這個禮拜台股黑一片,手上有持股的人應該臉也很綠,其中電子股的領跌,半導體佔很大一部分,而且不只是台股,費城半導體連跌了一個禮拜,直到星期五才反彈站回月線,究竟大摩出的記憶體「凜冬將至」的報告,無差別攻擊之下,手上的股票要如何審視呢?台股恐慌性賣壓中,強勢弱勢股都跌,跟著一起跳車會不會賣在阿呆谷?以及有人問到的,貨櫃三雄籌碼與技術面的問題,今天都一起來回答囉!
《記憶體真的凜冬將至?》
時間先倒回星期四,摩根士丹利,也就是大摩,出了一個報告標題寫著「Winter Is Coming」,說記憶體的寒冬要來了!結果美光大跌,以三星為首的韓國股市也大跌,更不用說台灣的記憶體族群,當然首當其衝,甚至還還蔓延到半導體晶圓代工也走弱。
產業基本面真的有那麼糟糕嗎?DRAM現貨報價確實已經連續一個多月走跌,法人看到的是「未來漲價不再,甚至供過於求」,所造成的利空罩頂,畢竟股價要反應的是未來,而這樣的狀況就跟面板報價有點類似。但也同樣的,面板報價有分小中大尺寸,不同用途的報價,記憶體在不同的類別,報價走勢也不相同,對於不同公司營收變化更是天差地遠,像是伺服器DRAM或許就還有往上的空間。
所以不同於法人的看法,最近各家公司也都出面向市場信心喊話,這次的風暴中心華邦電(2344),從總經理到董座其實都有說,這一波主要是高容量DRAM現貨價格在修正,而且公司主要是用合約價而非現貨價,接下來韓系大廠的擴產,其實也對華邦電的影響不大,所以目前看來,價格再往上的條件還在,Q3毛利率還會再上升,整體記憶體產業向上循環,今、明年都是此趨勢沒有問題。
另外,記憶體模組廠也可以觀察威剛(3260),他們則認為中長線來說,資料中心、5G建設、車電等應用,對DRAM消耗量持續增加,所以看好明年第一季以後,依舊可見市場供不應求的健康態勢,7月的營收衰退,主要是因為客戶端長短料影響,訂單是遞延,不是消失。至於利基型記憶體相關的IC設計,晶豪科(3006)每季跟客戶談一次價格,Q4合約報價在9月會與客戶洽談,價格是否反轉?公司還是保持正面看法。
說了這麼多,公司看法跟法人看法怎麼差那麼遠?就像盤中分析師其實也提醒,法人通常要殺股價,會以誰都看不到的「明年價格或景氣看法」來提出利空論調,時間還很遠,公司也難以駁斥,通常對於越遠的預測,公司的說法會盡量更曖昧,反而成為法人更好作文章的點。像是「第3季仍供不應求,預期第4季也不會太差」,這句話你可以解讀成旺到年底,也可以解讀為看法保守,那麼投資朋友又要如何檢視?
《怎麼評斷會不會殺低?》
這裡還是要讓大家先自己判斷一下,手上持股是做短,還是波段,甚至中長期的持股。如果是喜歡極短線甚至當沖操作的朋友,當然還是要以紀律優先,過了你的停損點,或是像華邦電破箱底,晶豪科破月線,就應該要趕快跑了,不然弱勢的行情之下,主力資金再壓一波,短線持續往季線靠攏都有可能,趕快把資金抽出來做其他的避險運用才是聰明作法。
不過如果是中長線的投資人,當然,記憶體市況還是多空分歧,整體產業大趨勢往下的話,自己要設定一個長波段出場的時間點。但早盤連線時,大家可能也聽說過分析師講「30元以下的華邦電真的算便宜了」!這裡指得其實就是若以EPS來計算的本益比,華邦電股價真的不算貴,所以還是很常看到低接買盤支撐,這也是為何20元以下的面板股,100元到季線之間的貨櫃個股,股價要再往下跌也很難。
所以空手散戶雖不建議搶進,但若是手上有股票,比較長線的投資人,盤中分析師也建議,先前該跑的時候沒跑,那麼就別急著在殺低時跑了。之後還是會有很大機會出現反彈,反彈時逢高分批調節出場,會是比較聰明作法。
同樣的延伸到其他產業別,我們常說的「居高思危」或是「別殺低」的評斷標準,其實就是蜀芳老師提過的ROE股東權益報酬率,一個族群通常法人在評斷進出場時,會用相關指標,或是本益比、殖利率等等觀察,像是鋼鐵大家可接受本益比大概就10倍,電子股大概面板、封測低一些,越是製程先進,或是越具未來成長性的,法人可接受本益比拉到30倍以上都有可能,大家可藉此來檢視手上的股票到底是「貴」還是「便宜」,以及今年獲利表現好,即使明年有雜音,配息可能也不會太差,都是要考慮到的點唷!
