為AI革命鳴槍的NVIDIA創辦人黃仁勳 - 3C

By Daph Bay
at 2016-09-22T14:35
at 2016-09-22T14:35
Table of Contents
原文連結:
http://www.bnext.com.tw/article/view/id/41045
ptt網頁版:
https://www.ptt.cc/bbs/PC_Shopping/M.1474526126.A.F6A.html
【做別人不喜歡做的事,為AI革命鳴槍的NVIDIA創辦人黃仁勳】
如果沒有他,Google、臉書正在研究的機器學習、人工智慧(AI)可能無法進展那麽快。
他,也是讓Tesla創辦人馬斯克(Elon Musk)親自寫Email,表達希望成為第一個拿到最
新AI GPU的人。他是黃仁勳,NVIDIA創辦人暨執行長。
http://imgur.com/whPx3pE.jpg
NVIDIA執行長黃仁勳指出,台灣政府應把AI列為重點發展產業,工業4.0的基礎就是AI,
不是鋼也不是蒸氣。
科技界的變色龍
如果要用一個動物來形容NVIDIA,應該是變色龍,倒不是因為那亮綠色為底的LOGO,而是
對環境的洞悉力,NVIDIA常常能抓到產業將迎來什麼大風,或是預先察覺即將到來的革命
,提前做出準備,就像變色龍根據週遭環境來變換體色一般,使它走出瓶頸,打開新局。
以傳統PC產業來看,現在還能具備亮點、吸引投資人的公司幾乎沒有,不論是深度學習、
機器學習、自駕車、虛擬實境(VR)、電競,每一個都跟NVIDIA大有關係,那不是「xx概
念股」這種湊合式的關係,而是真真切切的應用,沒有NVIDIA技術在底層打下堅固的基石
,這場AI革命不可能來得那麼快。
今日在台灣舉辦的GTC(GPU Technology Conference)技術大會上,被黃仁勳吸引而來的
聽眾塞爆了整個會場,他暢談AI就是魔術,這場革命已經到來,他秀出專為深度學習打造
的Pascal GPU,更令人印象深刻的是,NVIDIA沒有額外寫一個程式、完全靠機器學習打造
的自駕車BB8。他也罕見地向台灣政府喊話,「應把AI列為重點發展產業,工業4.0的基礎
就是AI,不是鋼也不是蒸氣!」
「三年前我在做Pascal時,沒有人聽過深度學習,那時我要投資20億美元,大家回答:你
自個兒來吧」他說,「我做別人不喜歡做的事」,那股意氣風發的姿態,全場都感受到了
。
但是,他也不是一路走來都能享受成功滋味,當年智慧手機翻天覆地而來,NVIDIA試圖要
以Tegra系列處理器打進手機以及平板電腦市場,有了Tegra加持,可協助手機公司打造性
能佳的多媒體手機,打電玩、看影片順暢又清晰,一度吸引不少手機品牌支持,包括摩托
羅拉、宏達電、LG等,但不是不受市場歡迎就是爆出不少問題,最終,NVIDIA還是不敵高
通或是中低價的聯發科,只好在兩年前無奈退出手機市場,不過這反而讓NVIDIA將Tegra
聚焦在汽車領域,並發展GPU新的應用領域如人工智慧,從結果論來看,當初的跌跤或許
是好事一樁。
"NVIDIA不是GPU公司,我們是人工智慧運算公司" 黃仁勳
後來,就是大夥看到的事了。
近一年來,NVIDIA股價一路上攻,股價站上60美元。Google、微軟、IBM、Facebook找他
合作AI,Google自駕車之父Sebastian Thrun、賓士、Volvo找他合作自駕車,讓站在台上
的黃仁勳能夠大聲說:「NVIDIA不是GPU公司,我們是人工智慧運算公司」。
http://imgur.com/6zEXr2o.jpg
NVIDIA近一年股價一路走高。
Why GPU?
為什麼GPU會在AI扮演如此重要的角色?為什麼AI研究人員都選擇GPU做深度學習?這其實
要從2012年談起,多倫多大學研究生Alex Krizhevsky發現可以利用GPU來訓練他發明的神
經網路運算邏輯AlexNet,他用了兩個NVIDIA GeForce GTX 580 GPU在兩天就訓練了
