關於 產業生命週期例子 ，我們在網路上蒐集到這些相關的討論、資訊與評價

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

我是小雛菊花藝學校的花藝師吳妮晏，今天有一些沉重的話想跟大家分享，文長，懇請大家有空的話，把文章看到最後，謝謝大家。

這一個月來，陸陸續續收到一些網友傳來的訊息，告訴我有一個粉絲專頁名為「 人人都可以是花藝師」在五月二十四日發了一篇文章，文章裡面使用了一張我的照片，是我的教學影片的截圖，雖然有打馬賽克，但許多人也都看的出來那個人就是我，當下有點傷心，也不理解發文者為什麼要這麼做，但由於知道此粉絲專頁是一位我很敬重的「花藝大師」所創立的，因此這些日子我選擇沉默，也尊重這位老師的發言，當作一切都沒有發生，即便每每有人傳訊息來告訴我時，我還是會很傷心。

這兩天突然又收到許多網友傳來的訊息了，認為這篇文章雖沒有指名道姓，但明確使用了我的照片，文章內容也用了不雅的字眼「高級的垃圾」，希望我能站出來，思考了兩天，我才會決定在深夜發這篇文章作為聲明。

「人人都是花藝師」這個粉絲頁，是由台灣花藝大師「吳尚洋」老師所創立的，在五月二十四日發的文章裡，放了一些新生代花藝師的作品（不是我的作品），並且在最後一張放了我的照片，文章大概是描述這些作品醜得沒下限，將美的花全部堆在一起變成一團高級的垃圾，並開放大家踴躍投稿曾經被嚇壞的行為和作品。

根據網友傳來的訊息，許多人認為這篇文章有誘導大家「那些老師口中的醜作品都是我的作品」之疑（雖然我並不認同那些作品都是醜作品），稍早有網友於底下發問，老師有解釋，之所以使用我的照片，是因為我在「花束包裝教學」那一集的影片所使用的包裝紙，為老師認為的「韓式包裝紙」，因此老師才會截圖我的照片，想要藉此對台灣花藝體系提出一個質疑（關於網紅、韓系花藝），老師也強調他針對的是「紙」，不是我，也承諾會盡快把我的照片撤下，很遺憾的，已經過了好幾個小時了，截至我送出這篇文章，我的照片還在。

我想針對三個部分提供我的觀點給大家參考，「文章裡的花藝作品是否為醜作品」、「韓式花藝與其他花藝門派的風格」、「老師認為現今花藝圈的亂象」。

1. 文章裡的花藝作品是否為醜作品：
我認為美醜是因人而異的，每個人的審美觀可能因為成長背景、教育水平、文化背景等因素，而有所不同，例如唐朝的人喜歡楊貴妃這樣豐腴類型的女生，但漢朝喜歡的則是趙飛燕那樣纖細的女生；或是亞洲人會覺得范冰冰這樣濃眉大眼的女生很漂亮，歐美人可能會喜歡花木蘭類型的女生，眼睛細細小小的，我相信這樣的舉例大家應該都能理解，被老師放上粉絲頁的作品，都是來自新生代花藝師的作品，他們的美醜，市場機制自然會篩選，既然他們能在市場上留下來，也各自有擁護者，我相信也是有很多人是喜歡他們的作品的。

另外在留言部分，老師清楚明確的點名了兩家花店，分別是「火山」與「opm」，老師認為他口中的這些醜作品充其量只是把花當媒材的隨意創作，對於真的穩紮穩打的專業花藝師來說，何嘗不是一種挑戰與諷刺。

我認為以老師的身分和地位，此言論對於台灣花藝產業並不會帶來良善的影響，只會引導崇拜老師的人來效法這樣的審美觀，並讓老師的擁護者一味的霸凌被老師指名的花店，嘲笑他們的作品，甚至可能造成對立與仇恨，這個社會的「惡意」已經很多了！

