| T O P I C R E V I E W |
| cwchang2100 |
Posted - 07/19/2023 : 09:22:03
承前討論：
http://www.acewings.com/cobrachen/forum/topic.asp?TOPIC_ID=11780&whichpage=17
半導體產業/電子科技
--------------------------------
這些秘密話語來自活著的耶穌，由迪迪摩斯•猶大•多馬記錄。
他說：「任何人發現了這些話的意義，將不會嚐到死亡的滋味。」
多馬福音第1節 |
| 25 L A T E S T R E P L I E S (Newest First) |
| WingStar |
Posted - 06/14/2026 : 14:29:42
https://semiengineering.com/the-sub-2nm-paradox/
在2奈米及以下的半導體製程中，晶片微縮面臨嚴重的物理極限挑戰，由於導線極度變薄，電阻與電容延遲顯著增加，
且靜態隨機存取記憶體的縮小速度遠落後於數位邏輯，限制單一光罩尺寸晶片的快取記憶體容量，
此外極細微的幾何變異、薄金屬層與基板的翹曲及製程工具與原始材料的變異性，均導致物理層面缺陷率攀升，
這使得先進製程從發表到實現高產量良率的成熟期大幅拉長，傳統依賴提高電晶體密度來提升效能的模式難以維繫
為了應對物理瓶頸，晶體結構與製造工藝正迎來關鍵轉型，目前的環繞閘極場效電晶體預計在10埃(1奈米)節點達到技術極限，
未來將由互補式場效電晶體取代，互補式場效電晶體將原本橫向並排的電子型與電洞型電晶體轉為垂直堆疊，
雖然大幅提升結構與三維空間的複雜度，並增加背面供電的佈線難度，卻能顯著節省空間，
在微影技術與材料方面，單次曝光的高數值孔徑極紫外光系統將逐步取代多次曝光的低數值孔徑系統以簡化流程，
低層邏輯互連材料也正從鎢轉換為阻值更低的鉬，後續更計畫導入釕、光子學與玻璃基板
因應單一晶片面積的物理與發熱限制，晶片設計核心全面轉向加速數據移動，推動多晶片封裝與系統級動態監控，
為了降低小晶片的製造與封裝成本，產業正研發將圓形300毫米晶圓製程轉移至高容量的矩形面板級製程，在同一個晶圓廠內整合晶片製造與封裝，
此外人工智慧等大語言模型的工作負載具備高度非均勻性，易產生局部熱點並加速電遷移，因此傳統的最壞情況靜態保護帶已被汰換，
改採在實際工作負載下即時、高覆蓋率監控時序邊限與老化狀態的動態管理方案
|
| 小毛 |
Posted - 06/11/2026 : 09:49:29
一個AI機櫃九百萬美元，出個個位數機櫃就能買一架軍用直升機，出個十幾櫃就能買F-35...AI軍備競賽真花錢....
另外要注意台灣對美的貿易逆差成長幅度，一家台廠一個月出個幾百櫃那就是幾十億美金營收...
https://money.udn.com/money/story/5607/9558183
輝達頂規機櫃天價曝光！等同一棟豪宅 外資按讚三台廠
被華爾街譽為「賣方（Sell-Side）領導者」的伯恩斯坦證券指出，輝達（NVIDIA）標準Vera Rubin NVL72機櫃的成本高達910萬美元，衝上新天價。台廠台達電（2308）、欣興（3037）、致茂（2360）受惠硬體升級趨勢，均給予「優於大盤」評級。
歐洲研究機構前八強的伯恩斯坦證券搶先對輝達下世代Vera Rubin架構進行深度解密。根據估算，Vera Rubin NVL72機櫃的成本高達910萬美元，衝上新天價，遠高於市場預估的800萬美元，主要是市場使用過時的記憶體價格假設。
伯恩斯坦證券説，若採用每GB約16.6美元的HBM4價格，可推導出接近800萬美元的結果。然而，預期2027年Vera Rubin開始大量出貨時，HBM4價格將提高至每GB約53美元，使記憶體與儲存成本將接近320萬美元。
不過，GPU仍然是整個系統中「最貴的靈魂」。伯恩斯坦證券推算，GPU本體成本就高達400萬美元，其他近200萬美元成本則來自其他系統元件，如網路設備成本120萬美元、散熱系統15萬美元、電力配送系統15萬美元等。
若對照GB200 NVL 72機櫃成本來看，Vera Rubin NVL72機櫃成本將高出1.11倍。其中運算子系統（含CPU、GPU、HBM）高出1.28倍、網路子系統（含NVLink交換器等）1.01倍、散熱系統2.09倍、電力傳輸系統2.41倍等。
** 小毛的新幻想空間逐漸復活中(新增3D圖喔).....**
http://lordmrx.pixnet.net/blog
歡迎參觀 |
| Moyx |
Posted - 06/09/2026 : 17:35:59
这论坛里给我的感觉是，摩尔定律提出来的时候好像人们已经知道浸没式光刻机的方案一样。
“No exponential is forever”
“In the beginning, the microelectronics industry was fueled by government investments, much of it through the US Department of Defense (DoD). DoD’s expenditures in equipment as well as research and development (R&D) in electronics was in the billions of dollars, increasing from $3.2 billion in 1955 to $7.8 billion in 1964 ”
领先世界的国家，靠政府投资搞这个时候就被人忘记了。
路子对不对不知道，�茷D是投钱投人肝。
当年佳能尼康怎么输的，一定怪中共这种思路，很好，你们继续保持————对了，论坛这么多人，没人去翻你们2010年的言论出来惭愧吗
超激動水線下圓柱體 |
| 閒遊之人 |
Posted - 06/02/2026 : 12:12:29
過去是靠房地産當火車頭現在要改用AI當經濟火車頭嗎？不過感覺呆丸在Ai這塊投入沒這麽瘋 |
| pcgamer |
Posted - 06/01/2026 : 17:22:22
連著名的胡叼盤也要參一腳：
https://www.storm.mg/article/11137023
黃仁勳對華為「韜定律」潑冷水！胡錫進反擊：今年秋天將見證「DeepSeek時刻」
對啦，中國晶片就是彎道超車！ |
| WingStar |
Posted - 05/30/2026 : 12:25:17
沒事，反正大陸內部不知道，還有所謂的官媒出來護航洗地，
反正不是自家事，他國事務而已 |
| damau |
Posted - 05/30/2026 : 11:32:49
和半導體專業同學聊到這，他說他聽到都流把冷汗，
不是華為技術太強 而是因為華為還沒搞清楚，就敢在各路大神所在IEEE放衛星發表新定律.