AlexNet辨識影像,這篇論文贏得ImageNet比賽的冠軍,吸引了全球研究AI人員的注意。
「這就是AI Big Bang(大爆發)的起源」。
黃仁勳進一步解釋,GPU電腦繪圖運算其實就是模擬人類智慧,例如你把眼睛閉上,想像
兩個人打乒乓球,當我們思考時,大腦會產生心理圖像,我們的大腦就像GPU,上千的小
型處理器通過突觸、神經元並行連結的方式工作,就像人的大腦一樣。
運算產業每隔十年就會風雲變色,當微軟推出Windows 95,是楊致遠創辦雅虎的那一年,
展開了網路和電腦的革命,10年後,亞馬遜佈署AWS雲端服務,開啟了行動運算服務紀元
。我們也看到電腦架構在改變,Wintel平台、X86處理器形成了模組化的PC,行動雲端時
代看到了ARM處理器及SoC系統單晶片,那麼現在呢?
新的電腦革命就叫做人工智慧,他指出,深度學習是全新的運算模型,跟統計、機率有關
的運算,有幾個重點:一是訓練,當你創造一個軟體後,它會自己重新編寫,然後我們又
給電腦經驗,它就變得更聰明,持續訓練之後變成神經網路,就像是受過教育的大腦,再
利用語音辨識及推論技術達到智慧。
今日,NVIDIA也宣布與台灣大學合作成立人工智慧實驗室,由台大資工系教授徐宏民領導
,NVDIA將提供AI超級電腦DGX-1進行相關實驗與技術研發,同時NVIDIA也可以提供研究所
需的資金,加上NVIDIA本身有龐大的人工智慧研發團隊,雙方一起合作開發更多新型態的
人工智慧技術。黃仁勳強調,「台灣政府應該把AI當成重點產業,那我也會帶更多研究資
源進來。」
自駕車技術讓人眼睛一亮
機器學習從訓練、推論之後就是到裝置的連結,其中,「汽車是一個產值高達10兆美元的
產業,遠比電腦產業大太多,過去很難用電腦協助汽車產業提升價值,但現在汽車也要有
感知能力、推理能力。」
"我們沒有寫任何程式,只是讓這輛車跟著我們跑,他就自己學習怎麼開車。"黃仁勳
GTC主題演講上,播放了一段NVIDIA開發的自駕車技術影片,相當令人驚艷。NVIDIA自駕
車代號為BB8,內建了自家開發、結合自動巡航、自動駕駛的單處理器DRIVE PX2,黃仁勳
強調:「我們沒有寫任何程式,只是讓這輛車跟著我們跑,他就自己學習怎麼開車」。
「當我們打乒乓球,不會有人用牛頓定律教你怎麼打,所以我們為什麼要教導一輛車物理
學呢?而是讓他去學開車,BB8在停車場上了第一場教練課,沒有物理、沒有數學,只有
AI,晚上、下雨都可以開 。」他強調。
黃仁勳接著說,目前自駕車的技術都是透過感測器、鏡頭偵測哪邊有車、有人,讓汽車去
迴避這些物體,但是當人類在開車的時候,大腦想的是偵測安全的地方,往沒有障礙物的
車道或方向前進,那是一種自由空間的意識,與一般迴避型的保護意識完全相反。所以
BB8特別之處就在於模擬學習,他要讓汽車學習人類的行為。
而目前的先進駕駛輔助系統(ADAS)只能偵測目標,但自動駕駛是人工智慧運算的問題,
包含了感知、推理和駕駛,需要一個超級AI電腦,高準確度的AI演算法和大量的軟體才能
成功。現階段DRIVE PX2已獲得Sebastian Thrun採用,也正與Volvo在瑞典測試全新自駕
車,此外,先前於新加坡上路的nuTonomy自駕計程車同樣是採用NVIDIA的技術。
在台灣,NVIDIA也攜手工研院合作自駕車,會採用跟BB8相同的平台、相同軟體,希望一
同創造出台灣首部自駕車,除此之外還有地圖的合作,黃仁勳指出,未來自駕車要上路,
必須繪製3D高解析度的地圖,所以將和工研院一同繪製台灣的雲端高解析地圖,「很多國
家都已經在做,台灣不可不做」。例如NVIDIA已經跟中國百度合作,打造「雲端到汽車」
的自駕車平台,就是結合高畫質地圖、人工智慧演算法、車載超級電腦。
http://imgur.com/9W9OYck.jpg
NVIDIA攜手工研院合作自駕車,將採用與NVIDIA自駕車BB8相同平台、相同軟體,希望一
同創造出台灣首台自駕車。
