關於 內隱記憶外顯記憶阿摩 ，我們在網路上蒐集到這些相關的討論、資訊與評價

八八節快樂～今天有沒有帶著爸爸吃大餐呀？趕在準備晚餐前先來寫好這周末的文章，這星期要跟大家細細解釋，到底什麼是「假外資」！還有在多空籌碼大戰中如何明哲保身？趕快看下去，覺得資訊有用的話，也可以多多分享唷😎：

《常聽到假外資是什麼？》
這個禮拜雙Ｄ族群超有戲，面板股與記憶體族群都劇烈波動，爆量大漲一天，隔天再給你一個更大量的急殺，多空攻防之際，有沒有很常聽到有人在抱怨，「吼又是假外資在隔日沖！」，那麼假外資到底是誰？散戶朋友又要如何避開，避免套在最高點呢？

先來定義一下何謂外資，白話來說就是「國外來的資金」，我們很常聽到的大小摩、高盛、瑞信都是，其中又可以分成自營商與經紀客戶，前者就是這些機構自己的資金，而後者就是他們的客戶在國外的錢，透過這些券商在台股下單。所以在以前正常的情況，外資會買的通常是一些大型股，像台灣50成分股或是MSCI中的標的，畢竟他們在台灣沒有那麼多研究員，一一拜訪其他的中小型公司，並去了解產業的整體狀況與營運情形。

那麼現在的外資跟以前的外資有哪些不一樣呢？
(1)幾乎只買大型股 → 突然鎖定中小型個股
(2)買賣具有連續性 → 常一天大買一天大賣
(3)看重營運基本面 → 易跟著短線話題起舞

出現這樣的轉變，外資都不外資了，反而像是市場常見的內資主力與大戶手法，所以才有人叫他們「假外資」，也確實，雖然仍是透過外資的管道，但資金的背景有可能跟以前有點不同，不是金頭髮的阿多仔投資人，而是黑頭髮的內資主力大戶，用國外帳戶，經由這些外資券商下單在台北股市。當然也可能是內部人的化身，公司高層或大股東想隱藏身分，或其他的賦稅考量。

加上台北股市現在當沖與隔日沖盛行，假外資也來參一腳，越來越常出現基本面與股價背離狀況，近期最有名還引起網路話題的，像是凱基台北與凱基松山等據點，上網查當天漲停個股每天的籌碼都可以發現，這些點幾乎都有大單敲進，而隔天再倒光光，甚至還引起網友氣到去Google地圖評論狂洗１星。不過凱基也是無辜，畢竟操作的是在那邊開戶的隔日沖大戶，而非公司本身。

話說回來，散戶到底要如何自保？當然你可以選擇避開這些熱門當沖標的，也可以抓緊機會跟著他們一起上下車！舉例來說最近常被當成「假外資」教材的菱生(2369)，股本比較小，突然的大筆資金進駐，就容易造成股價帶量暴漲，但菱生基本面在過去幾年都是虧損，是挾著訂單復甦與上半年獲利衝鋒的話題性，才變成隔日沖大戶的目標！創波段高之後，就很容易出現隔天(甚至當天)高檔再爆量拉回。

對於這類型個股，外資買賣與股價有密切的連動，所以方向是可以持續追蹤並參考的；如果手上本來就有，或是在爆量紅Ｋ的當天入場，並在盤後籌碼面發現有隔日沖可能的話，那麼隔天的開盤前半小時就至關重要，因為隔日沖通常隔天早盤還會再開高，如果開高走低爆大量，就要趕快下車，搞不好還可以小賺，畢竟他絕對不是一個波段起漲的強勁態勢。

如果風險承受能力比較高，或是比較早入場，並非買在紅Ｋ高點的投資朋友，盤中也有分析師建議，可以用紅Ｋ的一半當作出場停利(損)點，畢竟迷因股的集體意識不是天天有，散戶真的很難玩贏主力大戶，看到爆量紅Ｋ隔天衝進去追高，或者是主力都跑了你還抱緊緊不走，期待一張不賣奇蹟自來，恐怕都是散戶投資人在近期最常犯的錯誤！

