isp芯片和npu芯片区别
什么是转机神经网络呢？我在自动驾驶的视频里面和大家详细的阐述过。简单说， nplo 重要就是将由 rgp 这三个通道组成的视频图像多为输入数据，通过转机成磁化成提取图像特征，通过优化过滤非线性的组合等运算 时间，对于图像视频的专用加速处理，带来更好的一个，更高的一个画质，更快速图像优化、更高效的处理过程。 专用处理器的最终目标包括 npo 的最终目标不是代替通用 cpu， 而是实现与现有通用 cpu 的技术协作，将部分的 cpu 运选了效率不高的部分，阿弗鲁顶到专用的加速器上进行运算。这里啊，我强调一点，专用计算架构的是 难度绝不亚于通用 cpu， 其核心目标啊，就是有条件的高性能。 有朋友可能会问呢，小米包括 vivo 字眼的 v 一和 c 一的 sp 芯片和 oppo 的 npo 芯片具有什么区别呢？这么说吧， sp 啊，就会像我们人类的视觉神经， sp 芯片规格越强，就能直上更强大的 c 模式， 而 nq 芯片则像我们人类的左侧大脑。 nq 越强，计算机啊，也就越聪明，对于 a i 的处理能力啊，也就越强。 npo 啊，不仅可以使用在图像视频领域，未来有更多的延展性。阿迪达拉 x 十八万一次每秒的计算能力，在 ai 计算方面已经是非常高的一个水平了。未来啊， 还有很多其他事项可以去延展，包括前几天在刚刚落幕的 iscc 的会议上，三星也发布了一篇移动端 npo 的论文，强调三星将全面推动整个人工智能芯片的产业化， 通过这篇论文，包括三星在四大名上 npo 集成在烧烤中的使用，我们也能扩散到移动端的。 npo 是未来头部手机厂商整个生态布局的前沿方向， 绝对不是所谓的积累产品。当然，广大的水友键盘侠们是不会去看这些所谓的新鲜出炉的全球重要入门的，往往他们只是为了喷而喷。 然后第二点，我想说什么呢？先垂直生根，然后再水平扩展，是目前可行的， 也是无奈的一种入境选择。从二零一四年起，高通话就说到全球，来自于美国、韩国、日本、中国、德国等多地的反垄断机构的调查和处罚。 高通搭售情况已经是众人皆知了，当然，这也是高通研发科等芯片巨头商业模式决定的。 高通的模式的本质啊，就是卖标准，只要你使用了高通的芯片，就同时需要使用高通的软件开发工具一架相关的一个专利授权。 从目前高通的财务报表可以看出，高通的授权费用占了整个高通总数的大概百分之二十五左右，而且这部分啊，基本上没有任何成本，可以算作是纯利润。其次呢。
粉丝15.7万获赞86.1万
相关视频
02:09查看AI文稿AI文稿这就是绿厂耗资百亿做出来的 npo 芯片，咱们仔细看一看，再不看可能就看不到了。它的尺寸大约是八乘九毫米，大约是七十二平方毫米，和我的小拇指指甲盖差不多大小。这么点东西耗资几百亿，可以想象做芯片是多么烧钱啊！折扣的忽然倒塌，令很多人感到唏嘘和惋惜， 这到底是个什么情况，说没就没了？大家都在猜测其原因，缺钱、卡伯兹等等。网上的一条沟通和二木打架的消息，可能是导致折库熄火的重要原因之一。 在芯片设计方面就绕不开底层架构，在移动芯片领域，几乎是被二木架构垄断了整个行业，叉八六架构则垄断了 pc 行业。那高通和二木为什么要打架呢？因为高通收购了恩菲亚公司， 目的就是为了换掉阿尔木 coretex 超大核，改用了恩菲亚的自研核心，每年能省下百分之五十的授权费，因为阿尔木这家公司 完全是靠授权费来生存的。高通收购了 n v 啊，就动了阿尔木的蛋糕，而且还动了很大一块蛋糕。注意，这个 n v 啊，和造 g p o 的 n v d 啊不是同一个公司。 r 木在去年就公布了一项新规，规定在二零二四年之后，所有的 r 木架构设计出来的 suc， 不允许采用第三方的 g p o n p o i s p。 那咱们回头来看， oppo 是不是外挂的 npo， vivo 是不是外挂的 isp？ 也就说这项新规是在逼客户二选一，要么选 arm 加购，要么都不要用。如果这个事情的背后真的是这样的话， vivo 的 v 系列芯片也可能也用不了了，这 这个事情想想还是挺严重的，如果不用公版的 suc， 到头来可能手机厂商连手机都没得做，对于小米来说，影响可能没那么大。小米主要宣传的是 pe 和基因电池相关的芯片，澎湃 c 系列的 isp 基本上是没怎么宣传的，比如小米十二 s ultra 搭载了 crisp 芯片，他都很低调啊，没怎么宣传小米十三 out 有没有搭载 cr 芯片呢？那么我们得要把这片主板完全拆开才能看到。你说说，你说说，这不是二木自觉坟墓吗？还有一个架构 risk five， 缺点就是指令少，生态比较差，目前呢，对二木架构是没有太大的威胁的， 以后呢，可能就说不准了。他这个呢，是属于开源的架构，不受漂亮国的管制，国内的像阿里、华为、中科院也都在押注 risk five 的架构。简单的来说，这就是一场大象打架，蚂蚁遭殃的故事。
7.0万阿正起飞
03:25查看AI文稿AI文稿那既然手机都有 soc 芯片了，还经常听人说什么性能过剩，为啥还要额外搞一个 npu 影像芯片呢？ 徒增公号吗？举个例子大家就明白了，通用的 suc 芯片就像一辆大货车，拉人拉货，甚至送外卖，啥啥都能干。 但傻子也知道你不会用大货车去送外卖呀，因为能干不代表最适合干，而 npu 可能更像一辆摩托车，能干的事虽然不多，但是优点就是跑得快，油耗低，敏捷性高，在特定的情况下还真有着不可替代的作用。针对不同的活，选择不同的交通工具，不仅效率更高，而且一定更省油。 就是说 oppo 自言的这个 npu 影像芯片，主要是特定用在手机拍照和拍视频上面的，而且不仅不会图增工号，反而还能更加省电。比如 oppo 之前就测试了一套降噪算法，这个算法在 finanx 三 pro 上只用 soc 的算 ar， 性能只有两针，而工号却接近了一点七瓦，几乎是没法用的状态。但在马里亚纳 x 的机器上就可以做到四十针，工号只有零点八瓦，性能直接提升二十倍，工号反而减半不止。为什么会出现这种情况呢？ 因为手机的空间有限，在硬件层面上可能永远也无法和相机媲美，底大一级压死人嘛，大家都听过，那怎么尽量拉近手机和相机在拍照上的差距呢？所以几乎所有的手机厂商都做了同一个选择，另批戏尽在软件上下功夫呗。 也就是现在非常流行的一个词叫计算摄影。其实说人话呀，就是靠 a r 算法来 p 图， a r 算法越强大，出片效果就越好，但同时对芯片的算例要求就越高，特别是在拍夜景视频的时候，最能体现出这一点。相信很多人都感觉出来了，拍夜景视频对算例要求是极高的，很多手机 甚至可能还会发生相机严重的卡顿、发热等一堆问题，而且还不能拍四 k 的夜景视频。