先來一個小結論:大盤往下急殺,特別是外資的資金突然抽離,週五大賣了超過兩百億元,率先影響到的當然是比較占有權值的個股,不論業績好壞,或是未來展望好壞,全部都先往下急殺一波,在這裡要不要跟著調節?較樂觀分析師是認為可以做多,瞄準位階較低、獲利較好的公司來買進,因為如果大盤多頭回來了,最有機會先飆漲的就是他們。但如果只有個股零星反彈,大盤卻未見起色之時,逢高調節賺價差,低點時再進場,也是一種方式,最近台北股市操作難度真的高了許多,建議新手們還是多看少做。
《籌碼好亂騙線怎麼辦?》
最後也來聊一下,有朋友先前提出兩個問題,貨櫃三雄的陽明(2609)出關後很有氣勢,週五盤中拉到最高140元的波段高點,但尾盤又翻黑,這個破前高還算嗎?
首先,貨櫃輪週五的尾盤往下拉,當然跟大盤信心不足,主力不想抱股過周末殺出有關。所以讓前高即使有過,追價力道還是不足,摸到後大概都回測在135~137元的日關鍵價徘徊,而且因為現在大家都做很短,最後收低壓在月線之下,就像盤中的分析師們所說,上檔層層的套牢壓力真的不小。
謝文恩老師連線時就說,現在他已經幾乎不看月均線啦,而是以每天的壓力與支撐,來做短線的區間評估,節目上他都會很清楚地給出支撐與壓力帶唷可以參考。週五尾盤的往下拉,壓低到當天的均價之下,代表賣方力道仍大於買方,大家要順著趨勢來做,而不是跟大戶作對。
畢竟籌碼太亂了,陽明135~140元可能都會是多空持續拉鋸的壓力帶。簡而言之,即使明天開盤135元先過,甚至又過了週五的壓力帶,但籌碼凌亂,整個股價的格局並沒有轉強,很難跟先前一樣有波段漲勢唷,雖然可能還需要多觀察,但現階段應該都還是急漲站賣方比較安全。
提問的朋友也有發現,籌碼凌亂顯現在融資餘額,主力大戶當然是希望用甩轎的方式去洗籌碼,而且陽明出關後可以發現,融資真的是根本洗不掉!股價一往上走,洗下船的融資又搶進,若真的要說操作建議,其實我是覺得避開啦哈哈哈!我私下和一些專業的投顧老師請益,大家也認為現在的行情真的很難做。
畢竟現在的走勢雖然是震盪整理沒錯,高出低進說得很簡單,但因為大家做太短了,每天的上下幅度其實都不大,即使恪守出場紀律,仍很難做到「小賠大賺」,比較容易是「小賠小賺」,繞了一圈又回到原點,所以回到像是陽明的股價來說,既然現在是個前高站不上去的型態,保險一點就不要去跟他賭「會過前高」,碰到前高壓力就調節,會比較安全一些。
明天又是新的禮拜開始,廠商這周借了一套大紅色的西裝給我穿哈哈哈,可以也來一個長紅的行情嗎🥺🥺🥺
#台股 #大盤 #加權指數 #電子 #傳產 #記憶體 #殺低 #騙線 #航運 #非凡最前線 #非凡新聞台 #最前線筆記
同時也有1部Youtube影片,追蹤數超過7萬的網紅Tech Dog,也在其Youtube影片中提到,#4K #QNAP #TS453D #NAS #網路連接儲存 #科技狗 ▌建議開啟 4K 畫質 達到高品質觀影享受 別錯過啦 👉 http://bit.ly/2lAHWB4 Google 相簿明年 6 月 1 日起就沒有免費啦 這種養套殺機制以前到現在看過很多 現在連不為惡的 Google 也...
