摩尔精英张竞扬作者

Chiplet和Tier-1 IC品牌商赋能AIoT时代

根据摩尔精英CEO 张竞扬于2019.3.9 CASPA硅谷春季论坛演讲整理

摘要:半导体行业对AIoT一直抱有很高的期望,希望这些新应用能带来一个像PC电脑或者智能手机那样,海量的、统一的芯片市场。然而今天的现实是,大部分AIoT应用需求是碎片化、小批量的,为其投入一颗SoC的经济回报,甚至很难收回其NRE成本。我们应该坐等奇迹发生吗?还是需要转换思路,寻找消除这种不匹配的解决之道?在本文中,我们将探索Chiplet和Tier-1 IC品牌商带来的新可能,并探讨这将如何改变IC行业的业态,催生新的商业模式。

AIoT 是人工智能物联网的融合

图片来源:Samsung

AIoT可以看成是物联网的下一个阶段——从简单的物物相连,到AI加持的智能设备万物互联。人工智能物联网的融合是大势所趋,因为它们刚好互补,AI(无论Cloud还是Edge侧)需要物联网收集的数据来训练算法,物联网也需要AI算法建立的模型来作出决策。

近几年,各种智能硬件层出不穷,我自己就是一名发烧友,Google Glass, HTC Vive, HoloLens, MagicLeap等各种AR/VR, 无人机,智能电视,智能门锁,智能灯,扫地机器人等等,市面上能买到的智能硬件,大部分我都会买来试一试。那么,这些智能设备的用户体验到底如何呢?

尽管DIY的智能家居系统对我这个科工男来说还不错,朝我理想中的未来生活方式又迈了一步,但这个系统只对我特别友好,对于父母一代人来说,似乎就不那么智能也不那么方便了,Wi-Fi信号问题,电源中断,操作系统更新,电池耗尽......一个微小的干扰可能会破坏整个系统。当系统出现问题或者需要改变设置的时候,家里人觉得找我,比鼓捣设备或者App要来得方便,于是我就变成了一个人肉中央遥控器:-)

今天的IoT还远远谈不上成熟,对于大部分用户来讲还是太复杂,如果终端设备还需要人工干预,连接,登录,配置,那还真的是不够智能,也很难大规模地商业化落地。正因如此才有人说,目前所有的芯片都应该被重做一遍以支持AI功能。

今天的人工智能真的智能吗?

我们可以随机做个测试,拿出你的智能手机,对语音助理说:推荐餐厅,不要中餐,看看反馈的效果令你满意吗?即使是这样简单的一个对话场景,今天的语音助理也搞不定,未来两年内,我们很有可能仍将面临如此尴尬的情况。

为什么人类已经能够可以设计出像IBM Watson,Google AlphaGo这样强大的AI,却无法实现一个简单的聊天机器人呢?在去年的Google I/O开发者大会上,新一代谷歌助手采用Google Duplex技术已经可以像人类一样打电话,令人惊叹;但为啥一到手机上就货不对板了呢?

今天人工智能的硬件性能、成本和功耗,离日常使用还存在很大差距。AlphaGo的硬件成本和功耗都非常昂贵,在它和围棋世界冠军、职业九段棋手李世石的著名对决中,花费了约2万美元的电费。回到语音助理订餐的问题上,你愿意为餐馆推荐支付多少钱?

生物大脑vs超级计算机芯片

深度学习》这本书的作者谢诺夫斯基,上世纪80年代就在研究神经网络计算, 1989年,谢诺夫斯基到麻省理工学院计算机实验室访问。气氛不算融洽,那里的人都质疑他的方法。午餐之前,谢诺夫斯基有五分钟的时间,给所有人介绍一下他讲座的主题。谢诺夫斯基临场发挥,以食物上的一只苍蝇为题,说了几句话。谢诺夫斯基说,你看这只苍蝇的大脑只有10万个神经元,能耗那么低,但是它能看、能飞、能寻找食物,还能繁殖。MIT有台价值一亿美元的超级计算机,消耗极大的能量,有庞大的体积,可是它的功能为什么还不如一只苍蝇?

