tpu算力

1. 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）

2. 自研芯片，算力远超英伟达谷歌的芯片巨头是哪一个

必须是华为，华为现在正在自研芯片，采取的是最新的技术，目前的成功品在运算速度上已经超过同期其他芯片产品了。

3. 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。

(3)tpu算力扩展阅读：

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。

4. AI服务器的优势有哪些

从服务器的硬件架构来看，AI服务器是采用异构形式的服务器，在异构方式上可以根据应用的范围采用不同的组合方式，如CPU+GPU、CPU+TPU、CPU+其他的加速卡等。与普通的服务器相比较，在内存、存储、网络方面没有什么差别，主要在是大数据及云计算、人工智能等方面需要更大的内外存，满足各种数据的收集与整理。

我们都知道普通的服务器是以CPU为算力的提供者，采用的是串行架构，在逻辑计算、浮点型计算等方面很擅长。因为在进行逻辑判断时需要大量的分支跳转处理，使得CPU的结构复杂，而算力的提升主要依靠堆砌更多的核心数来实现。

但是在大数据、云计算、人工智能及物联网等网络技术的应用，充斥在互联网中的数据呈现几何倍数的增长，这对以CPU为主要算力来源的传统服务提出了严重的考验，并且在目前CPU的制程工艺、单个CPU的核心数已经接近极限，但数据的增加却还在持续，因此必须提升服务器的数据处理能力。因此在这种大环境下，AI服务器应运而生。

现在市面上的AI服务器普遍采用CPU+GPU的形式，因为GPU与CPU不同，采用的是并行计算的模式，擅长梳理密集型的数据运算，如图形渲染、机器学习等。在GPU上，NVIDIA具有明显优势，GPU的单卡核心数能达到近千个，如配置16颗NVIDIA Tesla V100 Tensor Core 32GB GPUs的核心数可过10240个，计算性能高达每秒2千万亿次。且经过市场这些年的发展，也都已经证实CPU+GPU的异构服务器在当前环境下确实能有很大的发展空间。

但是不可否认每一个产业从起步到成熟都需要经历很多的风雨，并且在这发展过程中，竞争是一直存在的，并且能推动产业的持续发展。AI服务器可以说是趋势，也可以说是异军崛起，但是AI服务器也还有一条较长的路要走，以上就是浪潮服务器分销平台十次方的解答。

5. 金融科技(fintech)就业的前景以及所涉岗位是什么

金融科技(fintech)就业的前景广阔，是未来发展的重要方向，并且所涉岗位比较多，例如产品经理、数据专家等，具体介绍如下：

金融科技就业前景：

在金融机构、金融科技企业、第三方金融服务机构、金融监管部门及相关企事业单位、政府部门从事金融科技产品开发、运营和管理等相关工作。

与传统金融相比，金融科技凭借在许多方面有着更大的优势，在处理风险和获客上的效率都大大提升，成为风投界的新兴宠儿。

金融科技就业岗位：

1、区块链开发人员

市场对区块链编程人才的需求猛增。根据自由职业人才市场Upwork的统计，区块链已成为金融技能需求增长最快的技能之一。

2、开发人员

FINTECH应用程序市场在过去几年中取得了惊人的增长。根据最近的报道，全球应用下载和消费者支出已达到创纪录水平。

由于受到精通技术的年轻一代消费者的需求的推动，移动支付解决方案和个人理财的需求在极速增长。

3、金融/财务分析师

财务分析师负责根据收入预测来管理预算。根据公司的规模，您可以是单个部门或整个公司的分析师。

4、产品经理

产品经理将设计，架构和开发一个去中心化的区块链网络，以实现强大的数据安全性，对数据的强大控制，易于集成，创建新的利润中心并降低成本。

5、合规专家

随着FINTECH的监管负担增加，这些金融公司中将有更多的合规专家，合规官和合规分析师在工作。根据华尔街日报，合规官是该国最热门的工作之一。

6、网络安全分析师

网络作为在线小偷和黑客总是去赚钱的地方。金融服务将永远是主要目标。根据IBM X-Force研究小组的研究，自2016年以来，金融服务行业遭受的攻击比任何行业都多。故此，对于网络安全分析师的需求居高不下。

