80除以20的算力

❶ 爭分奪秒的科研競爭背後，關乎一場算力的角逐

作者 胡珉琦

古DNA研究的力量

古DNA是指從古人類和動植物遺骸以及古生物化石中提取的古生物分子。如果能從古老的化石和考古樣本中獲取到最原始的古DNA信息，與現代人類和動植物的遺傳信息進行比較，就可以為人類、動植物起源與遷徙、文明傳播與碰撞、 歷史 爭議問題給出直接的答案。

20世紀80年代，考古學家和分子生物學家把古DNA研究引入到傳統考古學，形成了國際考古研究中的前沿領域——分子考古學。作為 科技 考古的重要手段，古DNA研究在解決人類的起源與遷徙、動植物的家養和馴化過程以及農業的起源和早期發展等重大考古學問題上起到了重要作用。

進入21世紀，隨著二代測序技術的普及，古DNA研究迎來了一個黃金發展期。中國的科學家們也在分子考古的浪潮里大放異彩。

早在1998年，吉林大學考古學系就與生命科學學院合作，成立了國內首個考古DNA實驗室，開展有關古DNA方面的研究工作。如今，古DNA實驗室已初步建立了我國邊疆地區的古代DNA基因庫，有超過萬例的古人類、古動植物樣本，數量位居全國第一。

據吉林大學邊疆考古研究中心副主任蔡大偉介紹，正是有了這些強有力的資源支持，近年來，吉林大學考古學院運用古DNA優勢不斷創新和突破，在考古領域驅動了許多重要進展。

例如，對絲路沿線不同時期的動物樣本開展全基因組分析，重構了家養動物群體交流的時空框架，展現了絲路大通道在東西方文化交流中的更多 歷史 細節；測定和分析了首例距今約3800年古小麥全基因組序列，探究現存小麥地方品種的栽培起源、擴散和遺傳改良；報道了中國北方55個古代個體的全基因組數據，探討了新石器時代農業革命以來中國北方地區的人群互動，為探討中華文明的起源、形成和發展提供重要證據。

制約古DNA研究的難題

盡管古DNA研究進展飛速，但困難依舊不小。

蔡大偉解釋，古DNA研究主要分為兩大部分。

第一部分是通過實驗手段，從古代生物遺骸中把DNA提取出來，並完成擴增過程。在有機體死亡後，其細胞中的遺傳物質就即刻開始降解，給DNA提取和擴增帶來了極大的阻力。而且，研究還不可避免的會遇到現代基因的「污染」問題。

第二部分則是測序及數據分析。由於古DNA基因序列片段比現代DNA更短，導致古DNA測序比現代DNA也更復雜。以人類為例，人類基因組是由30億個鹼基對構成的，在得到古人類DNA碎片的序列信息後，考古學家需要藉助生物信息學的手段將這些片段進行比對、組裝，還原成和現代人DNA 一樣完整的、高質量的全基因組。

「這個過程就像完成一幅巨型拼圖，沒有強大的計算機軟體和硬體支撐，是不可能完成的任務。」吉林大學生命科學學院副院長、邊疆考古研究中心教授崔銀秋直言。

蔡大偉指出，早期科研人員通過通用的計算設備，比如通過CPU去做基因組裝，結果發現這一過程非常漫長，「一般完成一次古人類的全基因組樣本分析需要耗時至少兩周」。

「我們希望把盡可能多的時間放在科學問題的分析和對成果的解釋上，而不是消耗在對基礎數據的處理和計算上。」崔銀秋表示，這就亟需高性能計算和人工智慧等新一代技術幫助科學家來加速這一分子考古的過程。

AI計算如何為分子考古提速

那麼，算力究竟如何才能幫助加速整個基因拼圖重構的過程？

浪潮人工智慧和高性能產品線總經理劉軍以和吉林大學考古DNA實驗室的合作為例介紹道，浪潮採用了一套定製化晶元加速方案，加速古生物基因序列的比對和拼裝，再用人工智慧的方法和手段，幫助科學家找到感興趣的突變的基因。這套方案可以幫助考古學家在9.64小時內完成全基因組分析，48分鍾完成全外顯子組分析，相比基於CPU的方案，基因數據處理速度提升了39倍。

「這就意味著我們的科學家可以用原來四十分之一的時間完成古人類全基因組的比對和拼接工作。」劉軍強調。

眾所周知，由於DNA可以被復制，特別是當它從父母遺傳到子女的時候，只要突變不會致命，那麼這些突變也會被復制然後傳遞給下一代。因此，突變通過時間而不斷積累，這就使得科學家能夠找到遺傳進化的特定鏈條，並且還可以通過積累的突變而估算時間。

「問題是，這些重要的突變基因在哪裡？它們在整個 歷史 長河中發生了什麼樣的演化？」劉軍坦言，從這樣的追尋過程中，我們才能真正清晰地回溯人類是怎麼走過這上百萬年的演化 歷史 的。

「然而，完成拼接的基因組序列非常長，利用傳統方法在上面尋找特定基因的變異過程，是極為困難的一件事，就如同大海撈針。」劉軍表示，只有在人工智慧的計算方法和手段的加持下，才能幫助科學家在基因的海洋里，找出他們最感興趣的基因、重要的突變基因。

劉軍認為，「從這個角度來說，我們是在為這門古老學科創造一個實用工具，就像科學史上的顯微鏡、望遠鏡一樣」。通過AI計算，服務科學家細致入微地獲取過去得不到客觀證據，從而實現洞察 歷史 的真相。

