算力地球客户端下载

A. 超算中心提供免费的算力服务吗

超算中心的算力服务一般都是收费的，你可以去十次方了解下，目前十次方推出了免费算力方面的服务。

十次方联手算力地球推出全球最大的分布式计算资源算力提供平台，为需要大量算力输出的项目提供免费算力支持，算力银行可提供全球范围内个人设备的闲置算力，为世界级科研项目提供算力支持，涉及数学、物理、化学、生命科学、天文学等各个领域。

截至目前，峰值算力高达100P，相当于全球排名第四的超级计算机“天河二号”的算力，能够满足市面上所有的算力项目需求。

B. 跨过L3/L4技术门槛，车企需要怎样的智能感知芯片

如今，智能化程度越来越能够决定一台车的价格和热销程度，智能化已经是汽车行业的核心趋势。相关数据显示，2022年L2级智能驾驶渗透率已提升至38%，预计到2025年渗透率会超过60%，且随着利好政策的相继出台，以及主流车企的陆续发力，智能驾驶正由L2向L3甚至更高阶的L4跨越。

2022年11月2日，工信部会同公安部公开《关于开展智能网联汽车准入和上路通行试点工作的通知》征求意见稿，《通知》特别提到智能网联汽车搭载的自动驾驶功能是指国家标准亏圆《汽车驾驶自动化分级》（GB/T40429-2-21）定义的3级驾驶自动化（有条件自动驾驶）和4级驾驶自动化（高度自动驾驶）功能（也就是我们常说的L3与L4），《通知》将加速我国L3/L4自动驾驶的落地速度。

与此同时，国际车企也在争先恐后推进相关进程，德国奔驰今年2月在美国加州开了一场110分钟的发布会，主题便是“L4自动驾驶，2024年见！”

可以预见的是，自动驾驶即将加速向更高级别迈进。而聚焦当下，车企以及技术供应商们面临的更关键问题是，如何迈过L3/L4的相关技术门槛？

感知系统是关键一环，4D毫米波雷达备受青睐

在汽车智能化发展过程中，感知系统是至关重要的一环，自动驾驶系统需要全天候、全覆盖、全目标、全工况的感知。尤其L2及以上的智能驾驶，必须构建多个感知维度的目标及环境探测系统，有效融合各种传感器的优势，为车辆的规划控制提供准确有效的信息。

而在多传感器的感知维度里，视觉与毫米波雷达通常被认为是不可或缺的两种传感器，它们之间的感知优势互补性非常强，合理搭配“1+1>2”的效果非常明显。

要知道，即便是此前一直坚持纯视觉路线的特斯拉，也被爆在其最新的自动驾驶硬件HW4.0中加回了毫米波雷达，而且是高分辨率的4D毫米波雷达。

事实上，在此之前，4D毫米波雷达市场关注度便已不断上升。

究其原因，4D毫米波成像雷达，可检测物体的方位、距离、速度、高度等数据。同时，4D成像毫米波雷达具有像素级的角分辨率，可以分辨目标物体的轮廓，经过深度学习，4D雷达还可以区分行人、自行车、汽车、卡车等不同肆逗目标。4D成像雷达可以实现多传感器的前融合和点云融合，从而降低漏检率、误报率等。

而值得注意的是，随着毫米波雷达系统射频收发通道数的增多，传统的处理器无法满足毫米波雷达系统大吞吐量数据的计算需求，因此迫切需要设计符合大阵列大吞吐量的雷达专用处理器芯片，近年来海外多家公司都在设计相关的雷达专用处理器。

作为一家在上海张江“中国硅谷”成立的提供智能感知芯片及系统解决方案的半导体设计公司，上海昱感微电子科技有限公司（以下简称“昱感微”）也是该领域的重要玩家之一。

资料显示，昱感微的核心员工全部来自全球顶尖的半导体企业，公司成立不久就获得张江人才港“最具潜力的海销雹塌归创业团队”大奖。该公司定位在“感知智能”领域，产品目标是帮助客户“多维度高效获取物理世界信息”，为客户提供全球领先的感知技术。

据悉，昱感微电子目前正在研发的4D成像毫米波雷达处理器芯片支持多片射频前端MMIC（四片级联: 16发16收信号通道）高性能4D毫米波感知，或分布式集总架构；其中完全自主知识产权雷达信号处理单元（硬件加速器）信号处理能力强，能耗比高，简化客户开发。

“多维度测量参数”矩阵数组结构示意图

多维像素这样的数据结构是非常高效的感知信息数据组合方式，不仅直接体现了：坐标统一，时序对齐，数据同质，由于多维像素包含了目标及环境的多个物理维度探测的实时信息（目标的距离、相对速度等信息）,它也能够很好地突出：“事件感知”的能力，包含能够预测事件发生的能力；同时，多维像素数据来自多种（不同种类的）传感器的感知数据组合，多维像素数据本身就包含了：异构冗余、多重校验，交互感知，超维耦合，感存一体。这些是都是我们对高效可靠的传感器感知系统的必须要求（满足高质量自动驾驶的必要条件）。

多传感器多维像素组合可以包含的目标与环境感知信息量非常大。举例来说，把视觉图像与毫米波无线检测信号直接对接组合，由于毫米波无线探测在毫米波（77Ghz对应4mm的无线电波波长），无线电波是有绕射及多径穿透能力的，这样的“图像＋毫米波”组合的多维像素，在前面有一辆车的探测场景下，在前车这个“多维像素宏块”上可以再包含前前车（被前面这辆车挡住摄像头视野的再前面的一辆车）的存在（有距离、相对速度、RCS）信息，以及可以感知前前一辆车的突发急刹车事件，系统可以预防这样的事故发生！

昱感微指出，多传感器多维像素的组合，就像是我们人对目标与环境的感知，我们以人眼视觉为主体，同时我们每个人都有天然的“脑机接口”，我们会在视觉的基础上把其它感觉（听觉，嗅觉…）都组合在视觉图像里，然后希望具备第六感（预感事件的发生）。昱感微电子的多传感器多维像素融合感知芯片也希望可以助力到AI感知系统相同的功能。

多维像素是在以图像像素为基础的模型上再增加了其它维度（目标的距离、速度等）感知信息，多维像素使得目前的AI处理器都可以复用已有的图像数据集，免除新产品的训练数据需要全部重新采集的困扰，对于目前流行的神经网络框架只需要做很小的修改就可直接适配昱感微电子的芯片输出的“多维像素”，而且神经网络的训练收敛效率以及目标识别准确率都会因为使用了多维像素而有效提升。多维像素的产品落地非常直接简单，不会是因为新的数据结构而给应用推广产品化带来困扰。

