關於 電腦硬體檢測 ，我們在網路上蒐集到這些相關的討論、資訊與評價

（以徵到）

喜天又來徵人了喔

這次職缺比較多大家可以慢慢的參考一下

在這邊也在自我介紹一下我們公司

我們是一間原本由實況主以及玩家建立的電腦工作室。
我們秉持的就是希望在這個年代，讓所有喜歡玩遊戲的朋友，選擇找到適合自己的硬體設備，抱這這樣的理念從原本幫朋友組電腦，一路到現在幫服務更多的玩家，現在的我們需要更多熱愛遊戲喜愛3C產品的朋友們加入，我們家的工程師需具備的，最重要的就是熱愛遊戲，理解遊戲玩家心情。
硬體設備有時候跟人一樣，有自己的脾氣需要更細心更仔細的照料，你必須有耐心的花時間了解他的脾氣，所以我們的電腦花更多時間照料。
除了電腦的工作以外也可以接觸到電競賽事規劃，影片製作等工作
如你剛好也是個對於電腦3C以及遊戲線上線下企劃等等充滿興趣的夥伴，歡迎加入我們！

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

一、全職電腦工程師

(一)工作內容：

桌上型電腦.筆記型電腦.相關3C產品等組裝檢測及維修。

1.電腦硬體、電腦軟硬體各項設備的安裝。

2.需要協助找出並解決電腦故障原因以及排除。

3.幫客戶進行電腦升級規格分析效能評估，找出最適合的升級方案。

4.進行電腦穩定度測試，各類硬體及軟體相容性測試，或是減少客戶當機的情況。

5.協助客戶處理軟硬體問題，提供簡易的使用教學使用習慣評估，讓客戶簡單的可以理解並且解決自己遇到的各式問題。

6.跨部門作業協助。

7.其餘主管交代事項。

(二)工作待遇:試用期三個月內24000起薪，三個月後依照工作能力以及狀況調整26000-35000。

(三)工作性質:全職。

(四)具備能力：

1.良好的溝通能力。

2.基本文書撰擬能力，如寫Email等。

3.會使用文書軟體 例:word、excel。

(五)休假制度:周休二日(可排休)。

(六)上班時間:11:00-20:00(中間休息一小時)。

(七)工作經歷：無經驗，須具備對3C產品之熱忱與耐心，會有專人教學協助步上軌道。

(八)學歷要求:不拘

(九)需求人數：1人

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

二、業務助理

(一)工作內容：

1.電腦3C產品之產品介紹與銷售。

2.回應客人問題，協助解決客人的問題。

3.粉絲團、官方Line訊息回複理解客人需求用途等協助客人組裝搭配電腦硬體之規格並且提供報價。

4.協助招商業務及陪同潛在客戶拜訪。

5.協助業務部門行政流程、會議記錄及資料建檔等文書處理。。

6.跨部門作業協助。

7.其他主管交辦事項。

(二)工作待遇:試用期三個月內24000起薪，三個月後依照工作能力以及狀況調整26000-35000。

(三)工作性質:全職

(四)具備能力：

1.良好的溝通能力。

2.有外語能力佳。

3.基本文書撰擬能力，如寫Email等。

4.會使用文書軟體 例:word、excel。

(五)休假制度:周休二日(可排休)。

(六)上班時間:11:00-20:00(中間休息一小時)。

工作經歷：無經驗可須具備對3C產品之熱忱與耐心 會有專人教學協助步上軌道

學歷要求:不拘

需求人數：1人

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

三、全職行銷特助

工作內容

1.主管行程安排規劃。

2.線上線下活動企劃提案規劃及執行，細節執行、獨立提案、掌控進度、成效分析優化等。

3.相關行銷活動發想提案以及預算時程規劃安排與分析執行。

廠商、KOL及異業提案合作洽談與執行。

4.Facebook、IG等相關社群平台廣告行銷及投放操作。

5.平面及影音企劃拍攝協助。

6.跨部門作業協助。

7.其他主管交辦事項。

需求
具備1年以上行銷企劃工作經驗。

熟悉各類文書辦公軟件，例: Excel、PowerPoint、Word。。

具有良好溝通能力、並可接受意見和良好的討論互動。

工作待遇:30000-40000 依照工作能力以及狀況調整

工作性質:全職

加分項目：有外語能力佳

休假制度:依公司規定

上班時間:依公司規定

工作經歷：需有1年以上相關工作經驗

學歷要求:不拘

需求人數：1人

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

工作地點：新莊新泰路２５５巷１號

有意者請寄履歷至：[email protected]

近期也會同步在104上徵人

大家如果有相關經驗的朋友不妨來試試看吧!!!

感謝你的耐心看完!!!

