寒武紀1Aint8算力
㈠ 前寒武紀條帶狀鐵質建造型富鐵礦床
一、內容概述
前寒武紀條帶狀含鐵建造（banded iron formations，簡稱BIFs），主要賦存在新太古代到古、中元古代的沉積單元中，以富鐵為特徵，同時表現出富鐵層和富硅層交替沉積的特點，互層的鐵和硅厚度從微米到米級等。前寒武紀BIFs的礦物組成和結構構造與顯生宙鐵礦明顯不同。BIFs最早形成於38億年前，25億年達到高峰，18億年結束。BIFs是在早前寒武紀獨特的地球早期環境下形成的特殊產物（Bekker et a1.，2010），其形成時間長、空間分布廣、規模大。該類型佔世界鐵礦（圖1）總儲量的60%，占富鐵礦儲量的70%。除了鐵，BIFs中還含有較豐富的金、鈷、鉑族元素等。地球上主要的BIFs集中分布在3.5～1.8Ga（Klein，2005），產於新太古代—古元古代（約2.5Ga）的西澳Hamersley群。根據礦床的形成時代及含礦建造的不同，將BIFs分為主要產於太古宙的阿爾戈馬型（Algoma-type）和主要產於元古宙的蘇必利爾型（Superior-type）兩類。阿爾戈馬型BIFs主要與綠岩帶中上部的火山碎屑岩相伴生，並靠近濁積岩組合。高溫水-岩地球化學交換的標志很普遍，礦床離熱液源很近，島弧/弧後盆地或克拉通內部斷裂帶是阿爾戈馬型BIFs的古構造環境。蘇比利爾型BIFs多數與沉積建造有關，它們沉積在海進的相對淺海環境中，沉積環境為大陸架被動大陸邊緣。就全球而言，蘇必利爾型鐵礦的規模及經濟價值，遠比阿爾戈馬型鐵礦重要得多。有些蘇必利爾型BIFs達數百米厚；最大的蘇比利爾型BIFs，延伸超過105km2。阿爾戈馬型BIFs規模相對較小，延長小於10km，厚度在10～100m。其原始Fe含量很少超過1010t。在我國，BIFs鐵礦幾乎都屬阿爾戈馬型。條帶狀鐵建造中的富鐵礦床形態多種多樣，除了層狀、似層狀外，還有透鏡狀、柱狀和筒狀。富礦石與鐵建造的關系，既有過渡的，也有突變的，甚至超出了鐵建造。
巴西卡臘賈斯礦區N4E礦床位於地表以下幾百米，硬質赤鐵礦和軟質赤鐵礦向下漸變為富含碳酸鹽岩的「礦胎」（圖1A）。西澳哈默斯利鐵礦區的Mt Tom Price礦床，平均含Fe 65%的富鐵礦石產於礦床最深部位，其與條帶狀鐵建造呈突變接觸（圖1B）。在南非德巴齊姆比鐵礦區，8個高品位的赤鐵礦礦床都產在Penge鐵建造的底部，甚至在條帶狀鐵建造下面還延伸幾百米（圖1C）。烏克蘭克里沃羅格地區的鐵礦床，高品位的礦石可延伸到現在地表以下2000多米的深處，在條帶狀鐵建造的下面還存在著垂直柱狀和筒狀礦體（圖1D）。
盡管對BIFs的沉積環境和沉積機制尚存爭議，但是從其在全球的廣泛分布和沉積鼎盛時期局限於2.65～1.85Ga的特點，可以認為：①BIFs是太古宙到古、中元古代岩石圈、水圈和大氣圈富氧環境下沉積的；②大洋熱液系統提供了大量的鐵物質；③大洋有廣闊的大陸架作為鐵質建造的場所。條帶狀鐵建造富鐵礦床共同的特點是經受了多次地質構造事件，形成了復雜的褶皺系和斷裂系，這些褶皺和斷裂控制著富礦體的分布（Rosiere et al.，2006）。近年來的研究表明，條帶狀鐵建造中的高品位赤鐵礦礦床普遍發生了強烈的交代、淋濾作用，原始的燧石和碳酸鹽岩條帶在深成熱液或盆地熱鹵水的作用下被赤鐵礦和針鐵礦所交代，或者富含磁鐵礦的條帶被氧化成假象赤鐵礦和（或）被次生赤鐵礦所取代。這種交代、淋濾作用使礦石中鐵品位大大提高，形成了高品位富礦石。交代、淋濾過程中，圍岩也發生了蝕變，出現了綠泥石化、滑石化、赤鐵礦化。
圖1 A—巴西卡臘賈斯N4E礦床的700N橫剖面；B—澳大利亞Mt Tom Price礦床13962E橫剖面；C—南非德巴齊姆比的Donkerpoort West礦床的橫剖面；D—烏克蘭克里奧羅格Saksagan礦田的長剖面
（據Dalstra et al.，2004）
長期以來，關於條帶狀鐵建造富鐵礦礦床的成因，一直有爭論，主要有下列幾種成因模式：①同生說：認為產在鐵質建造中的礦石是碎屑成因的，可能經過成岩富集，甚至經受過後來變質作用、火成活動或表生作用的改造，但最初富含磁鐵礦的鐵建造本質上是由同生作用提供的。②表生說：認為礦石是殘余富集，它是由現在或過去侵蝕面以下的地下水循環淋濾掉鐵建造中的脈石礦物形成的。③表生礦石埋藏變質說：認為老的假象赤鐵礦-針鐵礦表生礦石經受了成岩時的埋藏變質作用（約100℃），脫水作用將表生的針鐵礦部分或全部轉變成微板狀赤鐵礦。④深成礦石表生改造說：該模式目前得到了廣泛支持，經過對澳大利亞和巴西高品位赤鐵礦的研究，認為深成熱液將鐵質建造提升為高品位的赤鐵礦礦石，這種高品位礦石又為近代的表生作用所改造，品位進一步提高。
