寒武纪1Aint8算力
㈠ 前寒武纪条带状铁质建造型富铁矿床
一、内容概述
前寒武纪条带状含铁建造（banded iron formations，简称BIFs），主要赋存在新太古代到古、中元古代的沉积单元中，以富铁为特征，同时表现出富铁层和富硅层交替沉积的特点，互层的铁和硅厚度从微米到米级等。前寒武纪BIFs的矿物组成和结构构造与显生宙铁矿明显不同。BIFs最早形成于38亿年前，25亿年达到高峰，18亿年结束。BIFs是在早前寒武纪独特的地球早期环境下形成的特殊产物（Bekker et a1.，2010），其形成时间长、空间分布广、规模大。该类型占世界铁矿（图1）总储量的60%，占富铁矿储量的70%。除了铁，BIFs中还含有较丰富的金、钴、铂族元素等。地球上主要的BIFs集中分布在3.5～1.8Ga（Klein，2005），产于新太古代—古元古代（约2.5Ga）的西澳Hamersley群。根据矿床的形成时代及含矿建造的不同，将BIFs分为主要产于太古宙的阿尔戈马型（Algoma-type）和主要产于元古宙的苏必利尔型（Superior-type）两类。阿尔戈马型BIFs主要与绿岩带中上部的火山碎屑岩相伴生，并靠近浊积岩组合。高温水-岩地球化学交换的标志很普遍，矿床离热液源很近，岛弧/弧后盆地或克拉通内部断裂带是阿尔戈马型BIFs的古构造环境。苏比利尔型BIFs多数与沉积建造有关，它们沉积在海进的相对浅海环境中，沉积环境为大陆架被动大陆边缘。就全球而言，苏必利尔型铁矿的规模及经济价值，远比阿尔戈马型铁矿重要得多。有些苏必利尔型BIFs达数百米厚；最大的苏比利尔型BIFs，延伸超过105km2。阿尔戈马型BIFs规模相对较小，延长小于10km，厚度在10～100m。其原始Fe含量很少超过1010t。在我国，BIFs铁矿几乎都属阿尔戈马型。条带状铁建造中的富铁矿床形态多种多样，除了层状、似层状外，还有透镜状、柱状和筒状。富矿石与铁建造的关系，既有过渡的，也有突变的，甚至超出了铁建造。
巴西卡腊贾斯矿区N4E矿床位于地表以下几百米，硬质赤铁矿和软质赤铁矿向下渐变为富含碳酸盐岩的“矿胎”（图1A）。西澳哈默斯利铁矿区的Mt Tom Price矿床，平均含Fe 65%的富铁矿石产于矿床最深部位，其与条带状铁建造呈突变接触（图1B）。在南非德巴齐姆比铁矿区，8个高品位的赤铁矿矿床都产在Penge铁建造的底部，甚至在条带状铁建造下面还延伸几百米（图1C）。乌克兰克里沃罗格地区的铁矿床，高品位的矿石可延伸到现在地表以下2000多米的深处，在条带状铁建造的下面还存在着垂直柱状和筒状矿体（图1D）。
尽管对BIFs的沉积环境和沉积机制尚存争议，但是从其在全球的广泛分布和沉积鼎盛时期局限于2.65～1.85Ga的特点，可以认为：①BIFs是太古宙到古、中元古代岩石圈、水圈和大气圈富氧环境下沉积的；②大洋热液系统提供了大量的铁物质；③大洋有广阔的大陆架作为铁质建造的场所。条带状铁建造富铁矿床共同的特点是经受了多次地质构造事件，形成了复杂的褶皱系和断裂系，这些褶皱和断裂控制着富矿体的分布（Rosiere et al.，2006）。近年来的研究表明，条带状铁建造中的高品位赤铁矿矿床普遍发生了强烈的交代、淋滤作用，原始的燧石和碳酸盐岩条带在深成热液或盆地热卤水的作用下被赤铁矿和针铁矿所交代，或者富含磁铁矿的条带被氧化成假象赤铁矿和（或）被次生赤铁矿所取代。这种交代、淋滤作用使矿石中铁品位大大提高，形成了高品位富矿石。交代、淋滤过程中，围岩也发生了蚀变，出现了绿泥石化、滑石化、赤铁矿化。
图1 A—巴西卡腊贾斯N4E矿床的700N横剖面；B—澳大利亚Mt Tom Price矿床13962E横剖面；C—南非德巴齐姆比的Donkerpoort West矿床的横剖面；D—乌克兰克里奥罗格Saksagan矿田的长剖面
（据Dalstra et al.，2004）
长期以来，关于条带状铁建造富铁矿矿床的成因，一直有争论，主要有下列几种成因模式：①同生说：认为产在铁质建造中的矿石是碎屑成因的，可能经过成岩富集，甚至经受过后来变质作用、火成活动或表生作用的改造，但最初富含磁铁矿的铁建造本质上是由同生作用提供的。②表生说：认为矿石是残余富集，它是由现在或过去侵蚀面以下的地下水循环淋滤掉铁建造中的脉石矿物形成的。③表生矿石埋藏变质说：认为老的假象赤铁矿-针铁矿表生矿石经受了成岩时的埋藏变质作用（约100℃），脱水作用将表生的针铁矿部分或全部转变成微板状赤铁矿。④深成矿石表生改造说：该模式目前得到了广泛支持，经过对澳大利亚和巴西高品位赤铁矿的研究，认为深成热液将铁质建造提升为高品位的赤铁矿矿石，这种高品位矿石又为近代的表生作用所改造，品位进一步提高。
