算力架構
1. 一個cpu有多少算力
這個說的就比較籠統了，相對來說一個CPU的算力還是比較強的，當然，這跟他的性能有很大的關系，越強大的性能，算力就越快越准
2. 可重構計算晶元與其他架構晶元有什麼不同，為什麼可以做到更高的能效比
可重構計算架構（Coarse-，CGRA），是指能根據變換的數據流或控制流，對軟體和硬體結構進行動態配置的計算模式。
CGRA最大的優勢就是能通過空域硬體結構組織不同粒度和不同功能的計算資源，通過通過運行過程中的硬體配置，調整硬體功能，根據數據流的特點，讓功能配置好的硬體資源互連形成相對固定的計算通路，從而以接近「專用電路」的方式進行數據驅動下的計算(如圖所示)。當演算法和應用變換時，再次通過配置，使硬體重構為不同的計算通路去執行。一方面，因為沒有傳統指令驅動的計算架構中取指和解碼操作的延時和能耗開銷，二是在計算過程中以接近「專用電路」的方式執行，是一種高效而靈活的計算架構，所以在能在算力和能耗上取得很好的平衡，達到更高的能效比。
補充一下與傳統晶元的對比：
CPU架構基於通用指令，以時域執行模式進行計算，非常靈活。但是取指，解碼開銷大，若碰到條件分支預測等，控制代價大。同時，計算過程中時域執行方式下，數據復用率低，頻繁訪存能耗開銷大。
GPU架構採用了基於指令的SIMD執行方式，考慮了比如3D圖形處理等通用需求，除了取指，解碼代價開銷外，還會有高吞吐高帶寬設計，在實際AI處理過程中，帶寬和資源利用率隨著變化大，利用效率低，能耗開銷大。
NPU計算架構對特定神經網路進行了定製化，其仍然是基於指令執行的方式，指令讀取和解碼開銷不可以避免，同時，對於沒有定製的層，無法很好處理，靈活性受限。CGRA相比NPU能夠有10倍以上的性能提升。
FPGA計算架構細粒度位級別，基於查找表的執行方式，硬體可編程，非常靈活。然而，大量細粒度LUT使得內部連線非常復雜，大量基於存儲的LUT的存在和互聯線，也會耗費大量的功耗。
3. 框架結構計算內力時基礎相連層組裝嗎
不明白題目中的「組裝」是什麼意思，是裝配式結構的組裝嗎？
「相連層」指的哪一層？預算口可能有『基礎層』的提法，建施圖、結施圖中沒有『基礎層』、『相連層』的說法，要嘛就底層（首層），要嘛就地下室（負1層或負×層），基礎頂面到±0.000不能構成一層，除非設計有通風隔潮的架空層。
請題目正確解釋，明確問點，不要似是而非，明確要回答什麼。
4. 區塊鏈技術的架構模型包含了哪些
金窩窩分析區塊鏈技術的架構模型如下幾點：
1、數據層
數據層封裝了底層數據區塊以及相關的數據加密和時間戳等技術；
2、網路層
網路層則包括分布式組網機制、數據傳播機制和數據驗證機制等；
3、共識層
共識層主要封裝網路節點的各類共識演算法；
4、激勵層
激勵層將經濟因素集成到區塊鏈技術體系中來，主要包括經濟激勵的發行機制和分配機制等；
5、合約層
合約層主要封裝各類腳本、演算法和智能合約，是區塊鏈可編程特性的基礎；
6、應用層
應用層則封裝了區塊鏈的各種應用場景和案例。
5. 華為的NPU為什麼叫達芬奇架構，而不用中國古代名人命名
華為公司之前的晶元的設計命名基本上以古代比較大氣的名字為主，也展示了中國古代文化的博大精深，聽著就覺得讓人提氣，這次換成外國科學家的名字更加引起大家的關注，歸根到底就是一種名字而已。
科技產品的研發代號，使用外國名詞的情況比比皆是。美國人的防空系統「宙斯盾」即是典型代表，有什麼不妥？有人調侃華為把整個《山海經》里的名詞都快注冊完了，華為是大量使用了「比較愛國」的名詞的，現在注冊一個「達芬奇架構」結果某一小撮人的小心臟突然受不了了，於是無厘頭鬧劇。達芬奇怎麼了？維也納怎麼了？都是很牛掰的享譽度國際名詞，注冊的到很高興嘛。華為產品行銷世界，為何不可以使用世界的名詞？
6. 什麼是達芬奇架構
達芬奇架構，是華為自研的面向AI計算特徵的全新計算架構，具備高算力、高能效、靈活可裁剪的特性，是實現萬物智能的重要基礎。具體來說，達芬奇架構採用3D Cube針對矩陣運算做加速，大幅提升單位功耗下的AI算力，每個AI Core可以在一個時鍾周期內實現4096個MAC操作，相比傳統的CPU和GPU實現數量級的提升。同時，為了提升AI計算的完備性和不同場景的計算效率，達芬奇架構還集成了向量、標量、硬體加速器等多種計算單元。同時支持多種精度計算，支撐訓練和推理兩種場景的數據精度要求，實現AI的全場景需求覆蓋。