在场的教授都未能回答好这个问题,倒是一个研究生给出了正确答案。他说这是因为生物的大脑是高度专业化的,进化使得它只具备这些特定的功能,而我们的计算机都是通用的,你可以对它进行各种编程,它理论上可以干任何事情,问题的症结也正在于此,因为专业化和通用化的结构不同,1百万神经元的昆虫专用大脑可以超过80亿个晶体管的通用芯片。

AIoT实现大规模商业化的前提,就是芯片要以相当低的成本和功耗,实现足够强大的性能,摩尔定律过去50年的发展,CPU的性能有了超过40万倍的提升,让AI实现有曙光,又远不能满足AI落地的性能、成本、功耗需求。

用专用ASIC(Domain Specific, Dedicated ASIC)来榨出极致性能

我们知道,在性能-灵活度的折中上,像CPU这样的通用处理器享有最大的可编程性和灵活度,但同等功能性能下,功耗最大; ASIC(Application Specific Integrated Circuit 专用集成电路)等于将使用场景固化,灵活度最小,但效率更优。

今天的大多数芯片,即使是许多所谓的ASIC,本质上仍然是多用途的。我们常常直接使用商业化IP和晶圆代工厂的标准单元库,尝试在一款芯片中尽可能多地组合功能,通过一次流片覆盖更多市场,快速上市。但所有这些捷径,都以降低芯片性能为代价。

如果我们把ASIC设计推向单一化的极致(Domain Specific, Dedicated ASIC),结果令人震惊。以加密货币挖矿计算为例,Benchmark的结果显示,同样成本下的专用ASIC效率,可以达到CPU的数十万倍。这些设计者们采用全定制基本单元库,手工来优化布局布线,挑战晶圆代工厂DRC的极限,用设计SRAM基本单元的方式设计芯片,任何能够优化的地方,他们都会大胆一试。有人说这是一种设计方法的倒退,浪费了大量的时间去做无意义的工作,但是矿机ASIC确实取得了惊人的性能。

过去大量的应用都可以用通用计算来解决,但是在AIoT的未来,硬件性能没有冗余,并且长期存在瓶颈,加密货币的案例给了我们一些启示,我们将一定需要ASIC,来释放出极致的性能。

每个物联网细分市场都用得起ASIC吗?

虽然明确ASIC在性能方面的优越性,但半导体行业从来都要算一笔经济账,碎片化的物联网市场,能够负担得起ASIC的投入吗?

过去,设计一款28纳米芯片的研发成本约为5000万美元,7纳米的研发成本上涨到3亿美元,而预测3纳米的芯片研发成本将达到难以置信的15亿美元之多。已经很少有芯片设计公司,能够承受得起这么昂贵的前期投入了。先进工艺制程的芯片研发成本不断攀升,大公司要看到10亿美金,100亿以上销售预期的市场才会进入,AIoT的早期无法一夜之间提供这样的市场机会。

另一方面,尽管AIoT市场总量巨大,但每个细分市场都过于分散,单品的需求量不大,为其投入一颗ASIC的经济回报,甚至很难收回其NRE成本。“物联网”这个词非常具有误导性,它将成千上万的碎片组合成一个单词,一个集合的概念。总量看起来是个巨大金矿,实际上是个高度碎片化而且贫瘠的领域。但是如果没有ASIC来提高性能和用户体验,这一个个细分市场又很难成长到上亿量级的出货。

专业化、多品类、小批量的芯片,要求上市时间更短,性能更高,还需要成本更低,多、快、好、省,简直就是Mission Impossible,我们如何才能完成这一不可能的任务?

