晶元算力int

⑴ 升騰910晶元和台積電的7nm晶元有什麼不同

1、性質不同：Ascend 910（升騰910）與之配套的新一代AI開源計算框架MindSpore。麒麟晶元採用海思K3V2一舉躋身頂級智能手機處理器行列。

2、特點不同：升騰910主打雲場景的超高算力，其計算密度達到了 256 TFLOPS。麒麟990 5G 採用7nm+ EUV工藝製程，首次將5G Modem集成到SoC上。

3、原理不同：升騰910的算力是國際頂尖AI晶元的2倍，相當50個當前最新最強的CPU；其訓練速度，也比當前最新最強的晶元提升了50%-100%。海思麒麟990處理器將會使用台積電二代的7nm工藝製造，加上V光刻錄機的使用，使得海思麒麟990處理器在整體性能表現會比上代海思麒麟980提升10%左右。

(1)晶元算力int擴展閱讀：

注意事項：

升騰910AI晶元屬於Ascend-max系列。實際測試結果表明，在算力方面，升騰910完全達到了設計規格，即半精度（FP16）算力達到256 Tera-FLOPS，整數精度（INT8）算力達到512 Tera-OPS，重要的是達到規格算力所需功耗僅310W，明顯低於設計規格的350W。

通過MindSpore框架自身的技術創新及其與升騰處理器協同優化，有效克服AI計算的復雜性和算力的多樣性挑戰，實現了運行態的高效，大大提高了計算性能。除了升騰處理器，MindSpore同時也支持GPU，CPU等其它處理器。

⑵ 君正t41多少納米

。以T41為例，該族茄運晶元採用12nm先進工藝，算力達1.2T@int8 / 4.8TOPS@int4，支持從200萬全高清到800萬超高清的視納弊頻處理能力，能兆梁夠滿足人臉、人型、機動車、非機動車、樓宇建築、寵物等特徵屬性識別以及行為分析需求。

⑶ 256TOPS、35W，後摩用一顆晶元掀起智能駕駛新戰事

本不平靜的智能駕駛晶元江湖，再添新變局。

5 月 10 日，後摩智能重磅發布智能駕駛晶元鴻途™H30，該晶元物理算力高達 256TOPS@INT8，與時下備受追捧的 256TOPS 英偉達 Orin X 不相上下，典型功耗只有 35W，能效比之高可見一斑。

這塊晶元性能如此強勁的背後，在於其採用了顛覆性的底層架構設計——存算一體。

與大多數晶元基於馮·諾依曼架構打造不同，存算一體通過在存儲單元內完成部分或全部的運算，極大地解決了晶元性能受存儲帶寬限制的瓶頸，且降低了功耗需求。

鴻途™H30 的推出對於行業來說具有重大的隱含意義，其大算力、極致能效比、超低延時、低成本等特性，正好吻合智能汽車對於晶元的需求。

當下，智能駕駛行業正在面臨性能提升、成本下探的關鍵發展期，作為國內首款存算一體智駕晶元，該晶元註定將引發一系列的連鎖反應。

在發布會現場，後摩還專門推出了基於鴻途™H30 打造的智能駕駛硬體平台——力馭®，其 CPU 算力高達 200 Kdmips，AI 算力為 256Tops，支持多感測器輸入，能夠為智能駕駛提供更充沛的算力支持；在功耗上，力馭®平台僅為 85W，可採用更加靈活的散熱方式，實現更低成本的便捷部署。

衡量一款晶元好不好，除了看硬體上的「硬實力」，還要看軟體上的易用性，這其中工具鏈發揮著重要的作用。信曉旭認為，除了追求晶元在 PPA 指標上的競爭力之外，還要確保在軟體工具鏈的競爭力，「要打造高效，易用的軟體開發工具鏈，讓演算法開發人員用得舒服、用得爽。」

汽車之心了解到，為了幫助客戶和合作夥伴用好晶元，後摩基於鴻途™H30 晶元自主研發了一款軟體開發工具鏈——後摩大道™，以無侵入式的底層架構創新保障了通用性的同時，進一步實現了鴻途™H30 的高效、易用。

