算力地球客戶端下載

A. 超算中心提供免費的算力服務嗎

超算中心的算力服務一般都是收費的，你可以去十次方了解下，目前十次方推出了免費算力方面的服務。

十次方聯手算力地球推出全球最大的分布式計算資源算力提供平台，為需要大量算力輸出的項目提供免費算力支持，算力銀行可提供全球范圍內個人設備的閑置算力，為世界級科研項目提供算力支持，涉及數學、物理、化學、生命科學、天文學等各個領域。

截至目前，峰值算力高達100P，相當於全球排名第四的超級計算機「天河二號」的算力，能夠滿足市面上所有的算力項目需求。

B. 跨過L3/L4技術門檻，車企需要怎樣的智能感知晶元

如今，智能化程度越來越能夠決定一台車的價格和熱銷程度，智能化已經是汽車行業的核心趨勢。相關數據顯示，2022年L2級智能駕駛滲透率已提升至38%，預計到2025年滲透率會超過60%，且隨著利好政策的相繼出台，以及主流車企的陸續發力，智能駕駛正由L2向L3甚至更高階的L4跨越。

2022年11月2日，工信部會同公安部公開《關於開展智能網聯汽車准入和上路通行試點工作的通知》徵求意見稿，《通知》特別提到智能網聯汽車搭載的自動駕駛功能是指國家標准虧圓《汽車駕駛自動化分級》（GB/T40429-2-21）定義的3級駕駛自動化（有條件自動駕駛）和4級駕駛自動化（高度自動駕駛）功能（也就是我們常說的L3與L4），《通知》將加速我國L3/L4自動駕駛的落地速度。

與此同時，國際車企也在爭先恐後推進相關進程，德國賓士今年2月在美國加州開了一場110分鍾的發布會，主題便是「L4自動駕駛，2024年見！」

可以預見的是，自動駕駛即將加速向更高級別邁進。而聚焦當下，車企以及技術供應商們面臨的更關鍵問題是，如何邁過L3/L4的相關技術門檻？

感知系統是關鍵一環，4D毫米波雷達備受青睞

在汽車智能化發展過程中，感知系統是至關重要的一環，自動駕駛系統需要全天候、全覆蓋、全目標、全工況的感知。尤其L2及以上的智能駕駛，必須構建多個感知維度的目標及環境探測系統，有效融合各種感測器的優勢，為車輛的規劃控制提供准確有效的信息。

而在多感測器的感知維度里，視覺與毫米波雷達通常被認為是不可或缺的兩種感測器，它們之間的感知優勢互補性非常強，合理搭配「1+1>2」的效果非常明顯。

要知道，即便是此前一直堅持純視覺路線的特斯拉，也被爆在其最新的自動駕駛硬體HW4.0中加回了毫米波雷達，而且是高解析度的4D毫米波雷達。

事實上，在此之前，4D毫米波雷達市場關注度便已不斷上升。

究其原因，4D毫米波成像雷達，可檢測物體的方位、距離、速度、高度等數據。同時，4D成像毫米波雷達具有像素級的角解析度，可以分辨目標物體的輪廓，經過深度學習，4D雷達還可以區分行人、自行車、汽車、卡車等不同肆逗目標。4D成像雷達可以實現多感測器的前融合和點雲融合，從而降低漏檢率、誤報率等。

而值得注意的是，隨著毫米波雷達系統射頻收發通道數的增多，傳統的處理器無法滿足毫米波雷達系統大吞吐量數據的計算需求，因此迫切需要設計符合大陣列大吞吐量的雷達專用處理器晶元，近年來海外多家公司都在設計相關的雷達專用處理器。

作為一家在上海張江「中國矽谷」成立的提供智能感知晶元及系統解決方案的半導體設計公司，上海昱感微電子科技有限公司（以下簡稱「昱感微」）也是該領域的重要玩家之一。

資料顯示，昱感微的核心員工全部來自全球頂尖的半導體企業，公司成立不久就獲得張江人才港「最具潛力的海銷雹塌歸創業團隊」大獎。該公司定位在「感知智能」領域，產品目標是幫助客戶「多維度高效獲取物理世界信息」，為客戶提供全球領先的感知技術。

據悉，昱感微電子目前正在研發的4D成像毫米波雷達處理器晶元支持多片射頻前端MMIC（四片級聯: 16發16收信號通道）高性能4D毫米波感知，或分布式集總架構；其中完全自主知識產權雷達信號處理單元（硬體加速器）信號處理能力強，能耗比高，簡化客戶開發。

「多維度測量參數」矩陣數組結構示意圖

多維像素這樣的數據結構是非常高效的感知信息數據組合方式，不僅直接體現了：坐標統一，時序對齊，數據同質，由於多維像素包含了目標及環境的多個物理維度探測的實時信息（目標的距離、相對速度等信息）,它也能夠很好地突出：「事件感知」的能力，包含能夠預測事件發生的能力；同時，多維像素數據來自多種（不同種類的）感測器的感知數據組合，多維像素數據本身就包含了：異構冗餘、多重校驗，交互感知，超維耦合，感存一體。這些是都是我們對高效可靠的感測器感知系統的必須要求（滿足高質量自動駕駛的必要條件）。

多感測器多維像素組合可以包含的目標與環境感知信息量非常大。舉例來說，把視覺圖像與毫米波無線檢測信號直接對接組合，由於毫米波無線探測在毫米波（77Ghz對應4mm的無線電波波長），無線電波是有繞射及多徑穿透能力的，這樣的「圖像＋毫米波」組合的多維像素，在前面有一輛車的探測場景下，在前車這個「多維像素宏塊」上可以再包含前前車（被前面這輛車擋住攝像頭視野的再前面的一輛車）的存在（有距離、相對速度、RCS）信息，以及可以感知前前一輛車的突發急剎車事件，系統可以預防這樣的事故發生！

昱感微指出，多感測器多維像素的組合，就像是我們人對目標與環境的感知，我們以人眼視覺為主體，同時我們每個人都有天然的「腦機介面」，我們會在視覺的基礎上把其它感覺（聽覺，嗅覺…）都組合在視覺圖像里，然後希望具備第六感（預感事件的發生）。昱感微電子的多感測器多維像素融合感知晶元也希望可以助力到AI感知系統相同的功能。

多維像素是在以圖像像素為基礎的模型上再增加了其它維度（目標的距離、速度等）感知信息，多維像素使得目前的AI處理器都可以復用已有的圖像數據集，免除新產品的訓練數據需要全部重新採集的困擾，對於目前流行的神經網路框架只需要做很小的修改就可直接適配昱感微電子的晶元輸出的「多維像素」，而且神經網路的訓練收斂效率以及目標識別准確率都會因為使用了多維像素而有效提升。多維像素的產品落地非常直接簡單，不會是因為新的數據結構而給應用推廣產品化帶來困擾。

