吴建明wujianming_110117

汽车产业与技术链分析

视觉算法-软件-芯片-电驱技术

存算一体与存内计算计算杂谈

稀疏向量计算技术杂谈

RISC-V技术杂谈

智能驾驶与汽车芯片

关于存算一体芯片技术

AI芯片技术市场思考

小芯片chiplet技术杂谈

CPU与chiplet技术杂谈中央处理器（central processing unit，简称CPU）作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。CPU自产生以来，在逻辑结构、运行效率以及功能外延上取得了巨大发展。CPU出现于大规模集成电路时代，处理器架构设计的迭代更新以及集成电路工艺的不断提升促使其不断发展完善。从最初专用于数学计算到广泛应用于通用计算，从4位到8位、16位、32位处理器，最后到64位处理器，从各厂商互不兼容到不同指令集架构规范的出现，CPU 自诞生以来一直在飞

新能源汽车造车搅局

AI芯片技术-2022年

芯片硅片与流片技术

汽车与计算平台产业链

CPU与RISC-V ISA架构

EDA技术杂谈

云边端与边缘计算技术

智能汽车技术与产业

汽车芯片与自动驾驶

互联网企业与芯片

汽车产业杂谈

从设计到消费产品半导体简介半导体：现代电子产品的大脑当点击、滑触、输入或与电子设备交谈时，希望指令能够得到正确的即时响应。 但是在这个过程中是什么在搜索、量化、优化和交付期望的结果？ 在大多数情况下，是半导体。“半导体”是在教育、研究、通信、医疗保健、交通运输、能源和其他行业中使用的成百上千万电子设备的关键组件。 当今的个人计算机、智能手机、汽车、数据中心服务器和游戏机都依靠半导体来实现核心运算和高级功能。 例如，当使用笔记本预订假期，查找餐厅推荐，播放电影或访问电子邮件时，笔记本中基于半导体的 C

AMD与Intel，挑战英伟达GPU作为CPU界的霸主，英特尔对高性能GPU市场一直没有死心。从1998年和Real3D合作推出的i740独显，到2009年无故流产的Larrabee独显，再到去年公布的Xe GPU架构。任谁来都能看出，英特尔进军独立显卡市场只是时间问题。对于NVIDIA和AMD来说，英特尔的加入听起来似乎是个坏消息。但是对于消费者而言，英特尔的加入无疑给了更多的选择。问题来了，英特尔“锐炫”系列高性能显卡究竟能够给出怎样的性能表现？英特尔能否通过在GPU市场上的发力，给友商NVIDIA

EDA技术与动态电子设计自动化（英语：Electronic design automation，缩写：EDA）是指利用计算机辅助设计（CAD）软件，来完成超大规模集成电路（VLSI）芯片的功能设计、综合、验证、物理设计（包括布局、布线、版图、设计规则检查等）等流程的设计方式。在电子设计自动化出现之前，设计人员必须手工完成集成电路的设计、布线等工作，这是因为当时所谓集成电路的复杂程度远不及现在。工业界开始使用几何学方法来制造用于电路光绘（photoplotter）的胶带。到了1970年代中期，开发人应尝试

新能源与智能化汽车新能源汽车市场在2021年迎来爆发后，2022年开年首月继续保持高增长态势。乘联会 数据显示，1 月新能源乘用车批发销量达到 41.2 万辆，同比增长 141.4%；渗透率高达 19.0%， 相比2021年同期提升 10.6 个百分点。本文主要文献参考链接https://mp.weixin.qq.com/s/0OtzyP252sa9koObULM4Xghttps://baike.baidu.com/item/%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6

GPU、AI芯片技术市场分析市场将高速增长，GPU曙光初现，预计到2024年，国内人工智能技术市场规模将达到172亿美元；全球占比将从2020年12.5%上升到15.6%，是全球市场增长的主要驱动力，在AI计算的训练和推理两个领域，已经有不少初创公司发布了GPU产品。异构计算是灵活性和效率综合平衡的结果，训练指模拟人类接收、学习并理解外界信息能力的AI技术；推理指模拟人类通过学习、判断、分析等心理活动获取信息内含逻辑的AI技术。从部署的灵活性来看，CPU最为灵活 ，GPU次之 ，FPGA和ASIC分列

