t4算力

❶ katago在AutoDL几款GPU实例下benchmark测试

前几天误打误撞注册了AutoDL后果然有些停不下来，算上折扣，要比阿里云、腾讯云的gpu服务器更为合适，同时AutoDL是容器化实例，这样初始化在几秒内完成，而阿里云等初始化过程中的GPU驱动、框架搭建时间有些过于漫长了。如果把时间考虑在内，AutoDL性别比就更高了。

但AutoDL受实例限制，暂时无法编译TensorRT Backend版本，编译的是cuda11.2版本。在不同GPU实例下简单测试了一下katago的benchmark，权重为kata1-b40c256-s10359230464-d2525387336。

使用阿里云最低端的Tesla T4，4核cpu，15G内存服务器作为参考。

在使用sabaki对弈感觉速度尚可，但经过测试，NVIDIA RTX 3060 / 12GB的成绩与阿里云的Tesla T4比想象中要差不少。

作为TeslaT4的替代者，NVIDIA RTX A4000 / 16GB成绩相比TeslaT4略好一点，也符合AutoDL首页算力排名。AutoDL北京地区实例均使用RTX A4000。

NVIDIA RTX 3090 / 24GB成绩两倍于NVIDIA RTX A4000 / 16GB，同样符合算力排名。

最令人吃惊的是NVIDIA RTX 2080Ti / 11GB，成绩直逼阿里云TeslaV100 16G。katago测试过程中，

第一次测试居然认为成绩出现误差，提示“Optimal number of threads is fairly high, increasing the search limit and trying again.”自动重新测试了一遍。

不愧为显卡核弹。难怪黄厂长严令禁止数据商将游戏显卡用于数据服务器上。其价格居然还要低于NVIDIA RTX A4000 / 16GB，这也是性价比最高的GPU实例。

❷ 浪潮服务器NE3160M5的AI性能怎样在边缘场景具有什么优点

外观小巧，却具备极致AI性能，可容纳2个 T4 GPU卡，提供最大每秒260万亿次的AI算力，单机可处理80路摄像头接入数据，灵活应对各类AI推理任务。然后，浪潮服务器NE3160M5还支持电信级抗震防尘，适应边缘严苛环境，运行噪音低，可在通信机房或室内场景直接部署，为不同边缘场景提供灵活、强大的边缘算力。

❸ 首款国产高端GPU芯片来了！GPU市场迎变数

“近几年大火的概念实现都离不开GPU。”

GPU IP巨头Imagination中国战略市场及生态副总时昕博士在一场演讲中曾说道。

那究竟什么是GPU呢？维基网络定义，GPU中文名为图形处理器，是一种在个人电脑、工作站、 游戏 机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。

VR、区块链、3D建模、渲染等一切跟图像有关的处理过程都需要GPU。当下最热门的元宇宙，集以上图像处理需求大成，对GPU的需求也不言而喻。除了图形处理功能，GPU还是目前公认最好的AI加速器，尤其是在云端训练大模型应用场景中。更有意思的是，在自动驾驶的赛道上，GPU也杀了进来：全球GPU龙头英伟达正对接越来越多的车企合作订单。

简而言之， 只要有高清画质需求，只要有AI处理需求，就离不开GPU。 因此，随着这两大需求的持续增长和巨大的市场想象空间，全球GPU龙头英伟达凭借GPU芯片的优势，市值就高达7410亿美元（约合人民币47198亿元，截至2021年12月23日），晋升为当下全球市值最高的半导体企业。

GPU芯片研发有多难？

GPU需求大，价值高，反观国内芯片企业在该领域却进度缓慢。目前中国在桌面和移动端领域的GPU供应基本被英伟达、AMD、ARM垄断，国产GPU是个巨大的蓝海市场且鲜有企业涉足。

近年来，在市场和国家战略替代的需求下，国内掀起一股“GPU投资热潮”，涌现了一批国产GPU初创企业。尽管投资热度高涨，国内初创企业多以技术难度更低的通用计算型GPU（GPGPU）切入赛道，能做高性能商业化的渲染GPU产品的企业依旧凤毛麟角。

这么重要的芯片为何鲜有国产企业踏足，GPU难在哪里呢？

芯师爷从不久前举办的“风华1号”发布会上了解到，“风华1号”GPU在多个领域表现上取得了第一，如第一款渲染能力达到5T-10T FLOPS的国产GPU显卡；第一款图形API达到OpenGL4.0以上，并能实际演示4.0 benchmark的GPU；还是第一款支持多路渲染+编解码+AI服务，硬件虚拟化和chiplet可延展的国产GPU等。

芯动 科技 SoC体系架构师何颖提及，单从算力对标的话，采用“风华1号”双芯片的显卡可对标英伟达T4系列产品。换而言之，“风华1号”是一颗“真正”的高端国产GPU芯片，即便是对标全球GPU龙头企业产品也不遑多让。

据芯师爷复盘“风华1号”的研发之路，发现 国内企业做GPU主要有两大难，一是难在专利壁垒；二是难在GPU芯片的体系化创新。

在专利壁垒方面， GPU是先进制程数字芯片，对于GPU企业来说，高技术含量的自有IP的持续演进是技术自主和市场竞争优势的保障。但在该领域起步早的全球GPU巨头们已筑建了层层专利保护墙。以GPU架构IP专利为例，就连全球 科技 领头羊企业苹果，在该领域也绕不开专利授权：苹果从A4到A10X所有处理器芯片都是采用Imagination的IP，到A10之后苹果通过架构授权，有了自己的GPU架构把控，依然是基于Imagination的TBDR架构专利授权，隶属于该架构分支。但一旦架构授权后独立演进了，也就不再被专利卡脖子了。

在GPU芯片设计方面， GPU也绝非简单的芯片设计，其设计较一般芯片更复杂，系统更庞大，涉及面更广。做GPU需要极其专业的团队，团队从前到后要包圆，做到软硬全栈。专业人才要涵盖架构、算法、硬件、软件以及各种验证方式，包括后端、版图、驱动、测试、机械结构、生产、供应链等领域。这意味着，GPU研发团队需要在全链条节点上都配备丰富的量产经验人才，才能完成这样非常商业化的体系。

为何是芯动 科技 突围而出？

芯动 科技 从0-1直接突围高端GPU芯片的研发，这样的成果值得溯源与反思：为什么是芯动 科技 一鸣惊人，突破了国内企业做GPU芯片的困局？

芯师爷了解到，芯动 科技 是中国一站式IP和芯片定制及GPU领军企业，成立至今已15年。15年间芯动 科技 作为幕后英雄，为各国产半导体代工厂和300家全球知名客户提供顶尖IP和芯片定制，协助了包括瑞芯微、君正、微软、AMD、亚马逊等知名公司各种芯片量产，而且所有技术自研可控，能持续迭代，不断超越。逾50亿颗先进SoC芯片成功推向市场的背后，比如大家每天用的轨道交通身份证识别和全球顶级示波器，都有用到芯动 科技 的IP技术 。广泛的合作使得芯动 科技 在To B的圈子非常知名，更值得一提的是，在芯片IP领域，芯动 科技 还是TSMC 2021全球研讨会认可的唯一大陆合作伙伴 ，其技术和量产积累之深厚可见一斑。

