關於 智慧型手機生命週期 ，我們在網路上蒐集到這些相關的討論、資訊與評價

手機系統的生命週期要向PC看齊的節奏響起惹～～
#Android #iOS

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

ATIS下一代G聯盟主導6G發展，蘋果等科技大廠紛紛加入

科技產業資訊室 (iKnow) - Kyle 發表於 2020年11月16日

由美國電信產業解決方案聯盟（ATIS）主導成立的下一代G聯盟（Next G Alliance）於2020年10月成立。其主要是使美國成為6G及未來行動技術的領導者而奠定基礎。當初成立之時，有AT&T、加拿大貝爾、Ciena、愛立信、臉書、InterDigital、JMA Wireless、微軟、諾基亞、高通、三星、Telus、Telnyx、T-Mobile、US Cellular和Verizon加入。

近期隨著谷歌、蘋果、LG、Charter Communications、思科、惠普、英特爾、Keysight Technologies、Mavenir、MITRE和VMware的加入之後，陣容開始變得愈來愈強大。ATIS 表示，華為及中興通訊並沒有加入，一旦美國聯邦政府禁止供貨及採購其產品，則該兩家公司將會被排除於創始成員之外。

ATIS下一代G聯盟小組界定工作，將涵蓋研發、製造、標準化和市場進入準備階段的整個生命週期。在提升美國在6G發展中處於最前沿地位的總體目標下，該聯盟的最初目標將是製定6G國家藍圖，為6G和未來技術建立一套核心優先事項，以影響美國政府政策並獲得資金。

最初的戰略行動將主要集中在三個領域：

首先，制定6G國家路線圖，以在該領域的激烈競爭中生存下來，並使美國成為下一代G技術研發，標準化，製造和採用的全球領導者；

其次是追求北美科技產業在一系列核心優先事項上保持一致性，以影響政府的政策和資金；

第三是確定並定義6G的早期步驟和戰策，以期在新的市場和商業領域引領下一代G技術的快速商業化；此外，也將促進即將到來的6G技術在美國和全球舞台上獲得廣泛的應用。

ATIS表示，鑑於地緣政治形勢，舊的領導模式在新的未來世界中不再具有作用。 如果美國真的要維護自己在行動網路的領導地位，它不得不採取新的行動方案來確保這一領導地位可以達成。

ATIS聯盟將在11月16日舉行第一次會議，以北美貿易協會ATIS為首，以討論包括：針對手機在供應鏈、自動語音電話和助聽器兼容性上之安全性提出討論。

雖然以往蘋果在行動網路的標準上參與的都不多，但是從5G發展史上可以發現，蘋果如果不再早期投入該領域，其未來在研發6G晶片上將會晚其他廠商一步。因此，從整體戰略考量下，蘋果終於在6G之時，成為研發與制定6G標準的廠商之一，這對於其提早推出6G版本iPhone有相當大的幫助，甚至未來幾年蘋果內部也會申請許多6G專利，以讓其在智慧型手機、智慧手錶、AR眼鏡與通訊晶片上站穩，成為推動6G普及的關鍵性廠商。

附圖：圖、ATIS下一代G聯盟主導6G發展，蘋果等科技大廠紛紛加入

資料來源：https://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=17225&fbclid=IwAR3UUiJ0rpr7aUf8d2FmGZaZp3_e4E-9esf6ZOD1iiA20Id4ZYo1-hK7iwc

【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys

【10/15 開課！】《學「問」～高難度對話的望聞問切》~第17期(僅剩五位名額)
掌握達成共識的關鍵能力！
課程資訊：http://www.koob.com.tw/contents/232
更多學員心得分享：http://goo.gl/A07zZ0

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～8/3(六）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072

