恩施信息港

当前位置:

中国汽车研究中心长安汽车美国研发中心在底

2019/05/15 来源:恩施信息港

导读

1 : 长安汽车美国研发中心在底特律挂牌成立[聚知识 消息] 2011年1月18日,长安汽车美国研发中心在底特律正式挂牌成立。至此,继意

1 : 长安汽车美国研发中心在底特律挂牌成立

[聚知识 消息] 2011年1月18日,长安汽车美国研发中心在底特律正式挂牌成立。至此,继意大利、日本、英国等海外中心以后,长安汽车“5国9地”的全球研发布局基本完善。

『长安汽车美国研发中心开幕仪式现场』

此次成立的美国研发中心,将专攻汽车底盘技术,包括底盘性能开发、底盘工程化设计、底盘技术研究、和底盘制造工艺研究等。新开发的各项底盘技术,将主要利用于长安汽车未来自主研发的中高级轿车及SUV车型。

『长安汽车美国研发中心』

自2007年以来,长安汽车前后在乎大利都灵、日本横滨建立海外研发中心,2010年6月,英国诺丁汉中心也正式建成,加上此次成立的美国底特律中心,和分别位于重庆、上海、北京、哈尔滨和江西,长安汽车已成功构筑起直通欧、亚、美洲大陆、立足国内外重要汽车技术中心城市的“5国9地,各有侧重”全球研发体系。

而在海外研发中心中,其中意大利研发中心主攻汽车外形设计、日本研发中心主攻汽车内饰和模型、英国研发中心主攻发动机和变速器、美国研发中心主攻汽车底盘技术。(编译/聚知识 曾晓云)

相干文章:

将产中高端车型 长安北京建乘用车基地

2 : AI产业核心研究:芯片4大流派论剑 中国能否弯道超车

随着AI产业快速突破,各大公司在AI领域的人才动向也在引发极大关注,你来我往、归去来兮,AI江湖上大有1片血雨腥风之势。固然,AI领军人物的变动,会对具体公司业务造成影响。但从全部行业来看,人才活动的频繁,反倒有可能促进产业的整体进程。

不信你翻翻历史。AI这门工夫自1956年问世以来,至今已历60年风风雨雨,1直是流派众多,难学难练,没有大成。

难学,是由于必须要掌握1种叫做算法的神功;难练,是由于需要有足够算力,能够处理数据样本,训练机器。

几10年来,1直是有算法没算力,乃至于有人认为,人工智能就是1个科幻,就是小说家跟人类开的1个玩笑而已。谁也没想到,进入21世纪后算力大爆炸。引发了全部AI产业开天辟地般的变化。

其中,算法上升为天深度学习,分成DBN,CNN,BP,RBM等等诸多分支,其中佼佼者当属CNN(convolutional neural networks),人称卷积神经络,利用广泛。

算力,降落为地AI芯片。各种芯片如雨后春笋出现,拿过来训练机器,得心应手啊。

庙堂之上也为AI驾临人间雀跃不已。世界各国意想到人工智能的重要性,纷纭箪食壶浆,以迎AI。

联合国于2016年发布告示,召集人类讨论机器人的制造和使用如何增进人工智能的进步,和可能带来的社会与伦理问题。

美国政府于2016年连续颁发3道金牌:《美国国家人工智能研发战略计划》、《为人工智能的未来做好准备》、《人工智能、自动化与经济报告》,宣称加入人工智能教派,并且描绘了此举能带来的种种美好的前景。

英国政府见此立即照方抓药,刊发了《机器人技术和人工智能》报告,详细的论述英国的机器人技术与AI的密切关系。

有算法有算力,天地已定。有政策有战略,和风细雨。正是产业萌芽,草长莺飞,欣欣向荣的时刻。人材的活动正是产业加速的信号。

书归正传。芯片定义了产业链和生态圈的基础计算架构,正如CPU是IT产业的核心1样,芯片也是人工智能产业的核心。

话说天下AI芯片共分4大流派:

GPU,目前锐气正盛,恰似东邪,凭仗并行计算构成先发优势。

FPGA,蛰伏北方,正在背后合纵连横,大有号令群雄的势头,恰似丐帮。

ASIC,割据南方,占据了大片市场,参与的公司林立。

类脑芯片,这个更邪性,打算直接复制大脑,也隐藏着问鼎中原的野心。

根据互联公然发布信息,今年,4大流派已派出几10路高手,参与西岳论剑,这些高手均属于芯片设计期高手。

这些高手都有甚么特点?谁能逐鹿中原?下文逐一分析。

GPU1派

市场上名望的应当是GPU1派。GPU,也称视觉处理器,专门用于图像及相干处理的芯片。

2012年,Alex Krizhevsky,多伦多大学的博士研究生,凭此在ImageNet大赛上夺下了2012届的。Alex提出了1个奇妙的模型,仅凭仗两个GPU就获得了训练深层神经络的效果。江湖顿时为之轰动,因而引发了GPU训练神经络的风潮。要知道,AI领域过去曾用CPU处理数据,但CPU效率太低。

当年,谷歌曾花费巨资购买1.6万个处理器,堆成谷歌大脑,峰值功耗在10万瓦以上,占地面积数10平方米。试问天下,有几人能玩的起1.6万个处理器?

随着 AlexNet的划时期论文横空出世,因而GPU 在服务器端横扫天下。

有人会问,CPU和GPU,都是处理器,二者有甚么不同?

与CPU相比,GPU 出现得远比 CPU 晚,但并行计算能力能却常令CPU望尘莫及。并行计算是相对串行计算来说的。要知道,自计算机诞生以来,电脑编程几近1直都是串行计算,绝大多数的程序只存在1个进程或线程,好比1个人只能先吃饭再看聊天。

但更多人喜欢边吃饭边聊天怎样办?遇到这类问题,串行计算就傻眼了。并行计算1次可履行多个指令的算法,能够完善解决吃饭聊天困难。解决方式可分为时间上的并行和空间上的并行。时间上的并行就是指流水线技术,而空间上的并行则是指用众多个处理器并发的实行计算。

深度学习所依赖的是神经系统络,通常络越深,需要的训练时间越长。对1些络结构来说,如果使用串行的X86 处理器来训练的话,可能需要几个月、乃至几年,因此必须要使用并行乃至是异构并行的方法,才有可能让训练时间变得可以接受。

在当前的人工智能芯片领域,GPU的利用领域不容小觑,据Jon Peddie Research(简称JPR)市场调研公司统计,在2008至2015年期间,除2008年GPU市场范围稍有降落,其余年份全球独立显卡的出货量和销售额都显现出明显的上升趋势,并且在2012至2015年有加速上升的表现。

GPU领域只有两大公司,1是英伟达,占市场份额约7成,另外一位则是万年老2AMD,占市场份额约3成。

从GPU用户数量来看,根据英伟达2016年的财务报告,相比2013年的100家,2014年的1549家,2015年已有3409家机构或企业使用英伟达的GPU产品,从事人工智能的研究。这些企业和机构包括各大高等院校的人工智能实验室,互联企业,军事企业等。

AMD虽然落后于英伟达,但2016年的市场份额已显现出上升趋势,在发布了代号Vega织女星的GPU芯片,市场1片叫好,未来可能有继续上升的趋势。

不足的是,GPU 的很费电(比如高端显卡动辄200W+),1旦开启,散热就成了麻烦事。

FPGA1帮

GPU美中不足的是就是太贵了,太贵了,而且有副作用,降温是大个问题。怎样办?

赛灵思等公司改进了FPGA许多技术,使之价格便宜功耗又很低,操练起来更有趣。因此,跟随FPGA的愈来愈多,构成了1大流派。

FPGA是从哪里来的呢?