正是在为各合作伙伴提供IP和芯片定制期间，芯动 科技 积累了GPU所需要的全套高端IP、图形芯片内核定制技术和先进工艺经验，形成了从工艺到设计，到器件，到量产，到封装，到整机的完整芯片设计验证条流程。这为“风华1号”GPU芯片的研发奠定了稳固的基础。芯动 科技 SoC体系架构师何颖透露，“风华1号”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技术，IP全自主研发，远高于友商。

其中， GDDR6/6X、Chiplet Innolink均为GPU业内顶尖技术。 以GDDR6X技术为例，GDDR6X并非简单的超频技术，为了数据密度更高，它使用了32位并行单端PAM4技术，比业界常见的串口差分PAM4技术，难不止一个数量级，全球除了英伟达，一个公司都做不出来，每个时钟周期可以传输多次数据——数据吞吐量越大，芯片并行计算能力越大，GPU能够同时渲染的像素点越多，画质越清晰。使用GDDR6X技术可满足4K高刷新率画面需求；在提升接口数据传输速率的同时，它实际内核频率甚至可以做到比上一代技术更低一些。

GDDR6X显存技术研发难度极高，目前全球只有英伟达和芯动 科技 两家拥有。 芯动 科技 GDDR6X研发负责人高专表示，GDDR6X的PAM4并行技术是英伟达与美光在一栋楼里共同研发两年才研发出来，而芯动团队是全球唯一一家，仅凭有限的远程技术支持，只用一年时间就做出来了，连AMD目前都还没有做到成功研发该技术。这都是基于芯动 科技 团队十多年的技术基础积累和200次流片打磨的经验。

此外，为了保持技术的领先，芯动 科技 还立足全球和GPU全产业链，持续引入了大量GPU领域顶尖专业人才。

芯动首席算法科学家杨喜乐博士是顶级的架构师，她自从博士毕业之后，曾在英国Imagination公司担任架构师，过去的25年间一直从事GPU核心图形引擎的建模和创新，是全球GPU芯片领域从几何物理渲染到计算引擎领域的知名专家，持有GPU 3D计算机图形学核心领域顶级图形专利共计125项，目前Imagination、苹果等公司最新的核心GPU产品的设计、优化和迭代都离不开她的专利和算法。在芯动 科技 的邀请下，她回国投身国产GPU图形引擎的持续创新。

在芯动 科技 GPU专家团队的努力下，“风华1号”GPU架构目前已在Imagination GPU的架构授权下，自主研发了两代，把原生移动端的架构拓展到了高性能计算、云计算的场景，在架构自主可控上不存在被“卡脖子”风险。

芯动 科技 DX团队负责人章涛也是其从海外招揽的技术大咖。据悉，章涛是来自前AMD的图形框架开发的领军人物。他表示，“投身芯动开发GPU软件感觉非常棒！芯动团队从老板到员工，都在专心做事。”章涛透露，明年芯动 科技 就会发布风华显卡Windows操作系统的DX框架。

芯动云计算总裁敖海在“风华1号”发布会上曾这样总结：“‘风华1号’凝聚了芯动 科技 自有的众多技术积累，又有世界著名GPU公司顶尖人才的联合参与的加持，是芯动人努力和成果的结晶，也是芯动 科技 完成‘让风华GPU走进千家万户，让大家习惯用国产的GPU办公和 娱乐 ’使命的开端。风华系列GPU赋能国产生态正加紧奋勇向前，目前芯动 科技 正在加紧与合作伙伴进行‘风华1号’适配调优，在向数据中心和国产桌面GPU 等合作伙伴送样的同时，风华2号和3号已经在路上了。”

写在最后

在半导体供应链面临不确定风险的产业环境下， 芯动 科技 瞄准高速成长的高清画质云渲染和元宇宙需求，推出的“风华1号”正当其时 ，填补了国产4K级桌面显卡和服务器显卡两大空白，为国产新基建5G数据中心、桌面、元宇宙、云 游戏 、云桌面等千亿级产业提供了有力支持，值得国产半导体产业为其喝彩。

同时，我们也该注意到，罗马不是一天建成的，发展中的中国GPU产业和国际巨头之间仍有不小的差距。芯动 科技 选择的是既充满机遇、又充满挑战的GPU市场，未来国产GPU生态的长期发展也需要国产GPU产业链企业的持续支持。

巨大的研发费用和长期资本开支，在已经多年持续盈利的芯动 科技 看来，并非很大挑战。芯动 科技 工程副总毛鸣明认为，硬 科技 要“十年坐得板凳冷”，需要长期打磨，不是像互联网靠砸钱就能成功的，投资人需要非常清楚这一点。 长远来看，国产GPU芯片技术突围最终还是需要靠经年累月的迭代和优化, 通过不断试错，走进应用于千家万户的终端产品供应链中取胜。

芯动 科技 SoC体系架构师何颖也表示：“芯动 科技 是全球6大晶圆代工厂签约支持的技术合作伙伴，有着众多自研IP和强大稳定的团队执行力，在多年的持续奋斗中，芯动 科技 在跨工艺研发和供应链能力上极具优势，令合作客户长期受惠。而国产GPU上下游产业链的长期、持续商用也会成为芯动 科技 GPU芯片发展的强大驱动力。未来，芯动 科技 将根据产业链客户需求，为风华系列GPU产品找到更多可持续落地场景，完成让风华GPU走进大家生活的使命。”

❹ 一周汽车圈丨众泰新能源被申请破产，大众新CC家族即将上市……

又到了一周周末，来看看2020年最后一月的第一周汽车圈有哪些值得关注的吧~

本周众泰汽车又传出了不好的消息，旗下全资子公司众泰新能源被申请破产清算；而另一边头部新能源车企却频频传出喜报，新造车势力理想、小鹏、蔚来销量持续破纪录，股价更是高涨，而比亚迪汉月销量也破万，对比之下就能看出众泰汽车的危机。

而在新车方面，本周全新领克01、红旗E-HS9正式上市，下周大众新CC家族即将上市……更多关于本期《一周汽车圈》的详细内容一起来看看吧~

车身尺寸方面，CC猎装版长宽高分别为4869/1870/1459mm，轴距同样为2841mm。动力方面，新CC猎装版将仅提供2.0T高功率发动机+7速双离合变速箱的动力系统，最大功率同为220马力，最大扭矩为350牛·米。

值得一提的是，新CC家族未来还将推出个性化定制系列车型，将采用原厂纯手工喷涂哑光漆色，内饰车顶采用Alcantara材质包覆，能够让消费者直接在原厂产品中享受定制乐趣。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

