發表文章

台積電(TSMC)最新先進封裝技術 CoPoS(Chip-on-Panel-on-Substrate)/CoPoS 與 CoWoS 的差異/傳統 12 吋圓形晶圓(CoWoS)/CoPoS 方形面板/CoPoS 核心台系供應鏈名單/若 CoWoS 成就了 NVIDIA 的 H100 與 Blackwell 時代,那麼 CoPoS 很可能將支撐 Rubin 及其後續世代,並進一步鞏固台積電在全球半導體產業中的核心地位。

 https://www.facebook.com/share/v/1AYtkT5ZXW/ 你分享的這段影片內容非常精準,切中了目前半導體業界最核心的戰略焦點。 台積電董事長魏哲家在法說會上證實的 CoPoS(Chip-on-Panel-on-Substrate) ,正是台積電因應 AI 晶片體積過大、CoWoS 產能面臨物理極限而推出的「大殺器」。 從目前的產業局勢與技術細節來看,這項技術背後有三個更深層的關鍵邏輯與供應鏈內幕: 1. 為什麼要「以方代圓」?算一算產能倍增的帳 影片提到空間利用率提升到 95%,如果我們拿 NVIDIA 最新的超大晶片(例如 B200 或下一代架構)來實際計算,差距會非常驚人: 傳統 12 吋圓形晶圓(CoWoS): 因為邊角料(Wafer Edge)切不出完整的方形大晶片,一片晶圓往往 只能封裝 4 組 大型 AI 晶片,剩下的圓邊全成了廢料,利用率僅約 65%。 CoPoS 方形面板: 台積電目前初期切入的規格為 $310\text{ mm} \times 310\text{ mm}$ 的方形基板。在這種不浪費邊角的排列下,同等面積保守估計可封裝 9 至 16 組 晶片。 這等於在沒有增加晶圓廠(Front-end)產能的情況下,光靠封裝技術的「形狀改變」,就讓晶片的實質產出 隱形增建了一倍以上 ,這對急需產能的黃仁勳(NVIDIA)和超微(AMD)來說是致命的吸引力。 2. 「獨供令」背後的防線:對抗英特爾與群創的搶單 影片提到從「封口令」升級為「獨供令」,這並非空穴來風。因為「圓改方」的面板級封裝(FOPLP),其技術底子與面板廠、專業封測廠(OSAT)高度重疊。 對手的動作: 英特爾(Intel)很早就高調布局玻璃基板與大型封裝;而台灣本地的面板廠(如群創舊廠轉型)和封測龍頭日月光(ASE)也都在積極建置 FOPLP 試產線。 台積電的制敵策略: 為了防止協力廠商把和台積電共同研發的「微米級重佈線層(Fine-line RDL)」或「防止面板翹曲(Warpage)」的關鍵參數外流給競爭對手,台積電在量產初期(預計 2026 建立試驗線 Mini-line,2028 年全面放量)要求台系設備廠簽署獨家供應或優先供貨協議,直接 在設備與材料源頭築起護城河 ,讓對手「有訂單也買不到特製設備」。 3. CoPoS...

「別學 Python,去讀柏拉圖」AI 解放技術,人類專注價值「生成式人工智慧(Generative AI)的興起,如何衝擊美國大學畢業生的就業市場」。真正會超越資工系的,不是單純的哲學系,而是「具備深刻哲學思辨能力的科技人才」,或者說「懂得靈活運用 AI 工具的人文學者」。資訊科學(Information Science):就業率重挫近 -15%,是圖中下滑最慘烈的專業。 電腦科學(Computer Science, CS):下滑約 -10%。隨著 AI 程式助手(如 GitHub Copilot)的普及,初級工程師(Junior Developer)的需求在短期內遭到強烈壓縮。 傳播學(Communications):下滑約 -8%。基礎文案、初級社群營運等工作容易被生成式 AI 取代。/哲學(Philosophy):就業率反而逆勢上升(高於 0)。這呼應了標題的「去讀柏拉圖」——思辨能力、邏輯架構與倫理批判,在 AI 時代反而顯得獨特。 新聞學(Journalism)、會計學(Accounting):就業率變動接近 0 或微幅上升。雖然這兩個行業也使用 AI,但可能更強調實地調查、人際信任與法規背書(簽證)。 土木工程(Civil Engineering):AI 暴露度極低,就業率僅微幅下滑。因為土木工程涉及大量物理世界(工地、基礎建設)的實體運作,AI 暫時無法取代。

