-
让品牌有温度、有情感
专注品牌策划15年
边缘计算芯片（边缘计算芯片有哪些）
发布时间：2023-03-13 23:44:58
稿源：
创意岭 阅读：
145
问大家
大家好！今天让创意岭的小编来大家介绍下关于边缘计算芯片的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。
ChatGPT国内免费在线使用，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等
只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端
本文目录:
一、鸿蒙用户破4000万 接入鸿蒙平台的芯海科技如何构建智能家居生态链
近日，在华为P50发布会上，华为消费者CEO余承东表示，鸿蒙系统的用户数量已经达到4000万，相当于每秒8个用户升级鸿蒙，华为新旗舰产品P50搭载鸿蒙OS2上市发布。作为一个新兴的生态系统，鸿蒙的发展可谓相当迅速。当然，这中间加入鸿蒙系统除华为自己手机用户之外，其生态合作企业多达30多家。据悉，芯海 科技 成为华为鸿蒙及Hilink 战略合作伙伴，目前已完成3 大品类，近20 个产品的接入。
科技如何构建智能家居生态链" img_height="198" img_width="338" data-src="//imgq7.q578.com/ef/0806/795d3a843ee23dc0.jpg" src="/a2020/img/data-img.jpg"> 科技如何构建智能家居生态链" img_height="155" img_width="351" data-src="//imgq7.q578.com/ef/0806/9790350287e371c8.jpg" src="/a2020/img/data-img.jpg">
在7月27日，芯海 科技 健康 测量AIOT总经理郭争永对媒体解读了智能家居领域的最新技术发展趋势和芯海 科技 构建的AIOT一站式解决方案。
科技如何构建智能家居生态链" img_height="209" img_width="314" data-src="//imgq7.q578.com/ef/0806/4c124d487903c5bf.jpg" src="/a2020/img/data-img.jpg">
“AIoT 技术和产业奇点已经到来，国内进入了黄金发展期。比如感知技术从2009年到2014年，视觉为主，像素低，各类传感器的体积大，2015年到2019年视频感知能力提升，语音识别应用加强，特别是视频类语音应用非常广泛。到2020年声、光、电、触、气等多种环境传感技术成熟，未来将是万物感知，数字化、虚拟化的趋势。”芯海 科技 健康 测量AIOT总经理郭争永表示。
科技如何构建智能家居生态链" img_height="228" img_width="418" data-src="//imgq7.q578.com/ef/0806/af30bc040b17cdbd.jpg" src="/a2020/img/data-img.jpg">
计算技术，家电产品早期采用8位MCU，算法效率比较低，但是其优势是性价比高，够用就好。到目前这个阶段很多家电设备以32位MCU为主，在互联网的大趋势下，MCU的算力会越来越强，边缘成本会随着出货量增大逐步降低。后续会有MCU叠加AI做一些边缘计算，最终会转变成边缘计算芯片，云管端和协同计算的场景会逐步出来。
郭争永认为，连接技术的演变也在持续，大范围的远距离连接从3G、4G向5G演进，近距离包括室内一公里的连接技术方面，蓝牙持续演进，从蓝牙4.2到蓝牙5.2支持音频、定位等多个场景的出现。WiFi技术当中WiFi6已经成为占据主流的一个形态。
芯海 科技 围绕连接方式的演进，典型的应用从摄像头、可穿戴，到现在最高级别的自动驾驶开发场景应用。“站在芯片角度来看，随着感知技术的不断成熟，ADC技术的应用，包括声、光、电感知，还有计算能力越来越强，芯海 科技 的高性能MCU支持IOT OS、蓝牙/Combo支持快捷连接，可建立多终端联动，我们推出了从信号链MCU切入的，AIOT一站式解决方案，提供精准感知、计算控制与智能连接的能力。”郭争永表示。
