太有意思了
《歲月憶往》中華民國第一部電腦
文、圖/程德炎 January 30, 2011 06:00 AM
日子過得真快,一眨眼離2000年都過了十年。回想49年前,我參與安裝中華民國的第一部電腦,見它剪綵啟用,但隨即就…報廢了。
1962年初,我進台灣IBM才半年多,有一天總經理找我去辦公室,叫我準備做接收及協助安裝一套IBM大型電腦IBM650系統的工作。當時公司派了一位張先生去日本學習IBM650系統,還沒完成培訓,而這台大型電腦幾天後就要海運到基隆港了。此電腦極怕震動,必須用氣墊車運送,台灣找不到氣墊車,向美軍顧問團詢問,他們也沒有。當時唯一辦法似只能用卡車,但是怕震動,要求時速在五公里以下,所有出租卡車都不願接單。最後只好異想天開地決定用牛車押運。
接船那天,下著小雨,總經理開車載我到基隆碼頭,當時公司的游先生已雇好牛車在場等候。系統共四大件,另加電纜等。除主機外其他的用卡車先運到新竹交通大學。我們看著主機IBM650輕輕的放上牛車。蓋上雨布包好,小游坐在牛車上押運。一路慢行,經過一天一夜的辛苦,把主機安全送到了交通大學,再由多位壯漢,慢慢的抬上二樓機房拆箱,等我們去裝機及測試。牛車拉電腦的有趣照片,曾大出鋒頭,在IBM公司成立75週年紀念刊物上也曾登出。
IBM650系統由主機650及電源箱,IBM533讀卡/打卡機,外加IBM407列表機組成,IBM650 是用真空管及很多鍺晶體組成,面板上有很多小燈泡,就跟70年代的科幻電影演出的一樣。記憶體Memory為2000字節的磁鼓(Drum),即所謂2K字。比起今天的電腦的記憶體可小了上千萬倍。主機與列印或讀卡機用兩寸粗的電纜連接。磁鼓怕震,所以必須小心搬運。
接下來是由日本飛來的工程專家登場了。 每天早上我去旅社接他,再坐直快火車站去新竹,再坐計程車到交大接電纜線,調電壓等等。下午五點,再坐火車返臺北。我因為沒有受過IBM650訓練,只能打打下手及做翻譯,與交通大學的工作人員溝通。今天台灣的高鐵兩小時可以由臺北坐到高雄,當時是不能想像的。直快由臺北到新竹要兩小時,但是比開汽車要快,要安全。當時可沒有高速公路。
頭一、二天,在火車上,由我用中國英語向日本專家介紹台灣,而他用他的日本英語介紹日本的事,再下來就沒話可說了,很是無聊,後來他說,明天起,你把IBM650的書帶著,每天我在車上教你如何?真是好主意,54天20個小時,課本上完了。我們一起測試,對我來說真的太好了。
安裝完畢,問題就來了。IBM650是使用真空管的第一代計算機,使用220volt,100Amp的電量,發熱量極大。而交大電腦房的冷氣設備(20噸、兩台) 還沒運到。雖有兩台2噸的窗型冷氣,卻遠遠不夠降溫之用,而我們裝機的時侯是農曆年才過,外面氣溫在華氏50/60度左右,因此我們是門窗大開的,不會造成過熱的情況,但是台灣的3、4月氣溫就不同了,平均白天在85到95度,不再能開窗操作了。
更不幸的是中國人講面子'在正式移交起用這第一台電腦前'必須要有慶祝剪綵儀式'記得那是4月初的一天'請了嚴家淦副總統前來主持剪綵,IBM紐約總部飛來了位副總級的大人物,因為這1電腦是聯合國某基金讚助的,想必還有其他的外交官員來參加。如何解決冷氣的問題,再三討論、試驗。結論是只能開機15分鐘,室溫就會由60度升高到華氏85度,這是IBM650工作最高室溫的極限。當時向上級匯報了情況,希望能延期剪綵,但是大空調不知何日會到,要改副總統的日期很難,於是決定按原訂日期計劃舉行。
計劃分秒必爭,貴賓由簡報室到機房不可走得太快,以4分半到5分鐘為宜,前一晚12時,我與日本工程師做最後演試'開機一按起動紐 Power On,等五分鐘, Ready燈就亮了,起動 Start Key讀卡機讀卡,面板上大片燈光不停的閃動,列表機慢慢打出由字母排列出的歡迎光臨等字樣。演試完畢,一看室溫80度,很好,於是關機,我們把兩台空調開到最大,就回旅店休息,一早6點起來,到機房看室溫為55度,很好,有點緊張,希望一切順利。
9時整,儀式在會議室開始。約9點30分,總經理陪著嚴副總統及IBM紐約來的副總走向機房。我們有專人在走廊轉角把守,等他們向機房走來,他就打個手勢,我們就開機Power On,很好,約五分鐘,Ready 燈亮了,貴賓也走到了,其他賓客也圍著主機好奇的看著。