原来早在1984年赛灵思就发布世界上FPGA,当时的FPGA晶片尺寸很大,但本钱却不低。1992年后,FPGA因采取新工艺节点,第1次出现了在FPGA上实现卷积神经络。但直到2000年后,FPGA丹法结合了易容术后才略有小成,易容术是指FPGA 已不但是门阵列,还是集成有可编程逻辑的复杂功能集。2008以来,FPGA不光可以越来越多地整合系统模块,集成重要的控制功能,还可使用更高效的系统编程语言,如OpenCL和C语言,通过类似软件的流程来编程,下落了硬件编程的难度。因此,自2011年开始,出现了大范围基于FPGA的算法研究。

简单来说,FPGA 全称现场可编程门阵列(Field Programmable GateArray),其基本原理是在 FPGA 芯片内集成大量的数字电路基本门电路和存储器,而用户可以通过更新FPGA 配置文件,来定义这些门电路和存储器之间的连线。

这里提及的可编程,完全就是可变成。这意味着你今天可以把 FPGA 配置成1个微控制器 MCU,明天就能够更新配置文件把同1个 FPGA 配置成1个音频编解码器。你是否是想起了孙悟空7102变,今天是个老头明天是个少女?此乃易容术也。

不同于GPU的运行原理,FPGA是以门电路直接运算的,即编程中的语言在履行时会被翻译成电路,优势是运算速度快。

在很多领域FPGA的性能表现优良,以致于有人说FPGA可能会取代CPU和GPU成为将来机器人研发领域的主要芯片。固然,这事有点夸大。目前来看FPGA也多作为CPU的协处理器而出现,冲击GPU是不言而喻的,但要说取代CPU,还得等等。

目前,国内有许多创业企业,自动加入FPGA阵营,提供基于FPGA的解决方案。比如源于清华大学的深鉴科技,专注于深度学习处理器与编译器技术,深鉴科技研发了1种名为深度紧缩的技术,它不但可以将神经络紧缩数10倍而不影响准确度,还可使用片上存储来存储深度学习算法模型,减少内存读取,大幅度减少功耗。

FPGA流派的厂商有两大两小,两大分别是赛灵思、Altera(英特尔于2015年以167亿美元收购Altera),两小是Lattice和Microsemi。

其中,赛灵思和Altera占据了近90%的市场份额,两人旗下的专利超过6000项。而剩下约10%的市场份额,由Microsemi和Lattice瓜分,这两位的专利也有3000余项。由此可以看出,极高的技术门坎将其它希望进入FPGA市场的厂商牢牢挡在门外。

FPGA也有两大局限性。

第1,FPGA的峰值性能不如GPU。即便使用高真个服务器做FPGA编译都会需要数分钟的时间,放到移动端速度还会更慢。但FPGA的功耗低于GPU,若FPGA的架构和配置公道,从能耗比的角度上来看,则能超过GPU。

第2,FPGA的编程难度较高。编程人员需要同时精通软件和硬件两种编程语言,更合适于高段位的的技术玩家。FPGA芯片主要面向企业客户,如百度、微软、IBM 等公司都有专门做FPGA的团队为服务器加速。

就未来发展来看,FPGA的崛起指日可待。理由有3个:

首先,在人工智能起步阶段,算法大致每3个月迭代1次,单凭这1点来说,FPGA可以灵活调剂电路配置以适应新的算法,具有1定优势;

其次,相比于GPU,FPGA更适用于深度学习的利用阶段;

,为了下降FPGA的编程难度,FPGA厂商赛灵思专门研发了可重配置加速栈堆,提供基于FPGA的硬件加速方案,这类似于1个App Store,赛灵思是1个平台,用户使用时直接从商店里挑选方案,不需要再自己设计布局布线了。

ASIC:由吸星大法突破

虽然GPU在并行计算方面有很多优势,但毕竟不是为机器学习专门设计的,FPGA则是需要用户自主编程,主要面向专业领域的企业用户,门坎太高。

大众消费领域怎办?如利用到无人驾驶汽车上或是智能家居终端,这款芯片还要同时满足高性能和低功耗的要求,乃至不需要将数据传回服务器端,没必要连入互联,本地即时计算便可。