還記得吳尚洋老師曾在華視的節目「點燈」裡談到：

「我們不是影印機，你每個人都有自己的人格特質，你在不同的家庭環境，不同的人文狀態之下成長的，那你為什麼要為了去讓一個普世價值而去決定你未來的人生，而且我覺得，為什麼你人本來生來就是不同的個體，你被規定變成這個樣子，那是不快樂的！而且有好多好多我身邊的好多同學，我覺得他們也很有才華，可是他們一直被規定，你所謂的任何人事時地物都要有一個標準答案，那變成每一個人都像影印機一樣。」

我非常認同老師當時節目中提到的論點，但再回到老師現在的行為，是不是不符合老師心目中的「美」，就應該被拿出來發文公開評論為「醜作品」與「高級垃圾」呢？如果這些作品真的有哪個地方需要改進，用「具體」的建議取代「批判性」的字眼會不會對花藝產業比較有幫助呢？例如：花型有什麼問題？色彩搭配有什麼問題？選材哪裡有問題？

再者，直接點名那兩家花店，是否影響了店家商譽？在台灣的花藝產業生存真的不容易，如果無法互相幫助，一起進步，讓台灣的花藝產業有更好的發展，至少不要互相傷害。

2. 韓式花藝與其他花藝門派的風格：
韓系花藝近幾年在亞洲盛行，之所以會盛行，也取決於市場的喜好，如果多數人是不喜歡的，那這個風格不會在近幾年崛起。

關於「風格」，以下是我的觀點：
在我的頻道下方經常會收到觀眾留言「請問這個作品是池坊還是歐式呢？」，其中一則觀眾的留言，也有看到了吳尚洋老師於底下回覆我的觀眾，並引起了一番筆戰，細節大家可以直接到這個連結了解（https://youtu.be/KWA7jWcwxhE）。

我們不可否認現今花藝領域有許多經典的流派，如德國花藝、荷蘭花藝、池坊、草月流、小原流等，這些流派都蘊藏了許多前人歸納與傳承的花藝知識與技巧，也富含花藝歷史的脈絡與時代意義，對於現今花藝發展有著不可抹滅的重要性。

但如果花藝一定要被歸納「你是什麼風格」、「他是什麼風格」、「哪個作品是德國花藝」、「哪個作品是池坊」、「哪個是韓式花藝」，那麼上述我們所提及的花藝流派創始人，在他們當時時空背景所處的朝代，他們算是什麼風格呢？他們所屬的流派與風格是經過幾百年、幾千年被後人流傳與歸納的，如果我們承認他們是一個流派的開拓者，那我們這個年代是否也能擁有和開創屬於我們這個世代的流派讓後人統整與傳承呢？

舉兩個例子給大家參考：

莫札特和貝多芬當年還活著的時候，他們會認為自己是「古典音樂」、「浪漫時期古典音樂家」嗎？依常理來說，
他們的音樂是那個時代的流行樂，經過後來的統整、歸納與傳承，成了我們現在所知的古典音樂。

「池坊」在16世紀的室町時代，池坊專應確立了花道的哲理，《專應口傳》集結了池坊哲學理念的大成，但在這之前，頂法寺的住持為六角堂插供佛花時，他已經認為自己的供佛花為「池坊」花道了嗎？

如果上述的論點成立，為什麼有自己想法的藝術家不能以自己的邏輯、喜好，去慢慢建立自己的風格與教學系統？藝術是表達自我的一種方式，所謂風格都是經由後人彙整與定義的，藝術家能做的，就是不斷的突破自我，如果一個人的風格慢慢成型，有人學習、傳承，就將成為一個流派。