小米秋季新品發佈會，正式發佈高階旗艦系列新品小米MIX 4，搭載全新CUP全面屏技術，讓螢幕既能無任何孔洞完美顯示，但這款似曾相似的仿生四足機器人比較吸引我注意。

--

CyberDog彙集小米11年的技術沉澱，是工程師文化和創新精神的深度凝結，也是小米對於未來科技生活的再次探索。CyberDog搭載小米自主研發高性能伺服馬達，具備強大運算能力與強勁動力，內建超感視覺探知系統和AI語音互動系統，支援多種仿生動作與姿態，是一個來自未來的「科技夥伴」。

小米承諾將仿生四足機器人研發成果向全球深度開源，限量開放1,000個工程探索版與擁有極致探索精神的米粉、極客發燒友合作共創，透過技術探索讓CyberDog實現更多「超能力」。CyberDog工程探索版定價人民幣$9,999元。

強勁性能，高精度環境感知

CyberDog內建小米自研高性能伺服馬達，提供32N·m最大輸出扭矩、220rpm最大轉速以及3.2m/s最大速度，能保證高扭矩的同時兼具高速性能，做到靈動回應。強大的性能支援讓CyberDog能夠輕鬆完成各類高速運動及後空翻等高難度動作。

如果將馬達比喻成心臟，那麼邊緣AI超級電腦就是CyberDog的大腦。大腦內建了NVIDIA JETSON XAVIERNX平台，內建384個CUDA® Cores、48個Tensor Cores、6個Carmel ARM CPU和兩個深度學習加速引擎，可處理來自多個感測器的大量資料。

感測器決定了CyberDog感知能力的上限。CyberDog內建高精度環境感知系統，可還原更真實的生物反應。她全身擁有11個高精度感測器時刻待命，可主動探測外部細微變化。其中包括觸摸感測器、鏡頭、超音波感測器、GPS模組等，基於此可衍生更符合生物直覺的交互功能，以及環境感知、分析能力。

超感視覺，智慧互動陪伴

小米將手機影像的技術延伸至仿生機器人領域，讓CyberDog實現空間感知能力。CyberDog支援超感視覺探知系統，通過AI互動相機、雙目超廣角魚眼相機、intel® RealSense™ D450深度鏡頭打造硬體基礎，透過電腦視覺，檢測辨識使用者相關資訊，為使用者提供更智慧化的視覺使用體驗。

CyberDog內建超感視覺探知系統，可實現自主辨識跟隨、SLAM建圖和導航避障功能。技術層面，小米透過人形檢測技術和行人重辨識技術保障了跟隨功能的穩定，使用人臉辨識技術讓CyberDog具有寵物化特徵，滿足跟隨主人的場景需求，最終讓她能在室外空曠平整的環境中跟隨主人。借助多個感測器的協作，感知目前環境，透過演算法建立導航地圖，並自動規劃到下一目標點的最優路線。在導航及跟隨過程中均能達到自主規避障礙物。

使用者可透過語音、遙控器、手機多種方式操控CyberDog，以「鐵蛋鐵蛋」喚醒詞向CyberDog下達指令。目前小米智慧語音已應用於8大互動場景，導入超過72個品類，3000餘款裝置。現在，這項技術將運用有溫度的溝通，喚醒未來智慧活新方式。

深度開源，共創無限可能

作為開源產品，CyberDog具備豐富的外部設備擴充能力，她擁有3個Type-C和1個HDMI介面，可以外接探照燈、全景相機、運動相機、雷射雷達等多種擴充設備，開創更多應用場景。另外CyberDog整機支援生活防水，可應對多種複雜使用環境。

小米致力於打造一個仿生四足機器人開發平台，透過程式碼開源和開源社區的方式，改善機器人開發環境，推動機器人行業發展。小米將仿生四足機器人研發成果向全球深度開源，開放1,000台工程探索版，與擁有極致探索精神的米粉、極客發燒友共創。小米社區的「CyberDog圈子」將打造良好的共創環境，為極客用戶們提供交流競賽的平台。小米還將設立小米機器人實驗室，邀請更多工程師一起探索更酷、更好玩的未來。

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

《拉近城鄉 軟硬兼備 原教向前行》
~高金素梅2021.04.15

科技數位化的時代來臨，城鄉差距已愈明顯，尤為原鄉地區、偏遠地區，我認為政府不應僅提供電腦之設施設備，更應該制定完善的課程及師資規劃。
經過我的質詢後，部長允諾我會用一個月的時間來研議出完備的軟硬體規劃！

最後，我針對「原住民族學校」的學習評量、學力測驗來跟部長討論，因為目前已有36所原住民族學校，我們有自己的課綱課程、教案教材、教學模組，將建檔於原民會的《原住民族知識體系》資料庫，以利學校保存及應用。
我認為我們原住民族教育體系已成熟，所以應要有屬於自己的評量檢測方式，不論是在學校課業上，更包含大考的基本學力測驗、學科能力測驗。

這是一件長遠且浩大的工程，但是我希望也要求教育部必須先提早做評估、分析，以利後續政策的推動及制定。
部長亦允諾我：會全力支持我召開教育部、原民會，以及所有原住民族學校來召開座談會。我們一起努力！

不要錯過 http://bit.ly/2lAHWB4

第二支 4K 畫質影片正式上線！
科技狗首支 4K Google Home Max 回看起來真的有夠尷尬...

