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
需求 層級 理論 應用 在 龔成 Facebook 的最讚貼文
【龔成問答信箱】(Q18221-Q18240)
Q18221:
hi, 而家美國經濟數據各方面都係金融危機時期的水平,但科技股估值相反地在科網泡沫水平,顯得相當極端。經濟在現時環境基本都要需要一段長時間先復甦,而家利率極低,不停輸入流動性。
通常崩盤都因流動性問題而發生,咁其實而家係咪就算估值過高、經濟不景,但若聯儲局不停輸入流動性的話泡沫就唔會爆?
資金泛濫流動性充足,冇人需要賣出股票崩盤就唔會發生? 究竟係其他人陶醉緊定係現時環境其實沒有危機?
謝謝
龔成老師:
現時的經濟的確有不確定性,但有些因素,令股市出現這個情況。
第一,是資金,美國印銀紙令資金多,股市升都是正常,但這有機會令市場更加波動。
第二,美國都有不同的推經濟措施,部分會對企業有利,這就會實質支持到企業,不過,這可能只是中短期,如果疫情持續,企業盈利終會下跌。
第三,今次主要由科技股帶動,而部分企業,業務的確有實質上升,因此企業價值上升都是正確,所以不能話完全是泡沫。
要分析崩盤是十分困難的,同時絕對不能直線思維去分析。我地其實還原基本步,投資優質企業,長線持有,咁就得。只要你唔好用盡現金,即刻都有現金準備買平貨,其實已是風險管理。
------------------------------------------------
Q18222:
想請問新創建將新巴城巴業務賣出對集團發展係好事定壞事?
照計呢個時間賣應該唔會有好價錢
龔成老師:
其實新巴城巴業務一向都唔太賺錢,原理同九巴一樣,現金流算是穩定,但成本因素令盈利波動,因此並不是一盤很好的生意。
所以,賣出都是好事,但在這個時間賣出,其實不是最理想。
------------------------------------------------
Q18223:
龔sir又要請教你了!這次我想集中問關於潛力股的問題。
之前曾跟龔sir傾過我的新投資組合:
1.盈富基金
2.金沙中國
3.太古地產
4.中生製藥
5.中國鐵塔
6.福壽園
7.小米
老師您給的建議是需集中供盈富,以它作為核心,而潛力股則小注。而後來我又反覆思索,如何更有效地運用資金投資。
老師經常說需要有一個平衡的投資組合去分散非系統性風險,例如加入2800令投資組合更平衡。
但我想如果未來可能40,50年後2800的質素改變了,當中的改變的不是表面因素,而是核心因素,我們仍需要作出止蝕這個動作。老師說我們不能預測到後市,未來的市況如何。
而我想,買股票,買企業當中必然有風險,雖然買股票的大前提必然是最優質的企業,但我心想最出色的企業內裏定會存在一些我們行外人不為人知的風險。
因此,我現在在想,與其買優質的平穩增值股(2800),我倒不如集中買值博率較高的優質潛力股(1177)(1448)(788)這三隻。
我現時22歲,我認為我現時不怕高風險投資。我曾跟老師您講過我現時月儲7000,希望6年後能上到細價樓。我期望集中供這3隻股票(1177,1448,788)能在6年後儲到250萬。
現時我已差不多閱畢老師所有的著作,當然當中會有部分內容忘記了會去重溫。看完老師的著作後的確能大大提升投資者的實力。老師曾說過,在很多時候,投資風險高與低取決投資者的實力。
只要提升自身投資實力定會減低當中的風險,大前提一定是投資優質股。另外,老師都說過要投資你自己在認知範疇裏的行業,對行業要有充分的認識才可投資。說到這裏,我又想問問老師。(1177,1448,788)都是很優質的潛力股。
我認為現時我對於買入和賣出的時機已有一定認知,和這3隻股票的平貴範圍都清楚知道了。我想只買這三隻股票,我專門研究他們的年報可能研究10年,每年都研究,集中研究這三隻,任何關於這三隻股票都接收
確保對這三隻股票的認知是最高的。如果我能做到(只局限這三隻)把握時機買賣,分析企業的平貴能力,研究年報,是否令到風險得以減低?
因此,就上述而言,我年輕,不怕高風險,能把握時機買賣,分析企業的平貴能力,不斷研究這三隻優質的潛力股(1177,1448,788)的年報,我能夠只集中投資這三隻股票?
或者撇除買樓外,我是想憑這3隻股票可以滾存到大概200萬,然後擺落收息股,假設回報率5厘,每月取得8333蚊,之後再將這筆錢集中投資潛力股,這做法可以嗎?謝謝!