劉軍還特別提到，在AI計算與考古學研究結合的過程中，也反過來打開了計算研究的視野。「我們要向遠處看，向深處看，科學的未來需要依靠怎樣的計算技術去迎接挑戰。」

❷ 超級算力是什麼為什麼值得你參與

超級算力是什麼？

以上是對超級算力的一個大體概括，那麼現在既然你有緣點開了這篇帖子，我真誠地邀請你希望在接下來的時間你可以系統性的好好用心來了解一下超級算力是什麼，為什麼值得你參與。

首先，在正式介紹超級算力之前我還是先按照社區的理念，跟你做一個風險提示：

風險提示

參與超級算力完全免費！

禁止一切鼓勵花錢參與超級算力的行為！

禁止一切鼓勵參與數字資產交易的行為！

超級算力是一家非常特別的新公司，之所以說它特別新不是指它的創立時間特別新，而是它的理念和運作方式特別新，主要體現在以下幾點：

超級算力從創立之初就決定永遠不進行任何私募或代幣互換行為，所有貢獻積分（spt）都將只通過「行為算力挖礦」的方式免費獎勵給每一位生態的參與者和貢獻者。

要知道在當前的鏈圈和幣圈，不私募、不找機構拿錢、去公司化、純社區化運作，這些標簽都顯得足夠異類，但超級算力不是為了異類而異類。

我們創建超級算力的初衷就是要用區塊鏈做一些真正有價值的事情，我們就是要證明區塊鏈除了可以用來開交易所、金融投機、博彩、游戲，還可以做到很好的服務實體，給身邊每一個普通人帶來實實在在的好處。

在超級算力里每個人都能深入接觸到創始人及社區各個核心骨幹，線上線下都能自由交流，你能知道你在跟誰做事，你能知道這個人是什麼樣的人，超級算力社區這些人又是什麼樣的，到底是烏合之眾還是有志之士，你都能一清二楚。

在超級算力社區里所有重要決策都通過社區成員共同討論，根據大家的利益進行決策，而不是像其他中心化公司隨便就下發一個通知文件不管我們的利益是否受損。

因為超級算力是社區化運作，所以超級算力不招聘一名員工，所有人除了創始人是全職外，其他人都是利用自己的業余時間來幫助生態發展，不拿一分錢工資，大家都是自願行為，靠的就是價值吸引以及對創始人譚總的認可。

譚總做超級算力不是為了自己賺錢，而是為了能讓更多像你我這樣的普通人通過一個公平公開透明的平台賺到錢實現心中的夢想，超級算力就是他的夢想，是他一生要做的事，而且他對超級算力非常地自信，堅定不移。

超級算力在運營過程中會產生大大小小的利潤，這些利潤超級算力會拿出至少80%分給社區所有的參與者和貢獻者。

在超級算力這些數據完全公開透明，任何一個人都能隨時查看。

超級算力的利潤是根據貢獻積分來分配的，而貢獻積分是可以通過自己有價值行為免費得到的，100%的貢獻積分都是免費分給大家的。

大家根據自己持有貢獻積分的比例每天晚上可以參與平台80%的利潤分紅。

為什麼超級算力要把這家公司做的這么新呢？這跟超級算力的初心、使命、願景有很大的關系。

為什麼會覺得中心化公司它們的利益分配方式不合理了？大家去想一下那些中心化公司，他們公司的高利潤和高市值到底是靠什麼東西撐著的？

比如說淘寶、網路，這兩家公司到底為什麼他們有這么高的利潤，是背後的創始團隊嗎？還是背後的投資人？

早期他們確實是扮演著非常重要的角色，但是當這個業務成熟的時候，真正支撐這家公司高利潤和高市值的，更多的是依靠數量龐大的像你我一樣的這個平台的參與者，包括消費者、商家快遞員、搜索信息的人。

是我們這樣的人支撐著這家公司，我們的貢獻這么大那他們的利潤分配給我們了嗎？

沒有，所以超級算力認為這種利益分配方式不合理。

既然平台是靠我們一塊錢一塊錢買出來的，是靠我們一個商品一個商品賣出來的，是快遞員一個快遞一個快遞送出來的。這種行為都應該得到合理的回報，這個就是超級算力的使命。

1、到2025年要讓至少1000萬人免費持有我們的貢獻積分（spt）。因為超級算力的利潤是根據貢獻積分來分配的。

2、最終目標：通過我們的努力，實現一個spt一年分紅一塊錢。

3、讓超級算力持續運營150年。我們不希望做急功近利的事情，希望做一家有生命力可以持續穩定的創造價值的公司。

超級算力兩年以來已經打磨了一套相對成熟的機制，這套機制就是基於「行為算力」的利益分配機制，這套機制的核心邏輯是通過有價值的行為獲得算力，通過算力獲得SPT，通過持有SPT獲得分紅：

① 有價值的行為

什麼是有價值的行為？在社區簽到、點贊、發帖回帖、日常消費、推廣業務、帶團隊等等大大小小的行為都是有價值的行為；

② 算力和SPT

算力是貢獻值，用於計算大大小小的行為，SPT是貢獻積分，通過算力來獲得；

③ 分SPT和分紅

每晚8點自動分SPT，每晚8點30自動分紅。

① 業務利潤從哪裡來？

當前的業務有收款碼、POS機、充值繳費、點外賣、電商購物、超市便利店、打車、體檢、買保險、旅遊出行、電話卡、信用卡、借錢、數碼維修、廣告等等，還會不斷對接其他業務。