而且就算這樣搞，到時還是會遇到很多限制.
真是為中國專家的膽量和臉皮汗顏. |
| pcgamer |
Posted - 05/30/2026 : 08:31:15
黃仁勳最近在接受採訪時甚至表明，華為現在搞的這個『新技術』，台積電早在10年前就深入研究過。 |
| WingStar |
Posted - 05/27/2026 : 10:16:45
華為在會議上提出的理論聽起來很棒，但現場就被與會人員及主持人瘋狂洗臉，大家都是專家哪會被華為幾句話就呼攏過去，
所以在何庭波講完後華為技術團隊就上台用RISC-V架構以模擬方式展示如何透過光子晶片互連、3D堆疊(3D Stacking)及非馮紐曼架構(Non-Von Neumann Architecture)，
在不依賴ASM的EUV曝光機下將晶片內部的數據傳輸延遲壓縮至極限，現場的人聽完立刻就發現一堆問題
首先何庭波自己也承認，他所說的1.4nm並不是指華為真的在物理製程上做出1.4nm的極小幾何電晶體，
而是指等效，即效果相等但效能不相等，必須付出更多代價來換取這個相等的效果，
這是華為被卡在成熟製程(或舊款DUV多重曝光技術)迫不得已將晶片由2D鋪平改為3D垂直摺疊(Logic Folding)，
這就像在一塊地皮上蓋摩天大樓來增加容積率，雖然在相同面積內塞進了同等數量的電晶體，
但底層電晶體的物理體積依然是粗糙的舊世代，證實大陸在努力10年後仍然做不出DUV和EUV曝光機，
即便小粉紅和護航者在怎麼努力大外宣和掩護，沒有的東西就是沒有，連替代品都沒有，或者說爛到等於沒有
再來這個架構核心是縮短關鍵訊號的路徑，但立刻就被問，將電路垂直摺疊堆疊會帶來電阻電容(RC)負載與寄生電容效應，
數據要在垂直的3D結構中上下傳輸，沒有微結構上的匹配，晶片極易因訊號干擾而崩潰，會上的演示也出現過幾次這個問題，
這就顯示這個架構能否成功要看人品天意而不是客觀技術，也許100個中出1個，也有可能1兆個中出1個，
自然被人噴說不具備可複製性及工業量產性，所以何庭波才說要在2026秋季推出麒麟晶片來證明這個架構是可以量產的
也有人問3D堆疊的散熱效率極差，導致晶片內部的局部熱通量密度(Heat Flux Density)突破物理極限，
當上下兩層算力單元同時全速運作時，中間層的熱量會被上下夾擊，根本無法透過傳統的表面散熱片(Heat Sink)將熱能傳導出來，
雖然書面資料說是會採用微通道液冷技術(Micro-channel Liquid Cooling)來解決散熱問題，技術下面再說，
光會中演示沒有展示熱量傳導計算和模擬結果，當場就被噴了滿臉豆花，畢竟無法解決熱功耗，
晶片在實際運行重度AI算力時會面臨嚴重降頻，畢竟大家都知道沙烏地那座大陸算力中心的前車之鑑
為了解決3D堆疊內層無法散熱的物理限制，華為在論文中提出微通道液冷技術(Micro-channel Liquid Cooling)方案，
白話說就是在堆疊的矽晶片(Silicon Die)間直接蝕刻出微米級的通道，並讓冷卻液在晶片內部直接流動(即微通道嵌入式液冷)，
現場就被問說有沒有考慮到矽晶片結構變形與可靠性，畢竟要在只有幾百微米厚的矽晶片上蝕刻出密密麻麻的液冷通道，
會嚴重破壞矽晶片的機械強度，晶片在高速運算時會隨溫度劇烈膨脹與收縮(熱循環，Thermal Cycling)，
會導致內部微通道極易發生微小斷裂，造成冷卻液在晶片內部發生微觀洩漏，一旦洩漏，整顆AI晶片就會瞬間燒毀，
且在微米級別的管道中，冷卻液的流體阻力(Fluid Resistance)呈幾何級數增長，需要極高的泵壓(Pump Pressure)才能推動，
何庭波承認沒有實際做過實測，只有理論上可行，
又華為缺乏全球頂級超純冷卻液(這是日本化學廠專利技術)，管道內部極易產生微觀結垢或化學腐蝕，不出幾個月就會徹底堵塞，
屆時如何清理及疏通，這些問題何庭波現場也答不出來，只反覆強調理論上是可行的，技術問題到時自然會解決
3D堆疊晶片在層與層之間必須使用絕緣介電材料(Dielectric Materials)進行隔離，以防止信號互相干擾(Crosstalk)，
而有效隔離電子信號的絕緣材料，在物理特性上通常也是優良的隔熱體(即熱阻非常高)，
現場就有人問華為打算用甚麼材料或工藝當作絕緣介電材料，何庭波只說還在實驗中尚無定論，
顯示華為在無法取得美歐日最尖端低介電常數(Low-k)且高導熱率的複合材料下，使用的替代絕緣材料會像一條保溫毛毯，
把每層電晶體產生的熱量牢牢鎖在晶片內部，換句話說，就是縮短信號傳輸時間的同時，也因為熱阻過高導致電晶體溫度迅速飆升，
晶片在全速運作幾秒鐘內就會被迫啟動熱降頻(Thermal Throttling)，這樣只會摧毀原本預期的效能提升
華為的理論很好，但回歸到半導體的物理現實，熱力學定律(Thermodynamics)是無法靠演算法和軟體優化來欺騙的，
若大陸無法在材料科學和精密機械加工上取得奇蹟般突破，這套理論終究只會是理論，無法實體量產與部署
|
| pcgamer |
