汽车智能化的趋势日益明显，底层智能驾驶芯片成为国内公司竞争的焦点。成立于2022年1月的奕行智能定位于汽车AI计算芯片公司，其核心团队拥有多年的车载芯片和AI行业经验，现已完成了累计数亿元的融资。目前其产品主要聚焦于智能汽车的AI场景。今年奕行智能计划推出两款基于AI计算架构的端侧算力产品，明年将计划推出更大规模的大算力芯片产品。

  刘珲指出，智能汽车对应的AI应用场景很丰富，而智能驾驶又是车上AI应用场景中对模型泛化和通用性要求最高。在智驾领域里能够把通用做好的产品除英伟达以外并不多，因此围绕通用性这个需求特点智驾芯片的市场机遇是比较大的。智驾场景从当前辅助驾驶阶段，到正在落地的开放道路的部分无人驾驶，再到更远未来全局智能交通系统驱动的高阶无人驾驶。在一次次重构中，不仅革新人们的出行方式，更是在推动底层的软硬件迭代和重构。

  比如在智驾领域的算法从过去基于CNN算法的多个不同任务的感知的网络向以Transformer为基础框架的BEV大模型演进。在特斯拉证明BEV的可行并成功量产后，BEV技术正被各大车厂作为今明两年重大落地的新一代算法模型。然而BEV作为新一代无人驾驶感知算法，在传统AI加速芯片部署上会存在一定难度。“Transformer的算法特点让过去围绕CNN模型定制的AI芯片很难高效部署”，Transformer模型对访存要求相对传统CNN算法会高出很多，同时Transformer内的非线性层有非常高的精度要求，相应需要更多的浮点计算资源。其次Attention模块是一个matmul-softmax-matmul的结构，在序列长度比较大时，Reduce维度的计算对Vector（向量）计算资源要求非常多。此外BEV模型里Grid Sample算法里还有一些类似聚合、分散的特殊算子。所有这些计算需求在传统的AI芯片在硬件上难以满足，使得对于BEV这种复杂的大模型部署难以超高的性价比的方式量产落地。

  刘珲还提到另一个挑战，作为一个端侧设备，车载芯片的成本和功耗都是有约束的，怎么在算力红线下，提高NPU的硬件效率和可编程性显得很重要。从提高效率层面需要NPU硬件与编译器协同设计，通过更好的优化和部署计算任务来更高效地填满硬件，从而提升硬件的利用率，并且要考虑如何更加方便快捷调用每一单位的算力。因此这就要提升NPU的可编程性，包括从硬件体系架构上打造充分可编程的硬件和软件上构造抽象层次更高的编程界面。

  从高纬度来看，无人驾驶应用场景不断演进，对AI计算架构的需求也在不断演进。早期ADAS的应用场景简单，算法模型较单一，所以与算法绑定高度定制的AI核被市场接受，能快速解决应用场景有与无的问题；第二个阶段（也就是现阶段）是NOA应用启动时代，模型种类及数量的增多，加之泛化要求变高，使得通用型较强的GPGPU在率先布局NOA应用的高端车上成为主要的解决方案。但跟着时间推移，NOA应用普及及车厂对降本增效的诉求愈发强烈，因此，第三阶段在满足第二阶段和成本效益的情况下，能够兼顾通用性和能效的GP-DSA架构将会成为产业主流。刘珲认为，“从中长期来看，一个在领域内通用性更强，又能比GPGPU效率更加高、能进化的DSA的AI计算架构会慢慢的有希望。”

  从全球视野来看，目前有很多大厂慢慢的开始布局定制开发自己的AI计算架构与硬件内核。需要我们来关注的是几家头部大厂如Google、Meta、Tesla以及头部的独角兽公司如Tenstorrent等都不约而同的采用RISC-V指令集来构建整个AI计算体系。与这一些企业类似，奕行智能在国内率先把RISC-V用在百Tops以上的大算力AI并行计算领域，通过在内核上构建强大的指令和数据并行，使奕行智能的整个计算架构的性能达到行业领先的水平。刘珲表示，使用RISC-V并非要替代作为无人驾驶芯片主处理器的ARM内核，而是结合RISC-V的架构开放性和可扩展性将其用在AI计算领域，通过结合RISC-V通用性与DSA核架构的效率，使其能在两者上有较好的兼顾。同时结合微架构上的创新，使得整个内核能在相比GPU更小的算力能获得数倍于GPU的智驾网络推理性能。