❺ 一张t4卡算力多少t

75t。T4采用了最新的Turing架构，单卡提供8.1TFLOPS的单精浮点计算能力和65TFLOPS的混合精度(FP16，FP32)矩阵计算能力，一张t4卡算力75t，TeslaT4是一款独特的GPU产品，专为AI推理工作负载。

❻ 人工智能产业发展深度报告：格局、潜力与展望

人

工智能（Artificial Intelligence，AI）是利用机器学习和数据分析方法赋予机器模拟、延伸

近年来， 在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。

人工智能市场格局

人工智能赋能实体经济，为生产和生活带来革命性的转变。 人工智能作为新一轮产业变革 的核心力量，将重塑生产、分配、交换和消费等经济活动各环节，催生新业务、新模式和 新产品。从衣食住行到医疗教育，人工智能技术在 社会 经济各个领域深度融合和落地应用。同时，人工智能具有强大的经济辐射效益，为经济发展提供强劲的引擎。据埃森哲预测， 2035 年，人工智能将推动中国劳动生产率提高 27%，经济总增加值提升 7.1 万亿美元。

多角度人工智能产业比较

战略部署：大国角逐，布局各有侧重

全球范围内，中美“双雄并立”构成人工智能第一梯队，日本、英国、以色列和法国等发 达国家乘胜追击，构成第二梯队。同时，在顶层设计上，多数国家强化人工智能战略布局， 并将人工智能上升至国家战略，从政策、资本、需求三大方面为人工智能落地保驾护。后起之秀的中国，局部领域有所突破。中国人工智能起步较晚，发展之路几经沉浮。自 2015 年以来，政府密集出台系列扶植政策，人工智能发展势头迅猛。由于初期我国政策 侧重互联网领域，资金投向偏向终端市场。因此，相比美国产业布局，中国技术层（计算 机视觉和语音识别）和应用层走在世界前端，但基础层核心领域（算法和硬件算力）比较 薄弱，呈“头重脚轻”的态势。当前我国人工智能在国家战略层面上强调系统、综合布局。

美国引领人工智能前沿研究，布局慢热而强势。 美国政府稍显迟缓，2019 年人工智能国 家级战略（《美国人工智能倡议》）才姗姗来迟。但由于美国具有天时（5G 时代）地利（硅 谷）人和（人才）的天然优势，其在人工智能的竞争中已处于全方位领先状态。总体来看， 美国重点领域布局前沿而全面，尤其是在算法和芯片脑科学等领域布局超前。此外，美国聚焦人工智能对国家安全和 社会 稳定的影响和变革，并对数据、网络和系统安全十分重视。

伦理价值观引领，欧洲国家抢占规范制定的制高点。 2018 年，欧洲 28 个成员国(含英国) 签署了《人工智能合作宣言》，在人工智能领域形成合力。从国家层面来看，受限于文化和语言差异阻碍大数据集合的形成，欧洲各国在人工智能产业上不具备先发优势，但欧洲 国家在全球 AI 伦理体系建设和规范的制定上抢占了“先机”。欧盟注重探讨人工智能的社 会伦理和标准，在技术监管方面占据全球领先地位。

日本寻求人工智能解决 社会 问题。 日本以人工智能构建“超智能 社会 ”为引领，将 2017 年确定为人工智能元年。由于日本的数据、技术和商业需求较为分散，难以系统地发展人 工智能技术和产业。因此，日本政府在机器人、医疗 健康 和自动驾驶三大具有相对优势的 领域重点布局，并着力解决本国在养老、教育和商业领域的国家难题。

基础层面：技术薄弱，芯片之路任重道远

基础层由于创新难度大、技术和资金壁垒高等特点，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。 受限于技术积累与研发投入的不足，国内在基础层领域相 对薄弱。具体而言，在 AI 芯片领域，国际 科技 巨头芯片已基本构建产业生态，而中国尚 未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术 （SDN）、 开发语音等核心技术被掌握在亚马逊、微软等少数国外 科技 巨头手中。虽国内 阿里、华为等 科技 公司也开始大力投入研发，但核心技术积累尚不足以主导产业链发展；在智能传感器领域，欧洲（BOSCH，ABB）、美国（霍尼韦尔）等国家或地区全面布局传 感器多种产品类型，而在中国也涌现了诸如汇顶 科技 的指纹传感器等产品，但整体产业布 局单一，呈现出明显的短板。在数据领域，中国具有的得天独厚的数据体量优势，海量数 据助推算法算力升级和产业落地，但我们也应当意识到，中国在数据公开力度、国际数据 交换、统一标准的数据生态系统构建等方面还有很长的路要走。

“无芯片不 AI”，以 AI 芯片为载体的计算力是人工智能发展水平的重要衡量标准，我们 将对 AI 芯片作详细剖析，以期对中国在人工智能基础层的竞争力更细致、准确的把握。

依据部署位置，AI 芯片可划分为云端（如数据中心等服务器端）和终端（应用场景涵盖手 机、 汽车 、安防摄像头等电子终端产品）芯片；依据承担的功能，AI 芯片可划分为训练和 推断芯片。训练端参数的形成涉及到海量数据和大规模计算，对算法、精度、处理能力要 求非常高，仅适合在云端部署。目前，GPU（通用型）、FPGA（半定制化）、ASIC（全定制化）成为 AI 芯片行业的主流技术路线。不同类型芯片各具优势，在不同领域呈现多 技术路径并行发展态势。我们将从三种技术路线分别剖析中国 AI 芯片在全球的竞争力。

GPU（Graphics Processing Unit）的设计和生产均已成熟，占领 AI 芯片的主要市场份 额。GPU 擅长大规模并行运算，可平行处理海量信息，仍是 AI 芯片的首选。据 IDC 预测， 2019 年 GPU 在云端训练市场占比高达 75%。在全球范围内，英伟达和 AMD 形成双寡头 垄断，尤其是英伟达占 GPU 市场份额的 70%-80%。英伟达在云端训练和云端推理市场推 出的 GPU Tesla V100 和 Tesla T4 产品具有极高性能和强大竞争力，其垄断地位也在不断 强化。目前中国尚未“入局”云端训练市场。由于国外 GPU 巨头具有丰富的芯片设计经 验和技术沉淀，同时又具有强大的资金实力，中国短期内无法撼动 GPU 芯片的市场格局。

FPGA（Field Programmable Gate Array）芯片具有可硬件编程、配置高灵活性和低能耗等优点。FPGA 技术壁垒高，市场呈双寡头垄断：赛灵思（Xilinx）和英特尔（Intel）合计 占市场份额近 90%，其中赛灵思的市场份额超过 50%，始终保持着全球 FPGA 霸主地位。 国内网络、阿里、京微齐力也在部署 FPGA 领域，但尚处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuits）是面向特定用户需求设计的定制芯片， 可满足多种终端运用。尽管 ASIC 需要大量的物理设计、时间、资金及验证，但在量产后， 其性能、能耗、成本和可靠性都优于 GPU 和 FPGA。与 GPU 与 FPGA 形成确定产品不 同，ASIC 仅是一种技术路线或方案，着力解决各应用领域突出问题及管理需求。目前， ASIC 芯片市场竞争格局稳定且分散。我国的 ASIC 技术与世界领先水平差距较小，部分领域处于世界前列。在海外，谷歌 TPU 是主导者；国内初创芯片企业（如寒武纪、比特大陆和地平线），互联网巨头（如网络、华为和阿里）在细分领域也有所建树。