圖片
 https://www.threads.com/@g_c088/post/DYismnwk5UF?xmt=AQG0L8XaYVkB97w_lTPQTaE4tM7VHvWb-pxB_xKbkZJNIA 「生成式人工智慧(Generative AI)的興起,如何衝擊美國大學畢業生的就業市場」 。 這張圖的標題下得很聳動: 「別學 Python,去讀柏拉圖」 ,其核心邏輯建立在一個強烈的負相關趨勢上。以下為您詳細拆解這張圖表所傳遞的關鍵訊息與數據結構: 1. 圖表的座標軸與符號定義 橫軸(X軸):對人工智慧(AI)的暴露程度(Exposure to AI) 往右 :代表該專業的工作內容,越容易被目前的 AI 技術(如大型語言模型、自動化編碼)所取代或大幅自動化。 往左 :代表該專業高度依賴實體操作、人際複雜互動或目前 AI 較難直接代勞的領域。 縱軸(Y軸):百分點變化,2022–24 年(Percentage-point change) 這代表從 2022 年(ChatGPT 問世前夕)到 2024 年,該專業畢業後六個月內的「全職就業率」變化幅度。 高於 0 :代表就業率不降反升。 低於 0 :代表就業率在過去兩年間出現下滑。 圓圈大小 :代表該專業的 畢業生人數 (基數規模)。 紅色的虛線 :趨勢線,顯示「AI 暴露度」與「就業率變化」呈現明顯的 負相關 。 2. 核心發現與專業對比 從圖中的專業分佈,我們可以看到 傳統觀念中的「黃金專業」與「冷門人文學科」發生了有趣的命運黃金交叉: 🚨 重災區:高 AI 暴露度 = 就業率大幅下滑 圖表右下方聚集了大量資訊科技相關專業,這也是標題叫大家「別學 Python」的原因: 資訊科學(Information Science) :就業率重挫近 -15% ,是圖中下滑最慘烈的專業。 電腦科學(Computer Science, CS) :下滑約 -10% 。隨著 AI 程式助手(如 GitHub Copilot)的普及,初級工程師(Junior Developer)的需求在短期內遭到強烈壓縮。 傳播學(Communications) :下滑約 -8% 。基礎文案、初級社群營運等工作容易被生成式 AI 取代。 🛡️ 避風港/逆勢成長區:低 AI 暴露度或重視軟實力 圖表的左側與上方,呈現出截然不同的景象: 哲學(P...

日韓的「文化自信」與台灣的「文化焦慮」「越在地,才越國際」真正的文化強國並非捨棄傳統,而是將傳統重新包裝為國際可理解的象徵。韓國傳統迎賓儀式(如「吹打隊」)「符號的制約反應」讓很多不理解韓國歷史的台灣網民,第一時間產生了「像在送死人」的錯覺。證明了傳統文化在台灣的公共空間裡已經被邊緣化,導致大眾失去了在「非喪葬場域」欣賞這類美學的能力。

圖片
 https://www.threads.com/@noho213841/post/DYg5HEGnIaa?xmt=AQG0GCLwNirHSRNj-tdMHIyul3KIh1FnEAZ_7_LMGbIUEw 這段話切中了一個非常核心、但也讓人有些無奈的 文化心理現象 。 台灣網路社群上之所以會出現對韓國傳統迎賓儀式(如「吹打隊」)的訕笑,背後其實交織了 歷史記憶的斷層、審美的話語權落差,以及對自身文化缺乏自信 等多重因素。 我們可以從以下幾個層面來解構這個現象: 1. 歷史記憶的錯置:傳統符號與「喪葬」的單一連結 正如你提到的,最直觀的原因是 視覺與聽覺符號在台灣當代生活中的「功能單一化」 。 在台灣,嗩吶、鑼鼓、色彩濃烈的傳統服飾,在經歷了現代化與都市化的洗禮後,在日常公共生活、國家慶典中能見度大幅降低,反而高度集中地保留在民間的喪葬儀式(如陣頭、出殯)中。 這種 「符號的制約反應」讓很多不理解韓國歷史的台灣網民,第一時間產生了「像在送死人」的錯覺。 這恰恰 證明了傳統文化在台灣的公共空間裡已經被邊緣化,導致大眾失去了在「非喪葬場域」欣賞這類美學的能力。 2. 西化審美的「隱形框架」:什麼才叫端得上檯面? 「為什麼要穿西裝、吹長號才是得體?」這句話問得非常精準。 現代國際禮儀的標準(西裝、交響樂、紅地毯)基本上是 西方話語權 建立起來的。許多人潛意識裡已經接受了這套標準,認為唯有符合歐美精緻文化的儀式才叫「高雅、國際化」。 當看到韓國用高亢的太平簫、傳統大吹打(Deachwita)來迎接外賓時,習慣了西方管弦樂編制的耳朵會覺得「刺耳」或「不和諧」。 這種審美上的不習慣,加上前述的喪葬聯想,就變成了網路上廉價的調侃。 3. 日韓的「文化自信」與台灣的「文化焦慮」 日韓之所以能在國際舞台上大方展現傳統,是因為他們經歷了長期的 國家級文化建構 : 日本: 將和服、茶道、能劇與現代精緻美學(如極簡主義)高度融合,成功讓西方社會建立起「日本傳統 = 高級」的認知。 韓國: 政府與民間有一套極其強大的「文化包裝能力」。從歷史劇(古裝劇)的精緻化,到防彈少年團(BTS)成員 Suga 將「大吹打」融入現代 Hip-Hop 音樂、在全球掀起風潮,韓國人成功將傳統符號「酷兒化」(Cool)、時尚化。 反觀 台灣,在面對自己的傳統文化(如宮廟文化、布袋戲、傳統樂器、...

