關於 性能提升方案差異 ，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

新品快訊 : ADI擴展BMS產品系列實現連續電池監測

Analog Devices, Inc. (Nasdaq: ADI)宣布擴展其電池管理系統(BMS)產品系列，以滿足ASIL-D功能安全等級並提供創新低功耗特性，實現連續電池監測。該系列新元件進一步擴充ADI BMS平台的差異化優勢，提供業界經驗證的超高精度，並支援所有主要電池化學成分——包含無鈷LFP（磷酸鐵鋰）——可用於大眾市場的電動車(EV)及電池組回收再利用之儲能系統(ESS)。

隨著消費者傾向更環保的交通方式，以及政府積極創造永續發展未來，使得純電動車的銷量持續加速攀升。汽車製造商所面臨的挑戰是如何在滿足全球不斷變化之安全要求下，更能經濟高效地擴展其電動車平台。此外，為確保每次充電的續航里程最大化，在車輛的行駛和停放過程中必須對車輛功耗進行管理。ADI最新BMS產品不僅支援多種電池配置，並具備創新的低功耗特性，即使車輛斷電後依然可完成對電池的連續監測，以確保在各種條件下的安全性，同時有效延長車輛的續航里程。

上汽集團(SAIC)副總工程師、捷能公司總經理朱軍表示：「與ADI的合作使我們能不斷提升電動車續航里程，以滿足越趨嚴苛的法規要求和電動車車主日益提高的需求。新系列BMS解決方案使我們在推動安全承諾的同時，亦能不斷推動電動車在大眾市場的普及。」

隨著電動車逐漸成為市場主流，對BMS的需求也不斷增加。獲得ASIL-D認證代表新BMS解決方案能滿足全球監管機構提出的道路車輛功能安全的最高標準。

ADI汽車事業部副總裁Patrick Morgan表示：「客戶已將ADI視為BMS性能領導者，特別是當其面臨擴展電動車平台及滿足新市場需求挑戰時。最新BMS產品不僅提供連續電池監測等新功能，並支援儲能系統的電池回收和再利用，以支援循環經濟。」

主要特性及優勢
ADI BMS產品針對6至18個電池模組進行優化，可在整個車輛生命週期及元件溫度範圍內提供低功耗連續電池監測、先進功能安全性和全球範圍超高精度等特性。
• 歡迎瀏覽以下產品頁面，瞭解有關新型BMS解決方案之更多資訊：www.analog.com/adbms6815; www.analog.com/adbms6817
• 欲瞭解有關ADI電動車BMS解決方案更多資訊請瀏覽：www.analog.com/electrification

［在職場，女人不是妳的敵人，而是合作夥伴！］

經常有女性來問我怎麼升遷，而她們的著眼點都在於如何提升能力，或是如何做出績效，或是如何被老闆看見……我得說，如果升小主管，這些都很重要；但是如果要升大主管，這些都不是最重要｡

依照我對職場的觀察，升小主管靠實力，升大主管靠政治｡可是女性最弱的地方就是政治，這才是升遷的困難所在｡所以，女性無法升遷，不是沒有能力，而是沒有政治腦。

我有個女同學在矽谷做資訊工程師，每次回台都會抱怨同部門的印度同事，說他們很會抱團，一個人進來公司，沒多久就會拉另一個同鄉進來，兩年過去，整個部門都是印度男性，只有她一個台灣女性｡而我同學學習很猛﹑工作很拚，可是升遷加薪都是印度男性｡

事情主要是她在做，她勢單力薄，他們人多勢眾，她還要回過頭來討好他們，深怕被排擠｡最後她的結論居然是—

｢我的英文沒有他們好｡｣

怎麼可能？她在美國已經30年！這反映出女性慣有的職場思維，以為是能力不足，卻毫不具政治意識，而且習慣單打獨鬥，當然寡不敵眾，難以勝出｡

有關職場政治，我讀過不少文章在討論，其中有些是鼓勵女性不要排斥政治，才有機會在男性主導的職場享有一席之地，但是最近在線上想映電影院（Joint Movies）看了法國電影《決戰事業線》，是我第一次讀到這個角度，女性要爬上高位，是靠女性的互助｡

