關於 伺服器電腦差異 ，我們在網路上蒐集到這些相關的討論、資訊與評價

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

三級的這段日子，我稍微整理了一下臉書粉專，還有這個粉專相關的內容。跟大家聊一下吧。

—
1. 粉專頭貼和封面更換

距離上次更新照片，應該有兩年了吧。之前的粉專頭貼和封面，是開始經營 Youtube 頻道時弄的。當時的設計師，都已經去英國唸書回來了。

一直想說要來更新一下，不過要換什麼實在沒什麼想法。剛好前幾天在 IG 發疫情週記的時候，從電腦裡面整理了葡萄牙的照片，整個旅遊回憶都上來了。於是我就挑了一張換在粉專頭貼。

而封面照片呢，是前年在兩廳院演講的時候拍的。那一場講座，是我人生中相當難忘的經驗。

我從 2013 年開始寫部落格到現在，一直都沒有為部落格或是粉專辦過大型的線下活動。我本來以為第一次的旅遊講座，會在台北的某個咖啡廳，真沒想到最後會是在國家戲劇院。我還記得那一場活動開放索票後，很快就額滿了，還超收了幾十個人，有點超乎預期。所以最後兩廳院才調整場地，把這場演講改在國家戲劇院的大廳。

那場講座的挑戰性非常高。因為整個國家戲劇院大廳，是一個很大的迴音空間，非常的安靜。靜到你筆掉在地上，全場都聽得到。所以我在講話的時候，超級戰戰兢兢，很怕中間出現一個小空檔，整場就沈默尷尬起來。

整體而言，我覺得很不錯，是個相當成功的講座，謝謝大家給我那麼即時的掌聲。我覺得應該有個 90 分吧（自己說），不知道大家怎麼覺得？好話歡迎留言，建議的話 IG 私訊告訴我就好XD

因為真的很少有線下交流的機會。那一天，是我跟粉專裡面的你們，非常難得的交流。我想放在封面照片
紀錄我們一起相處的一刻。

再來我想聊聊《創作者說》和《研究生的點數旅行筆記》部落格。

—
2. 《創作者說》回復週更及小改版

三級之後，馬上就先中斷了所有的錄音。這段期間暫時改為雙週更。

我有在臉書和 IG 跟大家更新這個資訊，沒有在節目裡面講。沒想到有聽眾直接在 Apple Podcast 留言敲碗了。說真的，還挺感動的。

講到這個，拜託大家有事沒事就去 幫我留一下五星評價 ，靠你們了。

然後，節目已經開始線上錄音了。所以從下週起，會回復成週更。依舊是每週四上線。

再來就是《創作者說》要小小的進化了。目前為止的來賓，都是以書的作者，或是電影的導演編劇為主。而接下來，會邀情像是音樂創作，網路影像創作等不同的領域的創作者，一起來聊創作的故事，以及對創作的想法。

我非常享受每一集跟創作者交流後，那種心中充滿鬥志的感覺。希望你們也會喜歡，也歡迎你把節目分享給你身邊「喜歡創作，想要聽聽其他創作者怎麼說」的朋友。

—
3. 《研究生的點數旅行筆記》改版及復更

開始寫這個部落格，已經八年。不過其實已經超過一年沒寫新文章。這當然中間有很多原因啦，也陸陸續續有跟大家聊到。不過雖然沒發文，卻是一直默默改版。改版的原因很瞎，主要因為太久沒更新，也沒注意到伺服器的通知，被砍了兩次網站。

通常網站連不上，都是有熱心的網友通知我，才意識到。非常謝謝大家的支持，很多舊文，還持續的有人在重複閱讀，以及新的朋友的加入。

當我發現網站消失的時候，先是深深地倒抽一口氣。然後開始找找看備份，復原備份，但往往沒這麼順利。因為網站久沒更新，會有一些套件的更新出錯等狀況發生。所以救回來的時候排版都是亂七八糟，逼得我要花上一週的時間好好整頓一下。