其实本质上呀，就是 soc 的算力跟不上，而 传统的 isp 芯片更多是用在多针合成等传统的影像处理上，面对 ar 深度学习的网络模型却一点也无能为力， 功能太过于单一。而计算摄影以后，手机厂商比拼的一定就是 a i 的算法与算例， isp 芯片对于这个大方向来说，其实意义不是很大，而且 oppo fine x 五 pro 的芯片和影像算法都是自然的，全是自家的东西，调教起来自然也是非常的德行应手呀。 甚至可以实现四 k 的夜景视频拍摄，直接解除了幺零八零 p 的画质限制，每针画面都进行了像素级的 ai 降噪处理，同时还支持二十比特的 hdr 超级动态范围，这绝对称得上是手机行业在影像技术水平上的一个大提升。最后说点新 话呀，我内心还是真的挺佩服像 oppo 这样的科技品牌的，自华为被制裁后，国产手机厂商在自研芯片这条路上好像就没有了挑大旗的，毕竟自研芯片风险大，技术要求也高，投入也可能是个无底洞，做企业嘛，活着安稳的赚钱最重要。可以理解， 但就在这样的大环境下呢，欧普还愿意冒险走向这条艰难的研发道路，虽然不是 soc 芯片，但这精神与这价值观首先是值得鼓励的。我们之前的视频其实也说过很多国产行业从领到领先全球的崛起过程，比如三一呀，振华呀，青霉素呀等等，听起来都挺热血沸腾的。 芯片行业相信一直也是大家心里的一个痛， oppo 这次的马里亚纳 x 芯片或许也是代表着我们国产自研芯片遍地开花的一个起点，也希望更多的手机厂上能真正的埋下头，实际的将精力投入到研发中来。用户是会用脚投票的，相信在不久的将来，国产芯片一定会遍布全球各地。
749蛋哥来啦
07:51查看AI文稿AI文稿去年小米从事澎湃芯片， vivo 推出首款 sp 芯片 v 一， oppo 推出了首款字眼影像专用 apu、 玛利亚拉 x， 这些芯片跟华为的吉利芯片有什么区别？大家好，这里是格局湖，我是普通话，太普通的普通市民周明不都是手机芯片吗？有什么区别？ 当然有了，那我相信很多小伙伴应该都知道他的区别，那就可以跳到这里开始看。但是啊，由于产生的在 s 芯片上的过度营销，导致很多朋友确实也搞不太清楚这些芯片和华为的海市麒麟、高通骁龙、苹果 s 五这些芯片到底有什么区别？ 那甚至啊，还让有些人觉得是不是华为还是麒麟倒下了，我们的国产芯片终于要站起来了？当然不是，这其实是两回事。首先，一款手机中会集成很多芯片，分别负责不同的功能，包括 sos 芯片、自带芯片、射频芯片、储存芯片、模拟芯片和传感器芯片、影像芯片等等。 soc 呢，也 成为系统机芯片，是主芯片。那检验之 soc 就是一部手机的大佬。在目前的手机产生中，仅有华为、苹果、三星、谷歌具有实力设计 soc 芯片。 soc 一般由 cpu、 gpu、 mpu 和除虫等部件组成， 比如说高层销售啊，华为麒麟在的 slc 一般都集成了很多不同的功能，比如 cpu 负责处理计算机任务， cpu 负责图像渲染，基带则负责通信， sp 负责处理相机数据， dsp 负责解码。 mpu 是作用于人工智能运算。 目前小米 ov 啊推出的这些 spmpu 芯片，其实是一种图像信号处理芯片，他们主要负责影像与图片的加工、润色以及数据优化。比如说 oppo 的玛尼亚拉 x 镜片，就是为手机影像量身定制的，目的是为了辅助计算来提高业绩人像等拍照效果。按照 oppo 的说法，玛利亚 x 强大的算例和能效比 将 oppo flax 五 pro 的超轻夜景视频分辨率提升了四倍，且对每一张画面进行像素级的 ai 降噪处理，集成了自然影像处理单位，迈而露米能拉伸高通的范围呈现能力，使夜拍更加 明亮。不是广告，只是拿他来举个例子，那也就说目前小米欧威做的并不是核心能力层面的这个手势芯片，而是些边缘化的专用芯片。这个芯片是针对一个特定的专用功能进行优化与提升。 虽然这些芯片确实能够在一定程度上提升影像能力，但其实我们都知道， so c 芯片中也集成了 s p 和 m p u 功能，这种影像处理功能的专用芯片，其实本身与 s o c 的影像功能是有重复的，这就好比有些女孩子，她本来就没有近视， 偏偏喜欢带美瞳。而手机场上自研的 soc 能够实现软硬件的深度融合，全面提升 用户体验。就比如说 iphone 十三 pro 的刷新性能特别好，是因为它的 s 五从性能到工号都优于骁龙八系列。那其实大家都知道，只有字眼 soc 芯片才能算得上是真正意义上的高端手机。 据说苹果一类是操作系统在 soc 芯片自研，形成软硬一体化的体验与品牌一家三星是掌控产业链的关键环节，包括自然说芯片与屏幕等等。华为也是源自他在七零 s 自然芯片与五 g 层面加底层系统的核心竞争力。 其实啊，不然发现啊，苹果、三星、华为的高端化都离不开自然的 soc 芯片。我们都知道 iphone 真正开启智能手机时代是 iphone 四的面试，但不少人或许不知道， iphone 的前三类产品采用的是 三星的芯片。二零一零年， iphone 四航空出世，搭载了苹果首款自然芯片 a 四，开启了苹果自然芯片之路，也 成就了这款跨时代意义的产品。与此同时， ipad 也开始使用 a 系列的芯片。此外，苹果在其他业务线中也将自然芯片放在战略地位，比如二零一四年，除了 apple 外企发布搭载自研 s 一芯片。二零一六年，苹果又相机推出了 sep 和 s 二，如今叠载到了 s 七芯片。二零零六年，除了 apos 发布，也搭载了自然的 we 芯片，开启了 tws 耳机时代。那这两年苹果也已经攻克了长久以来的短板，基带芯片。根据供应链相关的消息啊， iphone 十四或是苹果最后一款搭载第三方基带芯片的 iphone iphone 十五，苹果会将全部采用自然芯片。从华为来看，海斯麒麟也是华为自主设计的一款 soc， 其中 cpu 和 gpu 应用的价格是由阿姆授权的。 mpu 曾采用的是航母 g 的产品，后面搭载的是自然的 mpu 代号达芬奇麒麟处理器对标的是苹果的 ac 系列，高层的骁龙以及三星的猎户做处理器。其实华为在二零二零年前后发展的势头对苹果的威胁很大，因为当时华为麒麟九千芯片采用了五纳米的制成工艺，也是当时世界上首个五纳米制成的五 g 手机二手 c， 其集成了一百五十三亿个晶体管，当时的 s 四芯片还要多出百分之三十。 而当时华为在高端市场的势头甚至都压过。伤心了是因为华为彼时在自然的 sus 芯片之外，系统底层能力也在伤心。比如说华为从 em 一九点一系统开始， gpu 确保到华为的超级文件系统，方舟编一汽机制的简化，在安卓的底层开刀，开发者在开发环境一次性的将高级语言编译成为 机器码，提升执行性能与流畅的体验，这也提升了华为的高端品牌一家。