【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8

【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo

桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：

今天我跟大家分享關於「快樂」這個主題。

加州大學的河濱分校，心理學教授索妮亞．柳波莫斯基。她是一位我非常喜歡的心理學者，在我們的有聲書評，也曾經推薦過她的書哦！

她針對「快樂」這件事情，她除了寫了幾本暢銷書之外，她也有做一些更深入的研究。當她歸結了一些，關於人通常會怎麼考慮「快樂的要素」的文獻的時候，她做了一些結論。

這個結論就是收入良好、身體強健、婚姻美滿，以即沒有經歷悲傷或創傷。這些結論，似乎很符合我們一般人的直覺認知。

然而柳波莫斯基，在她進一步的研究之後，她卻發現喔，在最近的一個世紀以來，針對「幸福決定因素」的研究，得到一個普遍性的結論。

這個結論就是，客觀的情況、人口統計的變相、和生活事件，跟快樂有關聯的。只是我回到一般人的直覺經驗、直覺認知裡，會覺得這些關聯跟快樂，應該要更緊密才對。

但是啊，經過更精細的研究，跟估算之後發現，把這些變量加起來，最多只佔「幸福變量」的8％到15％。

也就是說這些直覺上，會影響我們快樂與否的變項，在實際上，真正對我們的影響，其實是比我們想像小非常、非常的多。

那麼到底是什麼樣的關鍵因素，會決定我們的快樂呢？其實喔，多數會有幸福感的變量，它是來自於我們「相對比較」下的一個結果。

這個「相對比較」的結果，有一個很經典的問題，就是你想要在1900年代裡，每年賺7萬美金，也就是台幣大概200萬；還是你想要同樣的7萬美金，同樣的200萬台幣，是在現在賺到的？

可能多數人會選擇，我當然要在1900年，就賺到一年有7萬美金啊！

沒有錯，如果回到1900年代，那個時候的美國，每個人的平均年收入，大概是450塊美金而已。所以相對於7萬美金，的確會在1900年裡，讓你過上一個超乎想像的美好生活。

可是事實上，真的是如此嗎？我邀請你再細細的深思一下；就算你活在1900年代，每年有7萬美元的一個收入。

但是請你千萬別忘了，在那個年代裡，如果你不小心生病了、不小心要做外科手術；不管你花多少錢，也買不到今天被廣泛使用的局部麻醉劑。

你可能要忍受難以想像的疼痛，去承受這個外科手術。那更不要說1900年代的外科手術水準是如何？再來當你不小心發炎、感冒、生病了，那個年代可是沒有抗生素的。

那如果你想要享受一杯冰涼的飲料，不好意思！那個年代沒有冰箱。你如果覺得天氣很熱，那個年代也不會有冷氣機。

如果你想要快速方便的，聯繫上遠方的朋友；那個年代裡，更不會有現在的電話，更不要說智慧型手機。

所以你仔細想想，當你活在1900年代，就算你有7萬美元的年收入，這意味著什麼？這意味著就如同你自己想像當中的，可以過上一個爽爽的日子、可以為所欲為嗎？並不是這樣子吧！

而且在進一步來看哦，在1900年代的時候，人的平均壽命只有47歲。而現代人的平均壽命，可以活到將近80歲。

所以呢，當你聽到這裡，不妨認真的體會一下；所謂的年收入7萬美元，它是不是得放在今天的「此時此刻」，才會有意義呢？

沒有錯！當我們看待人生的時候，我們常常會活在一種「時光錯置」的一個想法裡。你會很嚮往過去，你會覺得如果我在那個年代裡，就有這麼多錢，那該多好！然而事實上，通常都不是如此。

就像有很多人，他可能很不習慣現代的生活、現代的壓力、現代的一切的一切，他很想活回50年前的那個時候。

但是這裡在思維上，就有一個很嚴重的盲點了。就是啊，他想像當中的50年前，他都只挑選他「想要的」、他「期待的」。

或者在他想像當中，50年前的那個單純、那個相對沒有競爭壓力。可是呢，他卻沒有去想，甚至於他忽略了50年前的落後、50年前相對也沒有機會。

就像是我遇到有些人，總是幻想著哪一天找一塊地，然後來退休，享受好山好水。但是呢，當他真的去享受這個好山、好水的時候，他會很快的發現，真的是好山、好水，而且好無聊啊！

他一整個無聊到不行，而且這份無聊，還引發了他非常嚴重的焦慮。所以你說當你總是在想像「它時它地」，而不是專注在「此時此地」的時候，你覺得這一切的快樂，它是真實的嗎？

可是正因為這樣子的一個「比較心態」，不管是跟過去比，還是跟其他的地方比；如果你沒有覺察這個想法的話，你很有可能把自己的人生，過的就是到哪裡都不快樂、得到什麼也都不滿意，俗稱的「越努力、越挫折」。

所以回到根本，人生「快樂」的關鍵到底在哪裡？

或許要過上一個好的人生，我們要有意識的，暫時把「比較」的心情放下來，回到自己的身上。並且要很留意，因為「比較心態」會引發出來的一種直覺性的思維；就是我們很喜歡拿過去的經驗，想現在的事情，而要去預測未來。