《籌碼大戰跟著投信買？》
而在這場籌碼大戰當中，很多投資人也有發現，相較於外資，內資投信在近期，很常跟外資上演土洋對作的戲碼，其中一大原因就是投信的買盤更為連續！那麼如果想要吃投信的「豆腐」，又應該要如何觀察呢？

近期會有這類的討論，是因為雖然要比誰的資金多，手腕比較粗，投信遠遠不及外資，但在盤中就有老師比喻，外資像是洋槍大砲，容易碰一聲把股價往上或往下打，不過投信則更像是能夠精準打擊的狙擊小刀，在過去兩三個月，有不少中小型電子股，就是不管外資怎麼忽買忽賣，投信透過連續的買盤，都能穩定地把股價向上推升。

所以，這段時間有蠻多投資人的策略就是「跟著投信走」，投信有連續買超個股，就持續抱緊處理，但過了一個多月時間，不少個股也出現高檔震盪整理，對於這類型個股的操作方式，盤中跟老師討論時，給出了兩個方向。首先就是觀察基本面本益比，以及市場的目標價，當它的股價就是真的「貴了」，達到主力設定的獲利目標時，開始多空拉鋸時，不要貪心就獲利了結出場吧！第二種，如果當初是看著投信連買才進場的人，當投信轉賣，也可以跟著出場才是有紀律。

回到「吃豆腐」的話題，就是因為投信一路買，有些個股即使已經到高檔了還在買，所以當大盤動盪之際，就連投信都可能都不小心短套。這些個股如果是基本面好，有發展性，特別是車電相關的強勢個股，回測下來若有投信住在你樓上，當然就可以比較放心的進場，畢竟如果基本面好，技術面也沒有明顯轉弱，那麼專業的投信也不會那麼容易認賠殺出，相對來說就是比較安全的投資標的。

總而言之，台北股市近期還在整理的格局，沒有明顯放量轉強之前，資金水位放低一些，可低接但不追高，絕對要謹記在心。

《下周要注意哪些大事？》
大盤最近的走勢很明顯都黏在月線附近，買盤力道保守，就連當沖的力道都減弱，呈現量縮整理格局。而在接下來一週時間，七月營收與第二季財報都將塵埃落地，所以不確定性消除後，大盤可望有比較明確的表態。

電子股部份交投重點，預計還是會落在矽晶圓、成熟製程的晶圓代工緊缺、MCU以及車用等個股，重要的法說會有8/10的台達電(2308)、原相(3227)、聚積(3527)，8/11的華碩(2357)、天鈺(4961)，8/12的鴻海(2317)等等，在財報成績預計不會差到哪裡去的情況下，如果「太」符合預期，或是在展望面沒有驚喜，提前反應的利多反而可能成為最大利空，要特別留意股價拉回的可能性。

在航運類股也是一樣！上周的周Ｋ線翻紅，很多人可能是預期貨櫃三雄的財報好表現，確實長榮(2603)受惠於美國線換約後，合約價調漲一倍，以及塞港等因素帶動運價，第二季財報超強「三率三升」且創高，累計上半年EPS達15.03元，均創史上佳績。萬海與陽明後續的財報想必也是不用擔心。

但別忘了，財報基本面反應的是過去，未來展望第四季能否一樣好？特別是貨櫃輪今年能賺30元以上大家都知道，對於股價的影響，籌碼面更甚於基本面，所以下周的走勢仍是未定之天，逢高記得減碼，想搶反彈的人都要留意風險。

最後，MSCI季度調整，將在台北時間8月12日凌晨公布結果，並於8月31日尾盤生效，各家的預測與看法其實有點不同，有興趣的投資朋友上網搜尋都能看到很多新聞與分析，所以這裡就不再贅述了，不論調升或調降，想必對於股價都會有波動影響，記得事先做好準備！

