關於 乘數效應例子 ，我們在網路上蒐集到這些相關的討論、資訊與評價

🔺一、經濟學原理：

1、機會成本:指從事這種事而放棄其他事情的價值。

2、成本效益原則：使所有經濟學概念的源頭。它提出唯有當行動所帶來的額外效益大於額外成本時，你才應該這樣做。

3、一價定律：當貿易開放且交易費用零時，同樣的貨物無論在何地銷售，用同一貨幣來表示貨物價格都相同。

一價定律指出。任何試圖利用富人願意多花些錢的想法的供應商，都會給競爭對手創造出直接獲利的機會。

4、市場清算價格/平衡價格：當願意以市場主流價格購買該產品的消費者數量，與願意販賣該產品的生產者數量，與願意販賣該產品的生產者數量相當時，特定產品的產品市場處於平衡狀態。

5、競爭性勞動力市場的基本原則：雇員的工資與他為雇主在盈虧平衡點上鎖創造的價值大致成正比關係。

6、規模經濟：平均成本隨產品單位產量的增加而下降。

7、難於造假原則：倘若潛在的對手之間的某個信號真實可靠，那必定難於造假。

🔺二、生活中的經濟學

1、A的演唱會是免費，B的演唱會是40美元。如果選擇去看A的演唱會，必定會放棄B的演唱會，但B的演唱會可以在其他時間看。B的演唱會在你心目中的價值是50美元。如果不去看B的演唱會，錯失了自認為價值50美元的表演，但省下了40美元，所以放棄的價值是50-40=10（美元）。如果A的演唱會價值大於10美元，就去看A的演唱會。如果A用的演唱會價值小於10美元，就去看B。

2、一個鬧鐘，在校內賣20美元，校外賣10美元，此時你會選擇去哪裡購買呢？再來看另一個例子，如果一台筆記本電腦在校內賣5510美元，校外賣5500美元，此時你又會選擇去哪裡買呢？

對於前一個例子，很多人會選擇去校外買，畢竟便宜了一半，對於後者，很多人會選擇去校內買，因為，十美元對於五千美元來說並不算多。但在經濟學中，並不能這麼看。兩者的成本和效益是相一致的，所以答案應該是相同的。

3、產品設計既要符合消費者心意的功能，又要滿足賣方保持低價，便於競爭的需求。

4、產品設計的功能要符合成本效益原則，當且僅當收益不低於成本，才能採取行動。因此，只有收益（以願意支付額外費用的消費者數量來衡量）不低於成本(以增加某一功能所能吸引的額外消費者數量來衡量)的時候，才應當增設某一產品功能。

5、（對一價定律進行解釋）比如有些供應商會低於另一部分的供應商的價格賣給客戶，賺取差價的同時又能提高銷量。書中指出，就算是供應商聯手向富人賣高價，窮人也會從中作梗，，他們按照窮人的價格低價買入，再比一些供應商更低一點的價格賣給富人，賺取差價。所以，發展到最後，差價就會越來越趨向零。（“一價定律”適用完全競爭市場）

6、(對競爭性勞動力市場的基本原則進行解釋)同一公司的同一工作小組中，生產效率最低的員工，收入比自身創造的價值要高；生產效率最高的員工，收入卻比自身創造價值低。

更高的收入實際上是對職位較低的人進行補償，畢竟大多數人更喜歡高級職位。從另一個側面講，這些人雖然得到較高的工資，但是在職業滿意度等其他方面沒得到更好的滿足。

7、設置折扣門檻：對於價格敏感者打折，又不需要對其他買家降價。打折同樣可以讓原本不用買的顧客下決心購買。

為什麼稱為門檻呢？①購買者要關注什麼時候什麼情況進行打折；②購買者需對想買東西的時間延後，等待打折時間。

例：*臨時變動或購買的飛機票總比提前預定的價格高。這是因為臨時變動或購買的多為商務人士，對價格不敏感或者有公費報銷，所以收全價。而提前購買飛機票的人多為度假人士，所以打折。