科技如何构建智能家居生态链" img_height="237" img_width="423" data-src="//imgq7.q578.com/ef/0806/8a4187c7627483db.jpg" src="/a2020/img/data-img.jpg">
国际知名调研IDC预计，2021年中国智能家居市场高速发展，智能家电增长会超过30%，智能照明增长速度超过90%。智能可穿戴、智能秤等周边产品的接入也已经成为潮流。芯海 科技 作为一家高精度ADC芯片公司，智能家居已经成为公司的未来战略发展方向之一，其在智能家居感知层建立了自己的产品序列。
“现实世界是模拟的，包括压力、温度、气体等都是模拟信号，我们通过ADC转化进来变成数字信号，经过MCU处理之后，我们通过无线连接诸如温度、气压等的数字信号通过屏幕显示或者上云，或者通过再通过数模转换器ADC把它再变成模拟的信号，驱动马达。总之，芯海 科技 主力进行数字信号链MCU整体的构建。”郭争永表示。
科技如何构建智能家居生态链" img_height="253" img_width="467" data-src="//imgq7.q578.com/ef/0806/64cac01d4c6d094a.jpg" src="/a2020/img/data-img.jpg">
郭争永指出，芯海 科技 在万物互联时代到来之际，加强了物联网平台的合作关系，作为华为生态合作伙伴，芯海 科技 从早期的Hilink到最新的HarmonyOS Connect，为终端厂商提供鸿蒙生态接入的多维度，多层级的整体解决方案；通过内置到 HarmonyOS的FA，可直接支撑体脂秤品类在HarmonyOS的应用；通过提供针对智能家居应用场景定制优化的MCU，为 HarmonyOS运行提供有力支撑。
在 健康 测量领域，随着苹果、华为、小米等众多厂商进入，在垂直的 健康 领域越做越深，血糖、血压在无创的情况下可以实现低功耗的测量，芯海 科技 基于信号链MCU芯片，叠加算法和解决方案，最终形成一个AIOT平台的解决方案。郭永平还指出，芯海 科技 的CSA37F62已通过AEC-Q100车规级认证，处于车企前装的导入阶段，公司也在持续加码 汽车 电子研发，车载BMS管理芯片、车载域控制器、控制MCU有望在未来几年加快投入市场。
二、IBM造出全球首款2nm芯片，每平方毫米集成3.33亿个晶体管
5月6日，IBM透露了它研制的世界上第一个2nm制程工艺芯片，并简要介绍了该技术最终可能用于未来的智能手机、笔记本电脑和小型移动装备等。
根据IBM的说法，在消耗相同功率的情况下，2nm处理器性能可提高45％；或者与基于7nm制程工艺的芯片相比，能耗可降低75％。该芯片能效比的显著提升具有重要意义，IBM研发总监Dario Gil表示，新芯片可以有助于解决可持续性和气候变化问题，当前的数据中心已占到全球能源使用量的1％。
该芯片芯片每平方毫米（MTr/mm2）上集成有约3.33亿个晶体管，相当于指甲大小的芯片上可容纳500亿个晶体管。相比之下，台积电最先进的芯片采用5nm制程工艺制造，每平方毫米（MTr/mm2）约有1.73亿个晶体管，而三星的5nm芯片则约为127MTr/mm2（每平方毫米约有1.27亿个晶体管）。
IBM是在其纽约州奥尔巴尼的实验室研制出2nm测试芯片。IBM混合云副总裁Mukesh Khare表示，IBM在奥尔巴尼工厂生产的300mm硅晶圆上生产了2nm技术里程碑。
据IBM称，2nm处理器将能够加速在人工智能、边缘计算、独立计算系统以及其他领域的应用。IBM表示将在其IBM Power Systems和IBM Z以及其他系统中使用该技术。
台积电和三星目前正在生产5nm芯片，而英特尔仍在艰苦的努力达到7纳米制程工艺。台积电计划在今年年底开工早投产其4nm的芯片工艺，可能首先用于联发科的4nm新芯片大批量生产在2022年。台积电的3nm节点预计要到2022年下半年，而2nm技术芯片仍处于相对较早的开发阶段。