特斯拉目前在感知方面的一个重点技术是Occupancy Network (占据网络)。研究机器人技术的同学肯定对occupancy grid不会陌生，occupancy grid表示空间中每个3D体素（voxel）是否被占据，可以是0/1二元表示，也可以是[0, 1]之间的一个概率值。

为什么估计occupancy对自动驾驶感知很重要呢？因为在行驶中，除了常见障碍物如车辆、行人，我们可以通过3D物体检测的方式来估计他们的位置和大小，还有更多长尾的障碍物也会对行驶产生重要影响。例如：1.可变形的障碍物，如两节的挂车，不适合用3D bounding box来表示；2.异形障碍物，如翻倒的车辆，3D姿态估计会失效；3.不在已知类别中的障碍物，如路上的石子、垃圾等，无法进行分类。大家都希望能找到更好的表达来描述这些长尾障碍物，完整估计3D空间中每一个位置的占据情况（occupancy），还要包含语义（semantics）和运动状态（flow）信息。特斯拉希望利用基于“视觉”的占用网络算法, 将感知空间划分为一个个立体网格，通过检测网格是否被占用，实现对物体体积的测算-包括探测到让全世界智能驾驶团队头疼的各类异形物体。

在昱感微看来，真正的自动驾驶面临的道路状况千变万化，自动驾驶要求开发者回到智能的“第一性原理”——从感知和决策的角度先感知周围环境，再根据感知预测其他车辆的运行轨迹，作出自动驾驶车辆的行为规划和决策，完成系统级开发。

“如果自动驾驶系统的算法完全基于深度学习（Deep Learning），就无法解决这种深度神经网络可能带来的‘黑盒’问题：即无法确定系统是根据什么作出决策的－它自己也不知道，因此就无法实现人为预先干预；这样的自动驾驶系统是无法支撑L3及以上的自动驾驶要求的，一台车在地球上可能遭遇的驾驶场景永远会比一个系统接受训练时的数据更丰富，以深度学习为底层算法的系统如何应对复杂长尾场景是让人担心的。”

而昱感微的多传感器多维像素融合感知芯片的“多维像素”数据输出直接具备了目标与环境在3维立体空间所处的物理维度探测信息－感知周围环境与目标的各维度所需物理量，直接提供给系统做高效和精准的决策与执行，避免系统仍需借助大算力“推演”出目标感知数据再做决策执行的潜在问题。

总而言之，昱感微所研发的全新一代智能感知芯片将助力车企跨越L3/L4级智能驾驶感知技术门槛。

【本文来自易车号作者盖世汽车，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】

C. 这就是自动驾驶的大结局

北京时间8月20日，特斯拉召开一次别开生面的技术发布会，AI DAY，与以往的电池日、新车日不同，这次发布会的重点放在目前电动车上最前沿的技术——自动驾驶、神经网络、超级计算机等。

在AI DAY上，特斯拉着重介绍了在人工智能领域的软件和硬件进展，尤其在神经网络上的训练系统，其中最大的看点就是『Dojo超级计算机』。

特斯拉本次推出的人工智能训练机Dojo D1芯片，是特斯拉全新自研的超级计算机芯片，该电脑将用于车辆自动驾驶数据的运算和分析，能够自动地学习和识别标记道路上的行人、动物、坑洼地等数据，将海量的数据汇聚于Dojo，然后通过自动化深度神经网络训练，以此不断加强算法进化，最终实现以纯视觉为基础的完全自动驾驶（FSD），即特斯拉自动驾驶的最终形态。

据悉，目前单个Dojo D1芯片的演算力已经达到全球第五。纵观全世界的超级计算机的排名，前五中除了第五名的Selene是英伟达的之外，前四的都是国家所有，包括第一的日本『富岳』、第二的美国Summit、第三的美国Sier，以及第四的中国『神威太湖』。

其中，目前排名第一的超级计算机是日本的『富岳』，在机器学习应用上的算力超频之后是2.15EFLOPS，默频是1.95EFLOPS。

值得一提的是，上述前四的超级计算机都是举国之力研发的结果，而特斯拉只是一家新能源车制造公司，能取得这样的成就，特斯拉可谓又一次突破了自己的极限。

什么是『Dojo超级计算机』？

Dojo一词来源于日语，意思是“道场”，翻译成中文应该叫做“训练馆”。

特斯拉特地取此名，可以说目的就是专门训练特斯拉 汽车 的。来自全球超100万辆特斯拉车辆采集的真实数据将汇聚于此，然后通过Dojo进行深度神经网络训练，以此帮助特斯拉的Autopilot不断进化，最终实现以纯视觉为基础的完全自动驾驶（FSD）。

换一个更好理解的方式，就像是AlphaGo专攻围棋领域一样，经过人工参与调整和标注的训练，只需要几年时间就击败了全球围棋高手，而Dojo可以被看做是为专攻自动驾驶领域的AlphaGo，通过深度学习和分析海量的特斯拉车队数据，Dojo可以自动模拟开车、自动寻找问题最优解，从而完成自我进化。

重点是“无监督训练”和“自我进化”，你可以理解为：Dojo最初不会驾驶车辆，但通过极快的速度学习人类开车（影子模式）和模拟开车（特斯拉为其构建了一个虚拟世界供训练）后，就可以慢慢地在真实世界开车了。

接着随经验的积累，算法的精进，驾驶技术还会越来越娴熟，最终超过人类的驾驶水平。就像AlphaGo最终击败李世石和柯洁一样。

『Dojo超级计算机』有什么能力？

今年6月，特斯拉AI高级总监Andrej Karpathy宣称由特斯拉团队研发的世界第五代超级电脑Dojo即将问世。今天的AI Day发布会则透露了更多的细节。

Dojo D1计算芯片采用了5760个算力为321TFLOPS的英伟达A100显卡，组成了720个节点构建的超级计算机，总算力达到了1.8EFLOPS（EFLOPS：每秒千万亿次浮点运算），有10PB的存储空间，读写速度为1.6TBps。

注意，这还是单个Dojo D1的算力，未来特斯拉还会将多个Dojo D1组成『Dojo超级计算机群』，届时，该超级计算机群的总算力将超过目前世界第一的超级计算机『日本富岳』。

