一口气看懂GPU生意：为什么英伟达能一家独大？ plus TPU

一口气看懂GPU生意：为什么英伟达能一家独大？ 大刘科普 96K subscribers Subscribe 2.6K Share Download Clip Save 131,935 views Jun 26, 2023 #大刘 英伟达是如何拿下AI这座山头的？为什么GPU的需求量越来越大？这期视频，技术+产业，一口通吃。 ===广告赞助=== 👉富途moomoo US开户需SSN：https://j.moomoo.com/00x9A6 #大刘 美国观众额外加码福利 最高16股！ 1. 开户送1股赠股,+美股LV2行情 2. 入金$100送4股赠股 3. 入金$1000送10股赠股，每股价值高达$2000 4. 入金$3888送一股苹果股票--频道专属活动 0佣金交易美股，免费深度摆盘，50万美金资产保险，一个账户交易美港股，中文客服 #大刘 澳洲观众点击该链接，入金AU$2,000送10股！ https://j.moomoo.com/00x9A6 #大刘 东南亚观众点击链接，最高可获得SG$208福利！ https://j.moomoo.com/00x9A6 开户入金问题，香港及其他地区的观众请加微信咨询： 👉富途moomoo客服微信：N333303 （大刘科普观众加好友时请备注2获得频道专属福利） 大刘科普 96K subscribers Videos About 200 Comments rongmaw lin Add a comment... @miantiaosi3366 @miantiaosi3366 8 months ago 这集信息量巨大啊！一下子让我理解了几个概念。复习和考试的比喻太绝了！ 12 Reply @ecowang3323 @ecowang3323 7 months ago 谢谢大刘分享，视频功夫做得很深。 2 Reply @PasserbyFC-wm1kc @PasserbyFC-wm1kc 8 months ago 虽然我看不太懂，但是很感谢up的分享，学习了很多！ 2 Reply @xiaolong174 @xiaolong174 8 months ago 1，TensorCore就是DSA，会带来软件生态的碎片化，CUDA当前支持就非常吃力 2，AMD有Brook+和Rocm，HSA起大早赶完集，收购ATI 动作慢了 3，最开始用GPU 做AI的是亚马逊工程师，然后是吴恩达，然后是alexnet 4，AWS，微软，谷歌云厂商都自研AI训推芯片，纯GPGPU市场空间被压缩 5，DPU/IPU没有像GPU一样的独立赛道，P公司被AMD收购，M公司被Nvidia收购，F公司被微软收购 30 Reply 4 replies @liyazhu4985 @liyazhu4985 1 month ago 太喜欢这期视频了！！反复温习！！ Reply @LMM988 @LMM988 3 months ago 講得很好！很容易明白！ 1 Reply @user-sinanjs @user-sinanjs 7 months ago (edited) 大刘真不错，我已经当bgm听了 Reply @perlkingneo @perlkingneo 8 months ago 谢谢分享，信息量太大，可以分两到三期讲细一些。 1 Reply @xiangwei558 @xiangwei558 10 hours ago 节目精彩，评论也精彩 Reply @lynn-dk5gs @lynn-dk5gs 8 months ago 吼吼，沙发，最近发现这个youtuber科普的，不错，赞！！！！ 3 Reply @user-hf3wo5lt7i @user-hf3wo5lt7i 8 months ago 非常给力，干货 Reply @Moshe_Digital @Moshe_Digital 8 months ago 老黄与苏妈都是台湾台南人~这两老乡不管谁爭赢了~都是百姓之福！纵使家财万贯~回台南都必须来碗~鳝鱼意面+善化的牛肉汤…台湾小吃👍 20 Reply 6 replies @shuyangshen2054 @shuyangshen2054 6 months ago (edited) 我并不认为Nvidia碰上AI是运气，其实AI是可以预见的，你比如游戏里很多场景是不需要单精度那么精确的浮点运算的，半精度或者四分之一精度足足够用，那么这种粗略但快速的计算模式就一定是被需求的。就比如人类看一眼桌子并不能计算出来桌子的长宽，但可以大概知道桌子的大小，但这就足够了，这也是AI做推理所需要的。 2 Reply @nathanzhu5562 @nathanzhu5562 8 months ago 大刘有空讲讲特斯拉dojo吧 1 Reply @nwpugod @nwpugod 8 months ago 可以讲讲光学卷积处理芯片吗？ 1 Reply @worldking5059 @worldking5059 8 months ago AI的分類很多,英偉達的AI只是側重在圖形對比,看兩圖的異同點,而把這圖形歸類為庫中的何張影像,再去判斷這圖形可能為什!!AI還有文句分析,還有文句和圖像連接,動態背景處理,還有聲音處理,還有速度等真實物理量的判斷,英偉達的AI應該是特用AI功能!! 4 Reply @morriswang5775 @morriswang5775 7 months ago 其實他們只是把原先像素圖面數學運算採用的演算法「晶片化」，很多生產AI晶片化的公司，並不完全瞭解或掌握整個數學運算，在相關設計軟件的協助下，可以快速轉換為實體晶片，這就如同早期設計CPU，就是使用一套軟件系統將IP描述語言直接晶片化，其關鍵不在AI晶片，在數學演算法的IP provider。 1 Reply @ansonkiek6471 @ansonkiek6471 3 days ago 请做一个AI 或者chat gpt 可不可以期待工业编程 PLC控制器 Reply @user-qt4om5od8t @user-qt4om5od8t 6 months ago 百度十几年前就自己做GPU，所以没有参与抢购英伟达芯片，黄仁勋在2018年之前和百度合作非常密切，李飞飞，吴恩达也曾在百度任职 1 Reply @wesleyzeng4087 @wesleyzeng4087 8 months ago 大刘最近好喜欢用“冗余”这个词 1 Reply @jamesfan681 @jamesfan681 8 months ago 說得贊! Reply @ysliao4397 @ysliao4397 7 months ago gpu受歡迎是因為他的驅動是免費的 專業卡的驅動都是訂閱制的 Reply @a-do4555 @a-do4555 8 months ago 大刘老师讲讲光学卷积芯片 Reply @qiangzheng5497 @qiangzheng5497 4 months ago 还想提一句，张量和欧几里得空间上标量、向量、矩阵地关系是，张量是向量空间相关代数对象集之间地多重线性映射，在同构（线性变换可映射和逆映射）意义下，n维空间的0阶张量是标量，1阶张量是向量，这个向量是n维欧几里得空间中的向量，2阶张量是矩阵，类推3阶是立体矩阵，即矩阵数组，等等，不是什么1维张量，2维张量... Reply @mustang251883 @mustang251883 8 months ago 国家科技高级顧问.🎉🎉🎉👍👍👍 1 Reply @user-wm1yb3zi9x @user-wm1yb3zi9x 6 months ago Learning is earning👍👍👍 Reply @qiangzheng5497 @qiangzheng5497 4 months ago 不是nvidia采用了sgi的技术体系，而且所有gpu显卡都是学习了sgi的技术，因为sgi是第一个搞图形工作站的，第一个开发实时图形工具库graphics library，即后来的opengl。而非实时软件三维绘图技术早在sgi之前就发展了十几年了，绘图算法都开发了很多，像pixal的renderman，早就在做电影动画了。nvidia真正采用比较多的结构是第一个在pc上做gpu的3dfx的voodoo卡，3dfx被nvidia收购了，此后nvidia才大发展。 1 Reply @chiao2408 @chiao2408 8 months ago 最近比较期待沐曦的产品 Reply @timmyngan @timmyngan 8 months ago 針對遊戲優化很麻煩 等市場做大了 兩邊有配合才好搞 Reply @zqx2962 @zqx2962 8 months ago 我猜大刘是理工科博士，富二代 2 Reply @stephenlee6105 @stephenlee6105 8 months ago 分析有理，講解還不夠充分？ Reply @sinsongazath644 @sinsongazath644 8 months ago 開頭說的遊戲顯卡只是出貨大，我並不能認同。要知道許多專業顯卡就是為了進行遊戲開發的 1 Reply @cgc5221 @cgc5221 8 months ago 可以介绍一下NPU和GPU的具体区别吗？ Reply 1 reply @user-rk2fs4ci5u @user-rk2fs4ci5u 8 months ago 粗浅的科普视频，却非常有自信的说很有深度，哈哈 13 Reply 3 replies @ecowang3323 @ecowang3323 8 months ago 功夫做得很深 1 Reply @jtes5401 @jtes5401 8 months ago 如果有組織來建立通用的AI計算平台，設計商只要依照規範設計晶片運算卡的話的確挺有可能從未來的AI市場分得一杯羹的。 畢竟NV卡貴又一卡難求，CP值較高的計算卡應該還是很有機會的。 不過OpenCL都下去了 要新起一個感覺挺困難的。 9 Reply 2 replies @user-ee2pf4el3l @user-ee2pf4el3l 13 days ago 这个模型在回答问题的时候，不具备联系上下文的能力，每一次都是单独的问题回答，和chat GPT比起来还是差远了 Reply @user-xf3km8gm1o @user-xf3km8gm1o 6 months ago NV更往AI和HPC分化的芯片出来了H100 Reply @datawu9283 @datawu9283 8 months ago 确实GPU不是专用的AI工具，之所以GPU比CPU强，是因为核心数量和内存带宽，也可以理解为同样面积下能放下的核心数(制程影响)，以及内存和核心物理距离的远近(带宽，苹果内存的带宽就比PC的高)。专门用于计算AI的硬件是要根据算法设计的，一般硬件设计制造估计需要1-3年，需要投入巨大，一旦有新的算法产生，那么投入就打了水漂。所以考虑到训练阶段的通用性，还是多投资GPU，而成熟应用则可以设计功耗更小的特定功能的推理芯片。 17 Reply 4 replies @ColdSplash @ColdSplash 2 months ago Riva182的代号是NV3，不是NV4 Reply @crazyonezsy @crazyonezsy 8 months ago 苹果的M系列芯片的能力可以看看 Reply @user-renpeng @user-renpeng 8 months ago NVIDIA用的开放的生态系统 1 Reply @kxbz7562 @kxbz7562 8 months ago 当然3Dlabs也是间接促成elsa和nvidia的合作 Reply @njyonjinlutonmout @njyonjinlutonmout 8 months ago 在没有gpu情况下，只要cpu带显存，那电脑也可以启动。但在没有cpu的情况下，gpu再好也没法启动电脑吧？！ Reply @kobedirk @kobedirk 8 months ago 你少提了tesla的dojo Reply @TLnDwXi @TLnDwXi 8 months ago 能否讲一下M2 Ultra ？ 再比较一下，谢谢 Reply @5xvpn @5xvpn 8 months ago 不得不说，除了时代的需要，英伟达的掌门人也很有战略眼光~ 1 Reply 2 replies @user-br2gg1lt6d @user-br2gg1lt6d 8 months ago 我的天，牛 Reply @milliondaysplay6006 @milliondaysplay6006 7 months ago 当初学AI的时候，觉得叠加十几层的逻辑层哪有芯片能算出答案 Reply @user-dg7yh3gg7m @user-dg7yh3gg7m 7 months ago 不对不对，游戏显卡营收好像占比还挺大的。 Reply @qiangzheng5497 @qiangzheng5497 4 months ago 来问博主个问题，在中国软件生态构建非常困难，技术难点到底在哪里？一个苹果公司产品和各种配套工具都能自己开发，把applestore生态建起来，说明技术上是能实现的，中国到目前到底哪个地方被卡住了？有什么办法解决？另外提一句，既然是讨论科技，不要总是把公司当前市值、销售额掺乎进去，那个和技术没多少关系，要多将技术细节上的科学原理，以及可行性和发展空间，能讲清这些才有说服力。拿小米和英伟达比就不合适，小米就是搞销售占市场，技术上没核心东西，都是拿来。英伟达是自研技术引导发展，基础是把计算理论研究地深入，而小米只想赚快钱，不好好学习。 Reply @dominiczhao123 @dominiczhao123 8 months ago 好久不见 Reply @user-og6rm7bu1q @user-og6rm7bu1q 8 months ago (edited) GPU有很多技術前沿都是來自AMD，但是因為AMD對軟體跟驅動的投入不足，每次都是起大早趕晚集 6 Reply 4 replies @catchfishattexas @catchfishattexas 8 months ago 另外SGI是以前鼎鼎大名的公司。和SUN，IBM差不多的公司。 Reply @user-wh9cc5zx1v @user-wh9cc5zx1v 8 months ago 大刘怎么啥都懂！不得不赞一下 4 Reply 3 replies @oscartsui2734 @oscartsui2734 8 months ago 訊息量太大了 Reply @alexyuan4106 @alexyuan4106 7 months ago (edited) 還有曾經紅極一時挖礦沒提到 Reply @winterheat @winterheat 8 months ago 沒想到在這兒聽到 IEEE 754 Reply @user-ix7mc2tc6p @user-ix7mc2tc6p 8 months ago 10前买英伟达的爽了！！！ Reply 1 reply @git462 @git462 8 months ago 默认都是fp64，而不是fp32 Reply @tomjust7310 @tomjust7310 8 months ago 张亮核心是麻辣烫。 Reply @xiaolong174 @xiaolong174 8 months ago 英伟达不会永远在大规模训练和推理芯片市场占据垄断地位。 --马斯克 5 Reply 1 reply @t0139770 @t0139770 8 months ago NTN2卡超跨時代 Reply @catchfishattexas @catchfishattexas 8 months ago (edited) 国产GPU设计，你少了终要选手摩尔线程，壁仞。尤其是莫尔线程，这个是直接出了可以打游戏的GPU，不是GPGPU 1 Reply 3 replies @williamlee1681 @williamlee1681 8 months ago 美国押注AI赛道，英伟达正好处于这个核心地位，所以股票会疯长。背后有金融操作的影响，目的当然是要让美国在AI领域保持大幅领先，这当然需要在这行投入以及吸引大量资源。相对的中国押注的是新能源领域。两国将在相当长时间里在各自选定的领域以各自擅长的方式投入资源，保持技术领先 6 Reply 9 replies @thomasbentley9968 @thomasbentley9968 8 months ago TPU这个领域，华为不应该缺席啊。 1 Reply @kxbz7562 @kxbz7562 8 months ago 英伟达要谢谢elsa Reply @lynchjason3292 @lynchjason3292 7 months ago 过于硬核，听晕了 1 Reply @mr.liberty3025 @mr.liberty3025 8 months ago 中国不进行政治改革，不太可能发展ai 2 Reply @TheJoey3815290 @TheJoey3815290 8 months ago M1晶片 Reply @howdareyouare @howdareyouare 8 months ago 果然谁都喜欢粗大的，粗大之放于四海皆为真理 2 Reply @taslfanz4291 @taslfanz4291 8 months ago 对于科技外行的我，说的太快，还是一头雾水 Reply @user-zq7qv4vm9n @user-zq7qv4vm9n 8 months ago 我还以为张亮是一个银！！！😂😂😂 Reply 大刘科普 · 1 reply @5xvpn @5xvpn 8 months ago 出了一个华人杰出人物，我感到自豪~ Reply 5 replies @edwardlin6985 @edwardlin6985 8 months ago 請降低說話速度，太快不利客戶收听！ Reply @x52540 @x52540 3 months ago 老話一句：有能者付出行動，無能力者只有夢想！ Reply @shinchin384 @shinchin384 8 months ago RT光追单元就是在英伟达全权收购了德国mental image公司的产品源码之后 进行了软逆向 再将它作为逻辑运算单元实现的产物 1 Reply @kjcguita7221 @kjcguita7221 8 months ago (edited) 中国没5nm制程技术，3D封装，材料，及设备商，赚不了AI钱吧？