不記得誰按了Start Key鍵。也許是副總統,讀卡機開始讀IBM卡片。這是表演的程式 (Program)。跟著650的面板上百燈閃動。聽到407開始列印的澎澎聲,就看到報表紙慢慢上升,出現了歡迎參觀等字樣,來賓一片掌聲中表演完畢。此時室溫已到了80度,正是該關機的時侯了,但是來賓興趣極高,有互相交談的,有提問題的,沒有一人有退場之意,而我守在溫度計邊,兩眼望著水銀柱往上爬,乾著急。
我走向總經理,在他耳邊輕輕的說:「室溫85度了,請送客,我們必須關機了。」 總經理回了一句上海口音的:「勿好意思的。再等一息…」
我站回室溫計邊守著。再次到總經理耳邊說:「室溫90度了,請送客,我們必須關機了。」 但是得到的回答是同一句:「勿好意思的。再等等。」 如此這般,來回多次,而室溫增到了95度。兩個兩噸的空調,鬥不過60多位佳賓的體溫,外加電腦本身熱量。溫度不斷上升。本想十分鐘表演完畢關機,一直開了40多分鐘,也許是室溫太高了,賓客也開始散了。
最後一位客人一踏出門,我們立刻關機。打開機器的門,希望能冷得快一點,但太晚了,等機房在三小時之後,溫度降到70度時。再開機時,面板上的燈,盯著你看,一動也不動。知道大事不好,日本專家也只能搖頭歎氣,決定回國了。
第二天我一個人去新竹,打開機門,拔下一個二極管Diode插件,用測試器一測,12個二極管沒一個好的。而我所帶的全部備份,只有10個二極管,遠遠不夠,其後由日本空運來400個二極鍺晶體Diode,又再換了300多個真空管,雖可勉強起動,但永遠沒法恢復正常運作。
總部的指令是「報廢」,另由IBM運送一台二代晶體Transistor電腦 IBM 1620 取代。如此中華民國第一部大型電腦,就在向貴賓的表演啟用後就壽終正寢了。
photo:牛車運IBM650的歷史照片
ibm power 9 在 Joe's investment Facebook 八卦
Joe:「人工智慧未來2年內,在美股市場肯定還有一波可以炒作的空間」
人工智慧(AI)被視為第四次工業革命核心,預估到2020年,市場商機規模高達3000億美元,「得晶片者得天下」概念發酵,因此吸引各大科技廠爭相加碼投資。
過去因為資料量不夠大,同時機器CPU無法做準確分析,如今各種結構與非結構性資料量愈來愈大,全部被集中到雲端或者可藉由終端手機進行資料蒐集及分析。資料量愈來愈多樣化,加上各式演算法愈來愈精進,使得人工智慧的環境趨於成熟。
Nvidia(英偉達)一直是圖像處理的行業龍頭,GPU的浮點運算、同步並行運算是非常適用於人工智慧的深度學習神經網絡,因此成為AI晶片領頭軍。谷歌無人駕駛汽車就採用了Nvidia的移動終端處理器Tegra(4核CPU+256核GPU)。2016年8月,英偉達推出首台深度學習超級計算器Nvidia DGX-1。2017年4月,Nvidia宣布為Tesla自駕車開發全新數據中心加速器Tesla P100已經供貨,面向人工智慧、自動駕駛、氣候預測、醫藥開發等專業領域。
Google在2017年5月的I/O大會推出AI晶片「TPU」(Tensor Processing Unit)是客製化的ASIC(特殊應用邏輯IC),專為機器學習設計,用於改善搜尋結果的相關性,提高Google街景服務地圖和導航功能的正確度。也就是說,TPU專為特定用途設計的特殊規格邏輯IC,只執行單一工作,所以速度更快,但缺點是成本較高。
英特爾2016年9月收購視覺晶片公司Movidius。歷經將近一年的研發,於2017年8月底宣佈推出了全新的Myriad X視覺處理器(Vision Processing Unit;VPU),這是全球第一個配備神經運算引擎(Neural Compute Engine)的系統單晶片(SoC),可用於加速產品端的深度學習推理,未來可應用在無人機、機器人、智慧攝像機、虛擬實境與擴增實境等產品。
高通早在2015年CES推出Snapdragon Cargo是一款無人機SoC晶片,具有視覺運算可應用於工業、農業監測、航拍。此外,高通的驍龍820晶片也被應用於VR頭盔中。事實上,高通已經在研發能在終端完成深度學習的移動設備晶片。
IBM推出TrueNorth 晶片,又於2017年8月9日宣布已發展出採用多台伺服器搭配分散式深度學習軟體(Distributed Deep Learning;DDL)縮短深度學習時間,提高效率。IBM使用了64個自行開發的Power 8伺服器,每一個微處理器都與256顆英偉達繪圖處理器透過NVLink連接起來,讓兩種晶片之間的資料流程進行傳輸。當其開始處理來自ImageNet-22K資料庫的750萬張圖片時,其識別準確率高達33.8%,比起微軟先前的29.8%紀錄還高。