ASIC挺身而出。

ASIC的全称是专用集成电路 (Application-Specific Integrated Circuit)。

玩过比特币的都知道的挖矿大战。ASIC在比特币挖矿领域,展现出了得天独厚的优势。2013年1月Avalon项目团队交付了世界上第1台商用比特币ASIC矿机,轰动了挖矿世界。CPU、GPU矿机几近在1夜之间消失的无影无踪,引发了比特币挖矿行业第2次重大升级,比特币络核心开发者Jeff Garzik有幸成了第1个商业ASIC矿机的具有者,听说当时收到Avalon矿机的用户在1两天内就回了本。而传说中隐藏在农村的土豪,能动用的ASIC矿机到达了数千台。

人工智能深度学习和比特币挖矿有类似的地方,都是依赖于底层的芯片进行大范围的并行计算。

ASIC分为全定制和半定制。全定制设计需要设计者完成所有电路的设计,因此需要大量人力物力,灵活性好但开发周期长,上市速度慢。专为机器学习设计的ASIC芯片,从设计到制造,对资金和技术的要求都更高。1般来讲,基于FPGA的开发周期大约为6个月,而相同规格的ASIC则需要1年左右,需要经过量步验证,可想而知,在这样精细的打磨下,其性能自然也更加出色。

ASIC的开发时间长,意味着ASIC芯片很有可能赶不上市场变化的速度,致使厂商堕入竹篮打水1场空的难堪地步。

有无办法改进呢?

有。

既然1家公司设计 ASIC要花费太花时间,何不用他人现成的模块呢?

因而SoC+IP模式开始流行。这类模式有点像吸星大法。

SoC 全称是片上系统(System-on-chip),亦即吸纳了许多不同模块的芯片。SoC 上面的每个模块都可以称为 IP,这些 IP 既可以是自己设计的,也能够是购买其他公司的设计并整合到自己的芯片上。

相比ASIC,SoC+IP模式的上市时间短,本钱较低,并且IP可以更灵活地满足用户需求。IP公司专注于IP模块的设计,SoC公司则专注于芯片集成,分工合作,提高效率。

事实上,高通已在研发能在本地完成深度学习的移动装备芯片,IP设计公司如CEVA和Kneron也在研发与人工智能相干的IP核,这类模式未来也是人工智能芯片的发展方向之1。

ASIC易学难练,要想大成,糜费巨资。因此玩ASIC的不乏豪门贵族。例如,谷歌于2016年推出可编程AI加速器TPU,英特尔也将于2017年推出专为深度学习设计的芯片Knights Mill。微软打造Project Catapult支持微软Bing。

从初创公司来看,美国的Wave Computing公司专注于深度学习芯片架构,推出DPU(Dataflow Processing Unit);英国的Graphcore公司将推出开源软件框架Poplar和智能处理单元IPU。

相比于科技巨头,初创企业更有可能结合具体利用场景设计芯片,如地平线机器人设计的第1代BPU(Brain Processing Unit),被用于开发ADAS系统。

中科院计算所从2008年开始研究,项目名为寒武纪,主要经费来源是中科院先导专项和国家自然科学基金,负责人是陈氏兄弟,陈云霁和陈天石。目前,寒武纪系列已包括3种原型处理器结构:寒武纪1号(英文名DianNao,面向神经络的原型处理器结构);寒武纪2号(英文名DaDianNao,面向大范围神经络);寒武纪3号(英文名PuDianNao,面向多种机器学习算法)。

类脑芯片:复制另外一个人脑

类脑芯片不能不提IBM,每次产业变迁,IBM总要给大家带来1些新鲜名词热烈1番。比如电子商务、智慧星球,认知计算,现在又带来了号称要复制人脑的类脑芯片,科技真真太黑了。