龔成老師:
首先,當我地進行人生財富累積,會運用「先增值,後現金流」作方法,年輕人應投資較多增值類資產,而較年長的,則應投資較多保守類項目,因為年輕人的財富系統未成形,同時負擔較少,可承受的風險度較高,所以會著重增值為先。
例如初期投資較有潛力的股票,令財富較快增值,當增值到一定金額後,可開始將財富分配至平穩增值型股票,然後到年紀漸長或已累積了相當財富後,才漸漸轉成收息型股票。
所以,你並不是組合中一成不變的,你年輕,這刻可以多一點潛力股,但過了10年、20年,你就要調整,潛力股的比例慢慢會減。
另外一方向,我地會分析企業的本質及增長力。
例如比亞迪(1211),我自己持有是因為佢有潛力,佢的電動車已發展,但如果過10年,大家都用電動車,產品已經普及,佢潛力的因素已完全出現,股價理論上升倍計,佢已不是「潛力股」,這樣,我到時就可能會賣出。
另外方面,我地要分析企業的質素,就算盈富(2800),也有機會賣出,但並不是因為股價,而是佢質素變左。一般的企業,每半年都會分析多一次,檢視佢的情況,佢的中期及全年業績,你要持續地睇。
你上述講集中3隻股票,你最好建立一個平衡組合,單一股票去到15%就好了不要過多。如果你見到貴,適當賣出是可以的。
另外唔建議你太快投資收息股,你賣出潛力股後,應該將資金找另一潛力股,到你年齡較大先考慮收息。
------------------------------------------------
Q18224:
老師,我一直都有買9988,每個月出糧就買一手,因為覺得佢公司發展唔錯,有潛力,又有盈利,業務亦多元化,但最近表現真係有d失望
無論有d咩利好因素/消息都升唔上,反而一有壞消息就跌得好勁,我諗緊好唔好先係依家有小小盈利情況下離場,轉研究另一隻股票,請問你意見如何?
本身都諗住睇長遠小小,被d耐性,但怕之後keep住都係咁
龔成老師:
阿里巴巴(9988)有質素,有增長力。
其實你的策略不差,無問題,你唔好理中短期股價,你要有買入企業持有3年,當中啊理股價的心態。記住「中短期股價絕不能反映企業真實價值,唔好被影響」
你最好買入後「唔好睇股價」。
另外,你每月入一手的方法,與月供類似,這類動作最好是長線,同時,你應該希望股價「先下跌,慢慢再上翻」,這你就能夠買到最多平貨,得到最大利潤。
反而當股價不斷向上,你愈買愈貴,更不利。
------------------------------------------------
Q18225:
老師想請教一下,我是股票班學生,在分析年報時 公司不會彼露客户佔比 那麼如何得知客戶對其公司的營收佔比 是不是只能從其他資訊上收集?
例如 華為佔對瑞聲科技在金屬外套上大部份收入 這個信息是從其他資訊來源獲得 。
假如我找不到或看不到這則資訊 而碰巧這對該公司佔了一個大佔比 在分析時會不會有個大影響?應該如何處理較合適?
另外 有關於瑞聲估值一問 因為對數學缺乏信心 想問問老師看法 我嘗試用上堂學習的計算了平均值其合理範圍大概是16.9-18.4,因此其合理股價為55-74 附近 請問這是正確嗎?
經常打擾老師 不好意思 再次謝謝老師指導。
龔成老師:
年報其實有講「5大客戶」的佔比,需要未必好詳細,但當投資者聯同外部的資訊一同分析時,就會有更立體的情況。
年報其實有好多有用資料,但你要睇得好仔細先得,例如附註往往有100頁,你要盡力找一些有用的資料部分。
至於估值方面,如果未有信心,就多做練習先,要分析超過10間企業先正式入市。你應該應上述估值,調低少少,就能有效反映佢的風險度。
------------------------------------------------
Q18226:
老師,我近排因為短炒輸咗10幾萬
我唔知點算好。睇詳書增加知識?
