指數創新高,是爆量創天價的股票空間大,還是備受打壓的IP股空間大呢
今日指數仍創新高,預估量>5000E,每天市場當沖一堆,強勢股常常今天衝高,明天早上就掉下去,這會變成市場的常態,尤其最近原物料相關股不斷爆量衝高,震盪越來越大,這邊大家要思考的是,要買沖到歷史最高點的股票,還是回頭買被市場過度渲染利空的IP相關股票呢,當然有回檔的股票不只是IP股,這只是一個思考的方向
今天3661世芯亮燈鎖漲停,力旺+6%,其他包含所有IP股如金麗科、晶心科、創意、M31、愛普全面都往上走,我先舉例聯發科,今日再創1100元歷史天價,就是大舉吃下大陸市場,製程邁向5奈米,賣給大陸的都是最先進的晶片,當初聯發科不能賣給華為,不是聯發科產品的問題,是美國認為華為有問題,華為掛了市場沒消失,換個人來下單罷了。同樣的道理,世芯產品沒問題,是美國認為飛騰有問題,飛騰出局,或許未來會變成別人來下單。而金麗科更好笑,產品沒問題,客戶也沒問題,第一季EPS1.38元更沒問題,但股價跌得更慘,我知道昨天很多人在討論區都在說我最有種昨天喊買進,但其實我就是看數字辦事,趨勢不變,數字越來越好,股價被打四折,這邊不買以後會後悔,這邊買了兩個月後你會稱讚自己的睿智,因為大陸市場沒變,去美化更堅決,世芯若流失市場,對金麗科怎麼會是利空呢
另外IP股未來會走兩個路線,一個是中規題材如金麗科、世芯,另外一個是美規題材,如力旺、M31,力旺第一季EPS3.93元,符合今年要賺13~15元的預期,M31 EPS1.79元,雖不如力旺,但M31先進製程推進速度領先力旺,eUSB的IP已經推進到5奈米,在晶片微縮的過程,會有越來越嚴重的漏電問題,這IP可改善漏電的問題,未來晶圓代工都需要使用,台積電、三星都是客戶,而高通未來在晶圓代工下單,都要用到這IP,目前也持續要推進到3、4奈米,今年估計在台積電、三星、高通客戶加持之下,EPS將上看16~20元,後面業績會一路滾上去,後來居上超過力旺,目前力旺890元,M31只有一半不到,這比價空間巨大,將是純IP股最強大黑馬
MCU等IC設計前兩天強勢的,今天拉回整理,盛群法說確認下半年還要繼續漲價,九齊、紘康單月EPS分別上看1元與1.3元,第二季更厲害,拉回都是買進。驅動IC3545敦泰也回到206元,聯詠公告財報毛利率飆上43.6%,今日股價大漲創656新高,敦泰毛利率預估也將超過35%,第二季會>40%,單季EPS上看6元,股價相對矽創、天鈺、聯詠就是太過低估,可望漲回高點再創新高
8299群聯大漲創612元新高,也是因為通知客戶所有產品都要漲價,估計單月EPS>4元,股價一路飆高,我們布局另外一檔將跟進群聯大漲價的『五月精品飆股XXXX』,股價自高檔拉回整理兩周,漲回高點就可以賺4成,安全空間又大,將持續大買大賺一波,今日留言『168+連絡電話』,就可得最新精品股XXXX
直接撥打02-236593333翻倍專線,速度更快,掌握先機
LINE官方帳號 https://lin.ee/oiwWmOx
TELEGRAM頻道 https://t.me/stockmaster888
免責聲明:股市達人鄭瑞宗文章中分析之股票,僅供投資人作參考,投資請審慎考慮
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「奈 米 數字越 大」的推薦目錄:
- 關於奈 米 數字越 大 在 股市達人 鄭瑞宗 Facebook 的精選貼文
- 關於奈 米 數字越 大 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於奈 米 數字越 大 在 Sunny‘s 愜意時光 & 食光 Facebook 的精選貼文
- 關於奈 米 數字越 大 在 コバにゃんチャンネル Youtube 的最讚貼文
- 關於奈 米 數字越 大 在 大象中醫 Youtube 的精選貼文
- 關於奈 米 數字越 大 在 大象中醫 Youtube 的最佳貼文
- 關於奈 米 數字越 大 在 Re: [請益] 晶片大小除速度外,功能有差嗎? - 看板Stock 的評價
- 關於奈 米 數字越 大 在 揭秘三星3奈米真相!連台積電5奈米都比不上!工藝 ... - YouTube 的評價
- 關於奈 米 數字越 大 在 5奈米晶片 - YouTube 的評價
奈 米 數字越 大 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
軟體吞噬硬體的 AI 時代,晶片跟不上演算法的進化要怎麼辦?
