1h算力
A. 自動駕駛晶元市場火爆，科技巨頭搶灘，中國企業能否一戰
[汽車之家 新鮮技術解讀]? 自動駕駛系統，最關鍵的部件是什麼呢？是感測器？是控制軟體？還是處理晶元呢？我個人認為在目前這個階段來說，處理晶元是一個最關鍵的部件，它的性能直接影響自動駕駛系統的好壞。過去，頂尖的晶元技術一直是國外企業壟斷的，但隨著中國晶元企業近年的快速追趕，情況已經有所改觀。今天我們就來聊聊中國自動駕駛晶元究竟處於一個怎樣的水平？
● 自動駕駛晶元是干什麼用的？
雖然目前L3級別有條件自動駕駛車輛在中國尚未落地，但從一些帶有高階L2駕駛輔助系統的車輛上我們可以發現，這些車輛都帶有數量不少的感測器用以檢測車輛周圍的障礙物，從而為控制系統決策提供數據支持。這些感測器包括毫米波雷達、超聲波雷達、攝像頭等。這些感測器每秒鍾會產生數GB（1GB=1024MB=10242KB）的數據，自動駕駛晶元需要流暢地處理這些數據才能保證系統及時作出正確的決策，從而確保車輛的行駛安全。
可能大家對每秒數GB的數據沒有概念，這里舉一個生活中的例子。普通的USB3.0介面U盤，其讀取速度峰值接近200MB/s，要從這個U盤中讀取1GB的文件大約需要5秒左右的時間，足見每秒數GB的數據量是相當大的。
自動駕駛系統除了需要解決大流量數據傳輸問題，還需要解決的就是如何能快速處理這些海量數據，而強大的自動駕駛晶元正是那把正確的鑰匙。
● 國外的自動駕駛晶元處在怎樣的水平？
雖然本文主要是講中國自動駕駛晶元的，但知己知彼，百戰百勝，在審視本土狀況之前，我們還是先要來簡單了解國外的情況。國外自動駕駛晶元真正能夠大規模進入量產車市場的無非三家，英偉達、Mobileye（現已被英特爾收購）、特斯拉。
其中，走實用路線的Mobileye目前市場佔有率在70%以上，市場上的產品主要是應用於L2駕駛輔助系統的EyeQ3晶元（算力0.256TOPS，「TOPS」是每秒萬億次運算的意思，詳細介紹請看這篇文章相關介紹，本文標注的算力如無特別說明均指的是8位整數計算能力）以及具備L3級別自動駕駛能力的EyeQ4晶元（算力2.5TOPS）。像是小鵬G3、蔚來ES6/ES8、廣汽新能源Aion LX就採用了EyeQ4晶元作為其駕駛輔助系統的核心。
相較於英偉達上代自動駕駛平台旗艦之作DRIVE PX Pegasus 320TOPS的算力，新的DRIVE AGX Orin平台的旗艦配置實現了成倍的性能增長。此外，DRIVE AGX Orin平台的擴展柔性化程度相比以往平台進一步提升，能夠通過硬體配置的增減，滿足從一般駕駛輔助到L5級別完全自動駕駛等不同級別車輛的需求。
特斯拉Autopilot 1.0系統採用的是1顆英偉達Tegra3晶元+1顆Mobileye EyeQ3晶元；Autopilot 2.0系統採用的是1顆英偉達Tegra Parker晶元+1顆Pascal架構GPU晶元；Autopilot 2.5系統採用的是2顆英偉達Tegra Parker晶元+1顆Pascal架構GPU晶元。
已經搭載在最新下線特斯拉車型上的自研FSD晶元，單顆晶元算力為72TOPS，Full Self-Driving Computer集成有兩顆獨立工作的FSD晶元，一顆「掛了」，另外一顆馬上「頂上」，提升了整套系統的安全性和穩定性。
當然了，除了上面三家鋒芒畢露的企業，還有不少企業在垂涎自動駕駛晶元這塊蛋糕，其中包括高通、賽靈思、恩智浦等，但這些企業真正走向量產車的自動駕駛晶元還不成規模，限於篇幅，這里就不作介紹了。
● 迅速崛起的中國自動駕駛晶元企業
好了，看完國外的情況，我們目光回到國內。自動駕駛晶元市場火爆，國外科技巨頭搶灘登陸，中國企業究竟實力怎麼樣呢？下面我們一起來看看。
◆ 寒武紀
中科寒武紀科技股份有限公司（下稱「寒武紀」）的前身是中國科學院計算技術研究所下，由陳雲霽和陳天石兩兄弟領導的一個課題組。該課題組在2008年開始研究神經網路演算法和晶元，並在2012年開始陸續發表研究成果。
2016年，上述課題組提出的深度學習處理器指令集DianNaoYu被ISCA2016所接受，實驗表明搭載該指令集的晶元相較於傳統執行X86指令集的晶元，在神經網路計算方面有兩個數量級的性能優勢。隨著課題組的研究成果趨於成熟，中科寒武紀科技股份有限公司正式成立，並著手將其晶元和指令集向商業領域轉化。也是在2016年，寒武紀發布了首款商用深度學習處理器寒武紀1A。
聊完這家公司的身世，下面我們來看看它的產品。目前寒武紀有兩款最新的人工智慧晶元IP授權，分別是Cambricon-1M和Cambricon-1H。性能指標最強的Cambricon-1M-4K在1GHz時鍾頻率下擁有8TOPS的算力；性能指標最弱的Cambricon-1H8mini在1GHz時鍾頻率下擁有0.5TOPS的算力。所有型號的詳細算力參數可以參看下錶。
Cambricon-1M和Cambricon-1H被定義為終端智能處理器IP。我們在手機或者汽車這些終端上出現的人臉識別、指紋識別、障礙物識別、路標識別等應用都能通過在晶元中集成上述處理器IP實現加速。
上面提到的「邊緣」一詞來自於「邊緣計算」。 邊緣計算是指在靠近智能設備（終端）或數據源頭（雲端）的一端，提供網路、存儲、計算、應用等能力，達到更快的網路服務響應，更安全的本地數據傳輸。邊緣計算可以滿足系統在實時業務、智能應用、安全隱私保護等方面的要求，為用戶提供本地的智能服務。思元220在邊緣計算中扮演著提高數據安全、降低處理延時以及優化帶寬利用的角色。
目前寒武紀高算力晶元產品被定義為智能加速卡，可用於伺服器中加速人工智慧運算。谷歌的AlphaGo人工智慧機器人打敗韓國世界圍棋冠軍李世石的新聞相信各位有所耳聞，AlphaGo人工智慧機器人的背後其實是谷歌自研的TPU晶元。寒武紀的高算力晶元產品的特性和應用也與谷歌TPU類似，當然它們之間也可以算是競爭對手了。
所不同的是思元270-S4採用的是被動散熱設計，最大熱設計功耗為70W，定位為高能效比人工智慧推理設計的數據中心加速卡。這也意味著該卡會有「功耗牆」設定，即當加速卡功耗達到閾值上限時會降低算力以保證較低的功耗和發熱。
思元270-F4相當於是「滿血版」 思元270-S4，最大熱設計功耗150W，採用渦輪風扇進行主動散熱。良好的散熱和充足的供電使得思元270-F4能夠發揮出思元270晶元的全部性能。該卡定位是為桌面環境提供數據中心級人工智慧計算力，簡而言之就是為台式機配的高性能人工智慧加速卡。
