t4算力

❶ katago在AutoDL幾款GPU實例下benchmark測試

前幾天誤打誤撞注冊了AutoDL後果然有些停不下來，算上折扣，要比阿里雲、騰訊雲的gpu伺服器更為合適，同時AutoDL是容器化實例，這樣初始化在幾秒內完成，而阿里雲等初始化過程中的GPU驅動、框架搭建時間有些過於漫長了。如果把時間考慮在內，AutoDL性別比就更高了。

但AutoDL受實例限制，暫時無法編譯TensorRT Backend版本，編譯的是cuda11.2版本。在不同GPU實例下簡單測試了一下katago的benchmark，權重為kata1-b40c256-s10359230464-d2525387336。

使用阿里雲最低端的Tesla T4，4核cpu，15G內存伺服器作為參考。

在使用sabaki對弈感覺速度尚可，但經過測試，NVIDIA RTX 3060 / 12GB的成績與阿里雲的Tesla T4比想像中要差不少。

作為TeslaT4的替代者，NVIDIA RTX A4000 / 16GB成績相比TeslaT4略好一點，也符合AutoDL首頁算力排名。AutoDL北京地區實例均使用RTX A4000。

NVIDIA RTX 3090 / 24GB成績兩倍於NVIDIA RTX A4000 / 16GB，同樣符合算力排名。

最令人吃驚的是NVIDIA RTX 2080Ti / 11GB，成績直逼阿里雲TeslaV100 16G。katago測試過程中，

第一次測試居然認為成績出現誤差，提示「Optimal number of threads is fairly high, increasing the search limit and trying again.」自動重新測試了一遍。

不愧為顯卡核彈。難怪黃廠長嚴令禁止數據商將游戲顯卡用於數據伺服器上。其價格居然還要低於NVIDIA RTX A4000 / 16GB，這也是性價比最高的GPU實例。

❷ 浪潮伺服器NE3160M5的AI性能怎樣在邊緣場景具有什麼優點

外觀小巧，卻具備極致AI性能，可容納2個 T4 GPU卡，提供最大每秒260萬億次的AI算力，單機可處理80路攝像頭接入數據，靈活應對各類AI推理任務。然後，浪潮伺服器NE3160M5還支持電信級抗震防塵，適應邊緣嚴苛環境，運行噪音低，可在通信機房或室內場景直接部署，為不同邊緣場景提供靈活、強大的邊緣算力。

❸ 首款國產高端GPU晶元來了！GPU市場迎變數

「近幾年大火的概念實現都離不開GPU。」

GPU IP巨頭Imagination中國戰略市場及生態副總時昕博士在一場演講中曾說道。

那究竟什麼是GPU呢？維基網路定義，GPU中文名為圖形處理器，是一種在個人電腦、工作站、 游戲 機和一些移動設備（如平板電腦、智能手機等）上做圖像和圖形相關運算工作的微處理器。

VR、區塊鏈、3D建模、渲染等一切跟圖像有關的處理過程都需要GPU。當下最熱門的元宇宙，集以上圖像處理需求大成，對GPU的需求也不言而喻。除了圖形處理功能，GPU還是目前公認最好的AI加速器，尤其是在雲端訓練大模型應用場景中。更有意思的是，在自動駕駛的賽道上，GPU也殺了進來：全球GPU龍頭英偉達正對接越來越多的車企合作訂單。

簡而言之， 只要有高清畫質需求，只要有AI處理需求，就離不開GPU。 因此，隨著這兩大需求的持續增長和巨大的市場想像空間，全球GPU龍頭英偉達憑借GPU晶元的優勢，市值就高達7410億美元（約合人民幣47198億元，截至2021年12月23日），晉升為當下全球市值最高的半導體企業。

GPU晶元研發有多難？

GPU需求大，價值高，反觀國內晶元企業在該領域卻進度緩慢。目前中國在桌面和移動端領域的GPU供應基本被英偉達、AMD、ARM壟斷，國產GPU是個巨大的藍海市場且鮮有企業涉足。

近年來，在市場和國家戰略替代的需求下，國內掀起一股「GPU投資熱潮」，涌現了一批國產GPU初創企業。盡管投資熱度高漲，國內初創企業多以技術難度更低的通用計算型GPU（GPGPU）切入賽道，能做高性能商業化的渲染GPU產品的企業依舊鳳毛麟角。

這么重要的晶元為何鮮有國產企業踏足，GPU難在哪裡呢？

芯師爺從不久前舉辦的「風華1號」發布會上了解到，「風華1號」GPU在多個領域表現上取得了第一，如第一款渲染能力達到5T-10T FLOPS的國產GPU顯卡；第一款圖形API達到OpenGL4.0以上，並能實際演示4.0 benchmark的GPU；還是第一款支持多路渲染+編解碼+AI服務，硬體虛擬化和chiplet可延展的國產GPU等。

芯動 科技 SoC體系架構師何穎提及，單從算力對標的話，採用「風華1號」雙晶元的顯卡可對標英偉達T4系列產品。換而言之，「風華1號」是一顆「真正」的高端國產GPU晶元，即便是對標全球GPU龍頭企業產品也不遑多讓。

據芯師爺復盤「風華1號」的研發之路，發現 國內企業做GPU主要有兩大難，一是難在專利壁壘；二是難在GPU晶元的體系化創新。

在專利壁壘方面， GPU是先進製程數字晶元，對於GPU企業來說，高技術含量的自有IP的持續演進是技術自主和市場競爭優勢的保障。但在該領域起步早的全球GPU巨頭們已築建了層層專利保護牆。以GPU架構IP專利為例，就連全球 科技 領頭羊企業蘋果，在該領域也繞不開專利授權：蘋果從A4到A10X所有處理器晶元都是採用Imagination的IP，到A10之後蘋果通過架構授權，有了自己的GPU架構把控，依然是基於Imagination的TBDR架構專利授權，隸屬於該架構分支。但一旦架構授權後獨立演進了，也就不再被專利卡脖子了。

在GPU晶元設計方面， GPU也絕非簡單的晶元設計，其設計較一般晶元更復雜，系統更龐大，涉及面更廣。做GPU需要極其專業的團隊，團隊從前到後要包圓，做到軟硬全棧。專業人才要涵蓋架構、演算法、硬體、軟體以及各種驗證方式，包括後端、版圖、驅動、測試、機械結構、生產、供應鏈等領域。這意味著，GPU研發團隊需要在全鏈條節點上都配備豐富的量產經驗人才，才能完成這樣非常商業化的體系。

為何是芯動 科技 突圍而出？

芯動 科技 從0-1直接突圍高端GPU晶元的研發，這樣的成果值得溯源與反思：為什麼是芯動 科技 一鳴驚人，突破了國內企業做GPU晶元的困局？

芯師爺了解到，芯動 科技 是中國一站式IP和晶元定製及GPU領軍企業，成立至今已15年。15年間芯動 科技 作為幕後英雄，為各國產半導體代工廠和300家全球知名客戶提供頂尖IP和晶元定製，協助了包括瑞芯微、君正、微軟、AMD、亞馬遜等知名公司各種晶元量產，而且所有技術自研可控，能持續迭代，不斷超越。逾50億顆先進SoC晶元成功推向市場的背後，比如大家每天用的軌道交通身份證識別和全球頂級示波器，都有用到芯動 科技 的IP技術 。廣泛的合作使得芯動 科技 在To B的圈子非常知名，更值得一提的是，在晶元IP領域，芯動 科技 還是TSMC 2021全球研討會認可的唯一大陸合作夥伴 ，其技術和量產積累之深厚可見一斑。