作者 品玩 | 發布日期 2021 年 02 月 23 日 8:00 |
身為 AI 時代的幕後英雄,晶片業正經歷漸進持續的變化。
2008 年之後,深度學習演算法逐漸興起,各種神經網絡滲透到手機、App 和物聯網。同時摩爾定律卻逐漸放緩。摩爾定律雖然叫定律,但不是物理定律或自然定律,而是半導體業發展的觀察或預測,內容為:單晶片整合度(積體電路中晶體管的密度)每 2 年(也有 18 個月之說)翻倍,帶來性能每 2 年提高 1 倍。
保證摩爾定律的前提,是晶片製程進步。經常能在新聞看到的 28 奈米、14 奈米、7 奈米、5 奈米,指的就是製程,數字越小製程越先進。隨著製程的演進,特別進入10 奈米後,逐漸逼近物理極限,難度越發增加,晶片全流程設計成本大幅增加,每代較上一代至少增加 30%~50%。
這就導致 AI 對算力需求的增長速度,遠超過通用處理器算力的增長速度。據 OpenAI 測算,從 2012 年開始,全球 AI 所用的演算量呈現等比級數增長,平均每 3.4 個月便會翻 1 倍,通用處理器算力每 18 個月至 2 年才翻 1 倍。
當通用處理器算力跟不上 AI 演算法發展,針對 AI 演算的專用處理器便誕生了,也就是常說的「AI 晶片」。目前 AI 晶片的技術內涵豐富,從架構創新到先進封裝,再到模擬大腦,都影響 AI 晶片走向。這些變化的背後,都有共同主題:以更低功耗,產生更高性能。
更靈活
2017 年圖靈獎頒給電腦架構兩位先驅 David Petterson 和 John Hennessy。2018 年圖靈獎演講時,他們聚焦於架構創新主題,指出演算體系結構正迎來新的黃金 10 年。正如他們所判斷,AI 晶片不斷出現新架構,比如英國 Graphcore 的 IPU──迥異於 CPU 和 GPU 的 AI 專用智慧處理器,已逐漸被業界認可,並 Graphcore 也獲得微軟和三星的戰略投資支援。
名為 CGRA 的架構在學界和工業界正受到越來越多關注。CGRA 全稱 Coarse Grained Reconfigurable Array(粗顆粒可重構陣列),是「可重構計算」理念的落地產物。
據《可重構計算:軟體可定義的計算引擎》一文介紹,理念最早出現在 1960 年代,由加州大學洛杉磯分校的 Estrin 提出。由於太過超前時代,直到 40 年後才獲得系統性研究。加州大學柏克萊分校的 DeHon 等將可重構計算定義為具以下特徵的體系結構:製造後晶片功能仍可客製,形成加速特定任務的硬體功能;演算功能的實現,主要依靠任務到晶片的空間映射。
簡言之,可重構晶片強調靈活性,製造後仍可透過程式語言調整,適應新演算法。形成高度對比的是 ASIC(application-specific integrated circuit,專用積體電路)。ASIC 晶片雖然性能高,卻缺乏靈活性,往往是針對單一應用或演算法設計,難以相容新演算法。
2017 年,美國國防部高級研究計劃局(Defence Advanced Research Projects Agency,DARPA)提出電子產業復興計劃(Electronics Resurgence Initiative,ERI),任務之一就是「軟體定義晶片」,打造接近 ASIC 性能、同時不犧牲靈活性。
照重構時的顆粒分別,可重構晶片可分為 CGRA 和 FPGA(field-programmable gate array,現場可程式語言邏輯門陣列)。FPGA 在業界有一定規模應用,如微軟將 FPGA 晶片帶入大型資料中心,用於加速 Bing 搜索引擎,驗證 FPGA 靈活性和演算法可更新性。但 FPGA 有局限性,不僅性能和 ASIC 有較大差距,且重程式語言門檻比較高。
CGRA 由於實現原理差異,比 FPGA 能做到更底層程式的重新設計,面積效率、能量效率和重構時間都更有優勢。可說 CGRA 同時整合通用處理器的靈活性和 ASIC 的高性能。
