全網算力突破100e

Ⅰ 新勢力集體擁抱「端到端」

1. 「再不努力工作，你就要被AI淘汰了。」 2024年伊始，伴隨著Sora紅遍全球，社畜們陷入了新一輪的AI焦慮之中。 與此同時，站在智能駕駛行業前沿的大佬們，卻從中看到了無限的希望。
2. 近日，《汽車產經》圍繞著Sora對智能駕駛行業的啟示，面向夏一平（極越CEO）、劉濤（智己汽車聯席CEO）、楊泓澤（車聯天下CEO）等行業專家進行了簡單的問卷調查，問題如下。
3. 極越CEO夏一平問卷結果關於前兩個問題，幾乎所有受訪嘉賓都選擇了非常同意。因為在他們眼裡生成視頻只是Sora的表象。 在 OpenAI的官網上，關於 Sora 的研究論文被命名為《把視頻生成模型作為世界模擬器》。 「世界模擬器」（world simulators）是比「生成視頻」更關鍵的存在，也是Sora真正令人興奮的地方。
4. 「只有讓AI像人一樣認知和思考問題，實現端到端的架構部署，我們才有機會真正達成無人駕駛。」 一位不願具名的受訪者說道。 事實上，目前整個智能駕駛行業也確實在順著這個方向向前探索。
5. 在Sora爆火之後，馬斯克很快就轉發了一條特斯拉2023年的視頻，並表示特斯拉擁有世界上最好的現實世界模擬和視頻生成能力！ 視頻中，特斯拉通過AI生成了七個不同角度的駕駛視頻，只要輸入「變道」或者「轉彎」等指畝慎判令，七個視頻就能同步發生變化。
6. 由於特斯拉生成的視頻只用於模擬車輛行駛，所以和Sora生成的視頻相比，場景相對單調。 但在馬斯克看來，二者的AI的能力是不相上下的，區別只在於他們將這種能力用到了不同的領域。
7. 去年8月，馬斯克直播測試了特斯拉的FSD V12版本，並自豪地表示特斯拉首先跑通了端到端的智能駕駛架構； 2月中旬，特斯拉將FSD V12向部分普通用戶推送，標志著端到端的架構初步走向商業化落地。
8. 據了解，在FSD V12中，工程師刪除了30萬行定義駕駛規則的C++代碼，並省掉了傳統智駕系統的感知、預測、決策、控制等模塊，轉而向系統輸入數以百萬計的人類駕駛視頻，使其學習像人類一樣應對真實的駕駛狀況。 最終做到以感知數據為輸入，直接輸出用於車輛的控制指令，全部過程都靠神經網路模型來完成，而不是像過往那樣，按照設置好的規則執行具體的命令。
9. 端到端智能駕駛系統示意這正是端到端模型的核心，它和Sora都在試圖讓AI擁有人類一樣的發散和邏輯能力。 特斯拉和OpenAI這兩個充滿愛恨糾葛的企業，用不同的方式展示了：當大模型對世界有了理解和模擬，會帶來多大的突破和想像空間。
10. 隨著大模型一次又一次驚艷世人，擁抱端到端架構已經成為了智駕行業主旋律。 新勢力們爭先恐後地跟進這條路線，並未很多人表示可以在國內拿出比特斯拉FSD更加卓越的體驗。
11. 行業轉向端到端架構的方向是非常明確的。 特斯拉雖然有一定領先，但極越在中國的落地能力一定更強。」 極越CEO夏一平自信地表示。
12. 同時，迅改他還認為，不管是ChatGPT還是最近的Sora， AI發展越來越像人類自己，因此Sora對智駕研發本身有很大的啟發。
13. 智己汽車聯席CEO劉濤同樣認為，Sora進一步印證了端到端路線的正確性，目前智己汽車也正在全力推動端到端架構落地，創造「更像人」的智能駕駛體驗。
14. 另外，蔚來已經確定將在年內推出基於端到端的主動安全能力； 理想的端到端模型也在全力加速中，並且基於其銷量規模的領先，很多專家看好其能夠後來居上。
15. 當然，僅從宣傳口徑上來看，小鵬是國內新勢力中走得最快的。 1月份，何小鵬宣稱：「端到端大模型已經在運用中展現出了足夠的優越性。 小鵬汽車將在2024年內推動其全面上車，並且在北上廣深等核心城市實現千公里被動接管次數小於1次的目標。」
16. 2022年10月份，小鵬在廣州落地全國首個城市NGP時，對外表示其城市NGP在預測、規劃、控制模塊的代碼量是高速NGP代碼量的88倍，而感知模塊的神經網路模型數量是高速NGP的4倍。