摩尔定律暗藏伏线 - 异构集成Heterogeneous Integration

当1965年,戈登摩尔发表他那篇充满传奇色彩的论文 - Cramming More Components onto Integrated Circuits,他不仅提出了后来被称为“摩尔定律”而为人们所熟知的经典预言;同时,他也给我们留下了一条线索,如何用较小的组件,快速经济地构建一个大型的系统,那就是Heterogeneous Integration(异构异质集成)。

戈登 摩尔在论文中写道:It may prove to be more economical to build large systems out of smaller functions, which are separately packaged and interconnected. 

对于极度追求性能却又碎片化的AIoT市场而言,异构集成可能是一条很好的出路。

Chiplet:类似乐高积木的“裸片IP”复用

最近,Chiplet这个概念热了起来。简单来说,Chiplet技术就是像搭乐高积木一样,把一些预先生产好的实现特定功能的芯片裸片(die),通过先进的封装技术(比如3D, 2.5D)集成在一起形成一个系统芯片。而这些预生产裸片就是Chiplet。从这个意义上来说,Chiplet是一种新的“裸片IP”复用。

像乐高积木一样,把不同模块组合在一起的想法,已经被半导体行业讨论了近十年,但真正进行商业化探索,还是在近几年,晶体管的尺寸越来越接近技术极限,按照摩尔定律进一步缩减晶体管特征尺寸的难度越来越大之后。

Marvell的创始人Sehat 博士,在ISSCC 2015上提出了Mochi(模块化芯片)架构的概念。2017年,DARPA推出了CHIPS计划,专注于开发可根据需要组合的芯片,即将一系列模块化芯片或Chiplets,通过die-to-die的互连方案封装集成。理论上,Chiplet是一种开发周期短且成本较低的方法,可以将各种类型的第三方芯片(如I / O,内存和处理器核)组合在一起。

SoC,Chiplet和PCB的比较

对SoC,Chiplet和PCB进行设计成本、时间、风险和性能、功耗、产品尺寸等多维度的比较,可以看到Chiplet是SoC和大多数分立器件PCB之间的折衷方案,相比SoC,只牺牲了少量性能,但研发投入和研发周期已经大大降低。

特别的,针对AIoT市场,Chiplets模式提供了制造工艺选择的灵活性。我们可以经济高效地将先进工艺制造的高性能计算单元,和主流成熟工艺制造的模拟/射频模块,集成在一个封装中。

Marvell Intel AMD zGlue 的Chiplet探索

Marvell自4年前推出MoChi架构以来,推出了一系列Virtual SoC产品(从产品Datasheet里可以看到),Mochi可以是许多应用的基准架构,包括物联网,智能电视,智能手机,服务器,笔记本电脑,存储设备等。但遗憾的是,随着创始人Sehat卸任CEO,近一两年没有听到太多Mochi相关的新消息。

Intel在高级封装领域一直处于领先地位,之前的EMIB技术就有其独到的优势,而2018年12月Intel发布的Foveros技术则是3DIC方面一个长足的进步。Foveros架构中,芯片3D堆叠在有源硅载片上,并通过硅载片做互联。相比2.5D封装,使用Foveros的3D封装大大提升了集成密度,同时芯片与有源硅载片之间的IO带宽也有潜力能做更大,从而获得更大的性能提升。

Intel的Foveros多少也是对AMD于前一个月发布的Rome架构处理器的回应。2018年11月,AMD发布的Rome架构处理器也是基于高级封装,由多块7nm Zen2处理器芯片粒和一块14nm 互联和IO芯片使用2.5D技术封装而成,其中每块7nm Zen2芯片粒都含有8个核,而多块芯片粒经过组合最多可以实现64核,芯片粒之间则通过14nm互联芯片进行芯片间通信。

初创公司zGlue也宣布了针对物联网的商业产品,帮助客户加速产品开发和将差异化产品推向市场。他们提出了一个称为ZiP的集成平台,利用Chiplet,Smart Fabric™可编程interposer,和基于云的设计软件,实现芯片的低成本快速开发。

Chiplet普及化有机会催生新的商业模式

在今天的半导体产业价值链中,IC设计公司起着至关重要的主导作用,他们从供应商处购买IP(Intellectual Property),采购EDA(Electronic Design Automation)工具进行设计,再向晶圆厂下单进行芯片制造,再封测,最终直接或者通过分销商,销售芯片给系统公司客户。但如果某天,Chiplet成为主流的选择,当小芯片的标准建立起来时,有数十万个商业化的Chiplet可供选择,接下来会发生什么?