隨著 AI 演算逐漸從雲端下放到邊緣端和 IoT 設備,不僅演算法多樣性日益增強,晶片更零碎化,且保證低功耗的同時,也要求高性能。在這種場景下,高能效高靈活性的 CGRA 大有用武之地。
由於結構不統一、程式語言和編譯工具不成熟、易用性不夠友善,CGRA 未被業界廣泛使用,但已可看到一些嘗試。早在 2016 年,英特爾便將 CGRA 納入 Xeon 處理器。三星也曾嘗試將 CGRA 整合到 8K 電視和 Exynos 晶片。
中國清微智慧 2019 年 6 月量產全球首款 CGRA 語音晶片 TX210,同年 9 月又發表全球首款 CGRA 多模態晶片 TX510。這家公司脫胎於清華大學魏少軍教授起頭的可重構計算研究團隊,從 2006 年起就進行相關研究。據芯東西 2020 年 11 月報導,語音晶片 TX210 已出貨數百萬顆,多模組晶片 TX510 在 11 月也出貨 10 萬顆以上,主要客戶為智慧門鎖、安防和臉部支付相關廠商。
先進封裝上位
如開篇提到,由於製程逼近物理極限,摩爾定律逐漸放緩。同時 AI 演算法的進步,對算力需求增長迅猛,逼迫晶片業在先進製程之外探索新方向,之一便是先進封裝。
「在大數據和認知計算時代,先進封裝技術正在發揮比以往更大的作用。AI 發展對高效能、高吞吐量互連的需求,正透過先進封裝技術加速發展來滿足。 」世界第三大晶圓代工廠格羅方德平台首席技術專家 John Pellerin 聲明表示。
先進封裝是相對於傳統封裝的技術。封裝是晶片製造的最後一步:將製作好的晶片器件放入外殼,並與外界器件相連。傳統封裝的封裝效率低,有很大改良空間,而先進封裝技術致力提高整合密度。
先進封裝有很多技術分支,其中 Chiplet(小晶片/芯粒)是最近 2 年的大熱門。所謂「小晶片」,是相對傳統晶片製造方法而言。傳統晶片製造方法,是在同一塊矽晶片上,用同一種製程打造晶片。Chiplet 是將一塊完整晶片的複雜功能分解,儲存、計算和訊號處理等功能模組化成裸晶片(Die)。這些裸晶片可用不同製程製造,甚至可是不同公司提供。透過連接介面相接後,就形成一個 Chiplet 晶片網路。
據壁仞科技研究院唐杉分析,Chiplet 歷史更久且更準確的技術詞彙應該是異構整合(Heterogeneous Integration)。總體來說,此技術趨勢較清晰明確,且第一階段 Chiplet 形態技術較成熟,除了成本較高,很多高端晶片已經在用。
如 HBM 儲存器成為 Chiplet 技術早期成功應用的典型代表。AMD 在 Zen2 架構晶片使用 Chiplet 思路,CPU 用的是 7 奈米製程,I/O 使用 14 奈米製程,與完全由 7 奈米打造的晶片相比成本約低 50%。英特爾也推出基於 Chiplet 技術的 Agilex FPGA 系列產品。
不過,Chiplet 技術仍面臨諸多挑戰,最重要之一是互連介面標準。互連介面重要嗎?如果是在大公司內部,比如英特爾或 AMD,有專用協議和封閉系統,在不同裸晶片間連接問題不大。但不同公司和系統互連,同時保證高頻寬、低延遲和每比特低功耗,互連介面就非常重要了。
2017 年,DARPA 推出 CHIPS 戰略計劃(通用異構整合和 IP 重用戰略),試圖打造開放連接協議。但 DARPA 的缺點是,側重國防相關計畫,晶片數量不大,與真正商用場景有差距。因此一些晶片業公司成立組織「ODSA(開放領域特定架構)工作組」,透過制定開放的互連介面,為 Chiplet 的發展掃清障礙。
另闢蹊徑
除了在現有框架內做架構和製造創新,還有研究人員試圖跳出電腦現行的范紐曼型架構,開發真正模擬人腦的計算模式。