7、定量分析师

“ Quants”是撰写大型，复杂财务模型必不可缺的专业人才。他们是在大型投资银行和对冲基金进行交易证券和分析风险的数据驱动交易技术的驱动着。

随着大数据的持续增长，量化在FINTECH中变得越来越重要，以设计能够对大量数据进行分类并使其自动化的模型，从而使交易可以成为一个主要的自动化过程。

8、业务发展经理

业务开发经理在FINTECH组织中非常重要，因为他们有助于产生新的收入并帮助许多新兴公司成长。业务开发经理正在寻找新市场，新业务伙伴关系以及开发现有市场的新方法。

9、数据专家

随着客户越来越多地使用Internet和数字技术，客户变得越来越主动，并希望新的金融服务公司为他们提供更多根据其需求量身定制的服务。

因此，将需要数据科学家，首席数据官，财务数据分析师和数据分析经理来筛选可以提供更多有关其市场洞察力的信息。

金融科技的兴起过程：

以大数据、云计算、人工智能、区块链以及移动互联为引领的新的工业革命与科技革命，会导致金融学科的边界、研究范式不断被打破和被重构。

本轮科学技术的爆发导致金融行业传统发展模式受到颠覆性冲击的主要原因有以下两方面：

一方面是全球数据积累存量已达到引爆新一轮行业变革的规模和水平，全球数据正以每年40%左右的速度快速增长。

2017年全球的数据总量为21.6ZB（1个ZB等于十万亿亿字节），金融数据在其中占比很高，此外金融市场天然拥有海量标准化大数据，适合前沿科技落地生根。

另一方面是人工智能等前沿科技在算法、算力方面的使用，以及诸如GPU、TPU以及NPU等硬件技术的革命性突破，逐渐使已稳定50年之久的“摩尔定律”迎来终结。

科技深刻地改变了金融业态，并开始成为未来金融发展的制高点。金融科技正在传统金融行业的各个领域积极布局，已然成为新的风口。

6. 为何说传统的处理器已老态龙钟了

据报道，日前美国公布的《2016—2045年新兴科技趋势报告》将人工智能作为最值得关注的科技发展趋势之一，随着人工智能快速发展，传统计算机芯片“算力”不足问题日益凸显，研制更能满足人工智能计算需求的新一代计算机芯片成为当务之急。

人工智能的快速发展，对芯片的要求越来越高。人工智能所采用的深度学习模式，本质上是多层次的人工神经网络算法。这种算法主要从输入的海量数据中自发总结相关规律，这就需要对海量数据进行大量的计算处理。

人工智能芯片设计的“初心”，就是加速深度学习算法，从底层架构上更好地模拟人脑的神经特征，进而实现更加智能的计算。这种人工智能芯片将更能满足深度学习系统进行数据计算的需求，同时还能对海量参数进行调整，将成为人工智能发展应用的“催化剂”。

希望人工智能技术可以取得更大的成就！

7. 苹果iPhone11镜头设计与华为Mate20Pro相似，谁的拍照效果更胜一筹

华为Mate 20 Pro很不错，参数如下：
1.屏幕：屏幕尺寸：6.39英寸，屏幕色彩1670万色，分辨率：2k+，1440 x 3120 像素。屏幕清晰，手感出色。
2.拍照：后置摄像头：后置徕卡三摄：4000万像素（广角，f/1.8光圈）+2000万像素（超广角，f/2.2光圈）+800万像素（长焦，f/2.4光圈），支持自动对焦（激光对焦/相位对焦/反差对焦），支持AIS防抖。前置单摄：支持3D 深度感知相机2400万像素，f/2.0光圈，支持固定焦距。超广角矩阵式布，带来更宽广的拍摄视角。
3.电池：电池容量：4200mAh（典型值），标配充电器支持10V/4A或9V/2A或5V/2A输出，理论充电时间约1.25小时，长时间续航。
4.性能：采用HUAWEI Kirin 980（麒麟980）八核处理器，强大高效的运行，智慧、智能、感知系统给您带来快捷和便利的生活。