总体来看 ，欧美日韩基本垄断中高端云端芯片，国内布局主要集中在终端 ASIC 芯片，部分领域处于世界前列，但多以初创企业为主，且尚未形成有影响力的“芯片−平台−应用” 的生态，不具备与传统芯片巨头（如英伟达、赛灵思）抗衡的实力；而在 GPU 和 FPGA 领域，中国尚处于追赶状态，高端芯片依赖海外进口。

技术层面：乘胜追击，国内头部企业各领风骚

技术层是基于基础理论和数据之上，面向细分应用开发的技术。 中游技术类企业具有技术 生态圈、资金和人才三重壁垒，是人工智能产业的核心。相比较绝大多数上游和下游企业聚焦某一细分领域、技术层向产业链上下游扩展较为容易。该层面包括算法理论（机器学 习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物特征识别、自然 语言处理）。众多国际 科技 巨头和独角兽均在该层级开展广泛布局。近年来，我国技术层 围绕垂直领域重点研发，在计算机视觉、语音识别等领域技术成熟，国内头部企业脱颖而 出，竞争优势明显。但算法理论和开发平台的核心技术仍有所欠缺。

具体来看，在算法理论和开发平台领域，国内尚缺乏经验，发展较为缓慢。 机器学习算法是人工智能的热点，开源框架成为国际 科技 巨头和独角兽布局的重点。开源深度学习平台 是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心推动力。目前， 国际上广泛使用的开源框架包括谷歌的 TensorFlow、脸书的 Torchnet 和微软的 DMTK等， 美国仍是该领域发展水平最高的国家。我国基础理论体系尚不成熟，网络的 PaddlePaddle、 腾讯的 Angle 等国内企业的算法框架尚无法与国际主流产品竞争。

在应用技术的部分领域，中国实力与欧美比肩。 计算机视觉、智能语音、自然语言处理是三大主要技术方向，也是中国市场规模最大的三大商业化技术领域。受益于互联网产业发 达，积累大量用户数据，国内计算机视觉、语音识别领先全球。自然语言处理当前市场竞 争尚未成型，但国内技术积累与国外相比存在一定差距。

作为落地最为成熟的技术之一，计算机视觉应用场景广泛。 计算机视觉是利用计算机模拟 人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖了安防（人脸识别）、医疗（影像诊断）、移动互联网（视频监管）等。计算机视觉是中国人工智能市场最大的组成部分。据艾瑞咨询数据显示，2017 年，计算机视觉行业市场规模分别为 80 亿元，占国内 AI 市 场的 37%。由于政府市场干预、算法模型成熟度、数据可获得性等因素的影响，计算机视觉技术落地情况产生分化。我国计算机视觉技术输出主要在安防、金融和移动互联网领域。而美国计算机视觉下游主要集中在消费、机器人和智能驾驶领域。

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。 随着终端市场工业检测与测量逐 渐趋于饱和，新的应用场景尚在 探索 ，当前全球技术层市场进入平稳的增长期，市场竞争格局逐步稳定，头部企业技术差距逐渐缩小。中国在该领域技术积累丰富，技术应用和产 品的结合走在国际前列。2018 年，在全球最权威的人脸识别算法测试（FRVT）中，国内 企业和研究院包揽前五名，中国技术世界领先。国内计算机视觉行业集中度高，头部企业 脱颖而出。据 IDC 统计，2017 年，商汤 科技 、依图 科技 、旷视 科技 、云从 科技 四家企业 占国内市场份额的 69.4%，其中商汤市场份额 20.6%排名第一。

应用层面：群雄逐鹿，格局未定

应用场景市场空间广阔，全球市场格局未定。 受益于全球开源社区，应用层进入门槛相对较低。目前，应用层是人工智能产业链中市场规模最大的层级。据中国电子学会统计，2019 年，全球应用层产业规模将达到360.5 亿元，约是技术层的1.67 倍，基础层的2.53 倍。 在全球范围内，人工智能仍处在产业化和市场化的 探索 阶段，落地场景的丰富度、用户需 求和解决方案的市场渗透率均有待提高。目前，国际上尚未出现拥有绝对主导权的垄断企 业，在很多细分领域的市场竞争格局尚未定型。

中国侧重应用层产业布局，市场发展潜力大。 欧洲、美国等发达国家和地区的人工智能产 业商业落地期较早，以谷歌、亚马逊等企业为首的 科技 巨头注重打造于从芯片、操作系统 到应用技术研发再到细分场景运用的垂直生态，市场整体发展相对成熟；而应用层是我国 人工智能市场最为活跃的领域，其市场规模和企业数量也在国内 AI 分布层级占比最大。据艾瑞咨询统计，2019 年，国内77%的人工智能企业分布在应用层。得益于广阔市场空间以及大规模的用户基础，中国市场发展潜力较大，且在产业化应用上已有部分企业居于 世界前列。例如，中国 AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大 华股份分别占据全球智能安防企业的第一名和第四名。

整体来看 ，国内人工智能完整产业链已初步形成，但仍存在结构性问题。从产业生态来看， 我国偏重于技术层和应用层，尤其是终端产品落地应用丰富，技术商业化程度比肩欧美。 但与美国等发达国家相比，我国在基础层缺乏突破性、标志性的研究成果，底层技术和基 础理论方面尚显薄弱。初期国内政策偏重互联网领域，行业发展追求速度，资金投向追捧 易于变现的终端应用。人工智能产业发展较为“浮躁”，导致研发周期长、资金投入大、 见效慢的基础层创新被市场忽略。“头重脚轻”的发展态势导致我国依赖国外开发工具、 基础器件等问题，不利于我国人工智能生态的布局和产业的长期发展。短期来看，应用终 端领域投资产出明显，但其难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能发展根源于基础层（算法、芯片等）研究有所突破。

透析人工智能发展潜力

基于人工智能产业发展现状，我们将从智能产业基础、学术生态和创新环境三个维度，对 中国、美国和欧洲 28 国人工智能发展潜力进行评估，并使用熵值法确定各指标相应权重 后，利用理想值法（TOPSIS 法）构建了一个代表人工智能发展潜力整体情况的综合指标。