随着Dojo D1推出，毫不夸张的说，它就是目前世界上最强大的人工学习机器，它使用7nm芯片驱动、将50万个训练单元搭建在一起。

在马斯克的规划中，『Dojo超级计算机群』目标算力要达到每秒钟exaFLOP的级别，也就是百亿亿次浮点运算，是现在的一万倍，名副其实的直接最尖端的超级计算机。

那么，Dojo能做什么呢？主要就是自主深度神经网络训练。

特斯拉车辆搭载的摄像头，能够不间断地采集真实的道路数据，然后Dojo D1的人工智能算法，会自动标记这些数据中的物体（包括常规道路、危险道路和其他意外情况）。

之前的大型AI数据集通常需要手动标记，非常耗时费力，而Dojo将配合无监督学习算法（Unsupervised Learning，无需人工对训练数据集进行标注，系统可以自行根据样本间的统计规律对样本集进行分析）。

譬如，可以不给任何额外提示的情况下，仅依据一定数量“狗”的图片特征，就能将“狗”这个物体识别出来。大幅减少特斯拉对于数据人工标注的工作量，进而帮助其数据训练效率实现指数级提升。

这些数据还可以包括信号灯、车道线、动物、行人、天气、马路边缘、指示牌、路灯、桩桶、可行车区域、不可行车区域等等，通过8个摄像完成360度环影，以鸟瞰的方式来展示一个4D视图（三维空间+时间戳）。

不过，特斯拉车辆并不会将每分每秒的视频数据都发送给Dojo，也不会随机发送视频数据，更多的情况是发送一个“案例”（10秒）。比如在Autopilot驾驶时，驾驶员突然介入，改为人工驾驶，Dojo就会分析这个视频案例，试图找出驾驶员中断Autopilot的原因，又或者司机在高速路上突然刹车、堵车时有人插队、雷达与摄像头判断结果不一致、车辆发生事故/险些发生事故等等，将这些具体的案例，交给Dojo来分析处理。

最终，更多的数据通过Dojo的处理，反馈给神经学习系统，实现自动驾驶算法的迭代，而算法的迭代，让Autopilot更加好用，持续反馈更多的数据给Dojo分析，从而实现一个正循环。

目前，特斯拉已经积累了100万个10秒左右的视频，并给60亿个物体贴上了深度、速度和加速度的标签。这些数据每天都还在增加，这就需要特斯拉有一个强大的计算机来处理这些庞大的数据，目前这些数据已经达到了惊人的1.5PB。

以特斯拉百万级的车辆保有量，这个规模的数据收集终端，数据增长速度也是惊人的。这似乎是个天文数字，而特斯拉如果继续依赖纯视觉的自动驾驶方案，不断提高其可靠性，就需要开发出更强大的超级计算机，以追求更先进的AI算法。

一家车企为什么要做超级计算机？

我们前面说到，全世界的超级计算机的排名前五的超级计算机，除了第五名的Selene是英伟达的之外，前四的都是国家拥有的，包括第一的日本『富岳』、美国的Summit和Siera分别位于第二、第三，第四的是中国的『神威太湖』。

这些都是国家级的超级计算机，它们通常是体量巨大、造价高昂的设备，拥有数以万计的处理器，旨在执行专业性强、计算密集型的任务，可完成极端尺度的宇宙模拟、为药物反应预测寻找新途径、发现可用于制造高效有机太阳能电池的新材料等任务，应用于人工智能、生物医药和智慧城市建设等多个领域。

为什么特斯拉，一个电动车企需要研制一台超级计算机？

其实原因，上面已经有所提及。

目前，全球自动驾驶领域主要分为两派，即纯视觉路线与高精地图+雷达路线。后者认为，多传感器与摄像头可以优势互补，更可依靠高精度地图与多激光雷达来完成全自动驾驶。而作为纯视觉路线领头者的特斯拉，则坚定的认为，纯视觉是唯一正确的出路。

马斯克主张采用纯视觉的自动驾驶方法，就是依靠摄像头和机器学习来支持其高级驾驶辅助系统和自动驾驶，而摒弃了激光雷达（LiDAR）、毫米波雷达。

马斯克曾非常自信地说到：“只要人眼能够完成的事情，视觉传感器也应该能够完成。其它的激光雷达都是累赘”。

在特斯拉看来，把激光雷达、毫米波雷达砍掉，是因为多传感器融合，会干扰系统的判断，甚至会造成误判，因为当不同传感器过来的数据冲突的时候，会延长系统处理和判断的时间，甚至会出现误判。

在纯视觉自动驾驶方法下想改进这套自动驾驶AI达到足够的可靠性，自研适应计算需要的超级计算机便极为必要。

特斯拉AI高级总监Andrej Karpathy是计算机视觉和深度学习领域的顶级专家之一，博士毕业于斯坦福AI实验室，主要研究方向是卷积神经网络结构，自然语言处理，以及其在计算机视觉上的应用。

进入特斯拉之后，主要就是为了攻坚特斯拉自动驾驶的难题，而特斯拉非常坚决地采取纯视觉算法路线，这就为数据处理以及神经网络学习提出了巨大的要求。

Karpathy解释道，如果想要让计算机以人类的方式对新环境做出反应，需要一个巨大的数据集，以及超级计算机的处理能力。我们有一个神经网络架构网络和一个1.5 PB的数据集，需要大量的计算。

对我们而言，计算机视觉是使自动驾驶成为可能的基本要素。为了让其更好地工作，我们需要掌握来自车队的数据，训练大量的神经网络，并进行大量实验。

Karpathy讨论了特斯拉人工智能的视觉组件，他指出，特斯拉在设计其 汽车 的视觉皮层时，是按照眼睛感知生物视觉的方式进行建模的。他还谈到了特斯拉的视觉处理策略多年来是如何演变的，以及现在是如何实现的。Karpathy还提到了特斯拉的“HydraNets”，它具有多任务学习能力。

充分利用从整个车队收集来的数据训练，从而不断改善特斯拉的自动驾驶功能（Autopilot），为下一代自动驾驶人工智能（AI）提供能够更进一步的自主学习的神经网络。