網頁技術在過去五年其實有很大的發展，不過「因為網站年久失修，不小心伺服器被關掉，所以改版」，應該也算是個很蠢的理由了XD

去年全球旅遊暫停之後，基本上是一個停更狀態。一方面沒啥旅遊可寫，再加上航空哩程根本就派不上用場，航空信用卡自然大家也用得比較少。就去忙別的事情了。

這一年，相信很多愛好旅遊的人，應該都跟我一樣不太好受。從一開始偶爾還會查查旅遊景點，超前部署一下之後的旅行。但慢慢的，當初訂的飯店和里程機票，也得一個一個取消。

今年五月，台灣正式進入三級。但在地球的另一端，加州和紐約，從六月開始解封，美國慢慢要回復之前的旅遊。總算，臉書上面的旅遊訊息也開始慢慢地動了起來。

被敲碗問說什麼時候要復更，也被問了超過一年了。我想大概也是時候開始寫點東西。接下來，我會從週更開始慢慢寫點文章。一方面更新一下部落格裡面的過期資訊，也把一些過去旅遊的紀錄補起來。

期待下一次坐飛機的時候來到。也歡迎大家去網頁看看新改版，之後部落格也會開始動起來。

—
4. 方格子的文章

因為之前部落格停更，粉專更新也比較少。有時候我會把放在自己臉書的文章，放在粉專跟大家分享。而這些文章，就跟旅遊，點數，信用卡關係很小了。

但是放在臉書上的缺點，就是要找的時候不太好找。一開始我把他跟部落格放在一起，但因為屬性實在不太一樣，感覺怪怪的。尤其有些文章比較跟 媒體識讀和科技有點關係，會有媒體要轉載。所以就開了一個方格子帳號，把這類型的文章留在方格子。

之後有一些跟點數，旅遊，信用卡比較沒有關係的文章，我也會同步在方格子上架。

--
5. 最後聊一下 IG。

我本來也不是一個習慣用 IG 的人，所以也很少大張旗鼓地請大家加我 IG。一開始用 IG ，是幫 教授 發照片，才開始慢慢的找到樂趣。漸漸的也越來越習慣使用 IG，慢慢抓到限時動態的節奏，以及他跟臉書的差異。