从智能产业基础的角度

产业化程度：增长强劲，产业规模仅次美国

中国人工智能尚在产业化初期，但市场发展潜力较大。 产业化程度是判断人工智能发展活 力的综合指标，从市场规模角度，据 IDC 数据，2019 年，美国、西欧和中国的人工智能 市场规模分别是 213、71.25 和 45 亿美元，占全球市场份额依次为 57%、19%和 12%。中国与美国的市场规模存在较大差异，但近年来国内 AI 技术的快速发展带动市场规模高速增长，2019 年增速高达 64%，远高于美国（26%）和西欧（41%）。从企业数量角度， 据清华大学 科技 政策研究中心，截至 2018 年 6 月，中国（1011 家）和美国（2028 家） 人工智能企业数全球遥遥领先，第三位英国（392 家）不及中国企业数的 40%。从企业布局角度，据腾讯研究院，中国 46%和 22%的人工智能企业分布在语音识别和计算机视觉 领域。横向来看，美国在基础层和技术层企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。而在应用层面（智能机器人、智能无人机），中美差距略小。展 望未来，在政策扶持、资本热捧和数据规模先天优势下，中国人工智能产业将保持强劲的 增长态势，发展潜力较大。

技术创新能力：专利多而不优，海外布局仍有欠缺

专利申请量是衡量人工智能技术创新能力和发展潜质的核心要素。在全球范围内，人工智 能专利申请主要来源于中国、美国和日本。2000 年至 2018 年间，中美日三国 AI 专利申 请量占全球总申请量的 73.95%。中国虽在 AI 领域起步较晚，但自 2010 年起，专利产出 量首超美国，并长期雄踞申请量首位。

从专利申请领域来看， 深度学习、语音识别、人脸识别和机器人等热门领域均成为各国重 点布局领域。其中，美国几乎全领域领跑，而中国在语音识别（中文语音识别正确率世界 第一）、文本挖掘、云计算领域优势明显。具体来看，多数国内专利于 AI 科技 热潮兴起后 申请，并集中在应用端（如智能搜索、智能推荐），而 AI 芯片、基础算法等关键领域和前 沿领域专利技术主要仍被美国掌握。由此反映出中国 AI 发展存在基础不牢，存在表面繁 荣的结构性不均衡问题。

中国 AI 专利质量参差不齐，海外市场布局仍有欠缺。 尽管中国专利申请量远超美国，但技术“多而不强，专而不优”问题亟待调整。其一，中国 AI 专利国内为主，高质量 PCT 数量较少。PCT（Patent Cooperation Treaty）是由 WIPO 进行管理，在全球范围内保护 专利发明者的条约。PCT 通常被为是具有较高的技术价值。据中国专利保护协会统计，美国 PCT 申请量占全球的 41%，国际应用广泛。而中国 PCT 数量（2568 件）相对较少， 仅为美国 PCT 申请量的 1/4。目前，我国 AI 技术尚未形成规模性技术输出，国际市场布 局欠缺；其二，中国实用新型专利占比高，专利废弃比例大。我国专利类别包括发明、实 用新型专利和外观设计三类，技术难度依次降低。中国拥有 AI 专利中较多为门槛低的实 用新型专利，如 2017 年，发明专利仅占申请总量的 23%。此外，据剑桥大学报告显示， 受高昂专利维护费用影响，我国 61%的 AI 实用新型和 95%的外观设计将于 5 年后失效， 而美国 85.6%的专利仍能得到有效保留。

人才储备：供需失衡，顶尖人才缺口大

人才的数量与质量直接决定了人工智能的发展水平和潜力。目前，全球人工智能人才分布 不均且短缺。据清华大学统计，截至 2017 年，人才储备排名前 10 的国家占全球总量的 61.8%。欧洲 28 国拥有 43064 名人工智能人才，位居全球第一，占全球总量的 21.1%。美国和中国分别以 28536、18232 列席第二、第三位。其中，中国基础人才储备尤显薄弱。根据腾讯研究院，美国 AI 技术层人才是中国 2.26 倍，基础层人才数是中国的 13.8 倍。

我国人工智能人才供需严重失衡，杰出人才缺口大。 据 BOSS 直聘测算，2017 年国内人 工智能人才仅能满足企业 60%的需求，保守估计人才缺口已超过 100 万。而在部分核心领域（语音识别、图像识别等）， AI 人才供给甚至不足市场需求的 40%，且这种趋势随 AI 企业的增加而愈发严重。在人工智能技术和应用的摸索阶段，杰出人才对产业发展起着 至关重要的作用，甚至影响技术路线的发展。美国（5158 人）、欧盟（5787 人）依托雄 厚的科研创新能力和发展机会聚集了大量精英，其杰出人才数在全球遥遥领先，而中国杰 出人才（977 人）比例仍明显偏低，不足欧美的 1/5。

人才流入率和流出率可以衡量一国生态体系对外来人才吸引和留住本国人才的能力。 根据 Element AI 企业的划分标准，中国、美国等国家属于 AI 人才流入与流出率均较低的锚定 国（Anchored Countries），尤其是美国的人工智能人才总量保持相对稳定。具体来看， 国内人工智能培育仍以本土为主，海外人才回流中国的 AI 人才数量仅占国内人才总量的 9%，其中，美国是国内 AI人才回流的第一大来源大国，占所有回流中国人才比重的 43.9%。 可见国内政策、技术、环境的发展对海外人才的吸引力仍有待加强。

从学术生态的角度

技术创新能力：科研产出表现强劲，产学融合尚待加强

科研能力是人工智能产业发展的驱动力。从论文产出数量来看，1998-2018 年，欧盟、中国、美国位列前三，合计发文量全球占比 69.64%。近些年，中国积极开展前瞻性 科技 布 局， AI发展势头强劲，从1998年占全球人工智能论文比例的8.9%增长至2018年的28.2%， CAGR17.94%。2018 年，中国以 24929 篇 AI 论文居世界首位。中国研究活动的活跃从 侧面体现在人工智能发展潜力较大。

我国论文影响力仍待提高，但与欧美差距逐年缩小。 FWCI（Field-Weighted Citation Impact， 加权引用影响力）指标是目前国际公认的定量评价科研论文质量的最优方法，我们利用 FWCI 表征标准化1后的论文影响力。当 FWCI≥1 时，代表被考论文质量达到或超过了世 界平均水平。近 20 年，美国的 AI 论文加权引用影响力“独领风骚”，2018 年，FWCI 高 于全球平均水平的 36.78%；欧洲保持相对平稳，与全球平均水平相当；中国 AI 领域论文 影响力增幅明显，2018 年，中国 FWCI 为 0.80，较 2010 年增长 44.23%，但论文影响力仍低于世界平均水平的 20%。从高被引前 1%论文数量来看，美国和中国高质量论文产出 为于全球第一、第二位，超出第三位英国论文产出量近 4 倍。综合来看，中国顶尖高质量 论文产出与美国不分伯仲，但整体来看，AI 论文影响力与美国、欧美仍有差距。