随着研究的深入，大量证据表明，条带状铁建造中的高品位赤铁矿矿床是多种作用相结合的产物。Dalstra et al.（2004）通过对卡腊贾斯、哈默斯利、克里奥罗格等高品位赤铁矿矿床的对比认为，这些矿床的形成是个连续的统一体，其“矿胎”中的矿物成分和围岩蚀变有一定的规律，反映了矿石形成时的深度和温度（图2）。近期有研究表明，BIFs沉积与前寒武纪微生物活动密切相关，微生物广泛参与了铁元素的生物地球化学循环（Konhauser et a1.，2011）。最近Li et a1.（2011）在BIFs中观察到生物成因磷，并根据矿物学证据发现BIFs中的磁铁矿颗粒具有与生物成因磁铁矿类似的晶格参数。
图2 高品位赤铁矿矿床可能的成因及其“矿胎”的连续关系
（据Dalstra et al.，2004）
最深的矿床（克里沃罗格）被解释为是在高温下形成的，在其“矿胎”中有磁铁矿-角闪石或磁铁矿-碳酸盐集合体，在其围岩中有黑硬绿泥石蚀变；中等深度的矿床（Mt Tom Price）在其“矿胎”中有磁铁矿-碳酸盐或赤铁矿-碳酸盐集合体，在其围岩中有绿泥石＋滑石蚀变，并显示出深部有还原流体，也有氧化的大气水；最浅和最“冷”的矿床（卡腊贾斯）在其“矿胎”中有赤铁矿-白云石或赤铁矿-方解石集合体，在其围岩中有绿泥石＋碳酸盐蚀变。
总之，条带状铁建造在现代风化作用下可形成假象赤铁矿-针铁矿风化壳，但是意义最大的还是铁建造深部的高品位赤铁矿矿石，它们受热液（盆地卤水）作用和构造控制明显。这种矿石有时向深部延伸数百米，甚至数千米，规模巨大，是勘查的主要对象。
二、应用范围及应用实例
巴西卡腊贾斯（Carajas）位于巴西东北部亚马孙河两个直流即兴古河和托坎延斯之间，矿区西南部-中东部地区分别发育普卢姆杂岩、埃斯特雷拉花岗岩，在区域上为一构造褶皱系，褶皱系被几条与轴面近于平行的走滑断层所切穿。SEE-NWW向的脆性-韧性卡腊贾斯剪切带和辛津托剪切带与东西向褶皱的轴面近于平行，巨型的Serra Norte矿床就发育在延伸10 km的背斜枢纽带中。大型的Serra Sul矿床发育在延伸数百到上千米的一些次级褶皱中（图3）。除褶皱作用之外，还发育断块作用和褶皱的倒转。容矿岩石为Carajas组，铁矿含量为Fe 35%～38%。主要矿石类型为脆性赤铁矿，含铁量Fe 66%～68%。次要矿石类型为脆性赤铁矿-白云石，纹层状赤铁矿-白云石（Fe 32%），赋矿围岩为玄武岩，矿化类型为赤铁矿化、绿泥石化、碳酸盐化、滑石化（Mg、Fe富集，Si、Ca、Na亏损），成矿温度为146～306℃。上述矿床的形成是在早或中前寒武纪从浅水盆地中周期性地沉积和二氧化硅及泥质沉积物交替出现的含铁化学沉积开始的，未硬结的含铁沉积物后来被淹没压实，后经中前寒武纪造山阶段，经褶皱、断裂及变质作用形成。最近研究表明， Carajas条带状铁建造中的高品位赤铁矿矿床是多种作用相结合的产物。
图3 巴西卡腊贾斯及周边地区区域构造示意图
（据Rosiere et al.， 2006）
该矿床主要特点为：①前寒武纪化学-陆源沉积的条带状铁质建造是高品位铁矿形成的重要基础，巨厚的铁质建造对形成富铁矿床最为有利；②矿床发育受构造控制，褶皱和断裂控制了Carajas富矿体的分布，其中褶皱背斜枢纽、断层接触带对富矿体的形成最有意义；③铁镁质火山岩在一定程度上控制着矿体的自然界线，两者之间交代蚀变作用强烈，绿泥石化、碳酸盐化、赤铁矿化为主要蚀变类型；④矿石类型主要为假象赤铁矿、针铁矿、三水铝石和很少量的绢云母；⑤富铁矿石与含矿建造之间为渐变过渡关系。
三、资料来源
李碧乐，霍亮，李永胜.2007.条带状铁建造（BIFs）研究的几个问题.矿物学报，27（2）：205～210
吴文芳，李一良，潘永信.2012.微生物参与前寒武纪条带铁建造沉积的研究进展.地质科学，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 自动驾驶芯片市场火爆，科技巨头抢滩，中国企业能否一战
[汽车之家 新鲜技术解读]? 自动驾驶系统，最关键的部件是什么呢？是传感器？是控制软件？还是处理芯片呢？我个人认为在目前这个阶段来说，处理芯片是一个最关键的部件，它的性能直接影响自动驾驶系统的好坏。过去，顶尖的芯片技术一直是国外企业垄断的，但随着中国芯片企业近年的快速追赶，情况已经有所改观。今天我们就来聊聊中国自动驾驶芯片究竟处于一个怎样的水平？