自從三級之後，我也開始每週更新我的疫情週記。現在也可以體會到 臉書 和 IG 發文的不同，算是個疫情下的新體驗吧。

所以來推廣一下吧，歡迎大家追蹤我的 IG 帳號。一樣的，會放在留言處。

--
大概是這樣，當作是 改版更新紀錄，重點整理一下好了XD

1. 臉書的大頭貼和封面圖片換了。一張是葡萄牙的旅遊照片，另一張是國家戲劇院講座的照片。

2. 《創作者說》下週起回復週更。喜歡這個節目的朋友別忘了幫我留下五星好評。

3. 《研究生的點數旅行筆記》改版更新，接下來會復更。

4. 方格子的帳號開張，與點數旅行信用卡較無關係的深入分析文，會放在那邊。

5. 歡迎大家追蹤 IG。

🔥每週遊戲新聞觀察-2021.05.W5
　
上週遊戲新聞觀察分享如下，
挑出以下4則新聞：
　　
📺《靚瞎眼，莉莉絲新遊戲是款“賽博朋克3D卡牌”！》
📺《觀察 | 首日參與超20萬，網易遊戲是如何搭建玩家回饋生態？》
📺《橘子集團成立全新平台「文學星」、「漫畫星」進軍網路文學與漫畫市場》
📺《向玩家撒幣300萬！《三國志·戰略版》怎麽反攻日本市場的？》
　
====
　
📺《靚瞎眼，莉莉絲新遊戲是款“賽博朋克3D卡牌”！》
https://bit.ly/3yIB065
　
去年《赛博朋克2077》討論度非常高，
遊戲也帶給玩家對於未來世界中科技的幻想感與秩序的崩壞感，
《劍與遠征》的開發商莉莉絲日前也在測試一款名為《Dislyte》的新遊戲，
其遊戲風格正是使用赛博朋克元素，
文章內有許多遊戲畫面與角色，
目前海外測試的評價也頗高，
我個人也相當期待！
　
📺《觀察 | 首日參與超20萬，網易遊戲是如何搭建玩家回饋生態？》
https://bit.ly/2RaUMWY
　
網易推出了一款APP叫做「遊戲會員俱樂部」，
近日在「遊戲會員俱樂部」內聯合旗下多款遊戲推出“遊戲同行回饋”活動。
　
活動期間，玩家每日遊戲在線30分鐘、完成首充、續費月卡、購買十連抽、購買時裝等，
都能前往網易遊戲會員俱樂部領取現金紅包、遊戲周邊、數碼潮品、生活好物等福利。
　
“遊戲同行回饋”打動玩家的核心在於，
玩家只需把時間與金錢投入在遊戲本身，
即可根據投入比重收獲福利回饋。
　
網易此舉的做法是將分散在各遊戲玩家，
將其納入同一個app中，
未來在分發導流上將更方便。
　
📺《橘子集團成立全新平台「文學星」、「漫畫星」進軍網路文學與漫畫市場》
https://bit.ly/3fwkRZI
　
這篇文章跟上一篇可以做個呼應，
其實遊戲橘子很早就有平台意識，
做了beanfun!這個平台將旗下所有玩家都納入此平台中，
而在近年移動化市場蓬勃發展下，
更是開發了《beanfun! APP》企圖將玩家從電腦轉移至移動裝置。
　
《beanfun! APP》從最早的帳號防盜功能，
開始與各遊戲合作，以虛寶吸引玩家下載，
到後來整合了購點、換物、聊天、電商、第三方支付，
現在又加入了漫畫、小說、新聞等內容。
　
可以看出遊戲橘子除了要提高既有會員黏著度外，
更希望透過不同內容吸引不同族群用戶下載，
再透過上述不同的服務達到引流變流的目的。
　
但想把每項服務都做得好，
前期燒錢是絕對免不了的，
後續就看此APP如何發展了。
　
📺《向玩家撒幣300萬！《三國志·戰略版》怎麽反攻日本市場的？》
https://bit.ly/3oPs1eD
　
《三國志·戰略版》於5/19日於日本上線，
我覺得這篇文章《三國志·戰略版》在日本上市的操作講的簡單又清楚，
我們來看看總共有哪些：
　
1.請代言人：請在《麒麟來了》中飾演主角明智光秀的長谷川博己，對歷史愛好者們是一種很好的帶動
　
2.產品特點宣傳上著重「公平對戰」、「真實地形」、「即時戰鬥」、「豐富編隊」、「巔峰對決」五點，我認為這五點每一點都可以單獨製作曝光素材，這樣有甚麼好處？
(1)對外來說，一次只對玩家溝通一個重點，在素材文案上更精準，方便玩家快速掌握訊息
(2)對內來說，拆解成五個重點後，就能在數位投放上做到更精確的分析。例如打出去後，發現主打「公平對戰」在點擊、下載、CPI、ROAS等表現更加，如此就能夠針對此系列素材加強行銷投放預算，以提高轉換率。
(每個素材不見得在點擊、下載、CPI、ROAS都很好，可能各有優缺點，怎麼判斷好壞視投放目的與營銷人員的分析與判斷)
　
3.由於《三國志·戰略版》已經在其他國家有優秀成績了，打出了全球下載量超過五千萬的口號也是吸引玩家下載的賣點之一，利用「從眾行為」來吸引下載。
　
4.使用實體獎勵來吸引玩家追蹤官方社群，《三國志·戰略版》官方推特发起抽獎，關注並轉发官方推特，就有機會獲得iPhone 12或亞馬遜購物券。
　
雖然只是有機會，但由於獎項足夠豐富的關係，以「低門檻、高報酬」成功幫助官方社群收集流量，未來只要持續且用心經營官方社群，就有機會達到鞏固忠誠玩家、接觸流失玩家與提高產品曝光之效。
　
5.開服就針對國戰舉辦高額獎金活動，對於每個伺服器完成“霸業·第一賽季”成就的聯盟盟主，獎勵10萬日元。而對於個人，共設置10個獎項，單人最高有機會獨享價值2000萬日圓。
　
以上就是《三國志·戰略版》在日本上市的操作，
另外文章也有分享為什麼大家都愛三國題材，
以及日本人看三國的角度差異(視曹操為曠世之英傑、呂布為無雙之猛將)等等，
都還蠻有趣的，
推薦大家有空可以閱讀一下。
　
以上就是本週的遊戲新聞觀察，下週見！
　
#文章同步部落格

