底层算力

① IPFS是什么有谁知道的吗 www.starpool.cn

IPFS的中文名称叫星际文件系统，是互联网的底层协议。
互联网的三大底层技术：计算（算力）、传输（带宽）、存储。
IPFS就是去中心化分布式存储，目的就是要填补甚至替换用了20多年的传统的中心化存储：Http协议。
IPFS相比传统的Http具有以下优势：低成本、更高效、更安全、永久性、更高隐私性。

② python 的运算能力比不上c，进行大量运算时候python比c慢的多，这对吗

也不一定慢很多，很多python模块关键代码底层是C来写的，而且解释器也是经过优化的。

③ 有人说,“现在都用高级语言编程序,理解‘机器级程序是如何被执行的’已经没有

摘要 不一定。

④ 体验广汽 ADiGO 3.0 辅助驾驶，基于场景的功能落地才重要

时间来到2020年10月，辅助驾驶已经越来越成为汽车不可缺少的功能，实现高级别辅助驾驶能力也成为了车企更高的目标。

而需要注意的是，自动驾驶并不再以硬性的分级去判定级别，而是更多以场景和实现的功能去区分，这是车企在研发过程中总结经验后逐步形成的共识。

因为不同场景下可实现的功能是有差异的，所以现在对于L3的定义更多是在场景方面的阐述。

这个转变其实也是奥迪等厂商在发现L3难以落地以后，广汽作为车企的重新思考。因为要实现L3级别除了法规的限制，还有技术方面的限制，包括「传感器、算力、域控制器、执行器件、安全冗余」等。

以传感器为例，如果想要达到足够好的功能安全级别，在任何一个角度，任何一个可覆盖区域上，必须有两种以上的异构传感器去覆盖，每一个目标都要有两种以上传感器能够识别。L3级别智能驾驶，不用激光雷达，理论上基本不可能达到功能安全的要求。

因此，转变思路，从场景和功能出发成了车企最优的方式之一。

而广汽目前已经量产交付的ADiGO3.0辅助驾驶，其实就是基于真实场景而实现功能化的落地，根据功能需求来实现硬件和软件的安全与冗余设计。

在10月16日，我受邀在上海体验了广汽的ADiGO3.0辅助驾驶系统与AR实景导航系统。广汽定义下的ADiGO3.0是什么以及具体体验如何，我来展开聊聊。

ADiGO3.0完成的功能升级

ADiGO系统是广汽研究院主导开发的，目前已经是具备了多路况场景下辅助驾驶能力的3.0版本了，而搭载这套系统的首款车型是AionLX，也是我们试驾的版本。

但需要注意的是在AionLX上的高级别辅助驾驶能力是选装功能。

广汽对其辅助驾驶场景及功能的定义，包含了两个方面的要素：「拥有高精地图的全路段和全速域辅助驾驶」。

广汽定义下的高级别辅助驾驶运用场景，是有高精地图覆盖的中国全部高速公路和城市快速路；其功能不仅涵盖L2级辅助驾驶的全部功能，还能在车辆时速0-120公里的范围内做到脱手、脱脚。你可以理解为车辆已经处于自动驾驶的状态，但是驾驶者必须保持警惕，时刻准备接管，并且由于法律法规的限制，行车过程中，驾驶者仍然需要时刻握住方向盘。

需要注意的是，广汽的全速域辅助驾驶指的是在高速最高限速120km/h以内，超过120km/h时速后，车辆是无法开启具有高精地图的模式的辅助驾驶的。

此外，有了高精地图能力的加持，AionLX的自动驾驶系统能准确获取车道级信息（包括车辆当前位置信息、限速、车道、车道级路径信息、曲率/坡度/航向/倾侧等等），预判前方1公里路况，提前规划好最优行车路线。

要实现以上说的好用功能硬件能力是基础，AionLX上的硬件主要来自博世、安波福和Mobileye等，具体由以下硬件组成：

5颗毫米波雷达

12颗超声波传感器

4颗环视摄像头

1颗智能前视摄像头

1颗驾驶员疲劳监测摄像头

Mobileye的EyeQ4芯片

同样开发出了功能，但好不好用最为关键。辅助驾驶系统好不好用的判定条件有很多，而对于消费者而言场景和功能则是核心。

基于高精地图的辅助驾驶，优劣势明显

下面从我们日常使用最为广泛的场景包括城区道路、高架环路和高速公路三个场景，来聊聊实际体验后的感受。

城区道路使用，连续性不好

一般而言，实现城区道路的辅助驾驶能力，对于每个主机厂来说都是研发的难点，因为涉及的道路情况非常复杂，以及交通参与者和参与形式也最为多样，其中最多的就是拥堵路况，因此低速跟车成了我关注的重点。

