#賀!黃心健導演VR新作《#輪迴》與《#星砂》雙料入圍第78屆 #威尼斯影展!
今日威尼斯影展正式公布本屆VR作品入圍名單,臺師大特聘教授黃心健導演繼2017年以《#沙中的房間》(La Camera Insabbiata)獲獎,今年再以科幻作品《輪迴》與《星砂》雙料入圍第78屆威尼斯影展「VR虛擬實境競賽片」單元,在台灣健兒於奧運奮勇奪牌的此刻,黃心健也以兩部力作叩關金獅,讓世界看見台灣。
《輪迴》此前已獲得西南偏南影展( #SXSW)評審團獎與坎城 #CannesXR 的最佳故事大獎。故事帶著觀眾進入一場橫亙千萬年的科幻旅途,如同佛家思想中的六道輪迴,觀眾在VR中不斷地轉世,成為不同的人與生物,用全新的身體重新感受宇宙,尋求自身性靈最終的超脫。《輪迴》述說在不遠的未來,地球因為人心貪欲而過度損耗,資源匱乏,人們彼此爭鬥引發毀滅性的戰爭,最終人類被迫逃離地球,在宇宙中尋求新的家園。但他們最終找到的新家,是否是在時間與空間中的輪迴?不斷向前的演化與進步,是否只是原地打轉的莫比烏斯環,缺乏了心靈的成長?本作品從認知理論的「具身認知」( #EmbodiedCognition)出發,利用VR的互動性,讓觀眾可以感受不同生物與角色的存在。當我們從不同人與物種的身體去認知與感受這世界時,我們才會真正理解他者想法與產生更深刻的同感心,並對自身存在有更圓融與完整的體悟。
《輪迴》的劇情牽動著生態、科技、資源分配與戰爭等多元議題,是一段人類自核毀滅後逃離地球的故事。殘存的人類嘗試在無垠的星際中,尋找下一個可以賴以生存的新星球,並以人工方式進化成一種新的生命體。但許多年過去了,人們漸漸發現其實自己永遠到不了夢想中的全新星球,他們只不過是在另一個時代,以不同的生命形式,一遍遍地返回地球。藉此反思著來自生命哲理的深刻教訓。黃心健探索並應用所謂「具身認知」的抽象概念,以此讓觀眾轉換到不同的肉體中,進而以全新的視角來體驗《輪迴》片中的世界觀。
《輪迴》VR 由 文化內容策進院 Taiwan Creative Content Agency 與 VR 體感劇院 VR FILM LAB 共同指導,為百分百台灣原生的VR 作品。體驗過程中,觀眾將化身為不同的生物在場景中互動。片中部分生物特別使用了台灣特有種動物,例如台灣黑熊與台灣藍鵲等;製作時亦結合了工研院和文策院的 4Dviews 拍攝技術,透過 48 台4DV-EX-Z攝影機,加上高感光度的全彩感測器組成的數位拍攝系統,無死角地拍攝動態畫面,以最新的體感科技呈現豐富的台灣在地元素,創造出《輪迴》片中極致的沉浸體驗。
而另一片入圍作品《星砂》則由黃心健導演、法國廠商 Lucid Reality與台灣 Oready 瑞意創科 攜手合作打造。故事講述外表呈現星形的多孔蟲「星砂」如同傳說中的星星一般,保存了地球數百萬年來的記憶;牠們是世界誕生的見證者,也是活生生的歷史記憶,在台灣的七美島以及日本八重山群島沿海,遍佈可見。《星砂》一作導入即時互動體驗,引領觀者前往澎湖群島的七美島、墾丁國家公園的星砂灣以及最南端的竹富島,一段動人的傳說自海灘上閃著星光的砂粒悠悠講起,並延伸至日本的神道文化,極富美感。
第78屆威尼斯影展「VR虛擬實境競賽片」得獎名單與頒獎典禮將於 9月11日揭曉, #期待黃心健導演能再擒金獅、為台爭光!