因此，當今流行的「韓式花藝」，以及老師口中的「醜作品」，這一代的我們，沒有人能保證它們是否會成為後人所流傳的花藝流派。

吳尚洋老師經常在節目中鼓勵藝術與創作，不要被普世價值所侷限，一方面卻經常在自己的個人臉書與老師所成立粉絲專頁來批判「他認為醜」的作品，卻又無法「客觀公正」的談論作品的問題，提出「具體」的建議，甚至經常在留言進行嘲笑、沒有建設性的調侃，這跟老師在節目上（華視頻道的「點燈」節目）時所提倡的論點「應該發揮自己、不要被主流價值框限與規範、不要當影印機印出來的東西」，背道而馳。

還記得節目中，老師談論「自己以前如何被霸凌」，遺憾的是，下了節目後的今天，老師已成為台灣鼎鼎大名的花藝大師，老師確實以實力證明了自己，或許老師再也不會被世人嘲笑和霸凌了，但身為在台灣花藝圈有極大影響力的老師，時不時的拿著他的「美學價值」，去框限、嘲諷、批判其他新生代花藝師，這是讓我非常不能理解的。

還記得四月七日，老師曾在自己的個人臉書中發文，針對「花翁」一詞進行講解，當時看了老師的講解也覺得老師講得很好，讓大家更了解花藝的歷史，但其中內文提到「玫瑰花掰開、鬱金香要掰開，所有能掰開的花都不放過，怎麼你們就不能乖乖地用那些盛開的花就好嗎？自然開放的不是比較美嗎？還是都要像你們動了手腳的臉龐一樣，刻意的人為才叫美。」

近來，許多新生代花藝師會將鬱金香和玫瑰花手動開花，其目的是為了增加花朵的層次感，讓作品中有含苞的、微開的、盛開的，象徵花朵不同的生命週期，有的人喜歡，有的人不喜歡，一樣回到市場喜好，如果不是因為有很多人喜歡，這樣的手動開花方式也不會廣為流傳。
但因為老師的影響力，使得部分新生代花藝師因在作品裡為花朵做了手動開花，被老師的追隨者進行人身攻擊，攻擊那些花藝師的花跟臉一樣假，都是人工的，如果這不是霸凌，那什麼才是霸凌呢？

3. 關於花藝門檻變低
吳尚洋老師在那一篇貼文下方的留言提到，「韓式花藝只有拿整個花藝歷史的一部分出來講，花藝門檻變低，對於穩扎穩打的花藝師不公平。」

關於這個論點我想提供兩個部份給大家參考：

（一）今天任何一個花藝師在這龐大的歷史洪流中，每個人都只是花藝歷史的一部份，「池坊」是一部份，「德國花藝」是一部份，「韓式花藝」也只是一部分，更明確的說，吳尚洋老師、作品被老師評論為醜作品的新生代花藝師、或是所有喜歡花藝的愛好者，也只都是一部份，每個人一生的時間有限、資質不同，各自專精的領域也不會一樣，沒有一個人全知全能能夠代表「花藝」，當我們自己認為「別人只是講一部份時」，很多時候我們也無法代表全部。

回到我被吳尚洋老師截圖的那張圖片，那一集的主題是簡易花束包裝教學，內容是分享如何使用一款包裝紙來包裝花束，目的是讓一般民眾沒有辦法像花店一樣買齊各式各樣的包裝紙，一樣可以用影片提供的方式來為自己的花束進行包裝，頻道一直在更新內容，每個禮拜的主題不同，花藝的歷史洪流中許多技術、知識不是不會或是不講，而是一部影片大約15-30分鐘，要一次講完花藝歷史上所有蘊含的花藝知識與技術，相信任何一個老師都無法做到的，所以頻道會慢慢一集一集分成數個單元來分享，文章底下的留言串，有網友提出使用我的照片跟老師想針對的台灣花藝產業現象有何關聯時，吳尚洋老師用韓式花藝、網紅花藝作為一個切入點，因此放入了我的照片來代表韓式花束，因為影片中我選用了防水包裝紙，此包裝紙在花市資材行的名稱為「韓素紙」，表示是對「紙」不對「人」，如果大家有機會走一趟台北花市的花藝資材行，要買到「非」防水的包裝紙其實還有點難度，該說我選錯包裝紙，所以被截圖來做為韓式花束的箭靶嗎？