这当时的业能是看来华为在系统底层与芯片两个核心层面上开始看起苹果了。三星在 海外市场占满了高端品牌，但后来持续不行，一方面他具备 soc 芯片资源的能力，但在系统体验上却是短板，虽然让他的高端品牌衣架少了一个重要的支撑点，但遗憾的是，随着华为的弹出，国内还没有产生能够 接上这一层能力。实际上自研 so 的成功不仅在于提升品牌衣架，还能够把芯片的采购变成芯片代工，节省几百亿的芯片成本，成本降低之后，在市场产品定价上也有更强的话语权。所以目前看来，手机产生自然影响芯片的目的战略意义要大于用户体验层面的实心意义。 而且在很多业人是看来，其实现在手机厂商再去做通用的 ss 芯片已经没有意义了，原因也不复杂。那首先肯定是技术难度太大，先不说整体的技术难度啊，从行业来看，在 s s 芯片上想要追赶已经非常难了。我们不说苹果，即便是因特，因为打 高通，这些厂商都已经做到非常的顶尖，再怎么做也做不过这些头部厂商了。其次是消费者其实是可以忽悠的。对普通消费者而言啊，可能并不理解 soc 芯片与专用芯片的本质区别，而消费者对于一个高端品牌的认可， 一个重要的标准就是自然芯片的能力，不管是什么芯片，专用芯片他也是芯片，也能激发消费者的国民情感，从而带动品牌上行。 soc 芯片的集成度与 b 率都比较高，对时间想要攻克难度也非常大，需要通过长时间的资金与技术投入，那还不如先做周边芯片 营销先行啊。其实我们从另一个角度来看呢，手机产生字眼影像芯片对市场和消费者其实也是好事，毕竟啊，愿意下场做芯片已经是一个巨大的进步， s 芯片的字眼也能够在一定程度上提升品牌形象，打造产品的差异化，而且呢，还能在一定程度 上促进芯片产业的发展，人才体系的建设。但是如果要实现自然芯片从专用芯片到 ss 芯片的突破，还有很长的路要走，但是啊，其实产生的也没有必要去过度营销，或者是说去混淆 s 芯片与 slc 芯片的概念，那无论是 oppo、 小米还是 vivo， 都是从 s 芯片开始入手，其原因就在于 技术层面来看，他们还不具备 so 是设计研发上的制成能力。而当前手机影像这一领域的内卷程度最深，几乎所有的手机厂商都将重点就要在影像这一层能力的比拼， 出了苹果来凸显自己一项芯片的优势，也能收个业绩的关注，而且呢，也能在于友商对比中有差异化，有亮点，同时还能彰显自身的技术能力。手机厂商愿意实打实的去研发是好事，从一到晚也是不可避免的，先做 sp 芯片，再到快充芯片，再到 电源管理芯片等等，最终才有可能攻克的手势芯片，从这个亿层面来看，不失为一个破局的思路。好了，以上就是本期视频的全部内容，你的关注和点赞就是对我们做视频最大的支持和鼓励。 科技火我收明，我们下个视频再见！
3513科技狐
01:16查看AI文稿AI文稿oppo 玛利亚娜 vivo v 芯片哪个更好？去年 v 五 x 七零 pro plus 搭载了四家 v 芯片，但是是不是自银啊，又在确认 what？ 最近 oppo 发布了范的 x 五 pro， 搭载了自研的玛利亚娜芯片，为影像带来了算利方面的硬件解决。从含金量上来看呢，肯定是 oppo 的含金量更高一些。但是啊，两者在影像方面侧重点是有些不同的。 vivo 的 v 芯片啊，属于一颗 st 芯片啊，用来对前端 无像传感器输出信号进行处理的单元啊，来解决连拍速度图像处理速度色彩感光 a d r 等啊。同时呢，增强夜景变焦运动防抖视频等颜 open 麦芽的 x 芯片呢，是影像方面 sp 加 a i 的 npo， 也是 oppo 真字眼的六纳米芯片。那 npo 主要是用 来做影像方面的 a i 算例的啊，协同分担处理一下工作，可以直接对原始影像进行数据处理啊，最高支持二十比特的影像处理， 可以在四 k 视频拍摄夜景，拍摄复杂场景中直接进行处理。这颗芯片的算例架构工艺软件配合上面都是国内小米 vo 影像 sp 之上的。所以啊，谁更好呢？把你们的答案打在评论区。
2207大龙康芒
18:35查看AI文稿AI文稿大家好，我是大刘，这一视频我们来讲 npu， 在智能手机、电脑、平板以及智能电动车里面都有一个芯片呢，叫做 npu， 这个 npu 呢，基本上已经成为现代的主流的 soc 主控单元里面必不可少的一个芯片，那么这一视频呢，我们就来深入的讲一讲 npu 到底是个啥？ 要讲 npo 呢，我们还是得从这个 cpu 先说起，那么在黑板上画的这三幅图呢，分别是 cpujpu 和 npu 这三种芯片啊， 无论是 gpu 还是 npo 还是等等其他芯片啊，都是围绕 cpu 在工作的啊，那么我们这一所讲的这个 npo 的话，其实呢就是给 cpu 打工的，大家可以这么理解啊， 这个 cpu 呢，它相当于是一个地主啊，然后这个 npo 呢，相当于是这个地主买的一头驴啊，那么这个驴呢，很明显是来给这个地主干活 拉磨的，那么 cpu 呢，他要想去做一些人工智能定算，他呢会把大概的一个逻辑啊，会把一个工作的准则梳理好，然后呢把相应的一些生产资料分配给这个 npo， 那么 npo 呢，就负责去帮他生产 好吧，那么这个关系呢，就好比是这个地主呢，让这头驴去给他拉磨啊，那么 npo 要计算的这些数据呢，就好比是这个磨盘上面的粮食啊， 然后这个 npo 这头驴呢，就拉着这个墨一圈一圈的转，那么他每转一圈呢，就相当于是完成了一系列的这个指令的预算啊，那么这个粮食呢，就好比他们要处理的数据， 那么当他拉的这个莫属这个圈数越来越多的时候呢，那么这个粮食呢，很明显就会越来越精细化，那么那么 cpu 呢，我们都知道啊，它是一个通用处理器，那么通用处理器呢，对于 cpu 来说呢，它主要是负责 逻辑运算的，它的可编程性能非常强。那么从这个图上可以看出啊，这个黄色部分呢，是 ctrl， 也就是这个控制原器件，然后这个 aiu 呢，是预算单元这一部分进行管呢，主要是用来做预算的， 那么可以看到，基本上有占到百分之五十左右面积的这一部分呢，都是缓存啊，那么这个 jpu 呢，它的这个结构呢，就更加的呃定制化了。今天的 jpu 呢，跟 cpu 一样，同样也是一个通用型处理器啊， 而 gpu 呢，如今通过类似于英伟达的这个酷打框架，或者说苹果的这个欧喷非要框架呢，也可以啊，用第三方的软件来调用 cpu 的一些算例啊，让他不止于去渲染图形，也可以去做其他计算啊，比如说这个呃流体力学的模拟，比如说这个大气的预测等等。那么最早的时候呢， 在人工智能的这个算法的这个训练上呢，实际上大家都用的用的是这个 jpu 啊，因为为什么呢？因为 jpu 从这个算力这个角度来讲啊，他是要比这个 cpu 要强很多的，因为 jpu 呢，他是一个 流水线作业，他呢是最大的特点就是这个并行的计算，他的吞吐量非常大，而且可以同时处理很多条数据。