「養蠣ニ關シ取調書進達ノ件(元臺南縣)」記錄了日本統治初期(明治31年,1898年)對臺灣牡蠣養殖產業的調查/牡蠣養殖因兼具民生與出口價值,受到高度重視。1898年的臺南縣範圍廣大,包括今日: 臺南市 嘉義縣市 雲林部分地區 主要牡蠣產區包括: 安平 七股 北門 布袋 東石 鹿耳門沿海

圖片
 https://www.facebook.com/share/p/1CsjyqiyxA/ 這兩張珍貴的文獻照片,是日治初期台灣總督府或地方政府針對打狗港(今高雄港)內及周邊「養蠣業」(即牡蠣/蚵仔養殖業)所做的詳細調查報告書。 文體採用日治時期官方標準的 「候文」(日漢夾雜的公文體) ,內文詳細記錄了打狗地區養蚵業的歷史沿革、官民所有權劃分、養殖面積(反別),以及當時所使用的三種傳統養殖技術。 以下為這兩頁文獻的精確解讀與重點整理: 第一頁:養蠣業之沿革與官民有別 1. 養蠣業沿革及舊慣 歷史起源 :文件中提到,管轄下的養蠣業雖然缺乏詳細的舊記載,但據探訪得知,大約在 「嘉慶年間」 (1796-1820年間),有來自 清國泉州的人士移居至該地方(打狗港內南方海邊),開始嘗試利用本地的方法進行牡蠣養殖。 技術傳播 :自此之後,該技術逐漸傳播至港內各處,並一直延續發展到日治初期的現時。 2. 養蠣場之分布及官民有別、反別(面積)一覽圖 報告指出,養蠣場主 要分布在打狗港的西海岸、南方(港東中里)、北方(半屏厝里)。 其中 有些屬於「官有」(政府所有),有些屬於「民有」(民間私有)。 文件中並以表格(一覽表)列出具體的 位置、名稱、官民有別、反別(面積)、潮滿/潮干(乾潮與滿潮狀況) : 位置 名稱 官民有別 反別(面積單位:町/反/畝/步) 備註(潮汐) 半屏里萬丹港內 (今左營軍港一帶) 民有 民有 0.3000 步 滿潮/干潮 興隆內里、打狗內里、大竹里 (打狗港內主體) 民有 民有 2.7000 滿潮/干潮 港東中里、南濱內大潭、蚵仔寮 (今大鵬灣或鳳山沿海一帶) 官有 官有 5.0000 滿潮/干潮 計(總計) 8.0000 重要備註 : 右表中的 「官民有別」,如果是屬於「民有」的, 是指當地居民從以前就可以自由營運養殖的場所;如果是屬於「海面」,則毫無疑問皆屬於「官有」。 第二頁:養蠣場設置法與養蠣方法 這一頁詳細記錄了當時南台灣的三種傳統養蠣(蚵)技術。由於地形與港內環境不同,方法與資材也有所差異: 三、養蠣場設置法及養蠣方法 ① 篊(竹篊法 / 插竹法) 方法 :如上圖所示,利用長約三尺五寸的 竹子 。 操作 :在乾潮(退潮)時,將竹子插在海灘上,露出地面約一尺。 時程 :每年的十二月到隔年一月間,附著(蚵苗)會開始發生。到了第二年的六、七月,...