  在大模型芯片部署中，编译器是AI模型能够以最高性能和最低功耗高效运行的关键，AI领域应用的大量出现也促进着领域编译的发展。“解决Memory Bound需要硬件微架构与软件编译器联合优化。“像许多其他的科技指标一样，AI芯片的计算性能也有理论上的极限，从Roofline Model能够准确的看出平均带宽需求和峰值计算能力像天花板一样是总系统计算的能力上限，以计算强度上限Imax为界，划分出AI芯片的两个瓶颈区域，即图中橘色的内存受限区（Memory Bound）和图中蓝色的计算受限区（Compute Bound）。刘珲提到要想让增加的算力真正能提高系统性能必须让算法所处的区域落在计算受限区域，这一定要通过软硬协同设计的方式来达成，这就像畅通的交通除了需要基于交通流量合理设计的硬件基础设施，也需要有基于硬件基础设施合理设计的交通调度系统。

  最后，刘珲也提到GPU架构把大的计算任务切分给多个小核并且软件基于Kernel执行数据来回在DDR与片内交互，这样导致的问题是更多的数据交互的开销和功耗。奕行智能的AI芯片与之不同的是针对智驾模型的微架构设计优化以更少的数据交互开销来完成计算任务并使大部分的计算驻留片上完成，从而获得更加好的PPA。

  “大模型”时代的到来，让AI产业与包括汽车在内的传统行业或新兴起的产业产生了更多交集，AI进一步的发展和成熟更是为无人驾驶技术带来了巨大的推动力。未来奕行将持续在AI计算架构这块领域上进行更多的创新与探索，帮助更多合作伙伴解决当前无人驾驶在AI模型的推理性能、能效、模型泛化的支持、AI编程的易用性、硬件操作的自由度以及成本上等多重维度的核心痛点，加快AI技术在自动驾驶领域的落地应用与创新发展。

  近几年，随着计算机技术和电了技术的飞跃式发展，通过不断的系统功能集成和优化，网络覆盖面积和传输稳定性日益增加，将传统模拟视频监控系统中的模拟信号部分已舍弃，完成了全数字化的视频监控系统，并加入了AD转换功能，使整个视频数据能在网络上进行传输，满足了各类行业部门及家庭对网络可视化业务的需求。这种全数字化的视频监控系统存系统设备规模和系统功能性上，较之前的模数混合型系统，有了巨大的变化和升级。一般网络视频监控系统只需要摄像机、路由器和计算机就能搭建，拓扑结构相对比较简单。利用计算机的强大的解决能力，改善了监控系统的控制效率、提高了监控系统的智能化和采集图像的质量。基于网络技术搭建的系统结构，结构清晰、布线简单、系统扩展性强，并且一台主控计

  软件的结构、设计和应用 /

  汽车产业正在被 人工智能 技术重构。如同蒸汽机之于 工业 革命的意义， 智能 驾驶慢慢的变成了人类社会自发明汽车以来的一大颠覆性创新，持续推动汽车 产品 、整车市场格局和产业链变革，而数据和算力是驱动汽车智能化加速的两大动力。 关于智能驾驶发展的趋势，业内普遍认同的观点是:智能驾驶汽车将在2025年前后开始一轮爆发式增长。智能驾驶汽车在传统驾驶的 电子 电气 架构基础上，引入基于智能驾驶 芯片 的智能驾驶模块，搭载各类车载 传感器 、 控制器 、执行器等装置，并融合了现代 通信 、 网络 和计算技术，使得车辆具备复杂环境感知、智能决策、协同控制等功能，从而极大的提升驾驶的自动化和智能化。 未来，汽车将从最常用的交通工具变成最大的

  发展现状 /

  摘要： 介绍了在VB开发环境下，对PCI设备做底层访问的两种方法：一种是通过用用户自己编写的动态连接库（DLL）实现，二是利用WINDRIVER提供的VB运行库编写直接访问硬件接口函数，并对两种方法行了比较。     关键词： WINDRIVER PCI 动态连接库 应用程序接口 VB集成化编程语言一种功能强大而容易上手的开发工具，在用户界面、数据库、多媒体、网络编程等方面，VB可谓得心应手。然而VB有限的硬件编程能力以又使得许多硬件开发者对此深感无奈。尤其在工业控制，测控技术等领域，自行设计开发的I／O卡，数据采集卡等在WIN32下的驱动常常需要借助DDK，VtooIsD等工具进行艰苦而又长期的内

  全球智能驾驶汽车市场正处在爆发的前夜。 根据艾瑞咨询的报告多个方面数据显示，到 2023 年，全世界内具备智能驾驶功能的车辆将达到约 6000 万辆，L1/L2 级无人驾驶功能的渗透率将接近 50%，L3 级无人驾驶功能的市场渗透率也会来到 7%。 就从眼前来看，全球智能汽车的急先锋特斯拉，凭借着对车辆的智能化和自动化革命，其股价不断创造新高，总市值已突破 2000 亿美元。 这也体现了整个市场对智能汽车的发展保持着超高的预期。 国内智能驾驶市场蓄势待发 我们将视角转到国内：经过这两年的加快速度进行发展，很多合资品牌、自主品牌、造车新势力们在 ADAS 功能与智能驾驶系统的量产上车上，呈现出你追我赶的态势。 据佐思产研统计