● 自动驾驶芯片是干什么用的？
虽然目前L3级别有条件自动驾驶车辆在中国尚未落地，但从一些带有高阶L2驾驶辅助系统的车辆上我们可以发现，这些车辆都带有数量不少的传感器用以检测车辆周围的障碍物，从而为控制系统决策提供数据支持。这些传感器包括毫米波雷达、超声波雷达、摄像头等。这些传感器每秒钟会产生数GB（1GB=1024MB=10242KB）的数据，自动驾驶芯片需要流畅地处理这些数据才能保证系统及时作出正确的决策，从而确保车辆的行驶安全。
可能大家对每秒数GB的数据没有概念，这里举一个生活中的例子。普通的USB3.0接口U盘，其读取速度峰值接近200MB/s，要从这个U盘中读取1GB的文件大约需要5秒左右的时间，足见每秒数GB的数据量是相当大的。
自动驾驶系统除了需要解决大流量数据传输问题，还需要解决的就是如何能快速处理这些海量数据，而强大的自动驾驶芯片正是那把正确的钥匙。
● 国外的自动驾驶芯片处在怎样的水平？
虽然本文主要是讲中国自动驾驶芯片的，但知己知彼，百战百胜，在审视本土状况之前，我们还是先要来简单了解国外的情况。国外自动驾驶芯片真正能够大规模进入量产车市场的无非三家，英伟达、Mobileye（现已被英特尔收购）、特斯拉。
其中，走实用路线的Mobileye目前市场占有率在70%以上，市场上的产品主要是应用于L2驾驶辅助系统的EyeQ3芯片（算力0.256TOPS，“TOPS”是每秒万亿次运算的意思，详细介绍请看这篇文章相关介绍，本文标注的算力如无特别说明均指的是8位整数计算能力）以及具备L3级别自动驾驶能力的EyeQ4芯片（算力2.5TOPS）。像是小鹏G3、蔚来ES6/ES8、广汽新能源Aion LX就采用了EyeQ4芯片作为其驾驶辅助系统的核心。
相较于英伟达上代自动驾驶平台旗舰之作DRIVE PX Pegasus 320TOPS的算力，新的DRIVE AGX Orin平台的旗舰配置实现了成倍的性能增长。此外，DRIVE AGX Orin平台的扩展柔性化程度相比以往平台进一步提升，能够通过硬件配置的增减，满足从一般驾驶辅助到L5级别完全自动驾驶等不同级别车辆的需求。
特斯拉Autopilot 1.0系统采用的是1颗英伟达Tegra3芯片+1颗Mobileye EyeQ3芯片；Autopilot 2.0系统采用的是1颗英伟达Tegra Parker芯片+1颗Pascal架构GPU芯片；Autopilot 2.5系统采用的是2颗英伟达Tegra Parker芯片+1颗Pascal架构GPU芯片。
已经搭载在最新下线特斯拉车型上的自研FSD芯片，单颗芯片算力为72TOPS，Full Self-Driving Computer集成有两颗独立工作的FSD芯片，一颗“挂了”，另外一颗马上“顶上”，提升了整套系统的安全性和稳定性。
当然了，除了上面三家锋芒毕露的企业，还有不少企业在垂涎自动驾驶芯片这块蛋糕，其中包括高通、赛灵思、恩智浦等，但这些企业真正走向量产车的自动驾驶芯片还不成规模，限于篇幅，这里就不作介绍了。
● 迅速崛起的中国自动驾驶芯片企业
好了，看完国外的情况，我们目光回到国内。自动驾驶芯片市场火爆，国外科技巨头抢滩登陆，中国企业究竟实力怎么样呢？下面我们一起来看看。
◆ 寒武纪
中科寒武纪科技股份有限公司（下称“寒武纪”）的前身是中国科学院计算技术研究所下，由陈云霁和陈天石两兄弟领导的一个课题组。该课题组在2008年开始研究神经网络算法和芯片，并在2012年开始陆续发表研究成果。
2016年，上述课题组提出的深度学习处理器指令集DianNaoYu被ISCA2016所接受，实验表明搭载该指令集的芯片相较于传统执行X86指令集的芯片，在神经网络计算方面有两个数量级的性能优势。随着课题组的研究成果趋于成熟，中科寒武纪科技股份有限公司正式成立，并着手将其芯片和指令集向商业领域转化。也是在2016年，寒武纪发布了首款商用深度学习处理器寒武纪1A。
聊完这家公司的身世，下面我们来看看它的产品。目前寒武纪有两款最新的人工智能芯片IP授权，分别是Cambricon-1M和Cambricon-1H。性能指标最强的Cambricon-1M-4K在1GHz时钟频率下拥有8TOPS的算力；性能指标最弱的Cambricon-1H8mini在1GHz时钟频率下拥有0.5TOPS的算力。所有型号的详细算力参数可以参看下表。
Cambricon-1M和Cambricon-1H被定义为终端智能处理器IP。我们在手机或者汽车这些终端上出现的人脸识别、指纹识别、障碍物识别、路标识别等应用都能通过在芯片中集成上述处理器IP实现加速。