信曉旭表示，在晶元和工具鏈的雙重配合下，後摩能夠向智能駕駛市場提供更優選擇。他透露，鴻途™H30 將於今年 6 月份開始給 Alpha 客戶送測。

「我們的研發人員還在加班加點地調試，進行送測之前的最後准備工作，這將會是後摩用存算一體重構智能駕駛晶元的開端。」

03、格局未定的智能駕駛晶元江湖，再次迎來大洗牌

在後摩發布鴻途™H30 之前，似乎沒有玩家在晶元底層架構做改動，即使是打響大算力晶元前裝量產第一槍的國際巨頭英偉達，目前也是沿著馮·諾伊曼架構不斷迭代自己的產品。

然而隨著智能駕駛往更高階和更普及化方向發展，對於架構創新的呼喚，顯得愈發緊迫。

一方面，從高速公路、快速路到城區道路，智能駕駛面臨的場景越來越復雜，為了識別各種異形物，玩家們部署了 Transformer 等大模型，由此也帶來算力需求的急劇上升，業內估計從當前火熱的城市 NOA 到未來走向 L3/L4 級自動駕駛，晶元算力將從幾百 TOPS 往上千 TOPS 增長，然而在傳統的馮·諾依曼架構設計下，存儲帶寬制約算力向上拓展的空間；

另一方面，智能駕駛功能正在加速向下滲透，工信部數據顯示，2022 年，智能網聯乘用車 L2 級及以上輔助駕駛系統的市場滲透率提升至 34.9%，較 2021

【本文來自易車號作者汽車之心，版權歸作者所有,任何形式轉載請聯系作者。內容僅代表作者觀點，與易車無關】

⑷ 黑芝麻智能第二款大算力晶元A1000 pro流片成功

集微網消息，在 汽車 智能化成為全球主流共識，軟體定義 汽車 的商業模式加速發展的當下，以人工智慧為核心的軟體技術將決定智能 汽車 「該有的樣子」， 汽車 產業原有的商業模式也將被打破。因此，包括摩根士丹利等投行認為，特斯拉通過銷售軟體訂閱服務獲得的利潤最終可能比銷售硬體更多。

誠然，用軟體升級的方式拓展全新的功能和性能，車廠能從軟體升級中獲取更多的收益，但前提是硬體水平夠「硬核」。業內人士指出，「只有將硬體的性能和算力備足，才能為後續的軟體升級提供足夠多的空間。」

其中，穩定的車規級晶元以及計算平台是自動駕駛「軍備競賽」中的重要基石。目前，英特爾、英偉達、特斯拉等海外車規級SoC晶元玩家仍是主流。近年來，黑芝麻智能、芯馳 科技 等為代表的本土勢力也在加速崛起，其中， 黑芝麻智能4月份於上海發布的新款A1000 pro最高可達196 TOPS，典型功耗25W，繼續保持國內最高算力自動駕駛算力晶元的位置。

先進工藝打造自動駕駛「最強大腦」

今年來，上汽、蔚來等越來越多的車企都對大算力表現出了強烈的追求，目的就是為後續的軟體演算法和創新留下足夠大的空間。隨著自動駕駛的技術、應用向前發展，市場對大算力的需求持續高漲，而算力主要由晶元來提供。 因此，自動駕駛發展的核心在於 汽車 的「最強大腦」——晶元。

黑芝麻智能CMO楊宇欣向集微網透露:「這兩年客戶對算力增長的要求是非常快的，因為自動駕駛正處於高速發展的時期，其實主流廠商剛開始更多的還是以硬體預埋或者是算力冗餘的方式來進行系統開發。 因為自動駕駛本身的技術演進也比較快，所以客戶對算力的要求是挺高的。 」