AI 是要用HPC的 Reply @user-temujin0x1 @user-temujin0x1 8 months ago ❤ Reply @rehacn5283 @rehacn5283 2 weeks ago 後遺症就是咱家的小孩，為了玩高速遊戲，一張張幾萬～十幾萬的這卡，瞞著你，也借錢來買，這些卡最後拖垮的，是家有電玩小孩的家庭，某一天，我們的遺產，就是留給小孩還貸款，最後做一個流浪人 Reply @w2468741 @w2468741 8 months ago 一家營運20幾年市值過萬億公司被你說成踩到狗屎運!!?? Reply @ShinChven @ShinChven 8 months ago “国产没戏” Reply @FuGui.W @FuGui.W 8 months ago 给你个建议，放慢语速，精简一些废话。你讲的都是技术含量很高的，你的目的是吸引更多的人观看并理解。放慢语速伙计 Reply @tobyli858 @tobyli858 8 months ago 什么是《JPU》？ Reply @fannewman4916 @fannewman4916 8 months ago (edited) 过去，中国的技术进步和进口替代，很让人高兴。 现在，内循环搭建起来，未必是我们中国人之福。 科技之恶，一定会在中国开花结果。 3 Reply @MarkZeng1227 @MarkZeng1227 8 months ago AMD不行嗎? 它跟Nvidia的差距是否已經達到無法取代的狀態? Reply 4 replies @SuperXas1 @SuperXas1 3 months ago 比特幣挖完他們就準備倒閉 Reply @f911911449 @f911911449 7 months ago 英偉達飛的越高，以後中國收購他就飛得更高 Reply @user-gu1bc6fm3e @user-gu1bc6fm3e 8 months ago 你那“顺便带一点xxx”的东西可以忽略不计，以后就不要提了，影响你节目的质量。 2 Reply @user-it8ie7jk5d @user-it8ie7jk5d 8 months ago 你跟黃秋生什麼關係~也太像 Reply @flyerzy @flyerzy 5 hours ago 中国优质的DATA训练资源还是严重不足，总不能天天翻墙去用国外的开放信息吧。 Reply @spacefreedom @spacefreedom 3 weeks ago 对计算机，电动车，火箭都理解的这么深入，咋还在这拍视频呢？ Reply @user-fi7js2zx5g @user-fi7js2zx5g 8 months ago 😋中國制的GPU 在哪 🤔 軟硬體關鍵技術依舊掌握在外國手中 依舊卡脖子 你列舉的中國廠商 沒一家進的了輝達供應鏈 Reply @user-cl6zq7vd6w @user-cl6zq7vd6w 7 months ago 中國的ai發展 全部都是監控人民方面發展潛力巨大 然而 在商業和民間發展 民心一言 可見笑話 1 Reply @doraemon_rain @doraemon_rain 3 months ago 小米直接哭死。看看别人混的多好 Reply @brianfufan @brianfufan 8 months ago 我敢断定，你用的是 iphone 而且是 10-13 代的，你的刘海出卖了你 Reply 大刘科普 · 1 reply @haoosc5017 @haoosc5017 8 months ago 这尼玛也太专业了吧face-purple-crying Reply 1 reply @user-cs2kc1lz6x @user-cs2kc1lz6x 7 months ago 腦冒煙了 Reply @songwill9017 @songwill9017 8 months ago 你要是看过几次老黄出来讲N家财报就应该意识到老黄在吹牛逼纯纯实力不弱的情况下运气好。老黄每年都会编一个新的领域出来然后说这个东西将是我们新的增长点。之前还有什么加密货币，元宇宙加速，SAP，等等的。老黄一直在试图踩风口，踩了好几年了终于踩上了。 Reply 1 reply @FlyDragon911 @FlyDragon911 7 months ago 講話不要含滷蛋 Reply @jjameslin8951 @jjameslin8951 8 months ago (edited) 黃仁勳是臺灣科技界唯一可比肩任正飛 人物... 2 Reply 9 replies @Zbcanberra @Zbcanberra 8 months ago 全是胡扯 1 Reply @harrychang9376 @harrychang9376 8 months ago (edited) 用正體字!簡体字醜死了!你講太快,又含糊不清,聽一下就放棄了,要改進! Reply 3 replies @CreativeEnglishTeaching @CreativeEnglishTeaching 8 months ago 你把问题搞复杂了，CPU属于线性计算，GPU是并行计算，通俗的讲CPU是单打独斗，GPU是群殴方式。chatgpt的需要的大量计算是需要大量显卡的，全球都在发展这个，那自然需要大量显卡 6 Reply 6 replies @huping7706 @huping7706 8 months ago yougotthis 比GPU更強的TPU？Google Tensor 處理器是什麼？厲害在哪？Pixel 7 Pro 跑分差 Google 憑什麼喜孜孜！ PanSci 760K subscribers Join Subscribe 6.8K Share Download Thanks Clip 345,135 views Jan 3, 2023 #鄭國威知識長 AI浪潮襲來，泛科學將打造AI 學習群組，跟大家一起破浪前行。你，準備好要上船了嗎？填寫問卷，不錯過最新資訊►https://lihi1.me/NEU6Y ►► 記得開啟CC字幕，觀看體驗更佳 勘誤： 11:17 AlphaStar 跟AlphaFold 是DeepMind 研發，Google 與 DeepMind 非同家公司，感謝網友指正 00:00 Pixel 手機跑分效能不重要？ 00:40 打開 Google Tensor 一探究竟 01:34 TPU、CPU、GPU 傻傻分不清？ 04:10 狂開產線的 GPU 提升處理效率 06:20 「礦工」挖礦、人臉辨識就靠 GPU 08:40 TPU 卷積神經網路分工合作更快速 10:05 AlphaGo 以 TPU 出「棋」制勝 11:44 你所熟悉的 Google 也用上 TPU // 延伸閱讀 // 噔噔愣噔愣～縮小術！用光學微影把 IC 晶片變小了 https://pansci.asia/archives/353519 從圖靈機到人工智慧，沒有「數學」怎能召喚電腦降世！https://pansci.asia/archives/133131 人工智慧的「黑箱作業」，類神經網路如何將生物分類的？https://pansci.asia/archives/163315 // 參考資料// CUDA 總複習：回顧 GPU 運算的起源 https://blogs.nvidia.com.tw/2020/10/2... What is a Tensor Processing Unit (TPU) and how does it work? https://towardsdatascience.com/what-i... What are Tensor Processing Units (TPUs) ? https://codelabs.developers.google.co... Google’s AI Processor’s (TPU) Heart Throbbing Inspiration / googles-ai-processor-is-inspired-by-the-heart Made by Google '22 • Made by Google '22 // 製作團隊 // 主持：泛科知識 #鄭國威知識長 企劃：王喆宣 腳本：謝富丞 剪輯：蘇庭緯 想和我們有更多互動嗎？加入會員 ► https://lihi1.com/BWeoe Chapters View all Transcript Follow along using the transcript. Show transcript Transcript 0:00 各位泛糰好 0:01 我手上這台 0:02 是 Google 新出的Pixel 7 Pro 0:04 從上一代 Pixel 6 開始呢 0:06 這裡頭的核心 0:08 就已經改用 Google 自行研發的 Tensor 晶片 0:11 不過從 Geekbench 資料庫的 0:13 Pixel 7 Pro 跑分效能結果來看 0:16 似乎差強人意 0:17 Tensor G2 晶片 0:19 不僅跟不上目前用在 Android 旗艦機型的 0:21 高通 Snapdragon 8 Gen 1晶片 0:24 甚至還不及去年的 Snapdragon 888 0:28 Why 0:29 但沒想到 Google 對這個偏低的分數 0:31 表示「很滿意」 0:33 這是怎麼回事 0:34 是因為自家生的孩子不忍苛責 0:37 還是Tensor 晶片真的有過人之處呢 0:43 Google 晶片的產品總監 Monika Gupta 說 0:46 他們設計晶片是專注於 0:48 5年後的機器學習需求 0:50 傳統跑分在某個時候是有意義 0:53 但 AI 創新改變了時代 0:55 現在傳統跑分測試其實沒那麼重要 0:58 雖然現在人使用手機 1:00 大概很少用超過5年了 1:02 但確實我們今年看到 AI 發展 1:04 是完全跳躍成長的 1:06 Google 開發的 Tensor 晶片 1:08 號稱是專門為了 AI 設計打造的晶片 1:11 我們打開處理器 Google Tensor 一探究竟吧 1:15 裡面放著我們認識的 CPU GPU 1:18 左上角這一小塊 1:20 才是有著 AI 運算能力的TPU 1:23 Tensor Processing Unit 1:24 張量處理單元 1:26 要了解TPU 1:27 我們先來看看它的前輩 1:29 CPU 和 GPU 是如何運作的吧 1:33 不論手機 電腦 還是超級電腦 1:35 當代計算機的通用架構 1:37 都是使用以圖靈機為概念設計出來的 1:40 馮紐曼架構 1:42 也就是程式指令記憶體和資料記憶體 1:45 合併在一起的概念架構 1:47 這種可儲存程式的電腦架構 1:50 從1945年被提出之後呢 1:52 就一直被使用到現在 1:54 在這個架構中 1:55 除了輸入輸出設備之外 1:57 包含三大結構 1:59 記憶體 Memory 2:00 控制單元 CU 2:02 以及算術邏輯單元 ALU 2:04 在你的電腦主機中 2:06 控制單元和算術邏輯單元 2:08 都被包在 CPU 之中 2:11 也就是中央處理器 2:13 記憶體呢 則以不同的形式 2:15 散布在電腦之中 2:16 並且依照存取的速度分為 暫存器 Register 2:20 快取 Cache 2:22 主記憶體 Main memory 2:24 與大量儲存裝置 Mass storage 2:27 對應到我們的硬體設備的話 2:29 就是SRAM DRAM 和硬碟 2:32 層級越低 存取速度就越慢 2:35 但儲存成本也越低 2:37 算術邏輯單元負責運算 2:39 透過邏輯閘進行加減乘除 邏輯判斷 2:43 平移等基礎運算 2:45 透過一次次的運算 2:46 完成複雜的程式 2:48 要把不同的邏輯閘 2:49 放在同一個晶片當中 2:51 可不是件簡單的事 2:52 可以點開我們之前介紹半導體製程的影片 2:56 看看半導體產業是怎麼做出晶片的 2:59 有了精密的算術邏輯單元 3:01 還有一個很重要的工作 3:03 就是流程管理 3:04 也就是控制單元最主要的工作 3:07 為了加速計算 3:08 控制單元會分析任務 3:10 把需要運行的資料與程式 3:13 放進離算術邏輯單元最近 3:15 存取速度最快的暫存器中 3:18 在等算術邏輯單元完成任務的空檔 3:20 它也不會閒著 3:21 它會判斷接下來工作的流程 3:24 事先將後面會用到的資料 3:26 先拉進快取以及主記憶體 3:29 並在算術邏輯單元完成任務之後 3:31 安排下一個任務給它 3:33 然後把半完成品放到下一個暫存器中 3:37 等待下一步的運算 3:39 這簡單來說呢 3:40 CPU 就像是一整間工廠啊 3:43 算術邏輯單元是負責加工的機器 3:46 硬碟是大型倉儲倉庫 3:49 暫存器以及快取 3:51 是產線上存放原料以及半成品的箱子 3:55 控制單元則作為流水線上的履帶 3:58 以及機械手臂 4:00 不斷地將原料還有半成品運向下一站 4:04 同時控制工廠與倉庫間的物流運輸 4:07 讓效率最大化 4:13 隨著科技發展 4:14 人們需要電腦處理的任務量也越來越龐大 4:18 你知道你隨手拍的一張照片 4:20 含有多少資訊量嗎 4:22 一張 1080P 的相片含有 1920×1080 4:26 總共 2,073,600 個像素 4:29 還不只有這樣 4:30 在彩色照片中 4:32 每一個像素還包含 RGB 三種數值 4:35 如果是有透明度的 PNG 圖片呢 4:38 那還再多一個 Alpha 值 4:41 也就是一張照片就有800萬個元素要做處理 4:45 更不用說現在的手機 4:46 很多都已經能夠拍到4K以上的畫質 4:49 這對於 CPU 來說實在過於辛苦 4:52 因為 CPU 只有一條生產線 4:55 我們能做的就是增加生產線的數量 4:58 資訊工程師也發現 5:00 其實在影像處理的過程中 5:02 瓶頸不是在於運算的題目過於困難 5:05 而在於工作量非常龐大 5:07 因此比起增加算術邏輯單元的運算速度 5:11 不如我們重新改建一下原有的工廠 5:14 在廠房中盡可能放入更多構造相同的流水線 5:19 而倉庫這種大型倉儲空間呢 5:21 則可以讓所有流水線共同使用 5:24 這樣子不僅能夠增加單位體積中的運算效能 5:28 在相同時間內也可以產出更多的東西 5:31 減少一張照片運算的時間 5:34 顯示卡的大廠 NVIDIA 在 1999 年初次提出了 5:38 將圖形處理器獨立出來的構想 5:41 並發表了第一個為加速圖形運算 5:44 而誕生的 GPU Graphics Processing Unit 5:48 NVIDIA 的 GeForce 256 5:51 這也就是歷史上第一張的顯卡 5:53 在一顆 GPU 當中 5:55 會有數百到數千個 ALU 算術邏輯單元 5:58 這就像是把許多的小 CPU 塞在同一張顯卡上 6:02 在影像處理的過程中 6:04 控制單元會把每一格像素 6:07 分配給不同的算術邏輯單元 6:09 當大家都只要處理相同的工作 6:12 例如 一起把紅色加深 6:14 或是把透明度調低 6:16 這種單一的工作 6:17 GPU 就可以大幅提升處理效率 6:20 這也就是為什麼加密貨幣市場中的礦工們 6:23 大部分都會使用 GPU 作為挖礦工具 6:26 因為礦工們實際在做的計算並不困難 6:29 重點是要不斷反覆計算 6:32 處理有龐大工作量的「工作量證明機制」問題 6:36 而利用 GPU 加速就是最佳解 6:39 但隨著社群媒體的發展 6:41 影像處理技術的需求 6:42 也隨著變得困難 6:44 沒錯 6:45 我說的就是你常用的濾鏡 6:47 人臉辨識 6:48 和去背功能 6:50 比起單純的調整照片明暗 對比度 6:53 電腦要能夠辨識物體 6:55 可是更加複雜的工作 6:56 這是人工智慧的範疇 6:58 不過別緊張 6:59 人工智慧沒你想像的複雜 7:02 對電腦來說 7:03 就只是再增加「億」點點的工作量而已 7:06 以一張我的照片來說 7:08 要能夠辨識出這個是「鄭龜」 7:10 我們需要有一道處理工序來比較照片中 7:13 有沒有跟我相同形狀的眼睛 7:16 另一道工序分析 7:17 有沒有跟我一樣的嘴巴 7:19 再另一道處理 7:20 有沒有跟我一樣的耳朵等等 7:22 用這些綜合諮詢來進行人臉辨識 7:25 如果要提升準度 7:27 就要不斷加入參數 7:28 像是眼鏡的有無 7:30 臉上的皺紋 7:31 髮型等等 7:33 除此之外還要考慮到 7:34 人物在照片中的旋轉 7:36 光線造成的明暗對比 7:39 以及我可能會換衣服 7:40 或脫下眼鏡等等 7:42 在每一次的計算當中 7:44 AI 會拿著這個過濾器 7:46 在相片上從左至右 由上而下 7:50 去找相片中是否有符合這個的特徵 7:53 每一次的比對呢 7:54 都會給一個分數 7:55 總分越高 7:56 代表這附近有越高的機率 7:59 符合過濾器想要找的對象 8:01 這有點像是玩踩地雷一樣 8:03 當這邊出現高分數的時候 8:06 哎呀 8:06 恭喜你找到目標了 8:08 這種方式被稱為卷積神經網路 8:10 是神經網路的一種 8:12 被大量使用在影像辨識中 8:14 除了能夠增進影像辨識的準確度外 8:17 透過改變 filter 的次數 8:19 移動 filter 時的快慢 8:21 共用 filter 的參數等等 8:23 還可以減少矩陣運算的次數 8:26 加快神經網路的計算 8:28 但即便如此 8:29 工作量還是比傳統影像處理複雜多了 8:33 為了應對龐大的矩陣運算 8:35 我們的主角 TPU 張量處理單元就誕生了 8:43 既然卷積神經網絡的關鍵就是矩陣運算 8:47 那我們就來做一個矩陣運算特別快的晶片吧 8:51 我們知道矩陣的相乘是2個矩陣中的元素 8:54 在互相相乘 8:56 說穿了就是比較複雜的加減乘除而已 8:59 TPU 在處理矩陣運算上 9:01 採用脈動陣列 (Systolic Array) 的方式 9:03 比起 GPU 中每個 ALU 都各做各的 9:07 在 TPU 裡面的資料 9:08 會在各個 ALU 之間穿梭 9:11 每個 ALU 都只專門負責一部分 9:14 由所有人共同完成任務 9:16 如果說 GPU 是增加工廠內的流水線 9:19 那麼 TPU 就是把這些流水線再拆得更細 9:23 組輪子的就只負責組輪子 9:26 噴漆的就專門噴漆 9:28 這樣有兩個好處 9:29 一個是每個人負擔的工作量更少 9:32 代表每個 ALU 的體積可以再縮小 9:36 再者呢 9:36 是半成品傳遞的過程 9:38 可以直接在 ALU 之間進行 9:41 不再需要把半成品借放在暫存區 9:44 再拿出來的動作 