#黃心健 #HsinChienHuang
#samsara #chalkroom
#LaCameraInsabbiata
#VeniceInternationalFilmFestival #VIFF
#Thestarrysandbeach
#LucidReality
#OreadyInnovationLab
生態系統理論應用 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
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
生態系統理論應用 在 Facebook 的精選貼文
想收到完整M觀點精華摘要嗎?歡迎訂閱免費電子報〔M報〕https://bit.ly/345gBbA
[ 微軟發表 Win11 ]
■ 微軟上禮拜發布了最新的 Win11,將成為最新一代的 Windows。
• 目前預計在今年底,大約是holiday season(從11月底到12月中)時正式發布,到時候 Win10 用戶可以免費升級。
• 這消息一公布,馬上被大家笑,為什麼?因為 Satya Nadella 曾經說過,Win10 將會是微軟最後一代的 Windows。
• 我猜Nadella原本計畫應該是,要搞到像 Office 365 訂閱制這樣,每年不斷更新,一直維持在最新版就好。
• 但為何Nadella食言呢?我認為有兩種可能。
• 第一,我覺得不同層次(layer)的軟體本來就不一樣,像作業系統這種很核心的東西,是很難一直用雲端無痛升級的。有些時候你要做出很大的調整,可能就會讓某些舊東西無法繼續使用,甚至有硬體配合的問題。而Office是在作業系統上的應用軟體,就比較能在雲端上不斷升級,也不會造成舊東西失效或硬體衝突等問題。
• 另一方面,也很可能跟商業策略有關。上周有聊到,Nadella最重要的策略是把微軟從Windows公司轉成雲端服務的公司。
• 微軟的說法是,Windows已經是我們這間公司的過去,不是我們公司的未來。但或許2020年以後的現在,微軟的想法可能又有點改變了,他們在商業策略上也可能會做出一些調整。用英文來說可能比較清楚: Windows is the past.....but maybe not yet.
• 那就來看看Win11這次發布了什麼東西吧。
■ Windows 使用介面的調整(UI / Live Tiles 動態磚)
• 第一個,可能是第一眼看到的變動,把一直以來預設在最左下腳的「開始」按鈕,移到下方列的中間,但使用者也可以自行調回左邊。
• 有些人認為這可能是致敬 ChromeOS + MacOS。我個人是覺得還好,因為我對於 UI 層級的改變沒有興趣,這只是一種習慣性的差異,對我來說只是雞毛蒜皮小事,根本沒差。
• 不過在UI方面,微軟有了一個大改變,正是終結了Live Tiles動態磚的概念,這算是一件大事。
• 這東西是從Windows Phone 7 開始引進的概念,到Windows 8 時開始搬到電腦上。
• 但實驗了幾年,可能認為這個概念無法真的讓消費者與市場接受。所以微軟決定取消動態磚。
• Windows 也正式取消了它們的平板模式(Tablet Mode),這可能是因為使用者太少,加上多一種模式可能製造更多的bug問題。雖然可惜,
• 但其實我覺得 Tablet Mode 是平板與手機的最佳操作模式,比iPhone跟Android的操作模式都好,可惜微軟沒辦法在這種操作模式上建立生態系。所以雖然可惜,但我認為確實是正確決定。
■ Teams / Skype
• 剛剛第一個使用者介面的調整,我覺得沒有那麼重要,但接下來幾個就蠻重要了。
• 第二個重點,是微軟要把 視訊會議與通訊軟體的Teams,整合進 Windows。以後電腦一安裝完,就會內建 Teams。
• 很明顯的,微軟是要放棄之前強推的 Skype,把公司的要進攻通訊軟體的主力,押寶在 Teams 上。