5.系统：采用基于安卓9.0深度定制的EMUI9.0智慧系统，赋予用户更高的人工智能使用体验。
您可登陆华为商城官网查看更多参数，进行选择。

8. 华为发布全球最快 AI 运算集群 Atlas900，会对 AI 领域带来什么变化

9月18日，华为发布一款重量级的产品——Atlas 900，这款产品汇聚了华为几十年的技术沉淀，是当前全球最快的AI训练集群，由数千颗升腾处理器组成。在衡量AI计算能力的金标准ResNet-50模型训练中，Atlas 900只用了59.8秒就完成了训练，这比原来的世界记录还快了10秒。

“ImageNet-1k 数据集” 包含 128 万张图片，精度为 75.9%，在同等精度下，其他两家业界主流厂家测试成绩分别是 70.2s 和 76.8s，Atlas 900 AI 训练集群比第 2 名快 15%。胡厚昆表示：Atlas 900 的强大算力，可广泛应用于科学研究和商业创新。比如天文探索、石油勘探等领域，都需要进行庞大的数据计算和处理，原来可能花费好几个月的工作，现在交给 Atlas 900，就是几秒钟的事情。Atlas 900 集成的数千颗升腾处理器，正是前段时间正式商用的升腾 910。

9. 为何说智能芯片具有无限的可能

据报道，日前美国公布的《2016—2045年新兴科技趋势报告》将人工智能作为最值得关注的科技发展趋势之一，随着人工智能快速发展，传统计算机芯片“算力”不足问题日益凸显，研制更能满足人工智能计算需求的新一代计算机芯片成为当务之急。

人机围棋大战中，谷歌“阿尔法狗”大约使用了170个GPU和1200个CPU，且专门占用了一间机房并配备了大功率空调，如果将它换成人工智能芯片，只要一个盒子大小的空间就可以取代它们了。目前，已出现了类脑计算人工智能芯片的雏形。

分析人士表示，IBM研制的Truenorh芯片包含了100万个数字神经元阵列和2.56亿个通信电突触，基本能模拟出人脑神经元的数据处理过程。同时，以脉冲神经网络芯片DeepSouth和深度学习类脑神经元芯片DeepWell等为代表的新概念芯片，也预示着人工智能芯片未来的发展方向。

希望人能智能技术可以取得更大的成就！

10. 自动驾驶“芯”战争

今年，新冠疫情的爆发、经济的下滑、国际政治环境的恶化，让汽车产业充满了巨大的不确定。多家咨询机构预计，今年全球汽车销量将面临10%-20%的下滑。

然而，在不确定中，汽车行业对未来的方向又十分笃定。自动驾驶集中出现了几则大新闻——

6月23日，刚刚与宝马在自动驾驶领域宣布和平分手的奔驰，宣布与芯片供应商英伟达达成合作，将使用后者的Orin芯片，开发下一代车载计算系统，为奔驰量产车型2024年将全面搭载的L2-L3级自动驾驶功能，以及最高可达L4级的自动泊车功能提供算力支持。

6月25日，沃尔沃汽车集团宣布，沃尔沃将与谷歌旗下自动驾驶公司Waymo达成战略合作伙伴关系，在一个全新的电动汽车平台上，进行L4级自动驾驶技术的合作，探索自动驾驶网约车等商业场景。

6月26日，亚马逊正式收购美国自动驾驶公司Zoox，亚马逊为此付出超过12亿美元。

6月27日，滴滴自动驾驶网约车载人示范运营在上海正式启动，央视对其全过程进行了直播。从这一天开始，滴滴在上海嘉定的自动驾驶测试车将面向公众开放，滴滴在APP中上线了“未来出行”页面，供公众申请自动驾驶网约车试乘。

一时间，大公司近乎开启了一场自动驾驶军备竞赛。毫无疑问，参与其中的企业都意识到，未来的汽车，将是跑在轮子上的超级计算机。高性能的计算芯片，在这场军备竞赛中至关重要的地位，愈发凸显。

