關於 達 興 材料 評價 ，我們在網路上蒐集到這些相關的討論、資訊與評價

👨‍⚕️【醫濕好物推薦第二十八團】👨‍⚕️
#第二代纏眠枕✅✅✅

上次醫濕開的枕頭團粉濕們大部分的反響都非常好，很多人私訊、留言說這顆纏眠枕改善了自己或家人頸椎不適的問題。其實醫濕心有戚戚焉，因為我自己以前是電腦一族，長期姿勢不良使用電腦導致頸椎出現問題，換了不少枕頭都沒有得到良好的改善，睡了這顆纏眠枕之後睡得很好，頸椎不適的症狀也大幅改善。👏👏👏

醫濕自己的評價：
枕頭的柔軟度洽到好處，高起的部份也能全面枕到後頸部、完全支撐，而且不會死硬死硬的，這種感覺...就像躺在柔軟的歐拜上（喂，賣歐北共）而且特別的是，這款枕頭躺起來是冬暖夏涼，不怕流汗弄的黏膩不清爽。👍🏻

最近廠商跟我說他們以這顆枕頭為基礎，研發了第二代纏眠枕。

這邊醫濕先說一下，買第一代的人不要覺得自己才買沒多久就出第二代，會不會第一代比較不好之類的？並不會唷～😉

其實第二代枕頭跟第一代的天然乳膠枕芯一樣有高度的支撐性，沿用了第一代的透氣、親膚和溫控等特性，差別只在第一代把特性分別集結在兩個枕芯套上，而第二代為了使用便利和節省清潔時間，而把所有功能集結在同一個枕芯套之外，加強了抗菌度的表現，使用高達12%的美國專利IONIC銀纖維，另外還增加了高%數的冰絲纖維，吸濕透氣的效果更強。💪🏼

由於IONIC銀纖維這個地表最強的抗菌布料成本很高，所以市面上大多類似的產都只用到8%，但我們的第二代纏眠枕直接給你上到12%，就是要讓你睡得更安心。

什麼是IONIC+銀纖維？
1. 高%數ionic+銀纖維 (高達12%)✅
2. IONIC+™抗菌銀纖維，99%抗菌除臭 ✅
3. 涼感恆溫快速吸排濕氣，0.3秒降溫有感 ✅
4. 對抗多種病菌無所遁形 ✅

IONIC銀纖維(又稱XT2)全球純銀纖維領導品牌，挑戰地表最強滅菌布料，用於各大專業領域。

軍用：美國海豹部隊指定材質
航太：美國NASA太空總署太空服飾專用
醫療：與Johnson&Johnson醫療材料
運動：鐵人奧運、環法、三項指定材質

簡單來說～
第一代跟第二代都很棒，
但第二代就是給懶人用的😂

廠商說目前只有一小批的數量大概9月底會到貨，廠商本來說醫濕的團可以給到7折的優惠，但是醫濕跟廠商乾媽塞乃硬是ㄠ到6折，所以有興趣的想體驗的朋友快拿出你的信用卡來刷一波預購。醫濕的結婚基金和蠢貓們的罐罐就靠大家斗內惹，謝謝粉濕們的支持~🙏🏼

更多商品詳細資訊會在團購連結裡🔗

❇️團購連結🔗❇️

https://www.lhs365.com/products/nMkv5vgunbCVEu98YQZ9uCPA?u=k6yMz6


㊙️流氓中醫師優惠折扣碼：【 香狼津桃】

可享6折優惠！

所以～
購買時要記得輸入折扣碼享折扣❗️❗️❗️
購買時要記得輸入折扣碼享折扣❗️❗️❗️
購買時要記得輸入折扣碼享折扣❗️❗️❗️

🛑台灣疫情升溫，廠商和物流公司人力吃緊，希望有跟醫濕團的粉濕們看在醫濕的面子上，給他們一點時間，東西一定會送到你的手上。
感恩🙏🏼🙏🏼🙏🏼

也請粉濕們幫忙分享轉貼～謝謝

摩爾定律放緩　靠啥提升AI晶片運算力？

作者 : 黃燁鋒，EE Times China
2021-07-26

對於電子科技革命的即將終結的說法，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的，但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……

人工智慧(AI)的技術發展，被很多人形容為第四次科技革命。前三次科技革命，分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭，比如有人說第四次科技革命是生物技術革命，還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術，而且作為資訊技術的組成部分，卻又獨立於資訊技術，即表示它有獨到之處。

電子科技革命的即將終結，一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續，也就意味著資訊技術的整棟大樓建造都將出現停滯，那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有，但這波革命始終也沒有結束。