9:45 大幅減少了儲存與讀取的時間 9:48 在這樣的架構下 9:50 比起只能塞進約 4000 個核心的 GPU 9:53 TPU 可以塞進 128×128 9:56 總共 1.6 萬個核心 9:58 並且因為每個核心負擔的工作量更小了 10:02 所以運算速度更快 10:03 耗電量更低 10:04 其實 TPU 也早就不是什麼新聞了 10:07 2016 年打敗韓國職業棋士李世乭的 AlphaGo 10:11 就是靠著核心 48 張 TPU 10:13 與卷積神經網路技術完成的 10:16 它是怎麼做到的呢 10:17 其實下圍棋對 AlphaGo 來說 10:20 就是在做一個比較複雜的影像辨識 10:23 棋盤就像是個長寬各19像素的照片 10:27 但是除了能一眼看出是黑子還是白子之外 10:30 每一個像素中還隱藏著其他參數 10:33 像是這顆棋子 「氣」的數量 10:36 這顆棋子是否被叫吃等等 10:38 AlphaGo 請來圍棋專家 10:41 幫每一個點都定下了48種參數 10:44 所以整個棋盤的資料量 10:46 就從 19X19 的矩陣 10:48 變成了 19X19X48 的陣列 10:52 這種資料龐大的陣列 10:54 就稱為張量 10:55 也就是 TPU 中的 T 所代表的 Tensor 10:59 而用來分析整個棋盤局面 11:01 決定下一步要怎麼下的 11:03 是一個一個 5 格乘以 5 格的過濾器 (filter) 11:06 AlphaGo 總共使用了 192 個 filter 11:10 來判斷目前的情勢 11:12 以及下一步該如何走 11:14 在神經網路完成之後 11:15 Google 或者說 Deepmind 11:17 再拿出 48 個 TPU 來處理這龐大的計算量 11:21 最後在全球觀眾的驚歎聲中 11:24 成功打敗了李世乭 11:25 為 AI 寫下了歷史性的一頁 11:28 當然了 11:28 Google 的 AI 夢可沒有就此停下 11:31 繼 AlphaGo 之後 11:32 Google 又陸續開發了專打星海戰爭的 AlphaStar 11:36 專門預測蛋白質結構的 AlphaFold 11:39 以及專門優化張量運算的 AlphaTensor 11:43 我們經常使用的 Google 服務呢 11:45 其中許多也是用了 TPU 做優化 11:48 像是本身就是全球最大搜尋引擎的 Google 11:51 以及 Google 翻譯 Google Map等等呢 11:54 都大量使用了 TPU 和神經網路來做加速 11:58 在2021年 11:59 Google 更把 TPU 導入到自家的手機產品中 12:02 也就是我們前面提到的 Google Tensor 12:05 今年更是在 Pixel 7 中 12:07 放入升級後的 Google Tensor G2 12:10 Google 表示 12:11 新款的人工智慧晶片 12:13 可以加快 60% 的機器學習速度 12:16 也加快語音助理的處理速度與增加功能 12:20 在通話時去除雜音 增進通話品質等等 12:23 不過最有感的 還是圖像處理 12:26 像是透過 AI 多了修復模糊處理 12:29 不僅可以修正手震 12:31 還能把舊照片也變得清晰 12:34 有了 AI 的幫助 12:35 手機電腦能做到的事情越來越多了 12:38 除了 Google 的 TPU 之外 12:40 其他公司也朝著 AI 晶片的方向前進 12:43 包括蘋果 12:44 高通 12:45 聯發科 12:46 中國的寒武紀等等 12:47 都發表了自家研發的神經網路處理器 12:51 而今天介紹到的卷積神經網路 12:54 也只是神經網路的一種 12:56 機械學習中的一小部分 12:58 影像辨識以外的領域呢 13:00 還需要更多的技術來協助 13:02 這幾年 AI 也早已脫離想像 13:05 任何人都可以透過手機 電腦實際體驗 13:08 未來應用在創作 科技領域上的案例呢 13:11 只會越來越多 13:12 話說回來 現在的新款手機為了突顯不同 13:16 越來越強調自家晶片設計與效能的差異 13:20 對你來說 13:21 晶片的什麼特色算是最重要的呢 13:24 是能夠加速深度學習 13:26 用 AI 提升拍照攝影的品質 13:29 還是省電優先 13:31 續航力強才不用擔心 13:33 又或者你覺得製程才是關鍵 13:35 只要選台積電 13:37 還是你認為只要不要一下就過熱 13:40 其他都隨便呢 13:41 如果你對手機晶片有更多好奇跟想法 13:44 歡迎留言告訴我們 13:46 好的 以上就是本集的內容 13:48 這集特別感謝 Google 提供 Pixel 7 Pro 手機 13:51 以及手錶 讓我們體驗 13:53 記得訂閱 PanSci 泛科學頻道 13:55 開啟小鈴鐺 13:56 加入我們的頻道會員 13:57 鎖定更多精彩的科學新知 科學議題 14:00 我們下次再見 Skip navigation Search 9+ Avatar image 0:38 / 14:01 • 打開 Google Tensor 一探究竟 比GPU更強的TPU？Google Tensor 處理器是什麼？厲害在哪？Pixel 7 Pro 跑分差 Google 憑什麼喜孜孜！ PanSci 760K subscribers Join Subscribe 6.8K Share Download Thanks Clip 345,135 views Jan 3, 2023 #鄭國威知識長 AI浪潮襲來，泛科學將打造AI 學習群組，跟大家一起破浪前行。你，準備好要上船了嗎？填寫問卷，不錯過最新資訊►https://lihi1.me/NEU6Y ►► 記得開啟CC字幕，觀看體驗更佳 勘誤： 11:17 AlphaStar 跟AlphaFold 是DeepMind 研發，Google 與 DeepMind 非同家公司，感謝網友指正 00:00 Pixel 手機跑分效能不重要？ 00:40 打開 Google Tensor 一探究竟 01:34 TPU、CPU、GPU 傻傻分不清？ 04:10 狂開產線的 GPU 提升處理效率 06:20 「礦工」挖礦、人臉辨識就靠 GPU 08:40 TPU 卷積神經網路分工合作更快速 10:05 AlphaGo 以 TPU 出「棋」制勝 11:44 你所熟悉的 Google 也用上 TPU // 延伸閱讀 // 噔噔愣噔愣～縮小術！用光學微影把 IC 晶片變小了 https://pansci.asia/archives/353519 從圖靈機到人工智慧，沒有「數學」怎能召喚電腦降世！https://pansci.asia/archives/133131 人工智慧的「黑箱作業」，類神經網路如何將生物分類的？https://pansci.asia/archives/163315 // 參考資料// CUDA 總複習：回顧 GPU 運算的起源 https://blogs.nvidia.com.tw/2020/10/2... What is a Tensor Processing Unit (TPU) and how does it work? https://towardsdatascience.com/what-i... What are Tensor Processing Units (TPUs) ? https://codelabs.developers.google.co... Google’s AI Processor’s (TPU) Heart Throbbing Inspiration / googles-ai-processor-is-inspired-by-the-heart Made by Google '22 • Made by Google '22 // 製作團隊 // 主持：泛科知識 #鄭國威知識長 企劃：王喆宣 腳本：謝富丞 剪輯：蘇庭緯 想和我們有更多互動嗎？加入會員 ► https://lihi1.com/BWeoe Chapters View all Transcript Follow along using the transcript. Show transcript PanSci 760K subscribers Videos About 7:56 持續發酵！美國擴大禁 14 奈米半導體製程關鍵技術？真的會影響製程嗎？ by PanSci Shop the PanSci store 79折~颶光典籍四部曲:《戰爭節奏 》(上下冊套書) Limited shipping areas 泛科學院 【SMART GAMES】IQ 3D大挑戰 Limited shipping areas 泛科學院 牛頓擺 / 慣性原理擺動球 Limited shipping areas 泛科學院 ZUUTii|自動開蓋油醋瓶(二入) 莓果藍 / 蘋果綠 Limited shipping areas 泛科學院 Matador ReFraction Packable Duffle Bag 25L輕量防水便攜折疊旅行包 藍色 Limited shipping areas 泛科學院 T4M多尼爾飛行艇– Mighty Dornier Limited shipping areas 泛科學院 677 Comments rongmaw lin Add a comment... Pinned by PanSci 泛科學 @PanScitw 11 months ago AI浪潮襲來，泛科學將打造AI 學習群組，跟大家一起破浪前行。你，準備好要上船了嗎？填寫問卷，不錯過最新資訊►https://lihi1.me/NEU6Y 18 Reply @user-lp2kr7nk1i 1 year ago GOOGLE果然是google，行銷預算不是要強調自己狂的夜拍還是去路人功能，而是要科學一下 54 Reply @changtimwu 9 months ago 本期內容很棒。1. 雲端TPU 跟手機TPU是兩顆不一樣的東東 2. Google 今年有為TPUv4 發表技術論文, 通篇不敢跟 NV 旗艦H100對標 3. 第一代edgeTPU 是走 PCI-E, 可搭配任何主機, 當年發表完就直接就爛尾, 後面都封閉在自家手機用. 20 Reply 1 reply @mimicqneb 1 year ago 張量：零階就是純量，一階是向量，二階是矩陣，對應CPU GPU TPU 88 Reply 5 replies @murraygdccp 1 year ago 好厲害，謝謝您們將最新技術用簡單易懂的方式做傳播普及 2 Reply @yoasony 1 year ago B,D這些部分比起影像處理會更直接的影響到行動裝置上的體驗，不可否認影像處理的成果提升了許多，但對於一台手機而言若是能夠透過人工智能的算法去優化一般使用者常用的系統功能，使用上的效率會更高且頻繁，這類的運算應用在系統本身應該更實用，例如透過算法觀察使用者習慣後，直接修改系統本身的設定或程式碼去對單一的使用者做最佳化，例如：觀察某個應用程式的啟動錯誤後透過算法直接修復、觀察背景運作的程序以及依據實際的使用率重複對比後嘗試關閉高耗能低使用率的程序、透過與Google助理的談話去對系統的使用邏輯或細節做修改，讓手機可以透過算法的模擬去使用一些裝置本身未提供或支援的功能。但我猜這種做法會讓Android的穩定性有大幅度波動所以Google 只敢對單一的功能做優化，最後就看Google對該領域在未來應用的佈局了，若未來Google仍是該領域普及程度最高的服務那麼Tensor晶片等谷歌產品在未來會擁有比起蘋果或其他廠商更好的適應性。 15 Reply @mimana2283 10 months ago 我觉得影片最后的总结环节非常巧妙，提供的ABCD选项，打消了观众接受了太多新资讯时不知如何应对的焦虑，而且我觉得不是贴近观众自己的那一个选项才有用，而是每一个选项都有作用 Reply @Bear.Research 1 year ago 而TPU中核心的概念Systolic Array就是台灣清華數學畢業的校友孔祥重教授發明的！ 10 Reply @hans00 1 year ago 再簡單來說，CPU 跟 GPU 的每個 core 都是一個工作站 (一次只從工具庫中拿出一種工具、做一件事)，而 TPU/NPU 則是流水線 (持續的做同樣的事) 所以主要減少的是大量的指令往返的時間 101 Reply 4 replies @louislouis117228 1 year ago (edited) 作為一個資工所研究計算存儲系統的研究生，我不會買單 google 這樣的說法。 影片中也提到了：TPU 是為了五年後的未來大量機器學習的需求而使用的，傳統跑分系統無法計算這方面的能力，但現在手機很少用超過五年了。也就是說，我現在要買要用的手機，仍然適用於傳統跑分系統測量到的計算能力，誰在跟你 google 討論五年後怎麼樣...講直白一點，那我五年後如果真的手機有需要大量運算機器學習的能力，到時候再買你 google 就好了。 我猜測就是 google 認為五年後大家買手機也會考量機器學習的運算能力了，到時候他們早就已經發展出比別家廠商更成熟的 TPU 架構。所以他們認為現在使用者就算不買單，五年後使用者買單，他們可以賺到更多的錢。於是他們就把研發單位的主力放在 TPU 上，然後 CPU、Memory 等等相關的運算能力就沒有多少人去開發了，結果就連別家廠商去年的運算能力都比不上。再來為了讓消費者跟股東們還是覺得 google 好棒棒，所以就找人出來解釋說是出於機器學習的考量 blah blah blah 58 Reply 11 replies @music105 1 year ago 感謝泛科學分享影片！ Reply @carltonchu1 1 year ago (edited) 內文有誤。AlphaStar 跟AlphaFold 是DeepMind 研發的,不是Google. 我們是兄弟,但是不是同一家公司。 235 Reply · 8 replies @zwdavezhang6408 8 months ago 謝謝鄭老師講解，學習了！ Reply @z3lut7b 1 year ago 好深入淺出的內容，感謝 1 Reply @mobadubaba 1 year ago 哇，非常清楚，語調速度超棒，超喜歡這部影片 Reply @TsengX 1 year ago 講的真好，深入又易懂。 1 Reply @user-po6wh9ql7s 1 year ago 今年中在PChome買了Samsung S22 受不了手機過熱退貨了 因此我對於Samsung生產的晶片會有疑慮 5奈米晶片都已經做不好何況4奈米制程 所以我覺得Google Pixel至少是使用台積電晶片代工我才會考慮購買 24 Reply 1 reply @tdw159 1 year ago 這部片讓我學到最大的收穫就是以前學電腦時還沒出現的TPU 11 Reply @truthjustice8886 1 year ago 回想35年前，我接觸的電腦還是用16-bit CPU。經過這一段時間的發展，現在手機的CPU已經比那時的PC強幾千倍，而且還多了的AI 專屬處理器。隨著AI 的演進，再過10年可能一台手機會像老朋友一樣跟你談天說地。 148 Reply 17 replies @haochang1369 1 year ago 很棒的資料!!! 內容充滿知識!! Reply Transcript 0:00 各位泛糰好 0:01 我手上這台 0:02 是 Google 新出的Pixel 7 Pro 0:04 從上一代 Pixel 6 開始呢 0:06 這裡頭的核心 0:08 就已經改用 Google 自行研發的 Tensor 晶片 0:11 不過從 Geekbench 資料庫的 0:13 Pixel 7 Pro 跑分效能結果來看 0:16 似乎差強人意 0:17 Tensor G2 晶片 0:19 不僅跟不上目前用在 Android 旗艦機型的 0:21 高通 Snapdragon 8 Gen 1晶片 0:24 甚至還不及去年的 Snapdragon 888 0:28 Why 0:29 但沒想到 Google 對這個偏低的分數 0:31 表示「很滿意」 0:33 這是怎麼回事 0:34 是因為自家生的孩子不忍苛責 0:37 還是Tensor 晶片真的有過人之處呢 0:43 Google 晶片的產品總監 Monika Gupta 說 0:46 他們設計晶片是專注於 0:48 5年後的機器學習需求 0:50 傳統跑分在某個時候是有意義 0:53 但 AI 創新改變了時代 0:55 現在傳統跑分測試其實沒那麼重要 0:58 雖然現在人使用手機 1:00 大概很少用超過5年了 1:02 但確實我們今年看到 AI 發展 1:04 是完全跳躍成長的 1:06 Google 開發的 Tensor 晶片 1:08 號稱是專門為了 AI 設計打造的晶片 1:11 我們打開處理器 Google Tensor 一探究竟吧 1:15 裡面放著我們認識的 CPU GPU 1:18 左上角這一小塊 1:20 才是有著 AI 運算能力的TPU 1:23 Tensor Processing Unit 1:24 張量處理單元 1:26 要了解TPU 1:27 我們先來看看它的前輩 1:29 CPU 和 GPU 是如何運作的吧 1:33 不論手機 電腦 還是超級電腦 1:35 當代計算機的通用架構 1:37 都是使用以圖靈機為概念設計出來的 1:40 馮紐曼架構 1:42 也就是程式指令記憶體和資料記憶體 1:45 合併在一起的概念架構 1:47 這種可儲存程式的電腦架構 1:50 從1945年被提出之後呢 1:52 就一直被使用到現在 1:54 在這個架構中 1:55 除了輸入輸出設備之外 1:57 包含三大結構 1:59 記憶體 Memory 2:00 控制單元 CU 2:02 以及算術邏輯單元 ALU 2:04 在你的電腦主機中 2:06 控制單元和算術邏輯單元 2:08 都被包在 CPU 之中 2:11 也就是中央處理器 2:13 記憶體呢 則以不同的形式 2:15 散布在電腦之中 2:16 並且依照存取的速度分為 暫存器 Register 2:20 快取 Cache 2:22 主記憶體 Main memory 2:24 與大量儲存裝置 Mass storage 2:27 對應到我們的硬體設備的話 2:29 就是SRAM DRAM 和硬碟 2:32 層級越低 存取速度就越慢 2:35 但儲存成本也越低 2:37 算術邏輯單元負責運算 2:39 透過邏輯閘進行加減乘除 