All Node List by Editor

节能一直是芯片产业一个重要的命题，特斯拉率先在电动车中采用碳化硅芯片，促使芯片产业将芯片材料由硅转向碳化硅，更好地满足市场需求。以下为文章摘要：数十年来，凭借地壳中含量丰富、易于制造的优势，硅一直是芯片的材料。但电动车对更高能源效率的追求，在蚕食硅在芯片产业的主导地位。

特斯拉则是芯片产业放弃硅的催化剂。特斯拉在Model 3中采用了碳化硅芯片，成为第一个吃螃蟹者。此举提升了碳化硅在电动车供应链中的地位，对芯片产业产生了很大影响。日本芯片厂商罗姆首席战略官Kazuhide Ino说，“芯片厂商已经共同打造了碳化硅市场，现在到了彼此竞争的阶段。”

碳化硅由硅和碳两种元素组成，由于化学键比硅更强，其硬度排在第三位。碳化硅的加工要求更先进的技术，但稳定性和其他属性，使得其能耗比硅芯片低逾50%。碳化硅芯片散热性能还很好，有助于缩小电动车中关键零部件逆变器的尺寸。日本名古屋大学教授Masayoshi Yamamoto表示，“Model 3的空气阻力系数与赛车一样低，尺寸更小的逆变器，是它能采用流线性设计的前提。”

Model 3逆变器中的碳化硅芯片

特斯拉此举“惊醒”了芯片产业。6月份，德国英飞凌推出了一款电动车逆变器用碳化硅模块。英飞凌日本分部一名管理人员说，“碳化硅应用范围护套的时间早于我们的预期。”现代汽车将在新一代电动车中使用英飞凌的碳化硅芯片。据称，与硅芯片相比，碳化硅芯片可以使电动车续航里程提高5%。

法国市场研究公司Yole Developpement预测，2026年碳化硅能源芯片市场将比2020年增长6倍，达到44.8亿美元。

Yamamoto称，碳化硅和硅的价格差在不断缩小，量产和其他因素，使得两者的价格差由5年前的约10倍收窄至2倍。部分供应商开始生产尺寸更大的碳化硅晶圆，将进一步缩小两者的价格差。

罗姆一直是这一领域的领头羊，2010年量产了世界上第一款碳化硅芯片。2009年收购德国SiCrystal，使得罗姆具有完整的碳化硅芯片生产线。罗姆的目标是2025年占领30%的全球碳化硅芯片市场，最近，它在日本的一条生产线投产，这是其将产能提高5倍计划的一部分。罗姆表示，多款即将推出的电动车都将采用其碳化硅芯片。它还与吉利签订了协议。

碳化硅芯片市场的快速发展

硅并非是第一种芯片材料。自1947年问世后，半导体材料一直是锗。随着半导体产业发展壮大，锗在1960年代被硅取而代之。可能取代硅的并非只有碳化硅。氮化镓有潜力将芯片能耗降低约90%。虽然氮化镓芯片被应用在一些领域，例如充电设备，但由于主要与包括硅在内的其他材料联合使用，其潜力尚未完全展现出来。

现有芯片性能已逼近极限，是芯片产业寻求其他材料的一大原因。芯片制造工艺已发展到5纳米，摩尔定律面临前所未有的挑战。

节能也在推动芯片材料领域的创新。没有能源使用效率的提升，电动汽车的普及、数据中心的增多和数字经济其他领域的发展，将使电能供应捉襟见肘。

钻石被一些业内人士称作终极半导体，可能改变芯片产业的游戏规则，只是与硅相比，它的成本太高了。日本Adamant Namiki Precision Jewel开发出了利用钻石生产能源芯片的技术。从理论上说，钻石芯片能耗可以低至硅的五万分之一。但是，降低钻石芯片成本是一个关键难题，目前其价格是硅芯片的数千倍。

鉴于半导体对国家安全和经济竞争力的重要性，中国、美国和欧洲均在大力支持新芯片材料的研发。硅和钢铁“塑造”了20世纪，新一代半导体材料似乎将成为未来数十年国际竞争的主要领域。

来源：凤凰网科技

在上个月举行的 HotChips 33 上 ，IBM 公布了其下一代 Z 系列处理器 “Telum”。 这款处理器采用了全新的内核架构，针对 AI 加速做了优化。其配置了 8 核 16 线程，频率超过 5GHz， 采用了三星 7nm 工艺制造，核心面积为 530 平方毫米，集成了 225 亿个晶体管，拥有全新的分支预测、缓存和多芯片一致性互连。

