全网算力突破100e

Ⅰ 新势力集体拥抱“端到端”

1. “再不努力工作，你就要被AI淘汰了。” 2024年伊始，伴随着Sora红遍全球，社畜们陷入了新一轮的AI焦虑之中。 与此同时，站在智能驾驶行业前沿的大佬们，却从中看到了无限的希望。
2. 近日，《汽车产经》围绕着Sora对智能驾驶行业的启示，面向夏一平（极越CEO）、刘涛（智己汽车联席CEO）、杨泓泽（车联天下CEO）等行业专家进行了简单的问卷调查，问题如下。
3. 极越CEO夏一平问卷结果关于前两个问题，几乎所有受访嘉宾都选择了非常同意。因为在他们眼里生成视频只是Sora的表象。 在 OpenAI的官网上，关于 Sora 的研究论文被命名为《把视频生成模型作为世界模拟器》。 “世界模拟器”（world simulators）是比“生成视频”更关键的存在，也是Sora真正令人兴奋的地方。
4. “只有让AI像人一样认知和思考问题，实现端到端的架构部署，我们才有机会真正达成无人驾驶。” 一位不愿具名的受访者说道。 事实上，目前整个智能驾驶行业也确实在顺着这个方向向前探索。
5. 在Sora爆火之后，马斯克很快就转发了一条特斯拉2023年的视频，并表示特斯拉拥有世界上最好的现实世界模拟和视频生成能力！ 视频中，特斯拉通过AI生成了七个不同角度的驾驶视频，只要输入“变道”或者“转弯”等指亩慎判令，七个视频就能同步发生变化。
6. 由于特斯拉生成的视频只用于模拟车辆行驶，所以和Sora生成的视频相比，场景相对单调。 但在马斯克看来，二者的AI的能力是不相上下的，区别只在于他们将这种能力用到了不同的领域。
7. 去年8月，马斯克直播测试了特斯拉的FSD V12版本，并自豪地表示特斯拉首先跑通了端到端的智能驾驶架构； 2月中旬，特斯拉将FSD V12向部分普通用户推送，标志着端到端的架构初步走向商业化落地。
8. 据了解，在FSD V12中，工程师删除了30万行定义驾驶规则的C++代码，并省掉了传统智驾系统的感知、预测、决策、控制等模块，转而向系统输入数以百万计的人类驾驶视频，使其学习像人类一样应对真实的驾驶状况。 最终做到以感知数据为输入，直接输出用于车辆的控制指令，全部过程都靠神经网络模型来完成，而不是像过往那样，按照设置好的规则执行具体的命令。
9. 端到端智能驾驶系统示意这正是端到端模型的核心，它和Sora都在试图让AI拥有人类一样的发散和逻辑能力。 特斯拉和OpenAI这两个充满爱恨纠葛的企业，用不同的方式展示了：当大模型对世界有了理解和模拟，会带来多大的突破和想象空间。
10. 随着大模型一次又一次惊艳世人，拥抱端到端架构已经成为了智驾行业主旋律。 新势力们争先恐后地跟进这条路线，并未很多人表示可以在国内拿出比特斯拉FSD更加卓越的体验。
11. 行业转向端到端架构的方向是非常明确的。 特斯拉虽然有一定领先，但极越在中国的落地能力一定更强。” 极越CEO夏一平自信地表示。
12. 同时，迅改他还认为，不管是ChatGPT还是最近的Sora， AI发展越来越像人类自己，因此Sora对智驾研发本身有很大的启发。
13. 智己汽车联席CEO刘涛同样认为，Sora进一步印证了端到端路线的正确性，目前智己汽车也正在全力推动端到端架构落地，创造“更像人”的智能驾驶体验。
14. 另外，蔚来已经确定将在年内推出基于端到端的主动安全能力； 理想的端到端模型也在全力加速中，并且基于其销量规模的领先，很多专家看好其能够后来居上。
15. 当然，仅从宣传口径上来看，小鹏是国内新势力中走得最快的。 1月份，何小鹏宣称：“端到端大模型已经在运用中展现出了足够的优越性。 小鹏汽车将在2024年内推动其全面上车，并且在北上广深等核心城市实现千公里被动接管次数小于1次的目标。”
16. 2022年10月份，小鹏在广州落地全国首个城市NGP时，对外表示其城市NGP在预测、规划、控制模块的代码量是高速NGP代码量的88倍，而感知模块的神经网络模型数量是高速NGP的4倍。