*百老匯的票價在演出前會打折，而提前購買這則要全價購買。這是因為提前買票的多為高收入者，他們對價格比較麻木，並且工作繁忙的他們只能騰出一晚進行觀看，時間成本也比較高，所以不願意花時間排隊等待打折票。因此，百老匯做出這樣的規定。對於排隊等打折票的人來說，如果沒有打折，或許，他們就不會進劇場了。

8、利用高價格的產品吸引眼球，提高品牌效應，促進其他價位的產品的銷售。

例：維多利亞的秘密為什麼要展出鑲鑽的內衣？這是因為這種上百萬美元的內衣可以吸引大眾的眼球，從而促使別人購買他家其他產品，幾百美元的內衣在展出內衣的對比下就不算什麼了。

9、百貨公司為什麼將男裝放在低樓層而女裝卻放在高樓層？雖然大多數男女都希望在公共場合衣冠得體，但在女性身份認同構建中，外表佔比重更大。而且，女性在服裝上的開支比男性高兩倍。說明，女性在選擇衣裝時比男性認真謹慎。因此，乘坐電梯並不會大小女士們買衣服的念頭。但是，一點微不足道的障礙，也會使許多男士打消買衣服的念頭。

以上是節選書中的部分例子，更多有趣的例子沒有呈現出來。

為什麼牛奶裝在方盒子裡，可樂卻裝在圓瓶子?為什麼最暢銷的書和CD賣的比那些不那麼暢銷的要便宜，而最熱門的電影，票價卻比不熱門的電影要貴？為什麼一些國家男性立法者要頒佈禁止“一夫多妻”的法律？等等很多有趣的例子。

🔺三、總結

在我的大學專業課中，也讀過經濟學，但經濟學給我的感覺就是不太能在生活中被應用。看完這本書之後，其實經濟學就在我們的生活中，只是我們有沒有去尋找過。平時看似平常的設計和事物，都是隱含著經濟學的知識，只有這樣，才能讓成本最小化，利益最大化。

如果我們懂得了更多的經濟學原理，我們是否在遇到一些商業性活動的時候就能用換一種的思維去看待呢。作為消費者的我們，是不是就可以分析一下商家的商業行為，不盲目地相信售賣者，而是有自己更加理性的思考。

在生活中，很多社會的發展和一些現象和經濟學也息息相關，我們的通訊工具在更新換代，當成本效益不平衡的時候，這種產品就得考慮是推廣還是退出市場。在本書當中，還能看到一些與營銷相關的手段，涉及到很多商業活動背後的原理，並且提及政府部門出台某一政策 對於長遠的發展是有著一定的考慮。如果能夠耐心的看完本書，相信對經濟學也有一個初步的認知。

#elitesinsider

加入群組：https://www.facebook.com/groups/2026540257666105/

-------------------------------

加入「精英閣」= 一年陪你读完100本经典好书

➡️15-20分钟读书音频
➡️干货总结思维导图

📍還在等什麼？趕緊点击鏈接🔗：https://pay.weread.com.tw/facebook/jingyingge/

-------------------------------

馬來西亞 Shopee FREE Shipping

https://shp.ee/a54n9zf

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

#今日疫情重點 【7/27至8/9全台警戒降為二級，外出全程戴口罩不變；幼兒園、補習班、室內外運動場館與海域活動有條件開放，公祭與婚宴解禁；基隆等縣市將開放餐廳內用，雙北仍禁止內用；新增本土23例、2例死亡；疫苗覆蓋率近25%】

歷經69天的全國三級警戒，行政院在今日上午的防疫會議後宣布，將按照原定計畫解封，也就是於7月27日至8月9日將警戒調降至二級。下午中央流行疫情指揮中心則補充說明多項開放措施，包含幼兒園、補習班、兒童課照中心等場所可按照室內空間計算人數後開放，圖書館與室內外運動場所也有條件開放民眾使用；不過由於採逐步解封形式，民眾外出仍必須全程佩戴口罩。

￭27日起二級警戒，體育、文化、休閒場館有條件開放

行政院長蘇貞昌早上裁示27日起全國防疫從三級降為二級後，指揮中心指揮官、衛福部長陳時中在下午記者會說明，目前不明感染源仍然低於10例，整體降級方向不變，不同之處在於集會活動人數上限，過去是室內5人、室外10人，降級後則以室內50人、室外100人為原則，另外餐飲內用則按照先前衛福部所發布的指引來實行，各地方政府得按照疫情狀況自行調整。