Posted - 05/27/2026 : 09:25:31
quote:
Originally posted by WingStar
https://www.c4isrnet.com/opinion/2026/04/23/inside-china-artificial-intelligence-is-a-snake-eating-its-own-tail/
C4ISRNET提出一篇深度評論，標題是「在大陸內部，人工智慧是一條吃掉自己尾巴的蛇」(A snake eating its own tail)，
簡單說，大陸AI發展陷入「銜尾蛇」困境
近期觀察大陸出產的AI模型可以發現，大陸AI發展正面臨一個數據上的惡性循環，
由於大陸網路充斥著高度過濾、政治正確的內容，當AI模型(如文心一言、通義千問或DeepSeek等)使用這些受限的數據進行訓練時，
生成的內容會進一步強化這些偏見與限制，隨著AI生成的內容(Synthetic Data)重新流回網路，
下一代的AI模型會用這些「被過濾過的二級數據」再進行訓練，這導致模型變得越來越保守、缺乏創造力，
且在測試中經常出現「模型崩潰」(Model Collapse)現象，長此下去終將導致AI技術停滯不前
(DeepSeek的版本演進就可以看出這個趨勢，實際使用過會感覺更明顯)
大陸的AI開發者必須在模型中嵌入強大的「政治過濾器」，與西方不同，AI的對齊(Alignment)是為了符合人類道德，
但在大陸，對齊的首要任務是符合黨的意識形態，為了確保AI不會說出「不該說的話」，
開發者必須犧牲模型的推導能力與靈活性，這就像是給一輛賽車裝上了沉重的保險箱，
導致與OpenAI或Google的競賽中天生就慢了一截
而美國禁令迫使大陸公司必須用低效能的晶片來訓練大型模型，為了達到相同的效果，
大陸必須消耗更多的電力、更多的晶片堆疊，無形中提升成本降低商業競爭力，使整體狀況更加惡化
大陸目前推出的AI模型看似多樣，拆解後就可以發現很多是「應付式創新」和「抄襲式創新」，
許多模型雖然性能數據漂亮，但本質上是透過「模型蒸餾」和「底層代碼與邏輯抄襲」的結果，
即模仿美國的模型，缺乏底層框架的突破，結果是各種AI模型長得越來越相似，功能也差不多，缺乏創新與突破
大陸AI資源被大量傾斜向社會監控、人臉識別等「維穩」技術，而非能帶動生產力革命的通用型AI，
這使大陸的AI發展正處於一種「高水平的陷阱」，或許基礎設施與投入世界領先，
但只要「數據環境」是封閉且受監控的，AI就會像一條吃掉自己尾巴的蛇，
在自我重複與限制中逐漸失去生命力，難以在真正的智慧巔峰上與西方抗衡
中國AI終於訓練成黨期望的模樣了：
https://x.com/SydneyDaddy1/status/2055830867529081175
 |
| pcgamer |
Posted - 05/27/2026 : 09:23:14
>>何庭波現場宣稱2026年秋季將公開基於韜(τ)定律與邏輯折疊(LogicFolding)架構的麒麟晶片(Kirin)，應用於華為手機上，
>>畢竟手機不可能再回頭走以前大哥大的體積，也不可能容忍續航時間太短或運轉一段時候就燙手，屆時就知道華為的理論是真是假
華為只要有超強的法務團隊在手，這些理論都是真實的，技術上保證擊敗台積電等半導體大廠。 |
| roger011 |
Posted - 05/27/2026 : 01:28:40
I/O才是瓶頸,導致GPU利用率低,閒置嚴重,從I/O著手,要比從GPU著手更現實的多. |
| WingStar |
Posted - 05/26/2026 : 22:34:05
https://www.eetimes.com/from-shrinking-transistors-to-compressing-time-deciphering-huaweis-%cf%84-law/
華為於IEEE ISCAS 2026提出的韜(τ)定律與邏輯折疊(LogicFolding)架構，期望通過優化電路傳輸時延(Time Constant)，
繞過EUV曝光機限制，在成熟製程基礎上實現先進的電晶體密度，此技術透過三維堆疊縮短關鍵路徑，目標是在2031年使晶片效能達到1.4nm水平
當摩爾定律(Moore's Law)因物理極限(如sub-2nm晶體管縮小面臨量子穿隧效應)而放緩的背景下，
華為提出韜(τ)定律試圖擺脫對單純縮小晶體管體積依賴的全新技術架構藍圖，其核心方程式為：
計算效能=(晶體管密度*架構效率)/時間延遲
從上面的方程式就可以知道，要大幅提升計算效能需要三大支柱：
1.壓縮時間延遲(Compressing Time)，這是該法則的靈魂，傳統晶片效能浪費在資料於記憶體與處理器之間搬移的時間(即記憶體牆，Memory Wall)，華為主張透過矽光子晶片(Silicon Photonics)、奈米光子學(Nanophotonics)及全光網路，讓資料改用光速在晶片內或晶片間傳輸，將時間延遲降到接近於零