所有这些计划都是理想状态，前提是不会遇到拖延的情况。但是我们看看英特尔的窘境就知道了，英特尔在过去十年左右的时间里出现了太多的先进制程工艺制造问题，直到现在仍然没有达到7nm节点，还在苦苦挣扎。甚至有消息称英特尔也要找台积电代工了，英特尔的IDM（设计、制造、封装测试到销售全部自己一肩挑的半导体垂直整合型公司）看来很难走下去了，这反映出目前半导体先进制程工艺的巨大技术难度。
尽管这款芯片听起来让人振奋，但必须知道的是，IBM的2nm芯片在很大程度上只是概念证明和测试。而建立在2nm节点上的量产芯片可能还有至少数年之遥，IBM预计这种2nm技术芯片将在2024年底投入生产。
这对于解决目前全球性缺芯下的半导体市场的供应链和制造困境，没有太大意义。
三、自动驾驶芯片市场火爆，科技巨头抢滩，中国企业能否一战？
[汽车之家 新鲜技术解读]? 自动驾驶系统，最关键的部件是什么呢？是传感器？是控制软件？还是处理芯片呢？我个人认为在目前这个阶段来说，处理芯片是一个最关键的部件，它的性能直接影响自动驾驶系统的好坏。过去，顶尖的芯片技术一直是国外企业垄断的，但随着中国芯片企业近年的快速追赶，情况已经有所改观。今天我们就来聊聊中国自动驾驶芯片究竟处于一个怎样的水平？
● 自动驾驶芯片是干什么用的？
虽然目前L3级别有条件自动驾驶车辆在中国尚未落地，但从一些带有高阶L2驾驶辅助系统的车辆上我们可以发现，这些车辆都带有数量不少的传感器用以检测车辆周围的障碍物，从而为控制系统决策提供数据支持。这些传感器包括毫米波雷达、超声波雷达、摄像头等。这些传感器每秒钟会产生数GB（1GB=1024MB=10242KB）的数据，自动驾驶芯片需要流畅地处理这些数据才能保证系统及时作出正确的决策，从而确保车辆的行驶安全。
可能大家对每秒数GB的数据没有概念，这里举一个生活中的例子。普通的USB3.0接口U盘，其读取速度峰值接近200MB/s，要从这个U盘中读取1GB的文件大约需要5秒左右的时间，足见每秒数GB的数据量是相当大的。
自动驾驶系统除了需要解决大流量数据传输问题，还需要解决的就是如何能快速处理这些海量数据，而强大的自动驾驶芯片正是那把正确的钥匙。
● 国外的自动驾驶芯片处在怎样的水平？
虽然本文主要是讲中国自动驾驶芯片的，但知己知彼，百战百胜，在审视本土状况之前，我们还是先要来简单了解国外的情况。国外自动驾驶芯片真正能够大规模进入量产车市场的无非三家，英伟达、Mobileye（现已被英特尔收购）、特斯拉。
其中，走实用路线的Mobileye目前市场占有率在70%以上，市场上的产品主要是应用于L2驾驶辅助系统的EyeQ3芯片（算力0.256TOPS，“TOPS”是每秒万亿次运算的意思，详细介绍请看这篇文章相关介绍，本文标注的算力如无特别说明均指的是8位整数计算能力）以及具备L3级别自动驾驶能力的EyeQ4芯片（算力2.5TOPS）。像是小鹏G3、蔚来ES6/ES8、广汽新能源Aion LX就采用了EyeQ4芯片作为其驾驶辅助系统的核心。
相较于英伟达上代自动驾驶平台旗舰之作DRIVE PX Pegasus 320TOPS的算力，新的DRIVE AGX Orin平台的旗舰配置实现了成倍的性能增长。此外，DRIVE AGX Orin平台的扩展柔性化程度相比以往平台进一步提升，能够通过硬件配置的增减，满足从一般驾驶辅助到L5级别完全自动驾驶等不同级别车辆的需求。
特斯拉Autopilot 1.0系统采用的是1颗英伟达Tegra3芯片+1颗Mobileye EyeQ3芯片；Autopilot 2.0系统采用的是1颗英伟达Tegra Parker芯片+1颗Pascal架构GPU芯片；Autopilot 2.5系统采用的是2颗英伟达Tegra Parker芯片+1颗Pascal架构GPU芯片。
已经搭载在最新下线特斯拉车型上的自研FSD芯片，单颗芯片算力为72TOPS，Full Self-Driving Computer集成有两颗独立工作的FSD芯片，一颗“挂了”，另外一颗马上“顶上”，提升了整套系统的安全性和稳定性。