特斯拉目前在感知方面的一個重點技術是Occupancy Network (占據網路)。研究機器人技術的同學肯定對occupancy grid不會陌生，occupancy grid表示空間中每個3D體素（voxel）是否被占據，可以是0/1二元表示，也可以是[0, 1]之間的一個概率值。

為什麼估計occupancy對自動駕駛感知很重要呢？因為在行駛中，除了常見障礙物如車輛、行人，我們可以通過3D物體檢測的方式來估計他們的位置和大小，還有更多長尾的障礙物也會對行駛產生重要影響。例如：1.可變形的障礙物，如兩節的掛車，不適合用3D bounding box來表示；2.異形障礙物，如翻倒的車輛，3D姿態估計會失效；3.不在已知類別中的障礙物，如路上的石子、垃圾等，無法進行分類。大家都希望能找到更好的表達來描述這些長尾障礙物，完整估計3D空間中每一個位置的占據情況（occupancy），還要包含語義（semantics）和運動狀態（flow）信息。特斯拉希望利用基於「視覺」的佔用網路演算法, 將感知空間劃分為一個個立體網格，通過檢測網格是否被佔用，實現對物體體積的測算-包括探測到讓全世界智能駕駛團隊頭疼的各類異形物體。

在昱感微看來，真正的自動駕駛面臨的道路狀況千變萬化，自動駕駛要求開發者回到智能的「第一性原理」——從感知和決策的角度先感知周圍環境，再根據感知預測其他車輛的運行軌跡，作出自動駕駛車輛的行為規劃和決策，完成系統級開發。

「如果自動駕駛系統的演算法完全基於深度學習（Deep Learning），就無法解決這種深度神經網路可能帶來的『黑盒』問題：即無法確定系統是根據什麼作出決策的－它自己也不知道，因此就無法實現人為預先干預；這樣的自動駕駛系統是無法支撐L3及以上的自動駕駛要求的，一台車在地球上可能遭遇的駕駛場景永遠會比一個系統接受訓練時的數據更豐富，以深度學習為底層演算法的系統如何應對復雜長尾場景是讓人擔心的。」

而昱感微的多感測器多維像素融合感知晶元的「多維像素」數據輸出直接具備了目標與環境在3維立體空間所處的物理維度探測信息－感知周圍環境與目標的各維度所需物理量，直接提供給系統做高效和精準的決策與執行，避免系統仍需藉助大算力「推演」出目標感知數據再做決策執行的潛在問題。

總而言之，昱感微所研發的全新一代智能感知晶元將助力車企跨越L3/L4級智能駕駛感知技術門檻。

【本文來自易車號作者蓋世汽車，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】

C. 這就是自動駕駛的大結局

北京時間8月20日，特斯拉召開一次別開生面的技術發布會，AI DAY，與以往的電池日、新車日不同，這次發布會的重點放在目前電動車上最前沿的技術——自動駕駛、神經網路、超級計算機等。

在AI DAY上，特斯拉著重介紹了在人工智慧領域的軟體和硬體進展，尤其在神經網路上的訓練系統，其中最大的看點就是『Dojo超級計算機』。

特斯拉本次推出的人工智慧訓練機Dojo D1晶元，是特斯拉全新自研的超級計算機晶元，該電腦將用於車輛自動駕駛數據的運算和分析，能夠自動地學習和識別標記道路上的行人、動物、坑窪地等數據，將海量的數據匯聚於Dojo，然後通過自動化深度神經網路訓練，以此不斷加強演算法進化，最終實現以純視覺為基礎的完全自動駕駛（FSD），即特斯拉自動駕駛的最終形態。

據悉，目前單個Dojo D1晶元的演算力已經達到全球第五。縱觀全世界的超級計算機的排名，前五中除了第五名的Selene是英偉達的之外，前四的都是國家所有，包括第一的日本『富岳』、第二的美國Summit、第三的美國Sier，以及第四的中國『神威太湖』。

其中，目前排名第一的超級計算機是日本的『富岳』，在機器學習應用上的算力超頻之後是2.15EFLOPS，默頻是1.95EFLOPS。

值得一提的是，上述前四的超級計算機都是舉國之力研發的結果，而特斯拉只是一家新能源車製造公司，能取得這樣的成就，特斯拉可謂又一次突破了自己的極限。

什麼是『Dojo超級計算機』？

Dojo一詞來源於日語，意思是「道場」，翻譯成中文應該叫做「訓練館」。

特斯拉特地取此名，可以說目的就是專門訓練特斯拉 汽車 的。來自全球超100萬輛特斯拉車輛採集的真實數據將匯聚於此，然後通過Dojo進行深度神經網路訓練，以此幫助特斯拉的Autopilot不斷進化，最終實現以純視覺為基礎的完全自動駕駛（FSD）。

換一個更好理解的方式，就像是AlphaGo專攻圍棋領域一樣，經過人工參與調整和標注的訓練，只需要幾年時間就擊敗了全球圍棋高手，而Dojo可以被看做是為專攻自動駕駛領域的AlphaGo，通過深度學習和分析海量的特斯拉車隊數據，Dojo可以自動模擬開車、自動尋找問題最優解，從而完成自我進化。

重點是「無監督訓練」和「自我進化」，你可以理解為：Dojo最初不會駕駛車輛，但通過極快的速度學習人類開車（影子模式）和模擬開車（特斯拉為其構建了一個虛擬世界供訓練）後，就可以慢慢地在真實世界開車了。

接著隨經驗的積累，演算法的精進，駕駛技術還會越來越嫻熟，最終超過人類的駕駛水平。就像AlphaGo最終擊敗李世石和柯潔一樣。

『Dojo超級計算機』有什麼能力？

今年6月，特斯拉AI高級總監Andrej Karpathy宣稱由特斯拉團隊研發的世界第五代超級電腦Dojo即將問世。今天的AI Day發布會則透露了更多的細節。

Dojo D1計算晶元採用了5760個算力為321TFLOPS的英偉達A100顯卡，組成了720個節點構建的超級計算機，總算力達到了1.8EFLOPS（EFLOPS：每秒千萬億次浮點運算），有10PB的存儲空間，讀寫速度為1.6TBps。

注意，這還是單個Dojo D1的算力，未來特斯拉還會將多個Dojo D1組成『Dojo超級計算機群』，屆時，該超級計算機群的總算力將超過目前世界第一的超級計算機『日本富岳』。