半导体产业的新结构 - Tier-1 IC品牌商

生产力的进步,必然带来生产关系的变化。

如果我们看看汽车工业会发现,经过一个多世纪的发展,现在这个成熟行业的分工,包括汽车整车厂OEM,Tier-1,Tier-2,Tier-3供应商。一级和二级供应商的合作关系很有趣,一级供应商高度依赖二级供应商的专业技术技能,从Tier-2购买组件并将其打包成汽车级系统卖给整车厂,二级供应商制造零件并乐于将其销售给Tier-1。整车OEM客户更加信任一级供应商,基本上都是从Tier-1供应商处进行采购。

今天,半导体产业链中还没有Tier-1、Tier-2的结构,传统的IC设计公司同时兼任了两者,他们设计整个芯片,最后销售芯片产品。Chiplet,可能推动整个半导体行业的演化,Tier-1芯片供应商这一新物种将会出现。就像汽车行业一样,一级芯片供应商(我们也可以称之为品牌商)可以从二级Chiplet供应商处购买小芯片,并将其整合成SIP。Tier 2制造小芯片并且很乐意将它们出售给Tier-1,系统公司将主要信任和采购来自Tier-1 IC供应商的器件。

哪些玩家有机会成为Chiplet和Tier-1 IC供应商?

新结构,新牌桌。谁将最有可能赢得这场新游戏呢?

小型的芯片设计公司,IP供应商,甚至晶圆制造和封装测试供应商,都有机会成为Chiplet供应商。最终,IC设计公司和IP供应商之间的界限将会模糊,它们将全部转变为小芯片或者说硬IP供应商,并将Chiplets推向市场。

如果一家芯片设计公司可以通过Chiplets轻松获利,而不必担心供应链,销售和市场营销,那么这将像独立工作室一样敏捷、灵活、高效;如果工程师可以作为独立设计工作室赚大钱,那么对于大型设计公司而言,按照原先的利益分配机制,想要留住这些天才,将会更加困难。

另一方面,谁将有机会成为一级IC供应商?

大型IC设计公司,分销商,模块制造商都可能有发言权。事实上,他们会争先恐后地竞相成为一级IC供应商,以获得更多利润。以经销商为例,在传统的半导体行业成本结构中,他们通常只能赚到芯片销售额3-5%的毛利(如果不是缺货炒货的话); 但一旦成为一级供应商,购买Chiplet并集成到SIP中,将有机会将毛利率提升至50%!(按IC设计公司毛利率的中值估算)经销商对市场趋势和要求非常敏锐,一旦他们获得像Chiplet这样的强大武器,补齐技术短板,他们也可以像芯片设计公司一样逐鹿中原。

Tier-1 IC品牌商诞生后的全新生态系统

凯文凯利说,所有企业都难逃一死,所有城市却几乎不朽,企业总想成为封闭的帝国,城市才是开放的生命体。

经过多年的商业实践,领先的芯片设计大公司已经开发出一套高效的内部协作机制,用集团层面的供应链运营能力,支持数百个研发部门,同时用统一的渠道和品牌来销售所有产品。每个研发部门都像特种部队,快速移动,共享资源,从整合的后台得到及时的支持,快速发展。