雖然思元270在製造工藝上只採用了台積電的16nm工藝，但整體能耗比還是做得比較不錯的。雖然單卡算力不及最新的英偉達旗艦計算卡，但5張思元270-S4/思元270-F4並行的話，峰值算力也能達到英偉達A100的水平。只是英偉達A100更先進的工藝應該在能耗比上面會有一定的優勢。
其中思元100-C搭載了視頻和圖像解碼單元，採用被動散熱方式，最大熱設計功耗為110W；思元100-D不搭載視頻和圖像解碼單元，採用被動散熱方式，最大熱設計功耗為75W。目前思元100系列產品已經於2019年在滴滴雲和金山雲上得到應用。其中滴滴雲採用思元100板卡加速彈性推理服務，該服務用於深度學習推理任務；而金山雲則採用思元100板卡加速語音、圖像、視頻等人工智慧應用。
前面講的盡是伺服器級的計算卡，這是不是偏離了我們應該聊的自動駕駛晶元話題呢？其實不然。前面也提到了，寒武紀目前是一家專注於人工智慧晶元開發的企業，自動駕駛領域確實涉足不深，但通過和其他國內友商的聯合還是有一些建樹的。
WiseADCU CN1自動駕駛運算域控制器提供了L3或以上級別自動駕駛系統所需的算力以及感測器連接數量需求，實現了模擬、模型、系統、架構、編碼、加速、演算法七個關鍵控制點的自主可控。
實際上威盛集團由於處理器產品性能競爭力弱，早就退出了主流X86處理器市場的競爭，市場中就剩下英特爾和AMD在角力。兆芯成立後，吃透了威盛的X86技術，並在威盛當時最新的處理器架構基礎上進行全面的改進和優化，先後推出了ZX-A、ZX-C以及ZX-C+等處理器產品。
6月2日，科創板上市委發布2020年第33次審議會議結果公告，寒武紀上市獲得通過，從受理到審批通過，寒武紀只用了68天，刷新了科創板審核速度。寒武紀上市後成為A股中唯一一家人工智慧晶元公司，該領域的市場空間在2022年有望超過500億美元，發展潛力巨大。打通了A股融資渠道的寒武紀究竟能否憑借其獨特的技術優勢進一步發展壯大呢？這誰都說不準，但可以確定的是，寒武紀的成功上市讓很多投身於該領域的公司贏得了信心，看到了希望，中國人工智慧晶元時代或將由此開啟。
◆ 地平線機器人
好了，聊完寒武紀，我們來聊聊另外一家人工智慧晶元企業——地平線機器人技術研發有限公司（下簡稱「地平線」）。地平線是由前網路深度學習研究院常務副院長余凱於2015年創立的，專注於自動駕駛與人工智慧晶元的一家公司。余凱也是網路自動駕駛的發起人。
余凱建立的地平線，一直以來堅持的是軟體和硬體相結合的方向。他認為，演算法、晶元和雲計算將構成自動駕駛的三個核心支點。相比起前面介紹的寒武紀注重打造高性能硬體晶元，地平線的商業模式是把以「演算法+晶元」為核心的嵌入式人工智慧解決方案，提供給下游廠商。打個比方比較好理解，如果說寒武紀賣的是處理器晶元，那麼地平線賣的就是安裝了操作系統的整機。產品方面，相較寒武紀從終端到雲端的晶元產品布局，地平線雖然自研晶元，但更偏重的是以產品功能來劃分產品線。
硬體上，征程二代晶元內部集成了兩個Cortex A53核心、兩個自研的BPU（Brain Processing Unit，可用於加速人工智慧演算法）核心、DDR4內存控制器以及輸入輸出控制器，算力達到4TOPS，典型功耗為2W，這比起目前主流的Mobileye EyeQ4晶元的算力和能耗比都更優秀。
這些智能音箱有較強的自然語義識別功能，能夠識別人們發出的語音命令，結合物聯網技術，人們通過簡單的語音命令除了能夠讓音箱播放在線音頻資源外，還能夠控制各種家電，如開關、燈泡、風扇、空調等。這就是AIoT的一個最簡單的應用例子。
從硬體方面看，旭日二代晶元內部集成了兩個ARM Cortex A53核心、兩個自研的BPU核心、DDR4內存控制器以及輸入輸出控制器，算力達到4TOPS，典型功耗為2W。從參數上看，旭日二代和征程二代好像沒什麼差別，實際上征程二代可以看做是旭日二代的車規版，它滿足AEC-Q100標准，在工作溫度、電磁輻射等標准上會更高一些。雖然征程二代和旭日二代均採用台積電28nm工藝製造，但旭日二代晶元尺寸為14x14mm，比征程二代晶元17x17mm的尺寸更小，更有利於內嵌到AIoT設備當中。
和寒武紀一樣，地平線同樣擁有自研的人工智慧加速晶元技術。所不同的是，地平線更注重軟體和硬體的整合，從而為下游廠商提供成熟的解決方案。在資本市場，地平線同樣受到追捧，其投資者眾多，其中包括了世界半導體行業巨頭英特爾和SK海力士以及國內的一線汽車集團等。未來地平線是否會和寒武紀一樣登錄科創板目前還不得而知，但CEO余凱對於在科創板上市是持積極態度的。我個人是支持有更多像地平線這樣的企業登錄科創板，更充分的競爭可以避免壟斷同時促進該領域的加速發展。
◆ 西井科技
西井科技創辦於2015年，它起初是一家做類腦晶元的廠商。所謂的類腦晶元簡單來說就是以人腦的工作方式設計製造出來的晶元。目前大行其道的馮?諾依曼結構處理器晶元，其計算模塊和存儲單元是分離的，晶元工作的過程中需要通過數據匯流排來連接計算模塊和存儲單元，數據傳輸上的開銷太大從而限制著這類晶元的工作效率和能耗比的提升。
類腦晶元模仿的是大腦神經元的工作形式，大腦的處理單元是神經元，內存就是突觸。神經元和突觸是物理相連的，所以每個神經元計算都是本地的，而從全局來看神經元們是分布式在工作。類腦晶元由於具有本地計算和分布式工作的特點，所以在工作效率和能耗上相比馮?諾依曼結構處理器晶元更有優勢。
雖然這種類腦晶元看著和普通的處理器晶元在外觀上沒有什麼不同，但其實內部運作原理與傳統的處理器晶元有著本質的區別。國內除了西井科技開發出了類腦晶元，像是清華開發的天機（TianJic）晶元和浙大開發的達爾文（DARWIN）晶元都是類腦晶元。所不同的是，西井科技的DeepSouth晶元是全球首塊可商用5000萬類腦「神經元」晶元。
西井科技這艘大船拿著投資人動輒過億的投資款，肯定是要追求盈利的。不管公司的技術有多超前，無法商業化在逐利的資本市場必然是無法接受的。隨著人工智慧和自動駕駛產業的興起，西井科技找到了技術商業化的契機。
相比起我們前面兩個廠商動輒上百TOPS算力的產品，西井這兩款產品的算力確實有點拿不出手。但西井科技的這兩款晶元能夠實現片上學習，可以隨時新增樣本進行增量訓練來提升推理准確率。
可能大家看到這里還是沒看懂西井科技這兩塊晶元的優勢所在，我在這里稍微解析一下大家就能夠明白。目前的自動駕駛演算法都是通過高性能伺服器進行模型訓練（讓計算機去看攝像頭或激光雷達等感測器獲取的環境數據，學習目標判斷方法），然後將訓練好的模型再部署到車載硬體之中（把機器學習到的高效目標判斷方法固化到車載自動駕駛系統之中）。