隨著研究的深入，大量證據表明，條帶狀鐵建造中的高品位赤鐵礦礦床是多種作用相結合的產物。Dalstra et al.（2004）通過對卡臘賈斯、哈默斯利、克里奧羅格等高品位赤鐵礦礦床的對比認為，這些礦床的形成是個連續的統一體，其「礦胎」中的礦物成分和圍岩蝕變有一定的規律，反映了礦石形成時的深度和溫度（圖2）。近期有研究表明，BIFs沉積與前寒武紀微生物活動密切相關，微生物廣泛參與了鐵元素的生物地球化學循環（Konhauser et a1.，2011）。最近Li et a1.（2011）在BIFs中觀察到生物成因磷，並根據礦物學證據發現BIFs中的磁鐵礦顆粒具有與生物成因磁鐵礦類似的晶格參數。
圖2 高品位赤鐵礦礦床可能的成因及其「礦胎」的連續關系
（據Dalstra et al.，2004）
最深的礦床（克里沃羅格）被解釋為是在高溫下形成的，在其「礦胎」中有磁鐵礦-角閃石或磁鐵礦-碳酸鹽集合體，在其圍岩中有黑硬綠泥石蝕變；中等深度的礦床（Mt Tom Price）在其「礦胎」中有磁鐵礦-碳酸鹽或赤鐵礦-碳酸鹽集合體，在其圍岩中有綠泥石＋滑石蝕變，並顯示出深部有還原流體，也有氧化的大氣水；最淺和最「冷」的礦床（卡臘賈斯）在其「礦胎」中有赤鐵礦-白雲石或赤鐵礦-方解石集合體，在其圍岩中有綠泥石＋碳酸鹽蝕變。
總之，條帶狀鐵建造在現代風化作用下可形成假象赤鐵礦-針鐵礦風化殼，但是意義最大的還是鐵建造深部的高品位赤鐵礦礦石，它們受熱液（盆地鹵水）作用和構造控制明顯。這種礦石有時向深部延伸數百米，甚至數千米，規模巨大，是勘查的主要對象。
二、應用范圍及應用實例
巴西卡臘賈斯（Carajas）位於巴西東北部亞馬孫河兩個直流即興古河和托坎延斯之間，礦區西南部-中東部地區分別發育普盧姆雜岩、埃斯特雷拉花崗岩，在區域上為一構造褶皺系，褶皺系被幾條與軸面近於平行的走滑斷層所切穿。SEE-NWW向的脆性-韌性卡臘賈斯剪切帶和辛津托剪切帶與東西向褶皺的軸面近於平行，巨型的Serra Norte礦床就發育在延伸10 km的背斜樞紐帶中。大型的Serra Sul礦床發育在延伸數百到上千米的一些次級褶皺中（圖3）。除褶皺作用之外，還發育斷塊作用和褶皺的倒轉。容礦岩石為Carajas組，鐵礦含量為Fe 35%～38%。主要礦石類型為脆性赤鐵礦，含鐵量Fe 66%～68%。次要礦石類型為脆性赤鐵礦-白雲石，紋層狀赤鐵礦-白雲石（Fe 32%），賦礦圍岩為玄武岩，礦化類型為赤鐵礦化、綠泥石化、碳酸鹽化、滑石化（Mg、Fe富集，Si、Ca、Na虧損），成礦溫度為146～306℃。上述礦床的形成是在早或中前寒武紀從淺水盆地中周期性地沉積和二氧化硅及泥質沉積物交替出現的含鐵化學沉積開始的，未硬結的含鐵沉積物後來被淹沒壓實，後經中前寒武紀造山階段，經褶皺、斷裂及變質作用形成。最近研究表明， Carajas條帶狀鐵建造中的高品位赤鐵礦礦床是多種作用相結合的產物。
圖3 巴西卡臘賈斯及周邊地區區域構造示意圖
（據Rosiere et al.， 2006）
該礦床主要特點為：①前寒武紀化學-陸源沉積的條帶狀鐵質建造是高品位鐵礦形成的重要基礎，巨厚的鐵質建造對形成富鐵礦床最為有利；②礦床發育受構造控制，褶皺和斷裂控制了Carajas富礦體的分布，其中褶皺背斜樞紐、斷層接觸帶對富礦體的形成最有意義；③鐵鎂質火山岩在一定程度上控制著礦體的自然界線，兩者之間交代蝕變作用強烈，綠泥石化、碳酸鹽化、赤鐵礦化為主要蝕變類型；④礦石類型主要為假象赤鐵礦、針鐵礦、三水鋁石和很少量的絹雲母；⑤富鐵礦石與含礦建造之間為漸變過渡關系。
三、資料來源
李碧樂，霍亮，李永勝.2007.條帶狀鐵建造（BIFs）研究的幾個問題.礦物學報，27（2）：205～210
吳文芳，李一良，潘永信.2012.微生物參與前寒武紀條帶鐵建造沉積的研究進展.地質科學，47（2）：548～560
Bekker A，Slack J F，Planavsky N et al 2010.Iron formation：The sedimentary proct of a complex interplay among mantle，tectonic，oceanic，and biospheric processes.Economic Geology，105（3）：467～508
Dalstra H，Guedes S.2004.Giant hydrothermal hematite deposits with Mg⁃Fe metasomatism：a comparison of the Carajás，Hamersley，and other iron ores.Economic Geology，99（8）：1793～1800
Johnson C M，Beard B L，Klein C et al.2008.Iron isotopes constrain biologic and abiologic processes in baned iron formation genesis.Geochemical et Cosmochimica Acta，72（1）：151～169