当然了，除了上面三家锋芒毕露的企业，还有不少企业在垂涎自动驾驶芯片这块蛋糕，其中包括高通、赛灵思、恩智浦等，但这些企业真正走向量产车的自动驾驶芯片还不成规模，限于篇幅，这里就不作介绍了。
● 迅速崛起的中国自动驾驶芯片企业
好了，看完国外的情况，我们目光回到国内。自动驾驶芯片市场火爆，国外科技巨头抢滩登陆，中国企业究竟实力怎么样呢？下面我们一起来看看。
◆ 寒武纪
中科寒武纪科技股份有限公司（下称“寒武纪”）的前身是中国科学院计算技术研究所下，由陈云霁和陈天石两兄弟领导的一个课题组。该课题组在2008年开始研究神经网络算法和芯片，并在2012年开始陆续发表研究成果。
2016年，上述课题组提出的深度学习处理器指令集DianNaoYu被ISCA2016所接受，实验表明搭载该指令集的芯片相较于传统执行X86指令集的芯片，在神经网络计算方面有两个数量级的性能优势。随着课题组的研究成果趋于成熟，中科寒武纪科技股份有限公司正式成立，并着手将其芯片和指令集向商业领域转化。也是在2016年，寒武纪发布了首款商用深度学习处理器寒武纪1A。
聊完这家公司的身世，下面我们来看看它的产品。目前寒武纪有两款最新的人工智能芯片IP授权，分别是Cambricon-1M和Cambricon-1H。性能指标最强的Cambricon-1M-4K在1GHz时钟频率下拥有8TOPS的算力；性能指标最弱的Cambricon-1H8mini在1GHz时钟频率下拥有0.5TOPS的算力。所有型号的详细算力参数可以参看下表。
Cambricon-1M和Cambricon-1H被定义为终端智能处理器IP。我们在手机或者汽车这些终端上出现的人脸识别、指纹识别、障碍物识别、路标识别等应用都能通过在芯片中集成上述处理器IP实现加速。
上面提到的“边缘”一词来自于“边缘计算”。 边缘计算是指在靠近智能设备（终端）或数据源头（云端）的一端，提供网络、存储、计算、应用等能力，达到更快的网络服务响应，更安全的本地数据传输。边缘计算可以满足系统在实时业务、智能应用、安全隐私保护等方面的要求，为用户提供本地的智能服务。思元220在边缘计算中扮演着提高数据安全、降低处理延时以及优化带宽利用的角色。
目前寒武纪高算力芯片产品被定义为智能加速卡，可用于服务器中加速人工智能运算。谷歌的AlphaGo人工智能机器人打败韩国世界围棋冠军李世石的新闻相信各位有所耳闻，AlphaGo人工智能机器人的背后其实是谷歌自研的TPU芯片。寒武纪的高算力芯片产品的特性和应用也与谷歌TPU类似，当然它们之间也可以算是竞争对手了。
所不同的是思元270-S4采用的是被动散热设计，最大热设计功耗为70W，定位为高能效比人工智能推理设计的数据中心加速卡。这也意味着该卡会有“功耗墙”设定，即当加速卡功耗达到阈值上限时会降低算力以保证较低的功耗和发热。
思元270-F4相当于是“满血版” 思元270-S4，最大热设计功耗150W，采用涡轮风扇进行主动散热。良好的散热和充足的供电使得思元270-F4能够发挥出思元270芯片的全部性能。该卡定位是为桌面环境提供数据中心级人工智能计算力，简而言之就是为台式机配的高性能人工智能加速卡。
虽然思元270在制造工艺上只采用了台积电的16nm工艺，但整体能耗比还是做得比较不错的。虽然单卡算力不及最新的英伟达旗舰计算卡，但5张思元270-S4/思元270-F4并行的话，峰值算力也能达到英伟达A100的水平。只是英伟达A100更先进的工艺应该在能耗比上面会有一定的优势。
其中思元100-C搭载了视频和图像解码单元，采用被动散热方式，最大热设计功耗为110W；思元100-D不搭载视频和图像解码单元，采用被动散热方式，最大热设计功耗为75W。目前思元100系列产品已经于2019年在滴滴云和金山云上得到应用。其中滴滴云采用思元100板卡加速弹性推理服务，该服务用于深度学习推理任务；而金山云则采用思元100板卡加速语音、图像、视频等人工智能应用。
前面讲的尽是服务器级的计算卡，这是不是偏离了我们应该聊的自动驾驶芯片话题呢？其实不然。前面也提到了，寒武纪目前是一家专注于人工智能芯片开发的企业，自动驾驶领域确实涉足不深，但通过和其他国内友商的联合还是有一些建树的。