在實際應用方面，西井科技並沒有一頭沖進乘用車自動駕駛系統領域，而是在智能港口和智能礦場干出了自己的一片天地，並把觸角伸向了智慧醫療和智慧物流領域。2017年10月，公司與全球知名港機巨頭振華重工建立長期合作夥伴關系，這是西井科技進軍智能港口的重要一步。
自動駕駛卡車要在港區自動裝卸集裝箱，需要自動駕駛系統精細的車輛控制、敏銳的環境識別以及准確的定位，這些都需要港區高清地圖配合。西井科技的無人集裝箱卡車定位精度在5cm以內，這是實現集裝箱自動裝卸的關鍵。全球首輛港區作業無人集裝箱卡車作業成功，充分展現了西井科技在卡車自動駕駛系統以及高精度地圖繪制領域的實力。
除了自動駕駛和高清地圖繪制外，西井科技還為企業打包了一整套智能港口和智能礦場解決方案，利用人工智慧技術提升港口和礦場的運作效率，同時能夠進一步降低其運營成本。深挖行業中存在的機遇，逐步築起行業壁壘是西井科技面對人工智慧晶元市場激烈競爭的重要策略。
作為全球最早落地行業應用的自動駕駛團隊，西井科技旗下自動駕駛品牌Qomolo逐路目前涵蓋了無人駕駛跨運車、無人駕駛新能源集卡和無人駕駛礦卡三大項目。
面對乘用車自動駕駛晶元領域的激烈競爭，我認為短期內西井科技不會進入該領域。相反它會通過深耕已有的智能港口、智能礦場以及無人駕駛重卡市場，進一步築高上述市場的壁壘，擴大自身的行業影響力和競爭力。但不能忽視的是，西井科技掌握的類腦晶元技術或有可能成為未來自動駕駛晶元領域的一個風口。
上文詳細介紹中國3家知名自動駕駛晶元公司及其產品，相信大家應該對目前國內自動駕駛晶元現狀有了一個更深了解。除了這三家公司，數字地圖供應商四維圖新通過收購傑發科技也布局自動駕駛晶元市場，但量產晶元目前尚未落地。網路的昆侖晶元以150W的功耗實現了260TOPS的算力，競爭力很強，但其定位為雲端全功能人工智慧晶元，主要用在伺服器之上。網路在自動駕駛領域的亮點還是在於其Apollo自動駕駛軟體平台。
● 全文總結：
寒武紀、地平線、西井科技這三家公司都有著各自的特色和亮點。寒武紀專注於晶元研發，產品算力最強；地平線除了研發晶元，還提供完整的自動駕駛軟體方案，對主機廠開發更友好；西井科技掌握獨特的類腦晶元設計，在智能港口、智能礦場以及無人駕駛卡車領域已經站穩了陣腳。整體來看，中國自動駕駛晶元在性能和功耗上和外國晶元相比並不差，如何在中國開放L3級別有條件自動駕駛車輛落地這個時間節點用產品和服務先發制人是中國自動駕駛晶元企業的制勝關鍵。究竟鹿死誰手，讓我們拭目以待吧，好戲即將上演！（圖/文/汽車之家 常慶林?部分圖片源於網路）
B. 寒武紀來了
（文/觀察者網 呂棟）在距今大約5.3億年前的寒武紀時期，地球上在2000多萬年的時間里突然涌現出各種各樣的生物，一系列與現代動物形態基本相同的物種來了個「集體亮相」。而在此之前，更為古老的地層中卻長期沒有找到動物化石，這一時期史稱「寒武紀生命大爆發」。
5.6億年前寒武紀出現的最有代表性的遠古動物——三葉蟲。圖源：視覺中國
現如今，「寒武紀生命大爆發」仍然是古生物學和地質學中的一大懸案，更是困擾著包括達爾文在內的學界大佬。然而，當我們此刻在搜索引擎中輸入「寒武紀」這三個字時，排在輸出結果第一位的已不再是那個困擾科學界的謎題，而是一家人工智慧晶元領域的 科技 公司。
值得注意的是，最近幾年，國內涌現出不少初創AI晶元設計企業，它們在吸附大量一級市場資金後，一方面互相激烈競爭，另一方面還不得不面對來自巨頭的壓力。在該領域，不僅有英特爾、英偉達等晶元行業傳統巨頭，也有華為、阿里等跨界選手，無一不對這塊蛋糕「垂涎三尺」。
而寒武紀正誕生於上述背景中。
一個月前的2月28日晚間，北京證監會官網發布消息，2019年12月5日，中科寒武紀與中信證券簽署A股上市輔導協議，正式開啟沖刺科創板的進程。
而3月26日上交所官網顯示，創辦剛滿4年的寒武紀上市申請已獲受理。短短幾個字，意味著該公司距登陸科創板又近了一步，同時也再次將其置於輿論的放大鏡下。
市場普遍認為，如果寒武紀成功登陸科創板，將成為毫無懸念的「AI晶元第一股」。
殘酷的現實便是，中國集成電路進口額長期大於出口額。官方數據顯示，2019年中國集成電路進口總額為3055.5億美元，而出口僅1015.8億美元，進出口比例為3:1，時代也在期待中國晶元領軍者。
而該公司以「寒武紀」給自己命名，寓意「AI大爆發」，並以「全球智能晶元領域的先行者」作為自己定位，既彰顯了幾分神秘又凸顯了其「野心」。
別人眼中的學霸
提起寒武紀，就不得不提其創始人陳雲霽和陳天石這兩兄弟。
哥哥陳雲霽1983年出生，兩年後弟弟陳天石出生，江西南昌人。與大多數年過而立、尚未不惑的同齡人相比，他們可以說已有所成就。
1月16日，陳天石剛以寒武紀CEO身份成為2019年中國科學年度新聞人物十人之一，而陳雲霽早已從前輩手中接過2017年度 科技 創新人物獎。
不少人好奇，這對來自江西的「雙子星」，緣何既能讀書出色，又能在創業後搞出一個「獨角獸」。
履歷顯示，陳雲霽9歲上中學，14歲便考入中國科大少年班，24歲取得中科院計算所博士學位，29歲晉升為研究員，33歲獲得中國青年 科技 獎和中科院青年科學家獎。
小兩歲的陳天石，幾乎是沿著哥哥的腳步一路從中科大少年班追到了中科院計算所。他16歲考入中科大少年班，25歲在中科大計算機學院拿到博士學位，指導導師是陳國良和姚新。
事實上，這對別人口中的學霸，在他們自己看來並非「模範兄弟」。
陳雲霽曾提到，兩人小時候常打架，長大後一言不合就吵起來，要不是有血緣關系早就鬧崩了。不過，兩人最終還是會讓道理來說話。
在接受媒體采訪時，陳雲霽曾透露，「和很多人想像的不太一樣，我並不是學霸。相反，多數時候都是一個學渣。」而且他講到，在19年的學習生涯中，不但考第一名的次數不多，還常在班上排名倒數。
2002年，19歲的陳雲霽已經在中科大少年班度過了第五個年頭。酷愛 游戲 的他對於自己的課業成績並不太在意，而是把《星際爭霸》當做主課來修。他曾坦言，「掛科的壓力一直是懸在頭上的劍，但是科大的老師對於我們這些調皮的孩子非常包容，給了我們很大的空間去成長。」
當年，即將本科畢業的陳雲霽聽說中科院計算所在研製中國第一塊通用CPU晶元「龍芯1號」，希望能拜師計算所胡偉武老師，於是報考了中科院計算所的研究生。