那么在这里呢，也简单的给大家说一下，这个 gpu 在处理图形的时候到底是在干嘛？这个基本上呢，可以分为两个阶段啊，那么第一个阶段呢，就是这个几何阶段， 第二个阶段呢是光山化阶段，那么这两个阶段呢，其实很好理解啊，几何阶段呢，是这样的，呃，首先这个 cpu 啊，它会从这个游戏里面去读取一些这个三维建模的信息，那么其中第一个信息呢，就是这个顶点信息，因为我们知道啊，这个游戏开发者在制作游戏的时候呢， 这里面的所有的剑魔啊，他都是由这个几何形状构成的啊，由一个几何形状构成了一个多面体，那么既然是一个几何形状的话，就意味着他是有顶点的，比如说一个三角形的顶点，就是那三个点，好吧，那么 cpu 把顶点信息交给 dq 以后呢，他要做的第一步处理就是要先把这个顶点信息给处理好， 那么在几何阶段呢，除了要对顶点这个信息做处理了，以后呢，还要进行这个图源装配啊，图源装配什么意思呢？就是把顶点信息给连升线啊，让它形成一个大概的具体的形状出来。那么几何阶段呢，还会进行一步操作呢，就是把这个整个的 gpu 所处理的信息呢，进行一个 排气啊，因为毕竟在游戏世界里面呢，是个三维的，但是你看到的画面呢，实际上是个二维的，好吧，那么在光山化阶段呢，就很好理解了，他实际上是把上一步所处理的一些几何形状啊啊， 进一步的给他进行这个像素化，然后进行上色，这样的话，大家就能看到一个比较真实的画面。那么后来呢，又出现了这个 npo， 这个 npo 是个什么呢？ npo 实际上是 他属于这个 asicasic 类芯片啊，这类芯片呢，是一个专门的定制化芯片啊，这个芯片的电路逻辑呢，是不可编程的，他在被做出来以后呢，是只能跑一种算法啊，只能干一种活。 那么 npo 呢，它相比 gpu 呢，就是更进一步的成为了一个专门的高度定制化的芯片。以前的时候， 这个做人工智能呢，用这个 jpo 来进行渲染吧，对吧？其实用这个 jpo 去处理人物智能数据呢，相比 cpo 啊，已经快了很多，但是呢还是不够专业，还是不够这个定制化，那么后来呢，就出了这个 npo， 那么 npo 呢，在电路架构上呢，实际上是要比这个 gpu 更进一步的， 我们可以看到，在这个 jpu 的整个这个芯片的这个逻辑里面啊，这个是控制单元，然后这一部分呢是 jpu 的这个缓存，然后在这些地方呢，每一条呢都是他每一个核心啊， 然后每一个核心里面呢，都会有呃相应的一个控制单元啊，然后也会有相应的这个呃缓存啊，然后他很大一部分内容呢，全部都是这个预算单元，全部都是帮他来做计算的话， 那么可以看到，相比这个 cpu 呢， gpu 的这个预算单元的这个数量是增加了很多啊，这样的话，可以保证他有非常强大的这个病情预算能力。 那么 npo 呢，我们可以看到啊，他跟 gpu 相比呢，也是有非常多个啊，看上去是有非常多个核心啊，是有很多很多的这个预算单元，但是呢有一个很大的区别啊，就是 npo 的架构呢，通常是计算和存储 是一体化的，那么这个红色部分啊，指的是这个存储部分，也就是缓存吗？大家可以看到，在这个 npu 架构里面呢，基本上每一个小模块都会匹配一个缓存，然后匹配一个预算单元啊，然后呢由这一个一个个单元呢构成他的一个基本的预算单位。 那么为什么要这么设计呢？实际上是借鉴了人的一个神经网络啊，因为人的大脑呢是这个计算和存储是一体化的， 那么在这个 npo 中呢，他也是接近了这样一个逻辑啊，就是他在实时计算出来的数据呢，实际上是不跟外部的芯片去通讯的 啊，是不跟外部西北通讯的，他在计算完成一个结果以后呢，会先存储到本地，然后再进行下一步预算，直到最终输出一个结果以后呢，才会返回给这个 cpu。 那么下面呢，我们以这个特斯拉的 fsd， 以他的这个全 全自动驾驶芯片呢为例来做一个说明啊，那么在这个特萨的芯片里面呢，有一个元气件叫做麦克，它呢是乘机累加运算的意思啊，它既可以指一种运算规则，也可以指这里面一个具体的电动逻辑，叫做乘机累加预算器啊，那么这个电动逻辑到底是干嘛用的呢？ 那么在特斯拉的这个 fc 芯片里面呢，他的麦克是一个这样的九十六乘以九十六的一个阵列， 特斯拉的这个 fsd 是宣称有这个一百四十四 top 的算例啊，这个一百四十四 top 是怎么来的呢？因为特斯拉的 fsd 里面是有两个 soc 的，那么单个 soc 呢？可以看到啊，就是他的算例呢，是七十二 tops， 九十六乘以九十六的这个麦克阵列，然后再乘以二。 为什么乘以二呢？这个是特斯拉这个 fsd 里面 nq 这个主屏，他的主屏是两记合字，好吧，九十六乘 九十都在乘以二，然后再乘以二，约等于三十六，那么这个地方为什么又再次乘以二呢？再乘以二呢？指的是乘法和加法，因为这是两步操作嘛，对吧？所以说是乘以二，然后呢得出一个三十六 tops。 那么在特斯拉的这个单个 soc 里面呢，是有两组 npo 这个芯片的啊，那么三十六代乘以二呢，就是七十二，这个就是特斯拉这个算例的一个来源啊。 那么除了这个以外呢，实际上目前绝大多数的智能手机也好，还是这个电脑也好，它的这个算力啊，都是这么来的。 当我们讲蒜粒的时候，实际上特指的是他这一个 npo 的蒜粒啊，并不是说整个的一个蒜粒啊。好，那么我们明白特斯拉的这个一百四十四 top 是怎么来的。以后呢，我们再来讲，这个麦克 到底具体指的是一个什么意思啊？麦克呢？他是这个乘机累加运算吗？ multiply accumulate 啊，乘机累加运算，很明显是一个乘法，呃，再加一个加法，那么大概可以去这样理解啊， 好，这个是 a， 这个也是 a， 然后是 b 乘以 c， 加上这个 a， 怎么理解呢？就是 b 乘以 c， 会得到一个结果，那么这个结果呢，再加上 a， 他再加上以后呢，实际上又形成了一个新的 a， 那么这个新的 a 呢？再去进行下一步操作，然后呢新的 b 乘 c， 再加上这个 a 啊，这个就是乘机里加运算。 好，那么我们下面呢，从这个一个具体的例子来讲一下成绩两家预算到底是，呃，为什么说这个麦克他要用这样一个预算规则，实际上在这个人工智能里面，呃， 我们以这个卷机神经网络为例啊，那么这个卷机运算，它本质上其实就是这样的一个运算，那么我们可以看到这里有几幅阵列，这个是六乘以六，这个是三乘以三，这个是四乘以四。好，那么这个呢是什么呢？这个其实是一个原始图像啊，一个原始图像。 我们就以这个呃图像识别为例来说一下麦克的一个原理啊，因为本身这个卷进神经网络呢，最早他就是用来去做这个机器视觉的做这个图片识别的。那么我们所讲的这个例子是什么呢？是检测图片里面的一个边缘 啊，比如说这个图片里面有一条狗，有一个人，对吧？那么他跟周围物体的一个边缘去做一个检测，这个检测是怎么来的呢？