邏輯判斷 2:43 平移等基礎運算 2:45 透過一次次的運算 2:46 完成複雜的程式 2:48 要把不同的邏輯閘 2:49 放在同一個晶片當中 2:51 可不是件簡單的事 2:52 可以點開我們之前介紹半導體製程的影片 2:56 看看半導體產業是怎麼做出晶片的 2:59 有了精密的算術邏輯單元 3:01 還有一個很重要的工作 3:03 就是流程管理 3:04 也就是控制單元最主要的工作 3:07 為了加速計算 3:08 控制單元會分析任務 3:10 把需要運行的資料與程式 3:13 放進離算術邏輯單元最近 3:15 存取速度最快的暫存器中 3:18 在等算術邏輯單元完成任務的空檔 3:20 它也不會閒著 3:21 它會判斷接下來工作的流程 3:24 事先將後面會用到的資料 3:26 先拉進快取以及主記憶體 3:29 並在算術邏輯單元完成任務之後 3:31 安排下一個任務給它 3:33 然後把半完成品放到下一個暫存器中 3:37 等待下一步的運算 3:39 這簡單來說呢 3:40 CPU 就像是一整間工廠啊 3:43 算術邏輯單元是負責加工的機器 3:46 硬碟是大型倉儲倉庫 3:49 暫存器以及快取 3:51 是產線上存放原料以及半成品的箱子 3:55 控制單元則作為流水線上的履帶 3:58 以及機械手臂 4:00 不斷地將原料還有半成品運向下一站 4:04 同時控制工廠與倉庫間的物流運輸 4:07 讓效率最大化 4:13 隨著科技發展 4:14 人們需要電腦處理的任務量也越來越龐大 4:18 你知道你隨手拍的一張照片 4:20 含有多少資訊量嗎 4:22 一張 1080P 的相片含有 1920×1080 4:26 總共 2,073,600 個像素 4:29 還不只有這樣 4:30 在彩色照片中 4:32 每一個像素還包含 RGB 三種數值 4:35 如果是有透明度的 PNG 圖片呢 4:38 那還再多一個 Alpha 值 4:41 也就是一張照片就有800萬個元素要做處理 4:45 更不用說現在的手機 4:46 很多都已經能夠拍到4K以上的畫質 4:49 這對於 CPU 來說實在過於辛苦 4:52 因為 CPU 只有一條生產線 4:55 我們能做的就是增加生產線的數量 4:58 資訊工程師也發現 5:00 其實在影像處理的過程中 5:02 瓶頸不是在於運算的題目過於困難 5:05 而在於工作量非常龐大 5:07 因此比起增加算術邏輯單元的運算速度 5:11 不如我們重新改建一下原有的工廠 5:14 在廠房中盡可能放入更多構造相同的流水線 5:19 而倉庫這種大型倉儲空間呢 5:21 則可以讓所有流水線共同使用 5:24 這樣子不僅能夠增加單位體積中的運算效能 5:28 在相同時間內也可以產出更多的東西 5:31 減少一張照片運算的時間 5:34 顯示卡的大廠 NVIDIA 在 1999 年初次提出了 5:38 將圖形處理器獨立出來的構想 5:41 並發表了第一個為加速圖形運算 5:44 而誕生的 GPU Graphics Processing Unit 5:48 NVIDIA 的 GeForce 256 5:51 這也就是歷史上第一張的顯卡 5:53 在一顆 GPU 當中 5:55 會有數百到數千個 ALU 算術邏輯單元 5:58 這就像是把許多的小 CPU 塞在同一張顯卡上 6:02 在影像處理的過程中 6:04 控制單元會把每一格像素 6:07 分配給不同的算術邏輯單元 6:09 當大家都只要處理相同的工作 6:12 例如 一起把紅色加深 6:14 或是把透明度調低 6:16 這種單一的工作 6:17 GPU 就可以大幅提升處理效率 6:20 這也就是為什麼加密貨幣市場中的礦工們 6:23 大部分都會使用 GPU 作為挖礦工具 6:26 因為礦工們實際在做的計算並不困難 6:29 重點是要不斷反覆計算 6:32 處理有龐大工作量的「工作量證明機制」問題 6:36 而利用 GPU 加速就是最佳解 6:39 但隨著社群媒體的發展 6:41 影像處理技術的需求 6:42 也隨著變得困難 6:44 沒錯 6:45 我說的就是你常用的濾鏡 6:47 人臉辨識 6:48 和去背功能 6:50 比起單純的調整照片明暗 對比度 6:53 電腦要能夠辨識物體 6:55 可是更加複雜的工作 6:56 這是人工智慧的範疇 6:58 不過別緊張 6:59 人工智慧沒你想像的複雜 7:02 對電腦來說 7:03 就只是再增加「億」點點的工作量而已 7:06 以一張我的照片來說 7:08 要能夠辨識出這個是「鄭龜」 7:10 我們需要有一道處理工序來比較照片中 7:13 有沒有跟我相同形狀的眼睛 7:16 另一道工序分析 7:17 有沒有跟我一樣的嘴巴 7:19 再另一道處理 7:20 有沒有跟我一樣的耳朵等等 7:22 用這些綜合諮詢來進行人臉辨識 7:25 如果要提升準度 7:27 就要不斷加入參數 7:28 像是眼鏡的有無 7:30 臉上的皺紋 7:31 髮型等等 7:33 除此之外還要考慮到 7:34 人物在照片中的旋轉 7:36 光線造成的明暗對比 7:39 以及我可能會換衣服 7:40 或脫下眼鏡等等 7:42 在每一次的計算當中 7:44 AI 會拿著這個過濾器 7:46 在相片上從左至右 由上而下 7:50 去找相片中是否有符合這個的特徵 7:53 每一次的比對呢 7:54 都會給一個分數 7:55 總分越高 7:56 代表這附近有越高的機率 7:59 符合過濾器想要找的對象 8:01 這有點像是玩踩地雷一樣 8:03 當這邊出現高分數的時候 8:06 哎呀 8:06 恭喜你找到目標了 8:08 這種方式被稱為卷積神經網路 8:10 是神經網路的一種 8:12 被大量使用在影像辨識中 8:14 除了能夠增進影像辨識的準確度外 8:17 透過改變 filter 的次數 8:19 移動 filter 時的快慢 8:21 共用 filter 的參數等等 8:23 還可以減少矩陣運算的次數 8:26 加快神經網路的計算 8:28 但即便如此 8:29 工作量還是比傳統影像處理複雜多了 8:33 為了應對龐大的矩陣運算 8:35 我們的主角 TPU 張量處理單元就誕生了 8:43 既然卷積神經網絡的關鍵就是矩陣運算 8:47 那我們就來做一個矩陣運算特別快的晶片吧 8:51 我們知道矩陣的相乘是2個矩陣中的元素 8:54 在互相相乘 8:56 說穿了就是比較複雜的加減乘除而已 8:59 TPU 在處理矩陣運算上 9:01 採用脈動陣列 (Systolic Array) 的方式 9:03 比起 GPU 中每個 ALU 都各做各的 9:07 在 TPU 裡面的資料 9:08 會在各個 ALU 之間穿梭 9:11 每個 ALU 都只專門負責一部分 9:14 由所有人共同完成任務 9:16 如果說 GPU 是增加工廠內的流水線 9:19 那麼 TPU 就是把這些流水線再拆得更細 9:23 組輪子的就只負責組輪子 9:26 噴漆的就專門噴漆 9:28 這樣有兩個好處 9:29 一個是每個人負擔的工作量更少 9:32 代表每個 ALU 的體積可以再縮小 9:36 再者呢 9:36 是半成品傳遞的過程 9:38 可以直接在 ALU 之間進行 9:41 不再需要把半成品借放在暫存區 9:44 再拿出來的動作 9:45 大幅減少了儲存與讀取的時間 9:48 在這樣的架構下 9:50 比起只能塞進約 4000 個核心的 GPU 9:53 TPU 可以塞進 128×128 9:56 總共 1.6 萬個核心 9:58 並且因為每個核心負擔的工作量更小了 10:02 所以運算速度更快 10:03 耗電量更低 10:04 其實 TPU 也早就不是什麼新聞了 10:07 2016 年打敗韓國職業棋士李世乭的 AlphaGo 10:11 就是靠著核心 48 張 TPU 10:13 與卷積神經網路技術完成的 10:16 它是怎麼做到的呢 10:17 其實下圍棋對 AlphaGo 來說 10:20 就是在做一個比較複雜的影像辨識 10:23 棋盤就像是個長寬各19像素的照片 10:27 但是除了能一眼看出是黑子還是白子之外 10:30 每一個像素中還隱藏著其他參數 10:33 像是這顆棋子 「氣」的數量 10:36 這顆棋子是否被叫吃等等 10:38 AlphaGo 請來圍棋專家 10:41 幫每一個點都定下了48種參數 10:44 所以整個棋盤的資料量 10:46 就從 19X19 的矩陣 10:48 變成了 19X19X48 的陣列 10:52 這種資料龐大的陣列 10:54 就稱為張量 10:55 也就是 TPU 中的 T 所代表的 Tensor 10:59 而用來分析整個棋盤局面 11:01 決定下一步要怎麼下的 11:03 是一個一個 5 格乘以 5 格的過濾器 (filter) 11:06 AlphaGo 總共使用了 192 個 filter 11:10 來判斷目前的情勢 11:12 以及下一步該如何走 11:14 在神經網路完成之後 11:15 Google 或者說 Deepmind 11:17 再拿出 48 個 TPU 來處理這龐大的計算量 11:21 最後在全球觀眾的驚歎聲中 11:24 成功打敗了李世乭 11:25 為 AI 寫下了歷史性的一頁 11:28 當然了 11:28 Google 的 AI 夢可沒有就此停下 11:31 繼 AlphaGo 之後 11:32 Google 又陸續開發了專打星海戰爭的 AlphaStar 11:36 專門預測蛋白質結構的 AlphaFold 11:39 以及專門優化張量運算的 AlphaTensor 11:43 我們經常使用的 Google 服務呢 11:45 其中許多也是用了 TPU 做優化 11:48 像是本身就是全球最大搜尋引擎的 Google 11:51 以及 Google 翻譯 Google Map等等呢 11:54 都大量使用了 TPU 和神經網路來做加速 11:58 在2021年 11:59 Google 更把 TPU 導入到自家的手機產品中 12:02 也就是我們前面提到的 Google Tensor 12:05 今年更是在 Pixel 7 中 12:07 放入升級後的 Google Tensor G2 12:10 Google 表示 12:11 新款的人工智慧晶片 12:13 可以加快 60% 的機器學習速度 12:16 也加快語音助理的處理速度與增加功能 12:20 在通話時去除雜音 增進通話品質等等 12:23 不過最有感的 還是圖像處理 12:26 像是透過 AI 多了修復模糊處理 12:29 不僅可以修正手震 12:31 還能把舊照片也變得清晰 12:34 有了 AI 的幫助 12:35 手機電腦能做到的事情越來越多了 12:38 除了 Google 的 TPU 之外 12:40 其他公司也朝著 AI 晶片的方向前進 12:43 包括蘋果 12:44 高通 12:45 聯發科 12:46 中國的寒武紀等等 12:47 都發表了自家研發的神經網路處理器 12:51 而今天介紹到的卷積神經網路 12:54 也只是神經網路的一種 12:56 機械學習中的一小部分 12:58 影像辨識以外的領域呢 13:00 還需要更多的技術來協助 13:02 這幾年 AI 也早已脫離想像 13:05 任何人都可以透過手機 電腦實際體驗 13:08 未來應用在創作 科技領域上的案例呢 13:11 只會越來越多 13:12 話說回來 現在的新款手機為了突顯不同 13:16 越來越強調自家晶片設計與效能的差異 13:20 對你來說 13:21 晶片的什麼特色算是最重要的呢 13:24 是能夠加速深度學習 13:26 用 AI 提升拍照攝影的品質 13:29 還是省電優先 13:31 續航力強才不用擔心 13:33 又或者你覺得製程才是關鍵 13:35 只要選台積電 13:37 還是你認為只要不要一下就過熱 13:40 其他都隨便呢 13:41 如果你對手機晶片有更多好奇跟想法 13:44 歡迎留言告訴我們 13:46 好的 以上就是本集的內容 13:48 這集特別感謝 Google 提供 Pixel 7 Pro 手機 13:51 以及手錶 讓我們體驗 13:53 記得訂閱 PanSci 泛科學頻道 13:55 開啟小鈴鐺 13:56 加入我們的頻道會員 13:57 鎖定更多精彩的科學新知 科學議題 14:00 我們下次再見 PanSci 760K subscribers Videos About 7:56 持續發酵！美國擴大禁 14 奈米半導體製程關鍵技術？真的會影響製程嗎？ by PanSci Shop the PanSci store 677 Comments rongmaw lin Add a comment... @PanScitw Pinned by PanSci 泛科學 @PanScitw 11 months ago AI浪潮襲來，泛科學將打造AI 學習群組，跟大家一起破浪前行。你，準備好要上船了嗎？填寫問卷，不錯過最新資訊►https://lihi1.me/NEU6Y 18 Reply @user-lp2kr7nk1i @user-lp2kr7nk1i 1 year ago GOOGLE果然是google，行銷預算不是要強調自己狂的夜拍還是去路人功能，而是要科學一下 54 Reply @changtimwu @changtimwu 9 months ago 本期內容很棒。1. 雲端TPU 跟手機TPU是兩顆不一樣的東東 2. Google 今年有為TPUv4 發表技術論文, 通篇不敢跟 NV 旗艦H100對標 3. 第一代edgeTPU 是走 PCI-E, 可搭配任何主機, 當年發表完就直接就爛尾, 後面都封閉在自家手機用. 20 PanSci 泛科學 Reply 1 reply @mimicqneb @mimicqneb 1 year ago 張量：零階就是純量，一階是向量，二階是矩陣，對應CPU GPU TPU 88 PanSci 泛科學 Reply 5 replies @murraygdccp @murraygdccp 1 year ago 好厲害，謝謝您們將最新技術用簡單易懂的方式做傳播普及 2 PanSci 泛科學 Reply @yoasony @yoasony 1 year ago B,D這些部分比起影像處理會更直接的影響到行動裝置上的體驗，不可否認影像處理的成果提升了許多，但對於一台手機而言若是能夠透過人工智能的算法去優化一般使用者常用的系統功能，使用上的效率會更高且頻繁，這類的運算應用在系統本身應該更實用，例如透過算法觀察使用者習慣後，直接修改系統本身的設定或程式碼去對單一的使用者做最佳化，例如：觀察某個應用程式的啟動錯誤後透過算法直接修復、觀察背景運作的程序以及依據實際的使用率重複對比後嘗試關閉高耗能低使用率的程序、透過與Google助理的談話去對系統的使用邏輯或細節做修改，讓手機可以透過算法的模擬去使用一些裝置本身未提供或支援的功能。但我猜這種做法會讓Android的穩定性有大幅度波動所以Google 只敢對單一的功能做優化，最後就看Google對該領域在未來應用的佈局了，若未來Google仍是該領域普及程度最高的服務那麼Tensor晶片等谷歌產品在未來會擁有比起蘋果或其他廠商更好的適應性。 15 PanSci 泛科學 Reply @mimana2283 @mimana2283 10 months ago 我觉得影片最后的总结环节非常巧妙，提供的ABCD选项，打消了观众接受了太多新资讯时不知如何应对的焦虑，而且我觉得不是贴近观众自己的那一个选项才有用，而是每一个选项都有作用 PanSci 泛科學 Reply @Bear.Research @Bear.Research 1 year ago 而TPU中核心的概念Systolic Array就是台灣清華數學畢業的校友孔祥重教授發明的！ 10 PanSci 泛科學 Reply @hans00 @hans00 1 year ago 再簡單來說，CPU 跟 GPU 的每個 core 都是一個工作站 (一次只從工具庫中拿出一種工具、做一件事)，而 TPU/NPU 則是流水線 (持續的做同樣的事) 所以主要減少的是大量的指令往返的時間 101 PanSci 泛科學 Reply 4 replies @louislouis117228 @louislouis117228 1 year ago (edited) 作為一個資工所研究計算存儲系統的研究生，我不會買單 google 這樣的說法。 影片中也提到了：TPU 是為了五年後的未來大量機器學習的需求而使用的，傳統跑分系統無法計算這方面的能力，但現在手機很少用超過五年了。也就是說，我現在要買要用的手機，仍然適用於傳統跑分系統測量到的計算能力，誰在跟你 google 討論五年後怎麼樣...講直白一點，那我五年後如果真的手機有需要大量運算機器學習的能力，到時候再買你 google 就好了。 我猜測就是 google 認為五年後大家買手機也會考量機器學習的運算能力了，到時候他們早就已經發展出比別家廠商更成熟的 TPU 架構。所以他們認為現在使用者就算不買單，五年後使用者買單，他們可以賺到更多的錢。於是他們就把研發單位的主力放在 TPU 上，然後 CPU、Memory 等等相關的運算能力就沒有多少人去開發了，結果就連別家廠商去年的運算能力都比不上。再來為了讓消費者跟股東們還是覺得 google 好棒棒，所以就找人出來解釋說是出於機器學習的考量 blah blah blah 58 PanSci 泛科學 Reply 11 replies @music105 @music105 1 year ago 感謝泛科學分享影片！ PanSci 泛科學 Reply @carltonchu1 @carltonchu1 1 year ago (edited) 內文有誤。AlphaStar 跟AlphaFold 是DeepMind 研發的,不是Google. 我們是兄弟,但是不是同一家公司。 235 PanSci 泛科學 Reply PanSci 泛科學 · 8 replies @zwdavezhang6408 @zwdavezhang6408 8 months ago 謝謝鄭老師講解，學習了！ PanSci 泛科學 Reply @z3lut7b @z3lut7b 1 year ago 好深入淺出的內容，感謝 1 Reply @mobadubaba @mobadubaba 1 year ago 哇，非常清楚，語調速度超棒，超喜歡這部影片 PanSci 泛科學 Reply @TsengX @TsengX 1 year ago 講的真好，深入又易懂。 