0

0
0

文字

分享

0
0
0

815大停電所缺少的那份餘裕?「冗餘系統」與電力供應

活躍星系核_96
・2017/10/16 ・4573字 ・閱讀時間約 9 分鐘 ・SR值 540 ・八年級

文/艾俠

2017年 8月 15日,由於電力供應不穩,發生全台灣各地接連斷電、最後演變成分區輪流限電的事件,讓能源問題再度成為焦點。或許對某多人而言,這次事件的意義似乎在於能夠為核能議題帶來有說服力的啟示,不過這篇文章將不會探討那些和實際發生的事關係不夠明確的問題;相對地,本文要介紹僅僅一個和這次事件直接相關的概念「冗餘」,並且用這個概念,來說清楚僅僅一個具體的問題。

發動機艙。圖/pinterest

多餘的也很重要?「冗餘

在日常用語中,「冗餘」(redundancy)通常是負面的詞彙,用來指一些多餘的、不需要的東西。但在許多學術領域中,我們注意到「多餘」和「不需要」是不同的事;多餘的東西,經常是維持世界正常運轉所不可或缺的。

歸納學術上常見的意義,「冗餘」有一種比較狹義的用法是「在一個系統中,能負擔某一功能的構造有好幾組,並且在其中一組故障時整體能繼續正常運作」。將資料同時存在多個硬碟裡的儲存架構(磁碟陣列 Raid 1)、或者配置有緊急發電機的醫院,都是這個意義下的冗餘系統;這種用法的「冗餘」有時候和「備援」是可以互換的。

-----廣告,請繼續往下閱讀-----

而在另一種用法下,「冗餘」指的是「系統有多餘的性能和複雜度,並且在部分構造故障時能繼續正常運作」。這時,我們不見得能找到特定的被額外設置的備援裝置,但總而言之,當系統一部分故障時,其他部分有能力分擔忽然多出來的工作,並且穩定運轉下去。這種意義下的冗餘在我們的生活中就十分常見。

事實上,「冗餘」還是經常包括一些真的不需要的東西。歸根究柢,廣義的「冗餘」被用來描述一種系統的性質,但並沒有預設它是好是壞。冗餘能增加可靠性,但同時也增加成本;在某些狀況下,它甚至反而會降低可靠性[1]。冗餘的價值,其實要根據個別狀況去判斷。

建築與結構的冗餘

大部分人都知道建築物和各種機械裝置的強度會有餘裕,也有人把這稱為「強度冗餘」。不過比較嚴謹地說,土木工程和結構力學上的「冗餘」或譯「贅餘」,通常指的是「結構贅餘」(structural redundancy)[2],意思是「部分構造受損失去功能之後,其餘構造繼續維持整個結構穩定的能力」。包含了贅餘的設計會比較能抵抗例如在天災中龜裂、建築老化、鄰居在承重牆上挖洞、或者施工品質不如預期之類狀況。像房屋、馬路、橋、或者電梯,這類對安全性需求比較高的東西,在設計時都必須具體地考量贅餘度。

多餘的強度顯然是必須的,但整個構造能隨時代替損壞的零件發揮功能,在結構贅餘中是很重要的因素。

-----廣告,請繼續往下閱讀-----
1967 年美國 Silver Bridge 崩塌的事故。圖/作者提供

1967 年美國 Silver Bridge 崩塌的事故,被認為是一個構造缺乏贅餘引發事故的經典案例。這座橋是以許多單支鋼條連結而成的鋼鏈(eyebar-chain)懸掛起來的,並且僅僅由於關節上有一顆鋼珠大小的累積損傷,在出現損壞徵兆後的一分鐘就崩塌了[3]