螢幕面板資訊不透明這事兒也不是一天兩天的事情了
看過 30 台顯示器的科技狗當家扛霸子伊森的寫輪眼效能全開
帶你一步步檢測一下那些螢幕廠商都不告訴你的事！


::: 章節列表 :::
0:34 測試環境搭建
2:44 畫面評測工具
5:17 顯示能力實測
7:14 最後總結

::: 相關連結 :::
參考資訊
➡️https://bit.ly/373he7M

BZFuture 桌面大爆閃
➡️https://bit.ly/2MAuqrf

水姑娘的黃金聖品
➡️ http://bit.ly/2s4MYJF



::: 電腦配備 :::
處理器：Intel i5 9500K
主機板：GIGABYTE Z390 I AUROS PRO WiFi ITX
記憶體：GALAX HOF II DDR4 3600Mhz 8GB*2
顯示卡：GALAX GeForce® RTX 2060 ELITE White (1-Click OC) 6GB
硬體：GALAX ONE SSD 120GB
電源：Fractal Design Ion SFX-L 650W Gold
水冷：Fractal Design Celsius S24
機殼：Fractal Design Era ITX

::: 機殼規格 :::
上蓋：銀{白橡木}/ 鈦灰{核桃木} / 碳黑{玻璃}/ 金{玻璃} / 鈷藍{玻璃}
材質：鋁合金、鋼材、塑膠
尺寸：325 x 166 x 310mm
重量：4 kg
主機板支援：mini-ITX
電源供應器支援：ATX、SFX、SFX-L，長度小於 200mm
顯示卡支援：295mm x 125mm x 47mm
CPU 塔散支援：70mm / 120mm
儲存裝置支架：2 組 (2 個 2.5 吋 / 1 個 3.5 吋)
PCIe 槽：2
前 I/O 埠：USB 3.1 Gen 2 Type-C、USB 3.0 x2、3.5mm
上方風扇支援：120 mm x2
下方風扇支援：140 mm x2 (占用 PCIe 插槽x1)
後方風扇支援：預裝 1 顆 SSR3 80 mm 風扇
上方水冷支援：120 mm x2 / 240 mm x1

::: 螢幕規格 :::
MSI Optix MAG272CQR
售價：NT$13,888
螢幕尺寸：27”
螢幕比例：16 : 9
螢幕面板：VA
螢幕曲度：1,500R
色深：10bit (8bit+FRC)
反應時間：1ms (MPRT)
螢幕亮度：一般亮度 300nits
螢幕刷新率：165Hz
解析度：2,560 x 2,160
靜態對比度：3,000 : 1
色彩表現：92% DCI-P3, 120% sRGB
HDR 高動態範圍：HDR Ready
廠牌特色：NVIDIA G-Sync, AMD FreeSync, Mystic Light
I/O 連接埠：2 x HDMI 2.0b, 1 x DisPlayPort 1.2a,1 x 3.5mm Audio, 2x USB 3.2 Gen1 Type A , 1 x USB 3.2 Gen1 Type B
--------------------------------------
#FractalDesign #電腦螢幕 #科技狗

📖 Facebook：https://www.facebook.com/3cdog/
📖 Instagram：https://www.instagram.com/3c_dog/
📖 官方網站：https://3cdogs.com/
📖 回血賣場：https://shopee.tw/3cdog

▋ 有任何問題都來這邊找我們：3cdogs@gmail.com

本集聊電Jing要來延續上次MSI Afterburner教學
很多觀眾都在問要如何顯示GPU Power等資訊
其實這些是要透過外掛來連動到RTSS上才能進行監控
其實操作步驟不難，馬上就來看看Jing的教學吧!
--------------------------------------------------------------------------------------------
本影片為進階內容
觀看前強烈建議先服用以下兩部影片

【聊電Jing】如何在遊戲中顯示FPS和顯卡使用率? MSI Afterburner & FPS Monitor 監控軟體 設定教學!
https://youtu.be/1plzH3kl3vs

【聊電Jing】如何查看電腦的配備與溫度監控資訊? 11+3款電腦檢測軟體推薦 + 使用教學!
https://youtu.be/Zmg3iEBP8rA
--------------------------------------------------------------------------------------------
影片中使用到的軟體

MSI Afterburner
可在遊戲中顯示OSD顯示卡超頻軟體
官方網站：https://tw.msi.com/page/afterburner

HWiNFO64
非常完善的硬體規格監測工具
官方網站：https://www.hwinfo.com/download/
--------------------------------------------------------------------------------------------
碰到問題? 討論菜單或揪團約戰
快Jing來Discord吧! - https://discord.gg/WPxnySf

更多即時動態與貼文
都在FB粉絲團! - https://www.facebook.com/Jing94993

追隨我吧!
IG ／ https://www.instagram.com/jing4966
Twitter ／ https://twitter.com/xadcarry
bilibili ／ https://space.bilibili.com/302292951

#MSIAfterburner #HWiNFO64 #監控軟體