談VR,將物理特性帶到虛擬
過去出現在科幻小說或電影的世界,現在已經有了基礎,除了AI,還有一個熱門的技術就
是VR,對他來說,發展VR最重要的是如何把物理世界帶到虛擬世界,例如模擬聲音、與虛
擬世界互動的觸覺,這些如果沒有好好處理,這個虛擬世界就不會被消費者所相信。
所謂的將物理特性帶到虛擬,就是提供近乎真實性的呈現,他以NVIDIA VR FUN HOUSE平
台為例,FUN HOUSE呈現一個節慶的樂園環境,當玩家射水槍時,液體碰到板子上停住或
黏在上頭的表現,或是射火劍時,火焰的燃燒狀態、怪物頭髮的晃動度,全都是模擬現實
世界的物理特性。FUN HOUSE為開放原始碼,截至目前已被下載10萬次。
科技業常遇到的問題是當你比他人更早看到趨勢,但卻可能礙於風險過高而不敢投入,黃
仁勳在六年前就看好AI的發展,在當時,深度學習是一種特殊的運算模式,初期投入的綜
效很低,風險卻很高。
但他似乎不太容易掉進這個圈套,「關鍵就在找出綜效。」他說,當時他思考,如果做深
度學習的成果能應用到其他領域,那麼就能拉高綜效,降低風險,所以他們嘗試、學習、
嘗試、學習,成功就投入更多資源,相反,那就減少。
他說,在AI革命裡,我們將看到新的運算模式、新的電腦公司、新的生態系統出現,
NVIDIA除了與大公司合作,也跟全世界的新創公司合作,包括台灣的倍利科技、創意引晴
、盾心科技、SkyREC。 雖然作為AI的傳教士,NVIDIA目前的營收有超過七成依舊是來自
PC遊戲相關產品,「如果你問我長期看潛力高的,我會說AI,因為NVIDIA是一家AI運算公
司,AI革命才剛開始,現在正是響應的時刻!」他有自信地說。
----------------
好長一篇
看完稍微了解深度學習用途,一直以為只有做學術應用
所以未來網路遊戲工作室代打會改使用深度學習來搞嗎XD
像是LOL或是OW...讓電腦一直看著(監控學習)你玩,然後他就會自己學習了
以後不怕豬隊友了?!
或是可能舉辦世界AI電競比賽?
是說各位覺得什麼還有應用會比較有趣啊
--
http://www.bnext.com.tw/article/view/id/41045
ptt網頁版:
https://www.ptt.cc/bbs/PC_Shopping/M.1474526126.A.F6A.html
【做別人不喜歡做的事,為AI革命鳴槍的NVIDIA創辦人黃仁勳】
如果沒有他,Google、臉書正在研究的機器學習、人工智慧(AI)可能無法進展那麽快。
他,也是讓Tesla創辦人馬斯克(Elon Musk)親自寫Email,表達希望成為第一個拿到最
新AI GPU的人。他是黃仁勳,NVIDIA創辦人暨執行長。
http://imgur.com/whPx3pE.jpg
NVIDIA執行長黃仁勳指出,台灣政府應把AI列為重點發展產業,工業4.0的基礎就是AI,
不是鋼也不是蒸氣。
科技界的變色龍
如果要用一個動物來形容NVIDIA,應該是變色龍,倒不是因為那亮綠色為底的LOGO,而是
對環境的洞悉力,NVIDIA常常能抓到產業將迎來什麼大風,或是預先察覺即將到來的革命
,提前做出準備,就像變色龍根據週遭環境來變換體色一般,使它走出瓶頸,打開新局。
以傳統PC產業來看,現在還能具備亮點、吸引投資人的公司幾乎沒有,不論是深度學習、
機器學習、自駕車、虛擬實境(VR)、電競,每一個都跟NVIDIA大有關係,那不是「xx概
念股」這種湊合式的關係,而是真真切切的應用,沒有NVIDIA技術在底層打下堅固的基石
,這場AI革命不可能來得那麼快。
今日在台灣舉辦的GTC(GPU Technology Conference)技術大會上,被黃仁勳吸引而來的
聽眾塞爆了整個會場,他暢談AI就是魔術,這場革命已經到來,他秀出專為深度學習打造
的Pascal GPU,更令人印象深刻的是,NVIDIA沒有額外寫一個程式、完全靠機器學習打造
