排產業它是怎麼樣做?如何發展長期綠色營運的路徑,然後可以轉型成低碳產業的,其實主要會有三個面向:. ... <看更多>