② 業務利潤怎麼分？

收款碼業務1.5‰純利潤：70% 給推廣員、20% 技術運營成本、10% 分紅給SPT持有者；

POS機業務0.25‰純利潤：70% 給推廣員、20% 技術運營成本、10% 分紅給SPT持有者；

其他生活消費業務1％～90％純利潤：80％分紅給SPT持有者，20％技術運營成本。

① 什麼樣的人是志同道合之人？

理解並認同行為算力、堅持長期主義、有耐心不急於求成、有行動力的這樣的人；

② 需要多少志同道合之人？

通過星火考核等方式不斷地去選拔和培養，大浪淘沙100萬名志同道合的同路人，即小/中/大隊長；

超級算力真實，非常真實，只要接觸夠久就一定能夠發現，這群腳踏實地的人做實事講真話，沒有什麼虛頭巴腦的動作。

深耕在超級算力的人三觀正、積極向上、腳踏實地，心中有理想有追求，是一群非常正能量且靠譜的追夢人，與這樣的人共事，成事是必然的。

超級算力要做的事就是匯集共識，用區塊鏈服務實體，讓每一個有價值的行為獲得算力，讓算力惠及身邊的每一個普通人，讓他們的生活因為區塊鏈而改變，因為超級算力而改變。

我們很有幸，能趕上區塊鏈這波浪潮，跟大家一起攜手同行，做些真正有意義的事情。

❸ 我16歲，170，110斤，一口氣120個俯卧撐，單手3指能做15個，算力量大嗎，怎麼樣能能增到125斤

力氣大。但也代表你的體能消耗大吧，，應該平時常做運動的吧，所以不太容易長胖呀。
根據你的年齡，加上你的要求，不如晚上吃多一點，澱粉類，骨頭湯類，還有牛奶。因為晚上吃多一點容易堆積些脂肪，而且牛奶，骨頭湯長個。
或者多喝湯，煲的湯，最容易胖了。加上你經常運動，會增重的吧。

❹ 算力是什麼意思

什麼是算力

算力的字面意思，大家都懂，就是計算能力（Computing Power）。

更具體來說，算力是通過對信息數據進行處理，實現目標結果輸出的計算能力。

大部分時間里，我們會通過口算、心算進行無工具計算。但是，這樣的算力有點低。所以，在遇到尺謹復雜情況時，我們會利用算力工具進行深度計算。

❺ SuperPoint是做什麼的

SuperPoints是超級算力生態的英文名稱，平台自己發型的代幣名稱叫做SPT，公司名稱為杭州超級算力有限公司。

❻ 小鵬汽車與阿里雲聯合建成自動駕駛智算中心

小鵬汽車與阿里雲聯合建成自動駕駛智算中心

小鵬汽車與阿里雲聯合建成自動駕駛智算中心，該智算中心由小鵬汽車與阿里雲在烏蘭察布合建，算力可達600PFLOPS(每秒浮點運算60億億次)，小鵬汽車與阿里雲聯合建成自動駕駛智算中心。

小鵬汽車與阿里雲聯合建成自動駕駛智算中心1

8 月 2 日，小鵬汽車與阿里雲共同宣布在內蒙古烏蘭察布建成中國最大的自動駕駛智算中心 " 扶搖 "，用於自動駕駛模型訓練。

" 扶搖 " 基於阿里雲智能計算平台，算力可達 600PFLOPS（每秒浮點運算 60 億億次），將小鵬汽車自動駕駛核心模型的訓練速度提升了近 170 倍，並且未來還具備 10~100 倍的算力提升空間。雙方表示，模型訓練速度的大幅提升，將有力推動自動駕駛技術的發展，讓汽車的智能化程度和安全性都邁入新的階段。

同時，" 扶搖 " 結合烏蘭察布當地天然的氣候優勢，採用風冷、AI 調溫、模塊化設計等綠色技術，可實現全年超過 80% 時間全新風運行，年平均 PUE（PUE 指數據中心能耗電力電源使用效率，越接近 1，表明數據中心對電能的利用效率越高，越綠色）小於 1.2。目前，" 扶搖 " 正用於小鵬城市 NGP 智能導航輔助駕駛的演算法模型訓練。

憑借地理位置帶來的能源、氣候等區位優勢，烏蘭察布是中國數據中心產業聯盟評選為最適合發展數據中心的地區，也是全國一體化算力網路樞紐節點之一。目前有華為、阿里、蘋果等 26 個數據中心項目落地在此，總計有 419 萬台伺服器。

整型仔體來看，今年 1-7 月，小鵬汽車累計交付超過 8 萬台，為去年同期的 2.1 倍。自交付以來，小鵬汽車歷史累計交付量已接近 22 萬台。

此外，小鵬汽車首款面卜梁汪向全球的智能旗艦 SUV小鵬 G9 將於 8 月開放預訂，並於 9 月正式上市。

小鵬汽車與阿里雲聯合建成自動駕駛智算中心2

8月2日，「東數西算」內蒙古樞紐節點中國最大的自動駕駛智算中心建成。該智算中心由小鵬汽車與阿里雲在烏蘭察布合建，算力可達600PFLOPS(每秒浮點運算60億億次)，用於小鵬汽車的自動駕駛模型訓練。「草原雲谷」烏蘭察布也迎來首座智算中心。

「東數西算」工程是實現算力規模化、集約化和綠色化的全國一體化布局。西部地區通過承接東部算力需求，像「南水北調」「西電東送」一樣優化算力資源配置，提升算力資源使用效率。