IBM 的 Z 系列处理器以拥有大型 L3 缓存而出名，并有单独的全局 L4 缓存，可作为多个处理器之间的缓存。不过在 Telum 上，不但没有了 L4 缓存，而且 L3 缓存也没有了。要知道无论英特尔还是 AMD， 现在都尽可能增大 L3 缓存容量或增加 L4 缓存以提高性能，比如在 AMD 采用 3D 垂直缓存 （3D V-Cache） 技术的 Zen 3 架构桌面处理器，为每个 CCD 带来额外的 64MB 7nm SRAM 缓存。

近日 ，Anandtech 发表了一篇文章，讨论了 Telum 的缓存架构。

现代的处理器普遍都有多级缓存，至于为什么会这样，可以看我们《超能课堂 (133)： 为什么 CPU 缓存会分为 L1、L2、L3？》大概了解一下。简单来说，越靠近执行端口的缓存越小但越快（比如 L1）， 缓存越多且越大那么访问所需的周期就越长（比如 L3）。 缓存除了大小，延迟也很重要，通常缓存越大延迟越大，缓存命中率也会更低。

为了更有效利用缓存，芯片设计公司需要分析这款处理器将用于哪方面的工作负载，以提高设计的效率 。IBM 的产品一般都是大型主机使用，大多是政府或银行这样的客户，对安全性和稳定性极高，这些产品都有故障安全和故障转移功能。

IBM 在上一代 Z15 产品上，基本单元是一个由五个模块构成的系统，其中四个是计算模块 （CP）， 一个是控制模块 （SC）。 四个计算模块每个有 12 个内核和 256MB 共享的 L3 缓存，核心频率为 5.2 GHz， 面积为 696 平方毫米。四个计算模块两两配对，各自与控制模块相连。控制模块拥有 960MB 的 L4 缓存，并与四个计算模块共享 。Z15 采用了 IBM 和 GlobalFoundries 联合研发的 14nm FinFET SOI 特殊工艺制造 ，L1 和 L2 缓存与核心频率一样都是 5.2 GHz，L3 和 L4 缓存则是半速的 2.6 GHz。

这意味着单个 IBM Z15 系统是 25 块 696 平方毫米的芯片组成，共有 20 x 256MB 的 L3 缓存，还有 5 x 960MB 的 L4 缓存，以全对全拓扑连接。

IBM 没有将新一代产品称为 Z16， 而且称为 Telum， 可能是因为对缓存的采用了不同的处理方法 。Telum 采用三星 7nm 工艺制造，单芯片拥有 8 个核心 。IBM 将两个芯片封装在一起，将四个同样封装的处理器组成一个单元，然后将四个同样的单元组成一个系统，整个系统共有 32 个芯片和 256 个核心。

IBM 为每个核心配置了 32MB 的 L2 缓存，这比一般的处理器大得多，而且取消了核心之间共享的 L3 和 L4 缓存。一般来说，这样的设计会使得缓存有很高的访问延迟 。IBM 采取的方法是，通过私有物理缓存里打造共享虚拟缓存的方法解决，意思是将平时需要放置在 L3 缓存里的部分标记为 L3 缓存线存在不同核心空余的 L2 缓存里。

L2 和 L3 缓存在物理上是一致的，可以根据工作负载的需要，包含来自不同核心的 L2 和 L3 缓存线的混合数据。这意味着一个芯片 8 个核心里 ，8 x 32MB 共 256MB 的 L2 缓存也可以视为“虚拟 ”L3 缓存，采用双向环形互连拓扑结构。

相似的方法 IBM 也用在了原来的 L4 缓存上 ，L2 缓存里也可以容纳 L4 缓存线。从单个核心的角度来看，在一个基于 Telum 打造标准的系统，可以访问 32MB 的 L2 缓存 ，256MB 的共享虚拟 L3 缓存，以及 8GB 的共享 L4 缓存 。IBM 表示，使用这种虚拟缓存的系统，每个核心的缓存相当于 Z15 的 1.5 倍，而且还改善了数据访问的平均延迟，性能提高了 40% 以上。