先说一下，ADiGO3.0整体的使用逻辑，在车道线清晰条件下ADiGO3.0是可以实现车辆静止状态下开启的，可开启的判定条件是车道线清晰，在开启后的使用由两个状态组成：

有高精地图的城区路段

无高精地图的城区路段

二者的区别在于，有高精地图路段下，开启的是广汽定义下的L3级别辅助驾驶，没有高精地图的路段，系统开启的其实是L2级别的辅助驾驶。

当在有高精地图路段打开辅助驾驶后行驶一段时间，如果地图数据消失，这个时候系统不会退出，而是会降级到L2继续行驶。

城区拥堵路况表现，ADiGO3.0的跟车执行逻辑比较敏捷，不管是前车缓行还是急加速，ADiGO3.0都能快速判断并加速跟上，而且在体感上并不会有深踩油门带来的急加速感。

而且AionLX的跟车距离非常近，在拥堵时也不会给别人加塞的机会，但对于强行加塞的还是需要驾驶员注意观察安全。

辅助驾驶开启后对前车的识别比较好，前车1/4越线后车辆就会识别并减速，低速的车道保持比较稳定，在我体验过程中没有出现车道内的「画龙」现象。

当然缺点也有，主要是两个方面的：

跟停时间超10秒后，车辆不再跟前车。这个时候需要轻踩油门启动车辆，车辆就会自动找回前车并开启辅助驾驶，10秒对于上海这样拥堵的城市显然是不够的。

在L3降级为L2是没有声音提示的，只有仪表盘的视觉界面发生了改变。这个时候如果你还以为在有高精地图的路段行驶，但实际已经不在，相对应的辅助驾驶也会变成L2级别，但这个级别是不允许脱手，如果这个时候出现接管提醒，会让驾驶员误以为出现了危险，带来的内心紧张感会很强。

总体而言，在城区路况下有无高精地图情况下辅助驾驶体验区别不大，都像是L2级别的驾驶能力。

在城区道路的使用其实局限性还是非常大，就目前的能力而言并不建议使用，因为城市道路车道线变化多端，在路口经常会出现3车道变4车道的情况，系统经常无法决策走哪一条车道；开放道路中不确定因素太多，目前车规级的探测硬件还不足应对、判断如此复杂的场景。

所以现阶段城区道路自己驾驶还是比辅助驾驶来得方便。

高架与高速行驶很稳

高架环路这类的封闭路段车道线清晰，道路参与者比较固定，因此对于辅助驾驶也友好许多，因为AionLX支持全速域的辅助驾驶能力，因此在高架路段时只要车道线依然清晰，辅助驾驶则随时可开启。

但AionLX辅助驾驶开启时，会有一个小10秒左右的延迟，比如当我按下全部按键以后，辅助驾驶的界面已经变成了开启状态，但这个时候车道保持、跟车等功能需要有一个反应的过程，在这个过程里我也没有办法进行速度调节。

对于高架环路这样的道路，AionLX的辅助驾驶基本没有什么压力，不管是高速跟车，还是不跟车行驶，整个驾驶逻辑其实是比较像人类驾驶员的。

我个人比较喜欢的是，如果我方车辆快速向前行驶识别到前方车辆，这个时候车辆的减速非常平缓，并不会出现与前车距离过了极值之后的重刹。

但有个小的问题，就是在速度约在60km/h时，在前后左右没有车辆的情况下，在车道保持开启状态下，车辆明显偏右，特别是与大卡车并行的时候驾驶员心理压力非常大。

为了确保不是我个人的感官问题，我还和同行的媒体老师进行了交叉验证，她表示也有同感，而且因为偏右她自己主动退出过好几次。

AionLX在有高精地图路段辅助驾驶开启情况下是允许驾驶员脱手的，在正常行驶下这个脱手可以是全程的，即使是特斯拉目前也只允许20多秒的脱手，不然系统就会提醒，长时间后就会退出。