正是在為各合作夥伴提供IP和晶元定製期間，芯動 科技 積累了GPU所需要的全套高端IP、圖形晶元內核定製技術和先進工藝經驗，形成了從工藝到設計，到器件，到量產，到封裝，到整機的完整晶元設計驗證條流程。這為「風華1號」GPU晶元的研發奠定了穩固的基礎。芯動 科技 SoC體系架構師何穎透露，「風華1號」集成了GDDR6/6X、PCIe 4、Chiplet Innolink、HDMI 2.1 、Display port 、VDAC、PLL、TV Sensor、PUF等高端自研IP技術，IP全自主研發，遠高於友商。

其中， GDDR6/6X、Chiplet Innolink均為GPU業內頂尖技術。 以GDDR6X技術為例，GDDR6X並非簡單的超頻技術，為了數據密度更高，它使用了32位並行單端PAM4技術，比業界常見的串口差分PAM4技術，難不止一個數量級，全球除了英偉達，一個公司都做不出來，每個時鍾周期可以傳輸多次數據——數據吞吐量越大，晶元並行計算能力越大，GPU能夠同時渲染的像素點越多，畫質越清晰。使用GDDR6X技術可滿足4K高刷新率畫面需求；在提升介面數據傳輸速率的同時，它實際內核頻率甚至可以做到比上一代技術更低一些。

GDDR6X顯存技術研發難度極高，目前全球只有英偉達和芯動 科技 兩家擁有。 芯動 科技 GDDR6X研發負責人高專表示，GDDR6X的PAM4並行技術是英偉達與美光在一棟樓里共同研發兩年才研發出來，而芯動團隊是全球唯一一家，僅憑有限的遠程技術支持，只用一年時間就做出來了，連AMD目前都還沒有做到成功研發該技術。這都是基於芯動 科技 團隊十多年的技術基礎積累和200次流片打磨的經驗。

此外，為了保持技術的領先，芯動 科技 還立足全球和GPU全產業鏈，持續引入了大量GPU領域頂尖專業人才。

芯動首席演算法科學家楊喜樂博士是頂級的架構師，她自從博士畢業之後，曾在英國Imagination公司擔任架構師，過去的25年間一直從事GPU核心圖形引擎的建模和創新，是全球GPU晶元領域從幾何物理渲染到計算引擎領域的知名專家，持有GPU 3D計算機圖形學核心領域頂級圖形專利共計125項，目前Imagination、蘋果等公司最新的核心GPU產品的設計、優化和迭代都離不開她的專利和演算法。在芯動 科技 的邀請下，她回國投身國產GPU圖形引擎的持續創新。

在芯動 科技 GPU專家團隊的努力下，「風華1號」GPU架構目前已在Imagination GPU的架構授權下，自主研發了兩代，把原生移動端的架構拓展到了高性能計算、雲計算的場景，在架構自主可控上不存在被「卡脖子」風險。

芯動 科技 DX團隊負責人章濤也是其從海外招攬的技術大咖。據悉，章濤是來自前AMD的圖形框架開發的領軍人物。他表示，「投身芯動開發GPU軟體感覺非常棒！芯動團隊從老闆到員工，都在專心做事。」章濤透露，明年芯動 科技 就會發布風華顯卡Windows操作系統的DX框架。

芯動雲計算總裁敖海在「風華1號」發布會上曾這樣總結：「『風華1號』凝聚了芯動 科技 自有的眾多技術積累，又有世界著名GPU公司頂尖人才的聯合參與的加持，是芯動人努力和成果的結晶，也是芯動 科技 完成『讓風華GPU走進千家萬戶，讓大家習慣用國產的GPU辦公和 娛樂 』使命的開端。風華系列GPU賦能國產生態正加緊奮勇向前，目前芯動 科技 正在加緊與合作夥伴進行『風華1號』適配調優，在向數據中心和國產桌面GPU 等合作夥伴送樣的同時，風華2號和3號已經在路上了。」

寫在最後

在半導體供應鏈面臨不確定風險的產業環境下， 芯動 科技 瞄準高速成長的高清畫質雲渲染和元宇宙需求，推出的「風華1號」正當其時 ，填補了國產4K級桌面顯卡和伺服器顯卡兩大空白，為國產新基建5G數據中心、桌面、元宇宙、雲 游戲 、雲桌面等千億級產業提供了有力支持，值得國產半導體產業為其喝彩。

同時，我們也該注意到，羅馬不是一天建成的，發展中的中國GPU產業和國際巨頭之間仍有不小的差距。芯動 科技 選擇的是既充滿機遇、又充滿挑戰的GPU市場，未來國產GPU生態的長期發展也需要國產GPU產業鏈企業的持續支持。

巨大的研發費用和長期資本開支，在已經多年持續盈利的芯動 科技 看來，並非很大挑戰。芯動 科技 工程副總毛鳴明認為，硬 科技 要「十年坐得板凳冷」，需要長期打磨，不是像互聯網靠砸錢就能成功的，投資人需要非常清楚這一點。 長遠來看，國產GPU晶元技術突圍最終還是需要靠經年累月的迭代和優化, 通過不斷試錯，走進應用於千家萬戶的終端產品供應鏈中取勝。

芯動 科技 SoC體系架構師何穎也表示：「芯動 科技 是全球6大晶圓代工廠簽約支持的技術合作夥伴，有著眾多自研IP和強大穩定的團隊執行力，在多年的持續奮斗中，芯動 科技 在跨工藝研發和供應鏈能力上極具優勢，令合作客戶長期受惠。而國產GPU上下游產業鏈的長期、持續商用也會成為芯動 科技 GPU晶元發展的強大驅動力。未來，芯動 科技 將根據產業鏈客戶需求，為風華系列GPU產品找到更多可持續落地場景，完成讓風華GPU走進大家生活的使命。」

❹ 一周汽車圈丨眾泰新能源被申請破產，大眾新CC家族即將上市……

又到了一周周末，來看看2020年最後一月的第一周汽車圈有哪些值得關注的吧~

本周眾泰汽車又傳出了不好的消息，旗下全資子公司眾泰新能源被申請破產清算；而另一邊頭部新能源車企卻頻頻傳出喜報，新造車勢力理想、小鵬、蔚來銷量持續破紀錄，股價更是高漲，而比亞迪漢月銷量也破萬，對比之下就能看出眾泰汽車的危機。

而在新車方面，本周全新領克01、紅旗E-HS9正式上市，下周大眾新CC家族即將上市……更多關於本期《一周汽車圈》的詳細內容一起來看看吧~

車身尺寸方面，CC獵裝版長寬高分別為4869/1870/1459mm，軸距同樣為2841mm。動力方面，新CC獵裝版將僅提供2.0T高功率發動機+7速雙離合變速箱的動力系統，最大功率同為220馬力，最大扭矩為350牛·米。

值得一提的是，新CC家族未來還將推出個性化定製系列車型，將採用原廠純手工噴塗啞光漆色，內飾車頂採用Alcantara材質包覆，能夠讓消費者直接在原廠產品中享受定製樂趣。