龔成老師:
你可首先睇:
《80後百萬富翁》
《股票勝經》
《財務自由行》
之後再睇其他。
你睇完《股票勝經》,就會明之前點解輸錢,因為短炒從來都唔會賺錢,只是無知散戶先會做的事。
------------------------------------------------
Q18227:
Thank you老師, 今晚上完堂,雖然我maths不嬲好差,不過你教既野又無想像中咁難,温多d就ok , 會比心機做好六福個評估下星期教功課。
另外之前問你意見個到,最後無係課堂到請教你,其實自己沉殿完都有答案,都知道而家真係要做好基本功,努力温習你d notes/睇多d 書, 增加長知識,繼續開源節流,同埋等個疫情好返再轉工增加收入,要耐心咁改變個困局。
不過都想請教你,開源個方面,有無d idea可以比我(or你覺得其他讀者分享過都可行既), 我之前有返party room part time但疫情關係無左
有做過foodpanda步兵,晚晚銀行放工就去,星期6/日每日12個鐘,每月都係最多3千幾蚊額外收入,不過最後行到膝頭哥痛就無做啦
我好清楚知道呢d人工唔高,又唔專業既part time只係短暫性,但一直發掘都唔知開源個到向邊方面發展,所以好想睇下你有無suggestion > <
龔成老師:
你要保持溫書,睇企業年報,運用「企業評估表」。
課堂是比你用一世的,因此你可以不斷用「企業評估表」分析企業,除了可以找到市場未發現的潛力股外,同時會令你不斷進步。
至於增加收入,興趣、你的強項,是當中的核心,你要向這方向發展,只要找到一個專業,你不斷投入時間,1年後你都能成為專家,你的身價就大不同。
做兼職是增加收入方法,但要做一些高時薪的,例如補習等超過$100的。
另外,兼職只是一些短期的解決方法,長遠要建立生意,或提高你的身價。香港有好多好好賺的生意,只是行內人唔會出聲,你要多尋找,唔好只睇大路的(大路即是開食店、賣衫等)。
你要從「解決市場需求、幫到人」的角度出發,同時要專不要做雜。
------------------------------------------------
Q18228:
有朋友話美國大選後,大市會大跌,應該遲D先入市
你點睇呢個選舉年而產生嘅經濟周期?
龔成老師:
唔好信選舉的預測。
我用4年前做例,4年前,個個以為特朗普會輸,但最後佢贏(這反映無得估)。
另外,當時民調,每次如果特朗普贏的機會率增加左,美股就下跌,選前,每一次都是這樣,市場認為佢會推跌個市。
到佢選到後,美股反而大升多個月。
所以,我唔相信有所以的模式走勢,唔相信有能預測到。
------------------------------------------------
Q18229:
龔成老師你好,想問你對新股農夫山泉的睇法,如抽到後可以留嗎?
另外,152 現時$13.2是合理價嗎?
龔成老師︰
農夫山泉(9633)是中國包裝飲用水及飲料的龍頭企業,旗下品牌包括農夫山泉、東方樹葉、尖叫等。
其產品覆蓋包裝飲用水、茶飲料、功能飲料及果汁飲料等類別。根據弗若斯特沙利文報告,2012年至2019年間,連續八年保持中國包裝飲用水市場佔有率第一的領導地位。
業務上,的確有吸引力的,不過,我一向都新股半新股都無興趣,因為真實面要慢慢先見到。此股可投資,但只建議小注,同時你要明白當中的風險。
深圳國際(0152)本質不差的,但中短期受中國情況影響,相信都會弱,現價合理,分注投資可以。
------------------------------------------------
Q18230:
老師麻煩你,想問下512遠大$8.5買入(不多)現在7.32,應否沽出?(可以中線持有)有否投資價值?感謝老師
龔成老師︰
首先,一定要了解股價下跌的原因,基本上,股價中短期上落好正常,但如果上落太大,就要了解翻當中的事情,有無一些影響企業核心的因素。
遠大醫藥(0512),係中國從事製造及銷售醫藥製劑及醫療器械、生物技術產品及營養產品、精品原料藥和其他產品。
佢旗下公司係中國最大之安乃近製藥商之一,其另一產品替羅非班作為治療心血管疾病之主要抗血小板藥品主導中國醫療市場。
整體質素是有的,但未去到好高。你持貨不多的話,可以守。
------------------------------------------------
Q18231:
龔sir您好!本人今年37歲,在疫情期間開始關注您的FB專頁,至今已經買了九本您的書籍,獲益良多。
本人在31歲的時候買了一份供五年的儲蓄保險,每年供USD6,250,合共USD31,250,已供完,定在65歲開始每月提取一筆款項。
請問我應否現在取回並投資在平穩增長股及潛力股?謝謝。
龔成老師:
好!多謝支持!記得要將知識「運用」,要跟書的指引去做。
我地進行理財,要建立一個攻守兼備的組合,如果你財富組合,沒有其他防守類配置,可以將這筆儲蓄保險,視為這部分,等佢自己滾存。
如果你本身已有防守類資產,而你想財富增長力強翻D,就可以將資金,轉到平穩增長股及潛力股,投資ETF如盈富(2800)+恆生科指基金(3033)都得。
------------------------------------------------
Q18232:
Hello 龔Sir,
我想問下你意見
我因為頭半年信錯人,導致損失30幾萬。依家后半年,要好努力還錢俾屋企人
甘我想係呢段時間增加自己嘅財務知識
咁我買左致富藍圖,因為我覺得書內容已經包括好多市面上嘅投資工具
而我對佢哋係零知識
咁我想問吓我睇完呢本書其實會適合邊一本書?