2.系統級摩爾定律(System-level Moore's Law)，既然無法取得ASML最先進的EUV曝光機來製作高密度晶體管，那就透過先進封裝(Advanced Packaging)將多個利用成熟製程(如14nm或7nm)製造的晶圓(Chiple，小晶片)透過3D堆疊(3D Stacking)組裝在一起，又被稱為系統單晶片(EoS，System on Chiplet)
3.架構優化與軟硬共導(Architectural Efficiency)，針對特定演算法(特別是AI的Transformer架構、神經網路)設計客製化的專用集成電路(ASIC)，用軟體演算法的效率來彌補硬體製程的落後
IEEE ISCAS的現場評論者對這一理論的點評可以濃縮為技術逼上梁山的創新，因為韜(τ)定律不是傳統意義上的科學定理，
而是一份技術戰略白皮書，它表明華為已經接受長期無法取得先進製程設備的現實，所以告訴市場：即便美國封鎖了先進曝光技術，
大陸仍試圖透過重塑晶片通訊結構(從電變成光)來與NVIDIA等公司在AI算力上一較高下，客觀來說，
華為提出的3D堆疊、小晶片(Chiplet)與矽光子(Silicon Photonics)正是當前台積電(CoWoS)、Intel(EMIB)與AMD全力發展的技術，
華為並沒有發明新物理學，而是把全球都在做的後摩爾時代技術提升到了公司存亡的戰略最高點，
而LLM(大型語言模型)時代，80%算力瓶頸來自於記憶體頻寬與資料傳輸延遲，而非單純的算力(FLOPS)，
華為將焦點放在縮短延遲在理論上是非常精準的病因診斷
但落實到量產可行性，則持短期可行、中期面臨瓶頸、長期極具不確定性的審慎態度，
其中系統級堆疊與Chiplet具高度可行，且已經在商業產品中實現，
畢竟昇騰910C就是2顆910B晶粒(Dies)透過先進封裝技術黏在一起組合成一顆大晶片，
但弱點也很明顯，2顆晶片堆疊在一起功耗只會大幅飆升，熱量極難排出，這會導致晶片因為過熱而必須降頻運作，
最終抵消系統級摩爾定律帶來的效能增益，而架構效率與AI特定優化可行性高，但應用場景極度受限，
在特定領域(如特定的華為雲端AI模型、通訊基地台硬體等)透過硬體與軟體(如其自研的運算架構與編譯器)的深度綁定，
確實能發揮出超越硬體規格的效能，但因為缺乏通用性生態(Ecosystem)，華為的專用架構只能在自己的生態圈內玩，
很難吸引全球頂尖開發者為其優化軟體，限制其全球商業化的可行性，所以沙烏地近期已開始討論要拆除這座以昇騰910B為架構的算力中心，
畢竟爛泥實在扶不上牆，最後矽光子與全光晶片網絡壓縮時間的技術難度極高，華為自己也不知道要怎麼搞出來，
當天演講的華為科學家委員會主任、海思總裁何庭波，被問到這個問題也是答不出來，
只能強調既然單顆晶片的光電轉換良率難以一步到位，華為就透過先進封裝(Chiplet 3D堆疊)將不同的光電組件在系統層級連接起來，
用更巨觀的晶片網路(如AI叢集，也就是伺服器等級)去消化傳輸延遲，但也承認即便如此，華為也無法確保光信號在微米級的通道中不衰減、不產生雜訊，
目前對策是重複傳輸直到檢核為正確
華為韜(τ)定律在理論上是完全正確且極具前瞻性的，它能幫助華為在系統級與特定AI算力上實現局部突破，維持核心業務的運作，
但在工程可行性上，由於散熱物理極限、全球軟體生態的孤立及矽光子製造技術壁壘，
該法則想要徹底顛覆並超越西方由先進製程驅動的半導體產業仍面臨巨大且難以跨越的鴻溝
何庭波現場宣稱2026年秋季將公開基於韜(τ)定律與邏輯折疊(LogicFolding)架構的麒麟晶片(Kirin)，應用於華為手機上，
畢竟手機不可能再回頭走以前大哥大的體積，也不可能容忍續航時間太短或運轉一段時候就燙手，屆時就知道華為的理論是真是假 |
| WingStar |
Posted - 05/26/2026 : 21:42:19
https://www.eetimes.com/u-s-quantum-bet-puts-hardware-first-but-utility-remains-the-test/
美國商務部依據晶片與科學法案(CHIPS Act)宣布斥資20.13億美元入股並資助9家量子運算生態系企業(包含IBM、GlobalFoundries、D-Wave等)，
這代表美國政府不再採取被動觀望，而是主動介入硬體與製造基礎的早期建構
過去美國在量子運算的資助大多停留在學術研究與理論探索，此次政策的關鍵轉變在於產業化，美國政府意識到要在未來的技術大戰中勝出，
必須先在本土建立起脆弱的供應鏈基礎，資金不僅流向研發，更直接補貼如GlobalFoundries這類的傳統半導體晶圓廠，
建立專門的量子製造解決方案，試圖將量子晶片引進標準的300mm半導體製程線，實現規模化量產，
但目前哪種量子位元(Qubit)技術會勝出仍未定論，美國這筆資金同時分散投資在多種技術路線(Modalities)，
包括超導體(Superconducting，如IBM)、量子退火(Quantum Annealing，如D-Wave)及矽量子點（Silicon Quantum Dots）等，