随着Tier-1 IC品牌商、Tier-2 芯片Chiplet供应商的出现,可能会出现一个更开放、更有活力的新生态系统。“但求所用,不求所有”,未来,不一定所有资源和技术能力都属于某家大公司,而更有可能是一个由许多Chiplet Studios(芯片设计工作室)有机组合的生态系统,依托生态系统所整合的强大制造和运营能力,聚焦核心研发,完成快速创新。

规模化的品牌商,Tier-1 IC供应商大公司,拥有成熟完善的供应链体系,甚至工厂,销售渠道,是芯片设计工作室的核心技术能力的放大器。这种一级芯片供应商+芯片设计工作室的开放生态系统,能够更好地服务碎片化的AIoT市场。

摩尔精英:半导体的阿里巴巴,让中国没有难做的芯片

为了共同创造这个开放的芯片生态系统,摩尔精英进行了一些探索。为了使芯片设计简单高效,我们正在构建未来的半导体基础设施,赋能芯片设计公司,提升行业效率,就像阿里巴巴在电商领域提供流量、物流、支付服务,赋能平台上的电商一样。

目前摩尔精英在全球拥有超过260名全职员工,包括芯片设计工程师、供应链运营专家、晶圆技术服务工程师、封装测试工程师等等。我们为全球超过1,500家无晶圆厂IC客户提供芯片设计服务,供应链运营,人力资源和企业服务,正在努力成为半导体行业的阿里巴巴,成为孕育Chiplet的土壤,帮助中小型芯片设计公司获得成功。

支持IC Design Studio的一站式平台

大多数芯片设计初创公司,特别是中国本土很多不超过50人的初创公司,从规模上来说,实际上都接近一个产品研发部门或设计工作室,他们最重要的核心能力是技术,对于这些CTO背景的企业家来说,学习一套完整的公司运营体系,销售运营供应链,消耗了本应投入核心产品定义和研发的,大量的时间和精力,同时,在芯片起量到一定规模之前,招聘一个十项全能的完整团队也是不经济的。

摩尔精英提供一站式半导体专业服务平台,将这些CTO技术大牛们从繁琐的公司销售、运营和供应链事务中解放出来。 我们希望帮助这些IC Design Studio专注于发展其核心技术长板,成为其细分市场的全球前三名。

总结

今天AIoT还不够智能,需要ASIC来提升其性能,改善用户体验。但AIoT终端应用碎片化,尽管市场总量巨大,其中每个细分市场却不大,传统的SoC方法成本太高,无法平衡性能和成本。

Chiplet技术及其商业化正在被各厂家积极探索,Chiplet,Tier 1 IC品牌商等商业模式创新可能会带来新的出路。摩尔精英正在努力构建一站式平台,以使中小型IC设计公司获得成功。

如果把芯片市场比喻成为一个金矿:

第一批来的淘金者遇到PC市场,捡到几块最明显的大金块——这一波浪潮,成就了英特尔

第二批来的遇到手机市场,翻了翻捡了不少小金块——这一次,成就了高通、联发科、博通;

第三批来的遇到AIoT,再也没有露在外面的金块了,只能耐心建工厂,挖掘磨碎了整座金山,仔细筛洗金矿石,然而在淘金热的历史上正是这第三批人最后挖到最多金子。

今天半导体行业整体产值才占了全球GDP的不到0.6%,有大量细分领域的金矿石等待我们挖掘筛洗,虽然不像捡金块那么轻松,但只要用对的方法,我们有机会在AIoT时代淘到最多的金子,谢谢!