如果真的對韓式花束包裝有研究的人，可能一眼就能確定，那一集影片的教學並不是韓式花束包裝，術業有專攻，或許吳尚洋老師可能不太了解什麼是韓式花束包裝，才會將我的包裝手法歸納為韓式包裝，不是使用防水材質的包裝紙就等於韓式包裝。

在這花藝的歷史洪流中，有人選擇守護過去的歷史，盡力做好傳承的任務，當然也有人選擇開發新的歷史，不能說誰對誰錯，因為過去的歷史在當時也曾經是創新的產物。

（二）吳尚洋老師認為目前台灣花藝產業亂象導致花藝的門檻低，上過幾堂課就能成為花藝師，對於穩紮穩打在這條路的人不公平。

這個論點我暫時持保留態度，但今天問題出在「吳尚洋老師打了這些文字，卻放我的照片」，我認為這樣的文字意圖就不是那麼單純了！因為我並不是只上過幾門課就出來開業的花藝師（關於我的花藝學習歷程，有興趣了解可以到我的花藝頻道查詢，每一部影片下方的文字描述都有提到，這部分我就不詳述了）而我的YouTube 觀眾有沒有人因為看了我的幾集影片就出來自稱為花藝師或出來開花店呢？這我不能保證，如同沒有人能保證有沒有人看了吳尚洋老師網路上的影片，或是單堂實體課就出來當老師的，如果是這樣，為什麼吳尚洋老師不截圖自己在網路上的授課影片來做作為代表呢？（卻選擇我的？）
另外，我認為花藝門檻變低，照理來說，市場越來越大，應該會吸引更多同好投入，花藝用具、花藝大師課、花藝相關產業、活動、競賽也會更加盛行。

以棒球、籃球、圍棋、書法、街舞、熱音樂團、料理、烘焙或是電競來舉例，請問一個行業門檻非常高，高到離一般民眾太遠，那麼今天要怎麼說服大家來學習或是投入這個領域呢？

任何一個領域都像一座金字塔，不能只存在高端玩家，要供應整個產業鏈，一定要有中間和低端玩家，這樣一來，辦球賽才有看得懂的球迷，辦音樂會才會有聽得懂聽眾購票入場，支撐一個棒球員或是球隊、或是一個電競選手，台灣需要多少球迷、電玩愛好者呢？

同理，支撐一個花藝師或是花藝老師，需要多少花藝興趣的愛好者？

如果今天全台灣的人都不懂花、不喜歡花、不認識花、不具備花藝基本常識，每個人都覺得花藝的門檻很高，也沒有人願意出來推廣，舉辦活動、成立頻道、構思方案，人們連不新鮮的花材都無法辨別，要如何懂得欣賞專業花藝師的藝術作品？如何願意購票去欣賞國際花藝大賽？

如果接觸花藝的門檻低了，那麼花農開心，花市攤商開心，花店開心，花藝資材行開心，花藝教室的老師開心，穩紮穩打並且持續進步的花藝老師也會有學生願意付費進修，停滯不前的老師、沒良心的花店，也能因為國人花藝水平提升，無法再繼續誤人子弟，或是販賣花況極差的花卉。

有危機意識、怕被學生超越的老師，也會繼續往上進修，要求自己提高程度，如果因為學生學兩三堂課就出來自稱花藝師，並且也真的搶走了你穩紮穩打數十年而招生來的學生們，比起檢討這些進行市場推廣的人，應該要檢討自己的數十年專業為什麼會被只學兩三堂課的人輕鬆取代，是別人太有天份？還是自己沒有持續進步？還是自己的審美觀已經被市場淘汰？