政府希望藉由大範圍的硬體押注，確保不漏失任何未來的技術主流
空有強大的硬體與龐大的量子位元數量，並不等於擁有解決現實問題的能力，最大的挑戰仍是實用性檢驗(Utility Remains the Test)，
雖然硬體製程正在加速，但現階段的量子電腦仍普遍缺乏能真正為企業帶來商業價值的殺手級應用(Killer Applications)，
如果缺乏平行的演算法、糾錯軟體(Error Correction)及應用層面的開發，這些昂貴的晶圓與量子架構可能只會淪為實驗室裡的昂貴玩具，
無法順利轉化為實質的經濟或國防推動力
這項20億美元的硬體投資背後有戰略考量，包含現有的加密系統(如RSA)在未來成熟的量子電腦面前將形同虛設，
西方安全機構擔憂敵對勢力目前正在大量攔截並儲存加密數據，等待未來用量子電腦進行破譯，因此美國必須加速掌握硬體主導權，
美國在積極補貼本土硬體基建的同時，已聯手多國實施嚴厲的量子技術出口管制，全面圍堵對手的量子運算野心，
試圖將量子科技與先進半導體一樣，築起小院高牆
總之，美國這次投資雖然能建立起早期的工業基礎，但量子電腦最終能否全面取代或輔助傳統高效能運算(HPC)，
關鍵依然在於軟硬體能否成功對接並解決真實世界的複雜算力難題，但以目前實際操作經驗來看，很難
台灣政府的投資態度還是偏保守，應該要多尋找未來的利基型公司大力投資，也能帶動國內產業發展
|
| cph0516 |
Posted - 05/24/2026 : 22:37:03
星艦火箭這次試射.成功部屬星鏈測試衛星
想不到空X
竟然也要在月球部屬星鏈衛星
星艦這巨大火焰
這次飛出人類的末來
|
| pcgamer |
Posted - 05/24/2026 : 18:52:29
台灣畢魯，吼搭啦！！
https://x.com/linyuneng007/status/2058428112875246017
黃仁勳推薦台灣啤酒
|
| WingStar |
Posted - 05/13/2026 : 16:22:08
https://spacenews.com/fcc-approves-spacex-spectrum-deal-with-2-4-billion-escrow-condition/
美國聯邦通信委員會(FCC)有條件批准SpaceX向EchoStar旗下的DISH Network收購2GHz頻段(行動衛星服務，MSS)的頻譜授權，
這段頻譜對於SpaceX旗下的Starlink直連手機(Direct-to-Cell)服務至關重要，
取得2GHz頻段能大幅提升星鏈與一般智慧型手機直接連線的訊號覆蓋率、容量與傳輸速度，
在全球衛星行動通訊市場佔據絕對優勢
這項批准伴隨一個嚴苛財務條件，起因是DISH Network此前未能如期履行FCC規定的5G網路覆蓋率承諾，
為了確保該公司不會藉由出售頻譜來逃避責任，FCC要求這筆24億美元交易的資金必須直接存入一個政府指定的託管帳戶(Escrow Account)，
這筆錢將被當作保證金，只有當EchoStar確實履行其後續的5G基礎設施建設承諾、達到法定的覆蓋範圍後，
才能逐步領回這筆資金，若再次違約，這筆巨款將面臨被沒收或罰款的風險
這項交易在批准前遭到電信與衛星行業競爭對手的集體圍剿，
Lynk Global與AST SpaceMobile 這兩家同樣在研發衛星直連手機技術的競爭對手向FCC提出抗議，
認為SpaceX已經是市場巨頭，若再吞下DISH的2GHz頻譜，將造成嚴重的市場壟斷，擠壓中小企業的生存空間，
部分行動運營商擔心，SpaceX獲得此頻譜後，其衛星訊號可能會與地面現有的無線電網路產生嚴重的訊號干擾(Interference)，
FCC則在批准書中強調，經過技術評估，SpaceX使用的方案在安全規範內，
且該交易有助於推動美國整體太空經濟與偏遠地區通訊的發展
儘管開出24億美元的託管條件，這項交易對雙方仍具備極高的戰略價值，對SpaceX來說是已經掃除法律障礙，
正式確立其在下一代衛星直連手機領域的霸主地位，能加速與各大電信商(如T-Mobile)的商用合作，
對EchoStar/DISH來說，目前面臨的沉重債務壓力與5G建設資金缺口，藉由這筆被暫時託管的資金，
相當程度的緩解來自FCC的直接法律懲罰壓力，並提供一條明確的財務生路
相對於大陸華為號稱的手機衛星通訊功能，在技術邏輯、硬體要求、衛星軌道以及服務範圍上存在著本質上的巨大差異，
簡單來說，Starlink是讓衛星遷就普通手機，而華為是讓特定手機去配特殊衛星
最根本的差異在於，Starlink直連手機，零硬體修改，用戶不需要更換手機，也不需要特殊晶片或外掛配件，
不論是舊款iPhone、Android還是最簡單的按鍵功能機，只要能接收一般4G/5G地面行動訊號，就能直接連上星鏈，
這是因為SpaceX修改了衛星端，把低軌衛星的特製天線做成巨大無比的太空中繼基地台，
由衛星主動發射地面電信商的標準頻段(如收購DISH取得的2GHz頻段，或合作夥伴T-Mobile的頻段)來覆蓋地面，