AI技術本質上仍然是第三次科技革命的延續，它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度，那麼這個領域自然就不可小覷，就像當年GPU出現專門為圖形運算服務一樣。

所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現，很大程度上也是因為摩爾定律的發展進入緩慢期：電晶體的尺寸縮減速度，已經無法滿足需求，所以就必須有某種專用架構(DSA)出現，以快速提升晶片效率，也才有了專門的AI晶片。

另一方面，摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期，電晶體製程進步為晶片帶來了相當大的助益，那是「happy scaling down」的時代——CPU、GPU都是這個時代受益，不過Dennard Scaling早在45nm時期就失效了。

AI晶片作為第三大類處理器，在這波發展中沒有趕上happy scaling down的好時機。與此同時，AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節，燧原科技創始人暨CEO趙立東說：「現在訓練的GPT-3模型有1750億參數，接近人腦神經元數量，我以為這是最大的模型了，要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題，說最大模型超過萬億參數，又是10倍。」

英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說：「前兩年用GPU訓練一個大規模的深度學習模型，其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪，以及提供運算力的AI晶片不夠高效。

不過作為產業的底層驅動力，半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到，針對這個問題的一些前瞻性解決方案——有些已經實現，有些則可能有待時代驗證。

XPU、摩爾定律和異質整合

「電腦產業中的貝爾定律，是說能效每提高1,000倍，就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說，「若每瓦功耗只能支撐1KOPS的運算，當時的這種運算形態是超算；到了智慧型手機時代，能效就提高到每瓦1TOPS；未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求，如果依然沿著CMOS這條路去走，當然可以，但會比較艱辛。」

針對性能和效率提升，除了尺寸微縮，半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化，以及處理架構的革新。

(1)AI晶片本身其實就是對處理器架構的革新，從運算架構的層面來看，針對不同的應用方向造不同架構的處理器是常規，更專用的處理器能促成效率和性能的成倍增長，而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU，即AI處理器)，乃至更專用的ASIC出現，都是這類思路。

CPU、GPU、NPU、FPGA等不同類型的晶片各司其職，Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情，「整合起來各取所需，用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類，Core CPU、Xe GPU，以及透過收購獲得的AI晶片Habana等。

另外針對不同類型的晶片，可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令，本質上是特別針對深度學習做加強。「專用」的不一定是處理器，也可以是處理器內的某些特定單元，甚至固定功能單元，就好像GPU中加入專用的光線追蹤單元一樣，這是當代處理器普遍都在做的一件事。

(2)從電晶體、晶片結構層面來看，電晶體的尺寸現在仍然在縮減過程中，只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降，需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後，電晶體變為FinFET結構，在3nm之後，電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET)，其本質都是電晶體本身充分利用Z軸，來實現微縮性能的提升。

劉明認為，「除了基礎元件的變革，IC現在的發展還是比較多元化，包括新材料的引進、元件結構革新，也包括微影技術。長期賴以微縮的基本手段，現在也在發生巨大的變化，特別是未來3D的異質整合。這些多元技術的協同發展，都為晶片整體性能提升帶來了很好的增益。」

他並指出，「從電晶體級、到晶圓級，再到晶片堆疊、引線接合(lead bonding)，精準度從毫米向奈米演進，互連密度大大提升。」從晶圓/裸晶的層面來看，則是眾所周知的朝more than moore’s law這樣的路線發展，比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮，來彈性擴展性能的方案。

台積電和Intel這兩年都在大推將不同類型的裸晶，異質整合的技術。2.5D封裝方案典型如台積電的CoWoS，Intel的EMIB，而在3D堆疊上，Intel的Core LakeField晶片就是用3D Foveros方案，將不同的裸晶疊在一起，甚至可以實現兩片運算裸晶的堆疊、互連。

之前的文章也提到過AMD剛發佈的3D V-Cache，將CPU的L3 cache裸晶疊在運算裸晶上方，將處理器的L3 cache大小增大至192MB，對儲存敏感延遲應用的性能提升。相比Intel，台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連，而不是micro-bump，做到更小的打線間距，以及晶片之間數十倍通訊性能和效率提升。

這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面，即新材料的導入專家們沒有在論壇上多說，本文也略過不談。

1,000倍的性能提升

劉明談到，當電晶體微縮的空間沒有那麼大的時候，產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market，理論上應該也屬於成本的一部分。

電晶體微縮方案失效以後，「多元化的技術變革，依然會讓IC性能得到進一步的提升。」劉明說，「根據預測，這些技術即使不再做尺寸微縮，也會讓IC的晶片性能做到500~1,000倍的提升，到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進；單裸晶儲存容量變得越來越大，IC依然會為產業發展提供基礎。」

500~1,000倍的預測來自DARPA，感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應，而且有更實際的工程問題待解決，比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。