這家始建於1956年的研究所，是中國第一個專門從事計算機科學技術綜合研究的學術機構。從這里走出的包括聯想控股、龍芯中科、中科曙光等，均為中國信息技術產業中的知名企業。
2017年，陳雲霽接受采訪時曾開玩笑稱，在他之前，中科院計算所從來沒有招過像他本科成績這么差的學生。但是，胡偉武看到他玩《星際爭霸》的表現，認定他有科研潛力，便力排眾議將他錄取。
「Work hard，play harder！胡老師就是看中了我這一點。」 陳雲霽當時說。
估值超220億
事實證明，陳雲霽確實沒有辜負胡偉武的期望。
博士畢業後，他留在了中科院計算所龍芯團隊，在胡偉武的指導下成為8核龍芯3號的主架構師。他還與胡偉武合著了《計算機體系結構》，並在2008年開發龍芯3號的過程中完成了一篇重量級的論文。
不僅如此，陳雲霽向胡偉武引薦了另一位「高徒」，他的弟弟陳天石。
與做硬體晶元出身的陳雲霽不同，陳天石的研究方向是人工智慧，專注於軟體演算法。 在博士畢業後他也加入了中科院計算所，這為後來兩個人一起設計出「讓計算機更聰明」的專門神經網路處理器埋下了伏筆。
時針撥回到2010年，當時國內人工智慧晶元尚處於較冷階段。
根據公開報道，在計算所匯合後，陳氏兄弟也曾就職業發展探討了好長時間，最後認定有兩件「非常好玩的事」可以做：一是用AI輔助做處理器的設計，另外一個就是做AI晶元。
起初，陳天石在向計算所領導匯報想做AI晶元時還曾拿自動駕駛舉例：「大家很早就在說有一天機器會替代人開車，但如果開車的機器人在做模式識別的時候速度不夠快，那麼這個車就完全沒有讓機器開的理由。所以，它一定需要很強的車載運算能力。」
2015年，早在寒武紀公司成立之前，在中科院戰略性先導專項和中科院計算所的支持下，陳氏兄弟主導的世界首款深度學習專用處理器原型晶元——「寒武紀」首次成功流片。
之所以取名為「寒武紀」，是想用地質學上生命大爆發的時代寓意人工智慧的未來。
次年春天，谷歌的AlphaGo「一戰成名」，人工智慧在全世界范圍內再次掀起波瀾，國內對人工智慧的重視也達到前所未有的高度。不僅如此，2017年以及之後的兩會中，人工智慧也成為關鍵詞之一。
而陳氏兄弟的研究也趕上了好時候。
2016年，全球首款可商用的深度學習處理器「寒武紀1A」處理器問世，寒武紀 科技 公司也正式成立於當年3月，其數千萬的天使輪融資也正是來自中科院。
值得一提的是，性格的不同也讓陳氏兄弟在公司擁有不同的角色。
陳雲霽在公司職務上更偏研究，思考技術路徑相關的部分，很少掛寒武紀頭銜，多以「中科院計算所研究員」示人。
據陳雲霽透露，他的性格偏外向、膽子大，喜歡做一些天馬行空的事情，更適合搞科研。
而弟弟陳天石比較慎重，每走一步都會想好可行性，能規避產業發展中的「坑」，適合帶領一個企業往前沖。
所以陳天石總以寒武紀創始人、CEO的身份出現在公眾視野。
根據公開報道，除陳氏兄弟外，寒武紀團隊成員不僅囊括了中科院技術精英，也有中國首個通用CPU「龍芯1號」的核心參與人員。
具體奮斗目標上，他們希望讓AI晶元計算效率提升1萬倍，功耗降低1萬倍，可以把「AlphaGo」這樣的領先AI應用裝入手機中。
不過，「天才少年」也曾被人吐槽。
根據中國科學報報道，在寒武紀最開始募資的時候，其團隊也曾碰釘子，有人吐槽他們「PPT做得差」，邊吐槽邊教育，「小夥子你這樣是融不到錢的」。
招股說明書顯示，在公司成立之後，寒武紀共經歷了6次增資和3次股權轉讓。
2017年8月，該公司完成估值10億美元的A輪融資，國投創業領投，阿里巴巴、聯想創投、國科投資、中科圖靈、元禾原點和涌鏵投資等參投，使得寒武紀成為全球AI晶元領域首家獨角獸公司。
不到一年之後的2018年6月，寒武紀宣布完成數億美元B輪融資，國有資本風險投資基金、國新啟迪、國投創業、國新資本等聯合領投，該輪融資後的寒武紀估值約為25億美元，距離一年前的10億美元翻了一番還多。
正是在此時，陳天石對外透露了公司上市動向：「未來傾向於考慮在境內A股上市」。
在此之後，寒武紀的估值便不得而知。根據招股書，2019年9月13日，寒武紀新增南京招銀、湖北招銀、國調國信智芯和嘉富澤地等股東；2019年9月16日，陳天石將其所持寒武紀有限2.43%的股權和0.86%的股權分別轉讓給艾溪合夥和納什均衡。
這也是寒武紀在上市前最後的增資與股權變動。
根據股權結構，南京招銀出資8億元，獲得寒武紀上市前3.61%的股權，納什均衡受讓了0.86%股權，耗資1.8億元。
據此計算得知，寒武紀在經歷6輪融資後估值約221.6億元。
由於在過去的幾輪融資中，國字型大小背景的投資方居多，寒武紀也因此被市場視為AI晶元的「國家隊」。
存銀行理財39億
寒武紀公開的招股書披露，其主營業務是應用於各類雲伺服器、邊緣計算設備、終端設備中人工智慧核心晶元的研發、設計和銷售，主要產品包括終端智能處理器IP、雲端智能晶元及加速卡、邊緣智能晶元及加速卡以及與上述產品配套的基礎系統軟體平台。
簡而言之，人工智慧晶元是相對於傳統晶元的概念。
目前，AI晶元主要是指GPU、FPGA、ASIC等人工智慧加速晶元，主要用於解決人工智慧龐大的算力需求。AI晶元的主要應用場景為雲計算數據中心與邊緣計算，後者包括攝像頭 IPC、自動駕駛、手機的Soc等。
縱觀處理器晶元市場，通用處理器晶元如CPU、GPU的晶元的壁壘極高，國內仍未實現突破，且通用處理器領域已經發展成熟，目前市場由國際巨頭高度壟斷，後來者難以競爭。
而AI晶元是全新的市場，進入者有後發先至的可能，寒武紀正是這樣的新入局者。
自寒武紀2016年3月成立以來，其先後推出了三大類產品：
招股書中介紹，寒武紀目前採用的盈利模式是「授權+成品」，前者類似ARM，將AI晶元的知識產權（IP） 授權給下游廠商，例如最知名的合作夥伴華為；後者則是寒武紀自己設計，找代工方生產後自行銷售。
值得注意的是，IP供應商相比於晶元提供商利潤規模並不高。
例如，ARM作為全球領先的半導體IP提供商，本身不直接從事晶元生產。
全球大部分的手機CPU都在使用ARM架構，市佔率非常高，但是營收規模卻在巨頭中比較遜色。2017年ARM核晶元出貨量213億顆，營收才17.8億美元，凈利8億美元，營收規模還不如國內很多晶元公司。
而處理器龍頭英特爾是晶元供應商，2017年營收628億美元，凈利潤為96億美元，收入規模遠超ARM。
公開資料顯示，人工智慧IP僅作為一個加速器晶元模塊，價格遠比不上ARM IP。
因此，IP研發需要巨大的成本投入，在IP未得到大規模應用情況下，是付出多回報少的「苦生意」。