位於內蒙古的.烏蘭察布就在八大國家算力樞紐節點上。依託獨特的區位優勢和氣候優勢，包括阿里巴巴、蘋果在內的12大數據中心已落戶烏蘭察布。這里也因此被稱為「草原雲谷」。

隨著人工智慧應用的井噴式渣仿發展，專用於智能計算的智算成為發展最快的一種算力形式。智算因其「專用性」，在面向AI場景時性能和能耗更優。據工信部統計，目前我國已建和在建的智算中心有20餘座，遍布甘肅、京津冀、長三角、粵港澳大灣區、成渝等國家算力樞紐。

為響應國家「東數西算」戰略，小鵬汽車與阿里雲選擇在烏蘭察布建設智算中心「扶搖」，算力規模達600PFLOPS，可將自動駕駛模型訓練提速近170倍。模型訓練速度的大幅提升，將有力推動自動駕駛技術的發展，讓汽車的智能化程度和安全性都邁入新的階段。

同時，「扶搖」也是更綠色低碳的智算中心，結合烏蘭察布當地天然的氣候優勢，採用風冷、AI調溫、模塊化設計等綠色技術，可實現全年超過80%時間全新風運行，年平均PUE小於1.2。

小鵬汽車與阿里雲聯合建成自動駕駛智算中心3

8月2日，小鵬汽車宣布在烏蘭察布建成中國最大的自動駕駛智算中心「扶搖」，用於自動駕駛模型訓練。「扶搖」基於阿里雲智能計算平台，算力可達600PFLOPS（每秒浮點運算60億億次），將小鵬自動駕駛核心模型的訓練速度提升了近170倍。

小鵬汽車董事長、CEO何小鵬表示，「隨著自動駕駛模擬訓練的需求變化，我們需要一個強大的本地+雲端的算力來支持。我非常有信心和阿里雲在一起合作，我們能夠更快更強去實現自動駕駛的研發。小鵬汽車期待，與阿里雲一起攜手共進，共創未來出行時代的美好明天。」

數據驅動是自動駕駛發展的公認方向，也讓自動駕駛模型訓練成為一頭「吃算力」的巨獸。自動駕駛的視覺檢測、軌跡預測與行車規劃等演算法模型，有賴於機器學習海量數據集，但算力的不足讓研發速度仍遠遠趕不上數據量增長的速度。隨著感測器的進一步增加，算力的挑戰越來越大。

近年來，專用於機器學習的AI智算成為發展最快的一種算力形式。包括谷歌、微軟、Meta、阿里巴巴在內的頂尖科技公司都紛紛建造了智算中心。

自動駕駛演算法模型訓練是機器學習的典型場景之一。在烏蘭察布，小鵬汽車建造了一個算力規模達600PFLOPS的自動駕駛專用智算中心「扶搖」，來進一步提高模型訓練的效率。

通過與阿里雲合作，「扶搖」以更低成本實現了更強算力。首先，對GPU資源進行細粒度切分、調度，將GPU資源虛擬化利用率提高3倍，支持更多人同時在線開發，效率提升十倍以上。在通訊層面，端對端通信延遲降低80%至2微秒。整體計算效率上，實現了算力的線性擴展。

存儲吞吐比業界20GB/s的普遍水準提升了40倍，數據傳輸能力相當於從送快遞的微型麵包車，換成了20多米長的40噸集裝箱重卡。此外，阿里雲機器學平台PAI提供了模型訓練部署、推理優化等AI工程化工具，比開源框架訓練性能提升30%以上。

「扶搖」支持小鵬自動駕駛核心模型的訓練時長從7天，縮短至1小時內，大幅提速近170倍。目前，「扶搖」正用於小鵬城市NGP輔助駕駛系統的演算法模型訓練。和高速道路相比，城市路段的交通狀況更為復雜，自動駕駛特殊場景（corner case）的數據集規模增加了上百倍。

❼ 阿瓦隆910參數

基本參數：額定算力：17TH/S(-5%至+10%）牆上功耗：1520w/h（+0%至+20%）能耗比：89W/T晶元數量：（16納米A3210晶元）204枚，電源介面：10單路6PIN介面，風扇：1x14038 FAN，運行環境：-5℃至35℃，室內噪音：70db，幾何尺寸：378*170*155mm3，重量：6.3kg
阿瓦隆礦機是由杭州嘉楠耘智信息科技有限公司生產研發的專業定製伺服器。通過運行特定演演算法的大量計算，記錄網路中的交易，從而獲得比特幣給予算力提供者的獎勵。阿瓦隆礦機 由晶元，機箱，風扇以及外配電源跟特殊的配件組成，機箱上有明顯的阿瓦隆礦機logo，尾部有電源介面，網線介面。新出品的A8系列阿瓦隆礦機，採用16nm製程算力晶元，運行更穩定。阿瓦隆系列礦機，外形特徵每種型號都大同小異，光從外觀上看都差不多，有差異的是晶元採用的技術。
拓展資料
其餘型號參數：
1、阿瓦隆1代4模組 110G：1.額定算力： 95-110GH/S 2.牆上功耗： 985W 3.晶元數量：10個晶元 4.晶元製程：Avalon 55nm晶元,4塊算力板5.外形尺寸： 長38.2CM寬21.5CM高15CM，10KG 6.散熱：風冷，80分貝-90分貝 7.內置電源： 自帶1200W電源
2、阿瓦隆3單模 266G-325G： 1.額定算力：266G-325G 2.牆上功耗：277W-405W 3.電源介面：直流12V，51A最小 4匯流排的連接器的+12V直流輸入 4.晶元數量：40片 5.晶元製程：28nm A3222晶元，5個算力板 6.外形尺寸：395毫米×160毫米×165毫米，4.5KG 7.冷卻：12CM*3風扇，定製散熱片，安靜，低溫,35分貝
3、阿瓦隆A6 3.5T： 1.額定算力：3.65 TH / s的±10%;2.牆上功耗：1300瓦(電源轉化率為90%) 3.電源介面：4根6PIN線;4.晶元數量：80片 5.控制器：樹莓派(1代、B、B+) 6.AUC：每個AUC最多可以串聯6台機器 5.外形尺寸：136*150*334mm 6.冷卻：1×12038風扇
4、阿瓦隆A7 6T： 1.額定算力：6TH/s(-5%到+10%);2.牆上功耗：900瓦(-5%到+15%) 3.電源介面：8根6PIN線;4.晶元數量：72片 5.風扇：DC 12V/2.75A專用風扇 6.運行環境：-5度到40度 7.外形尺寸：360*136*150mm 8.室內噪音：60db 9.重量：4.3KG

