BitSet在keil中是什么电平

大家好，欢迎来到电子星，今天我们来演示一下 q 和不是 tus 仿真的联合调试，这是我们编写的一个简单的发光二极管闪烁的代码，我们通过 q 编译，编译之后生成害死文件，打开我们的 pro 仿真，建立好电路图， 通过双击单片机，在这里添加我们的程序文件，也就是说害死文件，找到对应的编译害死文件，打开， 打开以后点击 ok， 这样的话就形成了一个编译之后代码，然后通过文普儿跳死仿真验证的一个结果， 点击玩跳子左上左下角的一个类似播放的一个按钮，也就是说启动仿真，仿真启动后会按照我们真实编写的程序去运行，可以看到我们的发光二极管闪烁 后期呢，我们就通过这样一种方式为大家进行代码以及仿真实力的递进式的一个讲解，如果大家有问题可以在留言区留言进行交流，谢谢大家的观看。

截止到本周六，最新最全的消息汇总来了！第一个，摩尔县城发布了全新一代的 gpu 架构，花岗算力密度提升百分之五十，能效直接大幅提升近十倍，可支持十万卡以上规模的一个智算集群。另外还发布了庐山芯片三，游戏性能直接大幅提升近十五倍。 结合英伟达也发布了全新一代的 gpu， 直接大涨百分之四。周一，摩尔核心第二条，老美今天打响了全面的六 g 技术霸权争夺战，川普今天正式签署了赢得六 g 竞赛总统备忘录， 把六 g 作为国家安全的战略目标，设计到六 g 板块。第三条，全球首台商用超临界二氧化碳发电机组今天正式运用，采用超临界二氧化碳为循环公制，以后的发电效率大幅提升百分之八十五以上，涉及到 a 公子的超临界发电 四条，上海交通大学实现了新一代的光计算芯片技术突破，实现了全光大规模羽翼生成芯片来劲， 其性能啊，是数字芯片的两倍以上，能耗还减了百分之五十，是一道光计算芯片条。贵州百灵因三年虚增六点五亿利润，被顶格处罚一千万元，再次被 sd， 这是半年以内的二进攻六条。马斯克表示， x a 在 未来几年会实现人工通用智能 agi， 即相当于人类智力，甚至超越人类智力的 ai， 涉及到 ai 人工智能。另外，马斯克还转发了语数机器人在王力宏演唱会的表演项目，并发文称，令人印象深刻，兄弟们来自顶级同行的认可。周一，涉及到语数机器人第七， 海南风光首日三亚免税店销售额一点一八亿，苹果手机店门口大排长龙，整个元旦信息播报完毕啊！想每天看最新最全的消息汇总，可以关注波哥。

截止到本周是晚间，最新最全的消息汇总来了。首先我们看涉及到半导体芯片方向，第一个就是三星发布了全球首款两纳米手机芯片，直接性能比体验代提升了百分之三十九， gpu 的 计算性能提升两倍， npu 也提速百分之一百一十三，明年或直接应用于 galaxy s 二六系列。第二， 上海交通大学实现了新一代的光计算芯片的技术突破，不仅能耗减半，而且整个的性能现在数字芯片的两倍以上。第三，摩尔县城发布了全新一代的 gpu 架构，花岗算力密度提升百分之五十，能效大幅提升近十倍。还发布了全新的芯片如山， 整个三游戏性能大幅提升十五倍。结合上周五啊，英伟达也发布了全新的 gpu， 大 涨四个点，周一咱们的半导体芯片杠杠的。其次，兄弟们我们看一下非常重要的就是商业航天板块啊，上周五老美子那边啊，太空探索板块直接大涨百分之七，这个就非常利咱们的商业航天板块。第二条， 十二月二十四号中国商业航天发展大会正在太空翻转，官方回应未来几周会 重返大一层并完全烧毁。第四，长征十二峡被船，二十三号可能完成首飞啊，火箭回收可能一次成功，如果失败对整个板块影响也不会很大。 然后我们看一下机器人板块啊，第一个，马斯克点赞了王力宏演唱会上伴舞的语数机器人，并转发冲上了热搜。第二条，中国的机器人在国外创办的机器人格斗大赛中夺得冠军为首次。兄弟们啊， 剩下的兄弟们，我们看一下科技方向，全球首台超临近二氧化碳发电机组成功运行啊，用二氧化碳作为循环公制，整个发电效率大幅提升百分之八十五二、强脑科技 ceo 称，未来脑机接口会诞生一个四千亿美元的新兴市场，和现在的新能源汽车市场相当。第三，川普正式签署了赢得六 g 竞赛的总统 备忘录，把六 g 定义为国家战略安全的目标。第四，小米汽车在北京获得了 l 三自动驾驶路测资格， 军胜电子与思年智驾达成合作协议，发力 l 四自动驾驶和聚深智能。然后我们再看一下消费板块。第一，海南的零关式汽车，冲上这艘一百二十多万的卡宴，现在只要六十多万，宝马 x 五现在也只需要三十五万。第二条，商务部发文大力提升消费，释放服务潜力。 封关首日，三亚免税店狂卖一点一八亿，苹果手机店门口大牌长隆，元旦海南的机票定量大增。其次还有非常重要的就是什么化工板块。小云云昨天再次上演非常激烈的多沙空行情，大涨百分之三点三四，已经突破六十七美刀。易昂斯二条，全球最大的蔑生产国印尼开始释放减产信号， 为了稳出蔑价，明年计划减产三分之一。兄弟们啊，博哥把所有的消息汇总都给大家做出来，每天想看最新最全的消息汇总，可以多多关注博哥，谢谢大家！