这是原始图像，那么这上面的数字呢？可以是随机的啊，可以是随机的啊，这个跟具体图片里面那个数字有关，那么这个 数字呢，可以代表亮度，也可以代表其他参数啊。假如说我们以这个它是亮度为例来说明啊，那么可以看到啊，从我们的角度来观察的话，在这个六乘六这类里面啊，很明显这边都是十，然后这边都是零，那么这个 中间这个一定就是他的边缘了，好吧，那么这个呢，是一个大概的一个抽象的概念图啊，这个边缘应该是在中间这一部分，但是如何让机器去知道这个边缘在这一部分呢？那么这个时候呢，就要用到这个麦克预算了。 好，那么这个东西是什么呢？这个三乘三的东西呢？叫做卷机盒，叫做卷机盒柯 no， 也叫做 field， 注意啊，实际上在这个卷机运算里面的柯 ne 和 field 实际上是有差别的， field 呢，实际上是柯纳的一个串联。那么这个具体概念呢，我们就先不去纠结了，总之呢， 我们要知道这个卷机的这个盒呢，卷机盒呢，它实际上是一个权重举证啊，是一个权重举证，就是这个权重举证呢，它有可能是人工输入的，也有可能是通过生存的这个 cn 生存的这个卷机运算去得出来这个结果。总之呢，它相当于是一个模板， 相当是一个模板，他预先设定了这个一一一零零零负一负一负一，他预先呢是先把这个中间这部分给抽象出来啊，这个是一个权重举针， 然后呢你把这个卷机盒啊，把这个三乘三的矩阵呢，把它挪到这个上面来，那么很明显挪到这个上面来以后呢，它对应的第一部分啊，就是这一部分， 就是在这个六乘六里面呢，其中这四分之一，那么就对应这个三乘以三这个阵列，然后对应上以后呢，非常简单做一个非常简单的预算啊，就是一 乘以十，然后零乘以这个十，然后负一呢，再乘以这个十，然后呢后面这两排呢，分别去跟这几个十相乘啊，那么他们每次相乘得出的这个结果呢， 总共把它加起来得出一个数值啊，然后就填到这个地方来，那么很明显在第一步操作中呢，得出的是一个零， 好吧，然后下一步怎么操作呢？把它整个的这个卷机盒原来不是放到这个左上角吗？把它往右移上一格 啊，然后再做同样的运算，做完这个算完以后呢，再往右一根，再右一根，然后呢这一行算完以后呢，然后再从左起往下移一根，从这个地方再开始重复刚才的运算，那么全部运算完毕以后呢，你就会得出一个这样的图，那 很明显按照这个乘呃乘法和加法算出来这个结果呢，在这个四乘四这点里面呢，我们可以看到啊，就是零零零零零零零零零，然后中间这两列呢都是三十， 那么对于这个机器来说呢，这个时候他就可以分辨出来了，中间都是三十，好吧，那么这个时候呢，他就知道中间这一部分 就是边缘啊，这个就是计算机视觉来去分辨这个图片，呃，做这个垂直性的这个图片边缘检测的一个原理啊，那么这个呢，同时也是麦克的原理 啊，这就是为什么在 npo 的这个芯片里面，他的麦克单元呢，要去做这样一种预算啊，刚刚我们所讲的这样一个卷机神经网络的一个运算的步骤呢，实际上是用来干嘛呢？大家有没有看到啊？就是从六乘六到了四乘以四，实际上这个图片呢是变小了，那么其实这个运算呢， 是可以用来对图像做一种锐化的，那么如果说原来的格子在算完以后呢，比原来更大了，比如说他从六乘六成一个，呃，给算成了一个十二乘以十二啊，变大了，那么变大的话，这个过程呢叫做反卷机， 叫做反卷机，那么这种这个算法呢，可以用来将一个图片进行放大处理啊，进行放大处理，放大以后呢，依然保留原来的这个图片的信息和细节啊，这个就是以图片这个处理为例啊，所讲的一个卖核运算的原理啊。 好，那么从这里面我们可以看出啊，就是实际上对于 npo 来说呢，它里面的这个预算规则是非常简单的，无非就是在做一个乘法，然后做一个加法，对吧？然后通过这样一个卷机盒呢，去把相应的一个数值给算出来啊，然后对图像进行处理，就像是我们刚刚说的一样，他是 一个地主，他是一头驴吗？对吧？那么这个驴呢，是来给这个地主进行拉磨的，那么他每转一圈呢，相当于就是算了一呃，算了一次这个阵列啊啊，那么他每算一次这个阵列呢，就相当于是把这个模范上的粮食啊，又压了一圈啊，那么最终的这个这个粮食压好了，压的精细了以后呢，他就可以把结果返回给这个 cpu， 然后 cpu 上面的这个人物智能算法呢啊，包括他的这个模型呢，会对整个的这个图片做一个更深层次的处理啊，去得出一个结论啊，然后指导下一步是该怎么操作的。 那么在这里呢，也补充一点啊，就是我们刚刚讲到啊，对于这个特斯拉的 fsd 来讲，我们可以算出来他的这个算的呢是呃，单盒的，算的呢是三十六 tops， 然后呢一个 sov 上面呢是七十二 tops， 但是要注意啊，现在虽然很多厂家拿这个 npo 的算力来去做宣传啊，呃，宣传呢，我就 是没有问题的，但是一定要注明一点，就是你用的是什么精度？特斯拉的这个精度呢，是这样的，他在乘法方面用的是 int 八，是 int 八整数运算，也就是一个字节的整数运算，位宽是八位。然后呢他的这个加法运算呢，用的是 int 三十二， 也就是四个字节啊，三十二倍的宽度，这个这两者呢都是整数预算啊。那么实际上在 ar 领域呢，最常用的两种这个数据格式啊，数据类型啊，一个是 inter 八， 一个就是 fp 十六这个半经路浮点数啊，这个大家在上中学的时候应该都接触过，半经路浮点数特萨用的是一个 n 特八，一个这个 n 三十二，分别呢是处理这个乘法和加法。好吧，那么 为什么特斯拉不去用这个单呃，这个半经路浮点数或者是 fp 三十二这个单经路浮点数呢？那么这里就设计一个问题啊，就是如果如果你用这个浮点数来去作为数据类型去做处理的话，那么你的这个预算量是非常非常大的， 但是呢，你同时来讲得出的这个结果也是更精细啊，也是更精细的，更接近现实的。 但是呢，用这个 fp 十六或者是 fp 三十二会有一个缺点，那就是工号会非常非常的高啊，所以呢，特斯拉从这个工号角度去呃 考虑啊，依然采用的是一个 inte 八和 inte 三十二的这样一个呃数据格式啊。实际上现在很多手机端的这个 npu 啊，它基本上都是在这个 inte 八这个层次上找出的一些高性能芯片呢，会用到这个 fp 十六，可以这样理解啊，就是当你的精度 要求越来越高的时候，你的算例啊，是要打折的啊，比如说原来是 inte 八，那么你到了三十二以后啊，那么这个算例呢，可能就要减半啊，或者是有不同程度的设计好吧，那么这个是对他的一个影响。那么现在很多的厂家，包括这个消费电子厂家也好，还是这个汽车厂家也好， 他们在设计这个 npo 的时候呢，都会呃综合去考虑，先考虑这个能耗问题，再考虑这个数据运算的这个需求量问题。 