這個觀點非常具有顛覆性，因為一般人都以為女人的敵人是女人，怎麼是靠女人幫忙嗎？這是這部電影最耐人尋味的地方｡

去年底《哈佛商業評論》有篇文章，與這個主題相呼應｡這是一家美國管理顧問公司做的研究結論，它說很多女性在職場上，想要脫穎而出，都學會找一個或多個導師（mentor）或教練（coach），在能力提升或職涯布局上提供很多實質有效的建議，男性未必在這方面著墨甚深，但是作者問道：

｢最後為什麼女性升遷仍有瓶頸，坐上高階主管或CEO位子依舊遠遜於男性？｣

接下來，這個研究提出的結論，大出我意料之外，卻是深表贊同，簡直是大開腦袋，太有洞見了！

研究發現到，原因出在於這些導師或教練給的是技術，卻不是人脈，也不是機會｡研究指出，如果想要升遷到高位，女性要學男性，進到核心人士的小圈圈，他們才是升遷與否的決策層，由他們裁示要不要給妳升遷機會｡

可是進到核心，對男性是容易的，對女性卻異常困難，為什麼？因為核心都是男性呀，男性之間很容易一兩句men’s talk就拉近距離，更何況男性｢天生｣懂得政治，知道升小主管靠實力，升大主管靠政治，而政治是管理眾人之事，所以重要的是接近人，而這個人必須能做決定｡但是，很少女性意識到這點｡

就算意識到了，有決策權的男性會給誰機會？是男性，不是女性｡這也使得男性一進到職場，就懂得選邊站，靠近有權力的人士，組成聯盟，壯大自己｡

在職場，這種小圈子有如美國大學裡的兄弟會，女性止步｡女性再有能力﹑再努力﹑再有績效，只會讓兄弟會更加團結，更加排除異己｡就算為了兩性平權的政治正確，也頂多只給到副手的位子，絕對不能讓女性爬到男性的頭上｡問題浮現了，核心圈裡盡是男性，他們握有升遷的生殺大權，卻傾向拔擢男性，女性如何有策略性地解開這個死結？

答案，就在這部法國電影《決戰事業線》｡它的主旨是男人不幫妳，就靠女人幫。

一般人最認得的女性主義者是西蒙波娃，她是法國女性，可見得女性主義在法國的論述既前衛且深刻｡電影裡有個女性組織，領袖是阿蒂安，她想要帶動更多企業升遷女性，認為唯有插旗名列前茅的大企業，當上CEO，才能風吹草偃，有助於推動社會風氣，逐漸願意大膽任用女性｡

阿蒂安看上女主角艾曼紐，艾曼妞實力高強，為公司解決不少危機，但是她的CEO最多只想讓她坐上老四的位子｡阿蒂安告訴她，男性能夠升上高位，是因為有互助意識，男性幫男性，拱一個人上台之後，大家利益均霑，雞犬升天｡這個女性組織也會運用互助，協助她拿下總裁位子｡

艾曼紐說她不相信女性會互助，阿蒂安則教育她：

｢這無關『相信』，而是關乎『政治』｡｣

這個女性組織裡人才濟濟，各有資源，有人擅長媒體公關﹑議題操作，有人具政治淵源﹑人脈深且廣……大家有志一同，各自分工，為了拱艾曼妞當上CEO而奮戰到底｡過程中遇到另一派角逐力量，對方都是男性，無所不用其極，傷害艾曼紐的家人與同事，導致理性冷靜的艾曼妞崩潰大哭，一度差點放棄｡

後來艾曼妞思及若是企業被掏空，將有1萬名員工失業，決定與女性組織裡的夥伴們，繼續打這場機會渺茫的聖戰｡相反的，對手男性為了圖利自己，拱出傀儡，打算繼續掏空公司｡電影透過這個正義與邪惡的對比，反映出一個兩性的差異，女性傾向為利他奮戰，從理念出發，用理念感召眾人﹑團結彼此，作為努力不放棄的精神力量｡

看起來，在線上｢想映電影院｣獨家播出的《決戰事業線》，嘗試拋出三個解決方案，也就是女性必備三個政治腦：

1. 女性想要升遷，必須認識政治，進入核心圈子｡
2. 女性想要升遷，男性未必會幫忙，女性可以是結盟的夥伴｡
3. 女性想要升遷，奮鬥路上孤單且困難重重，必須有崇高的理念支撐｡