• 為什麼會做出這個選擇,答案很簡單,因為Teams在去年大幅成長,而Skype相對已經不在大家討論的核心裡面。這當然對 Teams 的推廣上會有很大的幫助。
• Teams 目前的主要使用場域,當然是企業內部的通訊應用為主,而且在很多公司內部根本就是最核心的軟體。當然不能用LINE,因為LINE只是消費級軟體,而Teams是企業級的。
• 現在微軟把Teams放到Win11,象徵性意義就是不只要讓 Teams成為企業內部的溝通軟體,還要把目標推廣到一般大眾生活通訊的使用,就像當年的 MSN Messenger ,或現在台灣人使用LINE這樣。
• 這個策略能否產生更廣泛的使用,還有待觀察。畢竟這年代要只靠內建,就打倒已經有生態系的應用的軟體 (像是ZOOM、LINE、FB-MESSENGER),其實沒那麼容易,而且Windows的影響力已經不如當年。
• 以前微軟的Teams只免費放在企業版的Windows裡,家用版是無法使用的。但現在微軟打算把Teams也內建到一般人常用的版本,就可以用來做生活上的溝通。
• 當年微軟做了一件很蠢的事情,就是放棄在全世界有很多用戶的MSN Messenger,改用Skype。如果當年微軟沒放棄MSN Messenger,我認為或許現在台灣最主流的通訊軟體就不會是LINE了。
• 不過 Teams 的確算微軟現在有競爭力的產品,所以我認為放棄 Skype,主打 Teams 的確是合理的做法。
■ 支援 Android App + Amazon App Store
• 第三個重點,也可能是這次 Win11 發表引起最大討論的點,就是Win11正式支援了Android App,會透過Amazon App Store在Windows上安裝Android App。
• 以前要這樣做,你需要另外安裝模擬器。未來直接透過Amazon App Store就能直接使用。
• 這個策略我覺得非常強大,一口氣大幅增強了 Windows 內部的軟體生態系。以後你可以在電腦上,直接使用大多數的 Android 應用,而且即使這些應用軟體沒有推出 Windows 版本,你也可以在電腦上使用。這就會讓你使用電腦時,不用分心另外用手機。
• 這件事對微軟有兩個意義,一個是會增強Windows作業系統的能力。另一個是,這將會大幅加強微軟在安卓生態系的話語權。
• 以前你推出一個 Android App,當然考量的主要是 Google Play 上的表現,換句話說,擁有話語權的是Google公司。
• 但如果你是Android App開發商,未來很可能你也會考慮在 Windows 平台上的收入。
• 很有趣的是,微軟這次挑選的合作對象,也是他的競爭對手,是AMZN 的App Store 來合作。其實這些科技巨頭彼此都是相互競爭的關係,你說微軟這次跟AMZN合作,是因為他跟GOOG關係比較差,跟AMZN關係比較好嗎,這倒未必,畢竟兩者在雲端市場可是超級競爭的。
• 不過微軟跟AMZN發現,他們在另一個戰場,可以採用與競爭對手結盟來打更強的競爭對手,也就是 GOOG 與AAPL。
• 而AMZN 在 APP STORE 生態系這塊,一直表現很普通,如今也可以透過跟 Windows 的合作來加強地位。也就是未來會多了幾億台的裝置,上面會安裝有AMZN 的App Store。這也會加強AMZN在安卓生態系的話語權。
• 其實在中國,安卓手機可以安裝很多不同的應用商店,因為中國沒有Google Play;但在歐美只有Google Play一家獨大。現在微軟跟AMZN合作,就讓Android體系終於有個能跟Google Play競爭的競爭者。這會讓歐美市場比較像目前的中國市場。
• 這件事對Android軟體開發商也是好事,這代表競爭會變得很激烈,未來Google Play無法再壟斷。如果微軟跟AMZN合作,未來能占到整個安卓生態系的20-30%,雙方就要競爭誰比較好。簡單來說,把AAS做大,可以增加安卓生態系開發商的利益。
■ 微軟也宣布了Microsoft Store的一些改變,這被認為是針對蘋果而來。