其實「比較」如果換一個向度來想的話，你有沒有發現，如果我們拿「今天」的收入水準，放到「過去」，得到的是一個荒謬，而且我們不想要的結果的話。

那麼反過來，我們拿「過去」的那些工作觀點，放到「現在」，是不是也一樣，會得到非常荒謬的結果呢？

講一個你一定聽得懂的，我們是不是常常想像，找到一份好工作、做它一輩子，從此以後過著幸福快樂的日子？

這樣的想法它是「工業時代」的想法，那今天的我們早就不在工業時代了；現在這個時代，你還能夠幻想找到一份所謂的「穩定的工作」嗎？

你要知道以現在的產業週期，任何一家公司，他能夠存留在市場上的時間，會比你這一輩子，總體的工作時間來的短，而且短很多啊！

所以當你因為「比較」，而活在一種時空錯置的時候，經常你可能就會活在，所謂的「終極選項」跟「路徑依賴」的迷思裡。

「終極選項」就是喔，你總是幻想著在你的生涯裡，有一個最好的工作，你必須要找到它；而不是培養自己一些關鍵的素質跟能力，去面對這不確定的未來。

而所謂的「路徑依賴」的迷思，就是有太多人，你可能因為過去學生時代，學的是某一個科系，你就覺得未來就只能做那件事。

又或者是，你覺得過去自己對某個領域、某個產業、自己的先前的工作經驗，是在某一個特定的範疇，你就覺得自己只能繼續的往下走。

「路徑依賴」的想法，很容易讓你坐在金山銀山上很窮，因為你局限了自己的選擇。就像是傳統的電視或電影工作者，當工作機會不斷的消失之後，他就會覺得他要找到另外一家電視台，或者是另外一家電影公司。

可是，為什麼一定要這樣呢？有沒有可能把你的影像專業、用影像說話的這個能力提煉出來，你也可以當Youtuber不是嗎？

所以呢，談到這裡，面對人生跟人生的快樂的時候，究竟是我們此時此刻的環境太險惡，讓你沒有辦法快樂、讓你沒有辦法在「相對比較」底下，得到更多的滿足；還是我們的想法，限制了我們自己？

「終極選項」跟「路徑依賴」，是我們在面對自己的人生的時候，永遠要提醒自己的兩個陷阱、兩個迷思啊！

那麼在具體上，當我們面對人生的時候，要怎麼樣避免這兩個迷思給我們的影響，並且進一步的走出屬於自己的道路？

讓你不用再依循任何人的遊戲規則，讓你建立起自己的生態圈，你的快樂由你自己來決定。

關於這個部分的前進，可以好好期待我在7月22號，即將上線的【過好人生學】。

我即將帶給你的學習，並不是空泛的口號，或者是一昧的，只是要你去追求熱情；而是透過很實際的思維引導跟作法前進，讓你一步一步的，走出屬於自己的道路。

讓你的成就、讓你的快樂，由你自己來定義，而不是透過任何「比較」的結果。因為我們知道，只要你的心裡一開始跟任何事物任、何時空比較，你就已經脫離了「此時此刻」。

我想每個人都會渴望過一個更好的人生，尤其是會關注像我們這樣子學習頻道的你。

也正因為如此，我把多年來面對個案，所談的無數次的「生涯議題」，整理成線上課程；加上我自己生命的實踐跟前進，我相信這是一門為你準備，讓你過一個更好人生的學習機會。

好好期待我們在7月22號正式上線，期盼你的加入；也更希望今天的分享，能夠帶給你實質的啓發與幫助，我是凱宇。

如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道。別忘了訂閱旁邊小鈴鐺，按下去；這樣子你就不會錯過我們所做的內容。

那麼如果你對於「啟點文化」的商品，或課程有興趣的話；我們近期的實體課程，是在10月15號開課的【高難度對話的望聞問切】。

在我錄音的這個時候，這一門課的名額也在倒數了；所以無論是線上課、還是實體課，我都很期待，能夠跟你一起學習、一起前進，謝謝你的收聽，我們再會。

Android_Studio開發網路資料庫(第7次ListView_CSV專案與修改程式&連結網路與功能表選單元件&自動產生Activity方法與生命週期&Intent類別功能說明與外部存取&增加Menu功能&匯入就專案與Intent大全&將雲端試算表整合到ListView當資料來源)

上課內容：
01_JAVA連結網路複習
02_建立ListView_CSV專案與修改程式
03_ListView連結網路與功能表選單元件
04_功能表選單元件程式設計
05_自動產生Activity方法與生命週期練習
06_Intent類別功能說明與外部存取說明
07_Intent類別程式時作與增加Menu功能
08_如何匯入就專案與Intent大全補充
09_如何將雲端試算表整合到ListView當資料來源