Klein C.2005.Some Precambrian banded iron⁃formations（BIFs）from around the world：Their age，geologicetting，mineralogy metamorphism.geochemistry，and origin.American Mineralogist，90（10）：1473～1499
Konhauser K O.Kappler A，Roden E E.2011.Iron in microbial metabolism.Elements，7（2）：89～93
Rosiere C A，Rios F J.2006.Specularitic iron ores and shear zones in the Quadrilatero Ferrifero District.Applied Earth Science（Trans，Inst.Min.Metall.B），115（4）：134～138
㈡ 自動駕駛晶元市場火爆，科技巨頭搶灘，中國企業能否一戰
[汽車之家 新鮮技術解讀]? 自動駕駛系統，最關鍵的部件是什麼呢？是感測器？是控制軟體？還是處理晶元呢？我個人認為在目前這個階段來說，處理晶元是一個最關鍵的部件，它的性能直接影響自動駕駛系統的好壞。過去，頂尖的晶元技術一直是國外企業壟斷的，但隨著中國晶元企業近年的快速追趕，情況已經有所改觀。今天我們就來聊聊中國自動駕駛晶元究竟處於一個怎樣的水平？
● 自動駕駛晶元是干什麼用的？
雖然目前L3級別有條件自動駕駛車輛在中國尚未落地，但從一些帶有高階L2駕駛輔助系統的車輛上我們可以發現，這些車輛都帶有數量不少的感測器用以檢測車輛周圍的障礙物，從而為控制系統決策提供數據支持。這些感測器包括毫米波雷達、超聲波雷達、攝像頭等。這些感測器每秒鍾會產生數GB（1GB=1024MB=10242KB）的數據，自動駕駛晶元需要流暢地處理這些數據才能保證系統及時作出正確的決策，從而確保車輛的行駛安全。
可能大家對每秒數GB的數據沒有概念，這里舉一個生活中的例子。普通的USB3.0介面U盤，其讀取速度峰值接近200MB/s，要從這個U盤中讀取1GB的文件大約需要5秒左右的時間，足見每秒數GB的數據量是相當大的。
自動駕駛系統除了需要解決大流量數據傳輸問題，還需要解決的就是如何能快速處理這些海量數據，而強大的自動駕駛晶元正是那把正確的鑰匙。
● 國外的自動駕駛晶元處在怎樣的水平？
雖然本文主要是講中國自動駕駛晶元的，但知己知彼，百戰百勝，在審視本土狀況之前，我們還是先要來簡單了解國外的情況。國外自動駕駛晶元真正能夠大規模進入量產車市場的無非三家，英偉達、Mobileye（現已被英特爾收購）、特斯拉。
其中，走實用路線的Mobileye目前市場佔有率在70%以上，市場上的產品主要是應用於L2駕駛輔助系統的EyeQ3晶元（算力0.256TOPS，「TOPS」是每秒萬億次運算的意思，詳細介紹請看這篇文章相關介紹，本文標注的算力如無特別說明均指的是8位整數計算能力）以及具備L3級別自動駕駛能力的EyeQ4晶元（算力2.5TOPS）。像是小鵬G3、蔚來ES6/ES8、廣汽新能源Aion LX就採用了EyeQ4晶元作為其駕駛輔助系統的核心。
相較於英偉達上代自動駕駛平台旗艦之作DRIVE PX Pegasus 320TOPS的算力，新的DRIVE AGX Orin平台的旗艦配置實現了成倍的性能增長。此外，DRIVE AGX Orin平台的擴展柔性化程度相比以往平台進一步提升，能夠通過硬體配置的增減，滿足從一般駕駛輔助到L5級別完全自動駕駛等不同級別車輛的需求。
特斯拉Autopilot 1.0系統採用的是1顆英偉達Tegra3晶元+1顆Mobileye EyeQ3晶元；Autopilot 2.0系統採用的是1顆英偉達Tegra Parker晶元+1顆Pascal架構GPU晶元；Autopilot 2.5系統採用的是2顆英偉達Tegra Parker晶元+1顆Pascal架構GPU晶元。
已經搭載在最新下線特斯拉車型上的自研FSD晶元，單顆晶元算力為72TOPS，Full Self-Driving Computer集成有兩顆獨立工作的FSD晶元，一顆「掛了」，另外一顆馬上「頂上」，提升了整套系統的安全性和穩定性。
當然了，除了上面三家鋒芒畢露的企業，還有不少企業在垂涎自動駕駛晶元這塊蛋糕，其中包括高通、賽靈思、恩智浦等，但這些企業真正走向量產車的自動駕駛晶元還不成規模，限於篇幅，這里就不作介紹了。
● 迅速崛起的中國自動駕駛晶元企業