基於此，在去年發布A1000晶元後，黑芝麻智能在今年4月又發布了2021年國產最強車規級自動駕駛晶元華山二號系列最新款A1000 Pro，這是國內目前唯一能夠滿足ISO 26262 ASIL D級別功能安全要求的大算力晶元。同時， 經過一年的打磨，隨著工藝的穩定，性能的優化以及配套軟體的成熟，華山二號A1000 算力最高可達到INT8下58TOPS，INT4下116TOPS。黑芝麻智能也因此成了國內唯一已經推出兩款滿足ISO26262功能安全標準的高算力晶元廠商。

從性能來看，A1000 Pro基於兩大自研核心IP——車規級圖像處理器NeuralIQ ISP以及DynamAI NN車規級低功耗神經網路加速引擎打造，得益於DynamAI NN大算力架構， A1000 Pro 支持INT8稀疏加速，算力達到106 TOPS，最高可達196 TOPS，繼續保持國內最高算力自動駕駛算力晶元的位置。

與此同時， A1000 Pro內置高性能GPU可以支持高清360度3D全景影像渲染， 能夠覆蓋L3/L4高級別自動駕駛功能，支持從泊車、城市內部到高速等場景。

此外，晶元要實現高速處理數據任務，數據的傳輸速率是關鍵。 A1000 Pro內部可以配置不同數據通路和運算機制，在晶元內部部署互為冗餘的雙套系統和安全島校驗。 基於內部多核心建立高速通信通路，A1000 Pro大幅提高數據傳輸效率。

對於在不到1年的時間內就迅速實現A1000 Pro晶元從研發到成功流片，楊宇欣表示，「A1000 Pro是基於A1000核心進行設計優化和性能提升，這樣可以用更短的時間來推出更高算力的產品；其次， 我們採用業界創新先進封裝工藝集成多個核心，解決了在16nm工藝下支持超大規模深度學習引擎的難題； 此外，我們FAD全自動駕駛平台的軟體平台，可以實現多核心任務調度來提高晶元的效率。」

更讓人期待的是，據楊宇欣透露， 目前A1000 Pro已經在系統上跑起來了，預計今年9、10月份能交付客戶，計劃於2022年底實現車型量產上市。

深耕國內 汽車 市場，做更懂本土需求的智能平台

在自動駕駛競爭中，概念車量產與規模化應用將是角逐的焦點。車企要提升智能應用的落地，需要來自晶元廠商密切配合，為其應用方案需求提供定製化的底層硬體支持。

因此， 自動駕駛晶元以及計算平台的本土化更符合國內市場需求。 作為行業領先的車規級自動駕駛計算晶元和平台研發企業，黑芝麻智能目前能針對國內市場需求，提供完整的解決方案。在「軟體定義 汽車 」的商業模式下，除了晶元外，黑芝麻智能還開發了FAD全自動駕駛平台的智能開發平台。

FAD 全自動駕駛平台包含完善的工具鏈開發包及應用支持，內置50多種AI參考模型庫轉換用例，不僅可以幫助客戶降低演算法開發門檻，還可以幫助客戶快速移植模型和部署落地的一體化流程。

據介紹，A1000 Pro支持黑芝麻智能最新的FAD 全自動駕駛平台，FAD全自動駕駛平台包含業界領先的面向分布式計算的自動駕駛中間件，能夠適配多種標准協議和操作系統，並提供軟體全生命周期的管理。在A1000Pro系統中，任務可以在多個子系統之間動態遷移，具有易開發、高可用、零拷貝等特性，提升演算法的效率與靈活性。

對於FAD 全自動駕駛平台的意義，楊宇欣指出：「客戶開發自動駕駛的過程中，每個客戶都有自己的技術方案訴求，所以我們一直主打開放。這其中包含了兩個層面的開放， 一是軟體工具鏈體系的開放， 這個可以讓客戶去在上面進行更多的定製化。 二是生態的開放， 客戶在這個平台上可以選擇不同的合作夥伴，比如說不同的演算法廠商、核心供應鏈的核心器件廠商，我們的平台都可以支持。所以， 從這兩個層面來看，我們能夠滿足現在車廠在做自動駕駛過程中的各種各樣訴求。 」