• 第一,在Microsoft Store裡面,非遊戲的應用程式可做到不抽成(不使用微軟的金流的狀況下)。對比之下,蘋果是要抽30%的。這對非遊戲的應用程式,當然是很強大的誘因。
• 這點我個人是很期待的。因為大多數的Windows軟體廠商,你要買他們的線上版軟體非常麻煩,除了要上他們官網下載,還要在另外輸入序號,這是非常老派的作法了。現在這個年代的做法,應該是開個應用程式商店,讓消費者直接在上面刷卡購買,日後換電腦也可以直接安裝。總之,現在微軟做這件事,對非遊戲的軟體開發商應該有很強的誘因。
• 微軟這次的做法,跟蘋果的App Store有個很大的差別是,他們開放外部付費。也就是說不強制綁定微軟的金流,甚至可以讓消費者連到開發商自己的網站上付費。
• 這對於Spotify 應該是最有感的,Spotify應該很痛恨他們在蘋果App Store要被抽30%這件事,巴不得使用者直接去他們網站訂閱。但在iPhone上的App Store,是沒辦法讓使用者外連到其他網站的。
• 還有另一件事,微軟Microsoft Store可以接受「AppStore within AppStore」,允許在他們的Microsoft Store裡,可以有其他的應用程式商店。這件事是被蘋果禁止的,所以你看不到App Store裡有Steam或Epic Games Store。
• 這基本上就是打臉蘋果,而且我認為會對蘋果造成蠻大的壓力。
• 我們必須把微軟這次Win11的發表,當成是微軟全面和蘋果開戰的訊號。
■ Windows as a platform
• Satya Nadella 這次就出來談平台這件事。他說,一個好的平台,是要能夠讓他的平台上能長出比平台更偉大的東西。
• 這很明顯是針對 AAPL 而來,會替蘋果在反壟斷上創造很大的壓力。畢竟,微軟都可以這樣做了,為何你不能。
• 也就是微軟要以一個開放性的平台(Open Platform),來挑戰蘋果的封閉性平台。
• 理論上,開放性平台這個大旗子,應該是GOOG要舉的,但GOOG很明顯在捍衛開放性平台這件事情上,沒有領袖風範。我覺得微軟這次的策略,會對手機與電腦軟體產業,會帶來很大的改變。
• Nadella就說,微軟未來開放的Win11,所有第三方廠商軟體,可以接觸跟微軟自家軟體完全相同的 API,所有的API都開放。這跟蘋果的差別待遇不同,因為蘋果有很多API是只有他們家的第一方軟體可以用。
• 這個思考是我覺得為何微軟重新把Windows當成他們核心的原因之一,他們看到了蘋果封閉型平台缺點的趨勢,而這個缺點是開放性平台有機會取而代之的。
• 這次微軟的幾個策略,也代表了微軟要重新回到平台戰爭裡。我認為相當有趣,而我也看好微軟,因為現在的微軟有很清楚的願景,它知道一個平台在開放時,能得到什麼利益。
• 這跟蘋果的封閉型平台策略,到底誰輸誰贏呢?我覺得可能不會有哪一方真正勝出,但開放性的概念,我覺得會很受整個生態系的歡迎。
(想看其他主題的重點整理嗎?歡迎訂閱M報)
https://bit.ly/345gBbA
生態系統理論應用 在 生態系統理論應用在PTT/mobile01評價與討論 的推薦與評價
生態系統理論應用 在PTT/mobile01評價與討論, 提供生態系統理論圖、生態系統理論應用、生態系統理論舉例就來素食蔬食資訊集合站,有最完整生態系統理論應用體驗分享 ... ... <看更多>
生態系統理論應用 在 布朗芬布倫納的生態系統理論:影響我們人生的5 種作用力 的推薦與評價
布朗芬布倫納的 生態系統理論 :影響我們人生的5 種作用力1964 年,一位肩负使命的年轻心理学家出现在美国国会前。在那个时代,大多数人认为贫穷之于 ... ... <看更多>
生態系統理論應用 在 生態系統理論應用在PTT/mobile01評價與討論 的推薦與評價
生態系統理論應用 在PTT/mobile01評價與討論, 提供生態系統理論圖、生態系統理論應用、生態系統理論舉例就來素食蔬食資訊集合站,有最完整生態系統理論應用體驗分享 ... ... <看更多>