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。

❺ 一張t4卡算力多少t

75t。T4採用了最新的Turing架構，單卡提供8.1TFLOPS的單精浮點計算能力和65TFLOPS的混合精度(FP16，FP32)矩陣計算能力，一張t4卡算力75t，TeslaT4是一款獨特的GPU產品，專為AI推理工作負載。

❻ 人工智慧產業發展深度報告：格局、潛力與展望

人

工智能（Artificial Intelligence，AI）是利用機器學習和數據分析方法賦予機器模擬、延伸

近年來， 在大數據、演算法和計算機能力三大要素的共同驅動下，人工智慧進入高速發展階段。

人工智慧市場格局

人工智慧賦能實體經濟，為生產和生活帶來革命性的轉變。 人工智慧作為新一輪產業變革 的核心力量，將重塑生產、分配、交換和消費等經濟活動各環節，催生新業務、新模式和 新產品。從衣食住行到醫療教育，人工智慧技術在 社會 經濟各個領域深度融合和落地應用。同時，人工智慧具有強大的經濟輻射效益，為經濟發展提供強勁的引擎。據埃森哲預測， 2035 年，人工智慧將推動中國勞動生產率提高 27%，經濟總增加值提升 7.1 萬億美元。

多角度人工智慧產業比較

戰略部署：大國角逐，布局各有側重

全球范圍內，中美「雙雄並立」構成人工智慧第一梯隊，日本、英國、以色列和法國等發 達國家乘勝追擊，構成第二梯隊。同時，在頂層設計上，多數國家強化人工智慧戰略布局， 並將人工智慧上升至國家戰略，從政策、資本、需求三大方面為人工智慧落地保駕護。後起之秀的中國，局部領域有所突破。中國人工智慧起步較晚，發展之路幾經沉浮。自 2015 年以來，政府密集出台系列扶植政策，人工智慧發展勢頭迅猛。由於初期我國政策 側重互聯網領域，資金投向偏向終端市場。因此，相比美國產業布局，中國技術層（計算 機視覺和語音識別）和應用層走在世界前端，但基礎層核心領域（演算法和硬體算力）比較 薄弱，呈「頭重腳輕」的態勢。當前我國人工智慧在國家戰略層面上強調系統、綜合布局。

美國引領人工智慧前沿研究，布局慢熱而強勢。 美國政府稍顯遲緩，2019 年人工智慧國 家級戰略（《美國人工智慧倡議》）才姍姍來遲。但由於美國具有天時（5G 時代）地利（硅 谷）人和（人才）的天然優勢，其在人工智慧的競爭中已處於全方位領先狀態。總體來看， 美國重點領域布局前沿而全面，尤其是在演算法和晶元腦科學等領域布局超前。此外，美國聚焦人工智慧對國家安全和 社會 穩定的影響和變革，並對數據、網路和系統安全十分重視。

倫理價值觀引領，歐洲國家搶占規范制定的制高點。 2018 年，歐洲 28 個成員國(含英國) 簽署了《人工智慧合作宣言》，在人工智慧領域形成合力。從國家層面來看，受限於文化和語言差異阻礙大數據集合的形成，歐洲各國在人工智慧產業上不具備先發優勢，但歐洲 國家在全球 AI 倫理體系建設和規范的制定上搶佔了「先機」。歐盟注重探討人工智慧的社 會倫理和標准，在技術監管方面占據全球領先地位。

日本尋求人工智慧解決 社會 問題。 日本以人工智慧構建「超智能 社會 」為引領，將 2017 年確定為人工智慧元年。由於日本的數據、技術和商業需求較為分散，難以系統地發展人 工智能技術和產業。因此，日本政府在機器人、醫療 健康 和自動駕駛三大具有相對優勢的 領域重點布局，並著力解決本國在養老、教育和商業領域的國家難題。

基礎層面：技術薄弱，晶元之路任重道遠

基礎層由於創新難度大、技術和資金壁壘高等特點，底層基礎技術和高端產品市場主要被歐美日韓等少數國際巨頭壟斷。 受限於技術積累與研發投入的不足，國內在基礎層領域相 對薄弱。具體而言，在 AI 晶元領域，國際 科技 巨頭晶元已基本構建產業生態，而中國尚 未掌握核心技術，晶元布局難以與巨頭抗衡；在雲計算領域，伺服器虛擬化、網路技術 （SDN）、 開發語音等核心技術被掌握在亞馬遜、微軟等少數國外 科技 巨頭手中。雖國內 阿里、華為等 科技 公司也開始大力投入研發，但核心技術積累尚不足以主導產業鏈發展；在智能感測器領域，歐洲（BOSCH，ABB）、美國（霍尼韋爾）等國家或地區全面布局傳 感器多種產品類型，而在中國也涌現了諸如匯頂 科技 的指紋感測器等產品，但整體產業布 局單一，呈現出明顯的短板。在數據領域，中國具有的得天獨厚的數據體量優勢，海量數 據助推演算法算力升級和產業落地，但我們也應當意識到，中國在數據公開力度、國際數據 交換、統一標準的數據生態系統構建等方面還有很長的路要走。

「無晶元不 AI」，以 AI 晶元為載體的計算力是人工智慧發展水平的重要衡量標准，我們 將對 AI 晶元作詳細剖析，以期對中國在人工智慧基礎層的競爭力更細致、准確的把握。

依據部署位置，AI 晶元可劃分為雲端（如數據中心等伺服器端）和終端（應用場景涵蓋手 機、 汽車 、安防攝像頭等電子終端產品）晶元；依據承擔的功能，AI 晶元可劃分為訓練和 推斷晶元。訓練端參數的形成涉及到海量數據和大規模計算，對演算法、精度、處理能力要 求非常高，僅適合在雲端部署。目前，GPU（通用型）、FPGA（半定製化）、ASIC（全定製化）成為 AI 晶元行業的主流技術路線。不同類型晶元各具優勢，在不同領域呈現多 技術路徑並行發展態勢。我們將從三種技術路線分別剖析中國 AI 晶元在全球的競爭力。

GPU（Graphics Processing Unit）的設計和生產均已成熟，佔領 AI 晶元的主要市場份 額。GPU 擅長大規模並行運算，可平行處理海量信息，仍是 AI 晶元的首選。據 IDC 預測， 2019 年 GPU 在雲端訓練市場佔比高達 75%。在全球范圍內，英偉達和 AMD 形成雙寡頭 壟斷，尤其是英偉達占 GPU 市場份額的 70%-80%。英偉達在雲端訓練和雲端推理市場推 出的 GPU Tesla V100 和 Tesla T4 產品具有極高性能和強大競爭力，其壟斷地位也在不斷 強化。目前中國尚未「入局」雲端訓練市場。由於國外 GPU 巨頭具有豐富的晶元設計經 驗和技術沉澱，同時又具有強大的資金實力，中國短期內無法撼動 GPU 晶元的市場格局。

FPGA（Field Programmable Gate Array）晶元具有可硬體編程、配置高靈活性和低能耗等優點。FPGA 技術壁壘高，市場呈雙寡頭壟斷：賽靈思（Xilinx）和英特爾（Intel）合計 占市場份額近 90%，其中賽靈思的市場份額超過 50%，始終保持著全球 FPGA 霸主地位。 國內網路、阿里、京微齊力也在部署 FPGA 領域，但尚處於起步階段，技術差距較大。