这里的神经网络可以简单理解为通过『仿生学』模拟人类大脑皮层的神经元『沟通学习』的方式进行处理数据，用来实现『类似人类』的学习方式。

这也是为什么这个超算机群取名为Dojo（道场）的原因，在中文里翻译为训练场也非常合适，这个“训练场”就是专门用来训练特斯拉 汽车 的自动驾驶能力的。

其实早在2019年的Autonomous Day，马斯克就提到过Dojo，称Dojo是能够利用海量的视频（级别）数据，做『无人监管』的标注和训练的超级计算机。

如果认真了解过当年Autonomous Day的朋友，自然会发现，特斯拉推出Dojo超算以及自研芯片，是必然且在规划中的事，也是特斯拉不得不去做的事。

因为按照特斯拉的逻辑，一辆车上要装8个摄像机，十秒内就能产生一百万个视频。这也难怪，需要依赖超级计算机的运算能力。

换句话说，不是特斯拉想要成为人工智能巨头，而是被逼无奈，因为选了纯视觉路线，就需要一个超级计算机的算力与之匹配。结果Dojo一出场，就是要成为世界第一。可以说，这也是马斯克的凡尔赛了吧。

其实关于“视觉算法与AI的关系”这个问题，马斯克曾在推特中回复过，大致意思为：『只有解决了真实世界的 AI 问题，才能解决自动驾驶问题……除非拥有很强的 AI 能力以及超强算力，否则根本没办法……自动驾驶行业大家都很清楚，无数的边缘场景只能通过真实世界的视觉 AI 来解决，因为整个世界的道路就是按照人类的认知来建立的……一旦拥有了解决上述问题的 AI 芯片，其他的就只能算是锦上添花』。

确实，毫米波雷达或激光雷达方案虽然有优势，但是成本更高，而且还有着无法解决的弊端。首先雷达精度、反应速度都不如纯视觉方案，而高精地图则严重限制了可使用自动驾驶的范围。这意味着他们除了需要非常详细的使用地点地图外，还需要所有车道及其连接方式、实时交通灯等额外信息。

但特斯拉的纯视觉方式不同，特斯拉的自动驾驶依靠8个摄像头和背后的Dojo超算，原则上我们可以在地球上任何地方（的道路上）使用。

『Dojo超级计算机』的出现意味着什么？

Dojo的问世，将帮助特斯拉的无人驾驶技术继续提升一个等级，让视觉算法这条路线走的更加深远，它能帮助训练电脑去理解道路画面，通过对视频信息的采集和大量视频信息运算处理，达到仅通过视觉图像便能实现全自动驾驶的目的。

视觉自动驾驶与人类驾驶员的开车方式相似，但最重要的是，计算机更加的可靠。为此，Karpathy也举了几个例子：

首先，人类的反应速度太慢，即使是优秀的驾驶员也要250ms（0.25秒）的反应速度，很多人甚至超过460ms（0.46秒），而电脑的反应速度全部低于100ms（0.1秒）；其次，人类驾驶员经常在开车时玩手机，而电脑则会全神贯注，不会一会看看微信，一会刷刷抖音；再来，人类驾驶员的视野范围太窄，并道时如果不回头，则完全看不到位于后视镜盲区的来车，而特斯拉拥有8个摄像头以每秒36帧的速度从车身周围识别信息，涵盖360度视野……

通过海量的案例，Dojo将帮助驾驶员更安全的驾驶车辆，包括利用视觉计算机来纠正人类错误和不安全的驾驶行为。比如：信号灯警告，系统识别到远处的红灯或黄灯，如驾驶员不减速会发出警告；紧急制动场景，系统判断车辆在障碍物前减速度不足或没有减速，会自动帮助车辆制动；躲避障碍，系统侦测到周围有突然出现的动物、行人、车辆、异物等，会自动控制方向盘来进行躲避。

在目前的特斯拉Autopilot中，已经出现过很多因系统失灵而出现的事故，这些可以通过Dojo进行解决，包括不限于：桥下阴影造成的无故刹车；高速跟车时，自动刹车踩得太死；遇到路边占用部分车道停放车辆的规避问题；当车辆检测到前方有行人或者道路变窄的情况时，当驾驶员把油门当做刹车踩下，车辆则不会加速（包括恶意报复 社会 行为）。

总结起来， Dojo的出现，实现了海量数据的『无监督训练』，大幅度提高神经网络训练的效率。通过用海量的数据锻炼它，就能解决各种『边缘场景』的问题，加快自动驾驶系统的成熟和完善，实现指数级的成长速度。

更关键的是，特斯拉对其软硬件的垂直整合度非常高，不仅不受制于别人，而且能够以此作为服务，给外界提供深度学习的训练业务。

在特斯拉的规划中，全球各地的数据，都会汇集到Dojo超级计算机中心进行处理。当然，这不包括中国的数据，因为中国出台了相关的管理办法，限制这类数据出境（因此，特斯拉在上海建立了数据中心，所以我们也会期待Dojo也能在中国实现）。

这就是自动驾驶的大结局？

对于自动驾驶的 科技 价值，几乎全球科学家都达成共识，其拥有广泛的应用前景，在包括出租车、代驾、共享 汽车 、机器人物流等领域都有巨大潜力。

根据中国信通院《2020年全球自动驾驶战略与政策观察》报告显示，自动驾驶具有巨大的 社会 经济价值，预计2050年将为美国创造大约3.2至6.3万亿美元的经济效益，其中 社会 福利和消费者福利预计接近8000亿美元。

我国多个地方政府也大力支持自动驾驶技术发展。北京已累计开放四个区县的自动驾驶测试道路共计200条、699.58公里，开放了亦庄和海淀2个自动驾驶测试区域，面积约140平方公里。同时累计为14家自动驾驶企业87辆车发放一般性道路测试牌照。

深圳市也已经先后公开两批无人驾驶路测道路；深圳坪山区的L5级别全无人RoboTaxi已商业化试运营超过100天，并承载了国内首批乘客。此外，包括亚马逊、苹果、三星等国外 科技 巨头，以及阿里巴巴、网络、腾讯等国内 科技 巨头都纷纷加入无人驾驶的赛道，想在这个潜力无限的市场里瓜分一块蛋糕。

从技术的角度来看，无人驾驶 汽车 是一个复杂的软硬件结合的智能自动化系统，运用到了自动控制技术、现代传感技术、计算机技术、信息与通信技术以及人工智能等。从战略意义的角度来看，自动驾驶移动能力更强，能够有效改善交通安全、实现节能减排、消除交通拥堵、促进产业转型。

过去数年，特斯拉一直对外宣传“全自动驾驶”技术，由此也为人们所诟病。因为事实上，特斯拉的“Autopilot”（自动辅助驾驶）以及“Full Self-Driving”（全自动辅助驾驶）都只是“辅助驾驶”功能，并不是真正意义上的“自动驾驶”功能。