❽ 280TOPS算力爆表！北京車展最強國產自動駕駛平台是它

▲左右分別為黑芝麻CEO單記章、COO劉衛紅

黑芝麻CEO單記章此前是全球視覺晶元領軍企業OmniVision創始團隊成員，在矽谷晶元行業打拚了20多年，在圖像處理晶元和軟體演算法上具有豐富的經驗和技術積累。

CTO齊崢是英特爾奔騰二代晶元主要設計成員、CSO曾代兵是中興微電子總工程師，COO劉衛紅則曾是博世中國ADAS主力部門——底盤與控制系統事業部的中國區總裁。

正因為有超強的研發團隊，讓黑芝麻這家初創公司可以在3年時間內做出ADAS晶元華山一號A500並量產上市，在今年推出華山二號A1000晶元，發布FAD自動駕駛平台。

今年以來，新車如果沒有配備L1/L2級自動駕駛，都「不好意思賣」，自動駕駛的普及程度正在快速提高，而更高等級的L3級甚至L4級自動駕駛也已經到了量產前夜，行業內對自動駕駛晶元和計算平台解決方案需求呈爆發性增長態勢。僅自動駕駛晶元的市場規模，都有望達到萬億美元級別，成為半導體行業最大單一市場。

因此，FAD此時進入自動駕駛市場可謂正當其時。

今年8月，一汽智能網聯開發院與黑芝麻達成技術合作協議。一汽智能網聯開發院將啟動基於華山二號A1000的智能駕駛平台的開發，以滿足後續量產車型需求。雙方將共同推動人工智慧技術在汽車工業領域的應用，加速國產智能駕駛晶元的產業化落地。

另外，黑芝麻也已經簽約多個FAD定點車型，預計明年就將有搭載FAD自動駕駛平台的車型上市。此外，國內外也已經有多家企業開始測試FAD自動駕駛平台，測試車輛已經上路。

黑芝麻在自動駕駛晶元和域控制器中取得的巨大成功，讓行業研究機構開始重視這家剛成立4年有餘創業公司。今年4月，矽谷最強智庫之一的CBInsights發布中國晶元設計企業榜單，黑芝麻在車載晶元領域上榜，成為中國晶元設計企業65強之一。

今年7月，黑芝麻華山二號A1000晶元也亮相世界人工智慧大會，與平頭哥、依圖、寒武紀等高端人工智慧晶元同台亮相。

可以說，黑芝麻經過四年多的發展，已經成為全球領先的自動駕駛晶元設計公司，甚至已經有能力和晶元行業的老大哥們一較高下。同時，黑芝麻的快速進步，也推動著國內自動駕駛晶元設計再上新台階。

在與兩位創始人的交談中，他們還透露了一個彩蛋，明年黑芝麻將發布性能更強的晶元，屆時搭載這一晶元的FAD自動駕駛平台最高算力有望突破1000TOPS，其算力已經可以進行完全自動駕駛。

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。

❾ 以太坊設備壽命

以太坊2.0其實包含的內容非常多，例如分片、擴容等，合並只是其中一項內容，自去年2.0信標鏈啟動開始，我們已經處在PoW和PoS雙鏈運行底下，合並是要徹底結束PoW顯卡挖礦，全部爆塊都用PoS共識來打包，合並後並不代表以太坊2.0就完成，至少還有2-3年時間增加其他功能。

合並這項內容牽涉面廣，利益巨大，時間點非常非常非常關鍵，尤其對礦工而言，那是生死攸關，天天看著這個合並時間點來考慮是否加卡。坦白講，礦工根本不關心什麼分片、擴容，Layer2，Rollup等功能，他們只關心什麼時候正式合並，什麼時候結束挖礦。

已參與ETH2.0信標鏈質押的希望合並越快越好，因為他們需要在合並後的第一次硬分叉才能解除質押，而礦工們持有顯卡，希望合並越晚越好（最好別合並），把顯卡能耐發揮到極致。

兩個月前的消息是，合並提前了，並且在合並前，不再有新的EIP功能修訂升級，ETH團隊所有人員集中全力優先處理合並事宜，合並提案EIP-3675也在8月中由研究員Mikhail正式立案，這標志著合並真的真的真的要進入倒計時了，可惜仍然沒有具體日期，只有概率。啥玩意

總結：

隨著以太坊總市值以及生態膨脹到今天這個體量，船大難掉頭，任何一個小錯誤，都會引起巨大震盪：礦工手上有顯卡，機構手上有幣，DeFi生態里有TVL，有多少礦池靠ETH吃飯，有多少炒賣顯卡為生的代理商......

