算力架构
1. 一个cpu有多少算力
这个说的就比较笼统了，相对来说一个CPU的算力还是比较强的，当然，这跟他的性能有很大的关系，越强大的性能，算力就越快越准
2. 可重构计算芯片与其他架构芯片有什么不同，为什么可以做到更高的能效比
可重构计算架构（Coarse-，CGRA），是指能根据变换的数据流或控制流，对软件和硬件结构进行动态配置的计算模式。
CGRA最大的优势就是能通过空域硬件结构组织不同粒度和不同功能的计算资源，通过通过运行过程中的硬件配置，调整硬件功能，根据数据流的特点，让功能配置好的硬件资源互连形成相对固定的计算通路，从而以接近“专用电路”的方式进行数据驱动下的计算(如图所示)。当算法和应用变换时，再次通过配置，使硬件重构为不同的计算通路去执行。一方面，因为没有传统指令驱动的计算架构中取指和译码操作的延时和能耗开销，二是在计算过程中以接近“专用电路”的方式执行，是一种高效而灵活的计算架构，所以在能在算力和能耗上取得很好的平衡，达到更高的能效比。
补充一下与传统芯片的对比：
CPU架构基于通用指令，以时域执行模式进行计算，非常灵活。但是取指，译码开销大，若碰到条件分支预测等，控制代价大。同时，计算过程中时域执行方式下，数据复用率低，频繁访存能耗开销大。
GPU架构采用了基于指令的SIMD执行方式，考虑了比如3D图形处理等通用需求，除了取指，译码代价开销外，还会有高吞吐高带宽设计，在实际AI处理过程中，带宽和资源利用率随着变化大，利用效率低，能耗开销大。
NPU计算架构对特定神经网络进行了定制化，其仍然是基于指令执行的方式，指令读取和译码开销不可以避免，同时，对于没有定制的层，无法很好处理，灵活性受限。CGRA相比NPU能够有10倍以上的性能提升。
FPGA计算架构细粒度位级别，基于查找表的执行方式，硬件可编程，非常灵活。然而，大量细粒度LUT使得内部连线非常复杂，大量基于存储的LUT的存在和互联线，也会耗费大量的功耗。
3. 框架结构计算内力时基础相连层组装吗
不明白题目中的“组装”是什么意思，是装配式结构的组装吗？
“相连层”指的哪一层？预算口可能有‘基础层’的提法，建施图、结施图中没有‘基础层’、‘相连层’的说法，要嘛就底层（首层），要嘛就地下室（负1层或负×层），基础顶面到±0.000不能构成一层，除非设计有通风隔潮的架空层。
请题目正确解释，明确问点，不要似是而非，明确要回答什么。
4. 区块链技术的架构模型包含了哪些
金窝窝分析区块链技术的架构模型如下几点：
1、数据层
数据层封装了底层数据区块以及相关的数据加密和时间戳等技术；
2、网络层
网络层则包括分布式组网机制、数据传播机制和数据验证机制等；
3、共识层
共识层主要封装网络节点的各类共识算法；
4、激励层
激励层将经济因素集成到区块链技术体系中来，主要包括经济激励的发行机制和分配机制等；
5、合约层
合约层主要封装各类脚本、算法和智能合约，是区块链可编程特性的基础；
6、应用层
应用层则封装了区块链的各种应用场景和案例。
5. 华为的NPU为什么叫达芬奇架构，而不用中国古代名人命名
华为公司之前的芯片的设计命名基本上以古代比较大气的名字为主，也展示了中国古代文化的博大精深，听着就觉得让人提气，这次换成外国科学家的名字更加引起大家的关注，归根到底就是一种名字而已。
科技产品的研发代号，使用外国名词的情况比比皆是。美国人的防空系统“宙斯盾”即是典型代表，有什么不妥？有人调侃华为把整个《山海经》里的名词都快注册完了，华为是大量使用了“比较爱国”的名词的，现在注册一个“达芬奇架构”结果某一小撮人的小心脏突然受不了了，于是无厘头闹剧。达芬奇怎么了？维也纳怎么了？都是很牛掰的享誉度国际名词，注册的到很高兴嘛。华为产品行销世界，为何不可以使用世界的名词？
6. 什么是达芬奇架构
达芬奇架构，是华为自研的面向AI计算特征的全新计算架构，具备高算力、高能效、灵活可裁剪的特性，是实现万物智能的重要基础。具体来说，达芬奇架构采用3D Cube针对矩阵运算做加速，大幅提升单位功耗下的AI算力，每个AI Core可以在一个时钟周期内实现4096个MAC操作，相比传统的CPU和GPU实现数量级的提升。同时，为了提升AI计算的完备性和不同场景的计算效率，达芬奇架构还集成了向量、标量、硬件加速器等多种计算单元。同时支持多种精度计算，支撑训练和推理两种场景的数据精度要求，实现AI的全场景需求覆盖。