IBM类脑芯片的后台支持者是美国国防部先进研究项目局(DARPA),DARPA是可谓科技圈的泰山北斗,大名鼎鼎的Internet前身阿帕即源于这个机构。

DARPA与IBM合作建立了1个项目,名为神经形态自适应伸缩可塑电子系统计划(SyNAPSE)。该计划意图还原大脑的计算功能,从而制造出1种能够摹拟人类的感觉,理解,行动与交换的能力的系统,用途非常明确:辅助兵士在战场动态复杂环境中的认知能力,用于无人武器的自动作战。

该项目中引人注视的是类脑芯片TureNorth。2011年,IBM发布第1代TrueNorth芯片,它可以像大脑1样具有学习和信息处理能力,具有大范围并行计算能力。2014年,IBM发布第2代TrueNorth芯片,性能大幅提升,功耗却只有70毫瓦,神经元数量由256个增加到100万个,可编程突触由262144个增加到2.56亿个。高通也发布了Zeroth认知计算平台,它可以融入到高通Snapdragon处理器芯片中,以协处理方式提升系统认知计算性能,实际利用于终端装备上。

正北问世,激起了国内研究机构对人工智能的的热忱。

上海的西井科技去年发布了全球首块5000万神经元类脑芯片。该公司宣称,这是目前世界上含有神经元数量多的类脑芯片,也是首块可商用化类脑芯片。

去年6月,中星微宣布中国嵌入式神经络处理器(NPU)芯片诞生,并已于实现量产,主要利用于嵌入式视频监控领域。

听说北京大学则研究另外1种线路忆阻器。据媒体报导,北京大学在视听感知和图橡视频编码方面的研究处于国际水平,在利用神经形态芯片构造大范围神经络方面,已围绕视皮层摹拟展开研究。

中科院陈云霁认为,整体上看,国内和IBM的TrueNorth芯片为代表的国际先进水平还存在1定的差距。这个差距不体现在单芯片的运算速度上(事实上,国产类脑芯片每秒能进行的神经元运算和突触运算数量比TBM的TrueNorth还要高10倍),而是在功耗上。TrueNorth芯片功耗仅为65毫瓦,比国内芯片(15瓦左右)要低250倍。

从芯片性能角度来看,如今类脑芯片的算力和精度都不能超过GPU和FPGA的水平,因此类脑芯片是人工智能芯片几大方向中小众的1类。

类脑芯片未来能否超出其它门派?这有赖于人类是否是能完全弄清楚人脑的结构,能否有更多理论和实验支持类脑芯片技术上的突破。就眼下来看,类脑芯片在商业化的道路上还需要探索1段时间。

西岳论剑,中国能否弯道超车?

AI芯片是人工智能产业的演武场。

产业刚刚萌芽,东邪西毒南帝北丐均在赶往西岳的路上,恍如大家都有当大英雄的机会。但是,如果从国别的角度来看,会发现1个残暴的现象。残酷,是由于中美两国存在着相当差距。比赛刚刚开始,美国就赢了。

在1些知名的芯片厂商中,美国有13家公司中,领军者既有谷歌、英特尔、IBM这样的科技巨头,也有高通、英伟达、AMD、赛灵思这样在各自领域中有优势的大公司,和1些发展良好的中等范围公司和活跃的初创企业。

但中国则主要以初创公司为主,没有巨头。其中7家企业中6家都是初创公司,均成立于近3年内,只有1家中等范围企业中星微。

从芯片种别来看,美国厂商遍及人工智能芯片的4大流派,IC设计环节的产业结构非常均衡,并且在GPU领域,美国企业是完全垄断的,中国为零;在FPGA领域,只能跟随赛灵思做解决方案;在ASIC领域,有些4家创业公司;类脑芯片,也有2家。

芯片是数字经济的产业核心,历来是易守难攻,1旦构成先发优势,后来者很难超出。AI芯片也不例外。在过去10多年里,Intel、IBM、摩托罗拉、飞利浦、东芝、3星等60多家公司曾试图进军AI芯片,但纷纭遭致惨败。