7. 給人工智慧提供算力的晶元有哪些類型
給人工智慧提供算力的晶元類型有gpu、fpga和ASIC等。
GPU，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器，與CU類似，只不過GPU是專為執行復雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。
FPGA能完成任何數字器件的功能的晶元，甚至是高性能CPU都可以用FPGA來實現。 Intel在2015年以161億美元收購了FPGA龍 Alter頭，其目的之一也是看中FPGA的專用計算能力在未來人工智慧領域的發展。
ASIC是指應特定用戶要求或特定電子系統的需要而設計、製造的集成電路。嚴格意義上來講，ASIC是一種專用晶元，與傳統的通用晶元有一定的差異。是為了某種特定的需求而專門定製的晶元。谷歌最近曝光的專用於人工智慧深度學習計算的TPU其實也是一款ASIC。
(7)算力架構擴展閱讀：
晶元又叫集成電路，按照功能不同可分為很多種，有負責電源電壓輸出控制的，有負責音頻視頻處理的，還有負責復雜運算處理的。演算法必須藉助晶元才能夠運行，而由於各個晶元在不同場景的計算能力不同，演算法的處理速度、能耗也就不同在人工智慧市場高速發展的今天，人們都在尋找更能讓深度學習演算法更快速、更低能耗執行的晶元。
8. 試述多層框架結構在豎向荷載作用下採用分層法的計算內力的步驟
1.將多層框架分層，以每層梁與上下柱組成的單層框架作為計算單元，柱遠端假定為固端
2.用力矩分配法分別計算單元的內力,由於除底層柱底是固定端外,其他各層柱均為彈性連接,為了減少誤差,除底層柱外,其他各層柱的線剛度均乘以0.9的折減系數,相應的傳遞系數也改為1/3，底層柱仍為1/2
3.分層計算所得的梁端彎矩即為最後彎矩
9. 求歷代英偉達顯卡架構名稱
NVIDIA顯卡的核心微架構經歷了特斯拉（Tesla）、費米（Fermi）、開普勒（Kepler）、麥克斯韋爾（Maxwell）、帕斯卡（Pascal）、圖靈（Turing）。
CPU架構是CPU廠商給屬於同一系列的CPU產品定的一個規范，主要目的是為了區分不同類型CPU的重要標示。目前市面上的CPU指令集分類主要分有兩大陣營，一個是intel、AMD為首的復雜指令集CPU，另一個是以IBM、ARM為首的精簡指令集CPU。
NVIDIA顯卡架構詳情如下：
2000年—收購圖形技術先驅3dfx；2001年—進入集成圖形市場；2002年—被《財富》雜志評為美國成長最快的公司；2003年—收購MediaQ；2004年—SLI發布，大幅提升了單台PC的圖形處理能力；2005年—為索尼游戲機開發處理器；2006年—革命性CUDA架構亮相；
2007年—被《福布斯》評選為年度最佳企業；2008年—Tegra移動處理器問世；2009年—首屆GPU技術大會，推出Fermi架構；2010年—助力世界上最快的超級計算機；2011年—收購基帶領先者ICERA；2012年—推出基於Kepler架構的GPU；2013年——推出Tegra4系列處理器；
2014年—發布TegraK1SHIELD平板電腦，安卓游戲大火；2015年—深耕深度學習；2016年—驅動AI革命；2017年—Volta架構問世，進一步推動現代AI；2018年—Turing架構問世，重新定義了計算機圖形；2019年—AI算力將持續革新各行各業；
10. 智能計算中心是基於怎樣的理論，採用的哪種架構
2020年11月17日，在第十屆全球智慧城市大會上海會場，國家信息中心信息化和產業發展部聯合浪潮信息發布了《智能計算中心規劃建設指南》明確定義了智能計算中心是基於最新人工智慧理論，採用領先的人工智慧計算架構，提供人工智慧應用所需算力服務、數據服務和演算法服務的公共算力新型基礎設施，通過算力的生產、聚合、調度和釋放，高效支撐數據開放共享、智能生態建設、產業創新聚集，有力促進AI產業化、產業AI化及政府治理智能化。