#台股 #大盤 #加權指數 #電子 #傳產 #假外資 #隔日沖 #投信 #非凡最前線 #非凡新聞台 #最前線筆記

《別想擺脫書：書永遠不死》艾柯＆卡里埃爾對談錄

* 這是一個對談。

對談雙方艾柯＆卡里埃爾，一位是百科全書式學者、作家，另一位是傑出的編劇，奧斯卡終身成就獎得主。

他們都是愛書人、藏書家，海闊天空聊談由書延伸的種種話題。

詩人海涅有一句廣為流傳的話：在他們開始燒書的地方，他們最終會燒人。

書，永遠不該死去。

⋯⋯⋯⋯⋯⋯

卡里埃爾：這是我們這個時代的一種趨向：收藏技術竭力淘汰的東西。

我有個比利時朋友是電影編劇，他在地下室放了十八台電腦，就為了可以看從前的影片！

所有這一切都說明，沒有什麼比永久性載體更曇花一現。我們還能讀一本五個世紀以前印刷的書，卻無法看一張只不過數年以前的電子錄影帶或LCD老光盤。

除非把舊電腦都留在地下室。


卡里埃爾：真正令我震驚的，在於當下的完全消失。我們從未如此著魔於仿古風尚。過去在全速追趕著我們，很快我們就要服從前一季度的時尚。

未來永遠不確定，當下卻漸漸在縮短和退避。

艾柯：現在的消失，不僅因為從前持續三十年的時尚如今只持續三天。這同樣與我們講到的事物的過時有關。從前，你花幾個月時間學騎自行車，一旦學會，這就成了一件終生有效的家當。如今，你花兩星期學用一個新的電腦程序，等你漸漸能操作時，更新的程序又出現了，你不同意也不行，手機軟體會強制更新。

因此，問題不是集體記憶的喪失。在我看來，這更像是當下的不穩定。我們不再活在一個平和的現在之中，我們只是沒完沒了地為未來努力做準備。

卡里埃爾：我們處於運動、變化、更新和轉瞬即逝之中，矛盾的是，正如剛才所說的，我們的時代卻是一個越來越長壽的時代。

我們的祖父母的一生顯然要比我們的短暫，但他們始終處於恆久的現在之中。

我叔叔的祖父從前是個鄉下業主，他在每年的1月1日為來年整理賬目。前一年的賬目基本預示了下一年的狀況。什麼也沒有改變。

03

艾柯：記憶具有雙重用途——無論個人的記憶，還是集體的記憶（即文化）——一是保存某些數據，二是讓那些沒用並有可能充塞我們腦袋的資訊沈於遺忘。

一種文化若不懂得過濾過去幾個世紀的遺產，就會讓人想到博爾赫斯在《博聞強記的福內斯》中的人物福內斯，那個能記住一切的記憶專家。

但這恰恰與文化背道而馳。文化，是所有從此消失的書和其他物件的墓園。

卡里埃爾：如果借助在網上搜尋的資料，我們在邏輯上必須覈實這些訊息的可靠性。網絡工具讓我們方便地找到一切假訊息，真實的和不真實的，但事實上也讓我們陷入某種極端的困惑之中。我想，有關安貝托·艾柯的網上訊息一定充滿謬誤，至少充滿不確定性。

艾柯：當某某研究院的某先生出版克萊蒙梭或柏拉圖研究著作時，我們應該相信，他提供的資料確切可靠，因為他一生都在圖書館裡覈實這些來源。然而今天，某先生很有可能從網絡獲取資料，一切都變得不可靠。說實話，這一切早在網絡之前就已存在。個人記憶和集體記憶，本來都不是過往事件的真實寫照，它們只是重構。

05

卡里埃爾：你和我一樣知道，國家主義的約束在何種程度上歪曲了我們對某些事件的看法。直至今日，歷史學家們還常常屈服於本國公開或隱秘的意識形態……阿塔蒂爾克命人改寫土耳其歷史，聲稱早在羅馬時代，土耳其人在羅馬人入侵以前就在土耳其生活了幾個世紀。

諸如此類的事情處處都有……我們即便想覈實，又上哪裡覈實呢？

我們一般認為，土耳其人事實上來自中亞細亞，而現今土耳其的最早居民沒有留下任何書寫遺跡。怎麼辦？

06

艾柯：如果記憶像一張軟體，人到五十歲就會得阿爾茨海默症。遠離阿爾茨海默症或其他各種老年痴呆的方法，就在於持續不斷地學習，比如每天早起背一首詩，做各種智力練習，甚至字謎或者變位構詞遊戲。