因为这样的宣传，导致了不少车主过于相信特斯拉的辅助驾驶功能，因此也导致了很多起令人痛心的安全事故，最近的蔚来也因为NIO Pilot导致的事故登上了热搜。

可见，截止目前，自动驾驶还是一个理想中的概念，离我们的实际使用还有不少的距离，我们现在能用上路的都是“辅助驾驶”，大家为了自己的人身财产安全一定要牢记这一点，切勿过分相信市面鼓吹的“自动驾驶”功能。

目前，特斯拉已开始向纯视觉自动驾驶路线转变，从上月开始，部分在北美生产的特斯拉车型，已停止安装雷达传感器，而全新的FSD Beta V9.0（完全自动驾驶测试版）也将在近期更新，而这一切的背后，都离不开Dojo。

Dojo的到来，意味着我们离真正的“自动驾驶”又近了一步，打开了电动车驾驶AI世界的新入口。

对了，这个技术并不遥远，我们明年可能看到Dojo正式运行。

最后的彩蛋

就在发布会最后，马斯克开着玩笑带来了一位Tesla Bot机器人，他表示，如果Dojo的能力能够如期实现，那么将它至于机器人的内部，同样可以100%模拟人类的性能。在未来，可以为人类 社会 释放更多的劳动力。

马斯克绝对是一个技术疯子，改变全球能源布局、改变交通出行方式、改变人类脑机交互方式、游历太空、 探索 火星等等，单凭一个人的意志推动了整个人类 社会 的 科技 进步。

通过已量产的产品挣钱，但不会敛财，因为挣到的钱马上用在下一个疯狂的想法，并努力实现它，如果此时说马斯克是后乔布斯时代最伟大的 科技 创造者，应该没有人会反对吧？

（图/文/摄：皆电 唐科）

D. ​一群清华的博士，在天上玩起了“卫星智能”

随着遥感卫星为代表的卫星数量的增加和信息收集能力的提升，我们能够通过卫星拍摄的高清影像鸟瞰地球万象，感知地球变化。例如“高分二号”在2017年拍下的故宫，地面分辨率就已经小于一米，让我们从天空俯瞰故宫全貌，欣赏北京城中心的壮阔之美。

“高分二号”在2017年拍下的故宫，地面分辨率小于一米

而越来越清晰的卫星图像背后，则是遥感卫星正在产生海量的数据——根据自然资源部《卫星遥感应用报告》（2020年）[1]，中国在轨的自然资源遥感卫星已经达到19颗，全年数据量达到了1.6PB（1PB = 1024TB）。

但以往中国自己的卫星星地间传输，可不像我们日常生活中使用手机这样的5G网络便捷，想将这么多数据传回国内并不容易。考虑到中国目前卫星地面站建设少，因此只能在路过中国上空时才能获得回传数据的短短几分钟窗口，且一次只能传输几十Gb的有限数据，所以，卫星在数据传输上消耗的时间，远远大于拍摄的时间。

以拍下上面这张图的“高分二号”为例，卫星星上能储存大约4Tb的数据、记录不少于20分钟的拍摄信息；“高分二号”的传输带宽是2x450Mbps，也就意味着回传4Tb数据需要超过75分钟。而每次经过中国上空仅能获得数分钟窗口时间，则需要多次下传和以天计算的时间延迟才能最终完成这一工作。

随着商业卫星的蓬勃发展，不仅仅是遥感卫星的数据的采集和处理越来越成为了一个问题，包括通信、导航、科研、技术试验卫星在内的全产业链乃至最终的卫星互联网和空天地一体化网络，都面临着这样的瓶颈。

刘冬宇 | 作者

李拓 | 编辑

更多卫星数据，更广阔的市场

地球空间正在变得忙碌。在果壳硬 科技 之前的文章中曾提到[2]，根据UCS Satellite Database的统计，截至去年9月1日，地球轨道上已经有了4550颗卫星，其中在过去的一年间，人类就新发射了超过一千颗卫星，这要归功于商业卫星产业的高速发展——特别是卫星最多的美国，并且其中绝大多数都是商业卫星。

UCS Satellite Database 及公开火箭发射数据

中国的商业卫星公司虽然发展势头不错，但还没有像美国那样，把更多商业卫星送上天；而政策的支持，是中国的商业卫星公司们最期待的发展要素。而在春节假期之前，国家就给卫星行业送了一个“大红包”：《2021中国的航天》白皮书，给商业航天定调支持。具体的措施，既包括对商业航天发射的支持——

未来五年，中国将在强化航天产品统一技术体制的基础上，进一步完善现有航天发射场系统……建设商业发射工位和商业航天发射场，满足各类商业发射需求。

也不乏更多商业化机会——

未来五年，中国航天将紧紧抓住数字产业化、产业数字化发展机遇，面向经济 社会 发展和大众多样化需求，加大航天成果转化和技术转移，丰富应用场景，创新商业模式，推动空间应用与数字经济发展深度融合。拓展卫星遥感、卫星通信应用广度深度，实施北斗产业化工程，为国民经济各行业领域和大众消费提供更先进更经济的优质产品和便利服务。培育发展太空 旅游 、太空生物制药、空间碎片清除、空间试验服务等太空经济新业态，提升航天产业规模效益。

暂时抛开太空 旅游 、空间碎片清除等距离商业化还尚需时日的方向，今天目所能及的商业卫星业务，还集中在通信、导航、遥感和科学实验四大领域；对于中国商业卫星公司，由于导航与通信领域主要由“国家队”牵头，遥感便成了商业化突破最为迅猛的领域。

遥感卫星在全球范围内已实现高度商业化。根据SIA数据及头豹研究院的整理，在2020年，全球卫星遥感服务市场已经达到24.2亿美元，在2025年预计将达到43.6亿美元[3]。另一份数据则表明，2020年，中国遥感卫星市场估计为81.8亿人民币，从2018年至2020年，每年增长率在8.23%~8.34%。[4]

全球卫星遥感服务行业市场规模。图丨SIA、头豹研究院[3]

中国遥感卫星行业市场规模。图丨前瞻产业研究院[4]

蓬勃的市场，也时刻面临着文章开头的难题： 数据量大，但有效数据少；传输时间过长，导致数据的时效性差，限制了遥感卫星的应用场景 。

比如一颗典型的光学卫星，如果在某一圈飞行中开机拍摄10分钟，那么数据的回传还需要再绕地飞行十圈甚至更多，且只能在每次路过中国上空时传回一部分原始数据。星测未来联合创始人、COO曹德志向果壳硬 科技 介绍，在耗费大量时间、卫星能源下传的原始数据中，又会因为云层遮挡等原因，无效数据的占比可能超过一半。