隨著Dojo D1推出，毫不誇張的說，它就是目前世界上最強大的人工學習機器，它使用7nm晶元驅動、將50萬個訓練單元搭建在一起。

在馬斯克的規劃中，『Dojo超級計算機群』目標算力要達到每秒鍾exaFLOP的級別，也就是百億億次浮點運算，是現在的一萬倍，名副其實的直接最尖端的超級計算機。

那麼，Dojo能做什麼呢？主要就是自主深度神經網路訓練。

特斯拉車輛搭載的攝像頭，能夠不間斷地採集真實的道路數據，然後Dojo D1的人工智慧演算法，會自動標記這些數據中的物體（包括常規道路、危險道路和其他意外情況）。

之前的大型AI數據集通常需要手動標記，非常耗時費力，而Dojo將配合無監督學習演算法（Unsupervised Learning，無需人工對訓練數據集進行標注，系統可以自行根據樣本間的統計規律對樣本集進行分析）。

譬如，可以不給任何額外提示的情況下，僅依據一定數量「狗」的圖片特徵，就能將「狗」這個物體識別出來。大幅減少特斯拉對於數據人工標注的工作量，進而幫助其數據訓練效率實現指數級提升。

這些數據還可以包括信號燈、車道線、動物、行人、天氣、馬路邊緣、指示牌、路燈、樁桶、可行車區域、不可行車區域等等，通過8個攝像完成360度環影，以鳥瞰的方式來展示一個4D視圖（三維空間+時間戳）。

不過，特斯拉車輛並不會將每分每秒的視頻數據都發送給Dojo，也不會隨機發送視頻數據，更多的情況是發送一個「案例」（10秒）。比如在Autopilot駕駛時，駕駛員突然介入，改為人工駕駛，Dojo就會分析這個視頻案例，試圖找出駕駛員中斷Autopilot的原因，又或者司機在高速路上突然剎車、堵車時有人插隊、雷達與攝像頭判斷結果不一致、車輛發生事故/險些發生事故等等，將這些具體的案例，交給Dojo來分析處理。

最終，更多的數據通過Dojo的處理，反饋給神經學習系統，實現自動駕駛演算法的迭代，而演算法的迭代，讓Autopilot更加好用，持續反饋更多的數據給Dojo分析，從而實現一個正循環。

目前，特斯拉已經積累了100萬個10秒左右的視頻，並給60億個物體貼上了深度、速度和加速度的標簽。這些數據每天都還在增加，這就需要特斯拉有一個強大的計算機來處理這些龐大的數據，目前這些數據已經達到了驚人的1.5PB。

以特斯拉百萬級的車輛保有量，這個規模的數據收集終端，數據增長速度也是驚人的。這似乎是個天文數字，而特斯拉如果繼續依賴純視覺的自動駕駛方案，不斷提高其可靠性，就需要開發出更強大的超級計算機，以追求更先進的AI演算法。

一家車企為什麼要做超級計算機？

我們前面說到，全世界的超級計算機的排名前五的超級計算機，除了第五名的Selene是英偉達的之外，前四的都是國家擁有的，包括第一的日本『富岳』、美國的Summit和Siera分別位於第二、第三，第四的是中國的『神威太湖』。

這些都是國家級的超級計算機，它們通常是體量巨大、造價高昂的設備，擁有數以萬計的處理器，旨在執行專業性強、計算密集型的任務，可完成極端尺度的宇宙模擬、為葯物反應預測尋找新途徑、發現可用於製造高效有機太陽能電池的新材料等任務，應用於人工智慧、生物醫葯和智慧城市建設等多個領域。

為什麼特斯拉，一個電動車企需要研製一台超級計算機？

其實原因，上面已經有所提及。

目前，全球自動駕駛領域主要分為兩派，即純視覺路線與高精地圖+雷達路線。後者認為，多感測器與攝像頭可以優勢互補，更可依靠高精度地圖與多激光雷達來完成全自動駕駛。而作為純視覺路線領頭者的特斯拉，則堅定的認為，純視覺是唯一正確的出路。

馬斯克主張採用純視覺的自動駕駛方法，就是依靠攝像頭和機器學習來支持其高級駕駛輔助系統和自動駕駛，而摒棄了激光雷達（LiDAR）、毫米波雷達。

馬斯克曾非常自信地說到：「只要人眼能夠完成的事情，視覺感測器也應該能夠完成。其它的激光雷達都是累贅」。

在特斯拉看來，把激光雷達、毫米波雷達砍掉，是因為多感測器融合，會干擾系統的判斷，甚至會造成誤判，因為當不同感測器過來的數據沖突的時候，會延長系統處理和判斷的時間，甚至會出現誤判。

在純視覺自動駕駛方法下想改進這套自動駕駛AI達到足夠的可靠性，自研適應計算需要的超級計算機便極為必要。

特斯拉AI高級總監Andrej Karpathy是計算機視覺和深度學習領域的頂級專家之一，博士畢業於斯坦福AI實驗室，主要研究方向是卷積神經網路結構，自然語言處理，以及其在計算機視覺上的應用。

進入特斯拉之後，主要就是為了攻堅特斯拉自動駕駛的難題，而特斯拉非常堅決地採取純視覺演算法路線，這就為數據處理以及神經網路學習提出了巨大的要求。

Karpathy解釋道，如果想要讓計算機以人類的方式對新環境做出反應，需要一個巨大的數據集，以及超級計算機的處理能力。我們有一個神經網路架構網路和一個1.5 PB的數據集，需要大量的計算。

對我們而言，計算機視覺是使自動駕駛成為可能的基本要素。為了讓其更好地工作，我們需要掌握來自車隊的數據，訓練大量的神經網路，並進行大量實驗。

Karpathy討論了特斯拉人工智慧的視覺組件，他指出，特斯拉在設計其 汽車 的視覺皮層時，是按照眼睛感知生物視覺的方式進行建模的。他還談到了特斯拉的視覺處理策略多年來是如何演變的，以及現在是如何實現的。Karpathy還提到了特斯拉的「HydraNets」，它具有多任務學習能力。

充分利用從整個車隊收集來的數據訓練，從而不斷改善特斯拉的自動駕駛功能（Autopilot），為下一代自動駕駛人工智慧（AI）提供能夠更進一步的自主學習的神經網路。

這里的神經網路可以簡單理解為通過『仿生學』模擬人類大腦皮層的神經元『溝通學習』的方式進行處理數據，用來實現『類似人類』的學習方式。

這也是為什麼這個超算機群取名為Dojo（道場）的原因，在中文裡翻譯為訓練場也非常合適，這個「訓練場」就是專門用來訓練特斯拉 汽車 的自動駕駛能力的。

其實早在2019年的Autonomous Day，馬斯克就提到過Dojo，稱Dojo是能夠利用海量的視頻（級別）數據，做『無人監管』的標注和訓練的超級計算機。

如果認真了解過當年Autonomous Day的朋友，自然會發現，特斯拉推出Dojo超算以及自研晶元，是必然且在規劃中的事，也是特斯拉不得不去做的事。

因為按照特斯拉的邏輯，一輛車上要裝8個攝像機，十秒內就能產生一百萬個視頻。這也難怪，需要依賴超級計算機的運算能力。

換句話說，不是特斯拉想要成為人工智慧巨頭，而是被逼無奈，因為選了純視覺路線，就需要一個超級計算機的算力與之匹配。結果Dojo一出場，就是要成為世界第一。可以說，這也是馬斯克的凡爾賽了吧。