不過1,000倍的性能提升，的確說明摩爾定律的終結並不能代表第三次科技革命的終結，而且還有相當大的發展空間。尤其本文談的主要是AI晶片，而不是更具通用性的CPU。

矽光、記憶體內運算和神經型態運算

在非傳統發展路線上(以上內容都屬於半導體製造的常規思路)，WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣，或者仍在商業化的極早期。

(1)近記憶體運算和記憶體內運算：處理器性能和效率如今面臨的瓶頸，很大程度並不在單純的運算階段，而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率，可能是提升整體系統性能時，一個非常靠譜的思路。

這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的，應該不在少數。所謂的近記憶體運算，就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3)，以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」，cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。

這兩年在近記憶體運算方面比較有代表性的，一是AMD——比如前文提到3D V-cache增大處理器的cache容量，還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構，也更早應用了HBM2記憶體方案。這些實踐都表明，儲存方面的革新的確能帶來性能的提升。

另外一個例子則是Graphcore的IPU處理器：IPU的特點之一是在裸晶內堆了相當多的cache資源，cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作，極大提升頻寬、降低延遲和功耗。

近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中，多層級的儲存結構，資料的搬運不僅僅在處理和儲存之間，還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。

構建非馮(non-von Neumann)架構，把傳統的、以運算為中心的馮氏架構，變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。

記憶體內運算的就現在看來還是比較新，也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法，儲存單元本身就有運算能力，理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目，畢竟可極大減少海量資料的移動操作。

其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部，部分執行資料處理工作；主要應用於神經網路(因為非常契合神經網路的工作方式)，以及這類晶片具體的工作方法上，可能更傾向於神經型態運算(neuromorphic computing)。

對於AI晶片而言，記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時，有比較頻繁的資料存取操作，這對性能和功耗都有影響。不過記憶體內運算的具體實施方案，在市場上也是五花八門，早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構，用40nm嵌入式NOR，在儲記憶體內部執行運算，不過替換掉了數位週邊電路，改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。

劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中，近記憶體運算的這個方案應該和AMD的3D V-cache比較類似，把儲存裸晶和運算裸晶疊起來。

劉明指出，「這是我們最近的一個工作，採用hybrid bonding的技術，與矽通孔(TSV)做比較，hybrid bonding功耗是0.8pJ/bit，而TSV是4pJ/bit。延遲方面，hybrid bonding只有0.5ns，而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上，前文也提到了它具備更高的互連密度和效率。

另外這套方案還將DRAM刷新頻率提高了一倍，從64ms提高至128ms，以降低功耗。「應對刷新率變慢出現拖尾bit，我們引入RRAM TCAM索引這些tail bits」劉明說。

記憶體內運算方面，「傳統運算是用布林邏輯，一個4位元的乘法需要用到幾百個電晶體，這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法，然後利用基爾霍夫定律完成列的累加。」劉明表示，「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存，沒有資料搬運。」這是記憶體內運算的常規思路。

「無論是基於SRAM，還是基於新型記憶體，相比近記憶體運算都有明顯優勢，」劉明認為。下圖是記憶體內運算和近記憶體運算，精準度、能效等方面的對比，記憶體內運算架構對於低精準度運算有價值。

下圖則總結了業內主要的一些記憶體內運算研究，在精確度和能效方面的對應關係。劉明表示，「需要高精確度、高運算力的情況下，近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術，這幾年的進步也非常快。」

去年阿里達摩院發佈2020年十大科技趨勢中，有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式，這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題：是記憶體廠商，還是數文書處理器廠商？(三星推過記憶體內運算晶片，三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)

(2)神經型態運算：神經型態運算和記憶體內運算一樣，也是新興技術的熱門話題，這項技術有時也叫作compute in memory，可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是，這種結構更偏「類人腦」。

進行神經型態研究的企業現在也逐漸變得多起來，劉明也提到了AI晶片「最終的理想是在結構層次模仿腦，元件層次逼近腦，功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。

傳說中的Intel Loihi就是比較典型存算一體的架構，「這片裸晶裡面包含128個小核心，每個核心用於模擬1,024個神經元的運算結構。」宋繼強說，「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來，構成接近1億神經元的系統，讓學術界的夥伴去試用。」

「它和深度學習加速器相比，沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線，功耗很低，也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為，不採用同步時脈，「刺激的時候就是一個非同步電動勢，只有工作部分耗電，功耗是現在深度學習加速晶片的千分之一。」

「而且未來我們可以對不同區域做劃分，比如這兒是視覺區、那兒是語言區、那兒是觸覺區，同時進行多模態訓練，互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片，似乎也是Intel在XPU方向上探索不同架構運算的方向之一。