好了，看完國外的情況，我們目光回到國內。自動駕駛晶元市場火爆，國外科技巨頭搶灘登陸，中國企業究竟實力怎麼樣呢？下面我們一起來看看。
◆ 寒武紀
中科寒武紀科技股份有限公司（下稱「寒武紀」）的前身是中國科學院計算技術研究所下，由陳雲霽和陳天石兩兄弟領導的一個課題組。該課題組在2008年開始研究神經網路演算法和晶元，並在2012年開始陸續發表研究成果。
2016年，上述課題組提出的深度學習處理器指令集DianNaoYu被ISCA2016所接受，實驗表明搭載該指令集的晶元相較於傳統執行X86指令集的晶元，在神經網路計算方面有兩個數量級的性能優勢。隨著課題組的研究成果趨於成熟，中科寒武紀科技股份有限公司正式成立，並著手將其晶元和指令集向商業領域轉化。也是在2016年，寒武紀發布了首款商用深度學習處理器寒武紀1A。
聊完這家公司的身世，下面我們來看看它的產品。目前寒武紀有兩款最新的人工智慧晶元IP授權，分別是Cambricon-1M和Cambricon-1H。性能指標最強的Cambricon-1M-4K在1GHz時鍾頻率下擁有8TOPS的算力；性能指標最弱的Cambricon-1H8mini在1GHz時鍾頻率下擁有0.5TOPS的算力。所有型號的詳細算力參數可以參看下錶。
Cambricon-1M和Cambricon-1H被定義為終端智能處理器IP。我們在手機或者汽車這些終端上出現的人臉識別、指紋識別、障礙物識別、路標識別等應用都能通過在晶元中集成上述處理器IP實現加速。
上面提到的「邊緣」一詞來自於「邊緣計算」。 邊緣計算是指在靠近智能設備（終端）或數據源頭（雲端）的一端，提供網路、存儲、計算、應用等能力，達到更快的網路服務響應，更安全的本地數據傳輸。邊緣計算可以滿足系統在實時業務、智能應用、安全隱私保護等方面的要求，為用戶提供本地的智能服務。思元220在邊緣計算中扮演著提高數據安全、降低處理延時以及優化帶寬利用的角色。
目前寒武紀高算力晶元產品被定義為智能加速卡，可用於伺服器中加速人工智慧運算。谷歌的AlphaGo人工智慧機器人打敗韓國世界圍棋冠軍李世石的新聞相信各位有所耳聞，AlphaGo人工智慧機器人的背後其實是谷歌自研的TPU晶元。寒武紀的高算力晶元產品的特性和應用也與谷歌TPU類似，當然它們之間也可以算是競爭對手了。
所不同的是思元270-S4採用的是被動散熱設計，最大熱設計功耗為70W，定位為高能效比人工智慧推理設計的數據中心加速卡。這也意味著該卡會有「功耗牆」設定，即當加速卡功耗達到閾值上限時會降低算力以保證較低的功耗和發熱。
思元270-F4相當於是「滿血版」 思元270-S4，最大熱設計功耗150W，採用渦輪風扇進行主動散熱。良好的散熱和充足的供電使得思元270-F4能夠發揮出思元270晶元的全部性能。該卡定位是為桌面環境提供數據中心級人工智慧計算力，簡而言之就是為台式機配的高性能人工智慧加速卡。
雖然思元270在製造工藝上只採用了台積電的16nm工藝，但整體能耗比還是做得比較不錯的。雖然單卡算力不及最新的英偉達旗艦計算卡，但5張思元270-S4/思元270-F4並行的話，峰值算力也能達到英偉達A100的水平。只是英偉達A100更先進的工藝應該在能耗比上面會有一定的優勢。
其中思元100-C搭載了視頻和圖像解碼單元，採用被動散熱方式，最大熱設計功耗為110W；思元100-D不搭載視頻和圖像解碼單元，採用被動散熱方式，最大熱設計功耗為75W。目前思元100系列產品已經於2019年在滴滴雲和金山雲上得到應用。其中滴滴雲採用思元100板卡加速彈性推理服務，該服務用於深度學習推理任務；而金山雲則採用思元100板卡加速語音、圖像、視頻等人工智慧應用。
前面講的盡是伺服器級的計算卡，這是不是偏離了我們應該聊的自動駕駛晶元話題呢？其實不然。前面也提到了，寒武紀目前是一家專注於人工智慧晶元開發的企業，自動駕駛領域確實涉足不深，但通過和其他國內友商的聯合還是有一些建樹的。
WiseADCU CN1自動駕駛運算域控制器提供了L3或以上級別自動駕駛系統所需的算力以及感測器連接數量需求，實現了模擬、模型、系統、架構、編碼、加速、演算法七個關鍵控制點的自主可控。
實際上威盛集團由於處理器產品性能競爭力弱，早就退出了主流X86處理器市場的競爭，市場中就剩下英特爾和AMD在角力。兆芯成立後，吃透了威盛的X86技術，並在威盛當時最新的處理器架構基礎上進行全面的改進和優化，先後推出了ZX-A、ZX-C以及ZX-C+等處理器產品。
6月2日，科創板上市委發布2020年第33次審議會議結果公告，寒武紀上市獲得通過，從受理到審批通過，寒武紀只用了68天，刷新了科創板審核速度。寒武紀上市後成為A股中唯一一家人工智慧晶元公司，該領域的市場空間在2022年有望超過500億美元，發展潛力巨大。打通了A股融資渠道的寒武紀究竟能否憑借其獨特的技術優勢進一步發展壯大呢？這誰都說不準，但可以確定的是，寒武紀的成功上市讓很多投身於該領域的公司贏得了信心，看到了希望，中國人工智慧晶元時代或將由此開啟。