一名有持續精進自己的花藝知識與技術的花藝老師，以及只上過兩三堂課就出來當老師和開花店的人，後者教個幾堂課，久了自然沒內容再傳授給學生，而前者因為有持續提升自己，他永遠有教授不完的內容，這樣一來，具備專業的老師自然禁得起時間與歲月的考驗，也沒有不公平的問題，因為市場自然會淘汰不適任的人。

另外，我還想對於這些日子聽到的一些「關於我」的聲音，做一些說明：

Q：為什麼會想要錄製花藝教學影片？

A：去年中旬，我因為一場嚴重疾病，與死神擦肩而過，苟且活了下來之後，因為不太清楚自己還能活多久，也不知道自己待在彰化教課還能教多久，一堂課8-10人這樣教，如果想要讓自己的教學系統推廣出去，在Youtube上面提供教學應該會是推廣效率最快的方式，假設接下來的日子還是不幸走了，那些在網路上的影片也能為自己的人生留下走過的痕跡，即使有一天這些影片沒有人要看了，當我的親友想念我的時候，或許這些影片也能讓他們觀看，所以我的頻道不只有花藝教學，也有一些我自己寫的歌，寫給家人、寫給我的寵物、寫給這個世界，這些都是我想要「留下」的。

Q：把花藝教學影片放在Youtube讓大家免費學習，會導致許多想學花藝的學生不願意踏入實體花藝教室。

A：在我個人學習花藝的歷程裡，意識到學習花藝需要花費大筆的金錢，不是每一位喜歡花藝的人都能負擔的起昂貴的學費，也不是每一位喜歡花藝的人都想成為花藝師，如果能做些什麼讓更多人喜歡花藝、接觸花藝、學習花藝、養成買花習慣，讓花藝不再只有特殊節日才會想起，而是平易近人的走進你我的生活，進而活絡台灣花藝產業，應該是一件很有意義的事情。

我認為網路教學跟實體教學還是有很大的區別，網路教學是老師單方面的給予教學內容，實體教學的優勢在於，學生如果實作上有任何問題，老師可以即時提供指導，或是學生發問時，老師也可以在課堂上因應學生的問題進行更多的教學和講解，這邊我簡單舉一個例子給大家參考：

最近因為疫情的關係，許多運動課程都採取線上教學，重訓教練課、瑜珈課、舞蹈課等，我個人也因此上了線上的重訓教練課，上了幾堂課的心得，就是隔著電腦學習，即便教練示範的動作我都看懂了，看實際上我的肌肉使用是否正確、硬舉和深蹲的姿勢是否正確，教練是無法像往常面對面教學一樣的指導我，因此實體花藝教室是有必要存在的。

因此我即使在Youtube頻道提供花藝教學，我個人的實體花藝教室的學生也不會因此認為以後在網路上學就好，而拒絕走進花藝教室學習，因為對於學生來說，付費獲得老師親自指導仍具有不可取代性。

最後，謝謝大家的耐心的閱讀完這篇文章，這篇文章無意冒犯任何人，只是針對近期發生的事情提供我個人的觀點與說明，花藝應該是很美好的事情，衷心的祝福大家，無論是學習花藝、養成花藝興趣，還是教授花藝，都能開開心心、快快樂樂的，沒有謾罵、仇恨與對立。