这其中的缘由就在于进入门槛高,主要有以下几点:

首先是专利技术壁垒。FPGA4公司用近9000项专利构筑了长长的知识产权壁垒,将进攻者拒于国门以外。即便是强如Intel也望而兴叹,不得以耗资167亿美元拉拢了Altera,取得了1张FPGA领域的门票。染指GPU就更不用提了。

其次是市场相对偏小。2016年全球FPGA市场总额仅为50亿美元,且有9成落入赛灵思和Altera两家公司,这么小的市场范围很难赡养太多的大公司,必定致使竞争异常剧烈。

是投资周期长。专利壁垒也许可以逾越,市场狭窄,也许可以忍耐。但是FPGA产品,从投入研发到产品真正范围化生产差不多要7年。这期间几近没有任何商业回报。正常的风投是等不了这么长时间的。

AI时期论剑,芯片是核心。

AI芯片作为产业上游,也是技术要求和附加值的环节,产业价值和战略地位远远大于利用层创新,因此我们需要高度重视。

放眼时期变迁,CPU领域WINTEL同盟已1统江山极难突破,而AI芯片方兴未艾,机遇正在逐步显现,AI领域未来必定也会产生类似英特尔、AMD这样的企业。

美国以实力处于地位,但1批中国初创企业也在蓄势待发。

但是,AI芯片领域的创新绝不是件一挥而就的事情。它触及到人工智能算法、编程语言、计算机体系结构、集成电路技术、半导体工艺的各个方面。在巨大的国际竞争压力下,靠单个企业研发投入,远远不够;单靠有限的风险投资,也不行。靠科技补贴,更是远水解不了近渴。

我们如何相信中国企业有机会成为人工智能时期的弄潮儿,在AI芯片西岳论剑之时占有1席之地呢?抱团创新可能会是未来实现突破的方向。AI领域创业空间巨大,所需资金范围巨大,所需资源巨大,单凭创业者个人和团队的能力打天下已不现实, AI创业者需要跟产业加速器和产业资本密切结合,抱团创新,如此才能有更广阔的发展天地。

而笔者在对腾讯众创调研时了解到,目前许多国内创业企业已学会了抱团创新,以长青腾创业营为例,开营100余天,40家创业公司总估值实现翻番,超过600亿,58%的学员顺利进入下1轮融资,100天融资总金额超过60亿。眼下,长青腾正在筹划AI创业营。

这对中国AI芯片创业是否是有所启示?

3 : 长安汽车美国研发中心在底特律挂牌成立

[聚知识 消息] 2011年1月18日,长安汽车美国研发中心在底特律正式挂牌成立。至此,继意大利、日本、英国等海外中心以后,长安汽车“5国9地”的全球研发布局基本完善。

『长安汽车美国研发中心开幕仪式现场』

此次成立的美国研发中心,将专攻汽车底盘技术,包括底盘性能开发、底盘工程化设计、底盘技术研究、和底盘制造工艺研究等。新开发的各项底盘技术,将主要利用于长安汽车未来自主研发的中高级轿车及SUV车型。

『长安汽车美国研发中心』

自2007年以来,长安汽车前后在意大利都灵、日本横滨建立海外研发中心,2010年6月,英国诺丁汉中心也正式建成,加上此次成立的美国底特律中心,和分别位于重庆、上海、北京、哈尔滨和江西,长安汽车已成功构筑起直通欧、亚、美洲大陆、立足国内外重要汽车技术中心城市的“5国9地,各有侧重”全球研发体系。

而在海外研发中心中,其中意大利研发中心主攻汽车外形设计、日本研发中心主攻汽车内饰和模型、英国研发中心主攻发动机和变速器、美国研发中心主攻汽车底盘技术。(编译/聚知识 曾晓云)

相干文章:

将产中高端车型 长安北京建乘用车基地

//

经期延长喝什么好
血瘀型经期延长怎么办
气滞血瘀型痛经
标签