◆ 地平線機器人
好了，聊完寒武紀，我們來聊聊另外一家人工智慧晶元企業——地平線機器人技術研發有限公司（下簡稱「地平線」）。地平線是由前網路深度學習研究院常務副院長余凱於2015年創立的，專注於自動駕駛與人工智慧晶元的一家公司。余凱也是網路自動駕駛的發起人。
余凱建立的地平線，一直以來堅持的是軟體和硬體相結合的方向。他認為，演算法、晶元和雲計算將構成自動駕駛的三個核心支點。相比起前面介紹的寒武紀注重打造高性能硬體晶元，地平線的商業模式是把以「演算法+晶元」為核心的嵌入式人工智慧解決方案，提供給下游廠商。打個比方比較好理解，如果說寒武紀賣的是處理器晶元，那麼地平線賣的就是安裝了操作系統的整機。產品方面，相較寒武紀從終端到雲端的晶元產品布局，地平線雖然自研晶元，但更偏重的是以產品功能來劃分產品線。
硬體上，征程二代晶元內部集成了兩個Cortex A53核心、兩個自研的BPU（Brain Processing Unit，可用於加速人工智慧演算法）核心、DDR4內存控制器以及輸入輸出控制器，算力達到4TOPS，典型功耗為2W，這比起目前主流的Mobileye EyeQ4晶元的算力和能耗比都更優秀。
這些智能音箱有較強的自然語義識別功能，能夠識別人們發出的語音命令，結合物聯網技術，人們通過簡單的語音命令除了能夠讓音箱播放在線音頻資源外，還能夠控制各種家電，如開關、燈泡、風扇、空調等。這就是AIoT的一個最簡單的應用例子。
從硬體方面看，旭日二代晶元內部集成了兩個ARM Cortex A53核心、兩個自研的BPU核心、DDR4內存控制器以及輸入輸出控制器，算力達到4TOPS，典型功耗為2W。從參數上看，旭日二代和征程二代好像沒什麼差別，實際上征程二代可以看做是旭日二代的車規版，它滿足AEC-Q100標准，在工作溫度、電磁輻射等標准上會更高一些。雖然征程二代和旭日二代均採用台積電28nm工藝製造，但旭日二代晶元尺寸為14x14mm，比征程二代晶元17x17mm的尺寸更小，更有利於內嵌到AIoT設備當中。
和寒武紀一樣，地平線同樣擁有自研的人工智慧加速晶元技術。所不同的是，地平線更注重軟體和硬體的整合，從而為下游廠商提供成熟的解決方案。在資本市場，地平線同樣受到追捧，其投資者眾多，其中包括了世界半導體行業巨頭英特爾和SK海力士以及國內的一線汽車集團等。未來地平線是否會和寒武紀一樣登錄科創板目前還不得而知，但CEO余凱對於在科創板上市是持積極態度的。我個人是支持有更多像地平線這樣的企業登錄科創板，更充分的競爭可以避免壟斷同時促進該領域的加速發展。
◆ 西井科技
西井科技創辦於2015年，它起初是一家做類腦晶元的廠商。所謂的類腦晶元簡單來說就是以人腦的工作方式設計製造出來的晶元。目前大行其道的馮?諾依曼結構處理器晶元，其計算模塊和存儲單元是分離的，晶元工作的過程中需要通過數據匯流排來連接計算模塊和存儲單元，數據傳輸上的開銷太大從而限制著這類晶元的工作效率和能耗比的提升。
類腦晶元模仿的是大腦神經元的工作形式，大腦的處理單元是神經元，內存就是突觸。神經元和突觸是物理相連的，所以每個神經元計算都是本地的，而從全局來看神經元們是分布式在工作。類腦晶元由於具有本地計算和分布式工作的特點，所以在工作效率和能耗上相比馮?諾依曼結構處理器晶元更有優勢。
雖然這種類腦晶元看著和普通的處理器晶元在外觀上沒有什麼不同，但其實內部運作原理與傳統的處理器晶元有著本質的區別。國內除了西井科技開發出了類腦晶元，像是清華開發的天機（TianJic）晶元和浙大開發的達爾文（DARWIN）晶元都是類腦晶元。所不同的是，西井科技的DeepSouth晶元是全球首塊可商用5000萬類腦「神經元」晶元。
西井科技這艘大船拿著投資人動輒過億的投資款，肯定是要追求盈利的。不管公司的技術有多超前，無法商業化在逐利的資本市場必然是無法接受的。隨著人工智慧和自動駕駛產業的興起，西井科技找到了技術商業化的契機。
相比起我們前面兩個廠商動輒上百TOPS算力的產品，西井這兩款產品的算力確實有點拿不出手。但西井科技的這兩款晶元能夠實現片上學習，可以隨時新增樣本進行增量訓練來提升推理准確率。
可能大家看到這里還是沒看懂西井科技這兩塊晶元的優勢所在，我在這里稍微解析一下大家就能夠明白。目前的自動駕駛演算法都是通過高性能伺服器進行模型訓練（讓計算機去看攝像頭或激光雷達等感測器獲取的環境數據，學習目標判斷方法），然後將訓練好的模型再部署到車載硬體之中（把機器學習到的高效目標判斷方法固化到車載自動駕駛系統之中）。
在實際應用方面，西井科技並沒有一頭沖進乘用車自動駕駛系統領域，而是在智能港口和智能礦場干出了自己的一片天地，並把觸角伸向了智慧醫療和智慧物流領域。2017年10月，公司與全球知名港機巨頭振華重工建立長期合作夥伴關系，這是西井科技進軍智能港口的重要一步。