完整影音
https://www.youtube.com/playlist?list=PLCfL1sBZ2_SR3fpB-TKkBVdFEvdATyk0p

教學論壇(之後課程會放論壇上課學員請自行加入)：
https://groups.google.com/forum/#!forum/java_object2016

懶人包：http://terry55wu.blogspot.com/p/android.html

想學好Android開發，
先學會Android_Studio開發環境建置，
或是直些下載我的Android_Studio穩定開發版，
只要再裝好JAVA SDK(32位元)版即可，
不要浪費時間再當白老鼠，這也是很多人的痛。
接下來就是建個 HelloWorld 接下來就是把自己的創意變成APP，
開始努力建置APP，為台灣的軟體產業加把勁，
展現台灣的軟實力吧!
Android_Studio穩定開發版 [下載]
JAVA SDK(32位元) [下載]

課程理念與課程介紹：
Android智慧型手機平台，已成為手機上最完整的開放開發平台
人手必備的趨勢下行動上網已達500萬人次以上，手機相關應用，將會超越PC，比PC更智慧，更貼近個人使用習慣，未來APP將漸取代Web，成為各產業或政府對外窗口。
如何開發APP，以循序漸進的方式講授Android應用程式架構、圖形介面開發、測試與除錯等，進而取得證照。
吳老師教學特色：
1.影音複習分享(全程錄影)。
2.能不硬code程式，有程式也會提供畫面。
3.提供業界實務開發經驗。
4.書上沒講到的操作，圖形化工具使用。
5.隨時更新第一手資訊。

參考書目
Android 初學特訓班
作者：鄧文淵/總監製；文淵閣工作室/編著
出版社：碁峰 出版日期：2011年12月29日 2刷

Java SE 7與Android 4.x程式設計範例教本
作者：陳會安
出版社：碁峰
出版日期：2011年12月29日

吳老師教學部落格：
http://terry55wu.blogspot.com/

吳老師

android 開發教學,android 程式教學,android 使用教學,android app教學,android sdk,android eclipse,android 開發,android studio 開發教學,android studio tutorial,android studio download,android app開發資料庫,app開發資料庫,網路資料庫教學,app開發教學

Android_Studio開發網路資料庫(第7次ListView_CSV專案與修改程式&連結網路與功能表選單元件&自動產生Activity方法與生命週期&Intent類別功能說明與外部存取&增加Menu功能&匯入就專案與Intent大全&將雲端試算表整合到ListView當資料來源)

上課內容：
01_JAVA連結網路複習
02_建立ListView_CSV專案與修改程式
03_ListView連結網路與功能表選單元件
04_功能表選單元件程式設計
05_自動產生Activity方法與生命週期練習
06_Intent類別功能說明與外部存取說明
07_Intent類別程式時作與增加Menu功能
08_如何匯入就專案與Intent大全補充
09_如何將雲端試算表整合到ListView當資料來源

完整影音
https://www.youtube.com/playlist?list=PLCfL1sBZ2_SR3fpB-TKkBVdFEvdATyk0p

教學論壇(之後課程會放論壇上課學員請自行加入)：
https://groups.google.com/forum/#!forum/java_object2016

懶人包：http://terry55wu.blogspot.com/p/android.html

想學好Android開發，
先學會Android_Studio開發環境建置，
或是直些下載我的Android_Studio穩定開發版，
只要再裝好JAVA SDK(32位元)版即可，
不要浪費時間再當白老鼠，這也是很多人的痛。
接下來就是建個 HelloWorld 接下來就是把自己的創意變成APP，
開始努力建置APP，為台灣的軟體產業加把勁，
展現台灣的軟實力吧!
Android_Studio穩定開發版 [下載]
JAVA SDK(32位元) [下載]

課程理念與課程介紹：
Android智慧型手機平台，已成為手機上最完整的開放開發平台
人手必備的趨勢下行動上網已達500萬人次以上，手機相關應用，將會超越PC，比PC更智慧，更貼近個人使用習慣，未來APP將漸取代Web，成為各產業或政府對外窗口。
如何開發APP，以循序漸進的方式講授Android應用程式架構、圖形介面開發、測試與除錯等，進而取得證照。
吳老師教學特色：
1.影音複習分享(全程錄影)。
2.能不硬code程式，有程式也會提供畫面。
3.提供業界實務開發經驗。
4.書上沒講到的操作，圖形化工具使用。
5.隨時更新第一手資訊。

參考書目
Android 初學特訓班
作者：鄧文淵/總監製；文淵閣工作室/編著
出版社：碁峰 出版日期：2011年12月29日 2刷

Java SE 7與Android 4.x程式設計範例教本
作者：陳會安
出版社：碁峰
出版日期：2011年12月29日

吳老師教學部落格：
http://terry55wu.blogspot.com/

吳老師

android 開發教學,android 程式教學,android 使用教學,android app教學,android sdk,android eclipse,android 開發,android studio 開發教學,android studio tutorial,android studio download,android app開發資料庫,app開發資料庫,網路資料庫教學,app開發教學