具體開放措施部分，陳時中指出，二級警戒下會開放室內外運動場館，網球、羽球與籃球等運動可雙打，但仍需佩戴口罩與登記實聯制。為防止管制疲乏，文化、休閒、音樂、體育都是需要的活動，這些都能讓身心更健康。

針對家長最關心的教育項目，指揮中心則說明，幼兒園、托嬰中心等沒有固定坐位的場域可開放，但前提是教師與工作人員疫苗施打率達8成，其餘人員須出示三日內快篩或PCR陰性證明，且每3至7日定期快篩，以保護師生安全。此外，有固定座位的補習班與課照中心等地開放條件較為寬鬆，僅需出示三日篩檢陰性證明即可。

由於中元普渡日期逼近，為因應可能狀況，指揮中心副指揮官陳宗彥也說明相關宗教開放措施。他指出，宗教、酬神普渡活動將採有條件開放，但移動性質的遶境進香遊行暫時禁止，預期會有大規模群聚的普渡後平安宴也不開放；其餘宗教集會活動雖可進行，但需遵守室內50人、室外100人的原則，並採梅花座來區隔人員。

過往不開放的公祭與婚宴此次也在解禁之列，陳宗彥說明，婚宴部分需遵守集會活動人數限制，且不得逐桌敬酒。公祭部分則採代表制與梅花座，屆時會再請各縣市政府訂定靈堂的規模人數，避免同時段過多人流群聚。同時，指揮中心也呼籲各級機關行政首長、民意代表配合，這段期間不應參加公祭普渡，做為防疫表率，好落實人流管制規定。

至於雙鐵大眾運輸，交通部表示，降為二級後台鐵及高鐵限制發售座位數，以7成為上限，車上仍禁止飲食。台鐵將開放對號列車持電子票證乘車；高鐵則實施全車對號座。

￭最新基因定序結果出爐，台灣仍以Alpha變異株為主流

針對疫情發展，指揮中心表示，今日新增23例本土病例，其中11例為居家隔離期間或期滿檢驗陽性者，年齡介於20多歲至50多歲，發病日介於7月10日至7月22日。個案分布以新北市13例為最多，其次為台北市及桃園市各4例、宜蘭縣及高雄市各1例；其中18例為已知感染源，餘5例關聯不明，將持續進行疫情調查，以釐清感染源。

另外，最新的基因定序結果出爐，醫療應變組組長羅一鈞指出，在7月17日至22日的境外個案中，發現7例變異株，為6例Delta變異株和1例Gamma巴西變異株，分別來自緬甸、印尼與阿根廷等地。截至目前為止，Delta變異株已累計35例，23例為境外移入、12例為本土案例，本土感染Delta的案例都與屏東群聚有關。

羅一鈞並說明，指揮中心還針對本土18例確診個案進行基因定序，發現與過去台灣本土流行的基因序列一樣，皆是英國Alpha變異株，本土並未新增Delta變異株的狀況。對此，陳時中強調，這樣的調查結果顯示，Delta成為世界主流變異株的同時，台灣仍以Alpha變異株為主。

￭疫苗施打破600萬人次大關，覆蓋率近25%

在疫苗施打進度上，最新數據顯示，目前累計接種人數已經突破600萬人次，來到605萬9,596人次，其中AZ接種320萬3,146人次，莫德納接種285萬6,450 人次。對此，陳時中指出，即便昨日施打人數僅14.7萬，但整體疫苗的覆蓋率已達到24.94%，劑次人口比則為25.8%，7月底25%接種率的目標有望提早達成。

為實踐後續接種計畫，行政院也在昨日宣布已經完成3,600萬劑莫德納疫苗的採購。包括今年加購的100萬劑會於第4季供應，以及明年起陸續交貨的2,000萬劑疫苗，與後年交付的1,500萬劑「加強疫苗劑型」（Booster Vaccine Candidate）等。

￭降二級警戒，雙北市宣布仍不開放餐廳內用

儘管三級警戒準備調降，由於雙北市依舊有零星確診個案，擔心群聚效應爆發，雙北市政府今天下午皆宣布維持餐廳內用不開放；其餘縣市如基隆、花蓮、嘉義、彰化、新竹則將順應開放，但仍有多個縣市仍在評估中，將陸續宣布是否解禁。