自動駕駛卡車要在港區自動裝卸集裝箱，需要自動駕駛系統精細的車輛控制、敏銳的環境識別以及准確的定位，這些都需要港區高清地圖配合。西井科技的無人集裝箱卡車定位精度在5cm以內，這是實現集裝箱自動裝卸的關鍵。全球首輛港區作業無人集裝箱卡車作業成功，充分展現了西井科技在卡車自動駕駛系統以及高精度地圖繪制領域的實力。
除了自動駕駛和高清地圖繪制外，西井科技還為企業打包了一整套智能港口和智能礦場解決方案，利用人工智慧技術提升港口和礦場的運作效率，同時能夠進一步降低其運營成本。深挖行業中存在的機遇，逐步築起行業壁壘是西井科技面對人工智慧晶元市場激烈競爭的重要策略。
作為全球最早落地行業應用的自動駕駛團隊，西井科技旗下自動駕駛品牌Qomolo逐路目前涵蓋了無人駕駛跨運車、無人駕駛新能源集卡和無人駕駛礦卡三大項目。
面對乘用車自動駕駛晶元領域的激烈競爭，我認為短期內西井科技不會進入該領域。相反它會通過深耕已有的智能港口、智能礦場以及無人駕駛重卡市場，進一步築高上述市場的壁壘，擴大自身的行業影響力和競爭力。但不能忽視的是，西井科技掌握的類腦晶元技術或有可能成為未來自動駕駛晶元領域的一個風口。
上文詳細介紹中國3家知名自動駕駛晶元公司及其產品，相信大家應該對目前國內自動駕駛晶元現狀有了一個更深了解。除了這三家公司，數字地圖供應商四維圖新通過收購傑發科技也布局自動駕駛晶元市場，但量產晶元目前尚未落地。網路的昆侖晶元以150W的功耗實現了260TOPS的算力，競爭力很強，但其定位為雲端全功能人工智慧晶元，主要用在伺服器之上。網路在自動駕駛領域的亮點還是在於其Apollo自動駕駛軟體平台。
● 全文總結：
寒武紀、地平線、西井科技這三家公司都有著各自的特色和亮點。寒武紀專注於晶元研發，產品算力最強；地平線除了研發晶元，還提供完整的自動駕駛軟體方案，對主機廠開發更友好；西井科技掌握獨特的類腦晶元設計，在智能港口、智能礦場以及無人駕駛卡車領域已經站穩了陣腳。整體來看，中國自動駕駛晶元在性能和功耗上和外國晶元相比並不差，如何在中國開放L3級別有條件自動駕駛車輛落地這個時間節點用產品和服務先發制人是中國自動駕駛晶元企業的制勝關鍵。究竟鹿死誰手，讓我們拭目以待吧，好戲即將上演！（圖/文/汽車之家 常慶林?部分圖片源於網路）
㈢ 在易配芯城裡購買電子元器件大概多久能到
寒武紀的晶元 2017年9月，華為發布了全球首款人工智慧手機晶元麒麟970，之所以被稱為「人工智慧晶元」，這是因為寒武紀在他們的晶元上添加了自己的智能晶元「寒武紀1A」。 前文說公司剛成立第二年，寒武紀就賣了1億元晶元，而買方就是華為。 在處理人工智慧應用時，「寒武紀1A」的性能是4核CPU的25倍以上，而耗用的電量卻只有五十分之一。 搭載「寒武紀1A」的麒麟970晶元每分鍾可識別2005張照片，而蘋果的A11處理器只能處理889張照片，三星S8每分鍾只能識別95張。 照片識別速度對比：左為華為手機，中間iPhone 8，右邊三星S8 在CES2018期間，外媒對比評測了麒麟970和蘋果A11在AI性能上的跑分成績，結果令評測人員吃驚，麒麟970大幅領先
像這樣無知的問題也臉提出？真是老美卡中興下作，低檔不罵！中興小偷鉤當不罵！卻在跟老美罵中國科學技術不行，連一顆芯造不出， 還什幺空白怎幺填。其惡意攻擊不是一目瞭然嗎。除非他真無知無識，不懂裝懂。
㈣ 自動駕駛晶元哪家強，這家中國創業公司竟然說自己超越了特斯拉
文/田忠朝
在自動駕駛量產應用上，特斯拉為何能遙遙領先？很多人認為是其強大的軟體演算法，其實軟體演算法固然重要，但擁有強大計算能力的感知和決策晶元也必不可少。
可以預見，未來自動駕駛技術必然是各國競爭的高地，而自主可控的晶元技術對於增強我國自動駕駛行業整體實力來說將會有很大的幫助。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。
㈤ 驍龍855與麒麟980，你會選擇哪一個
相比之下，麒麟990較好。
麒麟990已超越驍龍855+。具體對比如下：
1、基帶部分，不同於驍龍855+採用的外掛X50基帶，麒麟990 5G是目前第一款商用的集成5G基帶SoC。集成5G基帶可以解決外掛基帶所帶來的高能耗，高佔用空間等問題，同時也意味著手機廠商可以將更多的主板空間騰出來，提升手機的其他能力，比如提升電池容量。驍龍855+在5G技術上遠不敵麒麟990 5G。
2、而在GPU方面，麒麟990 5G採用了Mali G76 MP16的GPU，通過提升GPU核心的數量，提高了GPU的性能和能耗比，雖然我們目前還沒有辦法確認麒麟990 5G在CPU和GPU性能上相對驍龍855+有多大的提升(跑分數據還得等Mate30的發布才能知道)。但可以確認的是，優化的架構配合7nm+EUV的工藝，麒麟990 5G在功耗上相比高頻的驍龍855+有不小的優勢。