17. 「大模型團隊成立之後，發現特別多的泛化代碼變成了相對簡單的端到端模型，車輛在感知、控制方面都表現得比想像中更聰明。 它甚至可以理解『前方ETC維修，請變道』的提示。」 何小鵬說道。
18. 小鵬汽車董事長何小鵬
19. 除了更高的功能上限，結構的簡化還帶了更高的效率和更優的功耗。 例如小鵬XNGP早期架構，僅負責動態感知的XNet就要耗費一顆OrinX算力的122%。 優化之後僅用9%的OrinX算力就實現了同樣功能。
20. 省下來的車端算力，可用於更多功能或更強性能，進一步提升系統的功能上限和魯棒性。 總而言之，為了獲得更強的能力而不斷堆疊的代碼，對車企來說是「越來越沉重的負擔」，與追求更加簡潔的系統原則是相悖的。
21. 而端到端的智能駕駛在功耗、效率、性能上都展現出了足夠的優越性。 更重要的是，它有機會徹底突破corner case對於行業制約，已經被行業當作終極的技術路線，但並非所有人都有能力跟進這條路線。
22. 從普通架構轉型端到端的智能駕駛，對於車企而言意味著部分顛覆掉過去成果和積累。 同時在算力、數據量和人才、資金等方面都會有更高的要求。
23. 有行業專家甚至預言：「全世界大約只有10％的玩家有能力完成架構的切換。」夏一平認為「相比Sora所展現的AI水準，我們（國內）的AI在數據量、質量、模型和算力上都還有很大的差距，當然最關鍵差距在人才上。」
24. 具體來看，雖然端到端架構省略了大量的基礎代碼，大大提升了自動化程度。 但仍需人類工程師手寫代碼來完成篩選數據、處理數據、組織模型訓練等工作。
25. 「這些代碼少而精，需要基礎扎實、經驗豐富的工程師團隊反復試錯、驗證。 這樣的人才，在國內少之又少。」一位智駕從業者說道。
26. 數據源：工信部 圖源：前瞻經濟學人
27. 除了人才，端到端架構需要的數據量成倍增長，數據質量要求更高，這也意味著需要更高算算力的超算基礎設施。
28. 截止到去年底，初步實現端到端智駕落地的特斯拉FSD Bate累計行駛里程為12.9億公里。 據悉，在 FSD V12 版本訓練初期中，特斯拉便投餵了約 1000 萬個特斯拉車主的駕駛視頻片段。
29. 相比之下，小鵬的智駕累計總里程還不到6億公里，新勢力中銷量最突出的理想智駕里程也只有5.6億公里，在數據規模上和特斯拉還有較大差距。
30. 除了數據量的差距，從這些難以計算的數據中，找出可以用於訓練的有效數據，是另一個重要的挑戰，它不但需要好的模型，更需要強大的算力基礎。
31. 依據公開資料，截止到2023年8月，特斯拉能提供 10EFLOPS 規模的算力。 國內廠商中，領先的華為擁有2.8EFLOPS算力；吉利星睿中心算力為 810PFLOPS（1EFLOPS=1000PFLOPS），理想汽車、毫末智行和小鵬汽車的算力分別為 750PFLOPS、670PFLOPS 和 600PFLOPS。
32. 另外，無論是人才、數據還是算力，最終比拼的都是金錢。 按照計劃，特斯拉今年將會在超算集群上再投入15億美元，到年底讓總算力提升到100EFLOPS。 小鵬在年初也宣布要拿出35億人民幣投向智能駕駛相關的AI技術研發。
33. 所以，端到端的智能駕駛，比拼的不僅僅是技術儲備。 更多的時候PK的是企業的綜合能力，尤其是和銷量規模息息相關的數據的數量與質量，最有可能扮演勝負手的角色。 而這一切都決定了智駕行業未來幾年會隨著汽車行業一起快速走向集中化。
34. NO.3[實現「端到端」沒那麼簡單]從普通架構轉型端到端的智能駕駛，對於車企而言意味著部分顛覆掉過去成果和積累。 同時在算力、數據量和人才、資金等方面都會有更高的要求。
35. 有行業專家甚至預言：「全世界大約只有10％的玩家有能力完成架構的切換。」夏一平認為「