ASIC（Application Specific Integrated Circuits）是面向特定用戶需求設計的定製晶元， 可滿足多種終端運用。盡管 ASIC 需要大量的物理設計、時間、資金及驗證，但在量產後， 其性能、能耗、成本和可靠性都優於 GPU 和 FPGA。與 GPU 與 FPGA 形成確定產品不 同，ASIC 僅是一種技術路線或方案，著力解決各應用領域突出問題及管理需求。目前， ASIC 晶元市場競爭格局穩定且分散。我國的 ASIC 技術與世界領先水平差距較小，部分領域處於世界前列。在海外，谷歌 TPU 是主導者；國內初創晶元企業（如寒武紀、比特大陸和地平線），互聯網巨頭（如網路、華為和阿里）在細分領域也有所建樹。

總體來看 ，歐美日韓基本壟斷中高端雲端晶元，國內布局主要集中在終端 ASIC 晶元，部分領域處於世界前列，但多以初創企業為主，且尚未形成有影響力的「晶元−平台−應用」 的生態，不具備與傳統晶元巨頭（如英偉達、賽靈思）抗衡的實力；而在 GPU 和 FPGA 領域，中國尚處於追趕狀態，高端晶元依賴海外進口。

技術層面：乘勝追擊，國內頭部企業各領風騷

技術層是基於基礎理論和數據之上，面向細分應用開發的技術。 中游技術類企業具有技術 生態圈、資金和人才三重壁壘，是人工智慧產業的核心。相比較絕大多數上游和下游企業聚焦某一細分領域、技術層向產業鏈上下游擴展較為容易。該層麵包括演算法理論（機器學 習）、開發平台（開源框架）和應用技術（計算機視覺、智能語音、生物特徵識別、自然 語言處理）。眾多國際 科技 巨頭和獨角獸均在該層級開展廣泛布局。近年來，我國技術層 圍繞垂直領域重點研發，在計算機視覺、語音識別等領域技術成熟，國內頭部企業脫穎而 出，競爭優勢明顯。但演算法理論和開發平台的核心技術仍有所欠缺。

具體來看，在演算法理論和開發平台領域，國內尚缺乏經驗，發展較為緩慢。 機器學習演算法是人工智慧的熱點，開源框架成為國際 科技 巨頭和獨角獸布局的重點。開源深度學習平台 是允許公眾使用、復制和修改的源代碼，是人工智慧應用技術發展的核心推動力。目前， 國際上廣泛使用的開源框架包括谷歌的 TensorFlow、臉書的 Torchnet 和微軟的 DMTK等， 美國仍是該領域發展水平最高的國家。我國基礎理論體系尚不成熟，網路的 PaddlePaddle、 騰訊的 Angle 等國內企業的演算法框架尚無法與國際主流產品競爭。

在應用技術的部分領域，中國實力與歐美比肩。 計算機視覺、智能語音、自然語言處理是三大主要技術方向，也是中國市場規模最大的三大商業化技術領域。受益於互聯網產業發 達，積累大量用戶數據，國內計算機視覺、語音識別領先全球。自然語言處理當前市場競 爭尚未成型，但國內技術積累與國外相比存在一定差距。

作為落地最為成熟的技術之一，計算機視覺應用場景廣泛。 計算機視覺是利用計算機模擬 人眼的識別、跟蹤和測量功能。其應用場景廣泛，涵蓋了安防（人臉識別）、醫療（影像診斷）、移動互聯網（視頻監管）等。計算機視覺是中國人工智慧市場最大的組成部分。據艾瑞咨詢數據顯示，2017 年，計算機視覺行業市場規模分別為 80 億元，占國內 AI 市 場的 37%。由於政府市場干預、演算法模型成熟度、數據可獲得性等因素的影響，計算機視覺技術落地情況產生分化。我國計算機視覺技術輸出主要在安防、金融和移動互聯網領域。而美國計算機視覺下游主要集中在消費、機器人和智能駕駛領域。

計算機視覺技術競爭格局穩定，國內頭部企業脫穎而出。 隨著終端市場工業檢測與測量逐 漸趨於飽和，新的應用場景尚在 探索 ，當前全球技術層市場進入平穩的增長期，市場競爭格局逐步穩定，頭部企業技術差距逐漸縮小。中國在該領域技術積累豐富，技術應用和產 品的結合走在國際前列。2018 年，在全球最權威的人臉識別演算法測試（FRVT）中，國內 企業和研究院包攬前五名，中國技術世界領先。國內計算機視覺行業集中度高，頭部企業 脫穎而出。據 IDC 統計，2017 年，商湯 科技 、依圖 科技 、曠視 科技 、雲從 科技 四家企業 占國內市場份額的 69.4%，其中商湯市場份額 20.6%排名第一。

應用層面：群雄逐鹿，格局未定

應用場景市場空間廣闊，全球市場格局未定。 受益於全球開源社區，應用層進入門檻相對較低。目前，應用層是人工智慧產業鏈中市場規模最大的層級。據中國電子學會統計，2019 年，全球應用層產業規模將達到360.5 億元，約是技術層的1.67 倍，基礎層的2.53 倍。 在全球范圍內，人工智慧仍處在產業化和市場化的 探索 階段，落地場景的豐富度、用戶需 求和解決方案的市場滲透率均有待提高。目前，國際上尚未出現擁有絕對主導權的壟斷企 業，在很多細分領域的市場競爭格局尚未定型。

中國側重應用層產業布局，市場發展潛力大。 歐洲、美國等發達國家和地區的人工智慧產 業商業落地期較早，以谷歌、亞馬遜等企業為首的 科技 巨頭注重打造於從晶元、操作系統 到應用技術研發再到細分場景運用的垂直生態，市場整體發展相對成熟；而應用層是我國 人工智慧市場最為活躍的領域，其市場規模和企業數量也在國內 AI 分布層級佔比最大。據艾瑞咨詢統計，2019 年，國內77%的人工智慧企業分布在應用層。得益於廣闊市場空間以及大規模的用戶基礎，中國市場發展潛力較大，且在產業化應用上已有部分企業居於 世界前列。例如，中國 AI+安防技術、產品和解決方案引領全球產業發展，海康威視和大 華股份分別占據全球智能安防企業的第一名和第四名。

整體來看 ，國內人工智慧完整產業鏈已初步形成，但仍存在結構性問題。從產業生態來看， 我國偏重於技術層和應用層，尤其是終端產品落地應用豐富，技術商業化程度比肩歐美。 但與美國等發達國家相比，我國在基礎層缺乏突破性、標志性的研究成果，底層技術和基 礎理論方面尚顯薄弱。初期國內政策偏重互聯網領域，行業發展追求速度，資金投向追捧 易於變現的終端應用。人工智慧產業發展較為「浮躁」，導致研發周期長、資金投入大、 見效慢的基礎層創新被市場忽略。「頭重腳輕」的發展態勢導致我國依賴國外開發工具、 基礎器件等問題，不利於我國人工智慧生態的布局和產業的長期發展。短期來看，應用終 端領域投資產出明顯，但其難以成為引導未來經濟變革的核心驅動力。中長期來看，人工智慧發展根源於基礎層（演算法、晶元等）研究有所突破。

透析人工智慧發展潛力

基於人工智慧產業發展現狀，我們將從智能產業基礎、學術生態和創新環境三個維度，對 中國、美國和歐洲 28 國人工智慧發展潛力進行評估，並使用熵值法確定各指標相應權重 後，利用理想值法（TOPSIS 法）構建了一個代表人工智慧發展潛力整體情況的綜合指標。