3、麒麟990 5G在NPU上也做了很多升級，不僅搭載了之前首發在麒麟810上的達芬奇架構NPU，還採用了兩大一微的架構(麒麟990是一大一微)。在NPU極限算力方面要超過目前的驍龍855+。最明顯的就是，麒麟990 5G支持實時視頻的多實例分割。也就是在同一段視頻內，通過NPU分別識別多個物體，並對視頻進行分割。這是目前驍龍855+手機都沒有的功能。
㈥ 寒武紀大爆發
「寒武紀大爆發」這一詞源於英文「Cambrian explosion」，是指寒武紀初期多門類生物的大規模的突然出現。達爾文曾注意到這個現象，意識到這個問題如果得不到合理的解釋，已經建立起來的進化論就會遇到嚴重的挑戰。
1.小殼化石
小殼化石是指在前寒武系/寒武系界線附近開始出現，在寒武紀初大量繁盛和分異，個體微小，具有硬殼的多門類海生無脊椎動物。它不是一個生物分類單元名稱。小殼化石包括軟舌螺、似牙形石、軟體動物、可能與腕足類有親緣關系的雙殼瓣化石以及大量多種生物分類位置不明的化石（錐石類、葉足類等）。發現於西伯利亞地台、中國、蒙古、哈薩克、伊朗、東歐地台、東南歐、北美、澳大利亞、非洲和南極。
2.澄江生物群
澄江生物群產於我國雲南省澄江縣撫仙湖東北帽天山地區的早寒武世玉案山組，距今約5.3億年。澄江生物群是在特異保存條件下，保存了生物生前未礦化的軟體部分，屬於特異埋藏生物群，是軟軀體化石寶庫之一，被國際學術界譽為「二十世紀最驚人的發現」。
圖6-5 後生動物分支系統
該生物群包括藻類、分類位置不明的管棲生物、海綿動物、開腔骨類、腔腸動物類（含櫛水母類）、曳鰓動物類、葉足類、纖毛環超門類群（包括：軟舌螺類、水母狀動物、帚蟲類、腕足類）、環節動物類、節肢動物類以及脊索動物等（圖6-6）。
澄江生物群所展示的演化模式與達爾文所預示的模式完全不同。它不但證實了大爆發式演化事件在5.3億年前確實曾經發生，最令人震撼的則是這一事件發生在短短數百萬年期間，幾乎所有現生動物的門類和許多已滅絕了的生物突發式地出現於寒武紀地層，而在更老的地層卻完全沒有其祖先型的生物化石發現。
圖6-6 澄江生物群復原圖
（自陳均遠等，1996）
1—Amplactobulua（巨蝦）；1a—Anomalocaris（奇蝦）；2—Eldonia（依爾東缽）；3—Saperion（謎蟲）；4—櫛水母類；5—螺旋藻；6—Megaspinella（宏螺旋藻）；7—Yujnessia（約克那斯藻）；8—Sinocylindra（中華細絲藻）；9—Waptia（瓦普塔蝦）；10—Isoxys（等刺蟲）；11—Banffia（斑府蝦）；12—Vetulicolanidla（古蟲）；13—棘皮動物；14—Leptomitella（小細絲海綿）；15—Tiajengia（尖峰蟲）；16—Choia（斗蓬海綿）；17—Leptomitus（細絲海綿）；18、42—開腔骨類；19—櫛水母類；20—Crumllospongia（錢包海綿）；21—Cindarella（灰姑娘蟲）；22—Rotadiscus（輪盤缽）；23—Kuanyangia（開揚蟲屬）；24—Alalcomenaeus（始蟲）；25—Hazelia（海扎海綿）；26—Urokodia（尾頭蟲）；27—Eoredlichia（始萊得利基蟲）；28—Yunanocephalus（雲南頭蟲）；29—Wut⁃ingaspis（武定蟲）；30—軟舌螺類；31—腔腸動物；32—Halichondrites（軟骨海綿）；33—Quadrolaminiella（四層海綿）；34—Cardiodictyon（心網蟲）；35—Retifacies（網面蟲）；36、39—Xandarella（海怪蟲）；37—Microdic⁃tyon（微網蟲）；38—Misszhouia（周小姐蟲）；40—Naraoia（娜羅蟲）；41—Paucipodia（貧腿蟲）；43—Takak⁃kawia（塔卡瓦海綿）；44—Fuxianhuia（撫仙湖蟲）；45—Acanthomeridion（刺節蟲）；46—Onychodictyon（爪網蟲）；47、52—Phoronids（帚蟲類）；48—Lingulepis（磷舌形貝）；49—Xianguangia（先光海葵）；50—Maotians⁃hania（帽天山蟲）；51—Luolishania（羅里山蟲）；53—Dinomischus（高足懷蟲）；54—Heliomesa（日射水母貝）；55—Facivermis（火把蟲）；56—Annelida？（環節動物？）；57—Cambrorhytium（寒武懷管蟲）
