底層算力

① IPFS是什麼有誰知道的嗎 www.starpool.cn

IPFS的中文名稱叫星際文件系統，是互聯網的底層協議。
互聯網的三大底層技術：計算（算力）、傳輸（帶寬）、存儲。
IPFS就是去中心化分布式存儲，目的就是要填補甚至替換用了20多年的傳統的中心化存儲：Http協議。
IPFS相比傳統的Http具有以下優勢：低成本、更高效、更安全、永久性、更高隱私性。

② python 的運算能力比不上c，進行大量運算時候python比c慢的多，這對嗎

也不一定慢很多，很多python模塊關鍵代碼底層是C來寫的，而且解釋器也是經過優化的。

③ 有人說,「現在都用高級語言編程序,理解『機器級程序是如何被執行的』已經沒有

摘要 不一定。

④ 體驗廣汽 ADiGO 3.0 輔助駕駛，基於場景的功能落地才重要

時間來到2020年10月，輔助駕駛已經越來越成為汽車不可缺少的功能，實現高級別輔助駕駛能力也成為了車企更高的目標。

而需要注意的是，自動駕駛並不再以硬性的分級去判定級別，而是更多以場景和實現的功能去區分，這是車企在研發過程中總結經驗後逐步形成的共識。

因為不同場景下可實現的功能是有差異的，所以現在對於L3的定義更多是在場景方面的闡述。

這個轉變其實也是奧迪等廠商在發現L3難以落地以後，廣汽作為車企的重新思考。因為要實現L3級別除了法規的限制，還有技術方面的限制，包括「感測器、算力、域控制器、執行器件、安全冗餘」等。

以感測器為例，如果想要達到足夠好的功能安全級別，在任何一個角度，任何一個可覆蓋區域上，必須有兩種以上的異構感測器去覆蓋，每一個目標都要有兩種以上感測器能夠識別。L3級別智能駕駛，不用激光雷達，理論上基本不可能達到功能安全的要求。

因此，轉變思路，從場景和功能出發成了車企最優的方式之一。

而廣汽目前已經量產交付的ADiGO3.0輔助駕駛，其實就是基於真實場景而實現功能化的落地，根據功能需求來實現硬體和軟體的安全與冗餘設計。

在10月16日，我受邀在上海體驗了廣汽的ADiGO3.0輔助駕駛系統與AR實景導航系統。廣汽定義下的ADiGO3.0是什麼以及具體體驗如何，我來展開聊聊。

ADiGO3.0完成的功能升級

ADiGO系統是廣汽研究院主導開發的，目前已經是具備了多路況場景下輔助駕駛能力的3.0版本了，而搭載這套系統的首款車型是AionLX，也是我們試駕的版本。

但需要注意的是在AionLX上的高級別輔助駕駛能力是選裝功能。

廣汽對其輔助駕駛場景及功能的定義，包含了兩個方面的要素：「擁有高精地圖的全路段和全速域輔助駕駛」。

廣汽定義下的高級別輔助駕駛運用場景，是有高精地圖覆蓋的中國全部高速公路和城市快速路；其功能不僅涵蓋L2級輔助駕駛的全部功能，還能在車輛時速0-120公里的范圍內做到脫手、脫腳。你可以理解為車輛已經處於自動駕駛的狀態，但是駕駛者必須保持警惕，時刻准備接管，並且由於法律法規的限制，行車過程中，駕駛者仍然需要時刻握住方向盤。

需要注意的是，廣汽的全速域輔助駕駛指的是在高速最高限速120km/h以內，超過120km/h時速後，車輛是無法開啟具有高精地圖的模式的輔助駕駛的。

此外，有了高精地圖能力的加持，AionLX的自動駕駛系統能准確獲取車道級信息（包括車輛當前位置信息、限速、車道、車道級路徑信息、曲率/坡度/航向/傾側等等），預判前方1公里路況，提前規劃好最優行車路線。

要實現以上說的好用功能硬體能力是基礎，AionLX上的硬體主要來自博世、安波福和Mobileye等，具體由以下硬體組成：

5顆毫米波雷達

12顆超聲波感測器

4顆環視攝像頭

1顆智能前視攝像頭

1顆駕駛員疲勞監測攝像頭

Mobileye的EyeQ4晶元

同樣開發出了功能，但好不好用最為關鍵。輔助駕駛系統好不好用的判定條件有很多，而對於消費者而言場景和功能則是核心。

基於高精地圖的輔助駕駛，優劣勢明顯

下面從我們日常使用最為廣泛的場景包括城區道路、高架環路和高速公路三個場景，來聊聊實際體驗後的感受。

城區道路使用，連續性不好

一般而言，實現城區道路的輔助駕駛能力，對於每個主機廠來說都是研發的難點，因為涉及的道路情況非常復雜，以及交通參與者和參與形式也最為多樣，其中最多的就是擁堵路況，因此低速跟車成了我關注的重點。