小雛菊花藝學校 吳妮晏 敬上

「從平台角度共創三贏的談判策略」​
​
沒錯，就是上禮拜三的課程到今天才寫心得（跪​
這次 @迪哥筆記 從BD講到談判，很全面的解析了各種情況，不知道要經歷多少風霜才能整理出這種脈絡，話不多說，送上我的心得！​
​
先獻上部落格好讀版：
https://vocus.cc/article/5fb7d831fd89780001ff51f3
​
從心智圖上面可以看到，迪哥在這場課程當中分為五個主要的部分進行講解，分別是BD的簡介、產品開發流程、生命週期、CRM、談判，詳細的分類在心智圖當中。​
​
這邊為大家整理出三個重點：​
​
一、什麼是BD​
相信大家如果有看我上一篇BD的課程筆記「我想開發合作夥伴，如何著手市場分析」，已經對BD有點認識，沒看的快點移動你的滑鼠～​
​
這次迪哥更直接的將BD的價值清楚的定義：『BD最大的價值就是：不等價交換』​
而迪哥也將BD略分為三種，分別為：​
a. 客戶經理/異業合作/資源交換​
b. 拓展維度/四度空間​
c. 新BU/負責人​
​
由負責的工作內容來看，就知道BD必須非常熟悉產業的業態與公司整體情況，而且必須從產品策略、開發、行銷、業務，各方面都要有點涉略與了解，真的是非常艱難的一個職位啊～​
​
以我們公司為例，BD就是老闆，我觀察下，我老闆在做的事情也非常符合BD的工作內容。舉個例子來說，​
​
資源交換：『資訊』​
之前上一篇BD課程文章有提過，在每一個行業要獲得第一手資訊的方式都不太容易，在食品業尤其如此。因為沒有太多公開的財報，而我們又屬於食品界比較偏門的『香辛料』，而我老闆最擅長交換的就是：『資訊』。​
​
對於食品工廠而言，成本當中，最容易劇烈變動的就是『原物料』。​
所以不時跟各進口商與中盤商打聽現在原物料可能的走勢，就成了成本控制重要的方法之一。跟大家分享一個原物料的漲幅，我都覺得很不可思議，​
​
過去「四川大紅袍花椒」一斤售價約100多元，現在一斤大約600多元，也就是要下一公斤的花椒，我們的成本價就是1000多元，相較於幾年前的160多元，漲幅將近6倍之多，而這不是通貨膨脹的結果，而是因為大陸的花椒大多被驗出農藥而被退回，無法進口，所以導致價格翻了好幾倍。​
​
所以下次大家去吃吃到飽麻辣鍋時，跟店家說：我要加麻一點，就是最快的回本方法了（誤XD​
​
二、不同商業模式的作法根本不同​
先跟大家複習一下，我們公司目前的商業模式是：B2B，也在上一堂BD系列課程當中提到，原本我一直都想要發展自己的to C品牌，但是其實發展to B才是最穩定的路。當我們在這個「成長期和成熟期」之間的生命週期時，穩固的基底會讓我們在研發新產品與切入不同市場更加容易。​
​
舉一個我們目前研發的新產品的路徑為例，「香香醬」，​
a. 從反饋再研發：​
我們根據B端的餐廳給我們的回饋進行研發，把產品定位在「增添原本麻辣湯底的香氣與辣、麻度」。一方面是已經集結了大多數消費者建議，另一方面是餐廳業者的經驗，讓這個回饋比較具有參考價值。​
​
b. 研發的迭代與修正：​
在研發的過程當中，我們先將MVP送給各間店家，店家除了可以給我們很即刻的反饋，也可以在店家試賣，獲得消費者的反饋再進而整理出數據給我們，所以在整個迭代與修正的過程中，我們幾乎沒有損失太多的樣品成本。​
​
c. 行銷：​
在整個行銷個過程中，我們做的就是拜訪店家，然後請他們試用看看。由於一開始研發的時候，就是針對他們的痛點下去設計，所以店家願意嘗試與買單的機率也就很高。在這裡幾乎也沒有太多額外的廣告支出。​
​
d. 業務銷售：​
我們在拜訪店家的過程中，就已經在進行銷售，所以行銷與業務其實是合再一起的。​
​
​
但如果是以一個to C的方式，也就是我們在8週實戰的時候做的方式：​
a. 以我們的假設進行研發：​
首先，要先以足夠大量的問卷來證明我們的假設，當時我們的假設就是：『大家對於小吃店的辣椒醬很不滿意，一方面不衛生，另一方面只有很鹹，沒有其他的香氣』。​
​
但是，我們在學院做的問卷調查，立刻打臉我們的假設：「一般消費者認為，小吃店的辣椒醬就可以了，因為吃小吃店時也沒有太多的要求，難吃就不加。」接下來就是一連串的「假設」=>「被打臉」=>「假設」=>「被打臉」，來回花了總共快要6週的時間，都在調整我們的假設。這裡花費最多的就是「時間成本」。​
​
b. MVP的迭代​
在當時，我們做出大約十種不同的辣醬，也因為我們不斷調整「使用場景」，所以辣醬的基底、口味方向也就跟著不斷的調整，這之間消耗的原料成本與包裝試吃包的人力成本，並沒有換回任何的營收。而且初期無法量產只能人工生產的時候，成本是非常高的，更卡在食品業的產品必須由合格廠商出產才能在網路通路上販售。​
​
c. 行銷​
由於我們並沒有大量的經費可以運用在廣告上，因此我們最後決定要經營臉書社團，投入5個人的時間，每週發一篇文章，然後幾個月後再把產品導入。這之間會消耗的人力成本，也遠遠大於我們直接往店家push產品。​
​
d. 業務銷售​
我們並沒有走到最後的銷售那一步，但在此我已經知道to C的戰場有多難玩，不只經營品牌要砸很多錢，光是迭代做出MVP就要先花很長的時間與精力，更別說是後續的行銷費用與曝光管道。​
​
回歸正題，所以從迪哥幫我們整理的生命週期來看，to B與to C走的就是完全不同的策略，貿然的轉換跑道是很不明智的選擇。​
​
三、談判的技巧​
這裡迪哥提供了六個「不等價交換」的情境，幾乎已經涵括談判時所遇到的所有情況，這裏拿兩個來跟大家分享：​
​
a. 做沒人想做的事：搭舞台就會有人上去​
迪哥在這裡舉了「路跑」為例，在路程上，會有各種攤位，每個廠商都會盡力的贊助，一方面可以增加品牌的曝光度，另一方面可以清個庫存（誤ＸＤＤ），所以主辦方也不需要再多出什麼經費，就可以讓路跑的路程非常豐富。​
​
這也讓我想到一個例子，不知道能不能作為相同例子：
最近好多的個人品牌經營者陸續開設網路課程，個人品牌經營者經由問卷發放，蒐集回饋，一方面可以搶先宣傳自己的課程，另一方面可以了解自己的內容對於市場是否具有購買效益，但是反觀平台，平台只是邀請講者，進行市場評估，就算沒有開課開成，還是收集到一波具體的名單。​