还有另一类蓬勃发展的遥感卫星，SAR卫星，SAR即“合成孔径雷达”（Synthetic Aperture Radar）。这是一类使用微波雷达进行探测的卫星，且不受天气与云层影响，具有全天时、全天候的优点，并且对地表物体的高度非常敏感（最高可达毫米级精度），还能分析地表植被、含水量等信息，因此格外适用于气象灾害、应急、农业、海事等需求，服务于金融、国防与公共事业[5]。

在去年七月的河南暴雨中，河南省自然资源卫星应用技术中心就调用了国内外SAR卫星数据，以分析洪涝淹没区、城市道路淹没情况等。[6]

SAR卫星的商业应用，同样受到数据处理的限制。SAR卫星的典型工作模式为“条带成像”，即随着卫星在轨道上的移动，雷达以相对匀速扫描地面，连续采集雷达反射图像，然后经历漫长的原始数据回传，才能拼接出最终的遥感信息。

对于如何更好地挖掘卫星数据价值，并应用于各类商业场景中，一个容易理解的解决方法，是在卫星上压缩数据甚至筛选数据，只回传最重要的信息。

而这个方法必然要基于运算，就像在手机上，我们为了处理照片，给手机塞进了几颗ISP、NPU等芯片、一系列场景识别与图像处理算法。但在卫星上，起码的算力和算法问题，该如何解决？

卫星智能化如何实现？

“星测未来”目前的主要工作之一，就是为这些遥感卫星提供高能效的边缘算力平台与结合场景的应用解决方案，通过在轨压缩、在轨处理等方式升级卫星的数据计算和传输处理能力，从而为金融、应急、地区安全等下游应用市场提供服务。实际上，对遥感信息的智能处理，也分为不同的层次，不仅可以解决数据传输问题，更重要的是提升卫星数据价值与运行效率。

最基础的工作，是在星上压缩数据，以减少回传数据包的尺寸，降低通信带宽压力。

光学卫星图像压缩（长光卫星、星测未来）

初级的智能化，是筛选无效数据，比如去除被云层遮挡的图像，或者在有明确工作任务，比如扫描地面时，舍弃掉拍摄的海洋的部分。这部分工作也可以节省数据流量。

更高级的智能，则是在星上直接完成例如目标识别、跟踪等工作。这也是让卫星数据产生较高商业价值的关键，原本它需要将数据完全回传后在地面完成，而如果在卫星上识别，则可以直接获得有效的切片数据或目标信息，甚至可以针对性地调整卫星 星座 的工作模式，进一步精确采集局域的重要信息。

SAR卫星识别船只（天仪研究院，星测未来）

SAR卫星舰船监测与水体识别

（天仪研究院、厦门大学、星测未来）

更进一步的是，如果卫星的工作任务中包括识别走私货船等特定目标，智能的卫星甚至可以只向地面实时汇报一个短信息，“某位置出现某物”，与回传图像相比，具备更强的实时性。

可以看出，伴随着智能化水平的提高，卫星数据更贴近商业需求，并且可以补充拓展很多传统遥感流程无法实现的应用场景。

想实现卫星智能化，则需要为卫星引入低成本、高效能比的算力。什么样的芯片以及星上算力平台适合在太空中开展计算工作呢？通常卫星的芯片都是航天专用的产品，往往采用成熟制程，稳定性更高，但在性能、功耗与价格上没有优势。而采用大公司标准化的芯片，成了低成本、大算力的选择，但它却不一定适合在太空环境下工作。

而星测未来正是从这里打开突破口，曹德志向果壳硬 科技 介绍，CEO仓基荣与COO曹德志是清华工程物理系核电子学实验室毕业的师兄弟，核电子学实验室以往参与过与CERN（欧洲核子中心）的合作，提供了不少辐照环境下的高性能软硬件平台，以完成每秒数百Gb的大通量数据筛选和处理工作，因此团队的专业背景，是对辐射环境下的软硬件计算平台及其应用有着充分的了解。

从2016年起，实验室的本科和研究生们同时发起了一个空间探测项目——“天格计划”，通过采用商业立方卫星平台搭载的空间探测载荷，开展伽马射线暴勘测的 星座 组网计划。这也启发了创业团队利用立方星开展太空实验的业务，不断加深对空间粒子探测、太空辐照的认知，并将芯片和星上算力平台在充分的地面测试后送至太空在轨验证，帮助星测未来不断迭代可靠性加固的方案设计：包括异构体系的硬件筛选，软件系统的冗余备份，以及通过神经网络架构搜索建立算法的容错设计和校验优化等等。

因此，团队自研多款“星溪”系列星上算力平台，均采用商用级器件（比如FPGA、GPU或ASIC芯片等）替代宇航级器件，降低行业成本，但却具备较高的冗余可靠性特色。

“星溪”自2020年至今已经迭代数次，目前成熟产品星溪02采用了FPGA+GPU的运算方案，能实现20W功耗、20TOPs算力。根据发射计划，本月（2022年2月）星溪02将搭载卫星平台升空并完成在轨部署，实现全流程的工业级器件在轨验证与后续的长时间运行考验。

星溪02产品概念图

据介绍，星测未来的星上智能方案，已经与多家中国头部商业卫星企业达成合作，比如在可见光遥感领域与长光卫星合作，SAR卫星领域则是与天仪研究院合作。通过广泛的产业链的合作，星测未来获得了更多在轨验证、商业场景拓展等关键机会，实现从科研、工程样机走向市场化的过程。

技术服务科研

星测未来的另一项业务——“星测”系列太空实验平台，则是通过搭载科研卫星的载荷形式，开展包括太空辐照测试、空间粒子探测、通用数据采集及处理等产品及服务。

曹德志向果壳硬 科技 介绍，“星测”平台同样源于他们在空间探测领域的技术积累，其产品优势在于：

第一，较低成本地实现科学载荷研制，较快时间验证新技术 。一颗大型科研卫星通常搭载多个实验载荷组成复杂系统，而许多新技术所带来的系统性风险则需要前期开展关键技术在轨测试。星测太空实验平台则是结合载荷研制能力以及空间辐照测试服务共同完成该项任务，帮助大型科研卫星降低风险。

第二，独立采用小卫星搜集数据，快速推动空间科学研究成果诞生 。一颗大型科研卫星通常需要5~10年的研发周期，而基于低成本、高可靠商用现货的载荷产品与立方星搭载模式，则短至一年即可完成科学目标的观测与数据收集，发表科研的新成果。