那么无论是 a 八还是 fp 十六呢，其实没有一个优点之分啊，主要是看你拥有在什么场景啊，如果是在一些这个大气预测啊，或者是在这个医疗啊等等方面的话，在这个生物第一方面的话，那么你肯定是要求这个预算精度越越高越好 啊，因为在这些场景呢，有足够大的这个空间和资源，能够去帮你预算这样的数据。但是在一些消费电子场景，在汽车这个移动端场景对不对？你不可能放一个 非常大的新品在里面，这个 cpu 和 gpu 呢，全世界啊，没有多少家公司能够真正做出来。但是这个 npo 呢，我们发现啊，很多手机厂商，很多汽车厂商，他自己就可以把这个 npu 家伙给设计出来啊，甚至不需要依赖太多的标准 ip 就可以设计出来。 好吧，那么他的门槛实际上是是比较低的啊，而且呢要想提高他的算率呢，其实就是堆料啊，你把麦克单元的数量扩大，同时呢把这个 呃这个存储的缓存和对外的这个 drm 的带宽啊，这个内存带宽把它加大啊，就是让他实现这个高吞吐量，那么这个时候呢， nq 的算力呢，明显就可以提上来， 他本身呢是没有什么奇特之处的，而且设计 npo 呢也比较简单，因为他用到的指定级非常少啊，非常非常少。像特斯拉这个 npo 呢，好像据说啊是只有八条指定级，那么在这个情况下呢， 就是设计他就比较简单了，好吧，那么这个呢，就是整个呃 npo 的一个原理啊。 ok， 那么关于 npo 呢，我们就先讲到这个地方啊，如果有讲哪里不对的地方，欢迎大家批评指证啊。好，我是大刘，我们下期再见。
2978大刘科普
03:46查看AI文稿AI文稿大家好，我是不眨眼的双奥林超。今天我们来聊聊芯片的话题。这两年美国政府如何在芯片产业中对中国步步紧逼的新闻我就不用多说了，各种报道已经铺天盖地，但是中国这边的应对措施，二零二二年至今的确还没有什么大新闻爆出来。不过就在前几周，一个重磅的业内传闻开始流出， 说中国正在制定一项规模高达一万亿人民币，也就是大约一千四百三十亿美元的半导体产业扶持计划。这项计划可能会在未来五年逐步实施， 如果他能够最终推出啊，我想肯定会推动中国的造新热潮更上一层楼。说是更上一层吗？因为过去两年在中国，芯片已经是个超高热度话题了。我印象中几乎所有的科技大厂都在受到自然芯片。以手机厂商为例表，二零二一年以前，手机行业的发布会收到芯片几乎言必提高， 但是二零二一年之后，除了老玩家华为、小米、 vivo、 oppo， 每家都开始发布自然芯片，而且参数设计的越来越有野心，投入的资金 越来越大。如果再加上这两年加入芯片战局的腾讯、阿里、百度造车新势力，还有国内一众迅速崛起的芯片公司，可以说今天中国在芯片产业链的 fabulous， 也就是芯片设计这个环节，已经是玩家众多，百花齐放了。 纵观芯片产业链的设计、软件、设备、材料制造、风测六大模块，除了风测这个模块，中国本来的国产化率就比较高， 这两年在芯片设计这个模块，中国补课的速度应该是最快的，而且在芯片设计的众多细分赛道里， ai 芯片设计我觉得中国是最有潜力的。而说起 ai 芯片，就又不得不提到这两年逐渐变得热门的一种新的芯片类型 是 npu， neuro network processing unit， 神经网络处理单元，也被称为 ai 处理器。你看这个概念，从读音上跟我们以前听过的 cpu 和 gpu 这两个芯片是很像的，我们刚好可以把他们三个拿来一起比较。 cpu 被称为中央处理器， gpu 被称为图形处理， npu 被称为 ai 处理器。你看光世界三个中文名，我们就能大概猜到他们用途的差别了。这三者的内部结构可以用一张图来做最浅浅的拆解。首先， cpu 最重要的是控制单元，他的每一个任务处理都要经过控制单元，这意味着计算任务需要排着队来进行， 所以这也被称为串型处理。而 gpu 呢，它最大的那块芯片面积是众多的 lu 计算单元，这些单元可以同时工作，这意味着一个大人物可以加上很多小模块同时处理，所以它被称为并行处理。 看创新并行这么一比较，大家马上就能理解为什么越大的图片和视频越需要用 gpu 来处理，因为 cpu 他的处理通道太窄了，要排的队，这个大数据塞进去的效率太低嘛。 好，那么 mpu 跟这两个东西有什么不同呢？最明显的差别就是 mpu 的计算单元之间是可以进行数据通讯的，一个数据可以在里面反复的被利用。这意味着它最适合用来进行特 特定 ai 任务的快速处理，也很适合被用在手机、蓝牙耳机、 a、 二眼镜、机器人、智能家居这些设备上。而这是我看好中国做 npo 的其中一个原因，因为在手机、机器人、智能家居这些赛道上，中国是具备有产业优势的，而且 mpu 在中国发展潜力巨大。还有两点原因， 第一嘛，是中国在 ai 产业本来就有很好的积累。第二是 npu 是一个全新的赛道，中国芯片设计公司在这条赛道的起步时间并不晚，完全有机会赶超。你看，提到 cpu， 我们会想到英特尔， 提到 gpu， 我们想要英伟达，但是提到 anpu， 我们谁也想不起来。好吧，很多人连 npu 都没听说过，但这恰恰说明 apu 是一个全新的赛道。在这里，没有巨头为中国公司留出了可以争夺的生态位。所以这两年我一直也在留意国内中端厂商在这块的进展，并 如果发现华为、 oppo、 小米还有一些独立芯片公司，从二零二零年开始都陆续宣布自己的自研 npu 芯片。目前国内厂商最新的 npu 芯片 ai 上率已经能够达到十八 tops， 超过了苹果 a 十五的十五点八 tops。 哎，这里的所谓 tops 是 tara operations per second 的缩写，这个 tara 是一个数学单位，表示一万亿就是十的十二次方， 所以一 tops 意思就是处理器每秒可以进行一万亿次操作。多少个 tops 也是今天业内拿来衡量处理器计算能力的一个非常常见的指标。不过衡量一颗 mpu 芯片的先进程度，并不能单纯看 tops 指标，还要看他对特定任务的优化程度。
2.1万所长林超
01:03查看AI文稿AI文稿你知道手机的 saop 芯片内部包含有哪些芯片吗？ sork csmarch， 也就是电商系统，他将手机需要的完成大部分处理功能的芯片集成在一个支架大小的芯片上。他们包括但不限于 cpu、 gpu n i 芯片、 mpu i s p， 图像信号处理器、 dsp， 数字信号处理器、音频编解码芯片、基带芯片、存储控制器等芯片。另外，在扫描芯片外， 手机中还包含的芯片有一定显示驱动芯片、 gps 芯片、蓝牙芯片、 wifi 芯片、 nfc 芯片、射屏芯片、秘制电源管理芯片等芯片。 out 芯片上集成那么多芯片的原因主要有，提高芯片间数据交换速率、降低延迟、提高性能和可靠性、降低功耗和成本、减小芯片占用面积。未来提高 芯片的集成度是未来的发展方向。手机中目前位于萨克芯片外的芯片将来有可能集成到萨克内部。好了，本期的视频就到这里，有什么疑问或想法，欢迎留言区评论，下期再见！