从发文主体来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映出科研成 果转化的短板。 而美国、欧盟和日本则呈现企业、政府机构和高校联合参与的态势。据Scopus 数据显示，2018 年，美国企业署名 AI 论文比例是中国的 7.36 倍，欧盟的 1.92 倍。2012 年 至 2018 年，美国企业署名 AI 论文比例增长 43pct，同期中国企业署名 AI 论文仅增长 18pct。 此外，人工智能与市场应用关联密切，校企合作论文普遍存在。而我国校-企合作论文比例仅为 2.45%，与以色列（10.06%）、美国（9.53%）、日本（6.47%）差别较大。从产学结合的角度， 中国人工智能研究以学术界为驱动，企业在科研中参与程度较低，或难以实现以市场为导向。

中国人工智能高校数量实位于第二梯队，实力比肩美国。高校是人工智能人才供给和论文 产出的核心载体。 据腾讯研究院统计，全球共 367 所高校设置人工智能相关学科，其中， 美国（168 所）独占鳌头，占据全球的 45.7%。中国拥有 20 所高校与英国并列第三，数 量上稍显逊色。此外，中国高校实力普遍上升，表现强劲。据麻省理工学院 2019 年发布的AI 高校实力 Top20 榜单中，中国清华大学、北京大学包揽前两名，较 2018 年分别上 升 1 个和 3 个名次。

从创新环境的角度

研发投入：中美研发投入差距收窄

中国研发高投入高强度，在全球研发表现中占据重要地位。 从研发投入的角度，美国、中国、日本和德国始终是全球研发投入的主力军。据 IDC 统计显示，2018 年四国的研发投 入总和占全球总量的比例已达 60.77%。其中，美国凭借其强大的研发实力连续多年位居 全球研发投入的榜首。近年来，中国研发投入呈现一路猛增的强进势头，据 Statista 统计， 国内 2019 年研发投入额为 5192 亿美元，仅次于美国。且趋势上与美国差距不断缩小， 2000 年至 2019 年，CAGR 高达 14.43%，同期美国 CAGR 仅 2.99%。由于经济疲软等 诸多原因，欧盟与日本则呈现较为缓慢的上升趋势。据研发投入与强度增长的趋势推测， 中国或在 1-2 年内取代美国的全球研发领先地位。从研发强度的角度，中国研发强度总体 上呈逐步攀升的趋势，且涨幅较大。但对创新活动投入强度的重视程度仍与美国和日本存 在差距。2018 年中国研发强度 1.97%，低于日本和美国 1.53、0.87 个百分点。

资本投入：资金多而项目缺，资本投向侧重终端市场

中美是全球人工智能“融资高地”。 人工智能开发成本高，资本投入成为推动技术开发的主力。在全球范围内，美国是人工智能新增企投融资领先者，据 CAPIQ 数据显示，2010 年至 2019 年 10 月，美国 AI 企业累计融资 773 亿美元，领先中国 320 亿美元，占全球总 融资额的 50.7%。尤其是特朗普政府以来，人工智能投资力度逐步加码。中国作为全球第 二大融资体，融资总额占全球 35.5%。考虑到已有格局和近期变化，其他国家和地区难以 从规模上撼动中美两国。从人工智能新增企业数量来看，美国仍处于全球领先地位。2010 至 2018 年，美国累计新增企业数量 7022 家，较约是中国的 8 倍（870 家）。中国每年新 增人工智能企业在 2016 年达到 179 家高点后逐渐下降，近两年分别是 179 家（ 2017 年）， 151 家（2018 年），表明中国资本市场对 AI 投资也日趋成熟和理性。整体来看，中国人 工智能新增企业增势缓慢，但融资总额涨幅迅猛。这一“资金多而项目缺”的态势或是行 业泡沫即将出现的预警。

相比较美国，中国资本投向侧重易落地的终端市场。 从融资层面来看，中国各领域发展较 为均衡，应用层是突出领域，如自动驾驶、计算机学习与图像、语音识别和无人机技术领 域的新增融资额均超过美国。而美国市场注重底层技术的发展。据腾讯研究院数据显示， 芯片和处理器是美国融资最多的领域，占总融资额的 31%。当前中国对人工智能芯片市场 高度重视，但受限于技术壁垒和投资门槛高，国内芯片融资处于弱势。

基于信息熵的 TOPSIS 法：综合指标评估

数据结果显示，美国综合指标及三大项目指标评分绝对领先，中国第二，欧洲 28 国暂且落后。 具体来看，美国在人工智能人才储备、创新产出、融资规模方面优势明显。中国作为后起之秀，尽管有所赶超，但总体水平与美国相比仍有差距，尤其是杰出人才资源、高 质量专利申请上存在明显的缺陷和短板。但在论文数量和影响力、研发投入等指标上，中国正快速发展，与美国差距收窄。从各指标具体分析来看，我国人工智能研究主要分布在 高校和科研机构，企业参与度较低，产出成果较多呈现条块化、碎片化现象，缺乏与市场 的系统性融合，这将不利于中国人工智能技术的发展和产业优势的发挥。此外，我国科研 产出、企业数量和融资领域集中于产业链中下游，上游核心技术仍受制于国外企业。未来， 若国内底层技术领域仍未能实现突破，势必导致人工智能产业发展面临瓶颈。

展望

转自丨 信息化协同创新专委会

❼ 自动驾驶芯片哪家强，这家中国创业公司竟然说自己超越了特斯拉

文/田忠朝

在自动驾驶量产应用上，特斯拉为何能遥遥领先？很多人认为是其强大的软件算法，其实软件算法固然重要，但拥有强大计算能力的感知和决策芯片也必不可少。

可以预见，未来自动驾驶技术必然是各国竞争的高地，而自主可控的芯片技术对于增强我国自动驾驶行业整体实力来说将会有很大的帮助。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

❽ 大众ID.6上海车展亮相；极星2售价25.28万元起

美版Model 3和Model Y价格上调

近日，我们从特斯拉美国官网获悉，美版Model 3和Model Y再次提高了售价。这已经是特斯拉进入到2021年以来的四次涨价，价格上涨幅度为500美元（约人民币3276元）至1000美元不等（约人民币6551元）。

这起事故发生在周六凌晨4点20分左右，地点位于佛罗里达州Miramar（米拉马尔）。根据米拉马尔警察局的说法，Model S司机以高速行驶时偏离了公路，然后撞上了几辆停放的汽车和一栋房子。

驾驶员在撞击中幸存下来，但在事故发生后失去了意识。他被救护车送往医院，伤势未定。

【本文来自易车号作者电驹，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

❾ 鸿蒙华为搭载HarmonyOS的旗舰平板MatePad Pro 2用起来怎么样

说实话，等待华为MatePad Pro2以及新M-Pencil压感笔发布的这一天，已经很久了，和很多华为用户一样，自从见识了在Mate40系列上，旗舰SoC-麒麟9000芯片在各方面的优异表现之后，就打心眼里期待着什么时候华为能把PAD产品线也梳理一遍。

对我这个从事视觉设计的人来说，旗舰级的PAD对生产力的加成可能更多，也更贴心日常工作流程，相对于手机和笔记本，兼顾便携与尺寸的高素质屏，完美的续航，可以包圆九成以上的日常工作，而更重要的是，一旦在触控屏的基础上引入压感笔与键盘，输入与体验的体验与可能性就会上升到新的维度（1+1>2）。