由於智能晶元研發需要大量資本開支，作為初創公司，寒武紀也年年虧損。
招股書顯示，2017年-2019年，其營收分別為784.33萬元、1.17億元、4.44億元；營收增幅明顯，但盈利堪憂，連續三年分別虧損3.8億元、4104萬元和11.79億元，累計約16億元。
而巨額虧損主要來自兩方面，一是「研發支出較大，產品仍在市場拓展階段」，二是「報告期內因股權激勵計提的股份支付金額較大」。
其也在特別風險提示一欄中醒投資者，寒武紀無法保證未來幾年內實現盈利，其上市後亦可能面臨退市的風險。
正如寒武紀所言，其巨額虧損確實與研發大量投入有關。
2017年-2019年，其研發投入分別為2986.19萬元、2.4億元、5.43億元，占營收比例分別為380.73%、205.18%和122.32%，累計投入8.13億元，相當於三年累計營收的1.43倍。
截至2019年12月31日，寒武紀研發人員有680人，佔比接近員工總數的80%；擁有碩士、博士學歷的員工有546人，佔比超60%。
與此同時，寒武紀的高研發投入也獲得了相對可觀的回報。
截至2020年2月29日，其已獲授權的境內專利有50項，境外專利有15項，此外還有PCT專利申請120項，正在申請中的專利共有1474項。
在研發投入遠超營收的情況下，可以說寒武紀目前的營運資金主要依賴外部融資。
招股書顯示，2017年-2019年，寒武紀籌資活動產生的現金流量凈額分別為4.96億元、24.05億元以及17億元，總計為46.01億元。
而前述年度下，寒武紀期末現金及現金等價物余額則分別為2.27億元、13.54億元以及3.83億元。不難看出，其消化資金的速度有些驚人。
寒武紀還在招股書中稱，由於未來幾年將存在持續的大規模研發的投入，上市後未盈利的狀態可能持續存在。因此，足夠的運營資金對於持續高研發投入的寒武紀顯得尤為重要。
招股書顯示，寒武紀本次擬發行股份不超過4010萬股，不低於發行後總股本的10%，融資28.01億元，用於新一代雲端訓練晶元、雲端推理晶元、邊緣端人工智慧晶元及系統項目和補充流動資金。
在持續高研發投入的背景下，寒武紀還要融資28億，那現在應該很缺錢？
令人驚訝的是，截至2019年末，寒武紀貨幣資金余額為38.3億元， 銀行理財產品38.9億元 ，資產負債率為6.68%，且全部為日常經營過程中產生的非付息債務，無銀行借款等其他付息債務。
除此之外，寒武紀還有3.8億元的銀行存款。
值得注意的是，作為技術密集型企業，寒武紀的毛利率水平也較高。
2017年-2019年，其綜合毛利率分別為99.96%、99.90%及68.19%。其中，終端智能處理器IP業務的毛利在99%以上。針對去年毛利率有所下降，招股書解釋稱，這是因為這一年拓展了新業務——雲端智能晶元及加速卡、智能計算集群系統業務。
分道揚鑣
提到寒武紀，不得不提的就是華為。
寒武紀在招股書中提到，其寒武紀1A、寒武紀1H分別應用於某全球知名中國 科技 企業的旗艦智能手機晶元中，已集成於超過1億台智能手機及其他智能終端設備中。根據公開信息，其指的就是華為。
2017年，華為推出了移動處理器麒麟970，主打AI性能，其搭載的NPU IP就是來自寒武紀；次年的麒麟980，依然選擇與寒武紀合作，Mate 10、Mate 20、P20等旗艦機，均搭載了後者的NPU。
作為寒武紀最大客戶，2017年-2018年兩年間，來自 公司A 的收入一直占其營收比例在98%上下，為其第一大客戶。
招股書中提到，2018年 公司A 得到寒武紀授權，將寒武紀終端智能處理器IP集成於其旗艦智能手機晶元中。
艾瑞咨詢則在一份報告中稱：「僅從搭載麒麟970手機出貨量來看，若授權費為5美元/片，則超過4000萬台手機出貨量為寒武紀帶來約2億美元（摺合人民幣14億元）的收入。」
由於和華為的良好合作關系，寒武紀曾在2017年公開表示，計劃3年後佔有中國高性能智能晶元市場30%的份額，並使全世界10億台以上的智能終端設備集成有寒武紀終端智能處理器。
不過，事情在2018年發生了變化。
當年10月，華為在全連接大會上發布了升騰910、升騰310兩款AI晶元，其採用的是華為自研的達芬奇架構，而非寒武紀的方案。當時，這被媒體解讀為「華為要與寒武紀做徹底的切割」，走向獨立造芯之路。
次年6月，華為發布的nova 5搭載了中端移動處理器「麒麟810」，這是首款採用華為自研達芬奇架構的手機AI晶元；年底的麒麟990，依然採用的是前述架構，其在AIBenchMark跑分達到了麒麟980的476%。
近日，寒武紀CEO陳天石在接受采訪時談到與華為的合作關系稱：其實我們和客戶的關系一直挺好。還是我之前的觀點，AI晶元大家都做，恰恰說明它重要。
針對華為已經在用自研的達芬奇架構，對其收入有何影響？
陳天石並沒有正面回答，只是表示：「我們的收入增長很快，未來希望有機會向大家公開披露我們的財報。」
而寒武紀招股書中的數據顯示，來自 公司A 的收入佔比已經從2017年98.34%驟降到2019年的14.34%，比2018年大幅減少為6365萬元，並從第一大客戶降為第四大客戶。
眾所周知，華為是國內僅有的自研SoC的手機廠商。國內大部分的終端廠商不像華為一樣自研AI晶元。
不過，有觀點指出，如果寒武紀要進入vivo、OPPO等手機品牌，必須說服晶元供應商採用其產品，難度不小。
因此，寒武紀此後再未提及「三年佔領三成市場」的目標。
寒武紀在招股書中稱，2018年其終端智能處理器IP許可銷售收入同比大幅增長，主要原因系人工智慧技術和應用開始普及，採用該公司終端智能處理器IP的終端設備已實現規模化出貨，使得其終端智能處理器IP許可銷售收入大幅增加。
而2019年其終端智能處理器IP許可銷售收入同比下降較大。
招股書中解釋稱，主要原因系2018年向 公司A 逐步交付了終端智能處理器IP，2019年固定費用模式的IP許可銷售收入相應下降。
與此同時，寒武紀在招股書中還將華為海思列為了競爭對手。
寒武紀在招股書中坦言，與英偉達、英特爾、AMD等國際大型集成電路企業相比，其在整體規模、資金實力、研發儲備、銷售渠道等方面仍然存在著較大的差距。國內企業中如華為海思及其他晶元設計公司也日漸進入該市場，其面臨著市場競爭進一步加劇的狀況。
耐人尋味的是，寒武紀CTO梁軍就出身華為，先後就職於華為公司北京研究所、華為海思半導體公司，於2017年跳槽到寒武紀。目前這位CTO是所有高管中薪資最高的一位，持股也達到了3.2%。
