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
同時也有2部Youtube影片,追蹤數超過7萬的網紅Tech Dog,也在其Youtube影片中提到,▌建議開啟 4K 畫質 達到高品質觀影享受 🔻 詳細閱讀優惠說明書🔻 ◤ 超詳細安裝步驟 ◢ ➥ https://bit.ly/3CGHhRI ➥ https://bit.ly/3iFAa40 ◤ 建好直接放置 PLAY 🥰 ◢ 9 折折扣碼:『3CDOGROON』 ※ 即日起 - 202...
「伺服器記憶體桌機」的推薦目錄:
- 關於伺服器記憶體桌機 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於伺服器記憶體桌機 在 小資富媽媽 Facebook 的最讚貼文
- 關於伺服器記憶體桌機 在 癮科技 Facebook 的最佳貼文
- 關於伺服器記憶體桌機 在 Tech Dog Youtube 的最佳解答
- 關於伺服器記憶體桌機 在 針織帽 Youtube 的精選貼文
- 關於伺服器記憶體桌機 在 [心得] ECC和非ECC記憶體架Server - 看板PC_Shopping 的評價
- 關於伺服器記憶體桌機 在 拿伺服器級處理器來當個人PC使用,會有什麼後遺症嗎? 的評價
- 關於伺服器記憶體桌機 在 【速我直言】伺服器記憶體RAM- EP4 |快速了解Rank/Bank差異 的評價
伺服器記憶體桌機 在 小資富媽媽 Facebook 的最讚貼文
新冠肺炎疫情帶動的數位轉型持續加速,包括桌電及筆電、伺服器、平板、5G手機等銷售動能強勁,出貨量並未因疫苗接種日益普及而減少。市調機構IC Insights預期,受惠於DRAM強勁出貨及價格上漲,全球記憶體市場將出現連續4年成長的大多頭行情,預期2022年市場規模將達1,804億美元創下歷史新高,2023年將首度突破2,000億美元大關來到2,196億美元,並續創新高紀錄。
今年以來記憶體市場轉為供不應求,其中DRAM因缺貨而出現價格急漲走勢,第一季DRAM平均銷售價格較上季提高8%,且包括三星、SK海力士、美光、南亞科等均看好第二季DRAM市況持續好轉,龍頭大廠三星還預期DRAM供不應求及漲價市況會延續到今年第四季。因此,IC Insights預期,受惠於DRAM價漲量增的強勁驅動力帶動下,2021年全球記憶體市場將較去年成長23%達1,552億美元規模。
IC Insights指出,今年全球記憶體出貨量將達534億顆,其中DRAM占比達43%,NAND Flash占比達30%,NOR Flash占比達9%,其餘包括ROM或EEPROM/EPROM等占比達18%。但由今年全球記憶體1552億美元營收規模來看,DRAM占比最大達56%,NAND Flash占比達41%,NOR Flash占比2%,其餘記憶體則占1%。
由於記憶體廠產能擴充幅度受到有效控管,但數位轉型帶動的需求持續湧現,加上包括筆電或平板、5G手機、伺服器等單機記憶體搭載容量大幅拉高,IC Insights對於明、後兩年的記憶體市場亦抱持樂觀看法,預期2022年市場規模將年增16%達1,804億美元,超過2018年並改寫歷史新高,而2023年將首度突破2,000億美元大關、再成長22%達2,196億美元規模並續創新高紀錄。總體來看,2020~2025年的全球記憶體市場年複合成長率將達10.6%。(新聞來源:工商時報─記者涂志豪/台北報導)
https://tw.stock.yahoo.com/amphtml/news/%E7%A7%91%E6%8A%80-dram%E5%83%B9%E6%BC%B2-%E8%A8%98%E6%86%B6%E9%AB%94%E6%97%BA%E5%88%B02023%E5%B9%B4-002405306.html
伺服器記憶體桌機 在 癮科技 Facebook 的最佳貼文
這時期的Xeon,除了具備大型化L3快取的Xeon MP和看起來有點像勉強趕工出來的Paxville,清一色都是桌機體系Prescott(90nm)和Cedar Mill(65nm)的衍生品,只差在晶片封裝是包1顆還是包2顆,然後解放被封印的64位元。
伺服器記憶體桌機 在 Tech Dog Youtube 的最佳解答
▌建議開啟 4K 畫質 達到高品質觀影享受
🔻 詳細閱讀優惠說明書🔻
◤ 超詳細安裝步驟 ◢
➥ https://bit.ly/3CGHhRI
➥ https://bit.ly/3iFAa40
◤ 建好直接放置 PLAY 🥰 ◢
9 折折扣碼:『3CDOGROON』
※ 即日起 - 2021 / 11 / 30,大小寫需一致。
◤ 10GbE 多媒體專用 NAS|TVS-872XT ◢
👉 Intel® Core™ i5 8400T 六核心 1.7 GHz
➥ https://bit.ly/3sem8tb
➥ https://bit.ly/3iHrLwP
👉 Intel® Core™ i3-8100T 四核心 3.1GHz
➥ https://bit.ly/2UjatNm
➥ https://bit.ly/3iHrLwP
◤ 經濟桌上型 QuTS hero NAS|TS-h686、TS-h886 ◢
👉 TS-h886-D1622-16G 8-Bay 2.5GbE NAS
➥ https://bit.ly/3yWzH3f
➥ https://bit.ly/3yJnQ8q
👉 TS-h686-D1602-8G 6-Bay 2.5GbE NAS
➥ https://bit.ly/3m7eOOS