其實關於「視覺演算法與AI的關系」這個問題，馬斯克曾在推特中回復過，大致意思為：『只有解決了真實世界的 AI 問題，才能解決自動駕駛問題……除非擁有很強的 AI 能力以及超強算力，否則根本沒辦法……自動駕駛行業大家都很清楚，無數的邊緣場景只能通過真實世界的視覺 AI 來解決，因為整個世界的道路就是按照人類的認知來建立的……一旦擁有了解決上述問題的 AI 晶元，其他的就只能算是錦上添花』。

確實，毫米波雷達或激光雷達方案雖然有優勢，但是成本更高，而且還有著無法解決的弊端。首先雷達精度、反應速度都不如純視覺方案，而高精地圖則嚴重限制了可使用自動駕駛的范圍。這意味著他們除了需要非常詳細的使用地點地圖外，還需要所有車道及其連接方式、實時交通燈等額外信息。

但特斯拉的純視覺方式不同，特斯拉的自動駕駛依靠8個攝像頭和背後的Dojo超算，原則上我們可以在地球上任何地方（的道路上）使用。

『Dojo超級計算機』的出現意味著什麼？

Dojo的問世，將幫助特斯拉的無人駕駛技術繼續提升一個等級，讓視覺演算法這條路線走的更加深遠，它能幫助訓練電腦去理解道路畫面，通過對視頻信息的採集和大量視頻信息運算處理，達到僅通過視覺圖像便能實現全自動駕駛的目的。

視覺自動駕駛與人類駕駛員的開車方式相似，但最重要的是，計算機更加的可靠。為此，Karpathy也舉了幾個例子：

首先，人類的反應速度太慢，即使是優秀的駕駛員也要250ms（0.25秒）的反應速度，很多人甚至超過460ms（0.46秒），而電腦的反應速度全部低於100ms（0.1秒）；其次，人類駕駛員經常在開車時玩手機，而電腦則會全神貫注，不會一會看看微信，一會刷刷抖音；再來，人類駕駛員的視野范圍太窄，並道時如果不回頭，則完全看不到位於後視鏡盲區的來車，而特斯拉擁有8個攝像頭以每秒36幀的速度從車身周圍識別信息，涵蓋360度視野……

通過海量的案例，Dojo將幫助駕駛員更安全的駕駛車輛，包括利用視覺計算機來糾正人類錯誤和不安全的駕駛行為。比如：信號燈警告，系統識別到遠處的紅燈或黃燈，如駕駛員不減速會發出警告；緊急制動場景，系統判斷車輛在障礙物前減速度不足或沒有減速，會自動幫助車輛制動；躲避障礙，系統偵測到周圍有突然出現的動物、行人、車輛、異物等，會自動控制方向盤來進行躲避。

在目前的特斯拉Autopilot中，已經出現過很多因系統失靈而出現的事故，這些可以通過Dojo進行解決，包括不限於：橋下陰影造成的無故剎車；高速跟車時，自動剎車踩得太死；遇到路邊佔用部分車道停放車輛的規避問題；當車輛檢測到前方有行人或者道路變窄的情況時，當駕駛員把油門當做剎車踩下，車輛則不會加速（包括惡意報復 社會 行為）。

總結起來， Dojo的出現，實現了海量數據的『無監督訓練』，大幅度提高神經網路訓練的效率。通過用海量的數據鍛煉它，就能解決各種『邊緣場景』的問題，加快自動駕駛系統的成熟和完善，實現指數級的成長速度。

更關鍵的是，特斯拉對其軟硬體的垂直整合度非常高，不僅不受制於別人，而且能夠以此作為服務，給外界提供深度學習的訓練業務。

在特斯拉的規劃中，全球各地的數據，都會匯集到Dojo超級計算機中心進行處理。當然，這不包括中國的數據，因為中國出台了相關的管理辦法，限制這類數據出境（因此，特斯拉在上海建立了數據中心，所以我們也會期待Dojo也能在中國實現）。

這就是自動駕駛的大結局？

對於自動駕駛的 科技 價值，幾乎全球科學家都達成共識，其擁有廣泛的應用前景，在包括計程車、代駕、共享 汽車 、機器人物流等領域都有巨大潛力。

根據中國信通院《2020年全球自動駕駛戰略與政策觀察》報告顯示，自動駕駛具有巨大的 社會 經濟價值，預計2050年將為美國創造大約3.2至6.3萬億美元的經濟效益，其中 社會 福利和消費者福利預計接近8000億美元。

我國多個地方政府也大力支持自動駕駛技術發展。北京已累計開放四個區縣的自動駕駛測試道路共計200條、699.58公里，開放了亦庄和海淀2個自動駕駛測試區域，面積約140平方公里。同時累計為14家自動駕駛企業87輛車發放一般性道路測試牌照。

深圳市也已經先後公開兩批無人駕駛路測道路；深圳坪山區的L5級別全無人RoboTaxi已商業化試運營超過100天，並承載了國內首批乘客。此外，包括亞馬遜、蘋果、三星等國外 科技 巨頭，以及阿里巴巴、網路、騰訊等國內 科技 巨頭都紛紛加入無人駕駛的賽道，想在這個潛力無限的市場里瓜分一塊蛋糕。

從技術的角度來看，無人駕駛 汽車 是一個復雜的軟硬體結合的智能自動化系統，運用到了自動控制技術、現代感測技術、計算機技術、信息與通信技術以及人工智慧等。從戰略意義的角度來看，自動駕駛移動能力更強，能夠有效改善交通安全、實現節能減排、消除交通擁堵、促進產業轉型。

過去數年，特斯拉一直對外宣傳「全自動駕駛」技術，由此也為人們所詬病。因為事實上，特斯拉的「Autopilot」（自動輔助駕駛）以及「Full Self-Driving」（全自動輔助駕駛）都只是「輔助駕駛」功能，並不是真正意義上的「自動駕駛」功能。