217jackyqung
06:38查看AI文稿AI文稿如今提到 npu 大家都已经不会陌生，他就是常说的神经网络处理器 narrow engine。 从带领 iphone 支持 vcid 提供拍照的实时场景识别开始，人们如今也更注重 npu 的性能， 把它作为 cpu、 gpu y 的下一个性能指标。然而到了 apple c k 平台支持逐步完善的今天，很多人要不觉得 mone 平台剪视频性能强，是因为 mpu 和 madia engine 这些 acc 提供了主要功劳，要么还是认为 cpu、 gpu 和媒体引擎提供了主要的性能。恩义就是打酱油的。 从我最近半年使用 mone max mvp 的体验来看，这两种说法都不完全正确。从苹果官网提供的信息来看，神情网络处理器可以为视频分析、语音识别和图像处理提供辅助，这个说法还是比较笼统，因此在这个视频将会从 从日常应用和生产力的角度去介绍 npu 发挥的作用。相信大家对 iphone 上的人脸识别功能已经不陌生了，摄像功能在 os 十和 michael ssiri 引入到 photo app 中。 相比于同时期 google 的云端分析方案，苹果利用本地 gpu 运行人脸识别算法，因此隐私有更好的保证。除了方便照片分类管理之外，可以利用人脸识别为联系人设置头像，这样需要谢谢你的 mac 值和 lgo 的目标就不会是一个个弹头。 更牛逼的地方是红木 k 的安全摄像头可以利用到 ico 的人脸库的资料，通过本地的智能中枢运行人脸识别算法确定来访者身份。比如在你看电视的时候通知你有邻居上门换东西来了也可以关闭，某个朋友或者家人上门的时候通知。这一系列功能都发生在本地 的智能中枢上，所以隐私安全更能保证，也可以离线运行，而且可以跟随 hompo 的和 apple tv 升级解锁新功能，比如在人和动物的基础上新增包裹识别。 有的人会问一名 gpu 能做的事情加上 n e 有什么变化呢？我想轰破的仍然是一个很好的例子，比如 a 八处理器和 s 五有着差不多的双核性能， 但是两者日常待机的时候，老轰破的温度要比轰破的迷你高的多。而轰破的刚发布的时候并没有那么烫，都是随着新功能的推送而一点点变热。 去年尝鲜新版奥迪 os 的朋友甚至还碰到了顶盖过热融化开胶的问题。这其实一定程度上说明， a 八全靠 cpu 和 gpu 实现一系列功能是相对低效的，而且价格会很难降低。曾经威尔南 windows hello 面部解锁用的就是 open ceo 加速方案，所以遇到 gpu 出问题 或者相关的 open c 要酷加载慢哦，甚至失败，就会导致解锁慢或者解锁不可用。好在 md 这一代伦博朗 soc 加入了 cvim 核心，因此能完成和图像和视觉相关的加速任务。 下一代菲尼克斯 apu 除了带来增富和阿迪 a 这两大性价格， y 也会集成 selings 的 a i 加速器。 amd 和 selinx 这一波连锁可以说非常值得期待。回到刚才的话题，除了人脸识别之外，照片应用还支持物体识别，比如猫和花。 到了 iys 十五就更进一步，能够直接告诉你画面中出现的场景、动物、书本等内容。当然在麦克上也同样可用。还有就是大数好评的 live tax 功能，能够直接识别图片中的文字并选择复制，甚至可以利用页面搜索功能直接定位到图片内的文字，可以 说大大提升了网页检索信息的效率。而且这一切交给 npo 完成，大大降低了对性能和续航的影响。也别忘了 make 上的嘿 siri 功能，这一功能最早在 t 二的麦克上得到引入，通过 t 二内的低空号音频 dsp 实现了嘿 siri 的感知，从而摆脱了插电的限制。 而如今的 iphone、 ipad 也借助更强的 ai 算例，实现了纯本地的 siri 处理功能，换句话说，用户的音频数据可以不离开设备，换来更快的响应速度和更好的隐私保障。当然，如今的麦克艾斯暂时还没有开放本地处理， 而且老大 iphone 所卧车轰破的也因为算力不足不支持这项功能，由此可见， ar 的算力提升也为实现新功能带来的机遇。得益于 npo 强大的识别功能，发布会上就演示了机遇物体跟踪的智能遮罩， 实际操作中可以直接把高速模糊拖拽到识别的物体上，点击分析就会识别物体的运动并调整遮罩的形状。除了跟踪物体之外，人脸也是可跟踪的对象， 就比如这里的追踪操作交给了 npo 和 gpu 协同完成，可以看到整个追踪框做到了紧跟人脸，把原来需要通过手打关键针的打码操作，变成了如今简单的一拖一放，效率大提升。 除了视频处理之外， npo 在图像上也有着丰富的应用，比如这张低清晰度的结构图，就可以通过 m 幺超分辨率提升清晰度，同时消除掉图像在压缩中产生的噪声。 这一操作过程还可以编写为自动化流程，直接右键选择 qq actions， 或者选择设置快捷键，就可以实现上述一系列操作，大大提升效率。如果你觉得 exometer pro 太贵，那么就可以选择有免费模型的 wife 二叉，这款 apple 可以在 apple cd、 肯麦克以及其他 ls 设备运行，只不过高分美女的神经网络模型就需要付费。 之前给大家演示过 pixo 的 magic raisel 功能，可以抹掉画面中抢镜的路人，这其实就是一种神经网络功能的应用。当然在苹果生态的图库上也有类似的功能，只不过没有那么智能，但整体效果还算比较理想。 npu 还有另外一大功能就是图像降噪，特别是三 d 渲染软件，在低采用结果下画面有大量噪点， 老黄的 optes 渲染器就利用显卡 tansacro 进行降噪，加上画面渲染有 rt 光锥加速，可以说 n 卡一直是渲染设计师首选。如今的 blander 的塞口斯渲染器虽然支持了 myto gpu 渲染，但是由于优化不断 到位和不支持硬线光锥体验，只能说凑合够用。未来等 npo 降噪可用，至少在实时渲染功能方面的可用性会有很大提升。 最后总结，虽然不能说 npo 为 m 一的表现起到了决定性的作用，但是在几个场景中有着拔群的处理效率，让原来那些需要 cpu、 gpu 花大力气才能计算任务变得非常轻松快速。 刚才提到场景只是我个人使用过程中的一点，发现 npo 在音频处理方面也有不少应用，不知道你对 npo 如今发挥的作用怎么看？欢迎在评论区留言，如果你觉得这期视频有帮助，别忘了点赞关注，我们下期再见！