第三点，开辟空间科学的新观测模式 ，多星组网实现阵列、接力等科学观测模式，比如面向宇宙瞬变源天体事件的爆发位置观测，比如面向太阳和星云的长时间接力观测等，都将从新的角度打开天文学和宇宙学观测的一扇新的窗。

“星测”平台一方面服务于科学家的科学 探索 ，起到降本、提速与推动科研行业发展的效果，另一方面，也加强星测未来的自身技术验证，使得星测未来始终处于空间探测、卫星数据采集、星载边缘处理等领域的新技术前沿。

曹德志表示，尽管科研卫星服务的市场空间受限于研究经费，大致在数十亿元/年，但对星测未来而言，已经通过“星测”平台业务在行业内打开了局面，树立了品牌，成为公司第一阶段业务的主要现金流来源。

博士怎么经营公司？

我们还很好奇一个问题：星测未来的团队成员主要来自清华大学、斯坦福、中科院等知名高校和研究所，大多在从事产品研发；对于两位创始人和几位核心管理团队成员，这也是他们的第一份工作，他们是如何实现从研究者到企业管理者的切换的？

据介绍，星测未来团队目前人员并不多，大约全职十余人，兼职实习三十人左右，但在公司成立之初，就面临疫情居家、研发生产调试多地分工等情况，由此也开启了远程协作的工作方式。而由于团队的高校背景，星测未来团队从一开始就非常注重文档的留存和信息的流转。“这可能是我们公司一种习惯或者说文化，很多东西如果你想不清楚就写下来，用文档来传达更加完整、体系化。”曹德志这样说。

这与飞书的理念不谋而合。因此，他们在调研了多个办公协作平台后，最终选择用飞书来承载公司进行文档记录和远程会议的平台。因为作为国内办公协作的代表之一，飞书也着重推出过一种开会的方式——“飞阅会”，一种基于飞书文档的阅读+评论的开会方法。

曹德志说，“初创企业最重要的是不失真，人和人之间可以坦诚地交流，把信息升华，把客户需求跟产品快速对接起来，最后达成整个业务的推进”。而在使用飞书文档的过程中，团队也根据公司发展和业务需求开发出了一些适合自己的工作模式，一个是用文档搭建的知识库，另一个则是用多维表格建立的客户管理系统。

对于一家初创公司来说，成熟的CRM或者低代码工具虽好，但不代表能解决业务流程中的核心问题，“首先是想清楚怎么做，然后工具才能发挥应有的作用”，而用简单的表格和文档背后，是把想做的事情、想传达的理念表达清楚，然后才能加速推动初创企业的业务发展。

“通过文档和多维表格的形式，能够把信息从一个地方搬运到另一个地方，飞书提供的这种信息流转的机制，成了我们业务当中很重要的一环。飞书承载的代码和文档，最终都会带到天上去。”曹德志这样总结飞书在具体工作中的作用。

E. 怎么理解元宇宙

-------怎么理解元宇宙-------

F. 什么是六力

生存力、实践力、社交力、精神力、学习力和创造力。是指孩子成长所必须具备的六种生命能力。
教育孩子，就像培植一棵树苗，想让孩子长成参天大树，结出丰硕果实，就必须给他强健的根系，而六力就是孩子生命的根系。所以六力是孩子健康成长的基础，是孩子绽放生命的六大通道。

G. 数字生命计划是什么

数字生命计划是一种利用仔粗模拟人工智能系统来开发新的宇宙秩序的计划。

该计划被描述为“未来数字时代的巨大计划”，旨在通过分析、解读和思考宇宙大规模智慧，来创造出一个新型的空间实体。经大华网查询，流浪地球2中，在末日危机之下，引发另一计划，数字生命计划的正式诞生，将记忆和部分意识上传数字生命世界，实现拯救地球和人类。

事实上，在《流浪地球2》中，除了最后成功的山移动计划（由中国提出的）和引人注目的数字生命计划（虽然被共同地球伦理委员会否决和禁止，但在山移动计划成败的最后关头起了重要作用）之外，还有美国提出的方舟计划。

电影《流浪地球》详细介绍

电影流浪地球剧情根据刘慈欣同名小说改编，讲述了在不久的将来太阳即将毁灭，太阳系已经不适念乱镇合人类生存，而面对绝境，人类将开启“流浪地球”计划，试图带着地球一起逃离太阳系，寻陪陪找人类新家园的故事。

近年来，科学家们发现太阳急速衰老膨胀，短时间内包括地球在内的整个太阳系都将被太阳所吞没。为了自救，人类提出一个名为“流浪地球”的大胆计划，即倾全球之力在地球表面建造上万座发动机和转向发动机，推动地球离开太阳系，用2500年的时间奔往另外一个栖息之地。

中国航天员刘培强（吴京饰）在儿子刘启四岁那年前往国际空间站，和国际同侪肩负起领航者的重任。转眼刘启（屈楚萧饰）长大，他带着妹妹朵朵（赵今麦饰）偷偷跑到地表，偷开外公韩子昂（吴孟达饰）的运输车，结果不仅遭到逮捕，还遭遇了全球发动机停摆的事件。

为了修好发动机，阻止地球坠入木星，全球开始展开饱和式营救，连刘启他们的车也被强征加入。在与时间赛跑的过程中，无数的人前仆后继，奋不顾身，只为延续百代子孙生存的希望。

H. 为什么是毫末智行成为了DriveGPT的破壁人

作者 | 魏启扬

来源 | 洞见新研社

毫末智行有着天生的紧迫感。

很多科技公司一年才举办一次的品牌日活动，毫末智行硬是办成了一个季度一次，活动频次的提高，则意味着组织内部新陈代谢的提速，从研发到落地乃至运营，都要跟上步点节奏。

毫末智行用这样一种方式来鞭策自己在自动驾驶道路上的进取之心。

4月11日结束的第八届HAOMO AI DAY，活动规格再上台阶，吸引了中国汽车芯片联盟联席理事长、中国电动汽车百人会副理事长董扬，同济大学教授埋衫、汽车安全技术研究所所长朱西产，清华大学车辆与运载学院教授曹东璞、华为云人工智能领域首席科学家、国际欧亚科学院院士、IEEE/CAAI Fellow田奇等业内大咖参会。