從這個層面來看， 黑芝麻智能是運用底層技術賦能行業，通過打造更懂本土客戶需求的智能平台，並且基於底層計算平台形成一個開放的生態。 目前，黑芝麻智能已經與東風、一汽、蔚來、上汽、博世等主機廠及Tier1企業達成合作。

對於自動駕駛的展望，楊宇欣說道：「各家車廠都在積極做下一代架構自動駕駛，因為車廠現在也開始『軍備競賽』，其中包括了軟體、演算法，以及新的電子信息架構技術的比拼。現在車企都在規劃下一代智能 汽車 架構，這個非常考驗各家車廠對未來技術方向的把握和推動力。」

（校對/落日）

⑸ 僅用3年時間，國產7nm車規級晶元問世，突破海外技術壁壘

12月10日，中國首款7nm車規級高端智能座艙晶元在「龍鷹一號」在芯擎 科技 手中誕生。

這意味著，我國在又一領域突破了海外技術壟斷，做到了自主可控。同時這也表示，在智能座艙這一具有巨大發展潛力的市場中，我國也能夠贏下一席之地。

如今， 汽車 市場正在經歷一場智能化升級，這催生出了智能座艙等新賽道。

智能座艙集結了自動駕駛、AI、、語音識別等多項新技術，能夠為駕駛員帶來更好的局猛數交互體驗，提升駕駛感受。而且，在業界人士的展望中，智能座艙將扮演著十分關鍵的角色，這更是使其成為了兵家必爭之地。

因此，智能座艙市場正在快速興起。

當前在智能座艙晶元領域，外資企業奪走了大部分市場。而中國企業因為起步較晚，則一時落入人後，所佔市場份額並不多。

據了解，在2020年全球智能座艙主晶元市場中，NXP、瑞薩、英偉達、TI、英特爾等幾大巨頭已經拿下了大部分市場。而中國大陸企業則榜上無名，淪為了「其他」之列。

這樣的境況顯然令人擔憂。好在，如今在全球智能座艙晶元市場中，還未能形成穩定的市場格局。因此，作為後來者的我國，並非沒有後來居上的可能性。

而且，中國廣闊的相關市場更是為本土企業注入了發展的動力。

據IHS Markit公布的數據顯示，中國知首市場中座艙智能配置水平的新車滲透率在全球領先，為48.8%。對應的，2020年中國智能座艙市場已有567億元的可觀規模。

到2025年時，我國在這一領域的滲透率有望突破75%的大關。隨著滲透率的不斷提升，我國的這一市場也將愈發龐大，吸引更多資本的湧入。

當前，華為、紫光展銳、吉利旗下億咖通 科技 等中國巨頭，已經湧入了智能座艙賽道中。如今，芯擎 科技 更是憑借著「龍鷹一號」成為賽道新黑馬。

從2018年成立到如今，芯擎 科技 僅用3年的時間，便拿出了如此成績，著實是令人驚喜。

那麼，「龍鷹一號」究竟有何過人之處呢？其中，最為令人矚目的自然是其採用了7nm工藝。

在智能座艙晶元市場中，使用7nm工藝還是頭一次，大多晶元採用將得都是14nm-28nm製程。

7nm工藝的採用，使得晶元的設計難度倍增、工藝更為復雜；但是這也使得晶元的算力大幅提升，性能足以同國外同類產品相媲美。

而且，如今智能座艙晶元對算力提出了更高的要求，「龍鷹一號」的高算力恰好符合行業的需要。要知道，智能晶元的算力與行駛安全直接相關，一旦算力緊缺便會引發系統宕機事故。

而且，「龍鷹一號」對語音識別、液晶儀表、ADAS等多項技術進行了融合，做到了「一芯多屏多系統」，從而為用戶帶來更體貼與全面的服務。

值得注意的是，「龍鷹一號」的問世不只是芯擎 科技 一家企業的功勞，吉利等 汽車 廠商同樣有參與晶元設計過程。 汽車 廠商的需求、反饋等，使得「龍鷹一號」更加契合車企的需求，能夠滿足車企的中長期發展規劃，從而提升該晶元的競爭力。