先說一下，ADiGO3.0整體的使用邏輯，在車道線清晰條件下ADiGO3.0是可以實現車輛靜止狀態下開啟的，可開啟的判定條件是車道線清晰，在開啟後的使用由兩個狀態組成：

有高精地圖的城區路段

無高精地圖的城區路段

二者的區別在於，有高精地圖路段下，開啟的是廣汽定義下的L3級別輔助駕駛，沒有高精地圖的路段，系統開啟的其實是L2級別的輔助駕駛。

當在有高精地圖路段打開輔助駕駛後行駛一段時間，如果地圖數據消失，這個時候系統不會退出，而是會降級到L2繼續行駛。

城區擁堵路況表現，ADiGO3.0的跟車執行邏輯比較敏捷，不管是前車緩行還是急加速，ADiGO3.0都能快速判斷並加速跟上，而且在體感上並不會有深踩油門帶來的急加速感。

而且AionLX的跟車距離非常近，在擁堵時也不會給別人加塞的機會，但對於強行加塞的還是需要駕駛員注意觀察安全。

輔助駕駛開啟後對前車的識別比較好，前車1/4越線後車輛就會識別並減速，低速的車道保持比較穩定，在我體驗過程中沒有出現車道內的「畫龍」現象。

當然缺點也有，主要是兩個方面的：

跟停時間超10秒後，車輛不再跟前車。這個時候需要輕踩油門啟動車輛，車輛就會自動找回前車並開啟輔助駕駛，10秒對於上海這樣擁堵的城市顯然是不夠的。

在L3降級為L2是沒有聲音提示的，只有儀表盤的視覺界面發生了改變。這個時候如果你還以為在有高精地圖的路段行駛，但實際已經不在，相對應的輔助駕駛也會變成L2級別，但這個級別是不允許脫手，如果這個時候出現接管提醒，會讓駕駛員誤以為出現了危險，帶來的內心緊張感會很強。

總體而言，在城區路況下有無高精地圖情況下輔助駕駛體驗區別不大，都像是L2級別的駕駛能力。

在城區道路的使用其實局限性還是非常大，就目前的能力而言並不建議使用，因為城市道路車道線變化多端，在路口經常會出現3車道變4車道的情況，系統經常無法決策走哪一條車道；開放道路中不確定因素太多，目前車規級的探測硬體還不足應對、判斷如此復雜的場景。

所以現階段城區道路自己駕駛還是比輔助駕駛來得方便。

高架與高速行駛很穩

高架環路這類的封閉路段車道線清晰，道路參與者比較固定，因此對於輔助駕駛也友好許多，因為AionLX支持全速域的輔助駕駛能力，因此在高架路段時只要車道線依然清晰，輔助駕駛則隨時可開啟。

但AionLX輔助駕駛開啟時，會有一個小10秒左右的延遲，比如當我按下全部按鍵以後，輔助駕駛的界面已經變成了開啟狀態，但這個時候車道保持、跟車等功能需要有一個反應的過程，在這個過程里我也沒有辦法進行速度調節。

對於高架環路這樣的道路，AionLX的輔助駕駛基本沒有什麼壓力，不管是高速跟車，還是不跟車行駛，整個駕駛邏輯其實是比較像人類駕駛員的。

我個人比較喜歡的是，如果我方車輛快速向前行駛識別到前方車輛，這個時候車輛的減速非常平緩，並不會出現與前車距離過了極值之後的重剎。

但有個小的問題，就是在速度約在60km/h時，在前後左右沒有車輛的情況下，在車道保持開啟狀態下，車輛明顯偏右，特別是與大卡車並行的時候駕駛員心理壓力非常大。

為了確保不是我個人的感官問題，我還和同行的媒體老師進行了交叉驗證，她表示也有同感，而且因為偏右她自己主動退出過好幾次。

AionLX在有高精地圖路段輔助駕駛開啟情況下是允許駕駛員脫手的，在正常行駛下這個脫手可以是全程的，即使是特斯拉目前也只允許20多秒的脫手，不然系統就會提醒，長時間後就會退出。

比如我在高速行駛了90km全程沒有接觸方向盤，但我保持著時刻接管的准備。

可能你會問，AionLX這樣做安全嗎？這個需要區別來看，AionLX上面有一個駕駛員監測攝像頭，它不只是疲勞監測，他對駕駛員的頭部扭動方向都有監測，目的就是防止駕駛員因為可以脫手後而帶來危險，監測非常敏感。