上面提到的“边缘”一词来自于“边缘计算”。 边缘计算是指在靠近智能设备（终端）或数据源头（云端）的一端，提供网络、存储、计算、应用等能力，达到更快的网络服务响应，更安全的本地数据传输。边缘计算可以满足系统在实时业务、智能应用、安全隐私保护等方面的要求，为用户提供本地的智能服务。思元220在边缘计算中扮演着提高数据安全、降低处理延时以及优化带宽利用的角色。
目前寒武纪高算力芯片产品被定义为智能加速卡，可用于服务器中加速人工智能运算。谷歌的AlphaGo人工智能机器人打败韩国世界围棋冠军李世石的新闻相信各位有所耳闻，AlphaGo人工智能机器人的背后其实是谷歌自研的TPU芯片。寒武纪的高算力芯片产品的特性和应用也与谷歌TPU类似，当然它们之间也可以算是竞争对手了。
所不同的是思元270-S4采用的是被动散热设计，最大热设计功耗为70W，定位为高能效比人工智能推理设计的数据中心加速卡。这也意味着该卡会有“功耗墙”设定，即当加速卡功耗达到阈值上限时会降低算力以保证较低的功耗和发热。
思元270-F4相当于是“满血版” 思元270-S4，最大热设计功耗150W，采用涡轮风扇进行主动散热。良好的散热和充足的供电使得思元270-F4能够发挥出思元270芯片的全部性能。该卡定位是为桌面环境提供数据中心级人工智能计算力，简而言之就是为台式机配的高性能人工智能加速卡。
虽然思元270在制造工艺上只采用了台积电的16nm工艺，但整体能耗比还是做得比较不错的。虽然单卡算力不及最新的英伟达旗舰计算卡，但5张思元270-S4/思元270-F4并行的话，峰值算力也能达到英伟达A100的水平。只是英伟达A100更先进的工艺应该在能耗比上面会有一定的优势。
其中思元100-C搭载了视频和图像解码单元，采用被动散热方式，最大热设计功耗为110W；思元100-D不搭载视频和图像解码单元，采用被动散热方式，最大热设计功耗为75W。目前思元100系列产品已经于2019年在滴滴云和金山云上得到应用。其中滴滴云采用思元100板卡加速弹性推理服务，该服务用于深度学习推理任务；而金山云则采用思元100板卡加速语音、图像、视频等人工智能应用。
前面讲的尽是服务器级的计算卡，这是不是偏离了我们应该聊的自动驾驶芯片话题呢？其实不然。前面也提到了，寒武纪目前是一家专注于人工智能芯片开发的企业，自动驾驶领域确实涉足不深，但通过和其他国内友商的联合还是有一些建树的。
WiseADCU CN1自动驾驶运算域控制器提供了L3或以上级别自动驾驶系统所需的算力以及传感器连接数量需求，实现了仿真、模型、系统、架构、编码、加速、算法七个关键控制点的自主可控。
实际上威盛集团由于处理器产品性能竞争力弱，早就退出了主流X86处理器市场的竞争，市场中就剩下英特尔和AMD在角力。兆芯成立后，吃透了威盛的X86技术，并在威盛当时最新的处理器架构基础上进行全面的改进和优化，先后推出了ZX-A、ZX-C以及ZX-C+等处理器产品。
6月2日，科创板上市委发布2020年第33次审议会议结果公告，寒武纪上市获得通过，从受理到审批通过，寒武纪只用了68天，刷新了科创板审核速度。寒武纪上市后成为A股中唯一一家人工智能芯片公司，该领域的市场空间在2022年有望超过500亿美元，发展潜力巨大。打通了A股融资渠道的寒武纪究竟能否凭借其独特的技术优势进一步发展壮大呢？这谁都说不准，但可以确定的是，寒武纪的成功上市让很多投身于该领域的公司赢得了信心，看到了希望，中国人工智能芯片时代或将由此开启。
◆ 地平线机器人
好了，聊完寒武纪，我们来聊聊另外一家人工智能芯片企业——地平线机器人技术研发有限公司（下简称“地平线”）。地平线是由前网络深度学习研究院常务副院长余凯于2015年创立的，专注于自动驾驶与人工智能芯片的一家公司。余凯也是网络自动驾驶的发起人。
余凯建立的地平线，一直以来坚持的是软件和硬件相结合的方向。他认为，算法、芯片和云计算将构成自动驾驶的三个核心支点。相比起前面介绍的寒武纪注重打造高性能硬件芯片，地平线的商业模式是把以“算法+芯片”为核心的嵌入式人工智能解决方案，提供给下游厂商。打个比方比较好理解，如果说寒武纪卖的是处理器芯片，那么地平线卖的就是安装了操作系统的整机。产品方面，相较寒武纪从终端到云端的芯片产品布局，地平线虽然自研芯片，但更偏重的是以产品功能来划分产品线。