對於不開放餐廳內用的決定，台北市長柯文哲指出，此舉是經過與新北市長侯友宜討論得出的結論。兩人皆認為群聚吃飯應再等一個禮拜看看，社區中仍可能有潛在傳染源，加上各國有過解封後疫情再度爆發的例子，因此即使警戒降級，雙北仍維持禁內用、只外帶，會再觀察是否會有感染上升趨勢。

（文／孔德廉；設計與資料整理／黃禹禛、戴淨妍；攝影／鄭宇辰）

#延伸閱讀
【疫情不是確診數而已，看見對弱勢者影響｜三級警戒下的照護危機】https://bit.ly/3k4u1iV
【疫苗進行式：COVID-19全球疫苗接種即時追蹤】https://bit.ly/2TFeFX0
【從武漢到世界──COVID-19（武漢肺炎）疫情即時脈動】http://bit.ly/2HMR2T6

#報導者 #COVID19 #本土案例 #確診 #死亡個案 #疫苗 #AZ #莫德納 #二級警戒 #餐廳內用

【7/4 開課！】《學「問」～高難度對話的望聞問切》~第16期
掌握達成共識的關鍵能力！(僅剩"1"位名額)
課程資訊：http://www.koob.com.tw/contents/232
更多學員心得分享：http://goo.gl/A07zZ0

【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～05/04(六）或 06/16(日）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072

【哈克工作坊】～讓你的存在，成為別人想親近的禮物~06/29(六） & 06/30（日）
課程資訊：https://www.koob.com.tw/contents/3897

[ 7/21 開課！]【寫作小學堂】～寫出專屬風格，找回文字悸動
打造一盞自己的聚光燈，建立起專屬於你的品牌印象
課程資訊：https://www.koob.com.tw/contents/3655

在專屬於你的天地裡，持續陪伴著你～
啟點xLine@：https://line.me/R/ti/p/%40teb0498p

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo

桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：

今天跟你分享一個人的故事，他叫做威廉．馮奧斯頓。他生於1834年，他這個人有一個特色，就是他的「好奇心」非常的強烈。

他原本是一個德國的數學老師，後來呢，他在1888年退休；他搬到柏林，開始去追逐自己一些特別的夢想。

他的夢想是什麼呢？他想要開發一些動物潛藏的智慧，他想要教一些動物，基本的數學常識；他教過一隻貓、一頭熊和一匹馬。

在他的實驗裡，他很快的發現，貓很快的就對於數學課失去了興趣，而熊在過程當中充滿了敵意；而那一匹馬呢，非常的專心，很快的就學會了數學的運算。
這個成果讓他非常的興奮，於是呢，他就把貓跟熊，都趕出了他的數學教室；他只教馬這一個得意門生。馮奧斯頓的那一匹馬，叫做漢斯。