因為我想喺呢半年還錢嘅時間入面,好好吸收財務知識。等我真正還完錢,就可以踏出第一步
龔成老師:
過去的我地翻唔到轉頭,唔好再想,只要做好這一刻就得。
你努力在這段時間,保持知識的增長,之後就可以正式啟動財富的增值。
你可首先睇:
《80後百萬富翁》
《股票勝經》
《財務自由行》
之後再睇其他。
書本在三聯、商務、誠品都有得賣。由於部分書在一些書店已斷,所以若你見唔到,問下職員就得(又或向職員訂都可以)。
以下是我的12本書:
《80後百萬富翁》(第8版)
《80後2百萬富翁》(第4版)
《80後3百萬富翁》(第2版)
《財務自由行》(第6版)
《大富翁致富藍圖》(第4版)
《50優質潛力股》(第3版)
《50穩健收息股》(第3版)
《50值博倍升股》(第1版)
《股票勝經》(第3版)
《選股勝經》(第2版)
《年報勝經》(第2版)
《5年買樓4部曲》(第1版)
------------------------------------------------
Q18233:
龔成老師,想請教一下,隻981,$31 入,現在應等回升,還是止蝕?因我見到佢陰d陰d跌。
另外,我想買2800,現價買會貴嗎?
謝謝你
龔成老師:
中芯(0981)業務有增長力的,但你要注意幾點。
第一,佢是熱炒股,這類股一定高風險,可以升得勁,跌得多。
第二,你在貴的價位入,就算現價仍貴。
你如果貨多,宜減,如不多,暫時可以守住先。
至於盈富(2800),現價合理,你分注投資就得。
------------------------------------------------
Q18234:
你好,成哥,請問6049有能力反彈嗎?
我$77入場
龔成老師:
保利物業(6049)並不是無質素的,不過之前的估值較高,就等是這刻仍未算平,你要注意股價仍會較波動。
這股有得守,只要你持貨不過多就得,雖然中短期股價上落大,但長遠並不是無質素,基本上都有增長力的。
------------------------------------------------
Q18235:
龔成老師你好,我今年30歲,月入$12000,
但因畢業到現時常常失業,故此儲蓄只有一萬幾千
另仲還緊之前讀書時欠落o既學生貸款,大約4萬幾左右,
因為見自己年紀逐漸增長,希望可以改善現時貧窮的狀況,想問有咩方法建議?謝謝
龔成老師:
你要從收入方面著手,首先,要找出你長遠的大方向,你現時30歲,是發展事業方向的最後機會,要找到屬於你的行業職業。
你要從過往工作的經驗,了解翻自己,那些職業自己最喜歡,最有發展,自己較強。
唔好只想一些短期的事,要從長期方面去計算,唔好見步行步!
------------------------------------------------
Q18236:
老師,想請教下現價太古地産(1972)處合理水平,這刻應該增持還是將資金投放至潛力股?