1 PanSci 泛科學 Reply @user-po6wh9ql7s @user-po6wh9ql7s 1 year ago 今年中在PChome買了Samsung S22 受不了手機過熱退貨了 因此我對於Samsung生產的晶片會有疑慮 5奈米晶片都已經做不好何況4奈米制程 所以我覺得Google Pixel至少是使用台積電晶片代工我才會考慮購買 24 PanSci 泛科學 Reply 1 reply @tdw159 @tdw159 1 year ago 這部片讓我學到最大的收穫就是以前學電腦時還沒出現的TPU 11 PanSci 泛科學 Reply @truthjustice8886 @truthjustice8886 1 year ago 回想35年前，我接觸的電腦還是用16-bit CPU。經過這一段時間的發展，現在手機的CPU已經比那時的PC強幾千倍，而且還多了的AI 專屬處理器。隨著AI 的演進，再過10年可能一台手機會像老朋友一樣跟你談天說地。 148 Reply 17 replies @haochang1369 @haochang1369 1 year ago 很棒的資料!!! 內容充滿知識!! PanSci 泛科學 Reply @user-mc8mq1ym1h @user-mc8mq1ym1h 1 year ago 非常感謝，解釋的非常清楚易懂 PanSci 泛科學 Reply @MC0825 @MC0825 1 year ago 细节和信息满满，看完很有收获 Reply @user-ne6uq1qd4c @user-ne6uq1qd4c 1 year ago 說的簡單易懂容易理解👏 1 PanSci 泛科學 Reply @jimmylegion1 @jimmylegion1 1 year ago 講得很讚！！！學到很多！！！ 1 PanSci 泛科學 Reply @johnchen6783 @johnchen6783 1 year ago 跑分可能不重要，但不要燙手啊，谷哥慎選晶片代工廠啊 47 Reply 15 replies @josephahtien @josephahtien 1 year ago 很感謝這麼清楚的說明 PanSci 泛科學 Reply @samson1357924 @samson1357924 1 year ago (edited) CPU是通才，能夠處裡幾乎所有場景的運算，但本身(可以但)並"不擅長"大量平行(向量/矩陣)運算(但有像是x86支援AVX-512的處理器這類含有專門為平行運算設計的運算單元例外) GPU是偏才，擅長圖形方面的平行運算/渲染 TPU/NPU也是偏才，擅長AI、語音辨識...等被設計用途的運算 44 PanSci 泛科學 Reply 3 replies @a2011521 @a2011521 1 year ago 換個說法現在買還太早了 懂了謝謝 Reply @user-ly7cu2li6u @user-ly7cu2li6u 1 year ago 我從來沒想過在微處理機中學到的東西，會在這裡再看到一次。 4 PanSci 泛科學 Reply @chiketlin @chiketlin 1 year ago 要更正一下，獨立顯示卡是很早就有了。一開始PC就需要一張獨立的顯示卡才能運作，反倒是主機板上整合顯卡功能是後來才有的。早期顯示卡的發展主要隨著顯示器規格成長而跟著發展，接著是輔助CPU的加速(先2D後3D)功能，這才導致GPU的問世。 12 PanSci 泛科學 Reply @ymh1021 @ymh1021 1 year ago 謝謝鄭董分享 PanSci 泛科學 Reply @enilffo1509 @enilffo1509 1 year ago 個人是讀資訊相關的，很喜歡影片當中講述當代電腦，以圖靈機、馮紐曼架構那部分，講述的很詳細，期待有相關電腦、架構之類的科普影片。yougotthisvirtualhug 12 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @Guixu_cosmos @Guixu_cosmos 1 year ago 我記得X86系列的IBM PC 這種結構被稱為儲存位址(記憶體)主導的結構 而另一線路是6502 APPLE所走的是繪圖主導的結構 這一點不曉得有沒有記錯。 2 PanSci 泛科學 Reply @hudsonvan4322 @hudsonvan4322 1 year ago 這集介紹得很好 手機當然就是又快又省電囉 最好可以回到以往一個月充電一次更好 4 PanSci 泛科學 Reply @user-to9ls8sw1x @user-to9ls8sw1x 1 year ago 請問TPU 和 ThinkMachine 和 IMS T800 有何不同？ 1 Reply @leelee7803 @leelee7803 9 months ago 小弟我受教了， 感謝泛科學！ PanSci 泛科學 Reply @ranran6419 @ranran6419 1 year ago 可不可以可以理解为现在处理器在运算速度上已经性能过剩了？所以才开始重点增加特定情景的运算性能？ 1 PanSci 泛科學 Reply @tomchiang @tomchiang 8 months ago 輝達的GPU顯片中也是有Tensor部分，主要是如果只有Tensor結構那市場真的不大，尤其是消費市場是不可能單用Tensor張量處理可以滿足，谷歌之前已經試過銷售水溫 1 PanSci 泛科學 Reply @WIND-SKY-DOG @WIND-SKY-DOG 5 months ago 也有注🎉意到這隻手機❤ 1 PanSci 泛科學 Reply @simonyen @simonyen 8 months ago 這個頻道真優質👍👍👍 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @user-im7vd5rp1r @user-im7vd5rp1r 1 year ago 感謝分享 PanSci 泛科學 Reply @a989857 @a989857 1 year ago 好棒的內容 PanSci 泛科學 Reply @YavnielYau @YavnielYau 1 year ago 5:53 說這是第一張顯卡好像怪怪的😅 3 Reply @user-hp6sd4ds5j @user-hp6sd4ds5j 1 year ago 坐等詳細評測 Reply PanSci 泛科學 · 2 replies @jimchen1551 @jimchen1551 1 year ago 你已經快把計算機組織講完了XD 2 PanSci 泛科學 Reply @PeterTheVoyager @PeterTheVoyager 1 year ago 看這集冒出一個想法是:要是台灣團隊開發一個algo讓綠幕自動去背功能分辨眼鏡反光，不要把一部分人臉也去掉會很棒哈哈 11 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @maochiou2698 @maochiou2698 1 year ago 請問各大討論區都有人刷暖暖包是真的還是假的? 求解答 Reply @user-nf4mv5pv9u @user-nf4mv5pv9u 6 months ago nv之前就有各種圖形處理器 只是功能較為專一 並非nv發明圖形處理器 也絕非第一個 voodoo 還有各種當時的遊戲主機 都遠早於256 PanSci 泛科學 Reply @user-nq8qs1yw1r @user-nq8qs1yw1r 10 months ago 最專業的分析，那些只看相機看了就搖頭 PanSci 泛科學 Reply @user-fi2ty4bm2n @user-fi2ty4bm2n 1 year ago 恩 所以這張晶片可以讓我在PIXEL上訓練模型的概念嗎？ Reply @user-dv9hk2qg7m @user-dv9hk2qg7m 1 year ago 計算RGB那邊的是2^24來表示顏色 1 Reply @chenangel8408 @chenangel8408 7 months ago 謝謝! PanSci 泛科學 Reply @yehchungjung02 @yehchungjung02 1 year ago GPU運算能力跟螢幕顯示效能有很大關係不是嗎？圖形或像素不是都要靠GPU處理嗎？ PanSci 泛科學 Reply @user-px4gc8bc6t @user-px4gc8bc6t 1 year ago (edited) 以目前手機晶片的速度來說，不要過熱和省電我就很滿意了。所以製程當然選台積電 25 Reply 4 replies @ae86409888 @ae86409888 1 year ago 其實只要不玩遊戲 中階機都是很夠用的... 日常生活最有感的差異基本上還是 拍照 充電 使用體驗 這些地方 36 PanSci 泛科學 Reply 3 replies @rzlnie @rzlnie 1 year ago UFS 3.1各个容量版本之间差距AUD 150，不知道google的NAND是不是钻石做得。 Reply @user-zc4de8us8g @user-zc4de8us8g 1 year ago (edited) 這集實在是太有料ㄌ PanSci 泛科學 Reply @qingfeng738 @qingfeng738 1 year ago 工厂的比喻非常好 PanSci 泛科學 Reply @rouerslabs @rouerslabs 1 year ago 非常准确的内容科普1 1 PanSci 泛科學 Reply @katehuangc.h.7892 @katehuangc.h.7892 1 year ago 聽到中文的圖靈機介紹好感謝，之前聽了很多遍圖靈原文介紹，一開始數的世界還算輕鬆，到了圖靈總是「到底聽到了什麼😂」為結尾 3 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @bi-hoo @bi-hoo 1 year ago 演算法應該是會越來越進步的 ， 也許收集到手機用戶的問題會回饋到總部，也許透過超級電腦找到解決方案 ， 不斷良性循環下 ……………… 　絕對會比過去更快進步 ， 而且有可能會有爆炸性的成長 ， 其實是不太需要太悲觀的 。 其實總有一天 ， AI 一定會超越人類大腦 ， 而且應該是不會有錯誤的 ， 當然那是時間問題啦 ， 你去看 蘋果 微軟 谷歌 已經是全世界前幾大市值的公司了 ， 而且未來他們市值只會越來越高 ， 全人類未來都掌握在他們幾家公司手上 。 2 PanSci 泛科學 Reply @Guixu_cosmos @Guixu_cosmos 1 year ago 不知道以後的時代 會定義哪一年是AI元年~~~ 後面X86系統 CPU跟GPU都會有AI。 這將使AI被個人運用的場景更加豐富 更加多元 越切入人類生活方方面面。 相反的操控介面很需要改進 滑鼠需要大改進 例如像捍衛機密的手套 4 PanSci 泛科學 Reply @jy9654 @jy9654 1 year ago 會想買一個下圍棋營世界冠軍的晶片當手機晶片嗎，我肯定還是會買運算快的...... PanSci 泛科學 Reply @ntr1381 @ntr1381 1 year ago D，所以我選擇內部有大尺寸均熱板的手機 3 PanSci 泛科學 Reply @user-zb4pb5tm3x @user-zb4pb5tm3x 1 year ago 5:51 其實Geforce 265還不算是第一張正式的GPU 他還是被歸類在2D圖形加速卡中 主要是來輔助當時的CPU來生成三角形 15 PanSci 泛科學 Reply 2 replies @pbs0083 @pbs0083 7 months ago 傳統跑分 對遊戲玩家還是需要的... 不同廠商所謂的優化 在實際遊戲表現時 結果還是理論跑分的結果參考性更高 ....同樣安卓環境下 30000分的手機的遊戲表現還是大於20000萬分旦號稱優化好的手機... 我自己就是用跑分高的非名牌低價位手機 跑遊戲的性能跟 HTC旗艦機非常接近 PanSci 泛科學 Reply @Desert-Storm @Desert-Storm 1 year ago 可以即時口譯的晶片 並且從對方表情 語速 語調 來判斷是不是講真話 OR暗示 1 PanSci 泛科學 Reply @fermikimo @fermikimo 1 year ago 現在的手機晶片裡，都有 AI 處理器啊！高通，聯發科晶片都有 CPU, GPU, APU ( Google 的 TPU ). 比較是 Google 的晶片設計還需要磨練磨練吧！ 6 PanSci 泛科學 Reply 1 reply @mimicqneb @mimicqneb 1 year ago Pixel6/7真的除了AI包含軟體與Google Assistant，之外硬體CPU與GPU(從三星來的)都不行，續航也不是很好，還容易發熱，玩電動真的不適合發熱掉電又快，除了照相排得上前幾名（也算是AI發展後增進很多），和整合的Google Assistant夠強，大概就這樣而已😂，不過我從Pixel 3（第一支夜拍手機，台灣第一支Google手機）就開始用了，Pixel 6/6 Pro、7，統一有一個缺點，都容易過熱😂，硬體設計真的不是Google長項😂 28 Reply 12 replies @nzcym @nzcym 1 year ago (edited) 當然是防摔防水，易修易換，方便升級，電池容量超大，不要在關鍵時刻沒有電。很少人會用手機取代桌上電腦，也不會幻想用手機取代單眼相機；與其樣樣通樣樣鬆，不如崇實務本扮演好手機通信中心之一的本業。 16 Reply 1 reply @kentak3950 @kentak3950 1 year ago 集各種優勢於一,前進的方向 Reply @minzne891 @minzne891 1 year ago 我只考虑打游戏，哪个速度更快 1 PanSci 泛科學 Reply @user-ei5el6ib3c @user-ei5el6ib3c 1 year ago 從nokia 3210的時代一直用到現在智慧型手機，從未遇過手機用到一半行動網路斷線，但Pixel 6讓我體驗到了！ 15 Reply 4 replies @daievan1676 @daievan1676 1 year ago 作为从nexus系列就开始使用goofle手机的pixel6 pro用户，其实手机对我来说，和对游戏主机一样，硬件是为了软件服务。如果没有合适的软件服务配合，那么无论怎么强大的芯片都只是一只电老虎而已。拍照处理只是一种表现方式，个人认为软硬结合更好的实现功能通常来说都是同步进化的。一般情况下不太会有某一项特别优秀，其他特别差的情况发生。 2 Reply 1 reply @hanchung79 @hanchung79 1 year ago 先講求不傷身體，再講療效（誤 晶片設計再強，若沒有好的製程 導致發熱量大以及耗電，甚至降頻 這樣使用體驗也不會多好 1 PanSci 泛科學 Reply @asddnbn @asddnbn 1 year ago 現階段Google還需要更多時間發展 期待3年內能有一個不錯的成果 11 Reply 1 reply @leejoneshane @leejoneshane 7 months ago 現在流行的chatGPT，是純用輝達的GPU，沒有用到 CPU和 TPU，也就是說如何優化 AI 運算的重點，不在你用什麼U，而是整體計算架構的問題！ PanSci 泛科學 Reply @steventsai7597 @steventsai7597 8 months ago NT$70.00 謝謝！ PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @Koycloud @Koycloud 1 year ago geforce 256怎么可能是第一张显卡。凭我说知在它之前nvidia就有Tnt2,Tnt。在此之前还有voodoo卡。 Reply @super2458 @super2458 1 year ago 需要一个ai助手 只要打字或者语音交互 ai就会帮你处理。对老人也很有帮助。 3 Reply @j22222222299 @j22222222299 8 months ago (edited) Tensor 的問題是他用三星製程, 之前用過pixel 真的很快沒電又很燙 2 PanSci 泛科學 Reply @bing_hsiuchung5465 @bing_hsiuchung5465 1 year ago 我怎麼現在才發現這個優質頻道 Reply @hidden1test @hidden1test 1 year ago 這樣TPU就是我有大量低階勞工的感覺，某些任務就是人多力量大，三個臭皮匠勝過一個諸葛亮 3 PanSci 泛科學 Reply @pannadchen1210 @pannadchen1210 1 year ago 超棒 PanSci 泛科學 Reply @jeffgu3422 @jeffgu3422 1 year ago 有些想法跟我周邊感受到不同,智慧手機剛出那幾年,人們換手機速度很快是真,但這幾年因為硬體性能高漲,周邊人換手機速度基本上是越來越慢了...所以CPU的跑分/性能確實是影響很大 51 Reply 6 replies @dustsword @dustsword 1 year ago 其實C跟B有點接近，GG製程撇除良率外最大優勢就在溫度跟功耗上的控制...架構沒變的8g1從星星星換成GG後表現跟兩顆不同世代soc一樣 16 Reply 1 reply @ZhanHeOu @ZhanHeOu 1 year ago (edited) 手機晶片最重要的是... 拿來打傳說對決可以贏對面 所以說... ...有那個alphaLoL嗎？ 1 PanSci 泛科學 Reply @welchchen @welchchen 1 year ago 我是Pixel 7Pro 用戶，過去10多年都是三星旗艦機用戶，感謝泛科學提供科普知識，讓我更確信Google這款手機的黑科技實實在在契合當前需求。到目前為止，使用滿意。 37 PanSci 泛科學 Reply 3 replies @jamesau4296 @jamesau4296 8 months ago TPU不是應該放在Laptop上面不是更加好嗎？ PanSci 泛科學 Reply @ShiTingHuang @ShiTingHuang 1 year ago B，希望維持運算時還能有出色的省電～ 1 PanSci 泛科學 Reply @yi0105 @yi0105 1 year ago Pixel 7最近廣告打超兇 2 Reply @alphaTrader.oo1 @alphaTrader.oo1 1 year ago TPU或矩陣能幫我思考人生嗎 Reply @user-hg6ed5ir1j @user-hg6ed5ir1j 1 year ago 科技日新月異... 