➥ https://bit.ly/3xGpuGE
===============================================================
#科技狗 #roon #音樂串流 #數位串流 #串流音樂 #NAS
roon 一套軟體 NT$20,000 要價不斐,不過還是有非常多人不斷想入坑,簡單來說 roon 就是一個音樂系統服務,可以整合發燒友不同的音樂檔案以及 Hi-Fi 串流,打造屬於自己的多房間音響系統。
這次的影片我們將介紹 roon 的組建方法,並實際將 Roon Core 運作核心裝在 QNAP TVS-672X NAS 中,也同時將它當作 Roon Bridge 播放終端,示範給大家看如何用手機遙控整個系統。
➥ https://bit.ly/3CGHhRI
===============================================================
::: 章節列表 :::
➥ 最強音樂管理
00:00 兩萬燒起來
00:29 Roon
01:03 組成要件
➥ 升頻遙控
01:56 系統介面
➥ 安裝步驟
03:18 前置作業
03:46 系統需求
➥ 最後總結
05:10 最後總結
::: QNAP TVS-672X 規格 :::
尺寸重量:188.2 × 264.3 × 279.6mm / 6.553kg
作業系統:QuTS hero Edition / QTS
CPU:Intel® Core™ i3-8100T 3.1GHz
RAM:1 x 8GB SO-DIMM DDR4 最大支援 2 x 32GB
快閃記憶體:5GB
內部硬碟數:6 x 3.5" / 2.5" SATA 3
M.2 擴充槽:2 x M.2 2280 PCIe Gen3 x2
PCIe 擴充槽:
1 x PCIe Gen 3 x16 ( CPU )
1 x PCIe Gen 3 x4 ( PCH )
USB 介面:
1 x USB-A 3.2 Gen 1
2 x USB-A 3.2 Gen 2
2 x USB-C 3.2 Gen 2
紅外線接收器:有
乙太網路:
2 x 2.5GbE RJ45
1 x 10GbE RJ45
HDMI 輸出:1 x HDMI 2.0 ( 最高 3,840 x 2,160@60Hz )
建議售價:NT$48,900
保固:2年 ( 可付費延長至 5 年 )
不要錯過 👉🏻 http://bit.ly/2lAHWB4
--------------------------------------
#科技狗 #QNAP #NAS #QNAPNAS #roon #音樂串流 #數位串流 #串流音樂
#Tidal #Qobuz #RoonReady #HiFi #AppleiTunes #AppleMusic #Spotify
#KKBOX #串流 #開箱 #評測 #體驗 #PTT #DAC #擴大機 #系統 #教學
#喇叭 #音響 #CD #無損 #無損串流
📖 Facebook:https://www.facebook.com/3cdog/
📖 Instagram:https://www.instagram.com/3c_dog/
📖 LINE 社群:https://bit.ly/3rzUq8g
📖 官方網站:https://3cdogs.com/
📖 回血賣場:https://shopee.tw/3cdog
▋ 有任何問題都來這邊找我們:3cdogs@gmail.com
![post-title](https://i.ytimg.com/vi/I84RmgMwlTY/hqdefault.jpg)
伺服器記憶體桌機 在 針織帽 Youtube 的精選貼文
標籤:#節奏醫生 #RhythmDoctor #ReadyGetSetGo
♫BGM♪:
🔊節奏醫生(Rhythm Doctor)遊戲內建音樂
【外部連接區】
Steam連結:
https://store.steampowered.com/app/774181/Rhythm_Doctor/?l=tchinese
螢幕桌面貼圖(由「天才貓」繪製)
https://www.facebook.com/smartcatooooo
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
如果喜歡~歡迎訂閱XD
※我的頻道:
https://www.youtube.com/channel/UCGGxr54lBRXgfQOjdKX96sA
可以看到頻道中其他的影片呦~還有別忘了訂閱個XDD
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
※我的FB粉絲團:
https://www.facebook.com/HatHat030
分享一些生活瑣事和遊戲中一些小攻略。
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
※我的twitch:
https://www.twitch.tv/hathat030
努力改善品質中......orz
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
※「針織帽」Discord伺服器:
https://discord.gg/VNCEZAUdPC
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
※新楓之谷:
伺服器 - 優依娜
角色ID - 一瞬間的決心
備註:有興趣可以找我聊聊天。030