他為漢斯開始了為期四年，每天的基礎數學的課程。一直到了，1904年馮奧斯頓和漢斯，已經準備好去做出公開的表演，來表現出漢斯牠的數學能力。

在剛開始的時候，馮奧斯頓出題，而由漢斯來回答。漢斯的回答方式，就是用牠的腳去踏地板上的石頭，踏幾次就是那個數字。

而漢斯的表現非常的棒哦！簡單的加減算術，和比較複雜的分數和平方根，都能夠正確的回答。

這樣的事情，很快的被一位心理學家叫奧斯卡．芬斯特所注意。他決定要研究漢斯到底是怎麼辦到的？

而這樣的研究，連奧斯卡．芬斯特本人，他都沒有料到，會在往後的一百多年裡面，幾乎出現在每一本的心理學教科書裡面。

芬斯特用很多不同的實驗方法來測試漢斯，而其中一個實驗方法是像這樣哦。他們準備了一些數字卡，卡片的擺法必須讓漢斯、馮奧斯頓，跟提問者都能夠看到卡片的正面。

接著呢，提問者發問；漢斯呢，就用腳踩地的方式，來表示哪一張卡片，上面有正確的答案。在這樣的狀況底下，漢斯答對的機率高達98%。

不過呢，當芬斯特他改變卡片的方向，他只讓漢斯看到卡片的正面，也就是說喔，出題的人跟馮奧斯頓，他們都看不到卡片的正面。這個時候，漢斯答對的機率驟降成6%。

而在另外一個測試裡面，馮豪斯頓對漢斯的耳朵，低聲的跟牠說兩個數字。然後讓漢斯把這兩個數字加起來，只要是這樣子做，每一次漢斯都能夠踩踏出正確的答案。

但是呢，當這個題目是由馮奧斯頓說一個數字，而芬斯特說另外一個數字，他們兩個人之間，不知道彼此說的數字的時候，漢斯就沒有辦法正確解答。

結果就發現喔，只要每一次馮奧斯頓，或者是提問者，知道那個問題的正確答案的時候，漢斯的答案都會是正確的；只要是那種沒有人知道正確答案，漢斯就會答錯。

於是喔，芬斯特他就推斷，漢斯其實是不會自己思考，也不會加減乘除的。牠是根據周遭的人的表情，和那些細微的肢體語言，在無意之間透露的訊號來回答。

所以這說明了，馮奧斯頓在這麼多年下來，他其實不是在教漢斯數學，而是在跟自己說話啊！

這個在心理學裡面，給它一個名詞叫「聰明漢斯效應」。也因為這樣的事件，為什麼每一本心理學的教科書，都會提到這個例子呢？

因為在很多心理學實驗裡，受試者之所以會因為你的實驗介入，產生了一些表現，或者是產生了一些改變。

這些表現跟改變，究竟是因為受試者，他因為實驗的設計跟操弄，發自內心所做出來的表現；還是他去揣測或者是模擬，你這一位實驗設計者的意圖，而相對應的配合作答呢？

就好像是漢斯，漢斯其實不懂得數學，但是牠會按照它的主人，或者是周遭人的反應，去決定牠什麼時候要反應，或者是牠要有什麼樣的表現。

當你聽完「聰明漢斯效應」之後，這會讓你想到什麼呢？

其實我知道有一些朋友，當面臨到生命的一些困境、一些挫折的時候，可能會向外求助。向外求助，除了去做一些回到根本、回到核心的學習之外；那麼有一些人，就會不問蒼生，問鬼神啊！

開始找尋一些虛無縹緲的、沒有根據的這樣的一些協助；然後呢，找尋這些協助之後，可能還會覺得好有效啊！這個師父好靈驗啊！或者是，這個老師對我有好大的幫助啊！

那這個時候，我不免要問的是，請問你究竟是發自內心的，真的懂了問題要怎麼解決？還是你求助的老師，其實是那一隻「漢斯」。

他其實只是把你內心，那些你自己也不確定、不敢說，或不想說的話，借由老師的嘴講出來。而他之所以能夠講出來，並不是因為他會通靈、他會讀心，而是其實你全身上下都寫出來了，只是你沒把它說出口，如此而已啊！

所以呢，我希望今天透過這一段分享，邀請大家思考一下，那些你認為神奇的老師，或者是虛無縹緲的教法，究竟是他們有神奇的魔力，還是你其實一直「配合演出」呢？

有沒有可能，你其實就像漢斯的主人，馮奧斯頓一樣，心中早就懂數學、心中早就已經有答案。只是你太期待，希望透過一隻「漢斯」來證明你是對的、來證明你有辦法教別人這件事。

如果是這樣的話，從好的角度來理解，你的投射、你的期盼的確會改變一些人；但是從壞的角度來理解的話，是不是有很多時候，你面對到自己生命當中的一些問題，跟困境的時候，你卻不問蒼生，問鬼神呢？

希望今天的分享，能夠帶給你一些啓發與幫助，我是凱宇。

如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道；別忘了訂閱旁邊的小鈴鐺，按下去，這樣子你就不會錯過，我們所製作的內容。

然而，如果對於啟點文化的商品，或課程有興趣的話；我們近期的課程，是在7月4號開課的「高難度對話」。這一門課會用有系統的方法，幫助你怎麼樣跟他人化解差異、化解衝突，達成必要的共識。