智能驾驶计算平台算力技术域控制器：高算力平台助推高级别智能驾驶，高通布局加速英伟达仍是高算力平台首选，2022年开启量产周期。根据我们的统计，英伟达仍是高算力平台首选，目前主打高级别智能驾驶的厂商，例如蔚来、小鹏、理想等下一款车型均搭载了基于Orin的智能驾驶平台，并有望在明年开启量产节奏。除较高的算力外，英伟达的优势还在于：1）经过Parker、Xavier、Orin三代产品迭代而形成的完整工具链，对开发者更为友好，有助于提升开发效率；2）打造了从数据采集、标注，到仿真训练，再到车端部署，及后续模型持

分布式，集中式，云原生存储分布式存储软件是真正的统一存储，实现同一套存储系统为上层应用提供块、文件和对象三种数据服务，满足业务对结构化和非结构化数据的存放需求，内置数据保护功能，例如：备份、容灾等，分布式存储提供多种企业级特性，包括快照、精简配置、备份、加密、压缩、QoS等，帮助企业轻松应对业务快速变化时的信息灵活、可靠存取的需求。架构师技术联盟的文章https://mp.weixin.qq.com/s/s1zE7p9BXxFlKXCK71n_KA产品特点云企业级统一分布式存储资源共享：可以

如何合理选择AI加速器？各种不同芯片架构之间进行选择时，性能、功耗、灵活度、连接性以及总拥有成本(TCO)当然是判断的标准。AI芯片从技术驱动向商业驱动发展。短期内，市场对AI的关注点仍将是：应用场景和落地节奏。一些带来高增长的应用场景已经浮现，与非研究院预测2022年仍将继续加速落地。应用场景方面，三大方向值得关注：数据中心/HPC、汽车以及XR为代表的应用领域；落地节奏上，可基于AI“新三要素”来判断：产品、方案、工程化的成熟度，随着行业对AI的理解逐渐加深，行业know-how的积累渐进形成，产

2002年3月英伟达发布核弹GPU与大算力自动驾驶芯片英伟达核弹级GPU：800亿晶体管，20块承载全球互联网流量2022年3 月 22 日，在英伟达 GTC2022 上，英伟达介绍了 Hopper 架构、H100 GPU、元宇宙、新型超级计算机、软件、数据中心等方面的最新进展。英伟达公司创始人兼 CEO 黄仁勋在本届英伟达 GTC 大会的开幕仪式上，盛赞 AI 技术已经取得“惊人”进展，展望了 AI 与 Omniverse 将如何把真实世界与虚拟世界合二为一。黄仁勋做出承诺，意欲改造总值达万亿美元

Intel发布FPGAFPGA概述FPGA（Field Programmable Gate Array）是在PAL （可编程阵列逻辑）、GAL（通用阵列逻辑）等可编程器件的基础上进一步发展的产物。作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。FPGA设计不是简单的芯片研究，主要是利用 FPGA 的模式进行其他行业产品的设计。与 ASIC 不同，FPGA在通信行业的应用比较广泛。与传统模式的芯片设计进行对比，FPGA 芯片

台积电2nm与3nm制程台湾积体电路制造股份有限公司，中文简称：台积电，英文简称：tsmc，属于半导体制造公司。成立于1987年，是全球第一家专业积体电路制造服务（晶圆代工foundry）企业，总部与主要工厂位于中国台湾省的新竹市科学园区。2017年，领域占有率56%。2018年一季度，合并营收85亿美元，同比增长6%，净利润30亿美元，同比增长2.5%，毛利率为50.3%，净利率为36.2%，其中10纳米晶圆出货量占据了总晶圆营收的19%。截止2018年4月19日，美股TSM，市值2174亿美元，静态

算力优化演进展望什么是算力？算力通俗来说，就是计算能力，指的是数据的处理能力。小至手机笔记本、大到超级计算机，算力存在于各种智能硬件设备，没有算力就没有各种软硬件的正常应用。人工智能并非无源之水、无本之木。AI完成每一次人脸识别、每一次语音文字转换，都需要硬件芯片的算力支持。身边的笔记本电脑有着不同配置，价格也会有高低，这主要取决于不同配置产品搭载的CPU、显卡及内存等的差异性。高配置的笔记本具有更高的计算能力，并且可以玩具有更高配置要求的游戏，并运行更多的内存消耗型3D和视听软件。低配置的笔记本运算