傳統組電腦的個人工作室 難怪都倒的差不多了 2 Reply @user-qf4lk4hz4n @user-qf4lk4hz4n 10 months ago 其實Nvidia真的很擅長宣傳，在GPU出現之前，其實名字不一樣但做同樣事情的一堆，他們通常都叫做圖形加速卡 16 PanSci 泛科學 Reply @lbill9850 @lbill9850 1 year ago 這集很硬核😂 27 PanSci 泛科學 Reply 3 replies @peterkan88 @peterkan88 8 months ago Google手機很不錯啊，冬天還可以當暖暖包，真是貼心. PanSci 泛科學 Reply @chung-chihuang3555 @chung-chihuang3555 1 year ago 這就跟空有一身肌肉 卻沒地方發揮的感覺差不多 能應用場景目前還是太少了 2 Reply @user-ts4sy4fd4h @user-ts4sy4fd4h 1 year ago 可以耗電量高，發熱大這兩點依舊是很大的問題。。。說是有所改善，但對比競品還差很遠 5 Reply 1 reply @dieingkmt @dieingkmt 1 year ago 我的主力機是上一代的Pixel 6 怎麼說呢~玩他的本家遊戲Pokemon GO很卡蛋，放著掛機在那邊飆高溫 讓我對下一代的Pixel7有疑慮 3 Reply 1 reply @samson1357924 @samson1357924 1 year ago (edited) 想問TPU跟Intel、AMD在x86上使用的AVX-512是不是設計目的一樣?一樣都是要加強向量/矩陣的運算能力 差別在於一個是在CPU中增加計算單元，TPU則是獨立製作一個處理器的概念? Reply 15 replies @rouerslabs @rouerslabs 1 year ago 超异构系统是未来趋势，客户端算力相对弱化了。云计算和人工智能是主流 PanSci 泛科學 Reply @Zepsilful @Zepsilful 1 year ago 預購時就買了pixel 7 pro, 挺爽的 PanSci 泛科學 Reply @HolyBugTW @HolyBugTW 1 year ago 手機項目到底是mountain view還是HTC想要做的，探討這點才有趣 PanSci 泛科學 Reply @user-kx9sf4ow8s @user-kx9sf4ow8s 1 year ago (edited) Pixel 7剛買來的時候，前後鏡頭切換需要好幾秒。 內建時鐘app,自從2023年開始會發生閃退的狀況。 截圖時偶發的閃退問題。 這些問題都不是使用第三方軟體的相容性問題，內建的功能問題還這麼多….. 比起效能好不好，基本手機功能先做好比較重要 3 Reply 2 replies @user-zg7xf6ix6q @user-zg7xf6ix6q 9 months ago 讓我要下手Pixel 7a來玩玩了，期待近年能台積電製程，就穩定而言，因成本貴些，我還是會入手Google旗艦機。 PanSci 泛科學 Reply @Weng-window @Weng-window 1 year ago 竟然拿到谷歌手机！？ 以前传闻的DIY配件手机怎么了？ 谷歌有透露未来几年的战略方向吗？ 关于abcd的老问题， 我想要的是『养老ai』和学习后的私人资讯管理权！ 要对现实有认知如『医疗、法律、物件、生命、语言』， 处理优先顺序可以自定义…… 1 PanSci 泛科學 Reply @paulzx @paulzx 1 year ago TPU也有跑分软件，比如PS 2 PanSci 泛科學 Reply @AMATISIG @AMATISIG 1 year ago 4:36 小拳石怎麼有腳？ Reply @yuyaolin7861 @yuyaolin7861 1 year ago CPU也有AVX512 ，可以做AI運算,執行速度才是王道，期待100Ghz100核心的CPU到來， 1 PanSci 泛科學 Reply 1 reply @perseuschan @perseuschan 1 year ago 對於之前馬斯克的腦機介面，我想提出一個迷思：就是猴子在植入技術成熟的晶片，然後我們再把人類所擁有的所有知識傳輸進去猴子的腦袋後後，猴子會變得比人類聰明或是有與人類抗衡的能力嗎？🤔 2 Reply @foxjojo @foxjojo 8 months ago C . 使用台積電製程，就同時解決其他問題。 😄 PanSci 泛科學 Reply @pychuang7710 @pychuang7710 1 year ago (edited) 9:57 錯字 TUP -> TPU PanSci 泛科學 Reply @homelikimo @homelikimo 1 year ago 弱弱的問一下，裡面雖然講到很多理論跟可以應用領域，但還是比較少實際面的說明，但我理解最多的就是照片的自動修整，其他因為比較抽象還是沒看出g喜孜孜的原因 個人現在用的是google p7 pro PanSci 泛科學 Reply 1 reply @JackJhou @JackJhou 11 months ago ABC都重要 期待GOOGLE TENSOR G2晶片採用台積電!!! PanSci 泛科學 Reply @momentmove3726 @momentmove3726 8 months ago 我有google手機，影像處理確實非常強。鏡頭很普通但就是能生成優秀的照片。而且從外部匯入google相簿的照片都能處理。 但......google自己的手機系統居然在基本的功能上有缺陷。例如手機來電這種基本功能頁會被其他app顯示頁蓋掉無法直接接聽。AI很重要但基本盤也要顧。 PanSci 泛科學 Reply @Guixu_cosmos @Guixu_cosmos 1 year ago (edited) 我記得3D顯示卡的開始是S3呀 怎會是NVIDIA。最早只有2MB記憶體 只有2D功能 最大可以擴充到4MB 加到4MB才有3D功能。 顏色2^24=24bit=3byte 所以畫素還要*3byte才是一個沒有壓縮的單一圖片 現在已發展到2^32 2D時代的顯卡 我記得有兩家 一家是TRIDENT 另一家忘了... 人老了記憶力也不行了ˇˇ" S3後來有到8MB。買過SIS矽統推出唯一一張獨顯 愛用國貨的下場...慘 16MB時候是買3DFX的VOODOO卡 之後才買了麗台出的NVIDIA 32MB 跟64MB的顯卡 Reply @murraygdccp @murraygdccp 1 year ago 希望手機晶片不要成為數位獨裁的幫兇 4 PanSci 泛科學 Reply @wilsonchang4307 @wilsonchang4307 1 year ago 其實我一直想知道 Google的TPU、蘋果的神經網路引擎 以及其它廠商的NPU有什麼差別？它們的工作原理都差不多嗎？現在Geekbench只有對CPU、GPU有跑分 是不是應該要對神經網路的速度也加入比較呢？ PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @user-jk1fw9hn1e @user-jk1fw9hn1e 10 months ago 小提醒 cache的讀法是cash PanSci 泛科學 Reply @empty2017 @empty2017 1 year ago APU不知道還有沒有得打 Reply @SakiSekai @SakiSekai 2 months ago 0:17 差强人意的意思是大体上还可让人满意... Reply @user-yt8mr2fh4w @user-yt8mr2fh4w 1 year ago 所以在其他廠商也有NPU的情況下你google優勢在哪？跑分是一種客觀體現性能的工具，不限於測試CPU、GPU欸，如果tensor這麼厲害，跑個測試NPU的GeekBench ML來證明自己不就好了？ 6 PanSci 泛科學 Reply 3 replies @lastyfarson1493 @lastyfarson1493 1 year ago 手機 首要條件當然是通話通訊能力 用起來別發熱就成 其他按需求選擇就成 反正又不是只能用一台手機 1 PanSci 泛科學 Reply 4 replies @Multi12312313 @Multi12312313 1 year ago S835 6G RAM 128G ROM，藍芽5.0， LDAC，3.5MM耳機接口且有 ESS HiFi QuadDAC，廣角鏡頭，雷射對焦，日常使用，不玩遊戲，沒有水滴、挖孔、劉海，可以插記憶卡1TB，2K螢幕，AOD完整功能，我已經找到了， LG V30S ，現役順暢使用中，ANDROID 9 用到YT不支援為止。 3 Reply 1 reply @dreamhunter999 @dreamhunter999 1 year ago 就算強調用了TPU加強架構，事實證明過熱耗電還是因為三星製晶片是最大老鼠屎…😂😂😂 2 Reply @pbs0083 @pbs0083 8 months ago (edited) 本段是我還沒看內容就想先提出的觀點... 我覺得 該晶片或許主要針對特殊領域或用途... 像目前已知的量子計算機也只能用在特定"算法" 而無法用在一般人常識的用途 或特定領域用途... 身為目前把智慧手機主要用在遊戲和非AI通用用途的我來說 這種處理器對我來說不是很符合我需求 PanSci 泛科學 Reply @TG-ne6xc @TG-ne6xc 6 months ago 跑分理論上是用手機上的應用需求來比較效率，如果這個TPU很強但是在手機上完全用不到，那一點也沒有加分效果，目前除了拍照之外，似乎一般人在手機端沒什麼AI運算的需求。五年後可能會有用，但現在就只是個累贅。 PanSci 泛科學 Reply 1 reply @RichardChang2015 @RichardChang2015 1 year ago 怎麼找不到優惠代碼XD Reply @user-fs5wb9mt7s @user-fs5wb9mt7s 10 months ago Pixel真的要考慮改善手機功耗的問題，高功耗會直接打擊使用體驗. 4 PanSci 泛科學 Reply 3 replies @DPY583 @DPY583 1 year ago 自從前幾個月在網路上看到有人把語言AI訓練成順從的色情女僕，我已經不敢小看AI未來的發展了。 PanSci 泛科學 Reply @samlcy1997 @samlcy1997 1 year ago 效能不是最頂不是問題,問題是三星制程害到888 8G1 Tensor在功耗上連正常都算不上 2 Reply @vincentswhsieh4176 @vincentswhsieh4176 8 months ago 在9分57秒出現錯字TUP, 應該是TPU吧? PanSci 泛科學 Reply @zgamer6689 @zgamer6689 8 months ago 软件不适配光有硬件环境也是事倍功半 个人觉得最好的处理器应该是多数条件下保持能耗比最高的那一个 至于实际使用体验则需要软硬件全方位配合度越高越好比如苹果生态圈chillwdog PanSci 泛科學 Reply @user-pr4ez8hk1g @user-pr4ez8hk1g 1 year ago (edited) 內建AI晶片的處裡器前輩是聯發科, 只是聯發科稱為APU,GOOGLE稱為TPU, AI數據跑分上聯發科的APU領先, 不曉得兩者差異性 1 PanSci 泛科學 Reply 2 replies @user-qy7wx8fm8c @user-qy7wx8fm8c 1 year ago 那個...折扣碼呢 1 Reply @yao-chihchen2936 @yao-chihchen2936 1 year ago 巫毒卡才是第一個專門遊戲影像處理卡，我有兩張併聯..... Reply @Hakidayo @Hakidayo 1 year ago NVIDIA對GPU的定義是支持硬體T&L的顯示卡 3 PanSci 泛科學 Reply 1 reply @user-ur9cj2wj7g @user-ur9cj2wj7g 1 year ago (edited) 我拿Pixel7 沒有重度遊戲需求非常讚 👍發熱我裝手機殼就覺得沒什麼，外觀香茅綠我超愛 8 PanSci 泛科學 Reply @GaoShiOfficial @GaoShiOfficial 1 year ago 让我联想到了苹果 A系列芯片的神经网络，导致了它能学习人脸（A11开始，带有面容识别的设备）比如口罩解锁就可以靠学习来的。不是iOS 15.4更新的那个口罩解锁，而是在不断错误的情况下慢慢可以解锁（“忘”的很快，貌似4天不带着口罩解锁就会忘记你带口罩的样子。估计是为了安全或其他的） PanSci 泛科學 Reply @raymondchan3587 @raymondchan3587 1 year ago (edited) 選台積電製程就正確了，等同於省電不過熱！ PanSci 泛科學 Reply @worldking5059 @worldking5059 8 months ago 是不是可以這樣理解,GPU是把一個螢幕切割成一堆很細的格子,而GPU裡就有對應這些格子的處理單元，一次就是一堆單元處理一個畫面，處理完後，再把資料丟到螢幕。而ＴＰＵ就是把兩張圖切割成一堆小格子，然後比對兩個對應格子的相同點，越多相同代表越像！！所以ＡＩ的概念應該分很多種，這個ＴＰＵ是一種，另外還有一種ＤＰＵ，做用是分析輸入的資料（例如是文字），然後在ＤＰＵ內儲存一堆目錄，然後比對輸如的文字有關的目錄，再到網路或硬碟找到讓目錄的主內容，再對比出哪個最合試讓串文字的回答應容！！ PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @ray9912 @ray9912 1 year ago 10:05 起主播念了多次alpha這個單字 但聽得很不順耳於是查了一下 alpha在任何一種語言裡都不會被念成 欸歐法 幾乎所有的語言都是發 阿爾法 的音 唯一最接近的是丹麥語 會發成 欸勒法 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @sphinxtan9158 @sphinxtan9158 1 year ago 感覺neuralink在這裡可以有很大的發揮空間。因為電腦手機越來越快，人類自身的input output反而跟不上了。 但想一想挺可怕的，我們要這麼快幹嘛? 就像以前人的生活，也許沒有現代人這麼方便。但是生活壓力也沒現在這麼大。現代人動不動就要自殺，小孩都不想生了。難道這才是真正的文明大過濾器? 6 PanSci 泛科學 Reply 1 reply @jasonlu5663 @jasonlu5663 1 year ago 不是很懂，但有指紋辨識跟type-c就比蘋果好了。 Reply @jasontsai679 @jasontsai679 8 months ago 省電第一 服務品質第一 穩定性第一 PanSci 泛科學 Reply @user-hj5md2oe8s @user-hj5md2oe8s 10 months ago 干货 PanSci 泛科學 Reply @onehourmusicbc @onehourmusicbc 1 year ago Pixel 6 我是用的很爽就是啦... ww 1 PanSci 泛科學 Reply @user-ti3hc7mt2u @user-ti3hc7mt2u 1 year ago 先不管什麼Tensor了 看到李世石跟世界第一的柯潔被阿法狗殺到臉色蒼白進入賢者模式的表情真的很紓壓 那觀看量也讓世界開始認識圍棋，不知道估狗還有沒有興趣再辦第二次世界級輾壓賽事 像是兩人合作思考一起對付阿法狗之類的應該很好玩 1 Reply 1 reply @tony245252 @tony245252 1 year ago 就a....因為有夜拍補光錄影...夜間雨時都效果好....! PanSci 泛科學 Reply @Walk_0210 @Walk_0210 1 year ago 其實現在手機效能基本過剩，如果不玩一些真的很大特效的遊戲，基本上都夠用 3 PanSci 泛科學 Reply @dametime5996 @dametime5996 1 year ago 痾 分享這部片到line 怎麼縮圖變成怪怪的東西😂 1 Reply PanSci 泛科學 · 1 reply @AquilaTheta @AquilaTheta 1 year ago Pixel使用者對相機超滿意，畢竟普通人路上打卡拍食物主要還是用手機，Pixel 7 Pro 續航量高也不過熱 較差的遊戲跑分結果，用steam deck解決就好了，手遊又沒什麼好玩的 11 PanSci 泛科學 Reply @tonylongkuan @tonylongkuan 1 year ago 以前曾經有過組合手機的報導可惜好像不了了之了，每個人依需求組裝自己需要自己的功能，如果裝上幾個ai晶片就更棒了 5 PanSci 泛科學 Reply 5 replies @user-bw7zw2yt5j @user-bw7zw2yt5j 1 year ago 不是手機用不久, 是只用一兩年就出現各種問題, 不然我這麼懶才不會跑去換手機... Reply @frenezar3132 @frenezar3132 1 year ago 其實geforce 256不是第一個gpu 而是第一個提出gpu這個名詞的產品😅 2 Reply 1 reply @sail @sail 1 year ago 另一個架構是哈佛架構 3 Reply @sakurachien3611 @sakurachien3611 1 year ago 前面講解的電腦架構現在都已經改變了, bus system早就改成 read/write address/data 分開 甚至支援out of order.