在我錄音的這個時候，7月4號的這一門課，名額也在倒數了；所以我很期待，你能把握這難得的機會。我很希望能夠在啟點文化的教室裡，見到你，謝謝你的收聽，我們再會。

經常聽見歐洲、美國將「貿易順逆差」及「反傾銷」掛在嘴唇邊，迫使人民幣升值，2009年歐洲更因為一粒螺絲跟中國大打官司，而2012年的「反日潮」預期令日本的貿易逆差擴大，日股應聲下跌。究竟何為「貿易順逆差」，真的能顛覆某國經濟嗎？

貿易順差其實是指於某時間內（通常以年度計）我國的出口比入口大，貿易順差有好處亦有壞處，但一般都是好處較多，因為真的賺了真金白銀，而貿易順差亦是一般發展中國家必經的階段。

貿易順差有甚麼好處？歷史有何例子？
1. 貿易順差推動本土經濟
貿易順差的結果是，帶來真金白銀的流入，而除非每個單位所賺的每一分錢都儲於枕頭下，否則每一分從出口賺到的錢會流入國家及人民手中，多少對國家某一部分有所參與，能推動經濟（尤其內銷）。加上因為乘數效應的關係，銀行體系可倍數加大資本，更加能夠倍數推動經濟。

2. 貿易順差增加外匯儲備，有利定位國際形象
貿易是與另一國家之間的交易來往，所以貿易順差可令國家增加外匯儲備。當然增加外匯儲備，好處係透過手持多種貨幣可稍為分散風險，除此之外，其實亦有利於定位國際形象及信譽。而良好的國際形象，當然能吸引更多外資流入本土。

例如自2000年起，中國靠著出口布料、家電、玩具等全球都需要的商品到各國家，與各國連年都錄得貿易順差，令中國的外匯儲備不斷增加，財富暴漲，中國因而成為國際上的最大債權國，在國際上的協議能力隨之加大，而2015年以中國為首的亞投行、一帶一路等就是當中的成果。

3. 貿易順差令國家貨幣穩定
自從美元與黃金脫鉤後，絕大部分貨幣都於外匯市場自由浮動，價格亦主要由市場決定，而貿易順差令國家有足夠的外匯同儲備，適當時候干擾外匯市場，令國家貨幣更穩定。

貿易順差亦有壞處
1. 國家貨幣升值過急
太大的貿易順差會大大增加外匯儲備，貨幣必然有升值壓力或升值的預期，在這個預期下會再吸引外資流入，進一步令貨幣升值。國家貨幣在受控下升值原是好的，但太急的升值會影響某國的出口，甚至引來通脹等問題。

2. 與逆差國磨擦、WTO反傾銷、貨幣被迫升值
但貿易順差亦必定惹來公憤，不竟國家在賺錢，而對方則連年付錢，反傾銷等行動應運而生。2009年，歐元區對各國都不斷錄得貿易逆差，尤其與中國。歐元區對中國推行一系列的反傾銷行動，其中就是對中國的螺絲出口徵收大額反傾銷稅，沒有了中國的供應，歐盟區內螺絲，包括其他貿易商品需求，自然更多尋找歐盟區自己的供應，歐元區貿易逆差得以舒緩。中國方面，國內螺絲出口商當然負擔不起重稅，中國螺絲出口大幅倒退71%，一系列其他的反傾銷行動，加上其他逆差國如美國加入，中國貿易順差一直萎縮之今。

3. 太過依賴出口
太大的貿易順差會令某國太過依賴出口，當國家GDP大部分依賴出口，即代表將國家命運交予另一國家手上，那永遠是沒有保證的，而經濟下滑時，國家推出的政策亦不能到位。30年前的日本是一鐵證。

其實，1820年英國成功將貿易逆差轉順差，當時英國為了擺脫貿易逆差，從其殖民地印度裝運鴉片來華，結果鴉片大量輸入中國，歷史大家都懂，最終中國花錢大量買入鴉片，賺錢的倒轉是英國。

所謂日光之下無新事，歷史只是重覆，國與國最終都是講求誰賺誰的錢，這是經濟101，明白國與國的貿易關係，才是投資的硬道理。

撰文：施宏毅

════════════════════

?財務自由不是夢！把握機會免費體驗?