比如我在高速行驶了90km全程没有接触方向盘，但我保持着时刻接管的准备。

可能你会问，AionLX这样做安全吗？这个需要区别来看，AionLX上面有一个驾驶员监测摄像头，它不只是疲劳监测，他对驾驶员的头部扭动方向都有监测，目的就是防止驾驶员因为可以脱手后而带来危险，监测非常敏感。

注意长时间脱手是建立在拥有高精地图数据之下的辅助驾驶，但这并不意味着我可以分心干其他事，我个人主观和系统的客观上都不提倡那么做，最起码要保持足够的注意力，防止突然的并线行为。

在高速过大曲率弯的时候，它会主动提前减速，长时间开带有辅助驾驶的车，可能都有一个非常大的感受就是，基于纯视觉感知的车辆，在高速驶进弯前的减速是不太线性的，虽然也会有提前减速行为，但大部分都是在过了入弯点后会有一个相对比较重的刹车，欠缺一些舒适性。

我在体验ADiGO3.0的时候在限速120km/h的高速行驶，我定速在105km匀速行驶，行驶过程中前方无车，但我发现车速在逐渐降低，很缓慢在减速，当我仔细观察后发现前方确实有一个中等曲率的弯，这个弯在人类驾驶逻辑下也一定会降速通过，在过弯时我发现仪表上车速已经降至79km/h。

这一点在驾驶上的逻辑比较符合人类驾驶员，线性刹车带来的体验也会更加舒适。

相比拥有高精地图下的过弯提前减速的舒适体验，打灯自动变道的逻辑就相对保守。

AionLX虽然实现了打灯自动变道，但对于开启条件做了很多限制，在时速大于或等于80km/h，而且两侧车道无车或者距离在目视有200米之下，才能开启自动变道功能。

这里要说明一下目视200米，是在实际体验中发现，两侧车道有车的情况下的人眼观测距离，所以这是一个感观体验。AionLX对于前后车的安全距离探测非常保守，因为在实际体验中我发现，与前后车的距离都可以来回做两次变道行为了，但这个时候车辆仍然不会执行变道。

开启自动变道功能时在仪表屏上有一个蓝色方向盘的图标，在左右两边出现白色箭头的情况下才能手动打灯，左边有箭头向左可变，右边有箭头就是向右可变，箭头出现手动开启转向灯然后在8秒内前后无来车视为安全条件后，车辆将会开始自动变道。

满足了以上条件开始变道后，如果后方有车辆加速驶来，变道也会停止。

总体来说，ADiGO3.0辅助驾驶的体验很好，在使用高精地图导航辅助驾驶时有其优势，但恰恰劣势也是高精地图，因为高精地图的数据采集与更新都需要很大周期。而且ADiGO3.0理论上并不能称为L3级别，虽然实现打灯自动变道、允许脱手，但使用起来的限制性条件很高，而且面对强行急加塞的处理，还是不能和人类一样，所以驾驶主体还是以人为主。

高架和高速路段AionLX表现很稳，这个「稳」，表现在几个方面：

跟车和车道保持比较稳定，不会出现「画龙」的现象，偏右情况在高速时不会有；

辅助驾驶的连续性很稳，在一天的试驾体验中主动退出的很少，除了城市道路；

对于安全监测表现很稳，一个是驾驶员监测，另一个就是如果没有高精地图数据后系统会降级到L2并不会退出，从而保证安全。

AionLX的辅助驾驶，在L2级别的表现已经好过很多车了，开启后方向盘的锁止偏硬，使得因坑洼不平而导致的方向上的旷量变小了。这套系统其实更像是L2的进阶版，高精地图带来的体验确实也比较明显，但地图数据目前会是比较大的变量。

第一次体验AR导航，用「惊艳」形容吧！

很多人说，「老司机都不用导航」，说这话的一看就不是老司机。因为老司机现在看导航都有可能会走错路口。

AR实景导航的概念已经出来很早了，但迟迟没有在市场上大规模装车，广汽确实抢先了一步。

而一般走错是在路口比较多，AR导航是会在地面上显示需要走的正确车道以及正确路口。

目前广汽的AR导航还处于比较新的一个版本，广汽工作人员表示，「会在未来继续对它进行优化，也不排除会采用HUD投屏的方案」。

总体而言，AR实景导航距离成为下一个主机厂竞争的高地不远了，首先是因为AR实景导航的实用性；其次是AR导航将是车企打造智能座舱功能差异化的重要组成部分；最后是智能座舱的交互逻辑在发生改变，语音、视觉都将会成为基础交互语言，而不止是功能。