如果在這個過程中，平衡不好各方的利益，那麼整個網路可能會被凍結，甚至崩潰。我認為以太坊團隊在公布合並時間點這件事上太兒戲了，不把礦工的礦機當回事，幾個月前開發員Trend說保守估計年底前合並，現在看來又要跳票，官方還有什麼可信度？要防止跳票很難嗎：至少提前一年，對外公告「准確的合並日期」，以及合並步驟和詳情。如果沒在測試網通過就不要亂發布各種合並消息，尤其是開發人員。我現在啥都不想看，就等12月的炸彈 pushback 究竟要延到明年幾月。到時再來寫一篇《如何處理手上的礦機》吧，拭目以待。

❿ AMD CPU 算力表

不多解釋自己查

上面型號，下面算力

AMD THREADRIPPER 1950X (16C/32T)

1800

AMD RYZEN 1950X THREADRIPPER

1450

THREADRIPPER 1950X

1370

AMD THREADRIPPER 1950X

1367

RYZEN THREADRIPPER 1950X

1340

AMD THREADRIPPER 1950X

1333

AMD RYZEN THREADRIPPER 1950X

1280

RYZEN THREADRIPPER 1950X @3.9 GHZ

1265

RYZEN THREADRIPPER 1950X

1196

THREADRIPPER 1920X

1091

AMD THREADRIPPER 1950X @4GHZ

995

THREADRIPPER 1900 ONLY CPU (8THREADS)

780

AMD RYZEN 7 1800X

704

RYZEN 7 1700

700

AMD RYZEN 1700X

670

RYZEN 7 1700

662

RYZEN 7 1800X (OC TO 4.0GHZ)

660

AMD THREADRIPPER 1900X

655

RYZEN R7 1700X @4.0 GHZ

640

AMD RYZEN 7 1700X (4GHZ, 1.35V)

640

RYZEN 7 1700X 3875MHZ

638

AMD RYZEN 7 1700X

635

AMD RYZEN 7 1800X

632

AMD RYZEN 1700X

630

RYZEN 7 1800X

630

RYZEN 1700 @3.89GHZ

630

RYZEN 7 [email protected]

626

AMD RYZEN 5 1600

625

RYZEN 1800X AT 3.9MHZ (OC)

620

AMD RYZEN 7 1700

620

RYZEN 7 1700

620

RYZEN 1800X (OC TO 3,9GHZ)

620

AMD RYZEN 7 1800X 4.2GHZ

620

AMD RYZEN 7 1700

620

RYZEN 7 1700

615

RYZEN 7 1700

610

RYZEN 7 1700 @4.0GHZ

610

AMD RYZEN-7 1700 (@3700 MHZ)

605

RYZEN 1700X

605

AMD RYZEN 1700

601

AMD RYZEN 7 1700X 3.8GHZ

595

RYZEN R7 1700

594

RYZEN R5 1600X @4GHZ

592

RYZEN 5 1600X @4.0GHZ

587

RYZEN 5 1600 (3.95GHZ OC)

585

RYZEN 7 1700 @3.6GHZ

580

RYZEN 5 1600

575

RYZEN 5 1600 @3.9 GHZ 1.304 VOLTS

570

RYZEN 1700 (3.6GHZ)

570

AMD RYZEN 1700

570

RYZEN R5 1600X

565

AMD RYZEN 7 1700

565

RYZEN 7 1700

560

AMD RYZEN 5 1600@4GHZ

560

RYZEN 5 1600

560

AMD RYZEN 5 1600X

560

RYZEN 7 1700X

558

AMD RYZEN7 1700

555

RYZEN R5 1600X

550

AMD R5 1600 @3.925 MHZ 1.224V

550

RYZEN 7 1700X (STOCK)

550

AMD RYZEN 5 1600

545

AMD RYZEN 5 1600 [email protected]

540

AMD RYZEN R7 1700

536

RYZEN 5 1600 @3700 MHZ

527

RYZEN 1700

520

AMD RYZEN 5 1600X @ 4.1 GHZ

520

RYZEN 5 1600X

520

RYZEN 7 1700

520

RYZEN 7 1700

515

RYZEN 7 1700 @3.2GHZ

513

RYZEN 7-1700

510

RYZEN 5 1600X

510

RYZEN 5 1600X

510

RYZEN 5 1600

508

RYZEN 1700 (3.7GHZ OC)

506

R7 1700 @O 3,7GHZ

505

AMD RYZEN 5 1600 + 2400MHZ RAM

503

AMD RYZEN 7 1700 @3.1GHZ

503

RYZEN 5 1600 @3.8GHZ

500

RYZEN 1700X

500

RYZEN 5 1600 @3750 MHZ

500

AMD FX-9590

497

RYZEN 5 1600 @ STOCK

495

AMD RYZEN 7 1700

492

AMD RYZEN 5 1600

485

RYZEN 5 1600X

477

RYZEN 5 1600

475

FX-8350@4,5GHZ (22,5*200)

473

AMD RYZEN 5 1600

470

RYZEN 5 1600X AMD

470

RYZEN 5 1600 - OVERCLOCKED TO 3.7

470

RYZEN 5 1600

470

FX8320E@4,5GHZ

470

AMD OPTERON 6376

469

RYZEN 7 1700

466

RYZEN 7 1800X

465

AMD RYZEN 5 1500X

460

RYZEN 5 1600

460

AMD FX 8350

457

AMD FX 8350

457

RYZEN 1700X

455

AMD RYZEN 5 1600

453

FX-8350 (OVERCLOCK: 5.0 GHZ, DISABLED 4 CORES, 1 CORE = 2MB CACHE)