生物機制的冗餘

在生命科學領域,「冗餘」比較沒有一致的用法和研究方法。這裡將延續這篇文章的脈絡,介紹一些對生命個體有價值的冗餘生物機制。

  • 許多生物體內的生理和化學機制,包括代謝、血壓、血糖、血液酸鹼度等,都有不只一組調控路徑,能在其他部分失常時繼續運作[4][5, para. 5]。舉例來說,人體的血壓主要是由心血管系統和兩個腎臟(本身就是有名的冗餘器官,只要有一個就能發揮正常的泌尿功能)所共同控制的,而且在其中一部分不健康時仍然可能相當準確地控制血壓。這是功能重複所產生的冗餘。
  • 許多動物能用不同的肌肉組合做出相同的關節動作、並且能用不同的關節組合做出相同的行動。要控制這樣複雜的運動機制,無論是對神經系統、或者學習運動方式的生物個體來說,都是相當複雜的工作。但今天,幾乎所有人都已經同意這樣冗餘的自由度(degree of freedom)以及它造成的額外負擔,總的來說對我們是有幫助的[6]
  • 大腦有相當複雜的容錯與備份能力,讓它在充滿雜訊的環境中能夠還算可靠地思考與記憶,或者避免因為受到損傷而失去資訊[7][8];近期有以小鼠為實驗對象的研究指出,左右腦可能還有明確的相互備份機制,某些資訊會在左右兩個半腦中各儲存一份,當其中一邊的資訊受到破壞時,能夠從另一邊複製回來[9]

這類對生存有幫助的冗餘機制——其實就是一種潛能——讓我們能夠適應各種環境,在許多不同的飲食方式下維持健康,而且不會輕易死於衰竭。

資訊冗餘與語言冗餘

近幾十年,我們在討論大腦處理資訊的方式時,經常會參考資訊理論這門研究資訊本質的嶄新學科。

-----廣告,請繼續往下閱讀-----

在資訊理論中,資訊密度的極限能夠明確地用數學表達,而「冗餘」指的是實際上的資訊密度和這極限的差距[10]。在這種用法下,冗餘是不可避免的常態,而且它的正面意義和負面意義同樣受到重視。如果要在有限資源下傳遞或保存最多的資訊,就需要盡可能消除冗餘,檔案壓縮就是在做這件事。

然而,缺乏冗餘的資訊會難以直接利用,這代表它的可讀性比較差,你要耗費比較多時間、精神力、或者計算機資源去解讀它的內容[11][12, p. 351];缺乏冗餘的資訊也會是脆弱的,只要遺失很小一部分就會無法還原,比較糟的情況下你連確認資訊有沒有遺失都沒辦法。

勞依茲咖啡屋(Edward Lloyd’s Coffee house)。圖/作者提供

語言冗餘可以說是一種特殊的資訊冗餘。雖然資訊科學家通常並不處理在語言中承載資訊的語義,以至於資訊理論的基本定理要應用來解決語言學問題有許多困難,但在這兩個領域中,冗餘所造成的影響幾乎是相同的。

我們可以用一個日常英語的例子來說明語言冗餘。在「This man is a solder」這個句子裡,每個字都對應到敘述對象的單數型態,意味著和單複數有關的資訊在這個句子中的每個字裡重複地出現了。我們平常使用的語言中存在許多像這樣重複的資訊,代表我們用了更長的句子或創造了更多的語言規則來表達一樣多的東西,但這也是我們有辦法從一個部分音節遺失了、模糊了的句子猜出它原本意思的原因。

-----廣告,請繼續往下閱讀-----

引用科普著作 Grammatical Man 裡的一段話,為這個段落作結:

「冗餘能夠讓某些字母或字母組合出現的機率變高、讓句子更容易被預測,而這能夠減少錯誤發生。」[13, p. 3]

低可靠性的電力系統

2017 年 8 月 15 日下午,由於中油在施工過程中,錯誤地關閉了大潭火力發電廠的天然氣供應,導致該廠的六部發電機組全部跳機(trip),台灣的電網中瞬間少了 4157 MW 的電力。電力供需失衡造成的衝擊馬上引發電力系統保護設備自動切斷部分用戶的電力供應,開始了我們所知的斷電事件。另一方面,當日全台灣的最大供電能力為 37610 MW(在用電尖峰時有 3.17% 的備用發電能力[14],即「備轉容量率」,percent operating reserve),而事件發生前的實際用電量為 34809 MW,中間僅有約 2801 MW 的緩衝。[15]

沒有足以填補缺口的電力,使得電網無法穩定下來 ,隨後又誘發了台中火力發電廠 5 號機的跳機。最後,在晚間 6 點開始了長達 3 個小時 40 分鐘的分區限電。[15]

8月15日 事故電力供需時序說明。圖/引用自 815 停電事故行政調查專案報告。

大潭火力發電廠的天然氣供應在中油端的管理不良,一般認為是這次事故最直接的原因。但為什麼僅僅這樣一件意外,就能夠造成全國性的限電?最後,我們要回到撰寫這篇文章的契機,了解電力冗餘(電力領域更常用的中文詞彙是「裕度」)的問題。