因為這樣的宣傳，導致了不少車主過於相信特斯拉的輔助駕駛功能，因此也導致了很多起令人痛心的安全事故，最近的蔚來也因為NIO Pilot導致的事故登上了熱搜。

可見，截止目前，自動駕駛還是一個理想中的概念，離我們的實際使用還有不少的距離，我們現在能用上路的都是「輔助駕駛」，大家為了自己的人身財產安全一定要牢記這一點，切勿過分相信市面鼓吹的「自動駕駛」功能。

目前，特斯拉已開始向純視覺自動駕駛路線轉變，從上月開始，部分在北美生產的特斯拉車型，已停止安裝雷達感測器，而全新的FSD Beta V9.0（完全自動駕駛測試版）也將在近期更新，而這一切的背後，都離不開Dojo。

Dojo的到來，意味著我們離真正的「自動駕駛」又近了一步，打開了電動車駕駛AI世界的新入口。

對了，這個技術並不遙遠，我們明年可能看到Dojo正式運行。

最後的彩蛋

就在發布會最後，馬斯克開著玩笑帶來了一位Tesla Bot機器人，他表示，如果Dojo的能力能夠如期實現，那麼將它至於機器人的內部，同樣可以100%模擬人類的性能。在未來，可以為人類 社會 釋放更多的勞動力。

馬斯克絕對是一個技術瘋子，改變全球能源布局、改變交通出行方式、改變人類腦機交互方式、游歷太空、 探索 火星等等，單憑一個人的意志推動了整個人類 社會 的 科技 進步。

通過已量產的產品掙錢，但不會斂財，因為掙到的錢馬上用在下一個瘋狂的想法，並努力實現它，如果此時說馬斯克是後喬布斯時代最偉大的 科技 創造者，應該沒有人會反對吧？

（圖/文/攝：皆電 唐科）

D. ​一群清華的博士，在天上玩起了「衛星智能」

隨著遙感衛星為代表的衛星數量的增加和信息收集能力的提升，我們能夠通過衛星拍攝的高清影像鳥瞰地球萬象，感知地球變化。例如「高分二號」在2017年拍下的故宮，地面解析度就已經小於一米，讓我們從天空俯瞰故宮全貌，欣賞北京城中心的壯闊之美。

「高分二號」在2017年拍下的故宮，地面解析度小於一米

而越來越清晰的衛星圖像背後，則是遙感衛星正在產生海量的數據——根據自然資源部《衛星遙感應用報告》（2020年）[1]，中國在軌的自然資源遙感衛星已經達到19顆，全年數據量達到了1.6PB（1PB = 1024TB）。

但以往中國自己的衛星星地間傳輸，可不像我們日常生活中使用手機這樣的5G網路便捷，想將這么多數據傳回國內並不容易。考慮到中國目前衛星地面站建設少，因此只能在路過中國上空時才能獲得回傳數據的短短幾分鍾窗口，且一次只能傳輸幾十Gb的有限數據，所以，衛星在數據傳輸上消耗的時間，遠遠大於拍攝的時間。

以拍下上面這張圖的「高分二號」為例，衛星星上能儲存大約4Tb的數據、記錄不少於20分鍾的拍攝信息；「高分二號」的傳輸帶寬是2x450Mbps，也就意味著回傳4Tb數據需要超過75分鍾。而每次經過中國上空僅能獲得數分鍾窗口時間，則需要多次下傳和以天計算的時間延遲才能最終完成這一工作。

隨著商業衛星的蓬勃發展，不僅僅是遙感衛星的數據的採集和處理越來越成為了一個問題，包括通信、導航、科研、技術試驗衛星在內的全產業鏈乃至最終的衛星互聯網和空天地一體化網路，都面臨著這樣的瓶頸。

劉冬宇 | 作者

李拓 | 編輯

更多衛星數據，更廣闊的市場

地球空間正在變得忙碌。在果殼硬 科技 之前的文章中曾提到[2]，根據UCS Satellite Database的統計，截至去年9月1日，地球軌道上已經有了4550顆衛星，其中在過去的一年間，人類就新發射了超過一千顆衛星，這要歸功於商業衛星產業的高速發展——特別是衛星最多的美國，並且其中絕大多數都是商業衛星。

UCS Satellite Database 及公開火箭發射數據

中國的商業衛星公司雖然發展勢頭不錯，但還沒有像美國那樣，把更多商業衛星送上天；而政策的支持，是中國的商業衛星公司們最期待的發展要素。而在春節假期之前，國家就給衛星行業送了一個「大紅包」：《2021中國的航天》白皮書，給商業航天定調支持。具體的措施，既包括對商業航天發射的支持——

未來五年，中國將在強化航天產品統一技術體制的基礎上，進一步完善現有航天發射場系統……建設商業發射工位和商業航天發射場，滿足各類商業發射需求。

也不乏更多商業化機會——

未來五年，中國航天將緊緊抓住數字產業化、產業數字化發展機遇，面向經濟 社會 發展和大眾多樣化需求，加大航天成果轉化和技術轉移，豐富應用場景，創新商業模式，推動空間應用與數字經濟發展深度融合。拓展衛星遙感、衛星通信應用廣度深度，實施北斗產業化工程，為國民經濟各行業領域和大眾消費提供更先進更經濟的優質產品和便利服務。培育發展太空 旅遊 、太空生物制葯、空間碎片清除、空間試驗服務等太空經濟新業態，提升航天產業規模效益。

暫時拋開太空 旅遊 、空間碎片清除等距離商業化還尚需時日的方向，今天目所能及的商業衛星業務，還集中在通信、導航、遙感和科學實驗四大領域；對於中國商業衛星公司，由於導航與通信領域主要由「國家隊」牽頭，遙感便成了商業化突破最為迅猛的領域。

遙感衛星在全球范圍內已實現高度商業化。根據SIA數據及頭豹研究院的整理，在2020年，全球衛星遙感服務市場已經達到24.2億美元，在2025年預計將達到43.6億美元[3]。另一份數據則表明，2020年，中國遙感衛星市場估計為81.8億人民幣，從2018年至2020年，每年增長率在8.23%~8.34%。[4]

全球衛星遙感服務行業市場規模。圖丨SIA、頭豹研究院[3]

中國遙感衛星行業市場規模。圖丨前瞻產業研究院[4]

蓬勃的市場，也時刻面臨著文章開頭的難題： 數據量大，但有效數據少；傳輸時間過長，導致數據的時效性差，限制了遙感衛星的應用場景 。

比如一顆典型的光學衛星，如果在某一圈飛行中開機拍攝10分鍾，那麼數據的回傳還需要再繞地飛行十圈甚至更多，且只能在每次路過中國上空時傳回一部分原始數據。星測未來聯合創始人、COO曹德志向果殼硬 科技 介紹，在耗費大量時間、衛星能源下傳的原始數據中，又會因為雲層遮擋等原因，無效數據的佔比可能超過一半。