的自駕車BB8。他也罕見地向台灣政府喊話,「應把AI列為重點發展產業,工業4.0的基礎
就是AI,不是鋼也不是蒸氣!」
「三年前我在做Pascal時,沒有人聽過深度學習,那時我要投資20億美元,大家回答:你
自個兒來吧」他說,「我做別人不喜歡做的事」,那股意氣風發的姿態,全場都感受到了
。
但是,他也不是一路走來都能享受成功滋味,當年智慧手機翻天覆地而來,NVIDIA試圖要
以Tegra系列處理器打進手機以及平板電腦市場,有了Tegra加持,可協助手機公司打造性
能佳的多媒體手機,打電玩、看影片順暢又清晰,一度吸引不少手機品牌支持,包括摩托
羅拉、宏達電、LG等,但不是不受市場歡迎就是爆出不少問題,最終,NVIDIA還是不敵高
通或是中低價的聯發科,只好在兩年前無奈退出手機市場,不過這反而讓NVIDIA將Tegra
聚焦在汽車領域,並發展GPU新的應用領域如人工智慧,從結果論來看,當初的跌跤或許
是好事一樁。
"NVIDIA不是GPU公司,我們是人工智慧運算公司" 黃仁勳
後來,就是大夥看到的事了。
近一年來,NVIDIA股價一路上攻,股價站上60美元。Google、微軟、IBM、Facebook找他
合作AI,Google自駕車之父Sebastian Thrun、賓士、Volvo找他合作自駕車,讓站在台上
的黃仁勳能夠大聲說:「NVIDIA不是GPU公司,我們是人工智慧運算公司」。
http://imgur.com/6zEXr2o.jpg
NVIDIA近一年股價一路走高。
Why GPU?
為什麼GPU會在AI扮演如此重要的角色?為什麼AI研究人員都選擇GPU做深度學習?這其實
要從2012年談起,多倫多大學研究生Alex Krizhevsky發現可以利用GPU來訓練他發明的神
經網路運算邏輯AlexNet,他用了兩個NVIDIA GeForce GTX 580 GPU在兩天就訓練了
AlexNet辨識影像,這篇論文贏得ImageNet比賽的冠軍,吸引了全球研究AI人員的注意。
「這就是AI Big Bang(大爆發)的起源」。
黃仁勳進一步解釋,GPU電腦繪圖運算其實就是模擬人類智慧,例如你把眼睛閉上,想像
兩個人打乒乓球,當我們思考時,大腦會產生心理圖像,我們的大腦就像GPU,上千的小
型處理器通過突觸、神經元並行連結的方式工作,就像人的大腦一樣。
運算產業每隔十年就會風雲變色,當微軟推出Windows 95,是楊致遠創辦雅虎的那一年,
展開了網路和電腦的革命,10年後,亞馬遜佈署AWS雲端服務,開啟了行動運算服務紀元
。我們也看到電腦架構在改變,Wintel平台、X86處理器形成了模組化的PC,行動雲端時
代看到了ARM處理器及SoC系統單晶片,那麼現在呢?
新的電腦革命就叫做人工智慧,他指出,深度學習是全新的運算模型,跟統計、機率有關
的運算,有幾個重點:一是訓練,當你創造一個軟體後,它會自己重新編寫,然後我們又
給電腦經驗,它就變得更聰明,持續訓練之後變成神經網路,就像是受過教育的大腦,再
利用語音辨識及推論技術達到智慧。
今日,NVIDIA也宣布與台灣大學合作成立人工智慧實驗室,由台大資工系教授徐宏民領導
,NVDIA將提供AI超級電腦DGX-1進行相關實驗與技術研發,同時NVIDIA也可以提供研究所
需的資金,加上NVIDIA本身有龐大的人工智慧研發團隊,雙方一起合作開發更多新型態的
人工智慧技術。黃仁勳強調,「台灣政府應該把AI當成重點產業,那我也會帶更多研究資
源進來。」
自駕車技術讓人眼睛一亮
機器學習從訓練、推論之後就是到裝置的連結,其中,「汽車是一個產值高達10兆美元的
產業,遠比電腦產業大太多,過去很難用電腦協助汽車產業提升價值,但現在汽車也要有
感知能力、推理能力。」
"我們沒有寫任何程式,只是讓這輛車跟著我們跑,他就自己學習怎麼開車。"黃仁勳
GTC主題演講上,播放了一段NVIDIA開發的自駕車技術影片,相當令人驚艷。NVIDIA自駕
車代號為BB8,內建了自家開發、結合自動巡航、自動駕駛的單處理器DRIVE PX2,黃仁勳