(2)微型化矽光：這個技術方向可能在層級上更偏高了一些，不再晶片架構層級，不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面，已有應用了，發出資料時，連接埠處會有個收發器把電訊號轉為光訊號，透過光纖來傳輸資料，另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高，內部元件數量大，尺寸也就比較大。

Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的，就是把光和電子相關的組成部分高度整合到晶片上，用IC製造技術。未來的光通訊不只是資料中心機架到機架之間，也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大，也就是所謂的I/O功耗牆，這是這類微型化矽光元件存在的重要價值。

這其中存在的技術挑戰還是比較多，如做資料的光訊號調變的調變器調變器，據說Intel的技術使其實現了1,000倍的縮小；還有在接收端需要有個探測器(detector)轉換光訊號，用所謂的全矽微環(micro-ring)結構，實現矽對光的檢測能力；波分複用技術實現頻寬倍增，以及把矽光和CMOS晶片做整合等。

Intel認為，把矽光模組與運算資源整合，就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上，這類技術還是頗具前景，Intel此前說目標是實現每根光纖1Tbps的速率，並且能效在1pJ/bit，最遠距離1km，這在非本地傳輸上是很理想的數字。

還有軟體…

除了AI晶片本身，從整個生態的角度，包括AI感知到運算的整個鏈條上的其他組成部分，都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面，針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體，透過軟體最佳化就能實現幾倍的性能提升。

宋繼強說，「我們發現軟體最佳化與否，在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。

在AI開發生態上，雖然Nvidia是最具發言權的；但從戰略角度來看，像Intel這種研發CPU、GPU、FPGA、ASIC，甚至還有神經型態運算處理器的企業而言，不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台，用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。

在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下，處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升；而一些新的技術方向，包括近記憶體運算、記憶體內運算和微型矽光，能夠在資料訪存、傳輸方面產生新的價值；神經型態運算這種類腦運算方式，是實現AI運算的目標；軟體層面的最佳化，也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩，AI晶片的性能、效率提升在上面提到的這麼多方案加持下，終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。

資料來源：https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg

0715 #收盤 #重點
📍「凱哥財經生活大小事」：https://www.provoice.tw/show?id=48c0295c-256c-40ee-a8ac-70b8347f8d52

#台股 #航運
台股多頭今 (15) 日攻勢再起，航海王、鋼鐵人復活，貨櫃三雄全面亮燈漲停，台積電法說前夕表現平靜，但電子股由聯發科、鴻海領軍，帶動大盤一舉攻克萬八，加上終場台積電擺尾拉升3元，推升收盤指數刷新歷史新高，終場上漲 188.44 點，收在新高18034.19點，不過成交額縮至 4549.03 億元。

#航運三雄
貨櫃三雄今（15）日一甩昨日頹勢，今天陽明、萬海、長榮均飆上漲停板，股票人氣回籠。散裝航運股也欣欣向榮，包括裕民、新興、台航、四維航、慧洋 - KY 等逾 15 檔上市櫃，都攻上漲停板，整體運輸類股指數大漲 8.9%，成交比重占大盤近 35%。鋼鐵股也跌深反彈，中鋼上漲逾 3%，春雨、燁興、志聯、彰源、新鋼均衝上漲停板，中鴻、春源、燁輝、大成鋼、允強等勁揚逾半根漲停板，整體鋼鐵類股指數大漲 4.5%。

#台積電 #蘋概股
台積電今（15）日下午舉行法說會，前幾日三大法人積極卡位，本週累計買超 5.3 萬張，不過，今日股價評價，一路在平盤附近遊走，終場小漲收 614 元。而受惠蘋果股價創歷史新高，鴻海上漲約3%，至119元，台郡上漲逾5%，至132元。

#蘋果新機 #iphone
彭博社周三報導，蘋果已經要求供應商今年生產多達 9000 萬支新 iPhone，較去年iPhone 12系列上市初期的 7500 萬相比大幅增加20%。代表蘋果看好iPhone 13將獲得強勁的需求。而先前外媒也曾傳出，新機將在9/14亮相。

#矽創 #頎邦
面板驅動IC廠矽創 (8016) 今天除息，每股配發新台幣7.5元現金股息，股價表現強勁，早盤一度達304元，大漲11.5元，順利完成填息。
蘋果新款iPhone 13進入晶片備貨旺季，市場預期今年需求規模將優於去年iPhone 12，身為供應鏈的封測廠頎邦(6147)2021年下半年接單暢旺、能見度達年底，配合擴產效益挹注，法人看好頎邦旺季營運續旺，下半年營收可望逐季創高。