M: 轉這麼快，如果鬆脫會怎麼樣？？
W: 會變血滴子...
【訂閱悟訢的頻道】http://bit.ly/AlanSub
【播放清單】http://bit.ly/AlanOML

【加入頻道會員】https://www.youtube.com/channel/UCH62AMbLmJy_PRI8SZS_F5A/join

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【時間索引】
00:00 開場
02:47 fission reactorcraft 事前作業與鈾燃料介紹
08:27 設置鈾燃料處理產線
16:59 離心機的轉速差異
20:32 結尾

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【模組使用列表 & 說明】（過期資料，不再更新）
http://bit.ly/AlanOMLList

【模組包、伺服器安裝教學】（過期資料）
Minecraft｜Legend 模組傳奇｜ep0 模組包介紹｜悟訢
https://youtu.be/YY69I-BfTaU

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【BGM】
曲：White All Around Us
作：光田康典
源：ゼノブレイド2 オリジナル・サウンドトラック

曲：Absolute Zero
作：regulus feat. 初音ミク
源：Planet Traveler feat.初音ミク

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【有想要寄什麼東西給悟訢嗎？】
悟訢的郵政信箱：
（如果允許的話，可以私下告知有東西寄出，這樣能避免錯過重要時刻）

＊中文＊
11299
台北郵局第 135-34 號信箱
悟訢收

＊English＊
P.O.BOX 135-34 TAIPEI
POST
135 11299
Taiwan(R.O.C)
WU XIN

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

悟訢的社群管道（歡迎 Follow 以獲取最新資訊）：
【Discord】https://discord.gg/TDvJf8K
【Twitter】https://twitter.com/alan6716
【Facebook】https://www.facebook.com/AlanLetsPlay
【YouTubeLive】http://bit.ly/AlanLive
【Twitch】http://www.twitch.tv/alanlovemiku
【Paypal 贊助】http://goo.gl/ZFB58I
【歐付寶贊助】http://bit.ly/AlanDonateAllPay
【電腦配備】https://goo.gl/e4UjWg

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【關鍵字】
#Minecraft #mod rotarycraft reactorcraft fission Fluorite Uranium Processor Isotope Centrifuge
#模組生存 科技 魔法 模組包 鈾燃料 同位素離心機 氫氟酸

M: 你最近有在踩飛輪嗎？
W: 家裡有...但是好久沒去踩了...懶
【本集的觀眾投稿】https://youtu.be/KagjznRX8mg
【訂閱悟訢的頻道】http://bit.ly/AlanSub
【播放清單】http://bit.ly/AlanOML

【加入頻道會員】https://www.youtube.com/channel/UCH62AMbLmJy_PRI8SZS_F5A/join

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【時間索引】
00:00 開場
03:39 潤滑油產線微更新
05:20 為何需要飛輪
06:49 設置飛輪
08:52 飛輪新舊版本差異
11:13 轉換能量到 ElectriCraft 的其中一個方法
14:02 更換 Gas Turbine 發電設施
20:06 結尾