硬件上，征程二代芯片内部集成了两个Cortex A53核心、两个自研的BPU（Brain Processing Unit，可用于加速人工智能算法）核心、DDR4内存控制器以及输入输出控制器，算力达到4TOPS，典型功耗为2W，这比起目前主流的Mobileye EyeQ4芯片的算力和能耗比都更优秀。
这些智能音箱有较强的自然语义识别功能，能够识别人们发出的语音命令，结合物联网技术，人们通过简单的语音命令除了能够让音箱播放在线音频资源外，还能够控制各种家电，如开关、灯泡、风扇、空调等。这就是AIoT的一个最简单的应用例子。
从硬件方面看，旭日二代芯片内部集成了两个ARM Cortex A53核心、两个自研的BPU核心、DDR4内存控制器以及输入输出控制器，算力达到4TOPS，典型功耗为2W。从参数上看，旭日二代和征程二代好像没什么差别，实际上征程二代可以看做是旭日二代的车规版，它满足AEC-Q100标准，在工作温度、电磁辐射等标准上会更高一些。虽然征程二代和旭日二代均采用台积电28nm工艺制造，但旭日二代芯片尺寸为14x14mm，比征程二代芯片17x17mm的尺寸更小，更有利于内嵌到AIoT设备当中。
和寒武纪一样，地平线同样拥有自研的人工智能加速芯片技术。所不同的是，地平线更注重软件和硬件的整合，从而为下游厂商提供成熟的解决方案。在资本市场，地平线同样受到追捧，其投资者众多，其中包括了世界半导体行业巨头英特尔和SK海力士以及国内的一线汽车集团等。未来地平线是否会和寒武纪一样登录科创板目前还不得而知，但CEO余凯对于在科创板上市是持积极态度的。我个人是支持有更多像地平线这样的企业登录科创板，更充分的竞争可以避免垄断同时促进该领域的加速发展。
◆ 西井科技
西井科技创办于2015年，它起初是一家做类脑芯片的厂商。所谓的类脑芯片简单来说就是以人脑的工作方式设计制造出来的芯片。目前大行其道的冯?诺依曼结构处理器芯片，其计算模块和存储单元是分离的，芯片工作的过程中需要通过数据总线来连接计算模块和存储单元，数据传输上的开销太大从而限制着这类芯片的工作效率和能耗比的提升。
类脑芯片模仿的是大脑神经元的工作形式，大脑的处理单元是神经元，内存就是突触。神经元和突触是物理相连的，所以每个神经元计算都是本地的，而从全局来看神经元们是分布式在工作。类脑芯片由于具有本地计算和分布式工作的特点，所以在工作效率和能耗上相比冯?诺依曼结构处理器芯片更有优势。
虽然这种类脑芯片看着和普通的处理器芯片在外观上没有什么不同，但其实内部运作原理与传统的处理器芯片有着本质的区别。国内除了西井科技开发出了类脑芯片，像是清华开发的天机（TianJic）芯片和浙大开发的达尔文（DARWIN）芯片都是类脑芯片。所不同的是，西井科技的DeepSouth芯片是全球首块可商用5000万类脑“神经元”芯片。
西井科技这艘大船拿着投资人动辄过亿的投资款，肯定是要追求盈利的。不管公司的技术有多超前，无法商业化在逐利的资本市场必然是无法接受的。随着人工智能和自动驾驶产业的兴起，西井科技找到了技术商业化的契机。
相比起我们前面两个厂商动辄上百TOPS算力的产品，西井这两款产品的算力确实有点拿不出手。但西井科技的这两款芯片能够实现片上学习，可以随时新增样本进行增量训练来提升推理准确率。
可能大家看到这里还是没看懂西井科技这两块芯片的优势所在，我在这里稍微解析一下大家就能够明白。目前的自动驾驶算法都是通过高性能服务器进行模型训练（让计算机去看摄像头或激光雷达等传感器获取的环境数据，学习目标判断方法），然后将训练好的模型再部署到车载硬件之中（把机器学习到的高效目标判断方法固化到车载自动驾驶系统之中）。
在实际应用方面，西井科技并没有一头冲进乘用车自动驾驶系统领域，而是在智能港口和智能矿场干出了自己的一片天地，并把触角伸向了智慧医疗和智慧物流领域。2017年10月，公司与全球知名港机巨头振华重工建立长期合作伙伴关系，这是西井科技进军智能港口的重要一步。
自动驾驶卡车要在港区自动装卸集装箱，需要自动驾驶系统精细的车辆控制、敏锐的环境识别以及准确的定位，这些都需要港区高清地图配合。西井科技的无人集装箱卡车定位精度在5cm以内，这是实现集装箱自动装卸的关键。全球首辆港区作业无人集装箱卡车作业成功，充分展现了西井科技在卡车自动驾驶系统以及高精度地图绘制领域的实力。
除了自动驾驶和高清地图绘制外，西井科技还为企业打包了一整套智能港口和智能矿场解决方案，利用人工智能技术提升港口和矿场的运作效率，同时能够进一步降低其运营成本。深挖行业中存在的机遇，逐步筑起行业壁垒是西井科技面对人工智能芯片市场激烈竞争的重要策略。
作为全球最早落地行业应用的自动驾驶团队，西井科技旗下自动驾驶品牌Qomolo逐路目前涵盖了无人驾驶跨运车、无人驾驶新能源集卡和无人驾驶矿卡三大项目。