一、奔驰另结新欢，只是因为它？

6月23日，在与宝马的自动驾驶合作宣告暂停后4天，奔驰向芯片供应商英伟达投怀送抱，双方达成合作，为奔驰将在2024年量产的自动驾驶车型开发计算平台。

在几天前的公告中，双方还表示，“鉴于建立共享技术平台所需的费用，以及当前的商业和经济状况，现在并不是成功实施合作的一个合适的时机。”太烧钱，看起来是让双方决定暂停技术合作的关键原因。

不过，奔驰随后与英伟达光速结伴的举动，倒是指向了钱以外的因素。通常来说，车企与车企之间的合作，并不会对车企与供应商的合作产生影响，但奔驰与宝马之间的合作不同。在与奔驰达成合作之前，宝马已经与全球最大的ADAS系统供应商Mobileye组建了一个自动驾驶同盟，基于其EyeQ系列芯片研发自动驾驶。

与宝马的合作意味着，奔驰要选用Mobileye的芯片来构建关键的自动驾驶计算单元。而这或许是双方分歧中尤为重要的那一个。国外咨询机构Guidehouse首席分析师SamAbuelsamid称，“我怀疑这两家汽车制造商无法就使用的平台达成共识，现在，与英特尔/Mobileye的产品相比，Orin看起来是更强大的解决方案。”

从公开的信息来看，Sam的分析不无道理。Mobileye规划的下一代自动驾驶芯片EyeQ5，其算力为24TOPS（每秒运算24万亿次），而英伟达去年底发布的Orin，算力则高达200TOPS。此外，Mobileye过去在与车企的合作中一贯表现强势（尽管承诺EyeQ5将会更加开放），其提供的功能模块对主机厂常常是“黑箱”；而英伟达自动驾驶构建的DriveAGX软件平台一开始就走了一条开放的道路，可以支持车厂在其计算平台上自主进行算法开发。

其实在此之前，奔驰探索研发自动驾驶网约车时，因为该技术对芯片算力的高要求，奔驰就选用了来自英伟达的DrivePEGASUS车载电脑。6月23日官宣的信息，意味着奔驰在自动驾驶时代的芯片选择上，全面倒向英伟达，将双方的合作扩展到奔驰的量产车型中。

而与沃尔沃达成自动驾驶战略合作的Waymo，则是依托谷歌在AI领域的技术实力，使用自研的TPU。虽然Waymo用于车辆端的TPU算力并未公布，但据Waymo官方的透露，在使用TPU后，其自动驾驶系统的性能提升了15倍。

芯片在自动驾驶中的地位，可以用“隐形冠军”来形容。从车辆外观你看不见它的存在，但一台自动驾驶汽车能够顺利运行，它绝对是头号功臣。

二、自动驾驶竞赛，亦是一场芯片竞赛

无论是奔驰弃宝马牵手英伟达，还是沃尔沃与Waymo高达战略级别的联盟，又或者是滴滴的自动驾驶网约车发车，上周集中发生的大新闻说明，汽车公司与科技公司都将自动驾驶放在了至关重要的位置：从近期看，自动驾驶功能是汽车产品力的重要组成部分；从长远看，L4级自动驾驶投入大规模应用后，可能会彻底改变汽车行业的商业模式。

推动这一切变化的基础，是一枚小小的芯片。为了在自动驾驶能力上获取竞争优势，参与这场竞赛的企业或独立研发，或合纵连横，只为寻得一块高性能的自动驾驶芯片。行业内有个非常典型的例子：特斯拉。

作为智能电动汽车的领头羊，特斯拉和当前市场上的两家主流自动驾驶芯片厂商都有过合作经历。但是由于Mobileye的强势和封闭，英伟达降不下来的功耗和高昂的开发成本，合作都未能长远。特斯拉为了发挥软硬件一体在自动驾驶中的优势，率先在车企中独立研发了自动驾驶计算平台的FSD，其算力达到144TOPS。FSD对自动驾驶的算力支持主要来自两块AI芯片，其单芯片算力约72TOPS。

迄今为止，特斯拉的FSD仍然保持着量产车自动驾驶算力纪录。而特斯拉认为，FSD足以为其将推出的完全自动驾驶（FullSelf-Driving）功能提供支持。

毫无疑问，自动驾驶的竞赛，同样也是芯片的竞赛。整个汽车行业向自动驾驶的重视乃至全面转向，将创造巨大的自动驾驶芯片需求。如果哪家企业在自动驾驶芯片市场占据了可观的份额，那么对应的或许是千亿美元市值的想象空间。