00:54查看AI文稿AI文稿什么是 npu 芯片？ npu 芯片是神经网络处理单元的缩写，是一种专门设计用于进行人工神经网络计算的芯片。人工神经网络是一种模仿人脑神经网络结构和功能的计算模型，用于实现各种人工智能任务， 如图像识别、语音识别和自然语言处理等。与传统的通用处理器相比， npu 芯片具有更高的计算能力和功效， 能够更高效地执行神经网络计算任务。它采用了并行处理和专用硬件加速等技术，能够快速执行大量矩阵运算和神经网络计算， 并且在功耗上相对较低。 npu 芯片广泛应用于各种人工智能设备中，如智能手机、智能摄像头、无人驾驶汽车等，它可以帮助这些设备实现更快速和准确的人工智能功能，提供更好的用户体验。更多元器件知识，关注电子伯乐！
47电子伯乐
02:36查看AI文稿AI文稿啥？听说我们的芯片家族又添新成员了？哎，你没听错，最近篮场刚刚发布了四元芯片，唯一这势头，国产芯片这盘真龙棋局是要破了。不急，看下去就知道了。细心的朋友肯定发现了，这次 vivo 发布的芯片是 icp 芯片，这跟我们常听的 a 四 c 芯片有什么区别？很 简单，如果说 soc 芯片是手机的大脑，那么 isp 就是其中的视觉神经中心，专职专责，这小小的一部分，就专门负责了手机影像系统。以前我们手机在影像方面那是专门盯着像素打 这么卷了，效果应该不差了。但如果有同时用过苹果和安卓的朋友，仔细对比这两个系统，你会发现，一台一千二 二百万像素的苹果手机，拍出来的照片却比其他四千八百万甚至更高像素的手机更好。视频拍就是体验的。那更不用说了，为啥首先像素 越高，手机处理的数据越大？所以你无论硬件改进多少，新编的算案率也得跟上啊。苹果强大，除了摄像头像素少、计算工量少之外，主要还 是因为苹果 a 系列芯片的性能真的很强。说到这，安卓用户先把口水给擦擦，有问题咱解决就完了。他直接从 soc 芯片入手，显然太慢。孩子死了奶来了可不行，那怎么办？蛇打七钻，对症下药呗。既然主芯片忙不过来，那就再加颗心。 vivox 的卫衣芯片就相当于一个最强的辅助， 和主芯片一起达到了一加一大于二的效果。特设部门就要有特殊能力，微芯片优化了内部的储存架构和高速填写 电路，最直接的效果就是实现了高速成像，能在一秒内处理三十张和普通手机像素相同的照片。夜景拍摄这块难啃的古董也是轻松拿下。要知道在夜晚拍摄时，为了提高画面 亮度，我们的手机都会自动合并真数，真数少自然就会卡顿。而唯一芯片的解决方法是直接增加了动态补针功能，两个芯片更是实现了双重降噪，夜晚拍摄亮度、 速度两手都要抓。有些人会说了，只弹性能不谈功耗，等于耍流氓，哎！来来来，看这 vivo 这次下了狠招，直接从硬件端入手，把电路功效降低了百分之五十，别说耗能了，还顺带解决了发热问题，香不香？香就对了。这只有充电器接口大小的一块芯片，是超过三百人的技术团队号 十二十四个月研发出来的影像一直是 vivo 的常赛道之一，到现在为止已经投入和研发达五年以上。而这次即将推出的搭载卫衣芯片，与蔡思联合研发影像系统的 vivox 七零系列，就是他们的诚意之作。不过我相信 vivo 这次的卫衣芯片还只是袖藏前 坤露小手，未来的国产芯片将持续带给我们惊喜。 v i s p 芯片都要来了，自然的，原 i 芯片还会！
3.3万基地边缘 BaseEdge
00:53查看AI文稿AI文稿从用单中能看出，两台国产手机拍照都要好于苹果，能够达到这样的效果都是因为他们用了自研的 isp。 上面提到了 isp 是手机中负责处理前端图像信号的芯片，一般都是集成在 soc 中， 可以直接影响手机拍出来的照片好不好看。为什么大厂自营芯片都先选 isp 呢？第一个理由很明显就是选拍照，现在一些处理器 isp 的数据能力已经跟不上摄像头的数据量了， 厂商们也会自言算法，让自己有独特的成像风格，自言 sp 能更好的技术下放。第二点就是做 isp 比做完整的 soc 芯片要容易的多，不需要太多的投入就能获得收益。 说成马里亚纳海沟就是已知最深的海沟，是不是暗示自研芯片就是个深不见底的？这种技术规格相对较低的芯片也不容易被制裁，厂商们可以大胆的积累技术，相信厂商们的野心肯定不止于 isp， 自研的终点必然是完整的 soc。 我是本店本组天下的联盟军，大家看好厂商自研 soc 吗？评论区留下你的想法吧！
358键帽君
03:34查看AI文稿AI文稿芯片的种类有很多，一亿，根据功能和应用领域可以划分为以下几类，处理器类芯片，主要在系统中承担具体计算控制任务的芯片，包括 mcuv 控制器、 cpu 中央处理器、 gpu 图形处理器、按 pu 神经网络处理器等。一、存储类芯片主要在系统中承担对数据的存储的芯片，以及一些存储控制器类芯片，包括 ram 动态随机存取存储器是 ram 静态随机存取存储器、 fly 闪存等。二、传感类芯片 在系统中主要承担信息的采集、呈现与交互的芯片，包括传感器、输入输出设备、一部分的信号处理芯片等。三、通信类芯片 主要在系统中承担通讯功能的芯片，包括有线和无线通信芯片，如以太网类芯片、交换类芯片、广域局域网、 点对点与自足网类芯片等，以及辅助通讯的铝锅放大功率等器件都可属于此类。例如 wifi、 蓝牙、五 g 基带、 gps、 nba、 it、 网卡、交换机等都可以被划分到这一类别中。 四、接口类芯片常见的接口芯片包括通用串行总线芯片、 usb、 高清多媒体接口芯片、 hdmi 等。 在一定情况下，也可以把无元器件、被动元器件划入这一类。二、根据工作原理，芯片可以分为模拟芯片和数字芯片两大类。模拟芯片处理连续性的光、声、音、 音、速度、温度等自然模拟信号，包括射频芯片、传感器芯片等。通常对芯片的工艺制成要求不高，更注重组建的特性，如可靠度、稳定度、能源转换效率、电压电流控制能力等。数字芯片的主要功能是实现数字信息传输， 数字的基本功能包括存储、计算、运算等，其性能直接取决于单位面积内的晶体管数量，因此对工艺制成非常依赖。三、芯片还可以根据其应用领域进行划分。例如， 一、消费电子芯片主要应用于手机、平板电脑、笔记本电脑、数码相机等消费电子产品中。这些芯片通常需要具备高性能、低功耗、良好的人机交互和多 媒体处理能力等特点。二、汽车电子芯片主要应用于汽车控制系统、安全系统、娱乐系统等。这些芯片需要具备高可靠性、耐高温、耐低温等特点， 以确保汽车的安全性和稳定性。三、工业控制芯片主要应用于工业自动化控制系统、 机器人、智能制造等领域。这些芯片需要具备高效的稳定、可靠、那恶劣环境等特点。 四、网络通信芯片主要应用于网络通信设备、路由器、交换机等。这些芯片需要具备高速数据处理、低延迟等特点， 以满足网络通信的需求。五、医疗健康芯片主要应用于医疗设备、可穿戴设备等领域。这些芯片需要具备生物 兼容性、高精度、低功耗等特点，以满足医疗健康领域的需求。总的来说，芯片的种类和划分方式是多种多样的，可以根据不同的角度和需求进行分类。