因(1972)已經佔我投資組合的16%,過往買入價為24元,所以才考慮低價增持。
另外,謝謝老師讓我認識了什麼是價值投資,眼見身邊朋友炒炒賣賣已損手爛腳,還del了投資應用程式
龔成老師:
太古地産(1972)有質素的,但你預佢中短期較一般,不過長遠仍是正面,但就要耐心D。不過,你去到16%已差不多,唔建議再加,否則會太集中在單一股票。
我相信唔少人都經歷過短炒的誘惑,我20年前都試過,但當我明白這方法跟本賺唔到錢時,當時就決心唔再短炒,其中一個訓練,就是唔會經常睇股價。
你已行對了方向,保持進行就得。
------------------------------------------------
Q18237:
龔成老師,不時瀏覽你的文章,總係會打破到自身係思維,而係的分享亦到好實在好貼地同埋可令到我地呢啲普通人具執行性
最近我瀏覽到你的文章中見有唔少朋友個主動收入其實都好高(6萬以上),彷彿財富層級越高的人可以財富幾何級增值的機會就會就會越大
反之我地啲打工仔,好似永遠都只可以做到加數,想做到乘數同子數似乎係無從入手。
我係澳門生活,我相信高收入的人士好多,但感覺上自己要躍升上去成為高收入的人好似有重重的障礙,好似冇一點門路冇一啲方向去努力咁。
早2年都有相同的感覺,但個時以為自己仲後生仲可以摸索下,但至今依然係咁依然係好迷茫,好想揾一啲方向去努力,好想提升自己同愛的人的生活質量。
雖然依加自己收入都有22K/月,每月都可以草到10K左右,但係咁樣好似冇乜生活,草埋啲錢都好似做唔到啲咩咁
所以我的目標會想每月收入會達到40K,所以都想向老師請教一下有冇一啲踏實D的努力方向可以去探索一下!
而我依加就從事緊社工,知道呢份工冇乜可能躍升到;我都試過收工時間去外賣車手,但發現會極度影響到我正職的狀態,但我要轉工嗎?
但轉工我又暫時諗唔到有咩技能可以產生到高收入,但唔轉又會永遠卡住係呢個死循環,所以好想向龔成老師財富層級較高的前輩學習多啲平時係學校唔會教到GE野
龔成老師:
你做兼職,一定要做一些高時薪的工作。同時這只是一些中短期的幫補下,不能成為你累積財富的核心。
另外,你要想想長遠的發展,如果你只是為打工,人工做這份工,你就要想想,長遠(10年)後,你想怎樣,你要在仍有機會改變時改變。
好好想清楚,你的興趣、強項、發展。
自己如果真的在社工興趣這行,你就保持這行的發展,但就能力利用空閒時間,去做好投資,以及開發小生意(希望能幫你發展副業,初頭不多,但可能日後有發展)。你可以找一些網上業務等。
另一方面,就是要增加投資知識,你現時每月儲到$1萬,長遠都能累積一定的財富,只要做好理財,其實已經比好多人唔錯。
------------------------------------------------
Q18238:
老師你好啊。想請教下
我依家25歲,月入18k
每月草現金$8500
月供
$2500-2800
$1500-66
1. 諗緊加多$1000月供放係潛力股好定草現金之後一手手買潛力股?同埋需唔需要再調整下月供個金額個到?
2.另外潛力股方面睇中左幾隻,分別係1211,9988同1810,如果呢3隻入面邊隻會較好?
3.我想買你個本股票聖經,但搵過幾間書局都唔見有,知唔知道邊到有得買?謝謝
龔成老師:
1)現時不少潛力股都唔平,你用月供的方法,能更有效分散風險,月供$1000,已經可以進行。長期進行就得,如果股價上落好大,就有機會改金額。
2)都可以選,都是優質、有潛力的。比亞迪(1211)、小米(1810)潛力度較高。
3)書本在三聯、商務、誠品都有得賣。由於部分書在一些書店已斷,所以若你見唔到,問下職員就得(又或向職員訂都可以)。
------------------------------------------------
Q18239:
你好,龔sir, 驚美元與港元脫勾,港元會大幅貶值
但美元儲備不是無限,只有幾千億,足夠?
龔成老師:
香港要發行港幣,就要有足夠的美元,聯匯是1美元兌7.8港幣。
即是如果香港要發行780港幣,就一定要有100美元在手。
現時香港手持的儲備,是貨幣基礎的兩倍,因此定全無野擔心。
------------------------------------------------
Q18240:
老師想請教下個問題。而呢幾年,有好一堆既股票,特別係醫療設備/生物醫藥股,例如百濟神州,沛嘉醫療,愛康醫療,藥明生物,啟明醫療,美東氣車。
都係一D冇盈利/B仔股,而且係處於快速增長,市場成交量非常之低,成個股市既結構都唔似得傳統既股票,例如1177/1211。
想問下老師投資呢D股有冇咩要注意?呢D股好多都係倍升而且仲唔需要半年時間就上到去。風險係咪會比較高?