-----廣告,請繼續往下閱讀-----

和前面表達當日供電能力冗餘的「備轉容量率」不同,「備用容量率」(percent reserve margin)指的是以年度為單位的、所有現役發電設備的冗餘發電能力[16]。這是一個長期發展的指標,簡單地說就是電網能應付各種大修、小修、故障、意外事件的餘裕。備用容量率越高電費就越貴,但相對地也更不容易受意外影響。

2016 年,台電的備用容量率根據標準計算方式為 10.4%,但扣掉政治性長期停機的、以及算進未取得執照但參與了發電的機組,實際上的冗餘發電能力為 8.1%。多高的備用容量率足夠可能並不是一件容易分析的事:電費增加會連鎖性地影響物價,電力供應不穩定則會造成經濟衰退;但行政院其實一直對這個指標有建議標準,目前是 15%[17][18]。如果我們的電力建設維持在這個標準上,8 月 15 日的斷電應能在短時間內復原。可以說台灣電網的可靠性比起原先所規劃的要低了許多,而這導致了發生在大潭發電廠的事故,最終演變成為必須以全國性的限電來處理的事件。

  • 2017.11.14 編按:本段有稍飾修改,原因為台電的「備轉容量率」並非採用維基百科以及某些電網使用的即時統計與 10 分鐘升載定義,而是以當日可調度的發電容量與尖峰計算出當日唯一的數值。並將新增的參考資料補充在下方。
分區限電中,燈光全無的臺北市松山區新東街9巷公寓。
source:Wikipedia

在能源議題的論辯中,「台灣的電是否夠用」一直是爭論的焦點之一,但這個問法其實並沒有呈現出真正的問題。如果我們能夠接受比較頻繁的斷限電的話,很可能 5% 的備用容量率都是「夠用」的;而在某些更嚴重的天災或事故之下,15% 的備用容量率也不能讓我們免於限電。多餘的電力關係到的與其說是夠不夠用,更像是可靠程度高低的問題;是如同我們所居住的房子和賴以溝通的語言那樣,我們希望電力系統足以應付多大的錯誤的問題。

  • 2017.10.24 編按:最末段的文章原先寫道關於 8 月 15 日的事件在有足夠的備轉容量下很可能將不會發生斷電,不過由於預備的發電容量需要最大十分鐘升載,因此實際上較可能是仍會發生隨機斷電但於短時間內恢復正常運作。本段經由讀者提出後原作者於內文中進行修改,於此告知、也謝謝讀者的不吝指正。

參考資料

  1. Scott D. Sagan (2004). Learning from Normal Accidents.
  2. Fabio Biondini, Dan M. Frangopol, & Stefano Restelli (2008). On Structural Robustness, Redundancy and Static Indeterminacy (PDF).
  3. Silver Bridge. In Wikipedia.
  4. Jason A. Papin, Nathan D. Price, Jeremy S. Edwards & Bernhard Ø. Palsson (2002). The Genome-Scale Metabolic Extreme Pathway Structure in Haemophilus influenzae Shows Significant Network Redundancy.
  5. Michael J. Joyner (2013). Physiology and Redundancy.
  6. Degrees of freedom problem. In Wikipedia.
  7. C. Robert Almli, Stanley Finger, T.E. LeVere & Donald Stein, eds. (2012). Brain Injury and Recovery: Theoretical and Controversial Issues.
  8. Sophie Denève, Alireza Alemi, & Ralph Bourdoukan (2017). The Brain as an Efficient and Robust Adaptive Learner.
  9. Nuo Li, Kayvon Daie, Karel Svoboda & Shaul Druckmann (2016). Robust neuronal dynamics in premotor cortex during motor planning.
  10. Redundancy (information theory). In Wikipedia.
  11. Victor Kuperman, Mark Pluymaekers, Mirjam Ernestus & Harald Baayen (2007). Morphological predictability and acoustic duration of interfixes in Dutch compounds (PDF).
  12. Denis McQuail (2010). McQuail’s Mass Communication Theory.
  13. Ernst-Jan C. Wit & Marie Gillette (1999). What is Linguistic Redundancy? (PDF).
  14.  過去電力供需資訊。台灣電力股份有限公司。
  15. 815 停電事故行政調查專案報告 (PDF)。
  16. 備用容量之說明。台灣電力股份有限公司。
  17. 訂定「能源開發及使用評估準則」。行政院公報資訊網。
  18. 經濟部能源局_長期負載預測與電源開發規劃。政府資料開放平臺。

本文原發表於中立之丘

-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
752 篇文章 ・ 126 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。