我們這一代人在中學還必須背誦詩歌。但接下來的幾代人越來越少這麼做。熟記的過程其實就是在訓練記憶力和智力。今天，我們在某種意義上已經不是非得這麼做不可，但我們恰恰要強迫自己進行這種日常練習，否則就有過早患老年痴呆症的危險。


卡里埃爾：我恰好還記得一句引文——我的記憶剛剛夠用——「我還記得一個擁有非凡記憶力的人，但我忘了他都記住些什麼。」也就是說，我只能記住遺忘。這樣一來，我想我們的交流有助於區分法文中的「知識」（savoir）和「認識」（connaissance）。

知識塞滿我們的腦袋，卻不總是有用。認識則是把一種知識轉化為生活經驗。

07

卡里埃爾：我們的歷史書的書寫往往從民族主義傾向出發，從短期利益出發，從這兒那兒感受到的意識形態的選擇出發。

任何關於法國大革命的歷史都不是清白無辜的。丹東本是19世紀法國那些歷史學家們的偉人，到處可見丹東像和丹東街。後來他失寵了，被證明墮落了，廉潔的羅伯斯庇重新獲得青睞，受到阿爾貝·馬蒂埃等馬克思主義歷史學家的大力支持。於是在法國的某些左派社區有了幾條羅伯斯庇爾街，在蒙特伊–蘇–布瓦甚至有了一個羅伯斯庇爾地鐵站。

明天又會是誰？又會有什麼動靜？

08

卡里埃爾：我們全都受著過濾的教育，這種過濾早在我們之前就已完成。正如你所說，這是一切文化的本質。不過，我們不該禁止對這樣的過濾發出質疑，事實上我們也不缺乏這類質疑。舉個例子。在我看來，除了蘭波和波特萊爾以外，最偉大的法蘭西詩人均默默無聞。他們是17世紀初的巴洛克詩人們，布瓦洛和其他古典詩人曾對他們施加了致命的打擊。他們的名字是讓·德·拉塞佩德、讓–巴普蒂斯特·夏西涅、克洛德·霍皮、皮埃爾·德·馬爾波夫。我有時會背誦他們的詩，但這些詩人的作品只有古本，也就是他們在世時的版本，非常罕見，極其昂貴。這些詩幾乎沒有再版。我堅信他們屬於最偉大的法蘭西詩人之列，遠遠超過拉馬丁、繆塞，儘管後兩位的作品作為法語詩歌典範而暢銷不衰。

09

卡里埃爾：偉大的俄羅斯小說家們相互通信，甚至和他們的法國同行保持書信往來，比如屠格涅夫和福樓拜。一個作家若想避免被過濾，那麼他最好聯合、參與某個小群體，而不要保持孤立。

艾柯：莎士比亞之謎在於，人們不能明白，為何單單一個演員就能創造出如此天才的作品。有人甚至推想，莎士比亞的戲劇可能出自培根之手。但是不對。莎士比亞並非孤單一人。他生活在文大學者圈中，和其他伊麗莎白時代的詩人們保持密切往來。

10

卡里埃爾：在古老的文化傳統裡並不存在對偉大創作者的膜拜。不計其數技藝超凡的古代匠人進行創作，卻從未在他們的作品上署名。他們從不把自己視為、也從不被人視為藝術家。

艾柯：他們也沒有創新的概念，這是西方的標誌。在某些文化傳統裏，「藝術家」（artists）的野心只是極為忠實地重複同一種裝飾圖案，並把前輩教下的技藝再傳給學生。他們的藝術即便有變化和差異，我們也察覺不到。

11

卡里埃爾：佛里茲．朗還為人所知，至少電影愛好者們記得他的《殺手M》。但其他幾位呢？過濾，正無情、無影地全面實施，甚至電影學校也一樣，這由學生們來決定。突然，某位「被過濾的」導演重新現身。因為他的某部電影在這裡或那裡放映，並造成轟動。因為新出了一本關於他的書。但這總是極其罕見的。