面对乘用车自动驾驶芯片领域的激烈竞争，我认为短期内西井科技不会进入该领域。相反它会通过深耕已有的智能港口、智能矿场以及无人驾驶重卡市场，进一步筑高上述市场的壁垒，扩大自身的行业影响力和竞争力。但不能忽视的是，西井科技掌握的类脑芯片技术或有可能成为未来自动驾驶芯片领域的一个风口。
上文详细介绍中国3家知名自动驾驶芯片公司及其产品，相信大家应该对目前国内自动驾驶芯片现状有了一个更深了解。除了这三家公司，数字地图供应商四维图新通过收购杰发科技也布局自动驾驶芯片市场，但量产芯片目前尚未落地。网络的昆仑芯片以150W的功耗实现了260TOPS的算力，竞争力很强，但其定位为云端全功能人工智能芯片，主要用在服务器之上。网络在自动驾驶领域的亮点还是在于其Apollo自动驾驶软件平台。
● 全文总结：
寒武纪、地平线、西井科技这三家公司都有着各自的特色和亮点。寒武纪专注于芯片研发，产品算力最强；地平线除了研发芯片，还提供完整的自动驾驶软件方案，对主机厂开发更友好；西井科技掌握独特的类脑芯片设计，在智能港口、智能矿场以及无人驾驶卡车领域已经站稳了阵脚。整体来看，中国自动驾驶芯片在性能和功耗上和外国芯片相比并不差，如何在中国开放L3级别有条件自动驾驶车辆落地这个时间节点用产品和服务先发制人是中国自动驾驶芯片企业的制胜关键。究竟鹿死谁手，让我们拭目以待吧，好戏即将上演！（图/文/汽车之家 常庆林?部分图片源于网络）
㈢ 在易配芯城里购买电子元器件大概多久能到
寒武纪的芯片 2017年9月，华为发布了全球首款人工智能手机芯片麒麟970，之所以被称为“人工智能芯片”，这是因为寒武纪在他们的芯片上添加了自己的智能芯片“寒武纪1A”。 前文说公司刚成立第二年，寒武纪就卖了1亿元芯片，而买方就是华为。 在处理人工智能应用时，“寒武纪1A”的性能是4核CPU的25倍以上，而耗用的电量却只有五十分之一。 搭载“寒武纪1A”的麒麟970芯片每分钟可识别2005张照片，而苹果的A11处理器只能处理889张照片，三星S8每分钟只能识别95张。 照片识别速度对比：左为华为手机，中间iPhone 8，右边三星S8 在CES2018期间，外媒对比评测了麒麟970和苹果A11在AI性能上的跑分成绩，结果令评测人员吃惊，麒麟970大幅领先
像这样无知的问题也脸提出？真是老美卡中兴下作，低档不骂！中兴小偷钩当不骂！却在跟老美骂中国科学技术不行，连一颗芯造不出， 还什幺空白怎幺填。其恶意攻击不是一目了然吗。除非他真无知无识，不懂装懂。
㈣ 自动驾驶芯片哪家强，这家中国创业公司竟然说自己超越了特斯拉
文/田忠朝
在自动驾驶量产应用上，特斯拉为何能遥遥领先？很多人认为是其强大的软件算法，其实软件算法固然重要，但拥有强大计算能力的感知和决策芯片也必不可少。
可以预见，未来自动驾驶技术必然是各国竞争的高地，而自主可控的芯片技术对于增强我国自动驾驶行业整体实力来说将会有很大的帮助。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
㈤ 骁龙855与麒麟980，你会选择哪一个
相比之下，麒麟990较好。
麒麟990已超越骁龙855+。具体对比如下：
1、基带部分，不同于骁龙855+采用的外挂X50基带，麒麟990 5G是目前第一款商用的集成5G基带SoC。集成5G基带可以解决外挂基带所带来的高能耗，高占用空间等问题，同时也意味着手机厂商可以将更多的主板空间腾出来，提升手机的其他能力，比如提升电池容量。骁龙855+在5G技术上远不敌麒麟990 5G。
2、而在GPU方面，麒麟990 5G采用了Mali G76 MP16的GPU，通过提升GPU核心的数量，提高了GPU的性能和能耗比，虽然我们目前还没有办法确认麒麟990 5G在CPU和GPU性能上相对骁龙855+有多大的提升(跑分数据还得等Mate30的发布才能知道)。但可以确认的是，优化的架构配合7nm+EUV的工艺，麒麟990 5G在功耗上相比高频的骁龙855+有不小的优势。
3、麒麟990 5G在NPU上也做了很多升级，不仅搭载了之前首发在麒麟810上的达芬奇架构NPU，还采用了两大一微的架构(麒麟990是一大一微)。在NPU极限算力方面要超过目前的骁龙855+。最明显的就是，麒麟990 5G支持实时视频的多实例分割。也就是在同一段视频内，通过NPU分别识别多个物体，并对视频进行分割。这是目前骁龙855+手机都没有的功能。
㈥ 寒武纪大爆发