龔成老師:
當有新興的行業經濟模式出現,就會造就一些股價大升的股票,其實市場一向都是這樣的,但佢地成功的背後,同時面對一定的風險,以及有好多公司失敗左。因此,我地只要用平衡的策略就得,如果你有信心,就小注投資,如果你以為佢地模式一定成功就大注,你就危險了。
----------------------------------------------
若你有問題想向本人發問,可在龔成的fb專頁中(www.facebook.com/80shing)inbox龔成,但要注意如無特別聲明,有可能將問答放上網,當然,會將發問者的身份,以及有關個人資料的部分刪去。
另外,我所給予的各種意見,只是供大家參考,當中無任何銷售及推介,不涉及任何利益,其實大家應該要有獨立分析的能力,我只是給予一些方向及純參考模式。
由於提問人數眾多,見諒無法即日回覆,如果是普通的提問,預起碼要7天以上才能回覆,若然是較複雜的提問,起碼要10天才能回覆,希望各位能諒解。
需求 層級 理論 應用 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
劉志毅:區塊鏈技術與物聯網
2020-04-04 由 鏈得得APP
摘要: 在討論了區塊鏈技術在金融領域的應用之後,我們用兩講的內容討論區塊鏈技術在非金融領域的應用場景。作為一種新型的技術應用模式,區塊鏈被認為是「下一代網際網路」,在數字版權、身份認證和網絡安全等方面都有著非常重要的應用。正如我們之前所討論的,區塊鏈技術作為分布式網絡、非對稱加密、共識機制、智能合約等多種技術的組合創新,它帶來的是去中心化社區、流程的可追溯化、業務透明化、網絡智能化以及決策民主化等特質,因此區塊鏈技術開創了基於信用的價值網絡,如何通過這樣的網絡形成新的商業生態模式是我們理解區塊鏈技術在非金融領域應用的重要維度。
隨著全球物聯網技術的逐漸發展和各國政策的大力扶持,物聯網晶片、信息傳感器等產品逐漸成熟,有力地促進了物聯網的應用和普及。從物聯網概念興起發展至今,受基礎設施建設、基礎性行業轉型和消費升級三大周期性發展動能的驅動,處於不同發展水平的領域和行業成波次動態地推進物聯網的發展,基礎性和規模化的行業需求正在不斷增加。一方面,全球製造業正面臨嚴峻發展形勢,主要國家都制定了國家製造業轉型戰略,以物聯網、區塊鏈、人工智慧等為代表的新一代信息技術成為重建工業基礎性行業競爭優勢的主要推動理論,物聯網持續創新並與工業融合,推動傳統產品、設備、流程、服務向數字化、網絡化、智能化發展,加速重構產業發展新體系。另一方面,市場化的內在增長機制推動物聯網行業逐步向消費市場聚焦,受規模聯網設備數量、高附加值、商業模式等因素推動,目前物聯網發展的熱點行業是車聯網、社會公共事業以及智能家居等。在發展過程中物聯網也受到了諸多條件的限制,其中很多部分是可以通過區塊鏈技術解決其中的痛點的,這是我們理解兩種技術融合的基本邏輯。
首先看下目前物聯網行業的發展特點,按照全球物聯網的總體態勢,可以總結為以下三點:
◾第一, 物聯網發展的內生動力不斷增強,呈現出邊緣的智能化、連接的泛在化以及服務的平台化等特質。網際網路企業、電信運營商、設備商全面布局物聯網,產業生態初具雛形,多種不同類型的低功耗光宇網全球商用化進程不斷加速,物聯網平台迅速增長,使得服務支撐能力迅速提升。區塊鏈、邊緣計算、人工智慧等新技術不斷的與物聯網技術進行融合,為物聯網的發展提供了新的動力。
◾第二, 全球物聯網產業規模由2008年的500億美元增長至2018年近1500億美元,在連接數快速增長和梅特卡夫定律作用下,物聯網在各行業新一輪應用已經開啟,物聯網在各行業數字化變革中的賦能作用越來越明顯。新的應用範疇被開拓、新的技術演進在發生,也就形成了新的業務變革。
◾第三, 隨著物聯網應用速度的加快,全球網際網路企業、通信企業、IT服務商、垂直行業領軍企業對物聯網的重視程度持續提升,進一步明確了物聯網在其整體發展戰略中的地位,因此物聯網產業的理論不斷得以增強,成為了整個信息行業重要的戰略方向。與此同時,物聯網的深度應用以及利用物聯網的賦能實現大規模變革的行業企業比例並不高,上游物聯網技術、產品、平台等的供給側的力量遠大於需求端的理論,產業供需不平衡的問題很明顯。