当前，在巨大市场的吸引下，自动驾驶芯片领域已经出现了或新或老的四种势力：

第一类，是Mobileye等老牌的ADAS芯片/自动驾驶芯片供应商。

这一类企业，是汽车行业开始研发高级辅助驾驶系统（ADAS）时，就参与市场竞争的企业。这些企业面向自动驾驶的竞争策略是，通过在ADAS市场积累的技术以及客户资源，不断向上升级其既有产品，实现向自动驾驶的平滑过渡，典型的就是Mobileye对EyeQ系列芯片的不断迭代。

除了Mobileye，瑞萨、恩智浦、德州仪器、电装等老牌汽车半导体供应商，都有各自的自动驾驶芯片规划。

第二类，是看到自动驾驶芯片机遇，跨领域而来的半导体巨头。

比如上文提到的英伟达，此前其主力业务为属于消费电子的GPU，以及数据中心等，但英伟达洞察到自动驾驶对高性能芯片的需求后，迅速进入了这一市场，目前已经推出DrivePX、DriveAGXXavier、DriveOrin三代产品，并获得了不少车企的订单。

主力业务为通信，制霸基带芯片、手机SoC的高通，则在尝试收购恩智浦获得自动驾驶竞赛入场券的努力告吹后，于今年CES上推出了SnapdragonRide自动驾驶计算平台。根据高通官方的信息，这一基于高通芯片打造的计算平台最高算力可达700TOPS，可支持L4--L5级自动驾驶。

而在高通之前，主力业务同样为通信以及消费电子的华为，就已经发布了自动驾驶计算平台MDC600。这一计算平台由8颗昇腾310AI芯片整合而成，最高算力达到352TOPS。

第三类，是在新机遇下诞生的自动驾驶芯片初创企业。

在国内以地平线为典型代表。

本月，搭载地平线车规级AI芯片征程2的长安UNIT正式上市。借此，地平线实现了国产自动驾驶芯片的率先“上车”。另一方面，算力为4TOPS的征程2，也是中国首款车规级AI芯片。

而在今年晚些时候，地平线还将发布算力达到96TOPS、支持16路高清摄像头信号的征程5，这款芯片算力超越特斯拉的FSD，将面向高等级自动驾驶。

最后一类，则是特斯拉为代表的车企自研派。

由于车企基本没有半导体的制造经验，因此他们通常会向供应商采购芯片。而总部位于硅谷的特斯拉，则有着不同的基因、为了最大程度发挥软硬件一体化的优势，特斯拉依托硅谷的半导体人才资源，自行研发了FSD。

目前来看，车企自研自动驾驶芯片的模式难以复制，特斯拉很可能会是这条路径的独苗。

在国内，无论是传统车企还是造车新势力，目前都无自研自动驾驶芯片的计划。作为全球最大的单一汽车市场，中国顺理成章地成为自动驾驶芯片供应商的兵家必争之地。

三、中国能否催生自动驾驶芯片巨头？

如此多的参赛者，让自动驾驶芯片这个仍待开发的蓝海市场，看上去已经呈现出红海的竞争态势。近两年中美围绕芯片发生的一系列事件，让人们对中国芯片产业的的弱势心有戚戚。从年初国家11部位联合发布的《智能汽车创新发展战略》到“新基建”，都将车载芯片的研发作为战略重点，中国汽车行业都希望能有更多本土芯片企业强势崛起。

如今，在汽车行业进行智能化转型、创造大量自动驾驶芯片需求的态势下，中国芯片能否迎头赶上，培育出一家能够在市场上立足的中国本土自动驾驶芯片供应商？答案并不确定，但6月地平线征程2芯片搭载于长安UNIT的“上车”，至少已经开了一个好头。据了解，在ADAS芯片领域，征程2芯片所展现的感知计算性能已经在多个指标上超越了行业龙头Mobileye的芯片，特别是针对中国的特殊路况，并已经成功签下了来自中国各大汽车集团的十多款定点车型。