利 基 型記憶體 應用 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
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
利 基 型記憶體 應用 在 股票會說話 Facebook 的最佳貼文
12/30 回到80元囉!
12/2 旺矽(6223)
旺矽是晶圓探針卡及光電半導體自動化設備廠,也是台灣唯一同時出挑揀和測試機台的廠商,營收比重為:半導體探針卡佔53%、光電半導體自動化設備(LED挑揀相關設備)佔17%;半導體探針卡應用領域為LCD驅動IC(佔66%)、邏輯IC(佔33%)及利基型記憶體IC(佔1%)。公司探針卡在高腳數、狹間距、高頻高速的製作技術相當成熟,不論是一般型或高頻測試用探針卡均可提供,且產品兼具微間距、同測數高的優點,不僅針測精準、並可替客戶節省晶圓測試成本。探針卡產品服務對象大多是晶圓代工、IC設計公司、封裝測試廠,主要客戶包括頎邦、南茂、京元電子、聯詠、nVidia、台積電等,至於LED機台銷售之主要客戶為晶電、大陸三安光電、飛利浦、OSRAM。
旺矽營運從去(2018)年起回溫,今年營運狀況更佳,尤其第三季受惠旺季效應發酵,單季每股盈餘達1.79元,優於前季0.56元與去年同期的1.61元,累計前三季EPS攀至3.5元,創近3年同期新高。展望後市,公司未來將以點測、分選、光電測試、影像檢測及自動化設備五大核心作為基礎,並運用溫度控制的技術,持續開拓半導體、光纖通訊領域等元件環境溫度測試市場,同時,公司亦同步開發微間距測試探針卡、高針數及高速測試探針卡,積極提高測試頻率及效能;旺矽去年起成長動能復甦,雖受中美貿易戰影響但今年營運績效已逐漸好轉,隨著5G即將商轉對5G相關封測需求湧現下,公司營運成長動能可望持續加溫。
利 基 型記憶體 應用 在 Tech Dog Youtube 的精選貼文
#4K #QNAP #TS453D #NAS #網路連接儲存 #科技狗
▌建議開啟 4K 畫質 達到高品質觀影享受
別錯過啦 👉 http://bit.ly/2lAHWB4
Google 相簿明年 6 月 1 日起就沒有免費啦
這種養套殺機制以前到現在看過很多
現在連不為惡的 Google 也這樣
還好我們先前就已經跟大家建立好 NAS 的一些功能
現在就是需要靠 NAS 自立自強囉
其實也不只是一般日常使用
對我們影像工作者來說 NAS 就是如基礎建設的存在
這次藉由開箱 TS-453D 來聊聊 QNAP NAS 的一些特色
以及 10GbE、5GbE、2.5GbE 對我們工作上的影響
最後則是科技狗利用 NAS 的工作流程
::: 章節列表 :::
0:24 私有雲應用
2:08 硬體規格
3:01 NAS 工作流
5:28 心得總結
::: QNAP TS-453D 規格 :::
作業系統:QTS
CPU:Intel Celeron J4125
RAM:1 x 4GB SO-DIMM DDR4, 最大支援 2 x 4GB
快閃記憶體:4GB eMMC
內部硬碟數:4 x 3.5" / 2.5" SATA3
最大總儲容量:64TB (4 x 16TB HDD 容量隨 RAID 而異)
PCIe 擴充槽:1 x M.2 PCIe Gen 2 x 2
USB 介面:2 x USB-A 3.2 Gen 1 + 3 x USB-A 2.0
乙太網路:2 x 2.5 Gigabit Ethernet
HDMI 輸出:1 x HDMI 2.0a (4K@60Hz)
磁碟型態:Single disk, JBOD, RAID 0, RAID 1, RAID 5, RAID 6, RAID 10 支援線上 RAID 組態遷移
建議售價:NT$16,899
保固:2 年
--------------------------------------
#4K #QNAP #TS453D #NAS #Google相簿 #GooglePhotos #擴充容量 #網路連接儲存
📖 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