Ⅱ 比特幣全網算力逼近100E｜算力與價格、減半、安全性有何關系

在加密貨幣領域，比特幣全網算力的變化一直是關注的焦點。目前，全網算力已經接近100EH/s的大關，這個數字背後隱藏著怎樣的秘密？我們來探討一下算力、價格、減半和安全性之間的關系。
1. 比特幣全網算力：核心概念解析
比特幣全網算力是指網路中所有礦工挖礦設備的計算能力總和，它反映了比特幣網路處理交易的能力。100EH/s意味著比特幣網路每秒能夠完成100萬億次哈希運算，換算成普通單位，即10的20次方次。
2. 如何跟蹤全網算力？
要查看比特幣全網算力，我們通常可以在區塊鏈瀏覽器上，如QKL123.COM和BLOCKCHAIN.COM，找到實時數據。但需要注意的是，瀏覽器上顯示的算力並非實時數據，而是基於難度和出塊時間的估算，並且受到幸運值的影響，所以我們應該關注七日平均算力，以減少隨機波動的影響。
3. 算力與減半周期：提前預警
比特幣每21萬個區塊，獎勵會減半一次。全網算力的上升可能導致挖礦難度調整的滯後，使得減半時間提前。近期，由於算力激增，減半時間預測已經有所提前。
4. 安全的誤解：算力與網路安全
許多人誤認為算力越高，網路越安全。實際上，比特幣的安全性取決於51%攻擊的成本，而非單純的算力。全網算力提升提高了攻擊門檻，但單位算力成本也是決定因素之一。
5. 價格波動：算力與幣價的互動
算力與幣價之間的關系並非簡單的因果關系。幣價上漲吸引更多礦工投入，導致算力上升。然而，價格的決定因素更為復雜，供需關系和成本都起著關鍵作用，正如李笑來所言，成本在某種程度上支撐了價格。
結論：關鍵點回顧
關注七日平均算力而非日平均，以減少隨機性影響。算力提升可能加速減半時間的到來，但不直接影響安全性。算力不直接影響幣價，價格受供需和成本雙重影響。比特幣的世界充滿了復雜性，但理解這些基本概念，有助於我們更好地把握市場動態。希望這個解析能為你解開比特幣全網算力的謎團，讓我們一同見證加密貨幣領域的革新與變遷。

Ⅲ 吉利星睿智算中心正式上線 提升吉利整體研發效率20%

易車超級評測體系重磅上線！專業、硬核、全面的汽車評測內容雲集，易車年度車型榜單新鮮出爐！上易車App搜索「超級評測」，等你來看！

Ⅳ 全網算力是什麼

全網算力可以按字面理解，既網路中所有參與挖礦的礦機算力總和。舉個簡單的例子，網路**有1億台礦機，每台礦機的算力是10T，那麼全網算力就是10億T，換算一下單位就是100E算力。這里需要注意一下單位，完整的寫法後面還應該加hash/s，前面舉例的數值應該是100Ehash/s，表示每秒可完成100E次hash（哈希值）計算。另外也說一下字母M、G、T、P、E的含義，其中1M就是常說的100萬，相鄰字母之間是1000倍的關系，也就是1E=1000P=1000000T=1000000000G=1000000000000M。某種加密貨幣的全網算力大小，可以反映出該加密貨幣挖礦的活躍度，數值越

Ⅳ 比特幣如何防止篡改

比特幣網路主要會通過以下兩種技術保證用戶簽發的交易和歷史上發生的交易不會被攻擊者篡改：

• 非對稱加密可以保證攻擊者無法偽造賬戶所有者的簽名；

• 共識演算法可以保證網路中的歷史交易不會被攻擊者替換；

非對稱加密



• 非對稱加密演算法3是目前廣泛應用的加密技術，TLS 證書和電子簽名等場景都使用了非對稱的加密演算法保證安全。非對稱加密演算法同時包含一個公鑰（Public Key）和一個私鑰（Secret Key），使用私鑰加密的數據只能用公鑰解密，而使用公鑰解密的數據也只能用私鑰解密。





圖 4 - 51% 攻擊



• 1使用如下所示的代碼可以計算在無限長的時間中，攻擊者持有 51% 算力時，改寫歷史 0 ~ 9 個區塊的概率9：


• #include


• #include



• double attackerSuccessProbability(double q, int z) {


• double p = 1.0 - q;


• double lambda = z * (q / p);


• double sum = 1.0;


• int i, k;


• for (k = 0; k <= z; k++) {


• double poisson = exp(-lambda);