#華新 #配息
華新(1605)今天召開股東會，通過配發0.9元現金股利，董事長焦佑倫指出，儘管疫情去年爆發，但華新去年及今年業績表現不錯，而且在印尼興建鎳生鐵廠及配套電廠，建廠進度未受疫情影響，預計今年下半年將陸續開始試車及生產。

#東聯 #EG #看好陸後市
東聯 (1710-TW) 今 (15) 日召開股東會，東聯表示，去年是非常挑戰的一年，但主力產品 EG 市場最壞時間已過，且將持續朝利基型特化產品市場布局，第二波特化材料建廠計畫預計明年投產，未來將成為擁有多元產品線的公司。

#裕隆 #轉盈
裕隆汽車（2201）15日上午舉行股東會，由董事長嚴陳莉蓮親自主持，會中通過去年度財報與與盈餘分配案，配息1.0元，以8月3日為除息基準日。嚴陳莉蓮在致詞中表示，裕隆汽車在務實轉型的大策略下，已從前年的虧損中走出來，去年營收282.72億元，稅後淨利27.39億元，EPS為2.8元。
#財經 #新聞 #非凡新聞 #ustvnews #news

盆菜外賣
翠林辣蟹坊
地址：尖沙咀亞士厘道24-38號天星大廈1樓A號舖
訂購電話：26289888
訂購 Whatsapp：62804078
六位用$1288 送 濃湯底花膠雞或避風塘香辣蟹
四位用 $780 送 潮式酸菜魚
預訂任何一款盆菜時，通知店家，你是Stephen吃喝玩樂的觀眾，就可以免費獲贈食神炒飯一客
送貨安排 因應地區 有不同價錢 ??‍♂️ 詳情請自行與餐廳聯絡。餐廳接受銀行入數或PAYME

?溫馨提示：現在疫情嚴峻，注意衛生，食嘢前請清洗雙手!!!

—————————————————————————
注意: 所有食評只反映餐廳當日食物水準及個人口味☺️
消費前，親愛嘅觀眾自行作最後判斷及決定。我只反映真實情況，盡能力提供準確資料，多謝每一位觀眾明白。??‍♂️
—————————————————————————

多謝各位親愛的觀衆 ! 大家亦可緊貼我的 facebook / IG
????????????
吃喝玩樂 ►Facebook: http://bit.ly/2HIr701
吃喝玩樂 ►IG： http://bit.ly/2Ol1tjq

合作 Business contact ►Email: ctakfan@gmail.com

=============================================
Membership corner (會員專區)
?? ⭐️ ? ? 加入吃喝玩樂, 支持channel 繼續向前, 靠大家一㸃支持和鼓勵 ?? ⭐️ ??

成為會員和Stephen 緊密互動, 接收最新資訊, 半個飯盒的支持, 已經令我開心到彈起?
https://www.youtube.com/channel/UCrquuQB6v1Ued2xyRKZreGQ/join

想一次性的支持, 您也可以為我買杯咖啡，支援吃喝玩樂頻道：小弟非常感謝您的貢獻??‍♂️??
You can always buy me a coffee and help supporting this channel: https://www.buymeacoffee.com/rDdTOWa

⚠️??‍♂️ 溫馨提示：
所有體驗均屬於個人分享，食品質素及服務只代表當天的評價。歡迎留言及分享你們的用餐體驗。大家緊記酒店或餐廳質素可能因各種原因下跌, 本人沒能力亦不是我控制範圍內。還望大家明白????
??‍♂️ 互相尊重。
? 清清楚楚，如有推廣及贊助定必在影片中提及。從不掩飾，不需懷疑,，不刻意將單據拍照，多謝!
❤️ 自由發揮，歡迎比 like，討論，批評，分享，更正，提點，改進，報料，甚至乎表示不喜歡?。唔好話我個樣就得啦??‍♂️??
? 如發表仇恨, 攻擊, 粗暴及破壞性言論，亦歡迎留言，不過不是在吃喝玩樂平台! 如有發現，3.75秒內會化為星塵 ✨✨

▄▄▄▄▄▄▄ ⚡️⚡️⚡️ 精選影片 ⚡️⚡️⚡️ ▄▄▄▄▄▄▄▄
??‍♂️全港自助餐大集合，一次過睇晒全港最受歡迎自助餐???????? ⭐️⭐️⭐️⭐️⭐️ 5 Stars
?????????
https://www.youtube.com/watch?v=GRhkiUhIqRk&list=PLkPmZi_hiLifriBJpDQ8MOl3pKaWNIPLC

??‍♂️香港美食推介 , 放題, 街坊小店, 特色餐廳, 真實食評! 食吧! ???????
?????????
https://www.youtube.com/watch?v=Wga8q4L2S_s&list=PLkPmZi_hiLie1BQ04RVQXz0qsRoEanJQG