然後看下目前物聯網存在的痛點,主要體現在以下四個方面:(1)數據傳輸成本較高:物聯網連接下的設備需要周期性的更新疊代,智能設備所獲取的數據流也需要在中心化的平台上匯總,因此每一次的互動傳說的成本和費用都非常高昂;(2)中心化的網絡帶來的安全風險:如果中央伺服器出現安全漏洞將會對整個網絡中的節點產生安全風險和隱患,曾經出現過超過200萬的物聯網設備被一次性的網絡病毒感染,使得相關服務遭遇運營、成本以及信任危機。(3)用戶隱私無法得到保障:當人們在物聯網中進行交流和交易時,中心化伺服器對大數據的掌控帶來了隱私泄露的道德風險,這一類情況在過去數年間的大型網際網路企業的相關案例中屢見不鮮。(4)非標準化的產業造成了網絡孤島的情況,由於物聯網廠商都基於自身標準搭建網絡平台,使得信息不兼容和網絡之間的溝通非常困難,這個情況在目前還沒有得到很好的解決,制約了物聯網的發展。
以上就是傳統物聯網產業的主要痛點,這些痛點基本上都是因為其採用的是集中式的服務平台來連接能力需求方和供給側的模式,根據有關機構預測到2020年全球物聯網設備要達到百億級別,那麼這樣的中心化模式將受到非常大的挑戰。為了解決上述問題,創新者們開始嘗試設計新型物聯網服務模式,其中通過區塊鏈技術來實現去中心化的物聯網服務就是非常有價值的嘗試。由於區塊鏈技術支持設備拓展,可以用於構建高效、安全的分布式物聯網網絡,以及部署海量設備網絡中運行的數據密集型應用,可以為物聯網提供信任機制,保障所有權、交易記錄的可信性、可靠性及透明度。同時,區塊鏈技術可以為用戶隱私提供保障機制,從而有效解決集中式物聯網帶來的數據管理、安全和隱私問題,推動物聯網向著跟家智能化的高級形態演進。具體說來,可以應用的場景包括以下主要的場景:
◾(1) 工業物聯網領域:在傳統的工業物聯網的組網模式下,所有設備之間的連接和通信需要通過中心化的網絡及通信實現,這極大的增加了組網和運維成本,同時中心化組網模式的可擴展性、可維護性和穩定性也相對較差。區塊鏈技術基於點對點的組網技術和通信協議處理異構設備間的通信,能夠顯著降低中心化數據中心的建設和維護成本,同時可以將計算和存儲能力部署到物聯網網絡各處,有效避免由單一節點失敗帶來的整體網絡失效或者崩潰的狀況。區塊鏈技術採用的分布式帳本具備防篡改的特性,能夠有效降低工業物聯網中任何單一節點設備被惡意攻擊和控制後帶來的信息泄露和惡意操控的風險。利用區塊鏈技術組建和管理工業物聯網,能夠即時掌控網絡中各種生產製造設備的狀態,提高設備的利用率和維護效率,從而能夠提供更加精準和高校的工業物聯網服務。
◾(2) 溯源防偽:利用區塊鏈的不可篡改、數據完整追溯以及時間戳等功能建立物聯網平台,可以對不同類型的商品以及食品、藝術品等進行溯源。利用區塊鏈技術搭建的防偽追溯能力開放平台,通過聯盟鏈的方式,可以實現線上線下零售商品的身份認證、流轉追溯與交易記錄等,從而更有效地保護品牌和消費者的權益,幫助消費者提升消費體驗,有效推動商業信用的提升。在食品領域,也可以通過區塊鏈技術與物聯網的結合,使得整個食物鏈都有證可查,每個環節都可以追根溯源,從而加強食品的可追溯性和安全性,提升食品供應鏈和透明度,保障食品安全,可以解決目前在這個領域出現的很多社會問題。在醫藥溯源領域,區塊鏈技術可以用於可追溯醫藥的交易、運輸和溯源的系統,推動藥品需求的可預測、採購流程的透明、庫存信息的合理以及物流運輸的高效,從而解決醫藥供應鏈上下游的信息不透明和信息不對稱難題。
◾(3) 智能交通:區塊鏈技術可以通過物聯網在智能交通在諸多領域發揮作用,比如在利用區塊鏈技術的不可更改性以及去中心化的共識機制,管理和提供車輛認證服務,從而實現電子車牌號認證服務;比如使用區塊鏈電子代幣(token)支付交通違規罰款、路橋通信費用等,實現即時付款和信息記錄,節省管理和運營成本;比如通過區塊鏈技術來記錄車輛的實時位置,通過區塊鏈平台的去中心化服務特性來判斷不同區域的交通堵塞的程度,提供區塊性的交通協調方案。