我們幾乎可以說，電影一旦開始走進歷史，也就走進遺忘。


卡里埃爾：突然之間，活力不再，導演老去，演員也是，作品被不斷重複，某種精髓的東西正在喪失。義大利電影一去不復返，儘管它曾經在世界電影名列前茅。

這讓我們笑、讓我們顫抖的三十年，如今還留下什麼？

費里尼始終讓我心醉神迷。安東尼奧尼一直讓我心懷敬佩。你看過他最後的電影短片《米開朗基羅的凝視》嗎？這是有史以來最美的一部電影！安東尼奧尼在2000年拍攝了這個不到十五分鐘的短片，片中沒有任何對白，他有生以來第一回把自己拍進電影。我們看見他獨自一人走進羅馬的聖·皮埃爾·奧里安教堂。他緩緩走向教皇尤里烏斯二世的墳墓，整部電影就是一個沒有對白的對話，是安東尼奧尼和米開朗基羅的摩西像的相互凝視。我們一直在探討的問題——我們這個時代特有的自我展示和言論表達的瘋狂，毫無來由的焦慮躁動——全被否決在影片的沈默和導演的凝視之中。

12

卡里埃爾：如今唯一還保持手寫的東西————是醫生的藥方。手寫信消失將造成一整個行業的消失。

筆跡學，代人寫信，手稿收藏者和商人……使用電腦讓我懷念草稿，尤其那些對話場景的手稿。我懷念塗抹的槓子，刪改的字句，最初的混亂，向各個方向發射的箭頭，它們標誌著生活、運動和依然困惑的探索。

13

卡里埃爾：在那些艱難的歲月裏，書籍處處輕易地得到傳播，它是一種挽救文化的工具，正如在古羅馬帝國末期，有些知識份子隱退到修道院裡，抄寫一切他們可以從正在衰敗的文明中輓救出來的東西，他們感覺到它將要分崩離析。

這種現象發生在所有文明陷入危難的時代。

可惜的是，沒人採取這一方法來挽救電影。你知道在美國出版的一本書嗎？書名很漂亮，叫《消失的電影攝影集》。那些電影只剩幾張劇照，我們必須從這些劇照出發，重新建構電影本身。這有點兒像那個伊朗書籍裝訂師。不僅如此。把電影改編成小說，就是說把電影提煉成帶插圖的書，這種做法早已存在，可以追溯到默片時代。這種改編自電影的書有一部分保存了下來，而電影本身卻早已消失。

書比電影更長久，儘管書的靈感來自電影。這麼說來，電影也有考古學。

14

艾柯：從那以後，這本書每次重新出現在拍賣目錄裏，我都會去查看，書價再也沒有回落過。這樣的價格，讓書再也不可能落入真正的收藏者手中。

卡里埃爾：它成了一件金融產品，一件商品，這很可悲。收藏家，也就是真正愛書的人，往往都不是特別有錢。書一旦變成可以賺錢的物品，貼上「投資」的標籤，有些東西就丟失掉了。

艾柯：必須強調一點，古籍已不可避免地走在消亡的路上。我要是擁有一件珠寶珍品，或甚至一幅拉斐爾的畫，在我死後我的家人會賣掉它。但我若收藏書，一般會在遺囑上註明，既然我花了一輩子把它們收集在一起，也就不希望它們將來被拆散。這樣一來，這些書要麼只能捐給某個公共機構，要麼通過佳士得拍賣行賣給一家大圖書館，一般會是美國圖書館。從此，這些書就永遠地從市場上消失了。在每任擁有者去世的時候，鑽石都會回歸市場。至於印刷初期珍本，從此只能在波士頓圖書館的館藏書目上看到。

艾柯：永遠也不可能。因此，除了所謂的投資者造成的破壞以外，每一冊古籍都變得越來越稀罕，也必然地越來越昂貴。至於年輕一代，我不認為他們喪失了對珍本的愛好，我倒是懷疑他們是否曾經具備這種愛好，既然古籍的價格總是遠遠超過年輕人的購買能力。話說回來，一個人若真的感興趣，也不一定非要花很多錢才能成為收藏家。