范紐曼架構,數據計算和儲存分開進行。RAM 存取速度往往嚴重落後處理器的計算速度,造成「記憶體牆」問題。且傳統電腦需要透過總線,連續在處理器和儲存器之間更新,導致晶片大部分功耗都消耗於讀寫數據,不是算術邏輯單元,又衍生出「功耗牆」問題。人腦則沒有「記憶體牆」和「功耗牆」問題,處理訊息和儲存一體,計算和記憶可同時進行。
另一方面,推動 AI 發展的深度神經網路,雖然名稱有「神經網路」四字,但實際上跟人腦神經網路運作機制相差甚遠。1,000 億個神經元,透過 100 萬億個神經突觸連接,使人腦能以非常低功耗(約 20 瓦)同步記憶、演算、推理和計算。相比之下,目前的深度神經網路,不僅需大規模資料訓練,運行時還要消耗極大能量。
因此如何讓 AI 像人腦一樣工作,一直是學界和業界積極探索的課題。1980 年代後期,加州理工學院教授卡弗·米德(Carver Mead)提出神經形態工程學的概念。經過多年發展,業界和學界對神經形態晶片的摸索逐漸成形。
軟體方面,稱為第三代人工神經網路的「脈衝神經網路」(Spike Neural Network,SNN)應運而生。這種網路以脈衝信號為載體,更接近人腦的運作方式。硬體方面,大型機構和公司研發相應的脈衝神經網路處理器。
早在 2008 年,DARPA 就發起計畫──神經形態自適應塑膠可擴展電子系統(Systems of Neuromorphic Adaptive Plastic Scalable Electronics,簡稱 SyNAPSE,正好是「突觸」之意),希望開發出低功耗的電子神經形態電腦。
IBM Research 成為 SyNAPSE 計畫的合作方之一。2014 年發表論文展示最新成果──TrueNorth。這個類腦計算晶片擁有 100 萬個神經元,能以每秒 30 幀的速度輸入 400×240pixel 的影片,功耗僅 63 毫瓦,比范紐曼架構電腦有質的飛躍。
英特爾 2017 年展示名為 Loihi 的神經形態晶片,包含超過 20 億個晶體管、13 萬個人工神經元和 1.3 億個突觸,比一般訓練系統所需的通用計算效率高 1 千倍。2020 年 3 月,研究人員甚至在 Loihi 做到嗅覺辨識。這成果可應用於診斷疾病、檢測武器和爆炸物及立即發現麻醉劑、煙霧和一氧化碳氣味等場景。
中國清華大學類腦計算研究中心的施路平教授團隊,開發針對人工通用智慧的「天機」晶片,同時支持脈衝神經網路和深度神經網路。2019 年 8 月 1 日,天機成為中國第一款登上《Nature》雜誌封面的晶片。
儘管已有零星研究成果,但總體來說,脈衝神經網路和處理器仍是研究領域的方向之一,沒有在業界大規模應用,主要是因為基礎演算法還沒有關鍵性突破,達不到業界標準,且成本較高。
附圖:▲ 不同製程節點的晶片設計製造成本。(Source:ICBank)
▲ 可重構計算架構與現有主流計算架構在能量效率和靈活性對比。(Source:中國科學)
▲ 異構整合成示意動畫。(Source:IC 智庫)
▲ 通用處理器的典型操作耗能。(Source:中國科學)
資料來源:https://technews.tw/2021/02/23/what-to-do-if-the-chip-cannot-keep-up-with-the-evolution-of-the-algorithm/?fbclid=IwAR0Z-nVQb96jnhAFWuGGXNyUMt2sdgmyum8VVp8eD_aDOYrn2qCr7nxxn6I
奈 米 數字越 大 在 Sunny‘s 愜意時光 & 食光 Facebook 的精選貼文
🐮牛年的願望莫過於希望自己與家人都能夠健壯如牛,尤其當前疫情衝擊全世界,健康就是最大的財富。
我經常苦惱的就是~
隨著年紀增加代謝變得很差,工作經常久坐、缺乏運動,又喜愛吃美食,體重計上的數字越來越增加,間接也影響到睡眠與情緒,對身體產生負面影響。
💛薑黃是抗氧化以及促進代謝的好食材,許多養生營養學專家紛紛推薦食用薑黃的好處。
市面上薑黃保健產品也非常的多,這次為什麼會選擇《微米薑黃》呢?