在具体运行中如何降低延迟和保证命中率是一个非常复杂的操作，加上功耗、缓存在断电和空闲等状态下如何保证单核心工作负载的一致性，这都是 IBM 需要考虑的问题。可以思考一下，如果 AMD 使用 3D V-Cache 技术堆叠的不是 L3 缓存，而是 L2 缓存，同样采取虚拟 L3 缓存线的方式，这样的微架构对性能会有怎样的影响？

来源：Expreview超能网

NI和Seoul Robotics将在Velodyne展位上展示基于激光雷达的解决方案

Velodyne Lidar, Inc. (Nasdaq: VLDR, VLDRW)将于9月7日至12日在慕尼黑举办的IAA Mobility展会（B3展厅，A75展位）上展示其创新型激光雷达技术。Velodyne将展示其在激光雷达传感器和软件方面的技术领先地位和丰富的产品组合。Velodyne的解决方案可为自主应用提供支持，推动安全、可持续和无障碍的出行、基础设施和安防。

Velodyne将于9月6日下午1:15至1:30在其IAA Mobility展台举行新闻发布会，届时Velodyne公司领导将重点介绍Velodyne的解决方案如何提供优异的性能、范围和可靠性，以支持客户的下一代基础设施和移动应用。另外，他们还将介绍Velodyne的紧凑型固态传感器产品组合，这些传感器可以嵌入到时尚的车辆和机器人应用中。

Velodyne Lidar欧洲区副总裁Erich Smidt表示：“我们将借参加本次IAA Mobility展会的机会，展示Velodyne的传感器和软件如何满足广泛的客户需求，从而为全球安全出行和智能城市基础设施提供支持。我们还邀请了合作伙伴到场助阵，他们率先将未来的自动驾驶解决方案推向市场。NI和Seoul Robotics是业界公认领军企业，可提供优质解决方案，以改善人们的生活品质并提高所在社区的安全性。”

合作伙伴展示基于激光雷达的解决方案

自动化测试与自动测量系统开发商NI将在Velodyne展位上一起参展。NI将展示针对Velodyne激光雷达传感器的优化仿真，这种仿真可用于开发和测试高级驾驶辅助系统(ADAS)和自动驾驶汽车(AV)功能。NI的仿真解决方案使Velodyne的传感器更容易集成到车辆解决方案中，能够加快上市时间并提高车辆安全性。NI还将展示其monoDrive AV仿真软件如何使用Velodyne的激光雷达技术来创建数字孪生体，并为Velodyne激光雷达传感器提供经过验证、基于物理学的各种型号传感器。

NI交通业务部营销总监Jeff Phillips表示：“对于使用Velodyne传感器的ADAS和AV解决方案，我们的ADAS和激光雷达仿真功能可以帮助加速系统开发和部署。NI monoDrive Real-to-Virtual技术提供了一种端到端解决方案，用于从相机、激光雷达和GNSS系统中收集真实数据以创建高保真数字孪生体，帮助加速ADAS和AV开发。Velodyne的高性能传感器与我们的仿真和验证功能相结合，使开发者能够在车辆上路之前，在可大规模扩展的多种条件下测试和验证解决方案。”

作为Automated with Velodyne计划的合作伙伴，Seoul Robotics将在Velodyne展位上展示其用于Velodyne激光雷达传感器的人工智能感知引擎，该引擎可为自主系统提供实时的物体检测、分类、跟踪和预测功能。人工智能引擎可以为自动驾驶汽车以及智能城市应用和先进的设施参数监测系统提供支持。Seoul Robotics的SENSR™感知软件搭载经过全面优化的人工智能引擎，可充分利用Velodyne的激光雷达传感器产品组合，包括Puck™、Ultra Puck™和Alpha Prime™等。

Velodyne展出亮点：高性能传感器和软件

在IAA Mobility上展出的Velodyne产品包括：

Velarray H800：固态激光雷达传感器，专为汽车级性能而设计，采用Velodyne的突破性专有微激光雷达阵列架构(MLA)。该传感器集远距离感知和广阔视野于一身，设计用于ADAS和自主移动应用中的安全导航和防碰撞功能。该产品可用于实现高级驾驶员辅助功能，如自适应巡航控制(ACC)、车道保持辅助(LKA)和行人自动紧急制动(PAEB)。Velarray H800采用紧凑、可嵌入外形设计，旨在整齐地安装在卡车、公共汽车或轿车挡风玻璃内侧，或无缝安装在车辆外部。