還有另一類蓬勃發展的遙感衛星，SAR衛星，SAR即「合成孔徑雷達」（Synthetic Aperture Radar）。這是一類使用微波雷達進行探測的衛星，且不受天氣與雲層影響，具有全天時、全天候的優點，並且對地表物體的高度非常敏感（最高可達毫米級精度），還能分析地表植被、含水量等信息，因此格外適用於氣象災害、應急、農業、海事等需求，服務於金融、國防與公共事業[5]。

在去年七月的河南暴雨中，河南省自然資源衛星應用技術中心就調用了國內外SAR衛星數據，以分析洪澇淹沒區、城市道路淹沒情況等。[6]

SAR衛星的商業應用，同樣受到數據處理的限制。SAR衛星的典型工作模式為「條帶成像」，即隨著衛星在軌道上的移動，雷達以相對勻速掃描地面，連續採集雷達反射圖像，然後經歷漫長的原始數據回傳，才能拼接出最終的遙感信息。

對於如何更好地挖掘衛星數據價值，並應用於各類商業場景中，一個容易理解的解決方法，是在衛星上壓縮數據甚至篩選數據，只回傳最重要的信息。

而這個方法必然要基於運算，就像在手機上，我們為了處理照片，給手機塞進了幾顆ISP、NPU等晶元、一系列場景識別與圖像處理演算法。但在衛星上，起碼的算力和演算法問題，該如何解決？

衛星智能化如何實現？

「星測未來」目前的主要工作之一，就是為這些遙感衛星提供高能效的邊緣算力平台與結合場景的應用解決方案，通過在軌壓縮、在軌處理等方式升級衛星的數據計算和傳輸處理能力，從而為金融、應急、地區安全等下游應用市場提供服務。實際上，對遙感信息的智能處理，也分為不同的層次，不僅可以解決數據傳輸問題，更重要的是提升衛星數據價值與運行效率。

最基礎的工作，是在星上壓縮數據，以減少回傳數據包的尺寸，降低通信帶寬壓力。

光學衛星圖像壓縮（長光衛星、星測未來）

初級的智能化，是篩選無效數據，比如去除被雲層遮擋的圖像，或者在有明確工作任務，比如掃描地面時，舍棄掉拍攝的海洋的部分。這部分工作也可以節省數據流量。

更高級的智能，則是在星上直接完成例如目標識別、跟蹤等工作。這也是讓衛星數據產生較高商業價值的關鍵，原本它需要將數據完全回傳後在地面完成，而如果在衛星上識別，則可以直接獲得有效的切片數據或目標信息，甚至可以針對性地調整衛星 星座 的工作模式，進一步精確採集局域的重要信息。

SAR衛星識別船隻（天儀研究院，星測未來）

SAR衛星艦船監測與水體識別

（天儀研究院、廈門大學、星測未來）

更進一步的是，如果衛星的工作任務中包括識別走私貨船等特定目標，智能的衛星甚至可以只向地面實時匯報一個簡訊息，「某位置出現某物」，與回傳圖像相比，具備更強的實時性。

可以看出，伴隨著智能化水平的提高，衛星數據更貼近商業需求，並且可以補充拓展很多傳統遙感流程無法實現的應用場景。

想實現衛星智能化，則需要為衛星引入低成本、高效能比的算力。什麼樣的晶元以及星上算力平台適合在太空中開展計算工作呢？通常衛星的晶元都是航天專用的產品，往往採用成熟製程，穩定性更高，但在性能、功耗與價格上沒有優勢。而採用大公司標准化的晶元，成了低成本、大算力的選擇，但它卻不一定適合在太空環境下工作。

而星測未來正是從這里打開突破口，曹德志向果殼硬 科技 介紹，CEO倉基榮與COO曹德志是清華工程物理系核電子學實驗室畢業的師兄弟，核電子學實驗室以往參與過與CERN（歐洲核子中心）的合作，提供了不少輻照環境下的高性能軟硬體平台，以完成每秒數百Gb的大通量數據篩選和處理工作，因此團隊的專業背景，是對輻射環境下的軟硬體計算平台及其應用有著充分的了解。

從2016年起，實驗室的本科和研究生們同時發起了一個空間探測項目——「天格計劃」，通過採用商業立方衛星平台搭載的空間探測載荷，開展伽馬射線暴勘測的 星座 組網計劃。這也啟發了創業團隊利用立方星開展太空實驗的業務，不斷加深對空間粒子探測、太空輻照的認知，並將晶元和星上算力平台在充分的地面測試後送至太空在軌驗證，幫助星測未來不斷迭代可靠性加固的方案設計：包括異構體系的硬體篩選，軟體系統的冗餘備份，以及通過神經網路架構搜索建立演算法的容錯設計和校驗優化等等。

因此，團隊自研多款「星溪」系列星上算力平台，均採用商用級器件（比如FPGA、GPU或ASIC晶元等）替代宇航級器件，降低行業成本，但卻具備較高的冗餘可靠性特色。

「星溪」自2020年至今已經迭代數次，目前成熟產品星溪02採用了FPGA+GPU的運算方案，能實現20W功耗、20TOPs算力。根據發射計劃，本月（2022年2月）星溪02將搭載衛星平台升空並完成在軌部署，實現全流程的工業級器件在軌驗證與後續的長時間運行考驗。

星溪02產品概念圖

據介紹，星測未來的星上智能方案，已經與多家中國頭部商業衛星企業達成合作，比如在可見光遙感領域與長光衛星合作，SAR衛星領域則是與天儀研究院合作。通過廣泛的產業鏈的合作，星測未來獲得了更多在軌驗證、商業場景拓展等關鍵機會，實現從科研、工程樣機走向市場化的過程。

技術服務科研

星測未來的另一項業務——「星測」系列太空實驗平台，則是通過搭載科研衛星的載荷形式，開展包括太空輻照測試、空間粒子探測、通用數據採集及處理等產品及服務。

曹德志向果殼硬 科技 介紹，「星測」平台同樣源於他們在空間探測領域的技術積累，其產品優勢在於：

第一，較低成本地實現科學載荷研製，較快時間驗證新技術 。一顆大型科研衛星通常搭載多個實驗載荷組成復雜系統，而許多新技術所帶來的系統性風險則需要前期開展關鍵技術在軌測試。星測太空實驗平台則是結合載荷研製能力以及空間輻照測試服務共同完成該項任務，幫助大型科研衛星降低風險。

第二，獨立採用小衛星搜集數據，快速推動空間科學研究成果誕生 。一顆大型科研衛星通常需要5~10年的研發周期，而基於低成本、高可靠商用現貨的載荷產品與立方星搭載模式，則短至一年即可完成科學目標的觀測與數據收集，發表科研的新成果。