“寒武纪大爆发”这一词源于英文“Cambrian explosion”，是指寒武纪初期多门类生物的大规模的突然出现。达尔文曾注意到这个现象，意识到这个问题如果得不到合理的解释，已经建立起来的进化论就会遇到严重的挑战。
1.小壳化石
小壳化石是指在前寒武系/寒武系界线附近开始出现，在寒武纪初大量繁盛和分异，个体微小，具有硬壳的多门类海生无脊椎动物。它不是一个生物分类单元名称。小壳化石包括软舌螺、似牙形石、软体动物、可能与腕足类有亲缘关系的双壳瓣化石以及大量多种生物分类位置不明的化石（锥石类、叶足类等）。发现于西伯利亚地台、中国、蒙古、哈萨克斯坦、伊朗、东欧地台、东南欧、北美、澳大利亚、非洲和南极。
2.澄江生物群
澄江生物群产于我国云南省澄江县抚仙湖东北帽天山地区的早寒武世玉案山组，距今约5.3亿年。澄江生物群是在特异保存条件下，保存了生物生前未矿化的软体部分，属于特异埋藏生物群，是软躯体化石宝库之一，被国际学术界誉为“二十世纪最惊人的发现”。
图6-5 后生动物分支系统
该生物群包括藻类、分类位置不明的管栖生物、海绵动物、开腔骨类、腔肠动物类（含栉水母类）、曳鳃动物类、叶足类、纤毛环超门类群（包括：软舌螺类、水母状动物、帚虫类、腕足类）、环节动物类、节肢动物类以及脊索动物等（图6-6）。
澄江生物群所展示的演化模式与达尔文所预示的模式完全不同。它不但证实了大爆发式演化事件在5.3亿年前确实曾经发生，最令人震撼的则是这一事件发生在短短数百万年期间，几乎所有现生动物的门类和许多已灭绝了的生物突发式地出现于寒武纪地层，而在更老的地层却完全没有其祖先型的生物化石发现。
图6-6 澄江生物群复原图
（自陈均远等，1996）
1—Amplactobulua（巨虾）；1a—Anomalocaris（奇虾）；2—Eldonia（依尔东钵）；3—Saperion（谜虫）；4—栉水母类；5—螺旋藻；6—Megaspinella（宏螺旋藻）；7—Yujnessia（约克那斯藻）；8—Sinocylindra（中华细丝藻）；9—Waptia（瓦普塔虾）；10—Isoxys（等刺虫）；11—Banffia（斑府虾）；12—Vetulicolanidla（古虫）；13—棘皮动物；14—Leptomitella（小细丝海绵）；15—Tiajengia（尖峰虫）；16—Choia（斗蓬海绵）；17—Leptomitus（细丝海绵）；18、42—开腔骨类；19—栉水母类；20—Crumllospongia（钱包海绵）；21—Cindarella（灰姑娘虫）；22—Rotadiscus（轮盘钵）；23—Kuanyangia（开扬虫属）；24—Alalcomenaeus（始虫）；25—Hazelia（海扎海绵）；26—Urokodia（尾头虫）；27—Eoredlichia（始莱得利基虫）；28—Yunanocephalus（云南头虫）；29—Wut⁃ingaspis（武定虫）；30—软舌螺类；31—腔肠动物；32—Halichondrites（软骨海绵）；33—Quadrolaminiella（四层海绵）；34—Cardiodictyon（心网虫）；35—Retifacies（网面虫）；36、39—Xandarella（海怪虫）；37—Microdic⁃tyon（微网虫）；38—Misszhouia（周小姐虫）；40—Naraoia（娜罗虫）；41—Paucipodia（贫腿虫）；43—Takak⁃kawia（塔卡瓦海绵）；44—Fuxianhuia（抚仙湖虫）；45—Acanthomeridion（刺节虫）；46—Onychodictyon（爪网虫）；47、52—Phoronids（帚虫类）；48—Lingulepis（磷舌形贝）；49—Xianguangia（先光海葵）；50—Maotians⁃hania（帽天山虫）；51—Luolishania（罗里山虫）；53—Dinomischus（高足怀虫）；54—Heliomesa（日射水母贝）；55—Facivermis（火把虫）；56—Annelida？（环节动物？）；57—Cambrorhytium（寒武怀管虫）
澄江生物群的发现对研究生物进化理论方面具有十分重要的意义。达尔文的传统生命演化理论认为，生物演化是“渐变”的。但我国云南澄江生物群的发现却显示了早寒武世生物的快速演化，在距今约5.3亿年澄江动物群中，几乎现今的各主要动物门类（从低等的海绵动物到脊椎动物等十几个门类）都出现有各自的代表，这种“爆发”式的出现和“突变”式的演化，对达尔文传统的“渐变论”的生物进化理论是一个有力的冲击；与此同时，对建立一个新的、完整的生物进化理论也将是一个有力的补充。