●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●○●
※電腦設備:
處理器(CPU):AMD Ryzen 5 3600
顯示卡(GPU):NVIDIA GeForce GTX 1060 6GB
記憶體:16G
麥克風:Blue SNOWBALL ICE USB 小雪球
耳機:HyperX Cloud Stinger Wireless 無線電競耳機
鍵盤、滑鼠:路邊貨
※剪輯軟體:
錄影軟體:Ocam(免費,但看清楚合約。)
影片剪輯:威力導演(付費)
縮圖製作:PhotoCap 6.0(免費)
素材裁剪:小畫家、剪取工具(內建)
![post-title](https://i.ytimg.com/vi/kjSjRbRGieE/hqdefault.jpg)
伺服器記憶體桌機 在 拿伺服器級處理器來當個人PC使用,會有什麼後遺症嗎? 的推薦與評價
沒啥後遺症但伺服器級處理器遊戲表現通常比一般消費級頂級CPU差 ... 不過如要更換零件,就不太方便可能記憶體是採ECC RAM 電源供應器也非常規尺寸加裝 ... ... <看更多>
伺服器記憶體桌機 在 【速我直言】伺服器記憶體RAM- EP4 |快速了解Rank/Bank差異 的推薦與評價
![影片讀取中](/images/youtube.png)
歡迎來到本頻道[速我直言] ,我是速哥,這次主題是 伺服器記憶體 RAM。0.前言00:001.快速了解 記憶體 包含Rank及Bank等專業名詞00:272. 1Rx4, 1Rx8, 2Rx8 ... ... <看更多>
伺服器記憶體桌機 在 [心得] ECC和非ECC記憶體架Server - 看板PC_Shopping 的推薦與評價
以下要說的純屬個人經驗,並沒有經過比較明確的驗證或測試,也可能單純只是個案
故僅供參考
我自己本身有架Server 主網頁伺服器(IIS+PHP+MySQL)
偶爾跑些程式、Docker或Minecraft Server之類
原本使用E3-1231v3+ECC記憶體(C224晶片組)
用了幾年整體來說算很穩定
數次持續幾個月沒重開機也都維持正常
前陣子升級一下硬體
主機板換W480的 CPU使用i9-10900K 記憶體美光DDR4 2666 16G*2(有在QVL上)
由於基本上是個人使用
且感覺現在整體技術應該比較好 不用ECC應該沒差
原本系統是Server 2016
剛開始偷懶 直接clone到新硬碟上
但用一陣子 不時會出現BSOD重啟
想說 既然整個硬體更新 那還是重灌比較乾淨點
重灌系統-Server2019
但依然平均1-2天就一次BSOD重啟
查了log 錯誤代碼都是和Memory有關的
那就想 換個記憶體看看
換了海盜船的白金統治者 XMP可以跑3200 不過只是為了測試就沒開XMP跑預設2133
觀察一周 也出現了3次BSOD重啟的情況
這樣下去 感覺不太行 這頻率有點高
(從買主機板到現在也有更新BIOS 2次了 並沒有改善)
這時想到ECC的事情,於是就去買了顆Xeon W-1290P 加上2條DDR4 2666 ECC(QVL上)
*W-1290P其實跟10900K規格幾乎一樣 差在能支援ECC記憶體
外觀
https://imgpoi.com/i/KB02TM.jpg
CPUZ跑分
https://imgpoi.com/i/KBQ1WV.png
https://imgpoi.com/i/KBQTNE.png
目前跑了2週多 還沒出現過BSOD的情況
不過由於沒測W-1290P+non ECC的穩定性
也不能排除之前BSOD是CPU的問題就是 雖然機率相對比較低
若真的是ECC的問題 那感覺ECC還是有存在的價值
現在intel為了市場區隔 消費級的CPU不支援ECC就有點坑了
AMD:選我選我
有空再測下ECC vs non-ECC的效能差距
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.34.7.152 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/PC_Shopping/M.1612324602.A.730.html
不過可能就是因為Server上有比較持續大量的運算之類
以至於撞到錯誤的機率就提高了
※ 編輯: Harusame (114.34.7.152 臺灣), 02/03/2021 12:09:03
i5 i7 i9各型號幾乎也都有規格相當對應的Xeon版本(就貴個40-50美元)
不過我這主機板QVL上只有2666的 所以就只買2666
主要是ECC沒人在做XMP吧
但真要自己超 應該也不是不行
當然這個只是個人遇到的狀況 目前暫時也只是猜ECC的問題 也許有其他原因
我之前也有非ECC輕度Server的 也沒出事
當然可能根本就其他原因 要真的確定情況可能還要多試幾組不同RAM或CPU吧
※ 編輯: Harusame (114.34.7.152 臺灣), 02/03/2021 14:40:20
網拍那些應該是RDIMM就是ECC REG的
雖然算更高階 原價也更高
但由於一般消費級PC無法使用(要配合洋垃圾的中高階Xeon)
市場因素以至於更便宜
而ECC UDIMM跟一般non-ECC是相容的 在大部分環境還是可以通用
(就變成沒啟用ECC功能)
故若是ECC UDIMM的 還是會比同規格的non-ECC稍貴
※ 編輯: Harusame (114.34.7.152 臺灣), 02/03/2021 20:14:31
... <看更多>