澄江生物群的發現對研究生物進化理論方面具有十分重要的意義。達爾文的傳統生命演化理論認為，生物演化是「漸變」的。但我國雲南澄江生物群的發現卻顯示了早寒武世生物的快速演化，在距今約5.3億年澄江動物群中，幾乎現今的各主要動物門類（從低等的海綿動物到脊椎動物等十幾個門類）都出現有各自的代表，這種「爆發」式的出現和「突變」式的演化，對達爾文傳統的「漸變論」的生物進化理論是一個有力的沖擊；與此同時，對建立一個新的、完整的生物進化理論也將是一個有力的補充。
㈦ 為什麼華為不再用寒武紀
這個很正常，這只是正常的商業合作與商業競爭，算不上什麼內斗，更扯不到什麼聯想投資啊，華為寒武紀鬧矛盾啊什麼的，沒必要過分揣度，先看兩個時間點，2017年10月，第一款搭載970的mate10首發（用寒武紀的npu），2018年10月10日，華為全聯接大會推出了升騰910和升騰310，這兩個時間點只相差1年時間。而且注意，升騰晶元背後是華為的全棧全場景ai解決方案，全場景，是指包括公有雲、私有雲、各種邊緣計算、物聯網行業終端以及消費類終端等部署環境，也就是說消費者終端只是華為ai戰略的一小部分。
打開網路APP，查看更多高清圖片
華為是目前全球已發布的單晶元計算密度最大的AI晶元，還有Ascend310，是目前邊緣計算場景最強算力的AISoC。CANN：晶元運算元庫和高度自動化運算元開發工具，MindSpore，支持端、邊、雲獨立的和協同的統一訓練和推理框架。
㈧ 國產雲端智能晶元有何特點
雲端智能晶元是面向人工智慧領域大規模數據中心和伺服器提供的核心晶元。5月3日，中國科學院發布國內首款雲端人工智慧晶元，理論峰值速度達每秒128萬億次定點運算，達到世界先進水平，將廣泛應用於智能手機、智能音箱、智能攝像頭、智能駕駛等不同領域。
智能晶元是前沿科技和社會關注的熱點，也是人工智慧技術發展過程中不可逾越的關鍵環節。可以說，不論有怎樣領先的演算法，要想最終應用，都必須通過晶元實現。
此外，這次最新發布的寒武紀1M處理器是公司的第三代IP產品，它延續了前兩代產品（寒武紀1H/1A）卓越的完備性，單個處理器核即可支持多樣化深度學習模型，並更進一步支持經典機器學習演算法和本地訓練，為視覺、語音、自然語言處理以及各類經典的機器學習任務提供了靈活高效的計算平台，將廣泛應用於智能手機、智能音箱、智能攝像頭、智能駕駛等不同領域。
㈨ 280TOPS算力爆表！北京車展最強國產自動駕駛平台是它
▲左右分別為黑芝麻CEO單記章、COO劉衛紅
黑芝麻CEO單記章此前是全球視覺晶元領軍企業OmniVision創始團隊成員，在矽谷晶元行業打拚了20多年，在圖像處理晶元和軟體演算法上具有豐富的經驗和技術積累。
CTO齊崢是英特爾奔騰二代晶元主要設計成員、CSO曾代兵是中興微電子總工程師，COO劉衛紅則曾是博世中國ADAS主力部門——底盤與控制系統事業部的中國區總裁。
正因為有超強的研發團隊，讓黑芝麻這家初創公司可以在3年時間內做出ADAS晶元華山一號A500並量產上市，在今年推出華山二號A1000晶元，發布FAD自動駕駛平台。
今年以來，新車如果沒有配備L1/L2級自動駕駛，都「不好意思賣」，自動駕駛的普及程度正在快速提高，而更高等級的L3級甚至L4級自動駕駛也已經到了量產前夜，行業內對自動駕駛晶元和計算平台解決方案需求呈爆發性增長態勢。僅自動駕駛晶元的市場規模，都有望達到萬億美元級別，成為半導體行業最大單一市場。
因此，FAD此時進入自動駕駛市場可謂正當其時。
今年8月，一汽智能網聯開發院與黑芝麻達成技術合作協議。一汽智能網聯開發院將啟動基於華山二號A1000的智能駕駛平台的開發，以滿足後續量產車型需求。雙方將共同推動人工智慧技術在汽車工業領域的應用，加速國產智能駕駛晶元的產業化落地。
另外，黑芝麻也已經簽約多個FAD定點車型，預計明年就將有搭載FAD自動駕駛平台的車型上市。此外，國內外也已經有多家企業開始測試FAD自動駕駛平台，測試車輛已經上路。
黑芝麻在自動駕駛晶元和域控制器中取得的巨大成功，讓行業研究機構開始重視這家剛成立4年有餘創業公司。今年4月，矽谷最強智庫之一的CBInsights發布中國晶元設計企業榜單，黑芝麻在車載晶元領域上榜，成為中國晶元設計企業65強之一。
今年7月，黑芝麻華山二號A1000晶元也亮相世界人工智慧大會，與平頭哥、依圖、寒武紀等高端人工智慧晶元同台亮相。
可以說，黑芝麻經過四年多的發展，已經成為全球領先的自動駕駛晶元設計公司，甚至已經有能力和晶元行業的老大哥們一較高下。同時，黑芝麻的快速進步，也推動著國內自動駕駛晶元設計再上新台階。
在與兩位創始人的交談中，他們還透露了一個彩蛋，明年黑芝麻將發布性能更強的晶元，屆時搭載這一晶元的FAD自動駕駛平台最高算力有望突破1000TOPS，其算力已經可以進行完全自動駕駛。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。