強調:「我們沒有寫任何程式,只是讓這輛車跟著我們跑,他就自己學習怎麼開車」。
「當我們打乒乓球,不會有人用牛頓定律教你怎麼打,所以我們為什麼要教導一輛車物理
學呢?而是讓他去學開車,BB8在停車場上了第一場教練課,沒有物理、沒有數學,只有
AI,晚上、下雨都可以開 。」他強調。
黃仁勳接著說,目前自駕車的技術都是透過感測器、鏡頭偵測哪邊有車、有人,讓汽車去
迴避這些物體,但是當人類在開車的時候,大腦想的是偵測安全的地方,往沒有障礙物的
車道或方向前進,那是一種自由空間的意識,與一般迴避型的保護意識完全相反。所以
BB8特別之處就在於模擬學習,他要讓汽車學習人類的行為。
而目前的先進駕駛輔助系統(ADAS)只能偵測目標,但自動駕駛是人工智慧運算的問題,
包含了感知、推理和駕駛,需要一個超級AI電腦,高準確度的AI演算法和大量的軟體才能
成功。現階段DRIVE PX2已獲得Sebastian Thrun採用,也正與Volvo在瑞典測試全新自駕
車,此外,先前於新加坡上路的nuTonomy自駕計程車同樣是採用NVIDIA的技術。
在台灣,NVIDIA也攜手工研院合作自駕車,會採用跟BB8相同的平台、相同軟體,希望一
同創造出台灣首部自駕車,除此之外還有地圖的合作,黃仁勳指出,未來自駕車要上路,
必須繪製3D高解析度的地圖,所以將和工研院一同繪製台灣的雲端高解析地圖,「很多國
家都已經在做,台灣不可不做」。例如NVIDIA已經跟中國百度合作,打造「雲端到汽車」
的自駕車平台,就是結合高畫質地圖、人工智慧演算法、車載超級電腦。
http://imgur.com/9W9OYck.jpg
NVIDIA攜手工研院合作自駕車,將採用與NVIDIA自駕車BB8相同平台、相同軟體,希望一
同創造出台灣首台自駕車。
談VR,將物理特性帶到虛擬
過去出現在科幻小說或電影的世界,現在已經有了基礎,除了AI,還有一個熱門的技術就
是VR,對他來說,發展VR最重要的是如何把物理世界帶到虛擬世界,例如模擬聲音、與虛
擬世界互動的觸覺,這些如果沒有好好處理,這個虛擬世界就不會被消費者所相信。
所謂的將物理特性帶到虛擬,就是提供近乎真實性的呈現,他以NVIDIA VR FUN HOUSE平
台為例,FUN HOUSE呈現一個節慶的樂園環境,當玩家射水槍時,液體碰到板子上停住或
黏在上頭的表現,或是射火劍時,火焰的燃燒狀態、怪物頭髮的晃動度,全都是模擬現實
世界的物理特性。FUN HOUSE為開放原始碼,截至目前已被下載10萬次。
科技業常遇到的問題是當你比他人更早看到趨勢,但卻可能礙於風險過高而不敢投入,黃
仁勳在六年前就看好AI的發展,在當時,深度學習是一種特殊的運算模式,初期投入的綜
效很低,風險卻很高。
但他似乎不太容易掉進這個圈套,「關鍵就在找出綜效。」他說,當時他思考,如果做深
度學習的成果能應用到其他領域,那麼就能拉高綜效,降低風險,所以他們嘗試、學習、
嘗試、學習,成功就投入更多資源,相反,那就減少。
他說,在AI革命裡,我們將看到新的運算模式、新的電腦公司、新的生態系統出現,
NVIDIA除了與大公司合作,也跟全世界的新創公司合作,包括台灣的倍利科技、創意引晴
、盾心科技、SkyREC。 雖然作為AI的傳教士,NVIDIA目前的營收有超過七成依舊是來自
PC遊戲相關產品,「如果你問我長期看潛力高的,我會說AI,因為NVIDIA是一家AI運算公
司,AI革命才剛開始,現在正是響應的時刻!」他有自信地說。
----------------
好長一篇
看完稍微了解深度學習用途,一直以為只有做學術應用
所以未來網路遊戲工作室代打會改使用深度學習來搞嗎XD
像是LOL或是OW...讓電腦一直看著(監控學習)你玩,然後他就會自己學習了
以後不怕豬隊友了?!
或是可能舉辦世界AI電競比賽?
是說各位覺得什麼還有應用會比較有趣啊
--
Tags:
3C
All Comments