值得注意的是，在市場調研機構Compass Intelligence2018年發布的AIChipset Index TOP24榜單中，英偉達高居第一，華為海思排名12位，而寒武紀則是第23位。
事實上，除了華為，寒武紀的投資方之一阿里巴巴也是其強大的競爭對手，後者在2018年成立了「平頭哥半導體有限公司」，整合了中天微系統有限公司和達摩院自研晶元業務。
次年7月，平頭哥首顆智能晶元玄鐵910發布，採用RISC-V架構瞄準端+雲市場， 與寒武紀有高度重合 。
客戶、供應商集中度高
「失去」華為的寒武紀，不再單獨依賴IP授權，開始轉向拓展雲端智能晶元及加速卡業務與智能計算集群系統業務。
招股書中提到，2019年其拓展了雲端智能晶元和加速卡、智能計算集群業務和相應的新客戶，如伺服器廠商、雲服務廠商、企業和地方政府等，第一大客戶銷售佔比下降，「實現了客戶多元化」，已不存在向單個客戶銷售比例超過公司銷售總額50%的情況。
寒武紀在招股書中透露，面向數據中心、雲計算、邊緣計算、移動終端、智能教育、智能製造、智能交通等多個領域，其已與紫光展銳、智芯微、浪潮、聯想、阿里巴巴、網路、滴滴、好未來、金山雲等眾多國內知名公司分別就一個或多個領域開展深度合作。
2019年11月，寒武紀簽下了珠海市橫琴新區管理委員會商務局的智能計算平台（二期）項目，該合同總價高達4.4億，當年直接為寒武紀帶來了2億營收。
另外，寒武紀還與西安灃東儀享 科技 服務有限公司、上海腦科學與類腦研究中心達成了智能集群系統的相關合作。
不過，寒武紀仍然面臨著客戶集中的風險。
其在招股書中介紹，2017-2019年，前五大客戶的銷售金額合計占營業收入比例分別為100.00%、99.95%和95.44%，客戶集中度較高。若主要客戶大幅降低對其產品的采購量或者其未能繼續維持與主要客戶的合作關系，將給其業績帶來顯著不利影響。
據艾瑞咨詢測算，晶元銷售利潤一般在每顆幾美金，只有當產量達到千萬量級時，晶元定價才能覆蓋研發費用和晶元成本。
因此有分析稱，作為專用晶元，寒武紀找到如此大規模的特定應用市場並不容易，收入很可能不足以支撐研發，這可能也是寒武紀尋求上市的主要原因。
除此之外，寒武紀採用Fabless模式經營，供應商包括IP授權廠商、伺服器廠商、晶圓製造廠和封裝測試廠等。2017年-2019年，其通過代理商采購晶元IP、EDA工具、晶圓及其他電子元器件等。
2017年-2019年，該公司向前五名直接供應商合計采購的金額分別為1422.28萬元、20315.49萬元和36271.17萬元，占同期采購總額的比例分別為92.64%、82.53%和66.49%，佔比相對較高。
其中，晶圓主要向台積電采購，晶元IP及EDA工具主要向Cadence、Synopsys和ARM等采購，封裝測試服務主要向日月光、Amkor和長電 科技 采購，采購相對集中。
寒武紀提到，由於集成電路領域專業化分工程度及技術門檻較高，部分供應商的產品具有稀缺性和獨占性，如不能與其保持合作關系，該公司短時間內難以低成本地切換至新供應商。
此外，寒武紀表示，未來若供應商業務經營發生不利變化、產能受限或合作關系緊張，或由於其他不可抗力因素不能與該公司繼續進行業務合作，將對其生產經營產生不利影響。
本文系觀察者網獨家稿件，未經授權，不得轉載。
C. 華為不造汽車，但自動駕駛汽車人工智慧晶元這片陣地必須拿下
[汽車之家新鮮技術解讀]華為成立於1987年，是一家製造通訊設備起家的中國企業。經過30多年的積累，華為已經發展成為全球最大的5G設備供應商。隨著人工智慧晶元市場的快速增長，華為藉助中科寒武紀的晶元IP，成功在2017年推出了全球首款搭載人工智慧加速單元的手機處理器晶元——麒麟970。該晶元的成功讓華為進一步堅信人工智慧技術的發展潛力，加速了其自研人工智慧處理器的步伐。而自動駕駛系統的域控制器正是人工智慧晶元大派用場的地方。究竟華為的人工智慧晶元性能有多強？它又是如何賦能自動駕駛汽車的呢？今天我們一起來看一看。
●編輯總結：
華為在行業中的影響力毋容置疑，從技術到產品都走在世界的前列。樹大招風，華為近年來就一直受到美國的制裁。如果現狀長期持續的話，對於本文聚焦的華為人工智慧晶元影響不小。如何解困是擺在華為面前的一道難題，從目前的一些信息來看，華為在英國建設晶元工廠、開發RISC-V架構處理器、培育HMS雲服務生態等舉措都是其突圍關鍵，我們也將持續關注事態的進一步發展情況。（圖/文/汽車之家常慶林）
現如今如果還試圖用筆記本或家用電腦在家裡「挖礦」，絕對是吃飽了撐得慌，除了浪費電之外，連比特幣的最小單位1聰都不可能獲得（1比特幣為1億個聰）。
如果挖礦這件事真的有這么簡單，那麼多礦場就不會設置在深山老林離發電廠很近的地方，礦場里的每一台算力驚人價值不菲的礦機都極為耗電，可謂是吃電的老虎。
如今一台專業礦機的算力達到了驚人的110TH/s，功率為3250w，也就是一個小時耗電3.25度。
這樣一台算力達到了110TH/s的礦機，挖礦一年可以產出0.2158個比特幣，年耗電量為284700度電，電費如果以3毛錢計算就是85410元/年，如果是以正常的市電電價挖礦一年下來還真可能連本都撈不回來。
110TH/s的算力是什麼概念？
1H/s就是每秒一次哈希碰撞，而1TH/s就是每秒1000G次哈希碰撞（1萬億次），那麼110TH/s的算力就是110萬億次哈希碰撞。
拿一塊七彩虹的GTX 1080Ti Neptune水冷顯卡，這張顯卡對於一台普通的電腦來說已經很炸了，通過超頻後測得的算力大約是1.8GH/s，也就是0.0018TH/s。按照這樣的速度來挖一個比特幣，可謂是何年何月，還不如洗洗睡吧，更別提用普通的家用電腦來挖比特幣了。
用家用電腦挖礦放到2010年以前還是有可能的在2010年挖一個比特幣需要經過7.3M次哈希碰撞，也就是730萬次哈希碰撞。在那個時候，如果你懂得怎麼去挖礦，用普通的電腦還是有可能挖出比特幣來的。奈何在當時比特幣的價格並不足以對一般人產生誘惑力，就跟所有人都後悔為什麼沒有早點買房一樣。
自從2016年開始比特幣的價格就隨著挖礦的難度系數蹭蹭地往上漲，給人的錯覺就是比特幣的價格是和算力的增加而增加的。實際上我們細微的觀察算力曲線和價格曲線就會發現，價格和算力並不成正比，不管是價格還是算力都隨著時間的推移有漲有跌。這時我們就會發現它具有了股票、債券、期貨這樣的市場屬性，是可以被炒作的，它也會受市場、政策等因素影響。