??‍♂️香港素食自助餐推介 , youtube 最強素食自助餐清單☕️????
?????????
https://www.youtube.com/watch?v=RPIl84841uQ&list=PLkPmZi_hiLidlxQEmhXmaHua6mMljSav

吃喝玩樂 ►Facebook: http://bit.ly/2HIr701
吃喝玩樂 ►IG： http://bit.ly/2Ol1tjq
吃喝玩樂 ►訂閱我們： http://bit.ly/2OibRYQ
商務合作 ►Email: ctakfan@gmail.com
商務合作 ►watsapp: 55053986

#吃喝玩樂 #stephenleung #自助餐達人

#品城記 #探店 #雲南菜#菌菇
美食&美女，你選哪個？當然是全要啦！
夏季正是雲南那邊菌菇收穫的季節，因此，上個月，曾老闆也安排了大秋飛到雲南，體驗了一下那邊的特色菌類。節目出街後，很多股東留言說，看完節目口水橫流，但是，要像大秋這樣，任性的飛一趟過去雲南吃，還是有些困難的。你們能不能在廣州也挖掘一些吃菌子的餐廳啊？沒問題！今天就給你們安排上！要去的這家店，是我們橫向對比了N多家云南菜館後篩選出來的，在大眾點評上，它的口味、環境、服務，各項評分都高達4.5+！而且去過的網友，對於這家店的評價也是出奇的高！大秋之前去雲南吃過一次，這一次，怎麼都輪到嘉升了。只不過，在廣州吃菌，怎麼樣才能吃出高大秋一檔的感覺呢？嘉升決定使出一招殺手鐧！
店鋪名稱：當珠·火塘餐廳(南村店)
地址：南村興業大道宏信裝飾材料城7棟111號
電話：13711061234
營業時間：週一至週日11：00-14：30 17：00-22：00
人均：99元
大眾點評：口味 4.56 環境 4.83 服務 4.58
傣味香茅烤魚1條——58元
火塘滾鍋牛肉1份——168元
景頗檸檬鬼雞1份——52元
清炒板藍根1份——28元
青椒雞油菌1份——68元
芥末黑雞縱1份——68元
滇味炒餌塊1份——32元
合計：474元
BGM清單:
1.井筒昭雄 - 立花、想う。
2.林ゆうき - 潛伏
3.林ゆうき - 草の者
4.EvisBeats - 夜風に吹かれて
5.Delos - Good?Night
6.林ゆうき - justice PfMix
品一座城，不僅僅是美食，更是人文！
走，帶你去找好吃的！
我們的夢想，是吃遍世界上每一座城市的美食！
吃遍給廣州，再吃遍全世界！
傳統中華美食，西餐，網紅美食，平民小吃！
只要是好吃的，我們絕不放過！
想要GET更多好吃的食物，跟著我們就對了！歡迎訂閱【https://www.youtube.com/channel/UC5IZoMHDRHV9j7MYMGNO_Ug?sub_confirmation=1】
你的城市哪裡好吃哪裡好玩？全在我們的原創視頻裡！

或者，好多讀者已駕駛過純電動電單車（包括國內親戚那部買餸羊或家中果部電動單車），但玩過電動大包圍的騎士應該不多，仲要是一部扭力峰值達到20.3kg-m的跑車，感覺如何？加速力有幾癲？有請張煒安同大家報告。

載番個頭盔先，本誌是電動汽車及電動電單車的文盲，惡補後才如夢初醒，現在才知道純電汽車十分普及。雖然香港的充電設施仍有待完善，但充電站的數量遠超10年前，並且遍布全港，現在不僅Tesla，其他傳統牌子已加入製造純電車行列，款式愈來愈多，部份車子的續航力更高達400km，打個折扣都跑到300km多，這一刻才知道自己仍然活在石器時代。

純電電單車又如何，其發展速度好明顯滯後，那麼有沒有一間年資又Young，又沒有造車經驗類似Tesla的製造商？答案當然有，ENERGICA是其中一間，但兩輪界仍未出現突破樽頸，同時迫使傳統品牌加速電氣化步伐的非傳統車廠。事實上，傳統電單車廠好早開始研發電動車，不過遲遲未市販化，好可能考慮到用家的負擔能力及市場接受程度；畢竟生產電池的原材料昂貴，導致車價高昂，以及充電設施未配合發展，更重要是短期內未必有利可圖，姑且讓新冒起對手試探水溫。

究竟ENERGICA有幾Young？2014年正式成立，所有車輛都在意大利跑車故鄉MODENA生產。ENERGICA的母公司是CRP集團，擁有50年歷史，業務涉及賽車、航空、太空科技、3D打印及軍事科技等等講求高準確度工業。肉眼所見，今次介紹的兩部電車在各方面均有一定質素。