By Megan
at 2016-09-23T14:51
at 2016-09-23T14:51

By Iris
at 2016-09-24T16:39
at 2016-09-24T16:39

By Lily
at 2016-09-26T10:10
at 2016-09-26T10:10

By Candice
at 2016-09-30T16:41
at 2016-09-30T16:41

By Damian
at 2016-10-02T18:16
at 2016-10-02T18:16

By Mary
at 2016-10-05T22:58
at 2016-10-05T22:58

By Elma
at 2016-10-06T19:53
at 2016-10-06T19:53

By Catherine
at 2016-10-10T18:09
at 2016-10-10T18:09

By Michael
at 2016-10-15T12:19
at 2016-10-15T12:19

By Audriana
at 2016-10-16T09:02
at 2016-10-16T09:02

By Skylar DavisLinda
at 2016-10-20T00:12
at 2016-10-20T00:12

By Kama
at 2016-10-24T14:27
at 2016-10-24T14:27

By Erin
at 2016-10-28T05:54
at 2016-10-28T05:54

By Vanessa
at 2016-10-30T05:41
at 2016-10-30T05:41

By Linda
at 2016-11-02T10:17
at 2016-11-02T10:17

By Quanna
at 2016-11-05T06:28
at 2016-11-05T06:28

By David
at 2016-11-10T05:51
at 2016-11-10T05:51

By Emma
at 2016-11-14T02:44
at 2016-11-14T02:44

By Regina
at 2016-11-17T15:02
at 2016-11-17T15:02

By Edwina
at 2016-11-17T17:53
at 2016-11-17T17:53

By Michael
at 2016-11-19T07:42
at 2016-11-19T07:42

By Sarah
at 2016-11-19T14:53
at 2016-11-19T14:53

By Yuri
at 2016-11-24T02:17
at 2016-11-24T02:17

By Gilbert
at 2016-11-24T05:59
at 2016-11-24T05:59

By Annie
at 2016-11-26T08:57
at 2016-11-26T08:57

By Anonymous
at 2016-11-30T17:46
at 2016-11-30T17:46

By Ursula
at 2016-12-03T18:39
at 2016-12-03T18:39

By Carolina Franco
at 2016-12-05T17:09
at 2016-12-05T17:09

By Ethan
at 2016-12-08T23:35
at 2016-12-08T23:35

By Agnes
at 2016-12-09T19:58
at 2016-12-09T19:58

By Lily
at 2016-12-14T13:08
at 2016-12-14T13:08

By Queena
at 2016-12-14T23:40
at 2016-12-14T23:40

By Caroline
at 2016-12-18T16:07
at 2016-12-18T16:07

By Edith
at 2016-12-20T21:03
at 2016-12-20T21:03

By Vanessa
at 2016-12-25T04:11
at 2016-12-25T04:11

By Olivia
at 2016-12-26T08:19
at 2016-12-26T08:19

By Edward Lewis
at 2016-12-28T11:30
at 2016-12-28T11:30

By Leila
at 2017-01-01T18:08