💡一品微米薑黃
❶有SGS檢驗不含中西藥、重金屬,食品安全讓人安心。
❷利用微米(奈米)技術讓粒徑0.1um以下,更好溶解與吸收,有感度大大提升。
不僅養生與重視身材的人適合食用,像是經常熬夜、應酬的族群也是必備的保健法寶。
📒一般薑黃粉幾乎不溶於水,Sunny特地比較了一下微米薑黃加入水中的溶解程度,粉末細緻好溶解,稍微攪拌一下就均勻散開來了,感覺吃進肚子裡利用效率會更高囉!
🍔過年期間當然我也是餐餐美食不間斷,每天2顆微米薑黃膠囊,代謝up up,讓我稍稍減少罪惡感;微米薑黃是膠囊狀,配足量的開水很好吞服也無異味感。
👩👧👦年假放完我也跟著開工了,經常熬夜寫文,還要照顧家人,經常體力透支,補充微米薑黃膠順便補充活力,更有精神迎接每天的挑戰!!
提升代謝,除了薑黃輔助,也還是要搭配著正常作息與運動健身的習慣,新的一年,為了健康,我們一起加油吧!! #健壯如牛
🛒微米薑黃 👉https://forms.gle/UBCnS8BaRvqVRSjcA
#一品微米薑黃
奈 米 數字越 大 在 コバにゃんチャンネル Youtube 的最讚貼文
奈 米 數字越 大 在 大象中醫 Youtube 的精選貼文
奈 米 數字越 大 在 大象中醫 Youtube 的最佳貼文
奈 米 數字越 大 在 揭秘三星3奈米真相!連台積電5奈米都比不上!工藝 ... - YouTube 的推薦與評價
三星 大 玩 數字 遊戲誤導消費者!難怪沒人投單!7月25日三星電子生產的全球首批3 奈米 晶片產品出廠,首次向客戶交貨。 ... <看更多>
奈 米 數字越 大 在 5奈米晶片 - YouTube 的推薦與評價
因為臺積電在這個製程領先才能在7奈米、5奈米上領先對手三星、Intel,讓訂單持續湧入。 ... 三星大玩數字遊戲誤導消費者! ... 晶片先進製程優勢,差距卻越來越大。 ... <看更多>
奈 米 數字越 大 在 Re: [請益] 晶片大小除速度外,功能有差嗎? - 看板Stock 的推薦與評價
※ 引述《nissan168 (pingGO)》之銘言:
: 請教一下,聯電在晶片製程上,並沒有一味地追求7奈米、5奈米、3奈米的製造。
: 而是專心在成熟的製成上。這是我看到新聞上說的。
: 請教一下,晶片越小,除了運算速度快之外,還有其他什麼功能上的好處嗎?
: 那些90奈米、65奈米、45奈米、32奈米的晶片,是不是也可以做到同樣的事情?
: 在功能上,有沒有很大的差異?
: 聽說現在3奈米,已經到了物理極限了。有沒有什麼技術上很難克服的事情?
: 以上問題,希望懂晶片製造的專家,可以幫忙解惑一下?
: 別說谷歌了,我真的看不懂網路上寫的東西。
: 我只想知道,大晶片、小晶片,功能是不是一樣?
1.晶片小除了速度快外,也比較不耗電,也因為體積小
有助於穿戴式3c產品的發展,手機手錶都是,你可以把晶片塞到不同的地方
去做應用
2. 90,65,45,32奈米能做到一樣的事嗎?
No,這些數字代表線寬,越小表示運算速度越快(同樣的邏輯架構下)
3. 3奈米物理極限了嗎?
N16以下後都是FINFET架構,所以雖然說是3奈米,但其實是結構改變
已經不算是什麼物理極限了
線寬的追求,是需要扎實的技術堆疊,每一個世代,都是為下一個世代做準備
所以梁孟松說,半導體不存在彎道超車,我個人是認同的
每一個FAB就像是一個超大型的資料庫,不斷生產調整,這些大量的數據
就是真正的know how,公司的資產,但基本上是難以複製的
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.255.171.253 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1632419132.A.6A3.html
... <看更多>