蘋果公司對未來開發的產品,一向神祕低調。消息傳出蘋果正在開發AI晶片Apple Neural Engine,且內建於新一代的iPhone/iPad原型機進行測試,期望提升臉部或語言辨識能力。還有研發出一套人工智慧架構平台,可讓兩組Siri軟體相互對話溝通,應用在智慧居家領域。同時,蘋果也積極開發深度學習技術,鎖定自動駕駛車以及智慧家居應用,要把虛擬語音助理軟體Siri更加智慧化。
微軟準備為下一代Hololens擴增實境裝置打造一個客製化的TPU人工智慧晶片,也不排除在Hololens晶片推出之後,也可以用於微軟的雲端服務之上。也在試驗另一種晶片FPGA(可程式化邏輯元件),FPGA介於GPU和ASIC之間,沒有GPU那麼通用,也不像ASIC只有單一功能,FPGA能重新編程,執行多種功能。
結語
AI晶片包含三大類市場,分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。當前機器學習多採用 GPU圖像處理,尤以Nvidia 是此一領域龍頭,但是,有些業者認為GPU處理效率不夠快,而且因應眾多特定新產品的不同需求,於是,推出NPU、VPU、TPU...等等。總而言之,AI晶片是一個新興的產品,等待「殺手級」出現,充滿無限大的市場。由於,搶未來AI應用市場商機,科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。
目前還不清楚哪種架構的晶片會在 AI 大戰獲勝。但(手機)終端市場對於AI晶片的功耗、尺寸、價格都有極為嚴格的要求,難度上比雲端數據晶片更高。
至於CPU是否會被TPU、NPU、VPU….等之類新類型處理器取代,答案應該不會。因為,新出現的處理器只是為了處理新發現或尚未解決的問題;同時,希望晶片市場能有更多競爭及選擇,不要英特爾、高通獨大。科技企業搶人工智慧應用商機,AI晶片成為兵家必爭之地。
http://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=13742
ibm power 9 在 台灣應用材料公司 Applied Materials Taiwan Facebook 八卦
【脫離摩爾定律後,我們還能夠仰賴什麼?🤔】
Facebook、IBM、Intel、Stanford和TSMC與應材的眾專家集思廣益,
在上一季國際電子元件會議上,
討論如何開創一個有別於傳統摩爾定律的全新劇本呢?
過去仰賴摩爾定律,我們解決了晶片效能、能耗以及成本等問題,
然而在AI與大數據時代,我們遭遇到摩爾定律的瓶頸:
「即便極紫外線光刻(EUV)微影技術讓我們跨入了5奈米的領域,但在這之後呢?」
「使用同一個架構滿足所有需求的方法已經不復存在了。」
「EUV協助了縮小化,但同時遺留了電晶體結構以及效能等問題。」
「要解決這些問題,我們需要不斷嘗試新的材料、結構以及製程。」
而要整合許多不同面向的需求並加以實踐,我們需要一個新的科技發展產業生態。
因此,應用材料開闢了新時代科技的設計與製造劇本 —「材料工程技術推動中心」(META中心)。
建構與各領域客戶合作的平台,進行更迅速的開發及驗證,迎接新時代的挑戰。
👇想要瞭解會中還談論了什麼嗎?貼心的應材技術專家會後寫了分析筆記來回顧:
探索AI新時代:AI改變了什麼?http://blog.appliedmaterials.com/exploring-future-logic-ai-era
AI和大數據帶來了半導體的破壞性創新 http://blog.appliedmaterials.com/ai-big-data-disrupting-semiconductor-industry
唯有產業合作才能突破重重困難 http://blog.appliedmaterials.com/next-computing-platform-requires-industry-collaboration
#AppliedMaterials
ibm power 9 在 IBM Power Systems HPC server with the Power 9 ... - YouTube 的八卦
... <看更多>