從智能產業基礎的角度

產業化程度：增長強勁，產業規模僅次美國

中國人工智慧尚在產業化初期，但市場發展潛力較大。 產業化程度是判斷人工智慧發展活 力的綜合指標，從市場規模角度，據 IDC 數據，2019 年，美國、西歐和中國的人工智慧 市場規模分別是 213、71.25 和 45 億美元，佔全球市場份額依次為 57%、19%和 12%。中國與美國的市場規模存在較大差異，但近年來國內 AI 技術的快速發展帶動市場規模高速增長，2019 年增速高達 64%，遠高於美國（26%）和西歐（41%）。從企業數量角度， 據清華大學 科技 政策研究中心，截至 2018 年 6 月，中國（1011 家）和美國（2028 家） 人工智慧企業數全球遙遙領先，第三位英國（392 家）不及中國企業數的 40%。從企業布局角度，據騰訊研究院，中國 46%和 22%的人工智慧企業分布在語音識別和計算機視覺 領域。橫向來看，美國在基礎層和技術層企業數量領先中國，尤其是在自然語言處理、機器學習和技術平台領域。而在應用層面（智能機器人、智能無人機），中美差距略小。展 望未來，在政策扶持、資本熱捧和數據規模先天優勢下，中國人工智慧產業將保持強勁的 增長態勢，發展潛力較大。

技術創新能力：專利多而不優，海外布局仍有欠缺

專利申請量是衡量人工智慧技術創新能力和發展潛質的核心要素。在全球范圍內，人工智 能專利申請主要來源於中國、美國和日本。2000 年至 2018 年間，中美日三國 AI 專利申 請量佔全球總申請量的 73.95%。中國雖在 AI 領域起步較晚，但自 2010 年起，專利產出 量首超美國，並長期雄踞申請量首位。

從專利申請領域來看， 深度學習、語音識別、人臉識別和機器人等熱門領域均成為各國重 點布局領域。其中，美國幾乎全領域領跑，而中國在語音識別（中文語音識別正確率世界 第一）、文本挖掘、雲計算領域優勢明顯。具體來看，多數國內專利於 AI 科技 熱潮興起後 申請，並集中在應用端（如智能搜索、智能推薦），而 AI 晶元、基礎演算法等關鍵領域和前 沿領域專利技術主要仍被美國掌握。由此反映出中國 AI 發展存在基礎不牢，存在表面繁 榮的結構性不均衡問題。

中國 AI 專利質量參差不齊，海外市場布局仍有欠缺。 盡管中國專利申請量遠超美國，但技術「多而不強，專而不優」問題亟待調整。其一，中國 AI 專利國內為主，高質量 PCT 數量較少。PCT（Patent Cooperation Treaty）是由 WIPO 進行管理，在全球范圍內保護 專利發明者的條約。PCT 通常被為是具有較高的技術價值。據中國專利保護協會統計，美國 PCT 申請量佔全球的 41%，國際應用廣泛。而中國 PCT 數量（2568 件）相對較少， 僅為美國 PCT 申請量的 1/4。目前，我國 AI 技術尚未形成規模性技術輸出，國際市場布 局欠缺；其二，中國實用新型專利佔比高，專利廢棄比例大。我國專利類別包括發明、實 用新型專利和外觀設計三類，技術難度依次降低。中國擁有 AI 專利中較多為門檻低的實 用新型專利，如 2017 年，發明專利僅占申請總量的 23%。此外，據劍橋大學報告顯示， 受高昂專利維護費用影響，我國 61%的 AI 實用新型和 95%的外觀設計將於 5 年後失效， 而美國 85.6%的專利仍能得到有效保留。

人才儲備：供需失衡，頂尖人才缺口大

人才的數量與質量直接決定了人工智慧的發展水平和潛力。目前，全球人工智慧人才分布 不均且短缺。據清華大學統計，截至 2017 年，人才儲備排名前 10 的國家佔全球總量的 61.8%。歐洲 28 國擁有 43064 名人工智慧人才，位居全球第一，佔全球總量的 21.1%。美國和中國分別以 28536、18232 列席第二、第三位。其中，中國基礎人才儲備尤顯薄弱。根據騰訊研究院，美國 AI 技術層人才是中國 2.26 倍，基礎層人才數是中國的 13.8 倍。

我國人工智慧人才供需嚴重失衡，傑出人才缺口大。 據 BOSS 直聘測算，2017 年國內人 工智能人才僅能滿足企業 60%的需求，保守估計人才缺口已超過 100 萬。而在部分核心領域（語音識別、圖像識別等）， AI 人才供給甚至不足市場需求的 40%，且這種趨勢隨 AI 企業的增加而愈發嚴重。在人工智慧技術和應用的摸索階段，傑出人才對產業發展起著 至關重要的作用，甚至影響技術路線的發展。美國（5158 人）、歐盟（5787 人）依託雄 厚的科研創新能力和發展機會聚集了大量精英，其傑出人才數在全球遙遙領先，而中國傑 出人才（977 人）比例仍明顯偏低，不足歐美的 1/5。

人才流入率和流出率可以衡量一國生態體系對外來人才吸引和留住本國人才的能力。 根據 Element AI 企業的劃分標准，中國、美國等國家屬於 AI 人才流入與流出率均較低的錨定 國（Anchored Countries），尤其是美國的人工智慧人才總量保持相對穩定。具體來看， 國內人工智慧培育仍以本土為主，海外人才迴流中國的 AI 人才數量僅占國內人才總量的 9%，其中，美國是國內 AI人才迴流的第一大來源大國，占所有迴流中國人才比重的 43.9%。 可見國內政策、技術、環境的發展對海外人才的吸引力仍有待加強。

從學術生態的角度

技術創新能力：科研產出表現強勁，產學融合尚待加強

科研能力是人工智慧產業發展的驅動力。從論文產出數量來看，1998-2018 年，歐盟、中國、美國位列前三，合計發文量全球佔比 69.64%。近些年，中國積極開展前瞻性 科技 布 局， AI發展勢頭強勁，從1998年佔全球人工智慧論文比例的8.9%增長至2018年的28.2%， CAGR17.94%。2018 年，中國以 24929 篇 AI 論文居世界首位。中國研究活動的活躍從 側面體現在人工智慧發展潛力較大。

我國論文影響力仍待提高，但與歐美差距逐年縮小。 FWCI（Field-Weighted Citation Impact， 加權引用影響力）指標是目前國際公認的定量評價科研論文質量的最優方法，我們利用 FWCI 表徵標准化1後的論文影響力。當 FWCI≥1 時，代表被考論文質量達到或超過了世 界平均水平。近 20 年，美國的 AI 論文加權引用影響力「獨領風騷」，2018 年，FWCI 高 於全球平均水平的 36.78%；歐洲保持相對平穩，與全球平均水平相當；中國 AI 領域論文 影響力增幅明顯，2018 年，中國 FWCI 為 0.80，較 2010 年增長 44.23%，但論文影響力仍低於世界平均水平的 20%。從高被引前 1%論文數量來看，美國和中國高質量論文產出 為於全球第一、第二位，超出第三位英國論文產出量近 4 倍。綜合來看，中國頂尖高質量 論文產出與美國不分伯仲，但整體來看，AI 論文影響力與美國、歐美仍有差距。