17. “大模型团队成立之后，发现特别多的泛化代码变成了相对简单的端到端模型，车辆在感知、控制方面都表现得比想象中更聪明。 它甚至可以理解‘前方ETC维修，请变道’的提示。” 何小鹏说道。
18. 小鹏汽车董事长何小鹏
19. 除了更高的功能上限，结构的简化还带了更高的效率和更优的功耗。 例如小鹏XNGP早期架构，仅负责动态感知的XNet就要耗费一颗OrinX算力的122%。 优化之后仅用9%的OrinX算力就实现了同样功能。
20. 省下来的车端算力，可用于更多功能或更强性能，进一步提升系统的功能上限和鲁棒性。 总而言之，为了获得更强的能力而不断堆叠的代码，对车企来说是“越来越沉重的负担”，与追求更加简洁的系统原则是相悖的。
21. 而端到端的智能驾驶在功耗、效率、性能上都展现出了足够的优越性。 更重要的是，它有机会彻底突破corner case对于行业制约，已经被行业当作终极的技术路线，但并非所有人都有能力跟进这条路线。
22. 从普通架构转型端到端的智能驾驶，对于车企而言意味着部分颠覆掉过去成果和积累。 同时在算力、数据量和人才、资金等方面都会有更高的要求。
23. 有行业专家甚至预言：“全世界大约只有10％的玩家有能力完成架构的切换。”夏一平认为“相比Sora所展现的AI水准，我们（国内）的AI在数据量、质量、模型和算力上都还有很大的差距，当然最关键差距在人才上。”
24. 具体来看，虽然端到端架构省略了大量的基础代码，大大提升了自动化程度。 但仍需人类工程师手写代码来完成筛选数据、处理数据、组织模型训练等工作。
25. “这些代码少而精，需要基础扎实、经验丰富的工程师团队反复试错、验证。 这样的人才，在国内少之又少。”一位智驾从业者说道。
26. 数据源：工信部 图源：前瞻经济学人
27. 除了人才，端到端架构需要的数据量成倍增长，数据质量要求更高，这也意味着需要更高算算力的超算基础设施。
28. 截止到去年底，初步实现端到端智驾落地的特斯拉FSD Bate累计行驶里程为12.9亿公里。 据悉，在 FSD V12 版本训练初期中，特斯拉便投喂了约 1000 万个特斯拉车主的驾驶视频片段。
29. 相比之下，小鹏的智驾累计总里程还不到6亿公里，新势力中销量最突出的理想智驾里程也只有5.6亿公里，在数据规模上和特斯拉还有较大差距。
30. 除了数据量的差距，从这些难以计算的数据中，找出可以用于训练的有效数据，是另一个重要的挑战，它不但需要好的模型，更需要强大的算力基础。
31. 依据公开资料，截止到2023年8月，特斯拉能提供 10EFLOPS 规模的算力。 国内厂商中，领先的华为拥有2.8EFLOPS算力；吉利星睿中心算力为 810PFLOPS（1EFLOPS=1000PFLOPS），理想汽车、毫末智行和小鹏汽车的算力分别为 750PFLOPS、670PFLOPS 和 600PFLOPS。
32. 另外，无论是人才、数据还是算力，最终比拼的都是金钱。 按照计划，特斯拉今年将会在超算集群上再投入15亿美元，到年底让总算力提升到100EFLOPS。 小鹏在年初也宣布要拿出35亿人民币投向智能驾驶相关的AI技术研发。
33. 所以，端到端的智能驾驶，比拼的不仅仅是技术储备。 更多的时候PK的是企业的综合能力，尤其是和销量规模息息相关的数据的数量与质量，最有可能扮演胜负手的角色。 而这一切都决定了智驾行业未来几年会随着汽车行业一起快速走向集中化。
34. NO.3[实现“端到端”没那么简单]从普通架构转型端到端的智能驾驶，对于车企而言意味着部分颠覆掉过去成果和积累。 同时在算力、数据量和人才、资金等方面都会有更高的要求。
35. 有行业专家甚至预言：“全世界大约只有10％的玩家有能力完成架构的切换。”夏一平认为“