7. 给人工智能提供算力的芯片有哪些类型
给人工智能提供算力的芯片类型有gpu、fpga和ASIC等。
GPU，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器，与CU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。
FPGA能完成任何数字器件的功能的芯片，甚至是高性能CPU都可以用FPGA来实现。 Intel在2015年以161亿美元收购了FPGA龙 Alter头，其目的之一也是看中FPGA的专用计算能力在未来人工智能领域的发展。
ASIC是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。谷歌最近曝光的专用于人工智能深度学习计算的TPU其实也是一款ASIC。
(7)算力架构扩展阅读：
芯片又叫集成电路，按照功能不同可分为很多种，有负责电源电压输出控制的，有负责音频视频处理的，还有负责复杂运算处理的。算法必须借助芯片才能够运行，而由于各个芯片在不同场景的计算能力不同，算法的处理速度、能耗也就不同在人工智能市场高速发展的今天，人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。
8. 试述多层框架结构在竖向荷载作用下采用分层法的计算内力的步骤
1.将多层框架分层，以每层梁与上下柱组成的单层框架作为计算单元，柱远端假定为固端
2.用力矩分配法分别计算单元的内力,由于除底层柱底是固定端外,其他各层柱均为弹性连接,为了减少误差,除底层柱外,其他各层柱的线刚度均乘以0.9的折减系数,相应的传递系数也改为1/3，底层柱仍为1/2
3.分层计算所得的梁端弯矩即为最后弯矩
9. 求历代英伟达显卡架构名称
NVIDIA显卡的核心微架构经历了特斯拉（Tesla）、费米（Fermi）、开普勒（Kepler）、麦克斯韦尔（Maxwell）、帕斯卡（Pascal）、图灵（Turing）。
CPU架构是CPU厂商给属于同一系列的CPU产品定的一个规范，主要目的是为了区分不同类型CPU的重要标示。目前市面上的CPU指令集分类主要分有两大阵营，一个是intel、AMD为首的复杂指令集CPU，另一个是以IBM、ARM为首的精简指令集CPU。
NVIDIA显卡架构详情如下：
2000年—收购图形技术先驱3dfx；2001年—进入集成图形市场；2002年—被《财富》杂志评为美国成长最快的公司；2003年—收购MediaQ；2004年—SLI发布，大幅提升了单台PC的图形处理能力；2005年—为索尼游戏机开发处理器；2006年—革命性CUDA架构亮相；
2007年—被《福布斯》评选为年度最佳企业；2008年—Tegra移动处理器问世；2009年—首届GPU技术大会，推出Fermi架构；2010年—助力世界上最快的超级计算机；2011年—收购基带领先者ICERA；2012年—推出基于Kepler架构的GPU；2013年——推出Tegra4系列处理器；
2014年—发布TegraK1SHIELD平板电脑，安卓游戏大火；2015年—深耕深度学习；2016年—驱动AI革命；2017年—Volta架构问世，进一步推动现代AI；2018年—Turing架构问世，重新定义了计算机图形；2019年—AI算力将持续革新各行各业；
10. 智能计算中心是基于怎样的理论，采用的哪种架构
2020年11月17日，在第十届全球智慧城市大会上海会场，国家信息中心信息化和产业发展部联合浪潮信息发布了《智能计算中心规划建设指南》明确定义了智能计算中心是基于最新人工智能理论，采用领先的人工智能计算架构，提供人工智能应用所需算力服务、数据服务和算法服务的公共算力新型基础设施，通过算力的生产、聚合、调度和释放，高效支撑数据开放共享、智能生态建设、产业创新聚集，有力促进AI产业化、产业AI化及政府治理智能化。