由此不難看出，「龍鷹一號」的巨大優勢。該晶元的問世，不僅讓芯擎 科技 在愈發激烈的行業競爭中脫穎而出，而且也推動中國智能 汽車 產業走上了一個新的高度。

據了解，「龍鷹一號」正走在量產的路上。根據計劃，該晶元將在2022年第三季度實現量產，並於該年年底前裝量產上車，正式與國外同類晶元相較量。

屆時，「龍鷹一號」晶元的實際表現究竟會如何，就讓我們拭目以待。

目前，我國雖然在智能座艙晶元市場中落後於人，但是我國在這一領域仍桐首有著很大趕超機會，畢竟這一賽道才剛剛興起，未來發展還有很大的未知數。

而且，智能座艙晶元雖然看似不起眼，但是在智能 汽車 長中的地位卻十分關鍵。因此，已經嘗過被「卡脖子」之苦的我國，不能再失去一塊陣地。

否則，中國龐大的智能 汽車 產業無疑會受到外資企業的牽制，影響這一產業的發展，這一後果相當嚴峻。

因此，我國必須攻克下智能座艙晶元這一關鍵領域。希望我國在這一領域，能夠傳來越來越多的好消息。

⑹ 自動駕駛升級/域集中趨勢下 東軟睿馳的「芯」變化

自動駕駛系統進化,汽車電子電氣E/E架構加速向域控架構遷移,驅使著晶元性能和結構快速升級。

域控處理器需要處理大量圖片、視頻等非結構化數據,同時還需要整合雷達、視頻等多路數據。原有單一晶元無法滿足諸多介面和算力需求,車載處理器算力呈現指數級提升,具備AI能力的主控SOC晶元成為了主流。

SoC晶元集成了CPU、AI 晶元(GPU/FPGA/ASIC)、深度學習加速單元(NPU)等多個模塊,相對於單核處理器,異構多核SoC處理器在算力、性能、成本、功耗、尺寸等方面具備更明顯的優勢。

當前,在智能汽車領域已經聚齊了各路晶元玩家,英偉達、高通等近年來在汽車主控SOC晶元領域大舉布局,分別針對ADAS、自動駕駛以及智能座艙領域推出了系列晶元,率先於傳統晶元企業在各領域快速落地;瑞薩電子、恩智浦、德州儀器(TI)等傳統汽車晶元企業不甘落後,面向智能駕駛領域積極跟進。

除了外資巨頭,在國內還有華為、地平線、黑芝麻、芯馳、芯擎科技等一大批企業已經快速崛起,為自主品牌車企提供了更多選擇。

綜合來看,主控晶元正朝向異構多核、高集成、低功耗等更高性能的方向邁進,同時也推動了域控制器升級和量產落地,東軟睿馳等Tier1企業也在晶元技術的變革之下,與合作夥伴展開更多、更深入的合作,這對電子電氣架構發展和軟體定義汽車帶來了極具意義的影響。

一、來自不同層級市場的晶元需求

一場算力競賽已經在各大晶元企業之間悄然興起。

高級別自動駕駛系統需要面對更復雜更廣泛的場景,伴隨著域內融合和跨域融合,未來晶元不會局限於自動駕駛域的計算任務,還會逐漸跨域升級成整車中央計算平台,對算力的要求呈現指數級增長。

有數據顯示,L2級自動駕駛的算力需求不到10TOPS即可,但要實現L3級自動駕駛的算力需求則要求不低於100 TOPS,而如果到L5級自動駕駛,整車的算力還需要翻十幾倍。

公開資料來看,大部分晶元企業紛紛瞄準了下一代自動駕駛大算力晶元,並且公布了相應的量產規劃。

英偉達已經推出的全新一代自動駕駛晶元Orin單顆晶元算力高達200TOPS,支持L3-L4,資料顯示蔚來ET7、上汽R ES33、智己L7都將採用英偉達Orin晶元,量產計劃在2022年。今年4月,英偉達還發布了算力高達1000TOPS的Atlan晶元,支持L4-L5,預計在2025年量產。