從發文主體來看，科研機構和高校是目前中國人工智慧知識生產的絕對力量，反映出科研成 果轉化的短板。 而美國、歐盟和日本則呈現企業、政府機構和高校聯合參與的態勢。據Scopus 數據顯示，2018 年，美國企業署名 AI 論文比例是中國的 7.36 倍，歐盟的 1.92 倍。2012 年 至 2018 年，美國企業署名 AI 論文比例增長 43pct，同期中國企業署名 AI 論文僅增長 18pct。 此外，人工智慧與市場應用關聯密切，校企合作論文普遍存在。而我國校-企合作論文比例僅為 2.45%，與以色列（10.06%）、美國（9.53%）、日本（6.47%）差別較大。從產學結合的角度， 中國人工智慧研究以學術界為驅動，企業在科研中參與程度較低，或難以實現以市場為導向。

中國人工智慧高校數量實位於第二梯隊，實力比肩美國。高校是人工智慧人才供給和論文 產出的核心載體。 據騰訊研究院統計，全球共 367 所高校設置人工智慧相關學科，其中， 美國（168 所）獨占鰲頭，占據全球的 45.7%。中國擁有 20 所高校與英國並列第三，數 量上稍顯遜色。此外，中國高校實力普遍上升，表現強勁。據麻省理工學院 2019 年發布的AI 高校實力 Top20 榜單中，中國清華大學、北京大學包攬前兩名，較 2018 年分別上 升 1 個和 3 個名次。

從創新環境的角度

研發投入：中美研發投入差距收窄

中國研發高投入高強度，在全球研發表現中占據重要地位。 從研發投入的角度，美國、中國、日本和德國始終是全球研發投入的主力軍。據 IDC 統計顯示，2018 年四國的研發投 入總和佔全球總量的比例已達 60.77%。其中，美國憑借其強大的研發實力連續多年位居 全球研發投入的榜首。近年來，中國研發投入呈現一路猛增的強進勢頭，據 Statista 統計， 國內 2019 年研發投入額為 5192 億美元，僅次於美國。且趨勢上與美國差距不斷縮小， 2000 年至 2019 年，CAGR 高達 14.43%，同期美國 CAGR 僅 2.99%。由於經濟疲軟等 諸多原因，歐盟與日本則呈現較為緩慢的上升趨勢。據研發投入與強度增長的趨勢推測， 中國或在 1-2 年內取代美國的全球研發領先地位。從研發強度的角度，中國研發強度總體 上呈逐步攀升的趨勢，且漲幅較大。但對創新活動投入強度的重視程度仍與美國和日本存 在差距。2018 年中國研發強度 1.97%，低於日本和美國 1.53、0.87 個百分點。

資本投入：資金多而項目缺，資本投向側重終端市場

中美是全球人工智慧「融資高地」。 人工智慧開發成本高，資本投入成為推動技術開發的主力。在全球范圍內，美國是人工智慧新增企投融資領先者，據 CAPIQ 數據顯示，2010 年至 2019 年 10 月，美國 AI 企業累計融資 773 億美元，領先中國 320 億美元，佔全球總 融資額的 50.7%。尤其是特朗普政府以來，人工智慧投資力度逐步加碼。中國作為全球第 二大融資體，融資總額佔全球 35.5%。考慮到已有格局和近期變化，其他國家和地區難以 從規模上撼動中美兩國。從人工智慧新增企業數量來看，美國仍處於全球領先地位。2010 至 2018 年，美國累計新增企業數量 7022 家，較約是中國的 8 倍（870 家）。中國每年新 增人工智慧企業在 2016 年達到 179 家高點後逐漸下降，近兩年分別是 179 家（ 2017 年）， 151 家（2018 年），表明中國資本市場對 AI 投資也日趨成熟和理性。整體來看，中國人 工智能新增企業增勢緩慢，但融資總額漲幅迅猛。這一「資金多而項目缺」的態勢或是行 業泡沫即將出現的預警。

相比較美國，中國資本投向側重易落地的終端市場。 從融資層面來看，中國各領域發展較 為均衡，應用層是突出領域，如自動駕駛、計算機學習與圖像、語音識別和無人機技術領 域的新增融資額均超過美國。而美國市場注重底層技術的發展。據騰訊研究院數據顯示， 晶元和處理器是美國融資最多的領域，占總融資額的 31%。當前中國對人工智慧晶元市場 高度重視，但受限於技術壁壘和投資門檻高，國內晶元融資處於弱勢。

基於信息熵的 TOPSIS 法：綜合指標評估

數據結果顯示，美國綜合指標及三大項目指標評分絕對領先，中國第二，歐洲 28 國暫且落後。 具體來看，美國在人工智慧人才儲備、創新產出、融資規模方面優勢明顯。中國作為後起之秀，盡管有所趕超，但總體水平與美國相比仍有差距，尤其是傑出人才資源、高 質量專利申請上存在明顯的缺陷和短板。但在論文數量和影響力、研發投入等指標上，中國正快速發展，與美國差距收窄。從各指標具體分析來看，我國人工智慧研究主要分布在 高校和科研機構，企業參與度較低，產出成果較多呈現條塊化、碎片化現象，缺乏與市場 的系統性融合，這將不利於中國人工智慧技術的發展和產業優勢的發揮。此外，我國科研 產出、企業數量和融資領域集中於產業鏈中下游，上游核心技術仍受制於國外企業。未來， 若國內底層技術領域仍未能實現突破，勢必導致人工智慧產業發展面臨瓶頸。

展望

轉自丨 信息化協同創新專委會

❼ 自動駕駛晶元哪家強，這家中國創業公司竟然說自己超越了特斯拉

文/田忠朝

在自動駕駛量產應用上，特斯拉為何能遙遙領先？很多人認為是其強大的軟體演算法，其實軟體演算法固然重要，但擁有強大計算能力的感知和決策晶元也必不可少。

可以預見，未來自動駕駛技術必然是各國競爭的高地，而自主可控的晶元技術對於增強我國自動駕駛行業整體實力來說將會有很大的幫助。

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。

❽ 大眾ID.6上海車展亮相；極星2售價25.28萬元起

美版Model 3和Model Y價格上調

近日，我們從特斯拉美國官網獲悉，美版Model 3和Model Y再次提高了售價。這已經是特斯拉進入到2021年以來的四次漲價，價格上漲幅度為500美元（約人民幣3276元）至1000美元不等（約人民幣6551元）。

這起事故發生在周六凌晨4點20分左右，地點位於佛羅里達州Miramar（米拉馬爾）。根據米拉馬爾警察局的說法，Model S司機以高速行駛時偏離了公路，然後撞上了幾輛停放的汽車和一棟房子。

駕駛員在撞擊中倖存下來，但在事故發生後失去了意識。他被救護車送往醫院，傷勢未定。

【本文來自易車號作者電駒，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】

❾ 鴻蒙華為搭載HarmonyOS的旗艦平板MatePad Pro 2用起來怎麼樣

說實話，等待華為MatePad Pro2以及新M-Pencil壓感筆發布的這一天，已經很久了，和很多華為用戶一樣，自從見識了在Mate40系列上，旗艦SoC-麒麟9000晶元在各方面的優異表現之後，就打心眼裡期待著什麼時候華為能把PAD產品線也梳理一遍。

