工業界學術界區塊鏈

㈠ 計算機科學學術界，和相關領域工業界的工作內容有什麼不同

任何學科學術界和工業界（包括技術實現與工程設計與實施）的區別都是一樣的：
學術界主要負責從理論上（通常是數學推導）論證一種認識的正確性，比如建一座樓房，它的地基需要能夠承受哪些方向的力，推導出計算各自的最小值的近似公式等，而工業工程界則根據理論公式去計算，然後建造出滿足設計要求樓房來。

具體到計算機學術界，他們則是研究跟計算機軟硬體以及利用計算機信息處理、人工智慧等相關的理論；而工業界則是依據理論來設計或實現計算機軟硬體系統或者各類的信息處理系統

㈡ 全面完善金融科技生態有哪些途徑

第一，在基礎層，要重點推動數字化金融「新基建」的完善。例如，我國的移動支付雖然發展迅速，但與一國數字化變革的內在需求相比，整個支付清算體系還需不斷提升質量、效率和規范性；為了更好地服務於金融科技場景的對接與落地，還需要徵信科技的進一步探索和應用，更好地解決金融服務中的信息不對稱或信息「繭房」矛盾。

第二，在技術層，重點關注大數據、人工智慧、移動互聯、物聯網、雲計算、區塊鏈、安全技術等前沿技術的應用突破。例如，在各類技術中，數據資源的內部管理治理與外部流通交易是橫亘在數據要素市場化進程中的關卡，而基於多模態的機器學習和跨模態的融合應用成為學術界和工業界發展人工智慧的共識，以容器和微服務為基礎的雲原生技術已成為雲計算發展主要方向，區塊鏈的挑戰則在於如何跟具體的業務場景結合、真正為社會創造價值。

第三，在業務層，無論是持牌金融機構的金融科技創新，還是新興技術企業服務持牌金融機構，一定程度上存在著技術和業務「兩張皮」的問題。實踐中通常是根據業務需求匹配相應的技術，但業務需求需符合現有商業模式，因此很可能阻礙技術創新。因此如何突破技術與業務的矛盾是未來討論金融科技落地場景的重中之重。此外，金融科技創新的推動，也離不開專業的會計、審計、評估、評級、反洗錢等中介服務支撐。

第四，在客戶層，則需要以數字化來全面提升金融科技創新的需求動力，重點是通過推動宏觀經濟與微觀主體的數字化變革，而從源頭上優化金融科技創新的內生動力，提高企業和居民的金融科技接受能力和水平，增加有效需求。

第五，在監管層，同樣存在諸多挑戰。例如，需要處理好常規監管和非常規監管的關系。常規監管通過日常性的工作實現包容、穩定、合規等多重目標，最大的挑戰是監管部門之間的協調難題。非常規監管則面對如公平競爭與反壟斷、重大風險事件、新業態與模式影響等，例如在新興金融領域，如Defi（Decentralized Finance，去中心化金融）近年來在國際上產生重大影響，其特點包括依託智能合約就可以建立借貸關系，沒有主體、資金提供者和借貸方連在一起，其中自然存在許多新型風險。

最後，在金融科技生態的環境要素方面，可以實施的政策措施有很多。例如，金融科技的創新與發展，不僅需要特定的政策支持，更需要政策的持續性與穩定性，來促使市場創新主體的預期穩定，更好地推動創新與發展，在此方面，相關政策透明度、協調

㈢ HBM理解與應用

現在無論是專用AI加速板卡、高端GPU、用於HPC的FPGA板卡抑或是最先進的CPU伺服器，你會發現都會有HBM的身影。那麼什麼是HBM呢？HBM（High Bandwidth Memory）和DDR一樣都是一種硬體存儲介質。DDR被廣泛應用於CPU與各種硬體處理單元的外掛存儲設備，那麼既然DDR4已經作為成熟存儲介質，為什麼要推出HBM存儲設備？主要原因在於DDR4現有吞吐能力不能滿足當今計算需求，尤其是在AI計算、區塊鏈和數字貨幣挖礦等對大數據處理訪存需求極高等領域，DDR4的吞吐能力更顯薄弱。所以，HBM以其高吞吐高帶寬的優勢，活躍在工業界和學術界。

在學術領域，尤其在DSA（Domain Specific Acceleration）場景，如果能將embedding數據合理分配到32路HBM當中，同時做到系統級pipeline數據訪存和計算，那麼都會有比較優秀的加速效果。在工業界，如果能將基於HBM的DSA所帶來的latency和QPS收益，有效轉化為價格收益。如果能同時做到上述兩點，那麼HBM便是未來技術發展的方向之一。

我們一直在講HBM帶寬比DDR有優勢，那麼具體是什麼優勢？在不考慮CPU和FPGA區別的前提下，一塊帶HBM的FPGA要比普通CPU伺服器性能高上3倍左右，當再考慮CPU cache miss和DDR使用效率的時候，帶有HBM的FPGA所帶來的帶寬增益將會更大。但是單塊HBM的內存大小一般最大為16GB，而單個DDR4普遍能做到64GB。所以當業務所需數據量較大時，將不再適合只將訪存數據存儲在HBM中。

HBM分為2個stack，每個stack有8channel，每個channel可以分為2個偽通道（pseudo channel），那麼就一共有32個pseudo channel。HBM存儲大小分為64Gb和128Gb，所以最大為16GB。我個人對於HBM的理解，如果在應用層面，可以認為HBM是32個堆疊的DDR，每個DDR應用AXI3匯流排協議，使用起來和控制DDR也非常相似。

HBM的地址空間以4H（內存大小64Gb）的HBM為例：具體使用方法和HBM其他特點將根據實際應用需求和具體場景而定，這里不再展開。參考文獻用於進一步深入學習和研究HBM技術。