写在最后

现阶段ADAS功能的区域局限性、场景局限性比较明显。除了AEB之外，大多数的ADAS功能只能在高速路段上启动，而且即使在高速公路上，无法覆盖驾驶所需的大部分场景，系统仍然需要驾驶员接管。

ADAS在用户体验上也有局限性，不能真正解放用户的注意力。ADAS功能要求用户要时刻准备好接管车辆，不能缓解他的压力，而且需要接管的条件很多。

要做到在用户体验上的真正解放用户，不管是广汽还是其他车企都有很长的路要走。

对于L3的定义，广汽其实看得很清楚，想实现实际意义的L3很难，这也是为什么奥迪等厂商选择放弃的重要原因，转向更加务实的从场景出发对于消费者和车企都是双赢。

从ADiGO3.0就能看出很多，特斯拉等厂商是基于单车智能实现「好用」的辅助驾驶功能，而广汽也早已实现了对于自动驾驶级别认知的转变。一句话解释就是「级别不重要，场景和功能最重要」，所以这就是广汽的辅助驾驶其实会让你觉得和特斯拉等比价相似，因为实现的功能都是一样的，路径不同而已。

而未来谁能覆盖的场景越多，实现的「可玩性和易用性」功能越全，则会更容易走在市场前列。

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。

⑤ 在智慧时代，算力就是核心竞争力，那么浪潮AI是如何支撑算力发展的

浪潮AI多年来一直打造人工智能基础措施。在算力生产层面，浪潮打造了业内最强最全的AI计算产品阵列。
其中，浪潮自研的新一代人工智能服务器NF5488A5在2020年一举打破MLPerf AI推理&训练基准测试19项世界纪录；
在算力调度层面，浪潮AIStation人工智能开发平台能够为AI模型开发训练与推理部署提供从底层资源到上层业务的全平台全流程管理支持，帮助企业提升资源使用率与开发效率90%以上，加快AI开发应用创新；
在聚合算力方面，浪潮AI持续打造更高效率更低延迟硬件加速设备与优化软件栈；
在算力释放上，浪潮AutoML Suite为人工智能客户与开发者提供快速高效开发AI模型的能力，开启 AI 全自动建模新方式，加速产业化应用。

⑥ 北鲲云超算平台的cae仿真软件有哪些

众所周知，国内的CAE整体应用技术还是比较薄弱的，随着制造业对CAE技术应用的重视程度在增加，对于CAE分析的要求也就更多，所能达到的效果的期待值也越高。更加真实的还原结构的工作运行环境，结合大量的分析经验做出最有效的CAE分析，为产品的设计和制造提供强有力的支持，是很多企业的需求。因此，CAE技术在制造业大量的应用已经成为必然趋势。

云计算的在人工智能的成功应用对于同样具有高算力需求的CAE分析而言，有着极大的吸引力。云计算能够将大量的CPU、GPU资源灵活调度，为CAE分析提供充足的算力资源。

同时，国内能够提供整套的CAE服务的公司的并不多。主要是因为CAE技术是一门涉及许多领域的多学科综合技术，而且CAE技术的门槛确实比较高，而能够为CAE提供从底层算力到软件安装应用的公司少之又少。北鲲云超算平台将CAE软件安装到云平台，比如常见的ANSYS、ABAQUS、NASTRAN、ADINA、MARC、MAGSOFT、COSMOS等。在北鲲云超算平台上用户可以直接启动这些软件根据自己的作业对应的CPU、GPU资源配置。

CAE的关键键技术主要包括:计算机图形技术、数据交换技术、工程数据管理技术、管理信息系统等，以ANSYS为例来说， 北鲲云超算平台安装了ANSYS大部分的软件模块，这些模块是ANSYS收购很多很软件后整合形成的。目前ANSYS融结构、流体、电场、磁场、声场分析于一体的，擅长于多物理场和非线性问题的有限元分析,对于流体分析，电磁分析，瞬态动力学分析已经很强大,在铁道，建筑和压力容器方面应用较多。它的明显优势在多场耦合，尤其是物理场耦合。至于热分析则很一般，对于岩土结构的静力学计算也不是很强悍。另外值得一提的是ANSYS的apdl语言非常高级，这也是非常多仿真工程师喜欢使用这款软件的原因之一。 目前ANSYS件，在结构、流体、电磁、多物理场耦合仿真、嵌入式仿真各方面都有发展。