對我這個從事視覺設計的人來說，旗艦級的PAD對生產力的加成可能更多，也更貼心日常工作流程，相對於手機和筆記本，兼顧便攜與尺寸的高素質屏，完美的續航，可以包圓九成以上的日常工作，而更重要的是，一旦在觸控屏的基礎上引入壓感筆與鍵盤，輸入與體驗的體驗與可能性就會上升到新的維度（1+1>2）。

我是在發布會前一周拿到MatePad Pro 2代（下文簡稱MPP2）以及M-Pencil 2代的，站在視覺工作者的角度，我會著重分享在工作流程中的輸入體驗與性能體驗，先從視頻剪輯這個亮點說起，然後是平行視界與輸入設備（磁吸鍵盤，M-pencil 2）體驗，最後是外觀質感。

作為搭載麒麟9000SoC的旗艦PAD，自然要做些不同的事情，所以我直接跳過手機視頻剪輯這個階段，直接用富士X-T4相機拍攝的高碼率4K視頻來試水，說實話，在玩之前我還是為MPP2捏了一把汗的，但既然決定用X-T4，就別想那麼多了，干就完事了！

我選的軟體就是號稱與華為有合作的」萬興喵影「，我記錯的話，在Matebook 16發布會上就有一副海報是用了他們家的軟體界面，而且有一點很爽的是，萬興喵影直接整合了華為雲盤，也就是說只要你登陸了華為賬號和萬興喵影，雲盤上的素材就可以直接拖拽到時間軸上直接編輯。

單純的滑動瀏覽與速看檢索對於MPP2似乎毫無壓力，於是我試著疊上一軌素材，，調整透明度，並且為半透明的那軌素材加上變形特效（實時演算），共三軌混合來考驗MPP2的算力：

瀏覽與播放依舊毫無問題，emmmmm...........

這就激發起我的好奇心了，要不，再加點？！

我承認，那個時候出於好奇，自己是有點上頭了。

用了一軌鋪底素材，兩軌半透明度混合素材，兩軌實時演算變形特效，一軌滑動字母，一軌高碼率音頻，一共七軌並行計算讓MPP2去負載（臉紅）。

在播放點剛移動到七軌混合工況的時候，確實有大約三分之一秒的卡頓，隨即就流暢了，重放第二次就再也沒有卡頓過........

呃~~~~我該感謝HarmonyOS的通信效率呢，還是該感謝麒麟9000的算力呢，還是該感謝萬興喵影的適配優化呢？算了，這種事情自己偷著樂就好，沒必要公之於眾是吧。（狗頭）

然後我又試了下愛剪輯（有點熟悉的名字），沒有找到增加視頻軌道的按鈕，就隨意試了下播放，瀏覽，快速檢索，流暢度也是毫無問題。

但既然對於華為用戶，萬興喵影更好用，我怎麼會選你呢？（狗頭）

介於筆記本和Mate X2折疊屏手機之間，擁有12.6吋屏幕的MPP2配合鍵盤，讓我的購物（劃掉剁手）體驗也提升了一個檔次（害羞），在打開淘寶APP後，MPP2的平行視界會自動開啟左右二分屏，並默認聯動，也就是說左側選擇商品之後，右側就能顯示詳情頁或簡介視頻：

而在取消分屏聯動之後，則可以變為兩個獨立的瀏覽窗口，方便對不同產品的詳情，參數，售價進行比較：

大屏的體驗相比普通屏幕的手機，不僅僅是剁手的效率，體驗的爽感也是兩倍啊！（狗頭）。

與MPP2配套的磁吸鍵盤做工精良，外部使用了類似荔枝紋的防滑材質，並具有一定的防水放滲透特性，內部則是使用了牙簽紋理降低反射。

受益於足夠大面積的布局餘地，所有按鍵的分割距離都很恰當，1.3mm的鍵程，輸入感也屬於同級領先水準，由於機械平衡與支撐設計優秀，即使是長條形的空格鍵，敲擊兩頭也不會產生翹頭的松垮感，所有按鍵的敲擊感都不錯，應付高強度的文字輸入不在話下。

單就設計，做工，體驗來說，這款磁吸鍵盤在同價位中屬於絕對的第一梯隊素質。

接下來就是M-Pencil 2了，如果說我心儀MPP2的理由中有4分是給便攜，尺寸，麒麟9000晶元以及鍵盤的話，那麼剩下的6分就全都是給M-Pencil 2這支筆的，沒有辦法，好的壓感筆對於PAD類產品來說，實在太重要了（尤其是需要隨時記錄靈感，對文檔標注註解，寫生繪圖以及創意設計人士）。

這是一枚裸重只有16克，筆尖可換設計，支持4096級壓感偵測的手寫筆。

筆桿為金屬漆面，尾部帶有HUAWEI字樣，可換筆尖則由霧面透明材質作為區分，視覺一體性很強，手感也很舒服，負重感類似一支簽名圓珠筆。

筆身經由MPP2邊框的預埋強磁吸附，不易脫落，並且在吸附完成時，會顯示M-Pencil 2的電量，MPP2會自動偵測為筆身充電。

當然，一枚壓感筆的素質如何不能只看集成度與顏值手感，還要看輸入性能，畢竟作為一個從大學起就經歷過日本WACOM高，中，低端產品洗禮的人，對於筆的要求會格外挑剔。華為的M-Pencil 2給我的印象如何？

我們好壞兼說吧，首先華為在PAD桌面為M-Pencil系列專門設置了手寫筆專區，裡面的軟體大多都能支持手寫與壓感輸入特性，我選了其中一個叫「概念畫板」的軟體進行體驗。（因為每次華為舉辦線下畫師分享活動時幾乎都會用這到個APP）

首先是壓感輸入的流暢度以及跟隨特性，這一點軟體，MPP2，M-Pencil 2三者之間的協作是非常出色的，運筆的軌跡很流暢，壓力大小也能通過筆觸實時展現出來。

美中不足的是抖動率的抑制還沒有做到接近完美，在超低速運筆的情況下，臨近像素會有低概率干擾采樣，誤以為筆尖發生晃動的現象：

當然，我只是站在被數萬元WACOM高端產品寵壞的角度，去檢查華為這支售價不到1000元的M-Pencil 2各方面性能而已，鑒於超低速運筆的工況對大多數人來說幾乎沒意義復現，所以除了精描復寫的朋友需要注意以外，幾乎所有打算用M-Pencil 2速記，注釋，繪圖，藝術創作的各位，無需太過在意這點瑕疵，況且說不定隨著固件補丁更新，這個問題也會得到極大緩解。

最後回到對於我相對不那麼重要的外觀環節。

我拿到的MPP2配色為「夏日胡楊」，看起來像是較低飽和度的墨綠色，我能理解華為的意思，高飽和度的鮮艷色確實不太適宜出現在商務氣息較濃的旗艦機上。

MPP2搭載了12.6吋的OLED屏幕，屏佔比很高，整機外輪廓長約287mm，寬約185mm，厚約6.8mm。

重量方面，實測裸機重量約623克，M-Pencil 2代筆約16克，全裝形態（MPP2+磁吸鍵盤+M-Pencil 2）約996克，就負載與便攜程度來說，MPP2即使在全裝形態，依舊非常便攜，很多朋友外出公幹都會帶著MPP，估計就是因為由於重量，尺寸，性能與輸入特性之間良好均衡的緣故。相信這次MPP2會讓他們動「升級」的念頭。