第三點，開辟空間科學的新觀測模式 ，多星組網實現陣列、接力等科學觀測模式，比如面向宇宙瞬變源天體事件的爆發位置觀測，比如面向太陽和星雲的長時間接力觀測等，都將從新的角度打開天文學和宇宙學觀測的一扇新的窗。

「星測」平台一方面服務於科學家的科學 探索 ，起到降本、提速與推動科研行業發展的效果，另一方面，也加強星測未來的自身技術驗證，使得星測未來始終處於空間探測、衛星數據採集、星載邊緣處理等領域的新技術前沿。

曹德志表示，盡管科研衛星服務的市場空間受限於研究經費，大致在數十億元/年，但對星測未來而言，已經通過「星測」平台業務在行業內打開了局面，樹立了品牌，成為公司第一階段業務的主要現金流來源。

博士怎麼經營公司？

我們還很好奇一個問題：星測未來的團隊成員主要來自清華大學、斯坦福、中科院等知名高校和研究所，大多在從事產品研發；對於兩位創始人和幾位核心管理團隊成員，這也是他們的第一份工作，他們是如何實現從研究者到企業管理者的切換的？

據介紹，星測未來團隊目前人員並不多，大約全職十餘人，兼職實習三十人左右，但在公司成立之初，就面臨疫情居家、研發生產調試多地分工等情況，由此也開啟了遠程協作的工作方式。而由於團隊的高校背景，星測未來團隊從一開始就非常注重文檔的留存和信息的流轉。「這可能是我們公司一種習慣或者說文化，很多東西如果你想不清楚就寫下來，用文檔來傳達更加完整、體系化。」曹德志這樣說。

這與飛書的理念不謀而合。因此，他們在調研了多個辦公協作平台後，最終選擇用飛書來承載公司進行文檔記錄和遠程會議的平台。因為作為國內辦公協作的代表之一，飛書也著重推出過一種開會的方式——「飛閱會」，一種基於飛書文檔的閱讀+評論的開會方法。

曹德志說，「初創企業最重要的是不失真，人和人之間可以坦誠地交流，把信息升華，把客戶需求跟產品快速對接起來，最後達成整個業務的推進」。而在使用飛書文檔的過程中，團隊也根據公司發展和業務需求開發出了一些適合自己的工作模式，一個是用文檔搭建的知識庫，另一個則是用多維表格建立的客戶管理系統。

對於一家初創公司來說，成熟的CRM或者低代碼工具雖好，但不代表能解決業務流程中的核心問題，「首先是想清楚怎麼做，然後工具才能發揮應有的作用」，而用簡單的表格和文檔背後，是把想做的事情、想傳達的理念表達清楚，然後才能加速推動初創企業的業務發展。

「通過文檔和多維表格的形式，能夠把信息從一個地方搬運到另一個地方，飛書提供的這種信息流轉的機制，成了我們業務當中很重要的一環。飛書承載的代碼和文檔，最終都會帶到天上去。」曹德志這樣總結飛書在具體工作中的作用。

E. 怎麼理解元宇宙

-------怎麼理解元宇宙-------

F. 什麼是六力

生存力、實踐力、社交力、精神力、學習力和創造力。是指孩子成長所必須具備的六種生命能力。
教育孩子，就像培植一棵樹苗，想讓孩子長成參天大樹，結出豐碩果實，就必須給他強健的根系，而六力就是孩子生命的根系。所以六力是孩子健康成長的基礎，是孩子綻放生命的六大通道。

G. 數字生命計劃是什麼

數字生命計劃是一種利用仔粗模擬人工智慧系統來開發新的宇宙秩序的計劃。

該計劃被描述為「未來數字時代的巨大計劃」，旨在通過分析、解讀和思考宇宙大規模智慧，來創造出一個新型的空間實體。經大華網查詢，流浪地球2中，在末日危機之下，引發另一計劃，數字生命計劃的正式誕生，將記憶和部分意識上傳數字生命世界，實現拯救地球和人類。

事實上，在《流浪地球2》中，除了最後成功的山移動計劃（由中國提出的）和引人注目的數字生命計劃（雖然被共同地球倫理委員會否決和禁止，但在山移動計劃成敗的最後關頭起了重要作用）之外，還有美國提出的方舟計劃。

電影《流浪地球》詳細介紹

電影流浪地球劇情根據劉慈欣同名小說改編，講述了在不久的將來太陽即將毀滅，太陽系已經不適念亂鎮合人類生存，而面對絕境，人類將開啟「流浪地球」計劃，試圖帶著地球一起逃離太陽系，尋陪陪找人類新家園的故事。

近年來，科學家們發現太陽急速衰老膨脹，短時間內包括地球在內的整個太陽系都將被太陽所吞沒。為了自救，人類提出一個名為「流浪地球」的大膽計劃，即傾全球之力在地球表面建造上萬座發動機和轉向發動機，推動地球離開太陽系，用2500年的時間奔往另外一個棲息之地。

中國航天員劉培強（吳京飾）在兒子劉啟四歲那年前往國際空間站，和國際同儕肩負起領航者的重任。轉眼劉啟（屈楚蕭飾）長大，他帶著妹妹朵朵（趙今麥飾）偷偷跑到地表，偷開外公韓子昂（吳孟達飾）的運輸車，結果不僅遭到逮捕，還遭遇了全球發動機停擺的事件。

為了修好發動機，阻止地球墜入木星，全球開始展開飽和式營救，連劉啟他們的車也被強征加入。在與時間賽跑的過程中，無數的人前仆後繼，奮不顧身，只為延續百代子孫生存的希望。

H. 為什麼是毫末智行成為了DriveGPT的破壁人

作者 | 魏啟揚

來源 | 洞見新研社

毫末智行有著天生的緊迫感。

很多科技公司一年才舉辦一次的品牌日活動，毫末智行硬是辦成了一個季度一次，活動頻次的提高，則意味著組織內部新陳代謝的提速，從研發到落地乃至運營，都要跟上步點節奏。

毫末智行用這樣一種方式來鞭策自己在自動駕駛道路上的進取之心。

4月11日結束的第八屆HAOMO AI DAY，活動規格再上台階，吸引了中國汽車晶元聯盟聯席理事長、中國電動汽車百人會副理事長董揚，同濟大學教授埋衫、汽車安全技術研究所所長朱西產，清華大學車輛與運載學院教授曹東璞、華為雲人工智慧領域首席科學家、國際歐亞科學院院士、IEEE/CAAI Fellow田奇等業內大咖參會。