做廚師不能怕廚房熱，做上班族不能怕政治髒｡面對職場，你需要來點政治味，具政治頭腦﹑有政治手腕，還要拉幫結派，政治結盟！

社會不黑暗﹑組織不邪惡﹑政治不骯髒﹑權力不墮落，重要的是你怎麼運用它們｡女人的敵人不是女人，而且女人的朋友多半是女人，聯合起來力量大，這就是女人學習政治的第一步｡

▲想看更多好電影，成為想映電影院的會員，加入請看此：https://reurl.cc/bzEX8l

➤ 為什麼學習特殊族群訓練非常重要？
我將以帶領癌症病患運動、健身、訓練為例說明。

➤ 什麼是特殊族群？
例如癌症、糖尿病、高血壓、孕產婦、高齡銀髮族，皆屬於特殊族群的範疇，因為他們和一般健康人的生理健康狀況有相當大的差異。

#運動就是良藥。美國運動醫學會(ACSM)也認為癌症患者在治療前後皆應保持身體活動。我希望所有教練們都能夠學習正確的知識，幫助更多人！

如果有任何問題，都歡迎留言一起討論喔。

-
醫適能與CETI(美國癌症體適能訓練培訓機構)今年在台北11/23-24的癌症訓練專家研習課程。

美國CETI創辦人Andrea Leonard 擁有超過20年癌症體能訓練經驗，將前來台授課，機會非常難得。

Andrea本身也是成功抗癌多年的生命鬥士，始於1995年已進行廣泛的癌症運動研究，是癌症運動領域的先驅。她擁有不同的運動及體能訓練專業資格，包括乳腺癌倖存者基本訓練，NASM矯正運動專家和性能提升專家及ACE認證私人教練。Andrea 更於2019 年度榮獲Personal Fitness Professional (PFP) 最佳訓練員的殊榮。

「CETI-CES癌症訓練專家 進階專業認證研習課程」是專為運動，健身及其他相關教練或專業人員而開發。課程旨在提升學員對癌症病患者或康復者身體狀況的認識，掌握相關運動或體能訓練知識，從而為病患者或康復者制定最合適的手術後運動訓練方案。

目前課程名額已額滿，若有興趣者，歡迎參考下方資訊：

➤ 美國CETI官方網站
thecancerspecialist.com
➤ 美國CETI官方臉書粉絲專頁
www.facebook.com/cancerspecialist/
➤ 台灣CETI Taiwan 研習相關問題請至此發問
https://www.facebook.com/CETITaiwan/
➤ CETI Taiwan官方信箱：
[email protected]
➤ MedEx Asia 醫適能｜ #特殊族群訓練
https://www.facebook.com/medexasia/

【人氣影片 特殊族群訓練系列】

■ 糖尿病與運動｜讓糖尿病族群安全有效訓練的10個重點
https://youtu.be/sDvEQFyeE6w

■ 什麼是特殊族群訓練？為什麼重要？以癌症運動為例
https://youtu.be/rxBCSzVIW5A

■ 孕婦可以做運動嗎？懷孕該怎麼運動比較安全？孕期運動不可不知的5大重點｜美國婦產科醫學會(ACOG)的運動指引解析
https://youtu.be/rQGeZbKu5_A