◾(4) 醫療領域:區塊鏈技術可以幫助建立可信共享的醫療大數據。醫療大數據的有效共享可以提升整體醫療水平,同時降低患者的就醫成本。醫療大數據共享是敏感話題,是醫療行業應用發展的痛點和關鍵難題,這主要源於患者對個人數據的隱私保護需求。區塊鏈為解決醫療大數據共享難題提供了解決方案,患者在不同醫療機構之間的歷史就醫記錄可以上傳到區塊鏈平台上,不同的數據提供者可以授權平台上的不同類型的用戶對數據進行不同層級的訪問,這樣降低了成本也解決了信任問題。
◾(5) 環保領域:環保行業的共享數據開放是一個非常重要的問題,這個領域可以通過區塊鏈和物聯網的融合來解決。通過區塊鏈技術可以解決環保監管過程中存在的末端監控、數據有效性第、監控手段單一等問題。環保行業通常利用建立相關監測系統,實現重點勿擾源自動監控、環境質量在線監測等功能,而在這中間存在著對環保監測設備和監測數據的信任問題。應用區塊鏈技術可以確保每個環保監測設備身份可信任、數據防篡改,這樣既能夠保障企業和機構的隱私,又能夠做到必要的環保數據開放共享。基於區塊鏈技術的物聯網平台,能夠實現不同廠家、協議和型號的設備統一接入,建立可信任的環保數據資源交易環節,助力環保等政策的落地實施 在環保領域比較典型的應用有三個方面:環保數據管理、一源一檔以及環保稅實施。污染數據從環保監測設備傳送到網絡過程中存在被篡改的可能性,區塊鏈技術能為每次監測提供永久性記錄,並通過應用加密技術防止篡改,提升數據的可靠性,加強對排污企業的監管。
除此之外,應用區塊鏈技術還可以實現排污全程的數字化跟蹤,避免人為因素對排污數據準確性的影響,這是在環保數據領域的應用。環保部門使用區塊鏈技術搭建排污企業基礎信息庫,對備案排污企業所有資料和污染設備進行集中管理,為每個污染源建立對應的檔案,並將檔案放在區塊鏈上防止偽造和篡改,同時採用區塊鏈技術非對稱加密的方式建立帳戶驗證機制,防止帳戶數據被竊取,從而建立一源一檔的機制。區塊鏈技術可以實現數據全網共識和共同維護,與物聯網結合可以更準確的採集排污企業的排污數據,同時應用區塊鏈區分授權,監管機構能夠標註免稅企業,防止企業濫用免徵條例。
◾(6) 能源領域:區塊鏈技術可以在一定程度上解決能源領域的產能過剩、新能源利用率和回報率低以及相關基礎設施和硬體配置不完備等問題。區塊鏈的分布式帳本可以實施分布式能源管理,相關的技術可以用於電網服務體系、微電網運行管理、分布式發電系統以及能源批發市場。同時,區塊鏈與物聯網技術融合應用能為可再生能源發電的結算提供可行途徑,並且可以有效提升數據可信度。此外,利用區塊鏈技術還可以構建自動化的實施分布式能源交易平台,實現實時能源監測、能耗計算、能源使用情況跟蹤等諸多功能。此外,物聯網與區塊鏈技術融合可以提升新能源汽車管理能力,主要包括新能源汽車的租賃管理、充電樁智能化運營和充電場站建設等,同時可以提升電動汽車供應商、充電樁供應商、交通運營公司之間的互聯互通和數據共享。
總結一下,區塊鏈在物聯網的應用場景豐富,基於區塊鏈拓展分布式物聯網可以實現跨環節和跨行業應用。除了以上場景之外,區塊鏈技術在物聯網領域的應用還包括數字身份信息認證、物聯網數據交易確權、5G網絡中的邊緣計算等領域,簡而言之,區塊鏈與物聯網融合一方面可以拓展去中心化、去平台化的分布式架構,另外一方面可以保障物聯網數據跨環節和跨行業流動的真實性,形成多方參與信息透明共享的溯源鏈,從而拓展物聯網應用。我們在關注這些應用場景的同時,也需要關注到區塊鏈技術目前還不能做到高性能交易,智能合約不夠完善以及數據遷移困難等問題,因此如何通過加強區塊鏈基礎技術的研究,將其與大數據、雲計算、人工智慧等技術融合,形成規模化和集約化的運營支撐體系,是區塊鏈技術在萬物互聯時代發揮作用的關鍵。
資料來源:http://www.chidaolian.com/article-43305-1