Ⅱ 比特币全网算力逼近100E｜算力与价格、减半、安全性有何关系

在加密货币领域，比特币全网算力的变化一直是关注的焦点。目前，全网算力已经接近100EH/s的大关，这个数字背后隐藏着怎样的秘密？我们来探讨一下算力、价格、减半和安全性之间的关系。
1. 比特币全网算力：核心概念解析
比特币全网算力是指网络中所有矿工挖矿设备的计算能力总和，它反映了比特币网络处理交易的能力。100EH/s意味着比特币网络每秒能够完成100万亿次哈希运算，换算成普通单位，即10的20次方次。
2. 如何跟踪全网算力？
要查看比特币全网算力，我们通常可以在区块链浏览器上，如QKL123.COM和BLOCKCHAIN.COM，找到实时数据。但需要注意的是，浏览器上显示的算力并非实时数据，而是基于难度和出块时间的估算，并且受到幸运值的影响，所以我们应该关注七日平均算力，以减少随机波动的影响。
3. 算力与减半周期：提前预警
比特币每21万个区块，奖励会减半一次。全网算力的上升可能导致挖矿难度调整的滞后，使得减半时间提前。近期，由于算力激增，减半时间预测已经有所提前。
4. 安全的误解：算力与网络安全
许多人误认为算力越高，网络越安全。实际上，比特币的安全性取决于51%攻击的成本，而非单纯的算力。全网算力提升提高了攻击门槛，但单位算力成本也是决定因素之一。
5. 价格波动：算力与币价的互动
算力与币价之间的关系并非简单的因果关系。币价上涨吸引更多矿工投入，导致算力上升。然而，价格的决定因素更为复杂，供需关系和成本都起着关键作用，正如李笑来所言，成本在某种程度上支撑了价格。
结论：关键点回顾
关注七日平均算力而非日平均，以减少随机性影响。算力提升可能加速减半时间的到来，但不直接影响安全性。算力不直接影响币价，价格受供需和成本双重影响。比特币的世界充满了复杂性，但理解这些基本概念，有助于我们更好地把握市场动态。希望这个解析能为你解开比特币全网算力的谜团，让我们一同见证加密货币领域的革新与变迁。

Ⅲ 吉利星睿智算中心正式上线 提升吉利整体研发效率20%

易车超级评测体系重磅上线！专业、硬核、全面的汽车评测内容云集，易车年度车型榜单新鲜出炉！上易车App搜索“超级评测”，等你来看！

Ⅳ 全网算力是什么

全网算力可以按字面理解，既网络中所有参与挖矿的矿机算力总和。举个简单的例子，网络**有1亿台矿机，每台矿机的算力是10T，那么全网算力就是10亿T，换算一下单位就是100E算力。这里需要注意一下单位，完整的写法后面还应该加hash/s，前面举例的数值应该是100Ehash/s，表示每秒可完成100E次hash（哈希值）计算。另外也说一下字母M、G、T、P、E的含义，其中1M就是常说的100万，相邻字母之间是1000倍的关系，也就是1E=1000P=1000000T=1000000000G=1000000000000M。某种加密货币的全网算力大小，可以反映出该加密货币挖矿的活跃度，数值越

Ⅳ 比特币如何防止篡改

比特币网络主要会通过以下两种技术保证用户签发的交易和历史上发生的交易不会被攻击者篡改：

• 非对称加密可以保证攻击者无法伪造账户所有者的签名；

• 共识算法可以保证网络中的历史交易不会被攻击者替换；

非对称加密



• 非对称加密算法3是目前广泛应用的加密技术，TLS 证书和电子签名等场景都使用了非对称的加密算法保证安全。非对称加密算法同时包含一个公钥（Public Key）和一个私钥（Secret Key），使用私钥加密的数据只能用公钥解密，而使用公钥解密的数据也只能用私钥解密。