注意長時間脫手是建立在擁有高精地圖數據之下的輔助駕駛，但這並不意味著我可以分心干其他事，我個人主觀和系統的客觀上都不提倡那麼做，最起碼要保持足夠的注意力，防止突然的並線行為。

在高速過大麴率彎的時候，它會主動提前減速，長時間開帶有輔助駕駛的車，可能都有一個非常大的感受就是，基於純視覺感知的車輛，在高速駛進彎前的減速是不太線性的，雖然也會有提前減速行為，但大部分都是在過了入彎點後會有一個相對比較重的剎車，欠缺一些舒適性。

我在體驗ADiGO3.0的時候在限速120km/h的高速行駛，我定速在105km勻速行駛，行駛過程中前方無車，但我發現車速在逐漸降低，很緩慢在減速，當我仔細觀察後發現前方確實有一個中等曲率的彎，這個彎在人類駕駛邏輯下也一定會降速通過，在過彎時我發現儀表上車速已經降至79km/h。

這一點在駕駛上的邏輯比較符合人類駕駛員，線性剎車帶來的體驗也會更加舒適。

相比擁有高精地圖下的過彎提前減速的舒適體驗，打燈自動變道的邏輯就相對保守。

AionLX雖然實現了打燈自動變道，但對於開啟條件做了很多限制，在時速大於或等於80km/h，而且兩側車道無車或者距離在目視有200米之下，才能開啟自動變道功能。

這里要說明一下目視200米，是在實際體驗中發現，兩側車道有車的情況下的人眼觀測距離，所以這是一個感觀體驗。AionLX對於前後車的安全距離探測非常保守，因為在實際體驗中我發現，與前後車的距離都可以來回做兩次變道行為了，但這個時候車輛仍然不會執行變道。

開啟自動變道功能時在儀表屏上有一個藍色方向盤的圖標，在左右兩邊出現白色箭頭的情況下才能手動打燈，左邊有箭頭向左可變，右邊有箭頭就是向右可變，箭頭出現手動開啟轉向燈然後在8秒內前後無來車視為安全條件後，車輛將會開始自動變道。

滿足了以上條件開始變道後，如果後方有車輛加速駛來，變道也會停止。

總體來說，ADiGO3.0輔助駕駛的體驗很好，在使用高精地圖導航輔助駕駛時有其優勢，但恰恰劣勢也是高精地圖，因為高精地圖的數據採集與更新都需要很大周期。而且ADiGO3.0理論上並不能稱為L3級別，雖然實現打燈自動變道、允許脫手，但使用起來的限制性條件很高，而且面對強行急加塞的處理，還是不能和人類一樣，所以駕駛主體還是以人為主。

高架和高速路段AionLX表現很穩，這個「穩」，表現在幾個方面：

跟車和車道保持比較穩定，不會出現「畫龍」的現象，偏右情況在高速時不會有；

輔助駕駛的連續性很穩，在一天的試駕體驗中主動退出的很少，除了城市道路；

對於安全監測表現很穩，一個是駕駛員監測，另一個就是如果沒有高精地圖數據後系統會降級到L2並不會退出，從而保證安全。

AionLX的輔助駕駛，在L2級別的表現已經好過很多車了，開啟後方向盤的鎖止偏硬，使得因坑窪不平而導致的方向上的曠量變小了。這套系統其實更像是L2的進階版，高精地圖帶來的體驗確實也比較明顯，但地圖數據目前會是比較大的變數。

第一次體驗AR導航，用「驚艷」形容吧！

很多人說，「老司機都不用導航」，說這話的一看就不是老司機。因為老司機現在看導航都有可能會走錯路口。

AR實景導航的概念已經出來很早了，但遲遲沒有在市場上大規模裝車，廣汽確實搶先了一步。

而一般走錯是在路口比較多，AR導航是會在地面上顯示需要走的正確車道以及正確路口。

目前廣汽的AR導航還處於比較新的一個版本，廣汽工作人員表示，「會在未來繼續對它進行優化，也不排除會採用HUD投屏的方案」。

總體而言，AR實景導航距離成為下一個主機廠競爭的高地不遠了，首先是因為AR實景導航的實用性；其次是AR導航將是車企打造智能座艙功能差異化的重要組成部分；最後是智能座艙的交互邏輯在發生改變，語音、視覺都將會成為基礎交互語言，而不止是功能。