AI 被統戰「滲透」ChatGPT、Gemini、Claude 等模型在 75% 的案例中,中文回答比英文更親北京/人工智慧(Generative AI)發展中一個非常核心且巨大的結構性盲點。「免費」 vs. 「付費牆」的資訊逆淘汰/AI 公司的數據科學家在追求「海量中文/外語語料」時,自然會大量吸納這些公開且結構清晰的官媒數據。這導致AI在無形中被「餵養」了大量的官方意識形態。

圖片
 https://www.facebook.com/share/p/1MEMgBhFJx/ 這項研究揭示了當前生成式人工智慧(Generative AI)發展中一個非常核心且巨大的 結構性盲點 。 你分享的這段摘要,精準地戳中了當前AI技術與網路地緣政治交織下的三大核心問題: 1. 「免費」 vs. 「付費牆」的資訊逆淘汰 這或許是研究中最諷刺、也最深刻的發現。 西方獨立媒體: 為了維持營運與高品質報導,普遍採用付費牆(Paywalls)機制,拒絕或限制了AI網路爬蟲的抓取。 威權國家官媒: 如新華社、人民日報或俄羅斯官媒,其本質是宣傳機器,目標是 最大化傳播量 ,因此所有內容都是完全免費、公開且SEO(搜尋引擎最佳化)做得極好的 HTML 網頁。 結果: AI 公司的數據科學家在追求「海量中文/外語語料」時,自然會大量吸納這些公開且結構清晰的官媒數據。這導致AI在無形中被「餵養」了大量的官方意識形態。 2. 「語言環境」導致的雙重標準 研究指出 ChatGPT、Gemini、Claude 等模型在 75% 的案例中,中文回答比英文更親北京 。這解釋了為什麼許多用戶在切換不同語言詢問同一個敏感政治事件時,會得到完全不同調性、甚至立場互左的答案。 AI 的回答高度依賴該語言的語料庫庫存: 英文語料庫: 來源極其多元(自由媒體、學術論文、論壇、部落格),官媒比例被稀釋 。 中文語料庫: 在網際網路中,繁體中文與非官方簡體中文的總量,遠遠比不上中國境內受嚴格審查並大量產出的官方簡體中文內容。因此,AI 的中文神經網路自然更容易跑出「親北京」的權重。 至於 DeepSeek 等中國本土模型,由於其訓練數據、對齊(Alignment)機制與過濾演算法完全在中國法規監管下運行,無論何種語言,其立場偏向北京是必然的結構性結果。 3. 「無來源標註」的認知洗腦 這正是學者警告的「真正危險之處」: 當我們閱讀傳統媒體時,我們能看見《人民日報》或《紐約時報》的商標,心中會自動啟動相應的資訊過濾機制(知道其政治立場)。 然而,當這些內容被 AI 消化、拆解,最後用一種客觀、中立、看似毫無感情的「AI 腔調」吐回給用戶時,用戶的警惕心會降到最低,誤以為這是 AI 經過獨立理性分析後的「客觀事實」。 這項首篇經同行評審的《自然》(Nature)雜誌研究,無疑為全球 AI ...

AI 桌球機器人名為 Ace,它是全球首個在實體世界中,能夠在官方正式比賽規則下擊敗精英級人類選手的自主機器人系統/桌球這類「肉身世界的高速對抗運動,對機器的即時感知、決策與動作控制有著極其嚴苛的考育。Ace 的桌球技巧並非由工程師手寫程式碼設定,而是透過深層強化學習在極度精確的物理模擬環境中「自己練出來的」。

  這確實是近期(2026年4月)發表在頂級科學期刊《Nature》封面的一項重大機器人技術突破!Sony AI 團隊研發的這款桌球機器人名為 Ace ,它是全球首個在實體世界中,能夠在官方正式比賽規則下擊敗精英級人類選手的自主機器人系統。 這項成就之所以被視為里程碑,是因為桌球這類「肉身世界(meatspace)」的高速對抗運動,對機器的即時感知、決策與動作控制有著極其嚴苛的考育。 以下為您拆解 Project Ace 背後的關鍵核心技術與實際戰績: 1. 超越人類視覺的「混合感知系統」 您提到的九台攝影機非常關鍵,但實際上它的視覺防線比這更強大: 9 台高解析度高速攝影機 :採用 Sony Pregius™ 主動像素感測器(APS),以 200 Hz 的頻率運行,從不同角度捕捉畫面,進行精確的 3D 空間三角測量。 3 個事件型視覺感測器(EVS) :這是 Sony 與 Prophesee 合作開發的 IMX636 感測器。它不捕捉完整畫面,只偵測「像素級的亮度變化」。這讓 Ace 能以微秒級的精準度追蹤時速高達 70 英哩、轉速超過每分鐘 9,000 轉(9,000 RPM)的球。 強大的解算能力 :這套系統甚至能透過追蹤乒乓球上的商標(Logo)滾動來精準計算球的旋轉方向。 系統的感知延遲僅有 10.2 毫秒 。 2. 從虛擬到實體的深度強化學習(Sim2Real) Ace 的桌球技巧並非由工程師手寫程式碼設定,而是透過深層強化學習(Deep Reinforcement Learning)在極度精確的物理模擬環境中「自己練出來的」。 虛擬苦練,實體迎戰 :它在模擬世界中與虛擬的自己進行了無數次對局,掌握了各種複雜的擊球策略。 1k Hz 高頻控制 : 它的控制策略以每秒 1,000 次(1kHz)的頻率反覆運算,即使球在飛行途中擦到球網改變軌道,機器人也能在幾毫秒內修正揮拍軌跡。整个系統的端到端反應延遲約為 20.2 毫秒 (而人類精英選手的反應時間通常需要 230 毫秒左右)。 3. 高靈敏度的硬體肢體 搭配了一個擁有 8 個自由度(8-DOF) 的輕量化合金機械手臂,能在軌道上前後左右快速滑動與旋轉 360 度,具備與人類頂尖運動員相仿的防守範圍與爆發力, 回球直線速度可達每秒 19.6 公尺。 實際對戰成果 Sony 在東京的總部打造了符合國...