Velarray M1600：创新型固态激光雷达传感器，专为移动机器人应用而设计。该传感器使用Velodyne的MLA构建，可为安全导航提供出色的近场感知功能。Velarray M1600使无接触式移动和最后一英里送货机器人能够在没有人类干预的情况下安全自主地运行。这款耐用、紧凑的传感器可以部署在多种环境和天气条件下，几乎可以全年全天候使用。

Velabit™：Velodyne的超小尺寸传感器，大幅提升了3D激光雷达感知的多功能性和经济性。这种小巧的中程激光雷达传感器具有高度的可配置性，能够支持各种特殊用例，几乎可以嵌入车辆、机器人、无人机(UAV)和基础设施内的任何位置。固态Velabit产品助力Velodyne实现其使命——让所有人都可轻松使用高质量的3D激光雷达传感器。

Vella™：Velodyne基于定向视图Velarray传感器打造的突破性ADAS软件。与现有的利用摄像头加激光雷达的方法相比，Vella将彻底改变目前市场上的高级驾驶辅助功能，包括ACC、LKA和PAEB。Vella开发工具包(VDK)使企业能够在其自主解决方案中利用Vella软件的高级功能。通过减少将3D激光雷达传感器集成到应用中所需的时间和精力，VDK能够帮助企业更有效地利用其开发资源。

关于Velodyne Lidar

Velodyne Lidar (Nasdaq: VLDR, VLDRW)通过实时环绕视图激光雷达传感器的发明，开创了自动驾驶技术的新纪元。Velodyne是激光雷达的全球领先企业，并以其突破性的激光雷达技术的广泛组合而享有盛誉。Velodyne革命性的传感器和软件解决方案提供灵活性、质量和性能，可满足各行各业的需求，包括自动驾驶汽车、高级驾驶辅助系统(ADAS)、机器人、无人机(UAV)、智慧城市和安防。通过不断的创新，Velodyne致力于通过促进所有人的安全出行来改变生活和社区。如需了解更多信息，请访问www.velodynelidar.com。

原文版本可在businesswire.com上查阅：https://www.businesswire.com/news/home/20210902005892/en/

近日，由CVPR主办的MAI（Mobile AI Workshop）分会近期在线上举行。作为图像领域最具影响力的赛事之一，本届MAI 2021挑战赛由华为、OPPO、MTK、SAMSUNG、苏黎世理工共同主办。参赛队伍聚集了华为、百度、商汤、Horizon等国内外顶尖AI团队。大华股份图像算法部dh_isp团队提出的轻量化网络一举摘得ISP赛道冠军，充分展示了大华在图像增强领域的开拓创新的实力。

不同于部署于云端，由于存储空间、功耗及算力资源限制，神经网络模型在移动设备和嵌入式设备上的存储与计算是一个巨大的挑战。轻量化网络旨在保持模型精度基础上进一步减少模型参数量和复杂度。轻量化网络既包含了对网络结构的探索，又有例如知识蒸馏、剪枝等模型压缩技术的运用，推动深度学习技术在移动端，嵌入式的应用落地，在智能家居、安防、自动驾驶、智慧海洋等领域都有重要贡献。

Learned Smartphone ISP Challenge竞赛致力于促进业内使用深度学习的方法替代传统ISP模块，对相机获得的RAW数据直接转换为RGB图像，以获得更好的成像效果，同时也能够解决传统ISP模块依赖大量人工经验调参的难题。

在大赛中，大华dh_isp团队基于自身在ISP领域的积累，通过深入分析任务的特点和痛点，提出一款高效、高性能的网络，网络设计立足于图像重建任务特性，并基于图像任务采取了特殊的损失函数和训练方式，使网络在耗时最小的情况下，获得很好的主观效果，在综合排名中，以明显的优势获得桂冠，彰显了大华图像成像、图像增强、轻量化网络设计等领域的技术积累及开拓创新能力。

大华股份作为智慧物联行业头部企业，深耕ISP技术近十年，多年的产品迭代使大华的ISP团队积累了深厚的技术功底。伴随着AI相关技术的蓬勃发展，如何利用AI进行底层（low-level）图像处理以带来更好的图像质量深受行业研究关注。AI+降噪、插值、去模糊、超分辨率，乃至于AI+ISP在研究、竞赛中都带来了显著的进步。大华图像算法团队立足于自身在传统ISP领域的技术积累，开发了全图以及感兴趣区域的AISP图像处理技术，进一步提升了图像效果，为终端用户提供更优异的视觉体验。