450

AMD RYZEN 5 1600

450

RYZEN 6 1600

450

RYZEN 5 1600

450

AMD [email protected]

445

FX-8350 (OVERCLOCKED: 4.8GHZ, OVERCLOCKED: DDR3 RAM 1600MHZ))

444

AMD RYZEN 5 1600X

440

AMD FX-8350 (4.6GHZ CORE / 2.4GHZ CPU NORTHBRIDGE)

440

FX-8350 @ 4.4GHZ

440

RYZEN 5 1600 - STOCK

436

AMD RYZEN 5 1600X

435

RYZEN 5 1600 (STOCK)

431

AMD FX-8350 OC 4.7GHZ

430

AMD RYZEN 5 1500X @ 3.5GHZ

429

RYZEN R7 1700

427

FX 9590

425

AMD FX-8300 OC 4.4GHZ

425

AMD FX-8300 OC 4.4GHZ

425

RYZEN 5 1500X @3.5GHZ

425

FX-9590

423

AMD FX-8350 OC 4.3 GHZ

423

AMD FX-8350 (USING 7 OF 8 CORES)

420

AMD FX 9590

420

AMD RYZEN 1600X

420

FX-8320 @ 4.2GHZ

415

[email protected] GHZ

415

FX8320@4200

412

RYZEN 7 1800 (STOCK)

412

AMD RYZEN 5 1500X @ 3.9 GHZ | DDR4 2933 CL16

410

AMD 8320 @4.3 GHZ

408

FX 8350 OVERCLOCKED 4.2

406

FX-8320E

405

FX-9370

404

AMD FX 8350 OVERCLOCKED 4.2(21X200)

400

MD RYZEN 7 1800X

400

FX-8320

400

AMD FX-8350 BLACK EDITION

400

RYZEN R7 1700 @ 3800 MHZ

400

AMD FX-8350

400

AMD RYZEN 5 1600 STOCK 3.4 GHZ

400

RYZEN 5 1600

400

AMD FX 8320 @4.1GHZ

399

AMD FX 8350

399

FX 8350

399

AMD RYZEN 1500X

396

FX8320E@4GHZ

395

AMD RYZEN R7 1800X (STOCK)

395

AMD 8350-FX @ 4300GHZ

393

AMD FX-8120 @OC 4010

393

AMD FX-8350

390

FX 8350

390

AMD FX8320E - 3,9GHZ OC

385

FX-8320E @3,9GHZ

383

AMD FX-8120

380

AMD FX 8370

379

OPTERON 4334

375

AMD RYZEN R7 1700

375

AMD RYZEN R5 1600 (STOCK)

370

FX 8320

368

AMD FX-8350 (DOWNCLOCK TO 3.6 GHZ)

360

AMD FX 8320

360

AMD FX-8370E EIGHT-CORE PROCESSOR

359

AMD [email protected]

358

FX-8150 (DEFAULT, NO OVERCLOCK)

356

RYZEN 1500X

354

FX 8300 @ 4400

354

FX 8350 @ 4.7 GHZ

350

AMD OPTERON PROCESSOR 4171 HE

345

FX 8300 (OC 4200)

340

FX-8320E

340

RYZEN 7 1700X

340

AMD 8370E

337

AMD RYZEN 5 1500X @3.57GHZ

334

AMD FX 8300

332

AMD FX-6350 @4.6 GHZ

332

AMD RYZEN 1700 3.8GHZ

330

AMD FX-8150 8X3.6 GHZ @ 4.1 GHZ

330

AMD FX 8320 BONE STOCK

330

FX8320-E

327

AMD FX 8370

320

AMD FX(TM)-8350 EIGHT-CORE PROCESSOR OC (8CPUS),~ @ 4.32GHZ

320

AMD FX 8370E

320

AMD RYZEN 7 1700 @ 3.8GHZ

320

AMD FX(TM)-8350 EIGHT-CORE PROCESSOR

316

FX-6300

315

AMD RYZEN 5 1600

313

AMD FX 6300 @ 4.7GHZ

310

AMD FX 8320

310

RYZEN 1500X

310

AMD FX-8350

310

AMD FX-6350

306

AMD FX-8320 4.0GHZ

305

AMD FX 6300

305

RYZEN X1700

302

AMD FX-8370

301

AMD FX-8320

300

RYZEN 5 1400X

300

AMD FX-6300

300

FX 8320

300

AMD RYZEN 3 1200 (3.1 GHZ BASE)

300

RYZEN 3 1200 OC TO 3.9GHZ

300

AMD FX-8320

300

RYZEN 5 1400X

300

AMD FX 6350

300

RYZEN 3 1200@3750

292

FX 8350

290

RYZEN 5 1400 @3.8 GHZ

289

AMD FM 8120 @3110

284

AMD3+ FX-6300 3.5GHZ

282

RYZEN 5 1400

280

AMD FX 8350

279

AMD FX 8300

279

AMD FX 6300

275

FX 6300

275

AMD FX6300

271

RYZEN 1300X (STOCK)

270

AMD 8320 (4.2)

269

AMD OPTERON(TM) 3280

266

AMD FX 6300

265

AMD FX-4350 (OVERCLOCKED TO 4.8MHZ)