而華為衛星通訊必須使用特定新機，
還必須是華為近年推出的特定旗艦機型(如Mate 60/60 Pro、Pura 70 Ultra、Mate X6等)才能使用，
技術差異點在於，華為是在手機內部塞入昂貴且特殊的衛星通訊晶片、高功率射頻模組與專用天線，
一般普通手機如果沒有這些特製硬體，絕對無法連接華為所使用的衛星網路
Starlink衛星距離地面僅約550公里，因為離地面極近，訊號延遲極低、傳輸損耗小，
缺點是單顆衛星覆蓋範圍小、且在太空中快速移動，必須依靠密密麻麻的萬顆衛星星座才能實現不間斷的覆蓋，
而華為的語音通話主要依賴天通一號衛星，這屬於高軌道的同步衛星，距離地面高達36,000公里，
簡訊與圖片傳輸則主要連結北斗導航衛星，好處是只要3艘衛星就能覆蓋全大陸甚至大半個地球，訊號極其穩定，
缺點是距離太遠，通話與數據延遲明顯較高，且手機天線發射訊號需要對準特定方位，功耗也相對較大
SpaceX採取的是B2B2C模式，它不直接賣衛星卡給消費者，而是與各國地面電信商(如美國T-Mobile、日本KDDI)合作，
當手機走進深山或海洋等沒有地面基地台的死角時，手機會自動無縫切換到星鏈訊號，就像出國漫遊一樣，
而華為衛星通訊像是手機品牌的專屬加值功能，由華為手機端發起服務，用戶必須拿著華為手機，
並向中國電信(電信運營商)開通專門的天通衛星通訊套餐才能撥打語音電話，
若離開了華為手機這個載體，服務便無法延續
Starlink直連手機從最基礎的SOS應急簡訊開始，逐步開放語音通話，最終目標是提供全面的行動寬頻網路(網頁瀏覽、影片串流、App使用)，
隨著各國法規批准，未來配合Starlink全球低軌星座，目標是實現全球天涯海角(包含公海、南北極等)全覆蓋，
而華為衛星通訊已實現雙向衛星簡訊、突發狀況下的圖片傳輸(透過北斗)，以及高難度的衛星語音通話(透過天通衛星)，
但受限於天通衛星與北斗系統的區域佈署，服務範圍高度集中在大陸本土、周邊領海及一帶一路部分區域，
無法像星鏈一樣全球無死角漫遊
|
| WingStar |
Posted - 05/08/2026 : 11:28:54
剛好版有提供案例詮釋數據污染和模型崩潰
數據污染(Data Poisoning)或在大型語言模型(LLM)背景下更常被討論的「模型崩潰」(Model Collapse)，
是目前AI領域極其關鍵的技術瓶頸，在技術層面上，這並非指數據「壞掉了」，
而是指數據的分布品質與真實性遭到了破壞
AI餵AI的「近親繁殖」是數據污染中最危險的形式，當網路上的數據逐漸被AI生成的內容(而非人類原創)佔據時，
會發生統計分布萎縮(Tail Loss)情形，這是因為人類語言具有豐富的「邊緣案例」(如冷門知識、獨特的幽默感、非主流觀點等)，
但AI模型傾向於生成統計上最可能出現的語句，
而第一代AI生成的微小邏輯錯誤，會被第二代AI當作「事實」來學習，經過多次「蒸餾」或迭代後，
模型的輸出會變得極其平庸、單一，最後徹底失去邏輯，在學術上稱為「模型崩潰」
而在大陸特定環境下的意識形態污染，具有獨特的技術特徵，即人為特徵偏離(Feature Shifting)，
白話文就是，為了符合審查要求，開發者會在數據預處理階段強制剔除特定字眼或觀點，
導致神經網路在計算權重時，某些維度的特徵被強行壓制，
特別是當模型學習到「當提到某歷史事件時，必須跳轉到特定結論」時，它在該領域的語義空間會出現斷裂，
導致模型在進行複雜推理時，只要觸碰到敏感邊界，邏輯鏈條就會崩潰
由此衍生出2種主動對抗敵方AI模型的技術攻擊手段，一種是對抗性數據污染(Adversarial Poisoning)，
只要在訓練數據中刻意植入特殊的「觸發器」(如在特定圖片的角落加一個像素點，或在文本中使用特定的生僻詞)，
一旦模型部署後，攻擊者只要輸入包含觸發器的內容，就能控制模型做出特定判斷，
另一種手段稱為標籤污染(Label Flipping)，在監督式學習中故意給數據貼上錯誤的標籤，
只需污染3-5%的訓練數據，就足以讓模型的準確率發生斷崖式下跌
目前研究方向是嘗試透過3種方法來解讀：
1.數據來源追蹤(Provenance Tracking)，使用數位浮水印(Digital Watermarking)來標記哪些內容是AI生成的，以便在訓練時將其過濾掉
2.人工回饋強化學習(RLHF)，僱傭大量人類對輸出結果進行評分，強制將模型拉回「人類的邏輯軌道」
3.數據多樣性加權，給予來源可靠、稀有的手寫文本或專業期刊更高的權重，以對抗平庸的AI生成數據
數據污染之所以被稱為「吃掉尾巴的蛇」，是因為隨著AI產能爆炸，「乾淨的人類數據」已成為比晶片更稀缺的戰略資源，
誰能控制更高的數據品質、更真實的數據流，誰才能在AI長跑中生存下來
|
| WingStar |
Posted - 05/07/2026 : 21:09:03
https://www.c4isrnet.com/opinion/2026/04/23/inside-china-artificial-intelligence-is-a-snake-eating-its-own-tail/