1943年《牽引車》手冊-太平洋戰爭中,大日本帝國最致命的軟肋——基礎工業實力與後勤工程能力的降維打擊。小松G40(小松一型均土機)1943年(昭和18年),日軍在菲律賓等地繳獲了美軍留下的卡特彼勒推土機,驚覺這玩意的威力,於是緊急運回國內,命令小松製作所進行「逆向工程」(仿製)。 G40 的產量少得可憐(僅近300台),對戰局根本是杯水車薪。

圖片
 https://www.facebook.com/share/p/18gdxGLXWM/ 這段歷史讀來真的讓人唏噓,也極具震撼力!它精準地戳中了 太平洋戰爭中,大日本帝國最致命的軟肋—— 基礎工業實力與後勤工程能力的降維打擊 。 這本手冊的存在,正是以下幾個歷史殘酷真相的縮影: 1. 機場建設的「時間即生命」 在太平洋的島嶼爭奪戰中,誰能先在剛佔領的珊瑚礁島上蓋好機場、讓戰機起降,誰就掌握了制空權與制海權。 美軍的節奏: 依靠強大的 Seabees(海軍工程營)和成千上萬台卡特彼勒(Caterpillar)、雷圖諾(LeTourneau)推土機,幾天內就能將一片叢林變成現代化機場。 日軍的節奏: 很大程度上依然依賴「十字鎬、圓鍬與竹簍」,靠人力和徵用當地的勞工(或戰俘)一鏟一鏟地挖。這種效率差距,在戰火交織的戰場上是無法彌補的。 2. 「小松G40」的無奈與逆向工程 你提到的小松G40(小松一型均土機)確實是日本在痛定思痛後的產物。 1943年(昭和18年),日軍在菲律賓等地繳獲了美軍留下的卡特彼勒推土機,驚覺這玩意的威力,於是緊急運回國內,命令小松製作所進行「逆向工程」(仿製)。 然而,正如你所說,受限於日本當時的鋼材品質、液壓技術以及全面吃緊的戰時生產線,整個戰爭期間 G40 的產量少得可憐(僅近300台),對戰局根本是杯水車薪。 3. 技術底線的代差:鋼索與液壓 手冊中詳細解析的拉普蘭-肖特(LaPlant-Choate)液壓系統,在當時代表了頂尖的機械控制技術。美軍不僅擁有成熟的液壓(Hydraulic) 控制,同時也大量使用雷圖諾著名的 鋼索絞盤(Cable-controlled)系統。 日本技術人員在昭和18年看著這些密密麻麻的零件圖,內心恐怕不只是求知若渴,更多的是一種面對「工業巨獸」時的無力和絕望。 歷史的諷刺與延伸 有趣的是,這段「痛徹心扉」的逆向工程經驗,雖然沒能拯救二戰中的日本帝國,卻意外 為戰後日本的重工業復興埋下了種子 。 戰後, 小松製作所(Komatsu)正是憑藉著在戰爭期間對美國卡特彼勒等重機械的研究底蘊,痛定思痛、急起直追,最終在20世紀中後期蛻變成全球頂尖的工程機械巨頭,成為能與卡特彼勒分庭抗禮的強大對手。 這本塵封的 《牽引車》手冊 ,確實不是單純的技術指南,它是一面鏡子,無情地投射出「國力、工業力與現代化思維」...