15

卡里埃爾：愚昧往往接近謬誤。

對愚昧的興趣促使我關注虛假的研究。這兩條道路完全被傳統教育所忽略。每個時代既有其真理的一面，也有眾所周知的愚蠢的一面，極大的愚蠢，然而傳統教育只負責教授和傳播真理。

從某種程度而言，愚昧被過濾了。是的，確實有「政治上正確」和「理智上正確」之分。換言之，有一種所謂的好的思考方式，不管我們願不願意。


艾柯：虛假並不一定是愚蠢或弱智的表達方式。虛假就是一次謬誤。違心地行事，就是言與知相悖。

人們一直都在真誠地犯錯。

謬誤橫貫人類的歷史，這不算壞事，否則我們就成了神.....托勒密真的相信地球靜止不動。在托勒密身上絲毫沒有弄虛作假的成分，隔著歷史來看，這只是一個謬誤的知識罷了。

卡里埃爾：我有很多年沒回到這些問題上了。但我再次感到震驚，研究愚蠢問題是如此讓人興奮。

不僅因為愚蠢引出書的神聖化問題，還因為愚蠢讓我們認識到，我們中的任何人在任何時候都有可能說出類似蠢話。我們總是處於說傻話的邊緣。

我再讀一句夏多布里昂的話，他評論自己一點都不喜歡的拿破侖：「其實，他就是一個戰爭大贏家，除此之外，任何將軍都比他能幹。」

艾柯：當我們決定談論愚蠢，從某種意義來說，我們在向人類這一半天才、半愚昧的造物致敬。

而當我們漸漸臨近死亡——正如咱倆的現狀——我們開始覺得愚蠢勝過美德。

卡里埃爾：在研究愚蠢問題時，我們發現的第一件事就是我們自己是傻瓜。顯然，我們不可能把別人當成傻瓜自己卻不受懲罰。

我們最終會意識到，別人的愚蠢恰如一面鏡子朝我們張開。

一面永久、精準、忠實的鏡子。

卡里埃爾：我們的精神都有些狂熱。我們收藏的書全都見證了我們的想像令人眩暈的程度。一邊是不著邊際的妄想和瘋狂，另一邊是愚蠢，想要區分這兩者尤其困難。

艾柯：我們可以強調文明的各種進步，這些進步極為顯著，並且涉及在傳統中毫不相干的各個社會範疇。但與此同時，愚蠢也越來越多。

從前的農民不說話，並不是因為他們愚蠢。受過教育也不一定意味著智慧。

不。今天有這麼多人渴望被人聽見，致命的是，他們只被人聽見了他們自己的愚蠢。

從前的愚蠢沒有爆發，不為人所知，今天的愚蠢卻肆意橫行。

16

艾柯：我承認，我直到四十歲才讀了《戰爭與和平》。但我在閱讀以前就瞭解這部小說的精髓。你剛才提到《摩訶婆羅多》：我從沒讀過，雖然我收藏了三種語言的三個版本。誰從頭到尾讀過《一千零一夜》？誰真正讀過《愛經》？

但人人都在談論它，有一些還加以實踐。這個世界上充滿我們沒讀過卻幾乎無所不知的書。

問題因此在於，我們是怎麼知道這些書的？巴亞爾說他從沒讀過喬依斯的《尤利西斯》，但他打算向學生們講解這部小說。

卡里埃爾：說到我們書架上那些沒有讀過並且永遠不會去讀的書，很可能每個人心裡都有這樣的想法：我只是暫時把它們放在一旁，我和這些書有個約會，不過是在以後—很久以後，甚至來生。

有些垂死的人感到自己大限已到卻尚未讀過普魯斯特，這樣的哀嘆實在讓人受不了。

艾柯：當有人問我是否讀過這本或那本書時，我出於謹慎總是這麼回答：「您知道，我不讀書，我寫書。」這樣一來，所有人都會閉嘴。但有時還會有人堅持不懈地提問。「您讀過薩克雷的小說《名利場》嗎？」我最終屈服了。連續三次我試著讀這本小說，每次都半途而廢。

—-文章來自於本書部分摘錄

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