另一大晶元巨頭高通最新推出的Snapdragon Ride平台支持L1-L5自動駕駛,支持多晶元疊加使用,L3以下的輔助駕駛提供30 TOPs算力,面向L4-L5的自動駕駛系統提供700 TOPs的算力,量產時間節點為2022年。

自主品牌中,華為自主研發的HUAWEI MDC 810算力可高達400+TOPs,面向L4-L5級自動駕駛。地平線征程5單顆晶元AI算力為128 TOPS,組成的智能計算平台AI算力覆蓋200-1000 TOPS;黑芝麻智能今年全新推出的A1000Pro系列晶元,INT8算力達到106TOPS、INT4算力高達196TOPS。

除了面向L3及以上級別ADAS領域的高算力晶元,未來幾年L2-L2+級ADAS市場的爆發,同樣蘊藏著巨大的市場空間。

高工智能汽車研究院監測數據顯示,今年1-8月國內新車(合資+自主品牌)前裝標配搭載L2級輔助駕駛上險量為224.27萬輛,同比增長78.42%;在搭載率方面,今年1-8月國內新車前裝標配搭載L2級輔助駕駛搭載率為17.03%。

S32G使用路徑

通過這類通用域控制器可實現跨域融合,基於面向SOA的架構,在不同域中實現軟體復用和功能的遷移,大大增強了平台的可拓展性,可移植性,對電子電氣架構的集中化發展意義重大。

一直以來,晶元都處於快速發展變化的狀態,而晶元與軟體的高耦合,往往需要基於差異化的硬體進行大量的軟體定製化,這使得上層應用開發和持續迭代變得異常困難。很顯然,相對穩定的通用硬體平台,才是軟體架構和上層應用持續穩定和快速繁榮的基礎。

正如東軟睿馳汽車技術(上海)有限公司總經理曹斌表示,能夠把所有感測器集中在一起,並在感測器演算法基礎之上去迭代和創新,實現持續優化和進化的域控制器,才是智能汽車行業真正需要的。

他指出,這類域控制器需要基於較為完整和穩定的異構晶元作為底層架構,能夠支持AI加速和GPU的支持,將滿足需求的算力與分布式計算資源整合在一起,並且不斷地被上層軟體抽象且與底層晶元實現有機解耦,才能真正形成集中化並且可持續迭代升級的域控制器。

當前越來越多核異構SOC晶元的出現,在滿足基本功能算力需求的前提下,硬體架構、功能框架和劃分將有望形成相對通用化和穩定的狀態。

基於這類通用化的硬體架構,實現軟硬體分層解耦,逐漸形成了AUTOSAR、AP+CP+中間件的清晰穩定的基礎軟體架構,上層應用的快速實現與持續的迭代升級才能夠實現。

這對軟體定義汽車來說,可以說是非常關鍵性同時也是極具標志性的階段。

⑺ 阿里發布高性能RISC-V晶元平台「無劍600」，技術上有何優勢

無劍600平台是全球RISC-V可量產SoC晶元設計平台：它支持4核高性能RISC-V處理器，最高主頻可達2.5GHz，實現了CPU+XPU異構架構的全面優化；支持64位LPDDR4X，最高吞吐率4266MT；整合4TOPs的Int8 AI算力；全流程滿足GP TEE國際安全標准。無劍600平台有望幫助晶元公司顯著降低晶元開發成本和風險，並大幅縮短研發周期。由於相關產業剛剛起步，中外晶元設計公司在創新賽道的同一起跑線上，都面臨著採用新架構、構建新生態的挑戰。國內企業尤其是高科技企業被卡脖子的問題日益突出，如何突破技術瓶頸成為國內企業面臨的一大挑戰。

⑻ 墨芯S30算力超英偉達H100奪第一，是否實至名歸

這個成績當然是實至名歸的，因為根據可靠的消息來看,這個晶元的算力已經超過了英偉達H100的1.2倍。最重要的就是這個晶元製造的時候使用的是12nm的工藝，所以比後者的工藝更加的先進。證明了我國的晶元，技術實力水平都比國外的更加優秀。並且我國所創造出來的這款晶元更適合晶元領域的市場需求，因為它擁有著更低的成本。