264

RYZEN 5 1400

262

AMD FX-6300

260

AMD FX-6300 @ 4GHZ

255

AMD FX-6300

250

AMD FX 6300

250

FX 6300

250

FX-6100

249

FX 6300

245

RYZEN 3 1200

241

OPTERON 4334

240

AMD FX 6100 OC 4.0 GHZ

240

RYZEN 1800X

239

FX-6300

237

AMD OPTERON(TM) PROCESSOR 4274 HE

236

AMD FX 6300 @4.1 GHZ

230

FX-9370

230

FX 8350

230

AMD FX-8320E

226

AMX FX-8350

224

AMD FX-8150 8-CORE PROCESSOR 8X3.6GHZ UP TO 3.96GHZ

220

RYZEN 5 1400

220

AMD FX 8300

220

AMD FX-6350 HEXA-CORE 3.9GHZ

220

FX 8350

220

AMD FX-6100

220

FX 8350

220

AMD FX 6300

219

AMD A8-7650K, OC 4.5

219

AMD FX-8370E

216

FX 6300

216

AMD FX 4350

214

AMD FX 8320 4GHZ

210

AMD FX - 4100

210

AMD FX 8320E

210

AMD FX 4100 @4.40 GHZ

207

A8 7650K (OC 4.4GHZ)

207

A10 7850K

202

FX 4100

200

AMD A10-6800K APU

198

FX 4100

196

FX 4100

195

AMD FX-4300 @ 3.8 GHZ

194

AMD FX6300

188

FX 6300 (5 CORES)

181

AMD FX-8350 VISHERA

180

AMD FX 4300 3.8GZ

180

I5-4570S

180

AMD 7650K @ 4.0 GHZ 1.395V 95W

179

FX 6300 VISHERA

175

AMD FX-8350

175

AMD ATHLON X4 860K

175

AMD FX 4300 3800MHZ

172

AMD A8 5600K

170

AMD FX-4100

166

AMD FX-6300

165

AMD FX-6300

165

FX-4300

164

AMD A8-7650K

160

ATHLON X4 870K UP TO 4.2GHZ

157

AMD A10-6700

156

AMD A10 6800K

155

AMD FX 4350

154

AMD A8-6600K

152

FX 4300

150

AMD FX-6300

150

FX-4100 4,2GHZ

150

AMD FX4100

146

FX-6300

137

FX6300

135

ATHLON X4 760K

121

A8 7600

120

AMD FX6300

120

AMD A8-7600 RADEON R7 3.10GHZ

120

A10 7850

117

AMD FX 4100

108

AMD A8-7600 3.1GHZ 4 CORES

105

AMD PHENOM II X4 B60 @ 3.6GHZ

95

PHENOM 1090T X6 @ 3.6GHZ

90

AMD PHENOM(TM) II X6 1055T PROCESSOR, L3 6.0 MB, 3.9 GB RAM

90

AMD PHENOM II X4 965

89

AMD PHENOM(TM) II X6 1035T

86

AMD PHENOM II X4 965 BE

80

A6-7400K + GPU R3 128 BIT OC

75

AMD ATHLON II X4 740 3.2GHZ

75

PHENOM II X2 555BE

73

AMD RYZEN 5 1400 @ 3.2GHZ

70

AMD PHENOM II X6 1055T

70

AMD PHENOM II X4 960T

69

AMD ATHLON X4 860K

69

AMD PHENOM II X4 940

66

AMD A10 5800K

63

AMD A10 5800K 4.6GHZ

60

AMD A8 7600 3.8GHZ

55

AMD A8-5500

55

AMD ATHLON X4 860K

52

AMD PHENOM N830

50

AMD PHENOM II X6 1035T

50

AMD PHENOM II X6 1055T (2.8GHZ)

50

QUAD-CORE AMD OPTERON 1385

48

AMD A8 3870K @ 3,5GHZ

47

AMD PHENOM II X4 840

42

AMD ATHLON II X4

40

A6-5200

40

AMD PHENOM II X4 945

40

ATHLON X4 635

35

QUADCORE AMD A6-3620, 2272 MHZ

33

AMD A6 3400M

30

AMD ATHLON X4 630 3.1GHZ

29

AMD ATHLON X3 405E

29

PHENOM X4 9500

28

AMD SEMPRON(TM) 3850 APU

25

PHENOM II N930 (MOBILE) QUAD-CORE 2GHZ

25

AMD A4 6300

25

AMD ATHLON 7850

24

AMD A6-6400K APU

22

AMD ATHLON(TM) II X2 245

22

AMD A10-9600P

21

AMD OPTERON X2150

21

AMD A10-9600P

21

AMD A6 6400K

20

ATHLON II X2 240

20

AMD A4 6300

19

AMD FM1 A6-3670K @ 2.5GHZ (2.7 STOCK)

18

AMD ATHLON 64 X2 5400+ 2.8GHZ

15

AMD A4 6300 (1 CORE)

15

AMD A4 6300 (1 CORE)

15

AMD TURION X2 DUAL CORE MOBILE RM-75

14

AMD TURION X2 RM-75

12

AMD ATHLON(TM) II X2 245

12

ATHLON X2 2.00 GHZ

12

AMD ATHLON 64 DUAL CORE 4200+

11

AMD ATHLON 64 X2 4000+

11

AMD APU A4-3400

10

AMD SEMPRON 2650, 1.4GHZ, 1MB, DUAL-CORE

10

TURION TL-58

8

AMD OPTERON 1210

8

AMD ATHLON LE-1600

6