CRP集團為了展示賽車技術，2006年成立自家車隊，出戰世界WGP125及意大利CIV道路賽，2008年啟動eCRP純電大包圍計劃。適逢史上首屆全電動TTXGP格欄披治在2010年舉行，正好測試eCRP的實力，CRP集團其後亦有參加由FIM舉辦的e-Power電動格欄披治大賽。

事實上，eCRP純電大包圍是今次試駕ENERGICA EGO的雛形，原型車見於2013年，車子因為採用3D打印及CNC製造的部件而廣收宣傳效果，市販版正式在2015年推出。不過真正讓更人認識ENERGICA EGO，是因為ENERGICA自2019年起成為Moto E獨家供應商，所有參賽隊伍都使用相同規格的ENERGICA EGO參賽。編者今次能夠在香港親身接觸市販MotoE戰車，看著披上MotoE拉花的包圍，突然有落場的衝動！

張煒安試車感受—加速話咁快
8年前領教過純電動電單車的扭力，當年試駕的車子雖然只有54hp馬力，但扭力達到9kg-m，產生的加速力及起步反應媲美直四600級大包圍，雖然如此，與今次試駕的兩電車相比，所有數字差了一大截。

以ENERGICA EGO大包圍為例，馬力143hp(107kW)，相等於一部750cc左右的大包圍，可是扭力峰值高達20.3kg-m (200 Nm)，與超過2,000cc的電單車看齊，卻比起這一代公升級超電多約70%。如此巨大的扭力有幾好玩？簡單來說扭力越大，起步及加速力越勇猛。據廠方公佈，ENERGICA EGO的0-100km只需3秒，簡直痴線，極速可達240km/h，至於NK版EVA都有200km/h極速，理論上在香港用唔著。

果只看數據，ENERGICA EGO的扭力無懈可擊，實際駕駛又如何？

好勁....頭、中段的加速力比現今的公升級超電有過之而無不及，加速時上半身被風阻扯得好利害，尾段則受到環境限制而無法體驗。電動摩打甫加速便進入扭力範圍，不用像內燃引擎提升至一定轉速才增加扭力，所以油門近乎沒有延遲感，一篤油便立即向前衝，反應比汽車電單車的油門要更捷，所以早段時間沒有膽量大力質落油門加速；事實上，不論電或高性能油車，統統都採用電子油門，沒有威也，所以更正確的說法是電門，而非油門。

此外，由於電車採用單速波箱，無波可轉，油門操控與綿羊相同，所以扭著油門不放，馬力一氣呵成釋出，既沒有因為檔位銜接導致馬力流失，也沒有轉檔的頓挫感，即使任何時候減速，都輕易再爆升車速，騎士因此無需善用波段或Keep轉數，20.3kg-m的扭力及超廣闊扭力帶果然非同凡響。

加速感又如何？

其實電與油車的差異頗大，首先電車只有摩打排出的VV聲，雖然轉速越高，音頻越尖，但實際駕駛中的風聲比麼打聲大，取代汽油車轉數越高，排氣聲越亢奮的感覺，而全球推動電車的原意，就是要保持環境清靜。再者摩打缺乏類似引擎的諧震，駕駛時仿佛與車子失去聯絡，原因是內燃引擎的排氣聲及震盪成為騎士與車子溝通渠道之一，因此沒有留意車速，駕駛電車比油車更容易超速。究其原因，電車的加速力雖然強勁，可是油門控制比油車更容易，馬力細滑如絲地傳送到尾輪上，感覺就好像剛踏進高鐵車廂，凳子還未座暖，列車已飆升到300km/h一樣。

因此未駕駛過ENERGICA EGO的讀者，我建議包括老手在內，最好選擇Standard(標準)、Eco(慳油)或Wet(濕地)馬力較低的馬力模式，與此同時開啟防止尾輪打滑的循跡系統及ABS，待熟習260kg重量及寧靜操控感，才好好享受最強的Sport(運動)模式，原因電車的馬力來得又快又直接，用多幾個電子輔助駕駛傍身，既安全又好玩。再者ENERGICA EGO是一部自動波大包圍，沒有離合器，對於棍波車騎士來說難免有點空虛感，也不可以使用離合器控制掉頭車速，因此需要一點時間適應，如何倚靠油門及煞車控制掉頭速度，否則增加跌車風險，因為掉頭的時候，你會實實在在感覺到她的重量。要是你有綿羊底子，絕對有幫助。