at 2017-01-01T18:08

By Hazel
at 2017-01-01T22:46
at 2017-01-01T22:46

By Selena
at 2017-01-05T15:05
at 2017-01-05T15:05

By James
at 2017-01-07T17:31
at 2017-01-07T17:31

By Bethany
at 2017-01-08T05:53
at 2017-01-08T05:53

By Olga
at 2017-01-10T09:19
at 2017-01-10T09:19

By Kumar
at 2017-01-11T15:05
at 2017-01-11T15:05

By Liam
at 2017-01-16T10:22
at 2017-01-16T10:22

By Isla
at 2017-01-19T01:03
at 2017-01-19T01:03

By Kelly
at 2017-01-22T19:24
at 2017-01-22T19:24

By Donna
at 2017-01-26T06:29
at 2017-01-26T06:29

By Donna
at 2017-01-27T22:14
at 2017-01-27T22:14

By Oscar
at 2017-02-01T06:11
at 2017-02-01T06:11

By Frederic
at 2017-02-02T22:48
at 2017-02-02T22:48

By Quanna
at 2017-02-04T14:38
at 2017-02-04T14:38

By Daph Bay
at 2017-02-05T19:32
at 2017-02-05T19:32

By Steve
at 2017-02-05T22:31
at 2017-02-05T22:31

By Oliver
at 2017-02-07T23:42
at 2017-02-07T23:42

By Oliver
at 2017-02-11T12:08
at 2017-02-11T12:08

By Lydia
at 2017-02-13T23:14
at 2017-02-13T23:14

By Franklin
at 2017-02-17T06:50
at 2017-02-17T06:50

By John
at 2017-02-21T04:44
at 2017-02-21T04:44

By Genevieve
at 2017-02-21T07:07
at 2017-02-21T07:07

By Doris
at 2017-02-24T02:41
at 2017-02-24T02:41

By Bennie
at 2017-02-28T13:54
at 2017-02-28T13:54

By Suhail Hany
at 2017-03-02T04:15
at 2017-03-02T04:15

By Rachel
at 2017-03-05T16:33
at 2017-03-05T16:33

By Rae
at 2017-03-09T19:50
at 2017-03-09T19:50

By Irma
at 2017-03-12T18:30
at 2017-03-12T18:30

By Madame
at 2017-03-15T04:02
at 2017-03-15T04:02

By Mary
at 2017-03-17T05:13
at 2017-03-17T05:13

By Bennie
at 2017-03-17T08:18
at 2017-03-17T08:18
Related Posts
主機板大小跟顯卡長度問題?

By Emily
at 2016-09-22T14:27
at 2016-09-22T14:27
同事被洗單(原價屋)

By Callum
at 2016-09-22T14:08
at 2016-09-22T14:08

By Doris
at 2016-09-22T13:02
at 2016-09-22T13:02
A12-9800搭配幽靈散熱器超頻到4.8GHz

By Ethan
at 2016-09-22T12:58
at 2016-09-22T12:58
AMD AM4 主機板首曝 A320 晶片組 by HP

By Joe
at 2016-09-22T12:25
at 2016-09-22T12:25