我是在发布会前一周拿到MatePad Pro 2代（下文简称MPP2）以及M-Pencil 2代的，站在视觉工作者的角度，我会着重分享在工作流程中的输入体验与性能体验，先从视频剪辑这个亮点说起，然后是平行视界与输入设备（磁吸键盘，M-pencil 2）体验，最后是外观质感。

作为搭载麒麟9000SoC的旗舰PAD，自然要做些不同的事情，所以我直接跳过手机视频剪辑这个阶段，直接用富士X-T4相机拍摄的高码率4K视频来试水，说实话，在玩之前我还是为MPP2捏了一把汗的，但既然决定用X-T4，就别想那么多了，干就完事了！

我选的软件就是号称与华为有合作的”万兴喵影“，我记错的话，在Matebook 16发布会上就有一副海报是用了他们家的软件界面，而且有一点很爽的是，万兴喵影直接整合了华为云盘，也就是说只要你登陆了华为账号和万兴喵影，云盘上的素材就可以直接拖拽到时间轴上直接编辑。

单纯的滑动浏览与速看检索对于MPP2似乎毫无压力，于是我试着叠上一轨素材，，调整透明度，并且为半透明的那轨素材加上变形特效（实时演算），共三轨混合来考验MPP2的算力：

浏览与播放依旧毫无问题，emmmmm...........

这就激发起我的好奇心了，要不，再加点？！

我承认，那个时候出于好奇，自己是有点上头了。

用了一轨铺底素材，两轨半透明度混合素材，两轨实时演算变形特效，一轨滑动字母，一轨高码率音频，一共七轨并行计算让MPP2去负载（脸红）。

在播放点刚移动到七轨混合工况的时候，确实有大约三分之一秒的卡顿，随即就流畅了，重放第二次就再也没有卡顿过........

呃~~~~我该感谢HarmonyOS的通信效率呢，还是该感谢麒麟9000的算力呢，还是该感谢万兴喵影的适配优化呢？算了，这种事情自己偷着乐就好，没必要公之于众是吧。（狗头）

然后我又试了下爱剪辑（有点熟悉的名字），没有找到增加视频轨道的按钮，就随意试了下播放，浏览，快速检索，流畅度也是毫无问题。

但既然对于华为用户，万兴喵影更好用，我怎么会选你呢？（狗头）

介于笔记本和Mate X2折叠屏手机之间，拥有12.6吋屏幕的MPP2配合键盘，让我的购物（划掉剁手）体验也提升了一个档次（害羞），在打开淘宝APP后，MPP2的平行视界会自动开启左右二分屏，并默认联动，也就是说左侧选择商品之后，右侧就能显示详情页或简介视频：

而在取消分屏联动之后，则可以变为两个独立的浏览窗口，方便对不同产品的详情，参数，售价进行比较：

大屏的体验相比普通屏幕的手机，不仅仅是剁手的效率，体验的爽感也是两倍啊！（狗头）。

与MPP2配套的磁吸键盘做工精良，外部使用了类似荔枝纹的防滑材质，并具有一定的防水放渗透特性，内部则是使用了牙签纹理降低反射。

受益于足够大面积的布局余地，所有按键的分割距离都很恰当，1.3mm的键程，输入感也属于同级领先水准，由于机械平衡与支撑设计优秀，即使是长条形的空格键，敲击两头也不会产生翘头的松垮感，所有按键的敲击感都不错，应付高强度的文字输入不在话下。

单就设计，做工，体验来说，这款磁吸键盘在同价位中属于绝对的第一梯队素质。

接下来就是M-Pencil 2了，如果说我心仪MPP2的理由中有4分是给便携，尺寸，麒麟9000芯片以及键盘的话，那么剩下的6分就全都是给M-Pencil 2这支笔的，没有办法，好的压感笔对于PAD类产品来说，实在太重要了（尤其是需要随时记录灵感，对文档标注注解，写生绘图以及创意设计人士）。

这是一枚裸重只有16克，笔尖可换设计，支持4096级压感侦测的手写笔。

笔杆为金属漆面，尾部带有HUAWEI字样，可换笔尖则由雾面透明材质作为区分，视觉一体性很强，手感也很舒服，负重感类似一支签名圆珠笔。

笔身经由MPP2边框的预埋强磁吸附，不易脱落，并且在吸附完成时，会显示M-Pencil 2的电量，MPP2会自动侦测为笔身充电。

当然，一枚压感笔的素质如何不能只看集成度与颜值手感，还要看输入性能，毕竟作为一个从大学起就经历过日本WACOM高，中，低端产品洗礼的人，对于笔的要求会格外挑剔。华为的M-Pencil 2给我的印象如何？

我们好坏兼说吧，首先华为在PAD桌面为M-Pencil系列专门设置了手写笔专区，里面的软件大多都能支持手写与压感输入特性，我选了其中一个叫“概念画板”的软件进行体验。（因为每次华为举办线下画师分享活动时几乎都会用这到个APP）

首先是压感输入的流畅度以及跟随特性，这一点软件，MPP2，M-Pencil 2三者之间的协作是非常出色的，运笔的轨迹很流畅，压力大小也能通过笔触实时展现出来。

美中不足的是抖动率的抑制还没有做到接近完美，在超低速运笔的情况下，临近像素会有低概率干扰采样，误以为笔尖发生晃动的现象：

当然，我只是站在被数万元WACOM高端产品宠坏的角度，去检查华为这支售价不到1000元的M-Pencil 2各方面性能而已，鉴于超低速运笔的工况对大多数人来说几乎没意义复现，所以除了精描复写的朋友需要注意以外，几乎所有打算用M-Pencil 2速记，注释，绘图，艺术创作的各位，无需太过在意这点瑕疵，况且说不定随着固件补丁更新，这个问题也会得到极大缓解。

最后回到对于我相对不那么重要的外观环节。

我拿到的MPP2配色为“夏日胡杨”，看起来像是较低饱和度的墨绿色，我能理解华为的意思，高饱和度的鲜艳色确实不太适宜出现在商务气息较浓的旗舰机上。

MPP2搭载了12.6吋的OLED屏幕，屏占比很高，整机外轮廓长约287mm，宽约185mm，厚约6.8mm。

重量方面，实测裸机重量约623克，M-Pencil 2代笔约16克，全装形态（MPP2+磁吸键盘+M-Pencil 2）约996克，就负载与便携程度来说，MPP2即使在全装形态，依旧非常便携，很多朋友外出公干都会带着MPP，估计就是因为由于重量，尺寸，性能与输入特性之间良好均衡的缘故。相信这次MPP2会让他们动“升级”的念头。