按照中本聰的演算法，比特幣的總量大約為2100萬個，最開始的時候，每完成一次記賬就會獎勵50個比特幣，但每過4年獎勵就會減半，預計到2140年獎勵就會變為0，所以越是往後，挖出比特幣的難度系數就會越大。
這么說似乎可以認定比特幣是一種稀缺的資源，但它並沒有貨幣的屬性，僅僅只是一串毫無用處的字元串。只是幣圈的這些人哄抬它就水漲船高了，假如有一天這個巨大的泡沫破裂了，比特幣就是一串字元串，接盤的人就是那些手握比特幣而出手不了的人。
比特幣到底是個什麼東西？比特幣就是維持區塊鏈記賬系統中的一種獎勵機制，對於整個區塊鏈記賬系統來說參與挖礦的人越多，參與賬本數據確認的人也就越多，區塊數據也就越安全。如果沒有這種獎勵機制，區塊鏈記賬系統就玩不下去了。
區塊鏈中的每一個節點都擁有記賬的權利，但每筆賬單記賬權是通過接一道數學題來獲得，只不過這道數學題很難解，並且越來越難解。誰先算出難度系數內的值，誰就擁有優先記賬權。計算出來的值通過驗證後，和賬本一起封裝，廣播到區塊鏈中，這樣就完成了記賬的過程，然後就會獲得相應的比特幣獎勵。
細細想來挖比特幣還真的是挖了個寂寞那麼多礦場的礦機每年耗費那麼多電，僅僅為了解一道又一道的數學題從而獲得比特幣交易的記賬權利。這些電用來作為工廠生產不香嗎？哪怕用來吹吹空調也劃得來。
比特幣被資本裹挾後，然後資本在高位臨近崩盤時撤離，會不會又是一地雞毛，一片哀嚎呢。所以普通人還是別想用筆記本挖比特幣這件事了。
筆記本一天挖幾個？你是來 搞笑 的嗎？比特幣礦機又叫高頻計算機，為什麼叫高頻計算機，因為他的運算速率是以T為單位，三年前一台11.5T的礦機都需要一年時間挖一個比特幣，1T=1024G，而且比特幣挖狂周期是不斷衰減的，也就是同樣算力越往後挖一個時間越久，你的工作筆記本估計也就8G，你說一天能挖幾個？
你還想一天挖幾個比特幣？大概你可以想像一年能不能挖出0.1個比特幣。
按現在的通行說法，普通電腦挖礦，大致上回不來電費的本。雖然筆記本是公司的，但家裡的電費是你自己掏吧。所以，性能本來就縮水的筆記本去挖礦，一定在電費上讓你老開心了。
天上不會突然掉餡餅的。
比特幣在2月20日早晨突破了56000美元，截至13時30分，比特幣價格為55624美元左右，24小時上漲8.29%，24小時內成交量為753.9美元，市值達1.04萬億，進入「萬億俱樂部」。
以上這樣的數據看著當然誘人，一枚比特幣的價值近40萬人民幣，是很多普通上班族不吃不喝工作六七年的工資，想用筆記本在家挖礦，估計連電費都賺不回來。
一夜暴富，想想就好，還是腳踏實地一些好。
保持當前比特幣的全網算力難度不變，即便是你用當前3060顯卡來挖比特幣，那麼這個時間也需要1400年才能挖出一枚比特幣。所以不要有任何實質性的幻想，你接觸比特幣的時間現在已經是2021年，不是2009年的那個時間節點。
比特幣由原先的幾美分已經一路上漲至目前最高的5.8萬美元，換句話說2009年左右比特幣的價格只有幾元人民幣，但是到目前為止已經上漲到了30萬人民幣一枚的價格。再加上比特幣的無國界和去中心化屬性，在過去11年的時間里，比特幣的全網算力已經呈現出指數爆炸式的增長，世界各地電力豐富穩定的地區都有比特幣的專業礦場存在。
所以目前我們任何更先進的家用電腦都是無法直接去挖掘比特幣的。要不然為什麼我們能夠聽到專業的比特幣礦場和相對應的礦機？現在都是幾百上千個顯卡集中組成的專業礦機來貢獻比特幣的算力，誰先打包出了相對應的區塊，誰就能獲得6.25個比特幣的獎勵。
時代已經發展到了目前的這個階段，如果現在是2009年甚至於2010年的那個時間節點，家用電腦當時確實是可以支持挖掘比特幣的，全網算力不高參與量極少，因為那個時候很多人都不了解比特幣，當時的比特幣也並不值錢。
所以我們能夠看到在2010年上半年的時候，當時一部分的礦工在淘寶網上出售相對應的比特幣，當時的價格是5元人民幣到10元人民幣一枚。即便是2011年的下半年比特幣當時的價格也才60元人民幣左右。
但是從2012年下半年開始，基本上比特幣的發展階段就已經越過了調用電腦貢獻算力的時代，開始進入到了專業的礦機時代。當然目前比特幣的價格對於相對應的挖礦而言是有豐富的利潤回報率的，但是在比特幣熊市的時候基本上挖礦是呈現出虧損狀態的，那個時候只有墊資囤幣等待牛市周期到來才能獲得總的盈利。
所以現在也不要輕易的去參與到專業的比特幣挖礦行業中，這個行業的入門門檻極高，並且需要專業的人員以及很大的資金鏈支撐，風險也是比較大的。
一天挖幾顆？以現在比特幣的價格近5萬美元一顆，別人都是在房間里放幾十上百張顯卡用貨架裝著挖礦，以筆記本挖礦解碼的速度，估計幾年都沒有一顆，想要挖礦至少還是要配備1050ti以上的顯卡才行，而且顯卡越多，解碼越快，同時對電費，顯卡壽命消耗也是不小的費用，作為普通人還是最好不要打比特幣的主意，容易踏空摔疼
天上掉餡餅的事情你也相信？就算真能挖到，那也需要你有強大的伺服器陣容，而並非是你的一台小電腦能做的。而且挖一個不是按照天來計算，是你以年做單位來計算，你算算，你一年能挖一個不？？
大兄弟醒醒，你這個想法容易上當受騙。
不勞而獲的心理太重，盲目跟風的行為也重，最好的還是不切實際。
還是腳踏實地吧。
4千台3kW礦機，一天24小時能挖出一個BTC，你的20台筆記本算力比不上一台礦機，按此計算，你一台筆記本需8萬天才能挖出一個幣，平均一天24小時能挖出8萬分之一個比特幣。
但是你一台筆記本，即使挖8萬/365=220年，肯定挖不出一個比特幣，因為每隔2年左右，區塊鏈所藏幣的數量會減半，按此邏輯，你這筆記本挖一萬年也挖不出一個比特幣[捂臉][捂臉][捂臉]
兄弟你想的太多了，不知道你有沒看過一個新聞，疫情期間韓國很多網吧全都不營業改挖礦了，整個網吧的電腦一天也挖不了多少，何況一個筆記本了。我有個朋友專門做挖礦的，他在雲南的中緬邊境那裡建的礦場。就是因為那裡電費便宜。以前還有很多人在內蒙古建礦場，因為點都是偷的，但是後來被抓住判刑了。所以咱們不是圈裡的人基本操作不了，還不如多發發文章賺點零花錢呢！
E. 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。
F. 華為被打壓後，為什麼國產手機撐不起高端
因為除了華為有技術創新的能力，其他品牌都在想著內卷賺錢。vivo和OPPO開始在旗艦機上面加入影像晶元，提升手機的拍照的能力，確實提升了影像能力，但是成本也高了不少。小米現在還在想方設法地沖擊高端市場，各種硬體配置能堆多高就堆多高，硬體配置增強，成本也一並提高了上去。