作為PAD產品，MPP2的影像系統也算得上豪華，超廣角，廣角以及裁切實現的中焦，望遠基本是一應俱全

要吐槽的是，裝上磁吸鍵盤後，拍照需要忍受一個大下巴的掛載，體驗不是很好，當然，大家基本也是這么做的，如果通過機械設計能多一個翻折處，避開攝像頭的話，每次拍照就不用下卸下鍵盤，體驗也會更加流暢了。

不過作為一個PAD，能把超廣角，廣角，中焦（演算法），長焦（演算法）一起整合進來，對於不少藝術院校的學生來說，取材真的是方便不少。

用單品的眼光讓我來總結MatePad Pro 2代及其套件，我只能說三個字」小鋼炮「，便攜的體積與重量，配合強大的性能，加上高效率的輸入設備（鍵盤+壓感筆），讓幾乎所有的工作都可以在這款平板上順利發生與完成。

比如華為Watch3，和MPP2互聯之後，藉助強大的算力與高素質的大屏幕，可以把手錶記錄的各項個人 健康 信息（睡眠，壓力，血氧，血壓，運動等）直接生成以柱狀圖，線圖，餅分圖等形式為主的趨勢匯報圖表，供你的私人醫生或是營養管理師輔助分析你的近況。

又比如指揮屏，當你在家希望用更大的屏幕修改畫面細節的時候，MPP2可以把畫面（以及音頻）分發給4K智慧屏，自己則依舊提供陀螺儀與壓感偵測，讓用戶在更大的屏幕前對畫面細節做更細致的調整。

所以，如同文章開頭所說的，我等MPP2良久，如今它以鴻蒙之姿出現，它的意義已經遠不是紙面參數可以描述了。

反過來說，很多人購買MPP2可能是為了擁抱未來的華為生態，但即使只看紙面參數與體驗，MPP2依舊是當今在售產品中最能打的旗艦PAD之一。

❿ 2018年全球最值得關注的AI晶元初創公司

Wave Computing

Wave Computing在2018取得了不少進展，推出其第一個DataFlow處理單元，收購MIPS，創建MIPS Open，並將首批系統交付給少數客戶。雖然Wave架構有一些非常有趣的功能，但我們更期待用戶的大規模真實體驗反饋。

Wave不是插入到伺服器的加速器，它是用於圖形計算的獨立處理器。這種方法有利有弊。從積極的方面看，Wave不會受到GPU等加速器面臨的內存瓶頸影響。從消極方面來說，安裝Wave設備將是新的升級，需要完全替換傳統的X86伺服器，也讓其成為所有伺服器製造商的競爭對手。

我不認為Wave能從某個點擊敗NVIDIA，但該架構的設計的非常好，該公司已經表示它很快就會有客戶的反饋。

圖1：Wave是從上面顯示的4節點「DPU」構建的系統。Wave Computing

Graphcore

Graphcore是一家資金雄厚（融資3.1億美元，目前估值為17億美元）的英國獨角獸創業公司，擁有全球化的團隊。它正在構建一種新型的圖形處理器架構，其內存與其邏輯單元位於同一晶元上，這應該能夠實現更高的性能。該團隊產品的發布時間暫不明確，不過他們去年四月表示「幾乎准備好發布」了，12月的最新信息表明它將很快開始生產。

Graphcore的投資者名單令人印象深刻，包括紅杉資本、寶馬、微軟、博世和戴爾 科技 。

我了解了該公司的架構，它非常令人印象深刻。從邊緣設備擴展到用於數據中心的訓練和推理的「Colossus」雙晶元封裝。在最近的NeurIPS活動中，Graphcore展示了其RackScale IPU Pod，它在一個32台伺服器的機架中提供超過16 petaflops的算力。雖然該公司經常聲稱它將提供比同類最好GPU強100倍的性能。

Graphcore表示，4「Colossus」GC2（8晶元）伺服器可提供500 TFlops（每秒數萬億次操作）的混合精度性能。單個NVIDIA V100可提供125 TFlops，因此理論上4 個V100就可提供與其相同的性能。

與往常一樣，細節更能發現差別，V100峰值性能僅在重構代碼執行TensorCore的4x4矩陣乘法時才可用，這是Graphcore架構巧妙避免的限制。更不用說V100消耗了300瓦的電能和大量現金這一事實。

此外，Graphcore支持片上互連和「處理器內存」（片上存儲器）方法，可以得到超出TFlops基準所認可的優秀性能。在一些神經網路中，如Generative Adversarial Networks，內存是瓶頸。

再次強調，我們將不得不等待真實的用戶用實際應用程序來評估此體系結構。盡管如此，Graphcore的投資者名單、專家名單和台天價估值告訴我，這可能是一件好事。

圖2：GraphCore展示了ImageNet數據集處理的照片。 可視化可幫助開發人員了解其訓練處理佔用處理周期的位置。

Habana Labs

Habana Labs是一家以色列創業公司，去年9月在第一次AI硬體峰會上宣布它已經准備好推出其首款用於推理的晶元，其創紀錄的性能用於卷積神經網路圖像處理。結果顯示在Resnet50圖像分類資料庫中該處理器每秒分類15,000張圖像，比NVIDIA的T4高出約50％，功耗僅為100瓦。

在2018年12月，Habana Labs的最新一輪融資由英特爾風險投資（Intel Venture Capital）領投，WRV Capital，Bessemer Venture Partners和Battery Ventures跟投，該公司的融資也由此前的4500萬美元增加了7500萬美元。

據悉，Habana Labs新的融資將部分用於流片其名為「Gaudi「的第二款晶元，該晶元將專注於訓練市場，據稱可擴展到1000多個處理器。

其它創業公司

我知道世界上有超過40家公司在為人工智慧設計訓練和推理晶元。我發現大多數公司都在進行簡單的FMA（浮點乘法累加）和混合精度數學（整型8位和浮點16位和32位）。對此我不會感到驚訝，因為這種方法相對容易實現並且會獲得一些成果，但它不會為像NVIDIA，英特爾以及少數初創公司做出不一樣的架構提供持久的架構優勢。

以下是一些引起我注意的公司：

中國AI晶元初創公司

中國一直試圖找到一條擺脫美國半導體的方式，人工智慧加速器可能會提供它一直在尋求的機會。中國設定了2030年要建立一個價值數萬億美元的人工智慧產業的目標，自2012年以來，投資者已經向創業公司投入了超過40億美元的資金。

寒武紀 科技 估值為25億美元，是已經發布了第三代AI晶元的中國獨角獸公司。寒武紀稱它可以用更低的功耗提供比NVIDIA V100更好的AI性能，他們還銷售其AI IP，搭載在華為麒麟970和麒麟980的處理器當中，作為AI加速硬體。

商湯 科技 也許是估值最高的AI創業公司，以在中國推廣智能監控攝像頭而聞名。這些安防攝像頭數量超過1.75億，包括其他公司生產的攝像頭。商湯 科技 在香港成立，最近一輪融資數額達6億美元，由阿里巴巴領投。據報道，這家初創公司的價值目前為45億美元。

商湯 科技 與阿里巴巴、高通、本田甚至NVIDIA等主要公司建立了戰略合作夥伴關系。該公司今天擁有一台超級計算機，運行大約8000塊（可能是NVIDIA提供？）GPU，並計劃再建造5台超級計算機來處理數百萬個攝像頭採集的面部識別數據。

雷鋒網編譯，via forbes