㈦ 为什么华为不再用寒武纪
这个很正常，这只是正常的商业合作与商业竞争，算不上什么内斗，更扯不到什么联想投资啊，华为寒武纪闹矛盾啊什么的，没必要过分揣度，先看两个时间点，2017年10月，第一款搭载970的mate10首发（用寒武纪的npu），2018年10月10日，华为全联接大会推出了升腾910和升腾310，这两个时间点只相差1年时间。而且注意，升腾芯片背后是华为的全栈全场景ai解决方案，全场景，是指包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等部署环境，也就是说消费者终端只是华为ai战略的一小部分。
打开网络APP，查看更多高清图片
华为是目前全球已发布的单芯片计算密度最大的AI芯片，还有Ascend310，是目前边缘计算场景最强算力的AISoC。CANN：芯片算子库和高度自动化算子开发工具，MindSpore，支持端、边、云独立的和协同的统一训练和推理框架。
㈧ 国产云端智能芯片有何特点
云端智能芯片是面向人工智能领域大规模数据中心和服务器提供的核心芯片。5月3日，中国科学院发布国内首款云端人工智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平，将广泛应用于智能手机、智能音箱、智能摄像头、智能驾驶等不同领域。
智能芯片是前沿科技和社会关注的热点，也是人工智能技术发展过程中不可逾越的关键环节。可以说，不论有怎样领先的算法，要想最终应用，都必须通过芯片实现。
此外，这次最新发布的寒武纪1M处理器是公司的第三代IP产品，它延续了前两代产品（寒武纪1H/1A）卓越的完备性，单个处理器核即可支持多样化深度学习模型，并更进一步支持经典机器学习算法和本地训练，为视觉、语音、自然语言处理以及各类经典的机器学习任务提供了灵活高效的计算平台，将广泛应用于智能手机、智能音箱、智能摄像头、智能驾驶等不同领域。
㈨ 280TOPS算力爆表！北京车展最强国产自动驾驶平台是它
▲左右分别为黑芝麻CEO单记章、COO刘卫红
黑芝麻CEO单记章此前是全球视觉芯片领军企业OmniVision创始团队成员，在硅谷芯片行业打拼了20多年，在图像处理芯片和软件算法上具有丰富的经验和技术积累。
CTO齐峥是英特尔奔腾二代芯片主要设计成员、CSO曾代兵是中兴微电子总工程师，COO刘卫红则曾是博世中国ADAS主力部门——底盘与控制系统事业部的中国区总裁。
正因为有超强的研发团队，让黑芝麻这家初创公司可以在3年时间内做出ADAS芯片华山一号A500并量产上市，在今年推出华山二号A1000芯片，发布FAD自动驾驶平台。
今年以来，新车如果没有配备L1/L2级自动驾驶，都“不好意思卖”，自动驾驶的普及程度正在快速提高，而更高等级的L3级甚至L4级自动驾驶也已经到了量产前夜，行业内对自动驾驶芯片和计算平台解决方案需求呈爆发性增长态势。仅自动驾驶芯片的市场规模，都有望达到万亿美元级别，成为半导体行业最大单一市场。
因此，FAD此时进入自动驾驶市场可谓正当其时。
今年8月，一汽智能网联开发院与黑芝麻达成技术合作协议。一汽智能网联开发院将启动基于华山二号A1000的智能驾驶平台的开发，以满足后续量产车型需求。双方将共同推动人工智能技术在汽车工业领域的应用，加速国产智能驾驶芯片的产业化落地。
另外，黑芝麻也已经签约多个FAD定点车型，预计明年就将有搭载FAD自动驾驶平台的车型上市。此外，国内外也已经有多家企业开始测试FAD自动驾驶平台，测试车辆已经上路。
黑芝麻在自动驾驶芯片和域控制器中取得的巨大成功，让行业研究机构开始重视这家刚成立4年有余创业公司。今年4月，硅谷最强智库之一的CBInsights发布中国芯片设计企业榜单，黑芝麻在车载芯片领域上榜，成为中国芯片设计企业65强之一。
今年7月，黑芝麻华山二号A1000芯片也亮相世界人工智能大会，与平头哥、依图、寒武纪等高端人工智能芯片同台亮相。
可以说，黑芝麻经过四年多的发展，已经成为全球领先的自动驾驶芯片设计公司，甚至已经有能力和芯片行业的老大哥们一较高下。同时，黑芝麻的快速进步，也推动着国内自动驾驶芯片设计再上新台阶。
在与两位创始人的交谈中，他们还透露了一个彩蛋，明年黑芝麻将发布性能更强的芯片，届时搭载这一芯片的FAD自动驾驶平台最高算力有望突破1000TOPS，其算力已经可以进行完全自动驾驶。
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。