寫在最後

現階段ADAS功能的區域局限性、場景局限性比較明顯。除了AEB之外，大多數的ADAS功能只能在高速路段上啟動，而且即使在高速公路上，無法覆蓋駕駛所需的大部分場景，系統仍然需要駕駛員接管。

ADAS在用戶體驗上也有局限性，不能真正解放用戶的注意力。ADAS功能要求用戶要時刻准備好接管車輛，不能緩解他的壓力，而且需要接管的條件很多。

要做到在用戶體驗上的真正解放用戶，不管是廣汽還是其他車企都有很長的路要走。

對於L3的定義，廣汽其實看得很清楚，想實現實際意義的L3很難，這也是為什麼奧迪等廠商選擇放棄的重要原因，轉向更加務實的從場景出發對於消費者和車企都是雙贏。

從ADiGO3.0就能看出很多，特斯拉等廠商是基於單車智能實現「好用」的輔助駕駛功能，而廣汽也早已實現了對於自動駕駛級別認知的轉變。一句話解釋就是「級別不重要，場景和功能最重要」，所以這就是廣汽的輔助駕駛其實會讓你覺得和特斯拉等比價相似，因為實現的功能都是一樣的，路徑不同而已。

而未來誰能覆蓋的場景越多，實現的「可玩性和易用性」功能越全，則會更容易走在市場前列。

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。

⑤ 在智慧時代，算力就是核心競爭力，那麼浪潮AI是如何支撐算力發展的

浪潮AI多年來一直打造人工智慧基礎措施。在算力生產層面，浪潮打造了業內最強最全的AI計算產品陣列。
其中，浪潮自研的新一代人工智慧伺服器NF5488A5在2020年一舉打破MLPerf AI推理&訓練基準測試19項世界紀錄；
在算力調度層面，浪潮AIStation人工智慧開發平台能夠為AI模型開發訓練與推理部署提供從底層資源到上層業務的全平台全流程管理支持，幫助企業提升資源使用率與開發效率90%以上，加快AI開發應用創新；
在聚合算力方面，浪潮AI持續打造更高效率更低延遲硬體加速設備與優化軟體棧；
在算力釋放上，浪潮AutoML Suite為人工智慧客戶與開發者提供快速高效開發AI模型的能力，開啟 AI 全自動建模新方式，加速產業化應用。

⑥ 北鯤雲超算平台的cae模擬軟體有哪些

眾所周知，國內的CAE整體應用技術還是比較薄弱的，隨著製造業對CAE技術應用的重視程度在增加，對於CAE分析的要求也就更多，所能達到的效果的期待值也越高。更加真實的還原結構的工作運行環境，結合大量的分析經驗做出最有效的CAE分析，為產品的設計和製造提供強有力的支持，是很多企業的需求。因此，CAE技術在製造業大量的應用已經成為必然趨勢。

雲計算的在人工智慧的成功應用對於同樣具有高算力需求的CAE分析而言，有著極大的吸引力。雲計算能夠將大量的CPU、GPU資源靈活調度，為CAE分析提供充足的算力資源。

同時，國內能夠提供整套的CAE服務的公司的並不多。主要是因為CAE技術是一門涉及許多領域的多學科綜合技術，而且CAE技術的門檻確實比較高，而能夠為CAE提供從底層算力到軟體安裝應用的公司少之又少。北鯤雲超算平台將CAE軟體安裝到雲平台，比如常見的ANSYS、ABAQUS、NASTRAN、ADINA、MARC、MAGSOFT、COSMOS等。在北鯤雲超算平台上用戶可以直接啟動這些軟體根據自己的作業對應的CPU、GPU資源配置。

CAE的關鍵鍵技術主要包括:計算機圖形技術、數據交換技術、工程數據管理技術、管理信息系統等，以ANSYS為例來說， 北鯤雲超算平台安裝了ANSYS大部分的軟體模塊，這些模塊是ANSYS收購很多很軟體後整合形成的。目前ANSYS融結構、流體、電場、磁場、聲場分析於一體的，擅長於多物理場和非線性問題的有限元分析,對於流體分析，電磁分析，瞬態動力學分析已經很強大,在鐵道，建築和壓力容器方面應用較多。它的明顯優勢在多場耦合，尤其是物理場耦合。至於熱分析則很一般，對於岩土結構的靜力學計算也不是很強悍。另外值得一提的是ANSYS的apdl語言非常高級，這也是非常多模擬工程師喜歡使用這款軟體的原因之一。 目前ANSYS件，在結構、流體、電磁、多物理場耦合模擬、嵌入式模擬各方面都有發展。