（迪哥補充：這個例子不佳，因為平台是用外部的問卷而且如果沒經過消費者同意也無法把名單拿來做為其他用途。）
​
即使這個價值交換看似不對等，但是卻讓雙方都滿足了需求，著實為很厲害的談判。​
​
b. 善用敵人的敵人：​
這裡迪哥說到，當一間企業聽到別人有一個非常熱賣的東西，自己沒有的時候，必然會緊張，利用這個心理因素，較容易談到比較好的條件。​
​
也讓我想到我老闆說的：「當你把產品做的很好，你的客戶用了以後生意非常好，此時他的競爭者就會相繼來找你了。」當要把產品推廣出去的時候，並非只有直接推廣一種方法，讓對方感到受到威脅也是一個很棒的推廣方式。​
​
迪哥從BD介紹開始講到產品，最後再講到談判的方式，在每一個段落當中，迪哥都用很精簡的案例讓我們迅速了解。真的很強～～​
​
在每次上課的時候，只能回想過去曾經有的經歷或是例子，但其實更重要的是把課程當中學到的在工作上應用出來，有意識的刻意練習，才有機會內化為自己的。​
所以未來一年，不只是希望能夠寫出課後心得，更能夠朝「課後應用後心得」撰寫，再跟大家分享。​
​
#讀之有用​
#上課心得​
#商業思維學院