所以，在CAE领域云计算同样有着广泛的应用场景及拓展空间，一个行业的发展不仅仅是行业内自身的发展，往往也需要与之相关的上下游行业提供不断支持。北鲲云超算平台在CAE领域发展中，就是为行业提供底层算力支持的平台。

⑦ 许子敬BHP算力币是什么

BHP算力公链（BlockchainofHashPower），基于比特币算力信用的分布式资产交互网络，以比特币算力作为底层资产，通过区块链技术为用户提供基于智能合约的快速、便捷、高可靠的数字货币支付及资产管理服务。

⑧ 某多层现浇框架结构的底层内柱,轴向力设计值N=2650kn,计算长度l=H3.6m,混凝土强度

柱正截面单向偏心受力承载力计算书

1已知条件
柱截面宽度b=500mm,截面高度h=500mm,纵向钢筋合力点至截面近边缘距离as=35mm,弯矩平面内计算长度l0x=3600mm,弯矩平面外计算长度l0y=3600mm,混凝土强度等级C30,纵向钢筋强度设计值fy=360Mpa,非抗震设计,截面设计压力N=2650kN,计算配筋面积。
2配筋计算
查混凝土规范表4.1.4可知
fc=14.3Mpa
截面面积
A=bh
=500×500
=250000mm2
根据混凝土规范表6.2.15可得轴心受压稳定系数
φ=1.00
轴心受压全截面钢筋面积
A's=0.00mm2
取全截面纵向钢筋最小配筋率
ρ'smin=0.55%
全截面纵向钢筋最小配筋面积
A'smin=1375mm2
As<A'smin/2，取单侧钢筋面积
As=687.50mm2
2

1已知条件
柱截面宽度b=500mm,高度h=500mm,纵向钢筋合力点至截面近边缘距离as=35mm,箍筋间距s=100mm,混凝土强度等级C30,箍筋设计强度fyv=270MPa,非抗震设计,轴压力设计值N=2650kN,求所需钢筋面积。
2配筋计算
查混凝土规范表4.1.4可知
fc=14.3Mpa ft=1.43Mpa
由混凝土规范6.3.1条可得混凝土强度影响系数
βc=1.0
截面面积
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
由混凝土规范6.3.1条可知截面允许的最大剪应力
τmax=0.25βcfc=0.25×1.0×14.3=3.58MPa
由混凝土规范可知
0.3fcA=1074.86 >N
取N=1074.86kN。
由于λ<1,根据混凝土规范,取λ=1。
则可不进行承载力计算，取
同一截面最小箍筋面积
Asvmin=25mm2 >Asv
取箍筋面积
Asv=25mm2



⑨ 地平线与未动科技达成战略合作 共推全场景智能驾驶加速落地

作为国内领先的汽车智能化科技企业，未动科技在视觉感知算法方面拥有行业先发优势。同时，在自动驾驶软件架构、基础软件及中间件等技术方面深入研发，不断完善基础架构的技术演进，探索与硬件、底层不同算力芯片的适配，为行业提供高性能高可靠的智能驾驶解决方案。目前，未动科技已获得12家主机厂、30+款车型项目定点。

地平线是目前国内唯一一家实现车规级人工智能芯片前装量产的企业。作为边缘人工智能计算平台的全球领导者，地平线坚定拥抱生态，以AI芯片为基石，秉承软硬协同、灵活开放的商业合作模式，与广泛的行业伙伴深度合作、协同创新，致力于为消费者创造美好的驾乘体验。2021年7月，地平线发布第三代车规级芯片征程5，兼具高性能和大算力，能够支持整车智能所需要的多传感器融合、预测和规划控制等需求。

⑩ 浪潮AI最新升级的AIStation 3.0平台算力调度能力怎么样

AIStation 3.0平台是浪潮AI最新升级的AI资源平台，在AI算力调度方面已全面支持最新NVIDIA® Ampere架构芯片，支持GPU多实例的灵活划分，用户可以通过管理界面动态调整GPU算力组合，从单卡多实例的细粒度划分，到多机多卡的大规模并行计算，帮助用户最大限度释放算力资源。另外，还将提供更弹性的算力运行策略，实现运行环境与运行资源的隔离，开发者可以在不改变运行环境的情况下按需对资源进行伸缩，让开发者不必关注底层算力技术，算力随用随取，按需分配，快速响应，进一步提高开发训练效率。