施傅【10年財務自由】1小時簡介+工作坊
立即試看：https://www.gregorysy.com/

════════════════════

❓有效 極速 儲存千萬❓

【零至千萬加速器】1小時簡介+工作坊
免費試看：https://edu.money-tab.com/pages/accelerator

════════════════════

茶敘50 《ALL or NOTHING》
立即購票：https://edu.money-tab.com/pages/teatalk-50-online

所有課程/活動一覽: https://money-tab.info/activity

施傅新書「量化交易」手冊
網上即買： https://www.money-tab.info/2020-book-purchase


✓ APP下載: http://onelink.to/mtapp
✓ 升級版: https://money-tab.com/membership

❖訂閱【富翁電視MTTV】頻道:
https://bit.ly/35dJW4Y
❖訂閱【我要做富翁】頻道:
https://bit.ly/35LOy2J
❖讚好Facebook專頁:
https://facebook.com/203349819681082
❖追蹤Instagram專頁:
https://www.instagram.com/money_tab/

量化寬鬆不是美國所獨創，2001年日本向經濟大規模的注入了35兆日元的資金，推動經濟，命為量化寬鬆（QE）。這是日本在迷失時代衍生出來的貨幣政策，自此之後，不同國家籍由QE帶動經濟，甚至走出低谷。例子如美國實行了三次QE，改善了由金融海嘯引發的經濟低潮，令經濟重返軌道。

什麼是量化寬鬆呢？普遍人士認為QE只是印銀紙，但事實上是有分別的。QE是一系列的買債行動，印銀紙只是當中的剩數效應，整個QE可分為數個步驟。首先，每當美國希望買債或賣債時，都需要經過聯儲局（FOMC）的開會商議；然後，當聯儲局通過會議，便會執行部署。以買債為例，各類企業會發行債務，政府便會購入這些債務，把資金注入企業。這些務債無論在利率和年期上，也會較彈性和優惠。當這些企業收到資金後，會存入零售銀行或投資銀行，而銀行多了存款資金，便可以再次把錢借貸給個人或社會不同團體。但留意銀行不可以把所有資金全部借出，要根據存款準備金的規定，把某百分比的資金留在銀行。例如存款準備金是10%，銀行只可以把90%的錢借給市場，如銀行存款有＄1000，＄900可以借出市場，＄100留在銀行。

市場人士把借回來的＄900可以是用作消費或投資用途。以消費為例，店鋪Francis老闆賺到＄900時，會把錢存入銀行，因此銀行多了存款＄900，又可以把這筆錢的90％（＄810）借出市場，整個過程像循環一樣如此類推，衍生出剩數效應，即如何由本來的＄1000，變做＄900、再變多＄810，這便是印銀紙的威力。因此，當時美國政府借出八百多億，但因為存款準備金和剩數效應的關係，令市場充斥資金，這就是美國聯儲局量化寬鬆的威力。

總括而言，QE可有效推動經濟，透過剩數效應能把資金投入市場。但是，QE同時是一把雙刃劍，因為政策運用了槓桿效益，如果經濟未如理想，便會形成泡沫，爆破晚一發不可收拾。

════════════════════

?財務自由不是夢！把握機會免費體驗?

施傅【10年財務自由】1小時簡介+工作坊
立即試看：https://www.gregorysy.com/

════════════════════

❓有效 極速 儲存千萬❓

【零至千萬加速器】1小時簡介+工作坊
免費試看：https://edu.money-tab.com/pages/accelerator

════════════════════

茶敘50 《ALL or NOTHING》
立即購票：https://edu.money-tab.com/pages/teatalk-50-online

所有課程/活動一覽: https://money-tab.info/activity

施傅新書「量化交易」手冊
網上即買： https://www.money-tab.info/2020-book-purchase


✓ APP下載: http://onelink.to/mtapp
✓ 升級版: https://money-tab.com/membership

❖訂閱【富翁電視MTTV】頻道:
https://bit.ly/35dJW4Y
❖訂閱【我要做富翁】頻道:
https://bit.ly/35LOy2J
❖讚好Facebook專頁:
https://facebook.com/203349819681082
❖追蹤Instagram專頁:
https://www.instagram.com/money_tab/