■ 銀髮族要活就要動！高齡健身抵抗減緩衰老不嫌晚｜不可不知的肌少症｜銀髮族訓練時機與必要性
https://youtu.be/gLp0nWxbFvI


【其他連結】

■ 醫適能 MedEx 特殊族群訓練 FB ：
https://www.facebook.com/medexasia/

■ 請填寫表單，獲得最新課程與講座資訊：
http://bit.ly/2nKb4H8

■ 追蹤豐富健身知識分享 蔡奇儒IG：
https://instagram.com/chiru.tsai

■ 醫適能蔡奇儒臉書
https://www.facebook.com/medex.chiru/

■ 訂閱醫適能 蔡奇儒 醫學健身Youtube頻道：
http://bit.ly/2mY3YyI


【醫適能 近期研習課程】

■ 2019/11/23-24 癌症體適能訓練專業培訓
（台北，已額滿）

■ 2019/12/21-22 懷孕及產後體適能專業培訓
（台中，已額滿）

■ 2020/02/08-09 高齡銀髮體適能訓練專業培訓
（台北，已開放報名）

■ 2020/05/23-24 癌症體適能訓練專業培訓
（台中，已開放報名）

■ 2020/05/26-27 癌症體適能訓練專業培訓
（台南，已開放報名）

■ 2020/05/30-31 癌症體適能訓練專業培訓
（台北，已開放報名）

行車紀錄趣粉絲團：https://www.facebook.com/OurLoveForMotion

台灣普利司通近年來所推出的TURANZA T001最高級的巡航輪胎商品、ECOPIA EP850休旅車最佳輪胎，皆獲得消費者很高的評價，而全新胎款Playz系列，自日本上市以來好評不斷，台灣普利司通深知消費者對新胎引領期盼， 10/12日於台北大直典華盛大舉行Playz媒體發表會，武末重義董事長更攜手台灣知名賽車手林帛亨向消費者介紹普利司通年度力作Playz。

普利司通研究後發現，一條好的輪胎，除了滿足消費者多面向的需求外，更要進一步降低開車時的疲勞感。研究更發現，車輛行駛於路面時，容易因路面狀況影響產生晃動，駕駛為了消弭這股晃動便會無意識的修正方向盤。此時由於車輛的不穩定，駕駛除了得更集中注意力專注於路況外，手部也會不自覺的更用力地緊握方向盤，長期下來，不僅累積壓力產生疲勞，更常出現肩頸酸痛等現象，因此，普利司通全新Playz提出完美解決方案，研發出「不易疲勞的輪胎」。
Playz不易疲勞的輪胎
造成駕駛無意識疲憊累積的主因，就是車輛的晃動與不安定感。對此，Playz提出有效的解決方案，除了能減輕駕駛者無意識累積的疲勞之外，亦同步增強濕滑路面抓地力、剎車與使用壽命，特別適合台灣多雨氣候。

全新Playz的胎塊與胎紋採用不對稱花紋設計，讓輪胎的接地壓力均一，不易產生晃動。過去由於車重分配的差異，輪胎內外側所承受的壓力不同，因此裝設新輪胎時還得考量外傾角（Camber）的調整。而Playz的非對稱形狀設計，便針對輪胎內外側所面臨的不同重量所造成的壓力，進行第一道改善。

接著透過非對稱的花紋，讓負荷較大的外部胎肩使用高剛性胎塊，抑制晃動。第二道則是寬大化的第二列花紋，提升接地性。最內側則是以塊狀花紋端點圓型設計，確保接地壓力均一。
使用Playz輪胎之後，可以降低直行時修正方向盤的次數；在轉彎時，駕駛也可以用更小的轉動幅度完成轉彎。同時受益於輪胎接地面積的提升，變換車道時，車身動態也更穩定。
Playz濕地安全性提升
台灣位處季風氣候帶，季節交換明顯，除梅雨季外，午後降雨及颱風所帶來的豐沛雨勢更讓駕駛環境時常處於濕滑狀態。交通警察就指出，由於視野不良加上天雨路滑，煞車距離必須比平時更長，雨天汽機車肇事率明顯攀高。

為使台灣駕駛在雨天也能安全行車，新Playz輪胎採用最新的胎面膠料配方與花紋，大幅提升濕地操控性，並有效縮短雨中煞車距離。Playz將胎面Silica粒子微小化，並強化濕地性能聚合物的結合。同時利用分散性提高劑,減少Silica分子間的磨擦,降低能量的損失。普利司通的胎面新配方，讓Playz在濕地的煞車表現提升10%。

Playz高磨耗壽命
過去輪胎的抓地力與磨耗表現總是難以兩全其美，Playz透過新胎面膠料配方與胎面跨溝葉狀花紋設計，確保在制動時能發揮最大效益，實現了不犧牲磨耗性能的高溼地性能。同時藉由高剛性圓弧溝槽設計，花紋端圓弧化作用防止花紋塊捲入，讓煞車時胎面壓力平均分佈，也使輪胎磨耗壽命獲得提升，Playz在磨耗壽命提升了20%，帶給消費者更優越舒適的全新感受。

主持人：廖剛
攝影編導：袁子梁
剪接後製：鍾清淦、余淑芳
字幕：田俊彥
製作人：鍾清淦