• for (i = 1; i <= k; i++)


• poisson *= lambda / i;


• sum -= poisson * (1 - pow(q / p, z - k));


• }


• return sum;


• }



• int main() {


• for (int i = 0; i < 10; i++) {


• printf("z=%d, p=%f\n", i, attackerSuccessProbability(0.51, i));


• }


• return 0;


• }



• 通過上述的計算我們會發現，在無限長的時間中，佔有全網算力的節點能夠發起 51% 攻擊修改歷史的概率是 100%；但是在有限長的時間中，因為比特幣中的算力是相對動態的，比特幣網路的節點也在避免出現單節點佔有 51% 以上算力的情況，所以想要篡改比特幣的歷史還是比較困難的，不過在一些小眾的、算力沒有保證的一些區塊鏈網路中，51% 攻擊還是極其常見的10。



• 防範 51% 攻擊方法也很簡單，在多數的區塊鏈網路中，剛剛加入區塊鏈網路中的交易都是未確認的，只要這些區塊後面追加了數量足夠的區塊，區塊中的交易才會被確認。比特幣中的交易確認數就是 6 個，而比特幣平均 10 分鍾生成一個塊，所以一次交易的確認時間大概為 60 分鍾，這也是為了保證安全性不得不做出的犧牲。不過，這種增加確認數的做法也不能保證 100% 的安全，我們也只能在不影響用戶體驗的情況下，盡可能增加攻擊者的成本。



總結



• 研究比特幣這樣的區塊鏈技術還是非常有趣的，作為一個分布式的資料庫，它也會遇到分布式系統經常會遇到的問題，例如節點不可靠等問題；同時作為一個金融系統和賬本，它也會面對更加復雜的交易確認和驗證場景。比特幣網路的設計非常有趣，它是技術和金融兩個交叉領域結合後的產物，非常值得我們花時間研究背後的原理。



• 比特幣並不能 100% 防止交易和數據的篡改，文中提到的兩種技術都只能從一定概率上保證安全，而降低攻擊者成功的可能性也是安全領域需要面對的永恆問題。我們可以換一個更嚴謹的方式闡述今天的問題 — 比特幣使用了哪些技術來增加攻擊者的成本、降低交易被篡改的概率：



• 比特幣使用了非對稱加密演算法，保證攻擊者在有限時間內無法偽造賬戶所有者的簽名；

• 比特幣使用了工作量證明的共識演算法並引入了記賬的激勵，保證網路中的歷史交易不會被攻擊者快速替換；



• 通過上述的兩種方式，比特幣才能保證歷史的交易不會被篡改和所有賬戶中資金的安全。

Ⅵ 怎麼選擇雲伺服器配置

雲伺服器的配置規格影響價格，也直接決定了它的計算能力和特點，是在采購時要重點考慮的問題。

選雲伺服器配置，看這三個維度

雲伺服器的配置規格主要取決於類型、代別、實例大小三個最重要的維度。

維度一：類型

雲伺服器的「類型」或「系列」，是指具有同一類設計目的或性能特點的雲伺服器類別。

通常來說，雲廠商會提供通用均衡型、計算密集型、內存優化型、圖形計算型等常見的雲伺服器類型。這些類型對應著硬體資源的某種合理配比或針對性強化，方便你在面向不同場景時，選擇最合適的那個型號。

vCPU 數和內存大小（按GB計算）的比例，是決定和區分雲伺服器類型的重要依據之一。

通用均衡型的比例通常是1:4，如2核8G，這是一個經典搭配，可用於建站、應用服務等各種常見負載，比如作為官網和企業應用程序的後端伺服器等。

如果 vCPU 和內存比是1:2，甚至1:1，那就是計算密集型的范疇，它可以用於進行科學計算、視頻編碼、代碼編譯等計算密集型負載。

比例為1:8及以上，就被歸入內存優化型，比如8核64G的搭配，它在資料庫、緩存服務、大數據分析等應用場景較為常見。

圖形計算型是帶有GPU能力的虛擬機，一般用於機器學習和深度學習模型的訓練和推理。隨著 AI的火熱，這類機器也越來越多地出現在各種研發和生產環境中。

在主流雲計算平台上，常常使用字母縮寫來表達雲伺服器的系列。比如，AWS 的通用型是M系列，阿里雲的內存優化型為R系列，Azure的計算優化型為F系列。

https://www.wy.cn/computing/wcloud/all?utm_source=wemedia