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【模組使用列表 & 說明】（過期資料，不再更新）
http://bit.ly/AlanOMLList

【模組包、伺服器安裝教學】（過期資料）
Minecraft｜Legend 模組傳奇｜ep0 模組包介紹｜悟訢
https://youtu.be/YY69I-BfTaU

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【BGM】
曲：White All Around Us
作：光田康典
源：ゼノブレイド2 オリジナル・サウンドトラック

曲：ホワイトナイトパレード
作：蜂屋ななし feat. 初音ミク
源：Planet Traveler feat.初音ミク

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【有想要寄什麼東西給悟訢嗎？】
悟訢的郵政信箱：
（如果允許的話，可以私下告知有東西寄出，這樣能避免錯過重要時刻）

＊中文＊
11299
台北郵局第 135-34 號信箱
悟訢收

＊English＊
P.O.BOX 135-34 TAIPEI
POST
135 11299
Taiwan(R.O.C)
WU XIN

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

悟訢的社群管道（歡迎 Follow 以獲取最新資訊）：
【Discord】https://discord.gg/TDvJf8K
【Twitter】https://twitter.com/alan6716
【Facebook】https://www.facebook.com/AlanLetsPlay
【YouTubeLive】http://bit.ly/AlanLive
【Twitch】http://www.twitch.tv/alanlovemiku
【Paypal 贊助】http://goo.gl/ZFB58I
【歐付寶贊助】http://bit.ly/AlanDonateAllPay
【電腦配備】https://goo.gl/e4UjWg

～＊～＊～＊～＊～＊～＊～＊～＊～＊～＊～

【關鍵字】
#Minecraft #mod rotarycraft reactorcraft htgr steam turbine flywheel
#模組生存 科技 魔法 模組包 高溫氣體反應爐 蒸氣 渦輪 飛輪

標籤：#新楓之谷 #楓之谷

錯誤修正：待更新

影片章節：
0:00 影片大綱簡略介紹
1:25 社群交流
3:32 團隊合作
6:05 裝備製作
8:44 角色養成
12:02 地圖探索
13:19 個人看法

♫BGM♪：🔊🔊🔊
🔊🔊🔊
【外部連接區】
圖片資源來源：
https://forum.gamer.com.tw/Co.php?bsn=07650&sn=3644512

https://blog.xuite.net/lin.wubin/pudding?st=c&w=1538559&p=3
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●

如果喜歡~歡迎訂閱XD

※我的頻道：
https://www.youtube.com/channel/UCGGxr54lBRXgfQOjdKX96sA

可以看到頻道中其他的影片呦~還有別忘了訂閱個XDD

●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●

※我的FB粉絲團：
https://www.facebook.com/HatHat030

分享一些生活瑣事和遊戲中一些小攻略。

●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●

※我的twitch：
https://www.twitch.tv/hathat030

努力改善品質中......orz

●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●

※「針織帽」Discord伺服器：
https://discord.gg/YtPq6Ha

●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●

※新楓之谷：

伺服器 - 優依娜
角色ID - 一瞬間的決心
備註：有興趣可以找我聊聊天。030

●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
※電腦設備：
處理器（CPU）：AMD Ryzen 5 3600
顯示卡（GPU）：NVIDIA GeForce GTX 1060 6GB
記憶體：16G
麥克風：Blue SNOWBALL ICE USB 小雪球
耳機：HyperX Cloud Stinger Wireless 無線電競耳機
鍵盤、滑鼠：路邊貨

※剪輯軟體：
錄影軟體：Ocam（免費，但看清楚合約。）
影片剪輯：威力導演（付費）
縮圖製作：PhotoCap 6.0（免費）
素材裁剪：小畫家、剪取工具（內建）