作为PAD产品，MPP2的影像系统也算得上豪华，超广角，广角以及裁切实现的中焦，望远基本是一应俱全

要吐槽的是，装上磁吸键盘后，拍照需要忍受一个大下巴的挂载，体验不是很好，当然，大家基本也是这么做的，如果通过机械设计能多一个翻折处，避开摄像头的话，每次拍照就不用下卸下键盘，体验也会更加流畅了。

不过作为一个PAD，能把超广角，广角，中焦（算法），长焦（算法）一起整合进来，对于不少艺术院校的学生来说，取材真的是方便不少。

用单品的眼光让我来总结MatePad Pro 2代及其套件，我只能说三个字”小钢炮“，便携的体积与重量，配合强大的性能，加上高效率的输入设备（键盘+压感笔），让几乎所有的工作都可以在这款平板上顺利发生与完成。

比如华为Watch3，和MPP2互联之后，借助强大的算力与高素质的大屏幕，可以把手表记录的各项个人 健康 信息（睡眠，压力，血氧，血压，运动等）直接生成以柱状图，线图，饼分图等形式为主的趋势汇报图表，供你的私人医生或是营养管理师辅助分析你的近况。

又比如指挥屏，当你在家希望用更大的屏幕修改画面细节的时候，MPP2可以把画面（以及音频）分发给4K智慧屏，自己则依旧提供陀螺仪与压感侦测，让用户在更大的屏幕前对画面细节做更细致的调整。

所以，如同文章开头所说的，我等MPP2良久，如今它以鸿蒙之姿出现，它的意义已经远不是纸面参数可以描述了。

反过来说，很多人购买MPP2可能是为了拥抱未来的华为生态，但即使只看纸面参数与体验，MPP2依旧是当今在售产品中最能打的旗舰PAD之一。

❿ 2018年全球最值得关注的AI芯片初创公司

Wave Computing

Wave Computing在2018取得了不少进展，推出其第一个DataFlow处理单元，收购MIPS，创建MIPS Open，并将首批系统交付给少数客户。虽然Wave架构有一些非常有趣的功能，但我们更期待用户的大规模真实体验反馈。

Wave不是插入到服务器的加速器，它是用于图形计算的独立处理器。这种方法有利有弊。从积极的方面看，Wave不会受到GPU等加速器面临的内存瓶颈影响。从消极方面来说，安装Wave设备将是新的升级，需要完全替换传统的X86服务器，也让其成为所有服务器制造商的竞争对手。

我不认为Wave能从某个点击败NVIDIA，但该架构的设计的非常好，该公司已经表示它很快就会有客户的反馈。

图1：Wave是从上面显示的4节点“DPU”构建的系统。Wave Computing

Graphcore

Graphcore是一家资金雄厚（融资3.1亿美元，目前估值为17亿美元）的英国独角兽创业公司，拥有全球化的团队。它正在构建一种新型的图形处理器架构，其内存与其逻辑单元位于同一芯片上，这应该能够实现更高的性能。该团队产品的发布时间暂不明确，不过他们去年四月表示“几乎准备好发布”了，12月的最新信息表明它将很快开始生产。

Graphcore的投资者名单令人印象深刻，包括红杉资本、宝马、微软、博世和戴尔 科技 。

我了解了该公司的架构，它非常令人印象深刻。从边缘设备扩展到用于数据中心的训练和推理的“Colossus”双芯片封装。在最近的NeurIPS活动中，Graphcore展示了其RackScale IPU Pod，它在一个32台服务器的机架中提供超过16 petaflops的算力。虽然该公司经常声称它将提供比同类最好GPU强100倍的性能。

Graphcore表示，4“Colossus”GC2（8芯片）服务器可提供500 TFlops（每秒数万亿次操作）的混合精度性能。单个NVIDIA V100可提供125 TFlops，因此理论上4 个V100就可提供与其相同的性能。

与往常一样，细节更能发现差别，V100峰值性能仅在重构代码执行TensorCore的4x4矩阵乘法时才可用，这是Graphcore架构巧妙避免的限制。更不用说V100消耗了300瓦的电能和大量现金这一事实。

此外，Graphcore支持片上互连和“处理器内存”（片上存储器）方法，可以得到超出TFlops基准所认可的优秀性能。在一些神经网络中，如Generative Adversarial Networks，内存是瓶颈。

再次强调，我们将不得不等待真实的用户用实际应用程序来评估此体系结构。尽管如此，Graphcore的投资者名单、专家名单和台天价估值告诉我，这可能是一件好事。

图2：GraphCore展示了ImageNet数据集处理的照片。 可视化可帮助开发人员了解其训练处理占用处理周期的位置。

Habana Labs

Habana Labs是一家以色列创业公司，去年9月在第一次AI硬件峰会上宣布它已经准备好推出其首款用于推理的芯片，其创纪录的性能用于卷积神经网络图像处理。结果显示在Resnet50图像分类数据库中该处理器每秒分类15,000张图像，比NVIDIA的T4高出约50％，功耗仅为100瓦。

在2018年12月，Habana Labs的最新一轮融资由英特尔风险投资（Intel Venture Capital）领投，WRV Capital，Bessemer Venture Partners和Battery Ventures跟投，该公司的融资也由此前的4500万美元增加了7500万美元。

据悉，Habana Labs新的融资将部分用于流片其名为“Gaudi“的第二款芯片，该芯片将专注于训练市场，据称可扩展到1000多个处理器。

其它创业公司

我知道世界上有超过40家公司在为人工智能设计训练和推理芯片。我发现大多数公司都在进行简单的FMA（浮点乘法累加）和混合精度数学（整型8位和浮点16位和32位）。对此我不会感到惊讶，因为这种方法相对容易实现并且会获得一些成果，但它不会为像NVIDIA，英特尔以及少数初创公司做出不一样的架构提供持久的架构优势。

以下是一些引起我注意的公司：

中国AI芯片初创公司

中国一直试图找到一条摆脱美国半导体的方式，人工智能加速器可能会提供它一直在寻求的机会。中国设定了2030年要建立一个价值数万亿美元的人工智能产业的目标，自2012年以来，投资者已经向创业公司投入了超过40亿美元的资金。

寒武纪 科技 估值为25亿美元，是已经发布了第三代AI芯片的中国独角兽公司。寒武纪称它可以用更低的功耗提供比NVIDIA V100更好的AI性能，他们还销售其AI IP，搭载在华为麒麟970和麒麟980的处理器当中，作为AI加速硬件。

商汤 科技 也许是估值最高的AI创业公司，以在中国推广智能监控摄像头而闻名。这些安防摄像头数量超过1.75亿，包括其他公司生产的摄像头。商汤 科技 在香港成立，最近一轮融资数额达6亿美元，由阿里巴巴领投。据报道，这家初创公司的价值目前为45亿美元。

商汤 科技 与阿里巴巴、高通、本田甚至NVIDIA等主要公司建立了战略合作伙伴关系。该公司今天拥有一台超级计算机，运行大约8000块（可能是NVIDIA提供？）GPU，并计划再建造5台超级计算机来处理数百万个摄像头采集的面部识别数据。

雷锋网编译，via forbes