講開減速，車子重達260kg，但是BREMBO M4煞車卡鉗足夠街道使用；另一項協助騎士減速的功能名為Regenerative Maps，即是「制動力回收」，熟識電動四個轆的讀者一定不會陌生，作用是當騎士縮油減油，讓原本驅動尾輪的摩打變成發電機，為電池充電，夠晒環保。

而Regenerative Maps「制動力回收」共有四段選項，分別是OFF(關)、LOW(低)、Medium(中)及High(高)；當日試車首先切換High(高)，縮油後車身立即頓挫起來，俗稱鎖得好勁，車速明顯拖慢，感覺有點像突然拖低一個檔位，所以個人認為不適合跑山，會影響壓車攻彎的暢順度，但應付「長命斜」或落山好有用，等於波車用低檔落斜，大大減輕制動系統負擔，可避免制動過熱。講咗咁耐，「制動力回收」即是棍波車所講的Engine Brake(制動煞車)。

之後體驗LOW(低)效果，個人認為這個Mode適合玩山，雖然高速煞車縮油的Engine Brake明顯減少，不過仍有效地拖慢車速同時，讓我更流暢地入彎。最後嘗試OFF模式，一如所料，減速沒有Engine Brake，跟綿羊及二衝車一樣，縮油後車子繼續向前衝。對我來說，「制動力回收」好有趣，讓我在短短數小時試駕中，回顧過去20年賽車技術發展史；由我初初鬥2衝車近乎沒有Engine Brake，到轉戰4衝600 Superspot的強勁Engine Brake，再之後普及的防鎖死離合器（Slipper Clutch—舒緩Engine Brake，讓車手更暢順攻彎），到現在的全電子年代。另外，ENERGICA EGO配置ABS防鎖死系統，然而另外還加入名為eABS系統，它是防止急煞減速同時，尾輪又被「制動力回收」產生的Engine Brake鎖得太死，導致輪胎失去咬地力；此時，eABS立即介入，暫停「制動力回收」工作，好讓輪胎恢復咬地，發揮類似防鎖死離合器的功能（Slipper Clutch）。當eABS介入後，儀錶會亮起相關信號。

ENERGICA EGO的座姿及車身闊度與600或1000大包圍分別不大，座上810mm的座位依然跳芭蕾舞（張煒安身高5呎６吋），可是軑把高度適中，整體來說不極端，有上一代跑車的影子，某程度來是一款舒適型超電。不過論真正舒適性，當然是NK版EVA為佳。

所有電車，包括二輪及四輪，因為負載電池組件而變得比同類型油車重，當你騎上ENERGICA EGO再踢起側架，然後拉直車身，便會發現比起拉起600及1000更費力，畢竟她們相差超過60kg。

為應付重量，ENERGICA EGO實行以硬制硬，例如廠方建議使用42磅胎壓，否則胎壓不足，輪胎與路面接觸面積過多，加上避震設定太軟等等，都會影響操控性能，即使直路行駛都會出現跌車傾向，所以當日在山路行駛幾圈後，立即調硬前避震的預載，穩定性才大大改善。事實上，電車對我來說是新事物，需要更多時間摸索各方面的設定技巧。

老實說，當日聽到260kg的車重都有點詫異，腦海突現浮起80-90年代的1000cc大包圍，就連moto-one的編輯都對我的評價特別感到興趣，試駕後不斷追問是否好鈍好笨重，比第一代R1更重等等。說實話，論輕巧度及靈活度肯定不及新一代600及1000大包圍佳，壓車搬身需要多一點力，之但係又唔覺得好鈍或好笨重，比原先估計更好彎，的確有點意外，所以用第一代R1比較未免太誇張。事實上除了落地推車、窄路掉頭、燈位停車及塞車慢行之外，起步後唔覺重。不過聽車主講，駕駛初期因為未熟習車身重量，難免會有壓力。

或許你會擔心推車，可是ENERGICA EGO設有後波及前波，最高車速只有2.8km/h，其操控不難，只要按下著車掣2秒，便會切入“PARK ASSISTANT”(泊車輔助)，即後波，若再按下著車掣便會切入前波，讓你在限速下向前或向後泊車，大可安座於車子上撐船仔。


至於騎士最關心的續航能力，由於當日只駕駛不足50km，所以未能詳盡解釋。根據廠方資料顯示，在市區駕駛的續航力200km、市區與高速公路駕駛的續航力160km、高速公路續航力130km。不過據車主講，ENERGICA EGO的實際續航力與廠方公佈的數據接近，他試過從元朗出發去機場，全程高速公路，平均車速約80-90km/h，來回路程約100km，回家只餘20%電量，估計可以行多約40km-50km。事實上，續航力好視乎騎士的駕駛方式，所以駕駛電車必須要經常留意電量，畢竟充電站並非度度都有。