已經不是傳統Von Neumann architecture 更不用說多了一多內部增速的預先執行了 慢慢朝向MIMD發展. CPU快速很重要 為什麼 因為只有CPU支援完整的敘述執行與例外處理 而其他單位的計算器都仰賴CPU去執行 舉例來說GPU 你的計算內容需不需要 validate 過 GPU本身無法處理這些 不經過validate可能造成GPU HANG 資料往往都是靠CPU去LOCATE位置 怎麼可能不重要 而更快的處理速度 也可能對省電有幫助 在處理的時候如果電壓相同條件下 更快的處理單元 意味著在同電壓執行時間短 可以進到IDLE的時間就更多 不然APPLE幹嘛每次發表要提 1 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @Hehehehai @Hehehehai 7 months ago 我們需要直接的物理解釋，我聽不懂。 PanSci 泛科學 Reply @mailjuster @mailjuster 1 year ago 確定Google的Tensor真的是他們自己研發的嗎? 要不要和三星Exynos一起搜尋看看, 會不會有什麼其他發現呢? 1 PanSci 泛科學 Reply 2 replies @KUIBA0615 @KUIBA0615 1 year ago 我知道跑分不重要 但是你Tensor Core真的热啊 Reply @user-er6ip5ex4k @user-er6ip5ex4k 7 months ago 差强人意：指差不多令人满意 PanSci 泛科學 Reply @Hakudaku @Hakudaku 1 year ago 我就疑惑為什麼台積電不選要選三星.... 1 Reply @Ray-is2bz @Ray-is2bz 1 year ago 倒是說一下在手機上用起來有什麼提升，現在多數軟體就是吃 CPU/GPU，連最基礎的效能要求都跑不了加再多 TPU 有什麼用？ 實際上就是功耗放飛、效能低落 PanSci 泛科學 Reply PanSci 泛科學 · 4 replies @user-bv6ji2dt4i @user-bv6ji2dt4i 1 year ago 我买的pixel7 其他都还蛮喜欢的（不玩游戏）但是电量掉的太快，应该就是三星工艺的锅！ 1 PanSci 泛科學 Reply @user-iu1eh5ck2u @user-iu1eh5ck2u 1 year ago 手機網路有沒有吃到飽才是重點 PanSci 泛科學 Reply @dunhuiyang4504 @dunhuiyang4504 1 year ago 看完這集我明天計组穩了~ Reply 1 reply @user-wf4yc6bq6w @user-wf4yc6bq6w 1 year ago (edited) 所以可以用DLSS嗎 #反串要註明 Reply @NICK-jj8nm @NICK-jj8nm 1 year ago google 講得很好聽但是就手機產品來說只是個噱頭，CPU不強上限就已經決定了，等之後很多軟體更新後CPU還是會慢慢被拖垮 Reply @user-qt8uz6ez3z @user-qt8uz6ez3z 1 year ago 業配嗎? 本人就是Pixel的使用者，以前都是用zenfone 已經使用近2年，只能說目前對Pixel的表現有點失望 1.手機容易發燙，明明就只是藍芽耳機聽歌而已(沒亮螢幕)，夏天放口袋些微不舒服 2.電池壽命衰退快速，2年感受剩下60-70%而已 3.有時候有莫名小bug，例如下拉選單拉不下來(次數不算多，約2-3個月遇到類似狀況一次，重開就好) 上述問題都是以前用zenfone不常遇到的，沒意外下次可能會換回來了 7 Reply PanSci 泛科學 · 5 replies @wangdd5048 @wangdd5048 1 year ago 最重要是.... . ... . 解馬賽克 ~~~~~~~~~~~~~ PanSci 泛科學 Reply @user-jt2xw2qq4l @user-jt2xw2qq4l 1 year ago 其實就是套殼的獵戶座 才短短幾年連發哥都能壓著打 三星還是乖乖請台積電代工 PanSci 泛科學 Reply @user-gs9hu2mk3g @user-gs9hu2mk3g 1 year ago 手機存在感越少 不用惦記著要不要帶著出門 並結合XR體驗才是好手機 1 PanSci 泛科學 Reply @awayne1 @awayne1 1 year ago 身為Pixel 7 的使用者，真心覺得還是把基本的網路通訊弄好再說吧。整體使用體驗比P4差太多了... 7 Reply 5 replies @BIGbearrrrr @BIGbearrrrr 1 year ago 後攝不要爆才重要。😅 PanSci 泛科學 Reply @Hao-yp7mg @Hao-yp7mg 1 year ago Google Tensor晶片也是不錯的晶片，不過還是有很多改善空間，沒有用過Googel Pixel系列的手機。 1 PanSci 泛科學 Reply @keepcalmandcarryon8353 @keepcalmandcarryon8353 1 year ago Google 手機是宏達電團隊做的，跟本不行，我現在拿他們的U20 音量键短路，造成不斷進入檢測狀態然後自己關機，真是無言了。 Reply @user-ro2wb1np6f @user-ro2wb1np6f 1 year ago 用了一隻P6P 兩個月就淘汰了 太容易發熱 一發熱就斷網 害得我只能裸機 塞殼裡光看Youtube都能過熱 整支手機除了音質滿意其他全不及格 PanSci 泛科學 Reply @486word @486word 8 months ago NT$30.00 原來如此 PanSci 泛科學 Reply @tin_o5039 @tin_o5039 1 year ago 樣樣料減小 還賣這麼多 對比其他手機就是貴 Reply @user-qwertyuiopasdfghjk @user-qwertyuiopasdfghjk 1 year ago 這個思維有點嘴 應該要有人出專門用跑AI的跑分軟體，所有手機都來跑一跑AI測分，才能真的知道誰強 2 Reply @kevinyang4539 @kevinyang4539 9 months ago Cool PanSci 泛科學 Reply @balenokaren @balenokaren 8 months ago 我選B吧，省電~~~~ 1 PanSci 泛科學 Reply @stevenhuang8770 @stevenhuang8770 1 year ago pixel 7 照片按編輯 就要等待,選好工具又在轉圈圈, 編輯完照片還要轉圈圈 , 實際就是google的晶片 效能太差 PanSci 泛科學 Reply @peterwu2844 @peterwu2844 1 year ago (edited) 手機效能過剩 正常使用 應該不太需要AI矩陣運算TPU 與其發展這個還不如改一下他那個有點醜長條相機 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @user-vi3fg1kh5w @user-vi3fg1kh5w 1 year ago 很可惜若用台積電製程，性能會再狂升30% 4 PanSci 泛科學 Reply 1 reply @36d728 @36d728 1 year ago 作業系統就收了多少錢 Reply @musicstudio5603 @musicstudio5603 7 months ago 👍👍👍 PanSci 泛科學 Reply @lessmore9045 @lessmore9045 1 year ago g家满意，但是用户伤心啊 1 PanSci 泛科學 Reply @The_Senorita-In-the_Dream @The_Senorita-In-the_Dream 1 year ago 跟機械學習沒關吧 只是在人為給定的框架下做分配而已 1 Reply @user-ew2lr9uh3o @user-ew2lr9uh3o 1 year ago TPU 沒有證明比其他家的AI處理器強阿 PanSci 泛科學 Reply @MACROSS2KYTB @MACROSS2KYTB 1 year ago 戰未來？ PanSci 泛科學 Reply @user-op8lo4uq8d @user-op8lo4uq8d 1 year ago 在有特色，性能不夠也沒有意義。 要再跑分高的前提，有具備特色，才有買的需求。 不然出一個新功能只綁定5年前的CPU，就好了阿。 Reply @edilin1122 @edilin1122 1 year ago 長知識 PanSci 泛科學 Reply @raywinlee @raywinlee 9 months ago (edited) 它的晶片或許好,可是找三星代工我就是不會買帳,不是非台積電我不買,而是單機已經快三萬的高階手機,卻用良率低的瑕疵晶片,這點我非常不買單,且明明知道三星七奈米以下都有嚴重瑕疵下,為了便宜還在用三星晶片,這我就不買單最大原因,寧願壞頭殼去買貧果,或支持一般手機的華碩,也不願意去買想買的GOOGLE PanSci 泛科學 Reply @l55video @l55video 1 year ago 只要還是三星代工就不考慮。 PanSci 泛科學 Reply @shinchi1 @shinchi1 1 year ago Tensor從來不給台積電生產，所以不考慮購買 6 PanSci 泛科學 Reply 1 reply @jimmychuang5264 @jimmychuang5264 1 year ago 希望能像御坂美琴妹妹一樣連結網路上1萬個TPU同時運算 2 Reply 2 replies @DeSiGnEr5687 @DeSiGnEr5687 1 year ago 跑分是真的不重要啊 但是可以不要分數低還發燙嗎?就是在說你啦!三星!😂😂 1 PanSci 泛科學 Reply @SSRBDAISUKI446 @SSRBDAISUKI446 1 year ago 我覺得製程才是關鍵 因為就算設計再優秀只要製程烙賽 可能也無法發揮該設計應該要發揮的效果 12 PanSci 泛科學 Reply 2 replies @user-zx6xc3lo7r @user-zx6xc3lo7r 4 months ago 傳統跑分沒差，但不能這麼差 Reply @benchouchc4873 @benchouchc4873 1 year ago 如果只是想拍照為啥不要買相機而是買手機 而且更何況這手機除了拍照幹啥啥不行 Reply 1 reply @DoryFinN @DoryFinN 1 year ago 通常是跑分低的人才會說跑分不重要 2 Reply @frankli6868 @frankli6868 1 year ago Google 手机才是人类的未来😄😄😄😄 Reply @user-cl3db3cu9m @user-cl3db3cu9m 1 year ago 我想玩人工智慧，我是不是等you出來，不買gpu Reply @FENGEKUO @FENGEKUO 8 months ago 開頭那句是啥？ 各位飯桶好嗎？ XD PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @Sstevewong36 @Sstevewong36 1 year ago 👍 Reply @EZgo0369 @EZgo0369 1 year ago 我選ABCD，我全都要 Reply @wangpoki5449 @wangpoki5449 6 months ago ❤❤❤❤❤ PanSci 泛科學 Reply @gray_liu @gray_liu 1 year ago 跑分本身說真得確實不重要 但是C/G的性能還是超重要的 pixel6/7就是CPU/GPU能效太爛導致手機使用會過熱 4 Reply 4 replies @hom1476 @hom1476 1 year ago 沒有支援等於沒有用..! 🤨 Reply @likeheat32 @likeheat32 1 year ago 洗地業配文吧？完全沒有以前用Nexus 系列的驚艷感與CP值，跑分真的不重要？安卓的硬傷就是不用一兩年就被放生和跑不動了 Reply 1 reply @user-ce4lh8nk9o @user-ce4lh8nk9o 1 year ago 每个字都听得懂，合起来就云里雾里 2 PanSci 泛科學 Reply @annjoe6893 @annjoe6893 1 year ago 不要燒掉就好,ASUS ROGPHONE用2跟5都遇到主機板燒掉~無奈 PanSci 泛科學 Reply @user-pq1mm4bq5x @user-pq1mm4bq5x 1 year ago 厲害在三星代工，怕怕。 PanSci 泛科學 Reply @ccjccj @ccjccj 1 year ago 小孩子才做選擇，當然是全部都要 2 PanSci 泛科學 Reply @user-rw3qw6vv6u @user-rw3qw6vv6u 1 year ago 給我一個我不五年後再去買GOOGLE手機的理由 Reply @MidnightPops @MidnightPops 1 year ago (edited) 三星為了分數，做了造假，對我來說以後也不會再用三星的東西 我花大錢想用最高級的，就代表我當下的考量是預算很高的 結果你不好好做最高級的東西，還使用外掛騙分數，讓我感到我的錢被騙 加上為了競爭，過去的製程把關品質堪憂，讓三星手機成了炸彈，不禁讓人感到印象越來越低 這是品牌形象、這是信任度、這是對我自己很清楚的規格，去做的判斷選擇我所需要的手機 結果賣給我之後，後續才被爆出來，我買的東西我不是想要的 沒有一個正當的生意是這樣做的 本來是支持台灣，但台貨有時讓人感到失望 HTC是根正苗紅的大陸貨絕不考慮 ASUS有一台用了非常滿意非常久、但偶然買到一個創新型號卻2,3年就沒有維修料件 我也很支持華碩創新，但這種售後策略實在讓人打折 後來看身邊很多妹妹喜歡韓貨，才想說用一次三星看看，結果用一次不得了 直接當傻子，他們自己研發的螢幕指紋辨識也是出了名的爛 我的需求是要跑圖形遊戲和相機要強，偶爾可能要放一些自己寫的APP(除錯開發模式要流暢)，所以基本上應該用起來要很順 但是買了最貴的，相機算還可以，但是手機竟然整個不是很順，三家自家附帶的APP使用者體驗，都沒有華碩家的用得順 又很複雜，推自家Store是可以理解的，但用起來也很不順，也很多APP不知道用途在哪裡 下載了圖片或文件，要轉傳去工作或上傳去一些地方，卻常常找不到手機裡的檔案究竟存在哪裡，最新檔案也沒有看見 曾經也有考量過Google 畢竟Android就是他們自家的東西，加上我也會寫手機APP(微軟,蘋果,安卓) 所以蘋果安卓本家貨其實都是有考量 但Google在台灣買感覺有距離感，我又有當初找維修的陰影，所以變成一直在觀望Google家的手機 1 Reply @user-iw6pu3vp4q @user-iw6pu3vp4q 8 months ago 目前是選C. PanSci 泛科學 Reply @_Forsaker @_Forsaker 1 year ago 华为跟寒武纪N年前就是第一家在手机上使用TPU的，google太落伍了 1 Reply @user-zs5nh8qs5l @user-zs5nh8qs5l 1 year ago Google想把他的手機做成switch ，只靠優化吃飯嗎 1 Reply 1 reply @Rruify @Rruify 8 months ago 我買的起為優先 PanSci 泛科學 Reply @Timothy_CY @Timothy_CY 1 year ago 所以Pixel 7 Pro裝圍棋AI程式的話就是圍棋大師 Reply 1 reply @user-le1zz5bb7t @user-le1zz5bb7t 1 year ago 我買過 6 pro 以後真的回不去了 在也不會買google 謝謝 0:35 PanSci 泛科學 Reply @garywong4751 @garywong4751 1 year ago 我現在明白為什麼香港沒辦法買到 Google 手機了 Reply @wolfyportal @wolfyportal 1 year ago PTT鄉民都選C 3 Reply @yorktsang @yorktsang 1 year ago 根本沒用，蘋果 snapdragon 麒麟 這些芯片都有 tpu, 為甚麼其他的芯片什麼都有，但我要花錢去買google 的？ Reply @user-gl7ky9xu2v @user-gl7ky9xu2v 3 months ago yougotthis Reply @chenmoon9375 @chenmoon9375 1 year ago E. GOOGLE 跟本不太會做手機==.... TENSOR多猛 用的是人類阿 P7 原版的 螢幕 ....評價超爛QQ 不然我本來想買的 1 PanSci 泛科學 Reply @mjk7530 @mjk7530 1 year ago 天璣9200 贏過 A16 一樣 Reply @user-tt8rv3th8d @user-tt8rv3th8d 1 year ago 反正就是一種省成本的說法，用效能低的東西賣你效能高的價錢 Reply @sampopo123 @sampopo123 8 months ago Tensor很好，但我用不上，我不需要美美的照片、不需要助理、不需要影音通話，我只需要遊戲與瀏覽順暢，低溫低耗能，現在的主流發展很難找到一個掌機特化型的中高階手機，老是要把相機綁著一起銷售 PanSci 泛科學 Reply @user-zx6xc3lo7r @user-zx6xc3lo7r 1 year ago 三星換皮改叫google開發 Reply @fakharjafri3505 @fakharjafri3505 1 year ago Isn't google banned in your country? Reply PanSci 泛科學 · 2 replies @Wade_Chen @Wade_Chen 1 year ago 我用Pixel 5，兩年不到突然變磚，送修檢查說是機版壞掉沒辦法修，另外還有電池膨脹，PTT上看才發現不是個案很多人都這樣，要買google手機的人請多看看使用評價，不要像我一樣只看功能規格，非常後悔 1 Reply @randylee2564 @randylee2564 1 year ago 小孩子才做選擇，最後功能我們全都要 Reply @loveppigify @loveppigify 1 year ago 所以google為什麼跑分低還開心？ Reply @mikechen2871 @mikechen2871 1 year ago (edited) C 本來也會想買Pixel 7 Pro 但是處理器是三星代工就打退堂鼓了 6 Reply 1 reply @v963610 @v963610 7 months ago 我只知道三星製程的Google Tensor一樣會過熱續航過低 呵呵 PanSci 泛科學 Reply 1 reply @Shikaco001 @Shikaco001 1 year ago 敢用三星代工，被拖後腿還能出來這成績算不錯了 Reply @user-jt2vj9ds9w @user-jt2vj9ds9w 1 year ago 我覺得不懂辨別手機規格的人，都是買蘋果的。安卓太多選擇了，很難搞懂那個才適合自己。 2 PanSci 泛科學 Reply 1 reply @fishkiki @fishkiki 1 year ago 4還在用 實在不想買三星馬甲 Reply @shungro8894 @shungro8894 1 year ago 看完影片的感覺是TPU好像是有潛力的東西，但是實際上這兩年採用TPU的P6/7都沒什麼好風評，更沒有讓pixel因為有了TPU而有什麼破壞式的突破或獨特性，所以旗艦機跑分吊車尾，而產品又平庸，為什麼要開心呢？ 2 Reply 5 replies @samu214 @samu214 1 year ago 差強人意不是這樣用的⋯⋯ Reply @boring8561 @boring8561 1 year ago 難怪最近火必 暴漲 感覺如果以後爆發手機挖礦 那google手機應該會很搶手 瓦數低適用挖礦又不會太貴 1 Reply 6 replies @tonytsai5440 @tonytsai5440 1 year ago 8 gen 2都出來了還停留在8 gen 1的時代🤣🤣 Reply 3 replies @user-bj8pb4kb4h @user-bj8pb4kb4h 8 months ago 在科學頻道歪樓一下....... 鄭龜的頭......ㄟ.....少一個字就很可怕了😱😱😱 PanSci 泛科學 Reply @Johnathan-_- @Johnathan-_- 1 year ago 手機晶片是Apple先放入神經網路引擎 Reply @yi_huimeng1936 @yi_huimeng1936 1 year ago 哇 好多control UNIT1400==809B==1116B==124A==516O==724AB 喔 ....不過pixel==optimus901==fuji==family==312B==912O 還是有點雞助... 1 Reply @user-qt4ct5eq1x @user-qt4ct5eq1x 8 months ago 網路 not 網絡 PanSci 泛科學 Reply @gfcheng @gfcheng 1 year ago Tensor為省成本代工找三星不找台積電，導致耗電大發熱高，每天都要充電且用久一點就發熱...第一次用Google Pixel有點失望Google 大神的手機居然是這樣的表現... Reply 2 replies @cheney0760 @cheney0760 1 year ago 作为家庭的一份子，手机自然要在空闲的时候挣钱帮忙养家 1 PanSci 泛科學 Reply @soul0024 @soul0024 1 year ago 作為一個pixel 6 pro使用者，tensor這顆處理器晶片就是覺得不好用，性能差耗電爛又發熱 已經決定下一台手機跳S23 ultra了== Reply 5 replies @ilemt0923 @ilemt0923 1 year ago (edited) 有講等於沒講，比喻用太多就會變得很玄學了 建議不要太怕深入技術性的東西，就算要分個上下兩集也比乎巄過去的好 5 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @Mark-zr5yt @Mark-zr5yt 6 months ago 小孩子才做選擇,我全部都要 PanSci 泛科學 Reply @calvinhuangCM @calvinhuangCM 1 year ago 三星製程還是先不要 Reply @kknn @kknn 1 year ago 有AI 不代表那顆SOC就不垃圾 Reply PanSci 泛科學 · 1 reply @user-wv9kd3kj7c @user-wv9kd3kj7c 8 months ago 開頭就說了重點，所以5年後再買，目前沒用 PanSci 泛科學 Reply @user-nm2zs1uf5e @user-nm2zs1uf5e 1 year ago 好硬好硬啃不動但是啃得好爽 PanSci 泛科學 Reply @jerrylee8207 @jerrylee8207 1 year ago 沒有電機資工背景的人真的看得懂這一級嗎⋯⋯ 1 Reply 1 reply @eRIC-dm4ch @eRIC-dm4ch 1 year ago 7:34 這怎麼有點像周子渝？ Reply @ayuxi @ayuxi 1 year ago 差强人意。 1 Reply @rosemanyroche8346 @rosemanyroche8346 1 year ago 真不知道大家買貴的手機要求在哪裡，如果只是打打電話，隨便那一家手機都可以，貴的手機要求就是拍照能力，應該是如此吧！ PanSci 泛科學 Reply @xyl42 @xyl42 1 year ago (edited) 看了好幾年各種知識類節目 只能說台灣科普影片真的遠遠被大陸日本歐美遠遠甩在後頭 娛樂性也好專業性跟可看性基本就是幼稚園等級的 整個影片節奏平淡如水，輸出的內容也是缺東缺西 而且講到TPU怎麼會沒提到NVIDIA的TPU能幹嘛 最近聯發科跟驍龍還有蘋果的晶片能幹嘛 前面講一大堆好像在講GOOGLE很有前瞻，跑分不夠沒關係 卻沒有講這些事情其他人都做的到而且跑分還屌虐GOOGLE GOOGLE除了計算攝影稍微強一點以外請問AI對於手機的應用場景是有用在哪裡? 然後後面再一筆帶過其他公司而且很明顯就是想偷偷壓其他手機的SOC 甚至連業界目前最前頭的NVIDIA跟AMD還有蘋果跟INTEL的效能在哪邊都不敢提 真的要科普拜託多看一點論文跟普遍的論壇中大家討論的用語 不要廠商給你們一個產品你們就只會上網翻新聞 不然專業也專業不起來，親民也親民不起來，顯得就很業餘 自己就沒懂多少又硬要把知識降維講給別人聽，又要裝的很理性一樣在討論 真的看起來很無聊而且很隨便 不知道的還以為這影片是大學交期末報告做的 根本就是一個假中立的軟業配 在那邊想要洗風向 台灣這種假中立假理性科學再慢慢洗腦的風向再不改真的會完蛋 15 PanSci 泛科學 Reply PanSci 泛科學 · 2 replies @chenenjoytheluxury2668 @chenenjoytheluxury2668 1 year ago (edited) 台積電+聯發科最重要。我覺得google那顆CPU純粹就是想學貧果的路線，所以先找三星設計+代工而效能低落，但有一定經驗之後就能把三星踢開自己做了，不過不否認拍照真的沒話說。 至於買pixel大部分理由就是android+不要中國+要大螢幕。這樣篩選下來就只剩pixel，剩下的TPU我不認為有多少人會真的用得到(除了照相)。 3 Reply 1 reply @boastella @boastella 1 year ago 講白一點現在旗艦手機都處於效能過剩，唯一吃效能就只有元神 PanSci 泛科學 Reply 1 reply @acehinnnqru @acehinnnqru 1 year ago 我没有故意挑刺哟. 但是其实 “差强人意” 更多是好的, 而不是坏的. 它的近义词是 “心满意足”. 而非感到差劲. PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @JenH666 @JenH666 1 year ago 3333讚搶頭香~ Reply @y720love @y720love 1 year ago 臺灣代工厲害的還是明明是一張圖，用起來就是兩種東西，臺灣代工就是香很多，至少臺灣人肯定是吃過虧才懂。 PanSci 泛科學 Reply @TAchange @TAchange 1 year ago 嗯……我完全沒聽懂，還是看完了 PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @oldlee2706 @oldlee2706 1 year ago 政府会很喜欢这个 Reply @linnick2865 @linnick2865 1 year ago 教育消費者對製造商來說一直都是很蠢的一件事，成功的例子不多 4 PanSci 泛科學 Reply @frankli6868 @frankli6868 1 year ago 从来就没喜欢过苹果🍎手机 Reply @samuelpoon7272 @samuelpoon7272 5 months ago 更強的TP🐷🐷🐷 PanSci 泛科學 Reply @d804320 @d804320 1 year ago PIXEL手機如果用GG製程 超過三萬都有人搶著買 可惜為了省錢用三星... 6 Reply 3 replies @q6566876 @q6566876 1 year ago 效能差沒關係 能耗比爛就不行 拜託改台積電代工 Reply @linian8109 @linian8109 1 year ago (edited) 好啊既然五年後才有意義，那麼客戶五年後再買吧 GOOGLE根本講幹話 Reply @vincentlin78 @vincentlin78 1 year ago 問題是Tensor的AI跑分也不怎麼樣耶…差了好幾條街 1 Reply 3 replies @user-dh7lt4we2t @user-dh7lt4we2t 1 year ago 身為7的用戶，覺得螢幕真的是太爛了。從P3XL換上來覺得螢幕降級 2 Reply 3 replies @homingwei @homingwei 1 year ago A、B～～ PanSci 泛科學 Reply @IOU9527 @IOU9527 1 year ago (edited) 不打遊戲的話真的沒差，搞不好都用不到手機一半的效能 7 Reply 2 replies @guanminhong @guanminhong 1 year ago 影片一開始 google 做了一個五年後的處理器，但在這麼厲害，五年內手機一定會被換掉，這樣的話，邏輯有點怪。 Reply @capture901015 @capture901015 1 year ago 理想很美好，現實是pixel手機功能沒他家多，手機卻比別人耗電 更不用提莫名其妙的bug一堆 我是相信google的理論啦 但現在的手機就是半成品無誤 10 Reply 15 replies @BigbrothersAreWatchingYou @BigbrothersAreWatchingYou 1 year ago 所以還是TSMC比Google的TPU重要，如果不是每天大量拍照+濾鏡😂 5 Reply 1 reply @exia791227 @exia791227 1 year ago 這裡是「看的我一知半解，但還是覺得很屌」的按讚區 1 PanSci 泛科學 Reply @Token0417 @Token0417 1 year ago 每一次更新作業系塞滿廣告，吃cpu量多跑不快，連耗電量變多。cpu永遠不夠用，除非優化作業系統，不要塞佔資源廣告。 Reply @ts01678941 @ts01678941 1 year ago (edited) ㄏㄏ，跑分真的不重要耶，反正為了公信力跑分app肯定會妥協的😅 3 Reply 7 replies @user-fb8bn5kt4d @user-fb8bn5kt4d 9 months ago 便宜，不要玩遊戲當機即可 PanSci 泛科學 Reply @LaysDragon @LaysDragon 1 year ago 對想要性能的買家來說這大概沒什麼意義，感覺不愧是企業無論如何都能推銷自家產品，性能低了，性能分數就沒意義wwwwwwwwwwwwwwwwwwwwwwwwwwwwww Reply @posenchang3736 @posenchang3736 1 year ago 三星製作再次pass Reply @ScarsOfSummer @ScarsOfSummer 1 year ago AI加快語音助理的處理速度與增加功能→只有我覺得在大庭廣眾下用說話的方式對手機下指令很尷尬嗎？ AI修復圖片模糊與手震→這些應該是要做成網路服務而不是單一手機晶片處理吧？ 再配上產品總監的專注5年後的機器學習需求， 那5年後我再考慮這支手機就好啦？ 而且5年後其他家搞不好做得更便宜更好耶？ 又或是5年後被蘋果超車到看不到車尾燈。 總之現在要買個能穩定用三年的手機還是iphone首選...別忘了pixel 6被炮得多慘了 4 Reply 2 replies @eastwest1979 @eastwest1979 6 months ago NT$30.00 我聽不懂 XD PanSci 泛科學 Reply PanSci 泛科學 · 1 reply @yi_huimeng1936 @yi_huimeng1936 1 year ago 美國人最會豪洨...把一件簡單事 搞得這麼複雜... Reply @duoduo531 @duoduo531 1 year ago 看来是amd时代了 Reply PanSci 泛科學 · 1 reply @zhiyaunpan2415 @zhiyaunpan2415 1 year ago 對三星代工沒信心 PanSci 泛科學 Reply @sunnykwok7373 @sunnykwok7373 1 year ago (edited) 不好意思， 正在使用pixel 7 Pro將近3個月基本我可以確實感受到只是 pixel 2 pro加強3鏡頭版 首先 1. 在日常生活中一個正常家庭或主婦，所謂什麼強大ai有什麼用？ 2.就算拍攝廣角和遠攝都是samsung， 日間質素還可以夜晚簡直不堪入目，就算什麼強大ai 我相影像雜訊就是雜訊，無論怎樣超級ai處理全是爛渣，如果你有用過huawei mate40 Pro 2年前機器比較下就會明白 3.拍影片價值是垃圾級別， 先講拍4K 時間一長CPU發熱嚴重對焦如同10年前單反相機，夜晚更不用說幾乎被人笑更不用比較iPhone12pro 問題來了CPU經常發熱會短命嗎？理論上會加上皮套更熱， 用samsung sensor就算注定失敗， 在過時過節包括生日會較暗環境拍照簡直不能見人，更不用說前置鏡頭， 還有就是面孔解鎖在其它品牌如果較暗環境基本會驅動屏幕發光， 彌補光線不足情況下無法解鎖為什麼Google強大ai不能？， 還有很多東西都在退步， 三星、小米、華碩都可以用 type C 擴展設備輸出hdmi做有線投影，並且兼容電腦上的外接設備基本通用，問什麼Google pixel 7 Pro不能，它能驅動硬件並且識別但Google android被鎖上該設備，還有很多問題 總結我不玩遊戲也玩不了遊戲， 我知道好多人說為什麼要比較，但世界上就係要有比較，有人說iphone好不如買iphone啦如果這只是逃避，但我認為 Google pixel 7 Pro只是一個 AI用收集我們日常信息的一個裝置，用來強大Google系統ai的電話 PanSci 泛科學 Reply 1 reply @user-tk1pz5wb6y @user-tk1pz5wb6y 1 year ago ❤😊 PanSci 泛科學 Reply @CKHu-ul7xy @CKHu-ul7xy 1 year ago 耗電量哩... Reply PanSci 泛科學 · 1 reply @coffeey3200 @coffeey3200 1 year ago (edited) 大部份的人都只上上網 看看劇 上崔特發發廢文 Reply @j63712kimo @j63712kimo 1 year ago 說的落落長，結果手機實際體驗也沒比較厲害，我是pixel 6pro 使用者，光充電速度就讓人吐血了，google助理一樣智障，說提醒我一直幫我建立鬧鐘沒辦法設定24小時候，要不然就是幫我網路搜索，比較好的就只有拍照，體驗真的兩光，還不如買大陸的旗艦小米機就好 Reply @wizardy6267 @wizardy6267 1 year ago 这Ai芯片五年后有用？五年后google还不一定在呢，哪里来的勇气让客户为现在软件用不到计划五年后才有可能有用的的产品买单呢，这逻辑也是很ppt营销了？ Reply @MARKWANG5D3 @MARKWANG5D3 1 year ago (edited) Tensor 最大的問題是製程 不是設計問題 給星星星代工就是最大錯誤 如果給GG代工 搞不好就是 新的世代了 而且這已經很明顯了 像是MTK的天機9000給GG做 現在真的猛到爆炸 Android 我只選天機9000 4 PanSci 泛科學 Reply @HSUAN0705 @HSUAN0705 1 year ago 越看越恐怖 哪天AI 你不說他都知道你要做什麼了 AI 就是怕沒道德的人亂用 PanSci 泛科學 Reply @jackywang1218 @jackywang1218 1 year ago 我都唸ㄎㄟ、噓 Reply @twdpp @twdpp 1 year ago 我就想問 提供給你們之後 還要還嗎? Reply PanSci 泛科學 · 1 reply @hugo-sd1zi @hugo-sd1zi 1 year ago 根本賣不出去，少賣一台就少虧一台，當然喜孜孜囉!!! Reply @tony_chiao @tony_chiao 1 year ago 我是google重度粉絲，第一次購入pixel3xl，一直買到google開發晶片的pixel6pro， 使用一段事件後覺得他就是電子垃圾，謝謝。 除非不再使用三星製造不然應該就不會再回購google了吧 5 PanSci 泛科學 Reply @user-gy3zk3tc7e @user-gy3zk3tc7e 4 months ago 吳沛誼李依靜靜在一起我愛你你吳沛誼 Reply @sail @sail 1 year ago 成功AI，失敗BI 3 Reply @user-gy3zk3tc7e @user-gy3zk3tc7e 4 months ago 吳沛誼李依靜靜在一起我愛你你吳沛誼 Reply @user-gy3zk3tc7e @user-gy3zk3tc7e 4 months ago 吳沛誼李依靜靜在一起我愛你你吳沛誼