C4ISRNET提出一篇深度評論，標題是「在大陸內部，人工智慧是一條吃掉自己尾巴的蛇」(A snake eating its own tail)，
簡單說，大陸AI發展陷入「銜尾蛇」困境
近期觀察大陸出產的AI模型可以發現，大陸AI發展正面臨一個數據上的惡性循環，
由於大陸網路充斥著高度過濾、政治正確的內容，當AI模型(如文心一言、通義千問或DeepSeek等)使用這些受限的數據進行訓練時，
生成的內容會進一步強化這些偏見與限制，隨著AI生成的內容(Synthetic Data)重新流回網路，
下一代的AI模型會用這些「被過濾過的二級數據」再進行訓練，這導致模型變得越來越保守、缺乏創造力，
且在測試中經常出現「模型崩潰」(Model Collapse)現象，長此下去終將導致AI技術停滯不前
(DeepSeek的版本演進就可以看出這個趨勢，實際使用過會感覺更明顯)
大陸的AI開發者必須在模型中嵌入強大的「政治過濾器」，與西方不同，AI的對齊(Alignment)是為了符合人類道德，
但在大陸，對齊的首要任務是符合黨的意識形態，為了確保AI不會說出「不該說的話」，
開發者必須犧牲模型的推導能力與靈活性，這就像是給一輛賽車裝上了沉重的保險箱，
導致與OpenAI或Google的競賽中天生就慢了一截
而美國禁令迫使大陸公司必須用低效能的晶片來訓練大型模型，為了達到相同的效果，
大陸必須消耗更多的電力、更多的晶片堆疊，無形中提升成本降低商業競爭力，使整體狀況更加惡化
大陸目前推出的AI模型看似多樣，拆解後就可以發現很多是「應付式創新」和「抄襲式創新」，
許多模型雖然性能數據漂亮，但本質上是透過「模型蒸餾」和「底層代碼與邏輯抄襲」的結果，
即模仿美國的模型，缺乏底層框架的突破，結果是各種AI模型長得越來越相似，功能也差不多，缺乏創新與突破
大陸AI資源被大量傾斜向社會監控、人臉識別等「維穩」技術，而非能帶動生產力革命的通用型AI，
這使大陸的AI發展正處於一種「高水平的陷阱」，或許基礎設施與投入世界領先，
但只要「數據環境」是封閉且受監控的，AI就會像一條吃掉自己尾巴的蛇，
在自我重複與限制中逐漸失去生命力，難以在真正的智慧巔峰上與西方抗衡
|
| WingStar |
Posted - 05/06/2026 : 08:06:07
https://www.defenseone.com/threats/2026/04/china-steal-ai-models/413103/?oref=d1-homepage-river
美國國務院發出警示，大陸正將間諜活動的重心轉向「竊取人工智慧(AI)模型」，
而不僅僅是過往的底層數據或硬體技術，這項轉變反映了全球軍備競賽已進入「演算法」階段
過去大陸的網路間諜活動多集中在竊取個人資料、智財權或軍事藍圖，
但現在目標已轉向權重(Weights)與參數(Parameters)，
這是因為訓練一個頂尖的大型語言模型(LLM)需要數十億美元的資金、強大的算力(如NVIDIA H100晶片)以及長達數月到數年的時間，
大陸若能成功竊取這些已訓練完成的模型「權重」，就能直接繞過美國的出口管制(算力封鎖)與龐大的研發成本，
直接獲得與美國同等級的AI能力，即便是實際晶片運算速度慢一點也無所謂
報導指出，大陸利用多種手段來獲取美國領先的AI技術，
如吸收或利用在美國頂尖AI實驗室(如OpenAI、Google、Anthropic)工作的研究人員，將模型核心程式碼帶走，
或針對雲端運算平台進行滲透，黑客現在傾向於尋找系統漏洞，直接在伺服器端「複製」整個運算架構，
(註：大陸那個天津超算中心資料外洩案，就是這種尋找系統漏洞的經典案例)
並利用西方國家推崇的「開源」精神，透過合法的研究交流獲取核心技術細節，再將其轉為封閉式的軍事用途
(註：大陸的無人機飛行控制軟體，其底層代碼主要來源是美國的ArduPilot及PX4，通訊協議則是MAVLink協議)
美國AI模型若落入大陸手中，可用於優化自動化武器系統、精準打擊演算法，或是在台海等潛在衝突中進行複雜的戰場模擬，
也可以利用竊取來的先進LLM生成極度逼真、針對性強的假訊息，對西方社會進行更大規模的認知作戰，
還能強化其國內的生物識別與大規模監控系統，進一步鞏固數位威權
為了防堵技術外流，美國政府對從事核心AI研發的外籍員工(特別是與大陸軍方有聯繫者)進行更嚴格的背景調查，
要求雲端服務提供商(如Microsoft Azure，AWS)監控異常的大規模數據傳輸，防止整個模型被打包下載，
並將「尖端 AI 模型」納入出口管制清單，而不僅限於硬體晶片
即便美國限制了晶片出口，只要模型本身(軟體)的安全存在漏洞，大陸依然有機會透過非對稱手段達成技術對齊，
這是一場從「硬體封鎖」演變為「軟體防禦」的全新對抗
|
| 小毛 |
Posted - 04/30/2026 : 09:29:49
台灣在立體堆疊記憶體方面的突破，單顆DDR chip可以做到128GB............