存算一体AI芯片近日，三星电子在顶级学术期刊 Nature 上发表了全球首个基于 MRAM（磁性随机存储器）的存内计算研究，A crossbar array of magnetoresistive memory devices for in-memory computing，January 2022。存内计算由于毋需数据在存储器和处理器间移动，大大降低了 AI 计算的功耗，被视作边缘 AI 计算的一项前沿研究。新计算架构填补MRAM空白存算一体化技术路线，处于多种存储介质百花齐放的格局。根据存储器介

算力定律分析什么是算力？算力通俗来说，就是计算能力，指的是数据的处理能力。小至手机笔记本、大到超级计算机，算力存在于各种智能硬件设备，没有算力就没有各种软硬件的正常应用。人工智能并非无源之水、无本之木。AI完成每一次人脸识别、每一次语音文字转换，都需要硬件芯片的算力支持。以普通人为例，身边的笔记本电脑有着不同配置，价格也会有高低，这主要取决于不同配置产品搭载的CPU、显卡及内存等的差异性。高配置的笔记本具有更高的计算能力，并且可以玩具有更高配置要求的游戏，并运行更多的内存消耗型3D和视听软件。低配置的

2022年AI芯片场景随着技术成熟化，AI芯片的应用场景除了在云端及大数据中心，也会随着算力逐渐向边缘端移动，部署于智能家居、智能制造、智慧金融等领 域；同时还将随着智能产品种类日渐丰富，部署于智能手机、安防摄像头、及自动驾驶汽车等智能终端，智能产品种类也日趋丰富。未来，AI计算将无处不在。云端：当前仍是AI的中心，需更高性能计算芯片以满足市场需求当前，大多数AI训练和推理工作负载都发生在公共云和私有云中，云仍是AI的中心。在对隐私、网络安全和低延迟的需求推动下，云端出现了在网关、设备和传感器上执

FPGA技术解析FPGA（Field Programmable Gate Array）是在PAL （可编程阵列逻辑）、GAL（通用阵列逻辑）等可编程器件的基础上进一步发展的产物。它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。FPGA设计不是简单的芯片研究，主要是利用 FPGA 的模式进行其他行业产品的设计。 与 ASIC 不同，FPGA在通信行业的应用比较广泛。通过对全球FPGA产品市场以及相关供应商的分析，结合当前我国

Imagination发布四款RISC-V CPURISC-V（发音为“risk-five”）是一个基于精简指令集（RISC）原则的开源指令集架构（ISA）。与大多数指令集相比，RISC-V指令集可以自由地用于任何目的，允许任何人设计、制造和销售RISC-V芯片和软件。虽然这不是第一个开源指令集，但具有重要意义，因为设计适用于现代计算设备（如仓库规模云计算机、高端移动电话和微小嵌入式系统）。设计者考虑到了这些用途中的性能与功率效率。该指令集还具有众多支持的软件，这解决了新指令集通常的弱点。该项目201

芯片设计IP重用与集成半导体芯片在汽车、人工智能(AI)、数据处理、智能终端等领域需求旺盛，半导体产业发展不断提速。半导体芯片变得更小、更快、更强大，灵活性和功能大幅提高。但随着设计变得越来越复杂，对验证能力和下一代验证技术的需求也在增加，功能安全合规性也变得越来越重要。本文围绕合规性与合规管理、嵌入式系统与IP集成、芯片设计中的挑战以及芯片设计工具等方面进行了系统的分析。半导体芯片在汽车、人工智能(AI)、数据处理、智能终端等领域需求旺盛，半导体产业发展不断提速，预计到2030年将飙升到8085亿美

自动驾驶一些问题点汽车以太网如何影响ECU和传感器设计概述汽车以太网不是一项新技术。但在几年前，却很新，以至于没有人知道，是否可以集成到汽车中。虽然，搭载车载以太网技术的汽车已经量产，但是，关于车辆 ECU 和传感器如何受该技术影响的问题仍然存在。汽车以太网如何影响 ECU 和传感器的硬件部分。在硬件方面，主要讨论 PCB、 PCB 上的芯片、连接器、电缆以及不同的芯片、微控制器、DSP等。对不同的硬件组件进行一个概述。为了更好地理解不同组件的硬件架构（ ECU 和传感器）如何受到汽车以太网的影响