不只是在華為自家的產品上面，在其他第三方廠家當中，很多都已經跟華為達成了合作，在他們自家的產品當中加入鴻蒙OS的操作系統，依託相同的操作系統，實現了不同品牌直接的跨平台互聯。
就目前的國內手機廠商來說，除了華為，其他品牌也就只能在影像上面提升成像水平，對於構件系統生態、搞晶元設計這種技術含量高的領域，其他國產廠商暫時還達不到。
G. 聊聊Grin挖礦相關的那些秘密
作為一名還算比較資深的顯卡礦工，一直對顯卡幣比較關注，一些有前景的小幣種在剛上線的初期，用顯卡挖礦往往會有不錯的收益。當然我挖的最多，賺的最多的還是以太。Grin作為19年以來最熱的幣種，從剛上線開始，我就配置了不少6G顯存的機器參與了Grin的挖礦。從早期的星火、魚池以及最近剛上線Grin的btc.com都有關注，最近一段時間Grin幣價承壓，收益溢價相對於以太越來越少，也就比較關注各礦池的費率、收益、拒絕率等情況。
最近發現一個問題，各家礦池標注的理論收益有比較大的出入，有些甚至相差百分之十幾。下圖是相同時刻，不同礦池的Grin挖礦理論收益：
可以看到，不同礦池間，理論挖礦收益相差在10%以上。當時剛看到這個的時候嚇一跳，一天影響我不少收益，於是順手配置了一些機器做了個測試。
機器數量有限，而且btc.com目前算力較小，只對比grin算力佔比最大的兩家礦池，魚池（以下簡稱F礦池）和星火礦池（以下簡稱S礦池）。下邊是測試結果，僅供參考：
上表是取了相同配置的兩組106-100 6G 6卡礦機，各10台，分別在F礦池和S礦池挖 Grin 29，挖了66小時的收益情況。
雖然當時F礦池的日理論收益 0.029566 G/grin，低於S礦池的日理論收益 0.032182 G/grin，相差近10%， 但是總的挖礦收益 F礦池 13.885273 Grin跟S礦池 13.50168 Grin相差並不多。 （grin日理論收益有波動，通過日理論收益和算力計算出來的理論挖礦收益跟實際收益有差別）
最近一天的挖礦收益，相差也不大：
那既然實際到手的收益沒問題，日理論收益為什麼會有這么大的差距。
另外，發現我的機器在不同礦池後台顯示的算力也相差較大。理論收益低的礦池相對的算力都會比較高。
針對這個問題，我也咨詢了礦池技術，回復大致是這樣： Grin 挖礦採用的是布穀鳥演算法（Cuckoo），這個演算法有個特點，礦機先在本地經過多次hash運算，然後向礦池提交一次graph。礦機按照hash運算的次數來展示本地算力，而礦池按照提交的graph來評估礦機的算力。如果礦機每秒進行50次hash運算，提交一次graph，那麼礦機本地的算力是50h/s，而礦池得到的算力是1h/s。
為了盡量使礦池顯示的算力跟礦機本地一致，礦池將接收到的算力乘以一個系數。每個礦池的這個系數不同，導致相同的礦機在各個礦池的算力不同，也使得單位算力在不同礦池的日理論收益有差異。
H. 挖礦算力怎麼計算
首先，算力代表的是礦機每秒的運算次數，如達到 1 次 /s ，則對應算力為 1H 。因此知道挖幣礦機的運作時間與運算次數即可計算其算力。算力的單位是每千位一變化，最小單位 H 為 1 次， 1K=1000H,1G=1000K,1T=1000G,1P=1000T,1E=1000P 。大熱幣種比特幣在各地的挖礦算力不完全一致，但基本保持在 24.5E 上下，至少要擁有 150 萬台計算機才能達到這一算力。並且不同的數字貨幣對挖礦方式（演算法）的選擇也有所區分，因此比較不同貨幣的算力是不可比的。
不同幣種間的算力
不同的幣種挖礦選擇的演算法可能會有所不同，如以太坊使用 Ethash 演算法，比特幣是 sha256 演算法，萊特幣是 scrypt 演算法等。不同演算法對算力的影響就像 6 位數字密碼與 12 位字母和數字密碼解碼的區別，實際情況還要比這個要復雜的多。兩種密碼的解碼要求不同，那麼嘗試解碼的速度也會有較大差距。因此，不同的幣種間的算力是沒有任何關系的。
I. 全球首發7nm！寒武紀AI晶元：算力恐怖
寒武紀創始人接受采訪時曾說過：「很多同行想去做上層的解決方案，但我們不會做應用層，我們只做好基礎系統軟體讓大家可以在我們上面開發好應用。」以此為指導思想，寒武紀有個原則：能讓的都讓出去，能不做的就不做，不碰客戶的核心利益。同時，寒武紀確立了雲邊端產品策略，以中立的方式與客戶共贏。
A股市場需要更多和寒武紀一樣的公司，一同構建硬實力。從開放的角度看，A股市場也需要更多像寒武紀一樣以中立生態為目標的公司，這樣才能逐步打破生態牆。
寒武紀 科技 的第三代IP產品「寒武紀1M」，全球首個採用台積電7nm工藝製造，能耗比達到5Tops/W，即每瓦特5萬億次運算，並提供2Tops、4Tops、8Tops三種規模的處理器核，滿足不同場景、不同量級的AI處理需求，並支持多核互聯。
寒武紀1M處理器延續了前兩代IP產品寒武紀1H/1A卓越的完備性，單個處理器核即可支持CNN、RNN、SOM等多樣化的深度學習模型，更進一步支持SVM、k-NN、k-Means、決策樹等經典機器學習演算法，支持本地訓練，為視覺、語音、自然語言處理以及各類經典的機器學習任務提供靈活高效的計算平台，可廣泛應用於智能手機、智能音箱、智能攝像頭、智能駕駛等領域。
從技術層面上來講：
寒武紀ai晶元曾經應用於華為麒麟970、980的cpu，而這兩代CPU也是在市場奠定麒麟地位的功勛之作，據了解，之前華為自己一直想做ai晶元，但是由於技術不成熟，所以轉而選擇寒武紀的晶元，等到3年之後，華為達芬奇架構成熟了，才選擇了自己的晶元。從這個背景來看，能讓華為選擇，並且領先華為2年的晶元，應該還是真的領先的。
11月6日，中科院孵化的寒武紀 科技 有限公司發布了全球新一代AI晶元：面向低功耗場景視覺應用的寒武紀1H8、擁有更廣泛通用性和更高性能的寒武紀1H16，以及可用於終端人工智慧產品的寒武紀1M
J. 2000h是多少kb
"2000h是1.96kb。
算力單位以「千」作為單位，即H=1次、1000H=1K、1000K=1G、1000G=1T、1000T=1P、1000P=1E。
4FFFH1000H=409616KB=16*1024=163844096+16384=20480=5000H5000H-1H=4FFFH。
一位地址存儲一個位元組1000H就是十進制的40964FFFH就是十進制的20479這樣存儲空間就為16384位元組。"