https://www.techbang.com/posts/129075-neo-semi-3d-x-dram-poc
施振榮押寶新創！Neo半導體宣布 3D X-DRAM通過概念驗證，陽明交大產學合作、挑戰三星/海力士壟斷格局
這種架構變革帶來的效益是驚人的：目前主流 2D DRAM 的核心容量多為 16Gb，而 3D X-DRAM 則可直接衝上 128Gb，密度增長達 8 倍。更進一步，NEO 預計在 2026 年量產 512Gb 的測試晶片，並在 2030 年代達成單顆晶片 1Tb 的目標。這意味著未來的伺服器記憶體條，單根就能達到 4TB 的恐怖容量。與英特爾已宣告失敗的 Optane（3D XPoint）技術相比，3D X-DRAM 憑藉著更低的程式編寫複雜度與更高的產線相容性，顯然更具勝算。
除了基礎的 DRAM 擴展，NEO 更有野心的計畫是其「超高頻寬記憶體」（X-HBM）架構。在 AI 算力呈指數級增長的今天，傳統 HBM 記憶體正遭遇頻寬與功耗的雙重瓶頸。根據韓國科學技術院的預測，即便是計畫於 2040 年推出的 HBM8，也僅能提供 16K-bit 的總線頻寬；然而，NEO 的 X-HBM 技術號稱已能實現 32K-bit 的超高位寬，且頻寬提升 16 倍、密度提升 10 倍，相當於提前 15 年實現了次世代性能。
施振榮領投的新一輪戰略投資，被視為對台灣半導體生態系與新創技術整合的強力背書。隨著 POC 的成功，NEO 下一階段將聚焦於「陣列級實作」與多層測試晶片的開發。如果 3D X-DRAM 能順利進入量產，這將徹底改變目前記憶體市場被三星、海力士、美光三巨頭壟斷的局面，為 AI 硬體供應鏈注入全新的競爭動能。
** 小毛的新幻想空間逐漸復活中(新增3D圖喔).....**
http://lordmrx.pixnet.net/blog
歡迎參觀 |
| skyflyer |
Posted - 03/13/2025 : 11:02:31
quote:
Originally posted by Harvida
https://money.udn.com/money/story/10511/7952721
要靠這招了。
摸鱼确实是好办法。不过不解决根本。
不管民主党和maga党怎么斗。两党有一点完全一致：把先进半导体厂搬到美国。一则可以为美国本土创造税收和就业，二则避免台海不可测事件导致美国科技巨头没米下锅，就算美国还控制者半导体生产设备和耗材，足以替代台积电产能的晶圆厂在美国建起来可得好几年，总不成那几年老黄、高通、苏妈、厨子等等都喝西北风？别看海峡两岸的亲美派各种吹美国军事天下��敌，美军将领看了解放军数百架重型五代机、上千架重型四代机和大海一般的导弹和�茪H机产能心中有数。
两党只不过手法不同，拜登还搞点补贴，川普直接上关税大棒。
台湾站在十字路口，并��虚言。
——唯一支持民进党永续执政，废除ecfa。 |
| skyflyer |
Posted - 03/08/2025 : 22:32:40
quote:
Originally posted by metalfinally
只是疑美論這點，美國還是要意識到自己要主動處理台灣內部雜音，而不是每次都要當地政府配合處理
美國自己本身有很多政策工具處理台灣疑美論問題，像賣台灣F-35或者台美FTA，但他們也是很天朝上國心態，這樣被疑美也是理所當然
摆烂一念起，刹那天地宽。
如果被“我们一定不要被自由世界抛弃，我们要出埃及做文明人”这种念头控制，那么永远焦虑。这就是欠缺主体思考的后果。
有时候我也换位思考，假设我国要对抗一个800亿人口，30亿平方公里的国家，感觉这怎么都难平稳淡定。
美国人不欠台湾人，台湾人也不欠美国人。 爱谁谁
——唯一支持民进党永续执政，废除ecfa。 |
| metalfinally |
Posted - 03/05/2025 : 00:50:22
台灣在爭取Google、Nvida來台設點設廠，自然也是要應別人要求去別人家設廠設點
要求國際大廠伺服器落地保護個人資訊，當然人家也要您去人家那裡落點保護供應鏈，其實是一種互相的
只是疑美論這點，美國還是要意識到自己要主動處理台灣內部雜音，而不是每次都要當地政府配合處理
美國自己本身有很多政策工具處理台灣疑美論問題，像賣台灣F-35或者台美FTA，但他們也是很天朝上國心態，這樣被疑美也是理所當然 |
| cph0516 |
Posted - 03/04/2025 : 14:58:03
反正要蓋之前
可以在撤案
或降低美國蓋廠的速度
台灣1.5年
就可以蓋一個廠.美國花3年就好 |