WiseADCU CN1自动驾驶运算域控制器提供了L3或以上级别自动驾驶系统所需的算力以及传感器连接数量需求，实现了仿真、模型、系统、架构、编码、加速、算法七个关键控制点的自主可控。
实际上威盛集团由于处理器产品性能竞争力弱，早就退出了主流X86处理器市场的竞争，市场中就剩下英特尔和AMD在角力。兆芯成立后，吃透了威盛的X86技术，并在威盛当时最新的处理器架构基础上进行全面的改进和优化，先后推出了ZX-A、ZX-C以及ZX-C+等处理器产品。
6月2日，科创板上市委发布2020年第33次审议会议结果公告，寒武纪上市获得通过，从受理到审批通过，寒武纪只用了68天，刷新了科创板审核速度。寒武纪上市后成为A股中唯一一家人工智能芯片公司，该领域的市场空间在2022年有望超过500亿美元，发展潜力巨大。打通了A股融资渠道的寒武纪究竟能否凭借其独特的技术优势进一步发展壮大呢？这谁都说不准，但可以确定的是，寒武纪的成功上市让很多投身于该领域的公司赢得了信心，看到了希望，中国人工智能芯片时代或将由此开启。
◆ 地平线机器人
好了，聊完寒武纪，我们来聊聊另外一家人工智能芯片企业——地平线机器人技术研发有限公司（下简称“地平线”）。地平线是由前百度深度学习研究院常务副院长余凯于2015年创立的，专注于自动驾驶与人工智能芯片的一家公司。余凯也是百度自动驾驶的发起人。
余凯建立的地平线，一直以来坚持的是软件和硬件相结合的方向。他认为，算法、芯片和云计算将构成自动驾驶的三个核心支点。相比起前面介绍的寒武纪注重打造高性能硬件芯片，地平线的商业模式是把以“算法+芯片”为核心的嵌入式人工智能解决方案，提供给下游厂商。打个比方比较好理解，如果说寒武纪卖的是处理器芯片，那么地平线卖的就是安装了操作系统的整机。产品方面，相较寒武纪从终端到云端的芯片产品布局，地平线虽然自研芯片，但更偏重的是以产品功能来划分产品线。
硬件上，征程二代芯片内部集成了两个Cortex A53核心、两个自研的BPU（Brain Processing Unit，可用于加速人工智能算法）核心、DDR4内存控制器以及输入输出控制器，算力达到4TOPS，典型功耗为2W，这比起目前主流的Mobileye EyeQ4芯片的算力和能耗比都更优秀。
这些智能音箱有较强的自然语义识别功能，能够识别人们发出的语音命令，结合物联网技术，人们通过简单的语音命令除了能够让音箱播放在线音频资源外，还能够控制各种家电，如开关、灯泡、风扇、空调等。这就是AIoT的一个最简单的应用例子。
从硬件方面看，旭日二代芯片内部集成了两个ARM Cortex A53核心、两个自研的BPU核心、DDR4内存控制器以及输入输出控制器，算力达到4TOPS，典型功耗为2W。从参数上看，旭日二代和征程二代好像没什么差别，实际上征程二代可以看做是旭日二代的车规版，它满足AEC-Q100标准，在工作温度、电磁辐射等标准上会更高一些。虽然征程二代和旭日二代均采用台积电28nm工艺制造，但旭日二代芯片尺寸为14x14mm，比征程二代芯片17x17mm的尺寸更小，更有利于内嵌到AIoT设备当中。
和寒武纪一样，地平线同样拥有自研的人工智能加速芯片技术。所不同的是，地平线更注重软件和硬件的整合，从而为下游厂商提供成熟的解决方案。在资本市场，地平线同样受到追捧，其投资者众多，其中包括了世界半导体行业巨头英特尔和SK海力士以及国内的一线汽车集团等。未来地平线是否会和寒武纪一样登录科创板目前还不得而知，但CEO余凯对于在科创板上市是持积极态度的。我个人是支持有更多像地平线这样的企业登录科创板，更充分的竞争可以避免垄断同时促进该领域的加速发展。
◆ 西井科技
西井科技创办于2015年，它起初是一家做类脑芯片的厂商。所谓的类脑芯片简单来说就是以人脑的工作方式设计制造出来的芯片。目前大行其道的冯?诺依曼结构处理器芯片，其计算模块和存储单元是分离的，芯片工作的过程中需要通过数据总线来连接计算模块和存储单元，数据传输上的开销太大从而限制着这类芯片的工作效率和能耗比的提升。