参考资料:

1.G. E. Moore, Cramming More Components onto Integrated Circuits

2.https://www.darpa.mil/program/common-heterogeneous-integration-and-ip-reuse-strategies

3.https://semiengineering.com/semiconductor-industry-getting-serious-about-chiplets/

4.唐杉,从AI Chip到AI Chiplet https://mp.weixin.qq.com/s/hMn0R0rHpUHEkfaQ6_BSaQ

5.王方林,像搭积木一样造芯片?

https://mp.weixin.qq.com/s/P7jwuAfOrR-vQB_qWNpG7w

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业智能家居芯片语音助理摩尔定律物联网AIoT
1
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
高通机构

高通公司(英语:Qualcomm,NASDAQ:QCOM)是一个位于美国加州圣地亚哥的无线电通信技术研发公司,由加州大学圣地亚哥分校教授厄文·马克·雅克布和安德鲁·维特比创建,于1985年成立。两人此前曾共同创建Linkabit。 高通公司是全球3G、4G与5G技术研发的领先企业,目前已经向全球多家制造商提供技术使用授权,涉及了世界上所有电信设备和消费电子设备的品牌。根据iSuppli的统计数据,高通在2007年度一季度首次一举成为全球最大的无线半导体供应商,并在此后继续保持这一领导地位。其骁龙移动智能处理器是业界领先的全合一、全系列移动处理器,具有高性能、低功耗、逼真的多媒体和全面的连接性。目前公司的产品和业务正在变革医疗、汽车、物联网、智能家居、智慧城市等多个领域。

IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

语音助理技术

虚拟助理(virtual assistant)是一种能替个人执行任务或服务的软件代理(software agent)。有时候“聊天机器人”泛指虚拟助理,亦或专指网络聊天使用的软件机器人(有时候更专指娱乐而非实用的网络聊天)。但也可以指一种职业,或者企业组织,其乃是透过网络执行远端服务。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

聊天机器人技术

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

神经元技术

(人工)神经元是一个类比于生物神经元的数学计算模型,是神经网络的基本组成单元。 对于生物神经网络,每个神经元与其他神经元相连,当它“兴奋”时会向相连的神经元发送化学物质,从而改变这些神经元的电位;神经元的“兴奋”由其电位决定,当它的电位超过一个“阈值”(threshold)便会被激活,亦即“兴奋”。 目前最常见的神经元模型是基于1943年 Warren McCulloch 和 Walter Pitts提出的“M-P 神经元模型”。 在这个模型中,神经元通过带权重的连接接处理来自n个其他神经元的输入信号,其总输入值将与神经元的阈值进行比较,最后通过“激活函数”(activation function)产生神经元的输出。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

摩尔定律技术

摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其内容为:积体电路上可容纳的电晶体数目,约每隔两年便会增加一倍;经常被引用的“18个月”,是由英特尔首席执行官大卫·豪斯所说:预计18个月会将芯片的性能提高一倍。

堆叠技术

堆叠泛化是一种用于最小化一个或多个泛化器的泛化误差率的方法。它通过推导泛化器相对于所提供的学习集的偏差来发挥其作用。这个推导的过程包括:在第二层中将第一层的原始泛化器对部分学习集的猜测进行泛化,以及尝试对学习集的剩余部分进行猜测,并且输出正确的结果。当与多个泛化器一起使用时,堆叠泛化可以被看作是一个交叉验证的复杂版本,利用比交叉验证更为复杂的策略来组合各个泛化器。当与单个泛化器一起使用时,堆叠泛化是一种用于估计(然后纠正)泛化器的错误的方法,该泛化器已经在特定学习集上进行了训练并被询问了特定问题。

阿里巴巴机构

阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的18人于1999年在浙江杭州创立的公司。 阿里巴巴集团经营多项业务,另外也从关联公司的业务和服务中取得经营商业生态系统上的支援。业务和关联公司的业务包括:淘宝网、天猫、聚划算、全球速卖通、阿里巴巴国际交易市场、1688、阿里妈妈、阿里云、蚂蚁金服、菜鸟网络等。 2014年9月19日,阿里巴巴集团在纽约证券交易所正式挂牌上市,股票代码“BABA”,创始人和董事局主席为马云。 2018年7月19日,全球同步《财富》世界500强排行榜发布,阿里巴巴集团排名300位。2018年12月,阿里巴巴入围2018世界品牌500强。

https://www.alibabagroup.com/
物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

暂无评论
暂无评论~