溫馨小提醒

他的這個成績當然是實至名歸的，畢竟這個算力是通過專業的方式來進行對比的。再加上我國的這個晶元，不管是工藝還是技術還是實力水平，這些方面都比國外的廠家更加優秀了。我在晶元這個方面的發展是非常快速的，而且也已經要領先國外的那些技術了。而且我國製作的這些晶元擁有更低的成本，所以更符合晶元市場領域的市場需求。

⑼ 本土品牌能否打破車規級晶元的競爭壁壘丨汽車產經

1月12日，自動駕駛計算晶元製造商黑芝麻智能宣布獲得博世旗下博原資本投資。

黑芝麻智能成為博世在國內投資的第一家自動駕駛晶元企業。這也是繼去年9月獲小米投資之後，這家年輕的公司又一次獲得極高的背書。

這不是第一家進入大眾視野的國產車載晶元公司，實際上，雖然英偉達、高通、Intel近年來在汽車主控晶元領域大舉布局，但以地平線征程系列、華為升騰晶元為代表的產品也已經嶄露頭角。

比如2020年，長安汽車的主力車型UNI-T便選用了地平線征程2汽車智能晶元。

關於博世的戰略投資，黑芝麻智能 CMO 楊宇欣是這么解讀的：

「隨著整個汽車產業的發展，即使是這些全球化的鐵腕，它也需要去順應時代和本土市場的需求，用本土的供應鏈其實是他們的一個方向之一。」

輕描淡寫的語氣之下，似乎透露著本土公司同樣能引領車規晶元發展的自信。

縱觀中國市場上主控晶元的量產裝車情況，量產環節的主導力量仍是英偉達、高通、Intel這些外企。

國內市場量產車型晶元算力逐年遞增

場景定義是楊宇欣看到的自主品牌的另一個競爭力。

他分析說，「10年前，中國手機品牌一舉把大多數國外手機品牌幹下去，靠的是機海戰術。別人1年出5款，可能國產品牌就出50款。現在中國汽車品牌的策略跟當時很像，都在往更細分的人群去定義，例如長城汽車。」

或許真如楊宇欣所說，幾年後自主品牌會成功逆襲。

但在這個過程中，自主品牌車企肯定有更強的汽車智能化創新動力和訴求，這就亟需一批有力的晶元合作夥伴幫助他們，實現向汽車智能化的快速轉型。

在車規級晶元的戰役中，黑芝麻智能已經取得了領先成果，責無旁貸是肯定的，至於能不能成為車規級晶元自主化的主力，只能等時間揭曉答案。

⑽ 華為升騰910是什麼平台上用的晶元

華為升騰910是驍龍810晶元，升騰910AI晶元屬於Ascend-max系列。實際測試結果表明，在算力方面，升騰910完全達到了設計規格，即：半精度（FP16）算力達到256 Tera-FLOPS，整數精度（INT8）算力達到512 Tera-OPS；重要的是，達到規格算力所需功耗僅310W，明顯低於設計規格的350W。

面向未來，針對不同的場景，包括邊緣計算、自動駕駛車載計算、訓練等場景，華為將持續投資，推出更多的AI處理器，面向全場景持續提供更充裕、更經濟、更適配的AI算力。

華為提出，AI框架應該是開發態友好（例如顯著減少訓練時間和成本）和運行態高效（例如最少資源和最高能效比），更重要的是，要能適應每個場景包括端、邊緣和雲。

針對不同的運行環境，MindSpore框架架構上支持可大可小，適應全場景獨立部署。MindSpore框架通過協同經過處理後的、不帶有隱私信息的梯度、模型信息，而不是數據本身，以此實現在保證用戶隱私數據保護的前提下跨場景協同。除了隱私保護，MindSpore還將模型保護Built-in到AI框架中，實現模型的安全可信。