在影响力持续扩大的同时，毫末智行再次更新了自己在技术、产品和生态上的进展，其中城市NOH即将量产上车与毫末DriveGPT 雪湖·海若的发布成最大亮点。

前者是中国首个重感知、不依赖高精地图的城市NOH，将最先落地北京、上海、保定等城市，后者则是全球首个自动驾驶生成式大模型。

NOH量产上车，毫末智行过去就曾做过预告，此次确定了更具体的落地时间，算是兑现了之前“夸下的海口”。

至于雪湖·海若 ，在GPT火热的当下，参与其中的自动驾驶公司也不少，为什么是毫末智行率先发布，成为很多人心中的谜团。

01 自动驾驶大考年，毫末智行冲在最前线

毫末智行加快推进NOH的落地进程，很大一部分原因在于智驾产品已经进入到全线爆发的前夜。

来自工信部和高工智能汽车研究院的数据显示，2021年乘用车L2级智驾产品的搭载率是23.5%，全年共交付了476万辆。

到了2022年，乘用车上车的智驾产品升级到L2级以上，搭载率提升到29.4%，全年了交付了585.99万辆。

按照这一趋势预测，到2025年时，乘用车L2级以上智驾产品的搭载率将达到70%。

毫无疑问，正在经历的2023年和还没到来的2024年将十分关键，用毫末智行董事长张凯的话来说，“2023年既是自动驾驶的冲刺之年，也是大考之年”。

张凯判断，智驾产品今年的爆发将主要集中在两个方面。

第一个是城市导航辅助驾驶产品将围绕量产上车发力，主要玩家的城市辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。

另一个是行泊一体和无人车商业化将成为自动驾驶公司深耕的重点。在乘用车领弯握腔域，搭载行泊一体功能的智驾产品将迎来前装量产潮。

很明显，毫末智行发布DriveGPT雪湖·海若，并不是炒作跟风，而是真真切切的在做自动驾驶研发，更难能可贵的是，毫末智行很多前沿技术不光是为自己所用，还将其开放出来，以生态共建的形式，为行业的发展添砖加瓦。

其实，从毫末智行公司名字的由来，到自动驾驶智算体系MANA雪湖的命名，再到DriveGPT雪湖·海若的来源，能够窥视出毫末智行在自动驾驶这件事情上一以贯之的企业价值观。

“毫末”二字取自道家学派创始人老子之《老子·第六十四章》：“合抱之木，生于毫末。九层之台，起于累土。千里之行，始于足下。”强调的是一点一滴积累、脚踏实地耕耘的重要性。

“雪湖”这一名称，出自科幻小说《三体》第二部《黑暗森林》，说的是主人公罗辑在星空、雪山、森林、草地和湖畔之间徜徉思考，直到有一天在湖中寻找到了破解“三体危机”、拯救地球的方法。

将其延伸，“雪湖”这个名字代表了毫末对人类社会和科技趋势发展的热情，承载着毫末以AI通向自动驾驶梦想的思考。

“海若”则出自《庄子·秋水》，里面有两个神话人物河伯和北海若。河伯请教北海若，何谓大小之分，北海若教导，不因天地而觉大，不因毫末而觉小。其中蕴含着智慧包容、海纳百川的寓意。

将上述命名来源进行梳理，可以发现毫末智行的企业价值观融汇了中国古代经典的道家思想和科幻巨作天马行空式的哲学思辨，再结合当前正在从事的最前沿的自动驾驶事业，毫末智行呈现出特立独行的气质，更宏观的视角，还能看到一种与众不同的中国式浪漫。

【本文来自易车号作者洞见新研社，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】

I. 现在手机回到于敏搞氢弹那个年代是什么样的存在

看过一个 搞笑 电影，说宇航员在月球背面发现了纳粹科学家在研究返回地球的武器和飞行器，但是计算机不给力。结果缴获了宇航员的苹果一代，于是五十多年没搞定的计算在一个月左右解决了。

超过NASA阿波罗登月计划所有计算机算力之和

其实，仔细想想，你会发现，手机带回60年代也樱枝就会使研究稍微方便一些，主要体现在记录方面，其实，手机的其他功能在那个年代就只是个摆设。现在的智能手机，5G手机之所以这么方便，前提是有好的网络设施，在那个年代，别说wifi，网络都是一个问题。世界上第一台电脑是1946年，美国的弊颂埋，氢弹成功在1967年免得，20年的时间网络发展不会那么快。所以手机带回那个年代，最大功能就是记录，拍照，录像，录音和计算等功能是最实用的，让计算变得快捷一些，特别是计算一些小数位比较多的，这时候手机的作用就体现出来了。其次，就是把研究资料，用拍照，录像记录下来，不会丢失。最后，手机带过去了，充电器也得带过去，不然没电了，就是一台最为纯粹的观赏品了。[微笑][微笑]

对于 科技 发展和商业有着跨时代的作用。

1.指明方向，减少90%以上的科研无用功。

2.北斗提前问世。

3.对于材料分析有着指导性的意义。

4.部分新型专利。

5.计算功能，并不是最重要的。

6.对于通信领域，单晶硅领域，材料领域，芯片领域等有着划时代的指导意义。可以直接影响五个以上的五年规划。

7.你拿着鸿蒙回去，领导人找你谈话一年。

8.坚定了人们继续沿着这条道路走下去的信心！

多了一台超级计算机，能帮科学家提前一年搞出氢弹

想想挺好 但是 如果一个人和手机 那么 这个人用这部手机证明自己的身份并且坚定国家的信心，然后避免走弯路，比起这些，那点运算能力根本不算什么了。而且 一个普通人不会在手机里装编程软件 没法根据实际需求利用好算力。也就是说 大概率手机只是一个算盘，

光一个手机带回去用处租蚂不大，充电都是问题！然后你怎么解决数据输入输出？编程？

其实州长的终结者电影已经回答了这个问题，人类逆向研究州长的一条断手就在一代人的时间内开启了机器人时代。手机带过去，锂电池，屏幕，基带，CPU，GPS等等等等，这些 科技 将以极快的速度逆向研发出来。对人类 社会 的影响不亚于一次工业革命。

光手机的功能，算力都是皮毛了，里面的硬件可是信息时代的结晶啊，可以少走多少弯路，逆向一下不用5年所有原理都摸透了，再来个5年估计5g信号都能逆向出来了，kb级别直接跃升到到GB级别乃至TB级，光是一个锂电的 科技 从那时发展到现在，估计现在 汽车 早都飞起了，人类起码也飞到火星了，一个国家进步20年都是轻松的，用好了可以领先一个时代

整个手机肯定是没多大用处的，但是手机的零件价值很大，非常大，让原子弹早出来几年是完全有可能的。