在影響力持續擴大的同時，毫末智行再次更新了自己在技術、產品和生態上的進展，其中城市NOH即將量產上車與毫末DriveGPT 雪湖·海若的發布成最大亮點。

前者是中國首個重感知、不依賴高精地圖的城市NOH，將最先落地北京、上海、保定等城市，後者則是全球首個自動駕駛生成式大模型。

NOH量產上車，毫末智行過去就曾做過預告，此次確定了更具體的落地時間，算是兌現了之前「誇下的海口」。

至於雪湖·海若 ，在GPT火熱的當下，參與其中的自動駕駛公司也不少，為什麼是毫末智行率先發布，成為很多人心中的謎團。

01 自動駕駛大考年，毫末智行沖在最前線

毫末智行加快推進NOH的落地進程，很大一部分原因在於智駕產品已經進入到全線爆發的前夜。

來自工信部和高工智能汽車研究院的數據顯示，2021年乘用車L2級智駕產品的搭載率是23.5%，全年共交付了476萬輛。

到了2022年，乘用車上車的智駕產品升級到L2級以上，搭載率提升到29.4%，全年了交付了585.99萬輛。

按照這一趨勢預測，到2025年時，乘用車L2級以上智駕產品的搭載率將達到70%。

毫無疑問，正在經歷的2023年和還沒到來的2024年將十分關鍵，用毫末智行董事長張凱的話來說，「2023年既是自動駕駛的沖刺之年，也是大考之年」。

張凱判斷，智駕產品今年的爆發將主要集中在兩個方面。

第一個是城市導航輔助駕駛產品將圍繞量產上車發力，主要玩家的城市輔助駕駛產品進入到真實用戶覆蓋和多城市落地的比拼。

另一個是行泊一體和無人車商業化將成為自動駕駛公司深耕的重點。在乘用車領彎握腔域，搭載行泊一體功能的智駕產品將迎來前裝量產潮。

很明顯，毫末智行發布DriveGPT雪湖·海若，並不是炒作跟風，而是真真切切的在做自動駕駛研發，更難能可貴的是，毫末智行很多前沿技術不光是為自己所用，還將其開放出來，以生態共建的形式，為行業的發展添磚加瓦。

其實，從毫末智行公司名字的由來，到自動駕駛智算體系MANA雪湖的命名，再到DriveGPT雪湖·海若的來源，能夠窺視出毫末智行在自動駕駛這件事情上一以貫之的企業價值觀。

「毫末」二字取自道家學派創始人老子之《老子·第六十四章》：「合抱之木，生於毫末。九層之台，起於累土。千里之行，始於足下。」強調的是一點一滴積累、腳踏實地耕耘的重要性。

「雪湖」這一名稱，出自科幻小說《三體》第二部《黑暗森林》，說的是主人公羅輯在星空、雪山、森林、草地和湖畔之間徜徉思考，直到有一天在湖中尋找到了破解「三體危機」、拯救地球的方法。

將其延伸，「雪湖」這個名字代表了毫末對人類社會和科技趨勢發展的熱情，承載著毫末以AI通向自動駕駛夢想的思考。

「海若」則出自《莊子·秋水》，裡面有兩個神話人物河伯和北海若。河伯請教北海若，何謂大小之分，北海若教導，不因天地而覺大，不因毫末而覺小。其中蘊含著智慧包容、海納百川的寓意。

將上述命名來源進行梳理，可以發現毫末智行的企業價值觀融匯了中國古代經典的道家思想和科幻巨作天馬行空式的哲學思辨，再結合當前正在從事的最前沿的自動駕駛事業，毫末智行呈現出特立獨行的氣質，更宏觀的視角，還能看到一種與眾不同的中國式浪漫。

【本文來自易車號作者洞見新研社，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】

I. 現在手機回到於敏搞氫彈那個年代是什麼樣的存在

看過一個 搞笑 電影，說宇航員在月球背面發現了納粹科學家在研究返回地球的武器和飛行器，但是計算機不給力。結果繳獲了宇航員的蘋果一代，於是五十多年沒搞定的計算在一個月左右解決了。

超過NASA阿波羅登月計劃所有計算機算力之和

其實，仔細想想，你會發現，手機帶回60年代也櫻枝就會使研究稍微方便一些，主要體現在記錄方面，其實，手機的其他功能在那個年代就只是個擺設。現在的智能手機，5G手機之所以這么方便，前提是有好的網路設施，在那個年代，別說wifi，網路都是一個問題。世界上第一台電腦是1946年，美國的弊頌埋，氫彈成功在1967年免得，20年的時間網路發展不會那麼快。所以手機帶回那個年代，最大功能就是記錄，拍照，錄像，錄音和計算等功能是最實用的，讓計算變得快捷一些，特別是計算一些小數位比較多的，這時候手機的作用就體現出來了。其次，就是把研究資料，用拍照，錄像記錄下來，不會丟失。最後，手機帶過去了，充電器也得帶過去，不然沒電了，就是一台最為純粹的觀賞品了。[微笑][微笑]

對於 科技 發展和商業有著跨時代的作用。

1.指明方向，減少90%以上的科研無用功。

2.北斗提前問世。

3.對於材料分析有著指導性的意義。

4.部分新型專利。

5.計算功能，並不是最重要的。

6.對於通信領域，單晶硅領域，材料領域，晶元領域等有著劃時代的指導意義。可以直接影響五個以上的五年規劃。

7.你拿著鴻蒙回去，領導人找你談話一年。

8.堅定了人們繼續沿著這條道路走下去的信心！

多了一台超級計算機，能幫科學家提前一年搞出氫彈

想想挺好 但是 如果一個人和手機 那麼 這個人用這部手機證明自己的身份並且堅定國家的信心，然後避免走彎路，比起這些，那點運算能力根本不算什麼了。而且 一個普通人不會在手機里裝編程軟體 沒法根據實際需求利用好算力。也就是說 大概率手機只是一個算盤，

光一個手機帶回去用處租螞不大，充電都是問題！然後你怎麼解決數據輸入輸出？編程？

其實州長的終結者電影已經回答了這個問題，人類逆向研究州長的一條斷手就在一代人的時間內開啟了機器人時代。手機帶過去，鋰電池，屏幕，基帶，CPU，GPS等等等等，這些 科技 將以極快的速度逆向研發出來。對人類 社會 的影響不亞於一次工業革命。

光手機的功能，算力都是皮毛了，裡面的硬體可是信息時代的結晶啊，可以少走多少彎路，逆向一下不用5年所有原理都摸透了，再來個5年估計5g信號都能逆向出來了，kb級別直接躍升到到GB級別乃至TB級，光是一個鋰電的 科技 從那時發展到現在，估計現在 汽車 早都飛起了，人類起碼也飛到火星了，一個國家進步20年都是輕松的，用好了可以領先一個時代

整個手機肯定是沒多大用處的，但是手機的零件價值很大，非常大，讓原子彈早出來幾年是完全有可能的。