类脑芯片模仿的是大脑神经元的工作形式，大脑的处理单元是神经元，内存就是突触。神经元和突触是物理相连的，所以每个神经元计算都是本地的，而从全局来看神经元们是分布式在工作。类脑芯片由于具有本地计算和分布式工作的特点，所以在工作效率和能耗上相比冯?诺依曼结构处理器芯片更有优势。
虽然这种类脑芯片看着和普通的处理器芯片在外观上没有什么不同，但其实内部运作原理与传统的处理器芯片有着本质的区别。国内除了西井科技开发出了类脑芯片，像是清华开发的天机（TianJic）芯片和浙大开发的达尔文（DARWIN）芯片都是类脑芯片。所不同的是，西井科技的DeepSouth芯片是全球首块可商用5000万类脑“神经元”芯片。
西井科技这艘大船拿着投资人动辄过亿的投资款，肯定是要追求盈利的。不管公司的技术有多超前，无法商业化在逐利的资本市场必然是无法接受的。随着人工智能和自动驾驶产业的兴起，西井科技找到了技术商业化的契机。
相比起我们前面两个厂商动辄上百TOPS算力的产品，西井这两款产品的算力确实有点拿不出手。但西井科技的这两款芯片能够实现片上学习，可以随时新增样本进行增量训练来提升推理准确率。
可能大家看到这里还是没看懂西井科技这两块芯片的优势所在，我在这里稍微解析一下大家就能够明白。目前的自动驾驶算法都是通过高性能服务器进行模型训练（让计算机去看摄像头或激光雷达等传感器获取的环境数据，学习目标判断方法），然后将训练好的模型再部署到车载硬件之中（把机器学习到的高效目标判断方法固化到车载自动驾驶系统之中）。
在实际应用方面，西井科技并没有一头冲进乘用车自动驾驶系统领域，而是在智能港口和智能矿场干出了自己的一片天地，并把触角伸向了智慧医疗和智慧物流领域。2017年10月，公司与全球知名港机巨头振华重工建立长期合作伙伴关系，这是西井科技进军智能港口的重要一步。
自动驾驶卡车要在港区自动装卸集装箱，需要自动驾驶系统精细的车辆控制、敏锐的环境识别以及准确的定位，这些都需要港区高清地图配合。西井科技的无人集装箱卡车定位精度在5cm以内，这是实现集装箱自动装卸的关键。全球首辆港区作业无人集装箱卡车作业成功，充分展现了西井科技在卡车自动驾驶系统以及高精度地图绘制领域的实力。
除了自动驾驶和高清地图绘制外，西井科技还为企业打包了一整套智能港口和智能矿场解决方案，利用人工智能技术提升港口和矿场的运作效率，同时能够进一步降低其运营成本。深挖行业中存在的机遇，逐步筑起行业壁垒是西井科技面对人工智能芯片市场激烈竞争的重要策略。
作为全球最早落地行业应用的自动驾驶团队，西井科技旗下自动驾驶品牌Qomolo逐路目前涵盖了无人驾驶跨运车、无人驾驶新能源集卡和无人驾驶矿卡三大项目。
面对乘用车自动驾驶芯片领域的激烈竞争，我认为短期内西井科技不会进入该领域。相反它会通过深耕已有的智能港口、智能矿场以及无人驾驶重卡市场，进一步筑高上述市场的壁垒，扩大自身的行业影响力和竞争力。但不能忽视的是，西井科技掌握的类脑芯片技术或有可能成为未来自动驾驶芯片领域的一个风口。
上文详细介绍中国3家知名自动驾驶芯片公司及其产品，相信大家应该对目前国内自动驾驶芯片现状有了一个更深了解。除了这三家公司，数字地图供应商四维图新通过收购杰发科技也布局自动驾驶芯片市场，但量产芯片目前尚未落地。百度的昆仑芯片以150W的功耗实现了260TOPS的算力，竞争力很强，但其定位为云端全功能人工智能芯片，主要用在服务器之上。百度在自动驾驶领域的亮点还是在于其Apollo自动驾驶软件平台。
● 全文总结：
寒武纪、地平线、西井科技这三家公司都有着各自的特色和亮点。寒武纪专注于芯片研发，产品算力最强；地平线除了研发芯片，还提供完整的自动驾驶软件方案，对主机厂开发更友好；西井科技掌握独特的类脑芯片设计，在智能港口、智能矿场以及无人驾驶卡车领域已经站稳了阵脚。整体来看，中国自动驾驶芯片在性能和功耗上和外国芯片相比并不差，如何在中国开放L3级别有条件自动驾驶车辆落地这个时间节点用产品和服务先发制人是中国自动驾驶芯片企业的制胜关键。究竟鹿死谁手，让我们拭目以待吧，好戏即将上演！（图/文/汽车之家 常庆林?部分图片源于网络）
四、寒武纪发布第三代云端AI芯片思元370 产品进入早期销售阶段