  争夺战 /

  bootstrap文件夹内容如下图: 在board/sama5d3_xplained目录下，有官方的默认配置文件 sama5d3_xplainednf_linux_uimage_dt_defconfig 从nandflash启动直接跳转到uimage类型内核阶段 sama5d3_xplainednf_linux_zimage_dt_defconfig 从nandflash启动直接跳转到zimage类型内核阶段 sama5d3_xplainednf_uboot_defconfig 从nandflash启动直接跳转到uboot阶段 sama5d3_xplainedsd_linux_uimage_dt_defconfig 从SD

  ]bootstrap移植裁剪及编译 /

  Intel今年正好50岁，对寻常的Intel来说，这应该是值得庆祝的一年，但对现在的Intel来说，50岁成为了一道坎，困难重重。 比如半导体“一哥”(按收入)的位置被三星抢走、桌面与服务器市场CPU的份额遭AMD猛烈冲击，还有一点，熔断/幽灵/L1TF等底层安全漏洞让用户对其产品“质量”的信任产生了动摇。 对此漏洞问题，用户比较大的槽点就是当下软修复所造成的性能损失。对此，Intel曾强调，今年底服务器平台的新Xeon(Cascade Lake)和消费级Cannon Lake将从底层免疫。 在Hotchips“硬核”大会迎来最后一天之际，Anandtech曝光了Intel的PPT，严格来说，Intel的所谓“硬件级防御”的说法依

  “地平线认为，未来的汽车将会是四个轮子架一个AI智慧电脑的形式，车也能成为移动办公室和移动娱乐场所。” 10月23日-26日，中国国际社会公共安全产品博览会在中国国际展览中心新馆举行。23日下午，拥有国际领先软硬结合AI核心技术的人工智能创业企业地平线发布了其基于AI芯片的未来城市解决方案。 地平线创始人&CEO余凯在演讲中称：现代城市每时每刻都产生大量的数据，这也带来属于人工智能，尤其是边缘计算的巨大机会。 ▲余凯 余凯称，地平线专注边缘计算，让设备在端就有即时处理数据的能力。在未来城市场景中，计算的实时性很重要。他举了无人驾驶这个有代表性的例子：“对无人驾驶而言，端的及时响应则可能大大

  公司 /

  2018年谷歌I／O开发者大会于美国当地时间5月8日举办，谷歌发言人在会上表示将全力发展AI，并将应用在公司日后的大部分研发中。同时也表示谷歌开发平台将需要更多研发者利用AI进行开发，这是今年谷歌下的最大决定。作为一家领先的科技公司，在手机视觉传达也公布了最新研发成果——Google Lens．并更新了GooglePHotos．利用摄像头进行照片识别，及AR导航等。大方向已经指明，视觉是AI最直接的反映。 所以计算机视觉成为最先被众多购买的人认可且认定为AI早期可看到的形态。你能通过手机摄像头进行面部识别解锁，通过摄像头进行购物。利用AI底层技术实现对面部的细节捕捉，通过数据的深度学习技术，准确的识别面部特征，保证安全性。 AI视

  思维 (张建飞)

  高级CC++编译技术(Advanced C and C++ Compiling) (Milan Stevanovic (译)卢誉声)

  直播回放: RSL15 - 安森美更高效更智能更安全的 BLE 5.2 蓝牙芯片

  【电路】CS5466应用原理图TypeC转HDMI8K30HZ+PD+U3拓展芯片原理图

  电源小课堂 从12V电池及供电网络优化的角度分析电动汽车E/E架构的趋势

  MPS电机研究院 让电机更听话的秘密！ 第一站：电机应用知识大考！跟帖赢好礼~

  恩智浦发布新一代MCX A微控制器，凭借升级的MCU功能和完善的开发平台，推动更多创新技术

  恩智浦新一代MCX A系列MCU配合市场所熟知的FRDM开发平台，以经济高效的方式综合优化性能并配备自主式外设，为打造智能边缘应用奠定基础中 ...

  性能改进持续推动车载应用发展，提升驾驶员体验存储器解决方案的全球领导者铠侠株式会社宣布，该公司已开始提供业界首款(2)面向车载应用的 ...

  这家产品对标英伟达的公司，在去年A股市场诞生了“史上最贵ST股”的神线日，中国证券监督管理委员会官网发文表示，初步查明＊ST左江2023年披露的财务信息严重不实，涉嫌重大财...

  运行时环境（RTE）AUTOSAR CP运行时环境（RTE）是AUTOSAR架构中的核心组件，它实现了AUTOSAR虚拟功能总线（VFB）的接口，并提供了通信基础 ...

  AUTOSAR软件开发流程是指在AUTOSAR架构下进行软件开发的一系列步骤和方法。它包括以下几个主要阶段：需求分析：在此阶段，根据汽车电子系 ...

  嵌入式处理器嵌入式操作系统开发相关FPGA/DSP总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科