地平线创始人余凯在一次媒体采访中如此总结地平线的差异化优势：“在全球范围内，能提供这样功耗和算力水平、且开放赋能的芯片企业，我们是独一家。英伟达在辅助驾驶、智能座舱多模交互等方面完全没有产品，芯片功耗也比较高。我们的功耗和算力可以跟Mobileye正面PK，但Mobileye不开放，而我们能满足车企自主开发的需求”，并表示未来有信心拿到全球1/3的市场。

事实上，当自动驾驶潮流席卷而来，如地平线这样率先瞄准车载AI芯片市场，并已通过前装量产得到市场验证的中国芯片企业确实迎来了最好的时代。中国作为全球最大的汽车市场，再加上自动驾驶技术开发的一些典型特征与需求，为本土自动驾驶芯片企业创造了难得的机遇。

首先，自动驾驶技术有强地域性。

因为世界各地自然条件、交通场景、交通规则乃至是文化传统的差异，所以在一国一地开发的自动驾驶技术很难复用到其他地区。这种影响会直接传导到硬件层面——因为与具体数据、算法高度整合，自动驾驶芯片很难不受地域特征的支配。

在此情况下，一家拥有强大本土研发团队、对中国的数据与场景更加了解的企业，有更大的概率研发出更适合中国场景，且算法与硬件结合更加高效的自动驾驶芯片。

其次，当汽车被越来越多的人们看作电子产品时，人们对其功能迭代的频率与速度，都有了更高的期望，自动驾驶功能也不例外。

此前，主要由国外供应商占据市场主流的ADAS，在功能搭载上车后便永不更新。但当汽车变得智能化，车辆其实可以通过不断地OTA，实现功能的升级，甚至实现从ADAS到半自动驾驶、自动驾驶的跨越。比如特斯拉通过升级实现Model3的NOA（高速公路自动驾驶辅助）功能，就是典型的例子。

当然，特斯拉仅此一家。对于更多车企来说，要完成这样的任务，需要他们与自动驾驶芯片供应商保持高频、紧密的联系，由双方进行联合研发。

这一变化，更加考验供应商对车企需求的快速响应。换句话说，这需要自动驾驶芯片供应商建立一个成规模的现场支持团队，做到对车企需求的快速反馈、支援。显然，一个本土的、没有文化语言隔阂的团队，能够更好地胜任。

最后，车企在自动驾驶研发上有更多的功能差异化诉求。

当ADAS功能在汽车产品已经高度标准化或者雷同时，它很难再成为吸引消费者的亮点。对此，有远见、有能力的车企，纷纷选择基于场景去开发新的、有差异的自动驾驶功能（比如宝马的自动循迹倒车），从而获得新的竞争力。

这一趋势对自动驾驶芯片供应商提出的要求是，不能再单纯采用过往的“黑箱”模式，直接给车企一个完整但“知其然不知其所以然”的功能模块，而是要赋予车企进行二次开发、深度开发的权利。或者说，这要求自动驾驶芯片供应商转变思路，去赋能车企的自动驾驶开发。

具体而言，这要求芯片供应商转变思路，在战略上开放，为车企的自动驾驶开发赋能；在产品策略上则要为车企分忧解难，通过打造工具链，降低车企基于自动驾驶芯片进行差异化功能开发的难度与成本。

从上述三点特征来看，自动驾驶潮流的到来，将更加考验自动驾驶供应商的服务意识与快速开发能力。而国外芯片供应商，因为历史、成本、政治等因素，很少在国内搭建起成规模的研发与现场支持团队，过往的开放程度与开发速度也难以满足新的需求。而这，正是中国本土自动驾驶芯片供应商崛起的突破口。

最终，从形势上来说，国外芯片巨头产业先天更加成熟、进入汽车行业更早、各自拥有不同的壁垒。对中国本土自动驾驶芯片供应商来说，与他们同台竞技并最终突出重围，并不容易。

但如果本土自动驾驶芯片供应商在芯片算力、功耗等指标上的表现能迎头赶上，并发挥自己的核心优势，抓住车企智能化转型的时代机遇，那么，中国诞生一个本土自动驾驶芯片巨头或将是大概率事件。

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。