11月3日，寒武纪(688256)发布第三代云端AI芯片思元370、基于思元370的两款加速卡MLU370-S4和MLU370-X4、全新升级的CambriconNeuware软件栈。
基于7nm制程工艺，思元370是寒武纪首款采用chiplet（芯粒）技术的AI芯片，集成了390亿个晶体管，最大算力高达256TOPS(INT8)，是寒武纪第二代产品思元270算力的2倍。思元370也是国内第一颗支持LPDDR5内存的云端AI芯片，内存带宽是上一代产品的3倍，访存能效达GDDR6的1.5倍。
同时，寒武纪全新升级了CambriconNeuware软件栈，新增推理加速引擎MagicMind，实现训推一体，显著提升了开发部署的效率，降低用户的学习成本、开发成本和运营成本。
新一代智能处理器架构
寒武纪智能处理器架构MLUarch03，拥有新一代张量运算单元，内置Supercharger模块大幅提升各类卷积效率；采用全新的多算子硬件融合技术，在软件融合的基础上大幅减少算子执行时间；片上通讯带宽是上一代MLUarch02的2倍、片上共享缓存容量最高是MLUarch02的2.75倍；推出全新MLUv03指令集，更完备，更高效且向前兼容。
值得强调的是，寒武纪坚持自研智能芯片架构、指令集，是全球范围内在该技术方向积累最为深厚的公司之一。MagicMind是寒武纪全新打造的推理加速引擎，也是业界首个基于MLIR图编译技术达到商业化部署能力的推理引擎，用户仅需投入极少的开发成本，即可将推理业务部署到寒武纪全系列产品上，并获得颇具竞争力的性能。
思元370升级了视频图像编解码单元，可提供更高效的视频处理能力和更优的编码质量，支持更复杂、更繁重、低延时要求的计算机视觉任务。
此次发布中，两款基于思元370的加速卡正式亮相：高密度、半高半长、功耗75W的MLU370-S4智能加速卡和高性能、全高全长、功耗150W的MLU370-X4智能加速卡。与上一代产品相比，370系列加速卡在性能、能效方面都有更为卓越的表现。例如，对标准ResNet-50v1进行软件定制优化后，MLU370-X4加速卡性能高达30204fps。
据了解，此次寒武纪发布了两款加速卡，未来还将推出更多基于思元370的产品。
产品进入早期销售阶段
从云端推理思元270、边缘推理思元220、云端训练思元290，到最新发布的推训一体思元370，寒武纪为用户提供了覆盖不同场景、不同算力规模的全系列产品。此次发布的256TOPS算力的思元370主要面向中高端推训场景，与主要面向训练的512TOPS高端产品思元290形成协同，共同为客户提供全功能、全场景的智能算力。
思元370在2020年三季度流片，相关加速卡产品于2021年二季度陆续送测客户。目前，部分客户已完成测试、导入，产品进入早期销售阶段。
阿里云基础设施异构计算负责人张伟丰博士表示，阿里云基础设施异构计算团队已经完成了思元370的测试及导入，结合阿里云震旦异构计算加速平台完成了ODLA的接口适配，总体性能表现超出预期。百度异构计算架构师黎世勇表示，自2018年起，百度与寒武纪展开了多维度的软硬件协作，思元100等产品服务百度语音合成等多种业务场景。
日前寒武纪发布了2021第三季度业绩报告。2021年前三季度，寒武纪营业收入2.22亿元，同比增长41.19%；研发投入合计7.04亿元，同比增加62.62%，研发投入占营业收入的比例为316.72%，同比增加41.74%。
资料显示，寒武纪自成立以来一直专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片。寒武纪的主营业务是应用于各类云服务器、边缘计算设备、终端设备中人工智能核心芯片的研发、设计和销售，以及为客户提供丰富的芯片产品与系统软件解决方案。目前，寒武纪的主要产品线包括云端产品线、边缘产品线、处理器IP授权及软件。
以上就是关于边缘计算芯片相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。
推荐阅读：
赣公网安备 50019002502384号