所以，在CAE領域雲計算同樣有著廣泛的應用場景及拓展空間，一個行業的發展不僅僅是行業內自身的發展，往往也需要與之相關的上下遊行業提供不斷支持。北鯤雲超算平台在CAE領域發展中，就是為行業提供底層算力支持的平台。

⑦ 許子敬BHP算力幣是什麼

BHP算力公鏈（BlockchainofHashPower），基於比特幣算力信用的分布式資產交互網路，以比特幣算力作為底層資產，通過區塊鏈技術為用戶提供基於智能合約的快速、便捷、高可靠的數字貨幣支付及資產管理服務。

⑧ 某多層現澆框架結構的底層內柱,軸向力設計值N=2650kn,計算長度l=H3.6m,混凝土強度

柱正截面單向偏心受力承載力計算書

1已知條件
柱截面寬度b=500mm,截面高度h=500mm,縱向鋼筋合力點至截面近邊緣距離as=35mm,彎矩平面內計算長度l0x=3600mm,彎矩平面外計算長度l0y=3600mm,混凝土強度等級C30,縱向鋼筋強度設計值fy=360Mpa,非抗震設計,截面設計壓力N=2650kN,計算配筋面積。
2配筋計算
查混凝土規范表4.1.4可知
fc=14.3Mpa
截面面積
A=bh
=500×500
=250000mm2
根據混凝土規范表6.2.15可得軸心受壓穩定系數
φ=1.00
軸心受壓全截面鋼筋面積
A's=0.00mm2
取全截面縱向鋼筋最小配筋率
ρ'smin=0.55%
全截面縱向鋼筋最小配筋面積
A'smin=1375mm2
As<A'smin/2，取單側鋼筋面積
As=687.50mm2
2

1已知條件
柱截面寬度b=500mm,高度h=500mm,縱向鋼筋合力點至截面近邊緣距離as=35mm,箍筋間距s=100mm,混凝土強度等級C30,箍筋設計強度fyv=270MPa,非抗震設計,軸壓力設計值N=2650kN,求所需鋼筋面積。
2配筋計算
查混凝土規范表4.1.4可知
fc=14.3Mpa ft=1.43Mpa
由混凝土規范6.3.1條可得混凝土強度影響系數
βc=1.0
截面面積
A=bh
=500×500
=250000mm2
截面有效高度
h0=h-as=500-35=465mm
截面腹板高度
hw=465mm
由混凝土規范6.3.1條可知截面允許的最大剪應力
τmax=0.25βcfc=0.25×1.0×14.3=3.58MPa
由混凝土規范可知
0.3fcA=1074.86 >N
取N=1074.86kN。
由於λ<1,根據混凝土規范,取λ=1。
則可不進行承載力計算，取
同一截面最小箍筋面積
Asvmin=25mm2 >Asv
取箍筋面積
Asv=25mm2



⑨ 地平線與未動科技達成戰略合作 共推全場景智能駕駛加速落地

作為國內領先的汽車智能化科技企業，未動科技在視覺感知演算法方面擁有行業先發優勢。同時，在自動駕駛軟體架構、基礎軟體及中間件等技術方面深入研發，不斷完善基礎架構的技術演進，探索與硬體、底層不同算力晶元的適配，為行業提供高性能高可靠的智能駕駛解決方案。目前，未動科技已獲得12家主機廠、30+款車型項目定點。

地平線是目前國內唯一一家實現車規級人工智慧晶元前裝量產的企業。作為邊緣人工智慧計算平台的全球領導者，地平線堅定擁抱生態，以AI晶元為基石，秉承軟硬協同、靈活開放的商業合作模式，與廣泛的行業夥伴深度合作、協同創新，致力於為消費者創造美好的駕乘體驗。2021年7月，地平線發布第三代車規級晶元征程5，兼具高性能和大算力，能夠支持整車智能所需要的多感測器融合、預測和規劃控制等需求。

⑩ 浪潮AI最新升級的AIStation 3.0平台算力調度能力怎麼樣

AIStation 3.0平台是浪潮AI最新升級的AI資源平台，在AI算力調度方面已全面支持最新NVIDIA® Ampere架構晶元，支持GPU多實例的靈活劃分，用戶可以通過管理界面動態調整GPU算力組合，從單卡多實例的細粒度劃分，到多機多卡的大規模並行計算，幫助用戶最大限度釋放算力資源。另外，還將提供更彈性的算力運行策略，實現運行環境與運行資源的隔離，開發者可以在不改變運行環境的情況下按需對資源進行伸縮，讓開發者不必關注底層算力技術，算力隨用隨取，按需分配，快速響應，進一步提高開發訓練效率。