图 4 - 51% 攻击



• 1使用如下所示的代码可以计算在无限长的时间中，攻击者持有 51% 算力时，改写历史 0 ~ 9 个区块的概率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;


• }



• 通过上述的计算我们会发现，在无限长的时间中，占有全网算力的节点能够发起 51% 攻击修改历史的概率是 100%；但是在有限长的时间中，因为比特币中的算力是相对动态的，比特币网络的节点也在避免出现单节点占有 51% 以上算力的情况，所以想要篡改比特币的历史还是比较困难的，不过在一些小众的、算力没有保证的一些区块链网络中，51% 攻击还是极其常见的10。



• 防范 51% 攻击方法也很简单，在多数的区块链网络中，刚刚加入区块链网络中的交易都是未确认的，只要这些区块后面追加了数量足够的区块，区块中的交易才会被确认。比特币中的交易确认数就是 6 个，而比特币平均 10 分钟生成一个块，所以一次交易的确认时间大概为 60 分钟，这也是为了保证安全性不得不做出的牺牲。不过，这种增加确认数的做法也不能保证 100% 的安全，我们也只能在不影响用户体验的情况下，尽可能增加攻击者的成本。



总结



• 研究比特币这样的区块链技术还是非常有趣的，作为一个分布式的数据库，它也会遇到分布式系统经常会遇到的问题，例如节点不可靠等问题；同时作为一个金融系统和账本，它也会面对更加复杂的交易确认和验证场景。比特币网络的设计非常有趣，它是技术和金融两个交叉领域结合后的产物，非常值得我们花时间研究背后的原理。



• 比特币并不能 100% 防止交易和数据的篡改，文中提到的两种技术都只能从一定概率上保证安全，而降低攻击者成功的可能性也是安全领域需要面对的永恒问题。我们可以换一个更严谨的方式阐述今天的问题 — 比特币使用了哪些技术来增加攻击者的成本、降低交易被篡改的概率：



• 比特币使用了非对称加密算法，保证攻击者在有限时间内无法伪造账户所有者的签名；

• 比特币使用了工作量证明的共识算法并引入了记账的激励，保证网络中的历史交易不会被攻击者快速替换；



• 通过上述的两种方式，比特币才能保证历史的交易不会被篡改和所有账户中资金的安全。

Ⅵ 怎么选择云服务器配置

云服务器的配置规格影响价格，也直接决定了它的计算能力和特点，是在采购时要重点考虑的问题。

选云服务器配置，看这三个维度

云服务器的配置规格主要取决于类型、代别、实例大小三个最重要的维度。

维度一：类型

云服务器的“类型”或“系列”，是指具有同一类设计目的或性能特点的云服务器类别。

通常来说，云厂商会提供通用均衡型、计算密集型、内存优化型、图形计算型等常见的云服务器类型。这些类型对应着硬件资源的某种合理配比或针对性强化，方便你在面向不同场景时，选择最合适的那个型号。

vCPU 数和内存大小（按GB计算）的比例，是决定和区分云服务器类型的重要依据之一。

通用均衡型的比例通常是1:4，如2核8G，这是一个经典搭配，可用于建站、应用服务等各种常见负载，比如作为官网和企业应用程序的后端服务器等。

如果 vCPU 和内存比是1:2，甚至1:1，那就是计算密集型的范畴，它可以用于进行科学计算、视频编码、代码编译等计算密集型负载。

比例为1:8及以上，就被归入内存优化型，比如8核64G的搭配，它在数据库、缓存服务、大数据分析等应用场景较为常见。

图形计算型是带有GPU能力的虚拟机，一般用于机器学习和深度学习模型的训练和推理。随着 AI的火热，这类机器也越来越多地出现在各种研发和生产环境中。

在主流云计算平台上，常常使用字母缩写来表达云服务器的系列。比如，AWS 的通用型是M系列，阿里云的内存优化型为R系列，Azure的计算优化型为F系列。

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