来，朋友们上一咱们聊了 f p g a 这个变色龙芯片，它靠可重编程的柔性特征，在 ai 迭代浪潮和国产替代进程中悄悄发力。但大家要知道， 芯片事件远比 cpu、 gpu、 f p g a 这些计算高手要丰富。它就像一个完整的生态系统，既有存储数据的大脑，也有感知外界的眼睛，方方面面都覆盖到位。今天咱们就顺着 f p g a 的 定制化线索，聊聊他的铁杆兄弟 acek 专用集成电路。 这种芯片专为单一任务量身打造，性能爆发力堪比核爆，可一旦定型就再也无法改动。为啥特斯拉计划砸重金自建工厂量产 aic， 华为计划翻倍量产九幺零 c 这款 npu 型 aic， 这背后正是全球算力军杯赛的真实缩影。先给大家快速梳理下芯片分类，计算类芯片里有全能通用的 cpu、 擅长并行计算的 gpu、 柔性可编程的这 fpga， 还有咱们今天的主角专用高校的 aic。 除此之外，还有存储类，比如存数据的 dream、 射频类、负责通信功率类控制电能传感类、感知世界以及模拟类处理信号。芯片分类一目了然， a c 可就在计算类芯片里占据着重要一席。话不多说，咱们直奔主题，一起揭开它的神秘面纱。 首先，咱们得把 asic 的 身份彻底讲透，顺便和上期聊的 fga 做个清晰对比。这里要特别说明一下，我们今天聊的半导体领域的 asic， 可不是那个日本专业运动鞋品牌 asics， 两者只是拼写金字，毫无关联。 简单来说， asic 的 全称是 application specific integrated circuit， 也就是专为特定应用场景定制的集成电路。它和 fga 的 现场可编程完全不同，一旦完成设计流片制造， 它会固定成一条专属生产线。不管是 ai 领域的矩阵乘法、加密场景的挖矿预算，还是自动驾驶的决策处理，它都能抛开所有荣誉环节，直奔核心任务。 谁最早发明了它？上世纪七十年代，先通半导体的研发团队就做出了早期的 ace 雏形，但它真正迎来爆发期是在八十年代，伴随着超大规模集成电路技术的突破而迅速崛起。 如今 a、 c、 k 已进入发展巅峰，二零二五年，全球 ai 数据量增长到数十 z b 级的惊人规模。如此庞大的数据量，直接驱动了对 a、 c、 k 等高效算力的需求，而 a、 c k 市场规模也实现了高速增长，达到数百亿美元量级。 为啥 a c 可能这么猛？咱们拿它和 cpu、 gpu、 fpga 这三类主流计算芯片对比一下就清楚了。 cpu 就 像全科医生，啥任务都能处理，但主打顺序执行，延迟相对较高。 gpu 是 并行计算工厂，靠着海量核心，在矩阵运算上又是明显 顶级，信号的功耗动辘标到接近八百瓦，堪称电老虎。比如当前顶级的 he 百 gpu， t d p 就 在七百瓦左右。 f p g a 咱们上期说过是变色龙乐，高能灵活重塑电路延迟低还节能，但开发周期长，前期成本高。 而在 asic 的 研发流程中， f p g a 还有个关键角色，常被用作 asic 的 前期实验芯片，通过可编程特性模拟 asic 的 核心设计，提前验证功能与性能，大幅降低后续流片的高风险与高成本。而 asic 是 为特定任务而生的定制核弹， 其核心设计逻辑遵循 d s a 领域专用架构理念，简单说就是抛开通用架构的均衡设计，专门针对某一领域的核心任务优化硬件结构，再通过 a c 的 硬件固化实现极智能效比。具体来说，就是先用微软 log h d l 语言描述电路逻辑， 再送到台积电或中信国际进行流片，经过测试迭代后，彻底锁定功能，最终能实现啥效果？性能密度比通用芯片高出三到五倍， 工号却能降低百分之五十，一旦实现大规模量产，其单面成本可以得到有效摊薄。对于某些消费电子， asic， 比如电源管理芯片甚至可以低至几美元。这背后的原理很简单，设计时全程聚焦单一任务路径，针对特定场景优化电路逻辑，去掉所有通用寄存器等，溶于模块，让数据流一气呵成。这里要特别提一下 asic 的 阿卡留斯之种， 它有着巨大的 n r e 一 次性工程费用和超长的开发周期，通常需要十八到二十四个月，一旦设计定型无法修改，这也是它不能替代 f p g a。 的 核心原因。小公司想入局咋办？借助 ip 核授权，比如 arm 的 contact 系列， 就能把研发门槛降到千万级，不用从零开始搭建架构。 aic 其实离我们的生活很近，比如手机里的拍照芯片，就是专为图像算法定制的 aic 能拍出清晰的夜景还不费电。 传统专用场景的应用途扬亮眼，比如区块链挖矿、物际基带处理等领域， aic 凭借极致的专优性直接碾压通用芯片， 这就是 aic 专而精的核心精髓。搞懂了它的基本情况，接下来咱们来看看全球范围内谁在主导这场 aic 争夺战。

有兄弟让我讲一讲这套配置啊，说坤坤这套配置可不可以买呢？ ok， 咱先大体讲一下，首先看 cpu 嘛，对吧？一五二六八零 v 二，这边还给到你一个具体的一个型号啊，你像有些特别坑的，人家就告诉你啊，几个核心，几个核心，什么爱七级，爱九级啊，非常的扯淡， 这个最少最少还告诉你一个二六八零 v 二，但是二六八零 v 二它值钱吗？它并不值钱，所有的一五 v 二系列 cpu， 百分之九十五它都不值钱的，包括一些什么？包括一些 v 三 v 四的，它也是不值钱的，就是一二百块钱的东西，更何况这个二六八零了，还是一个 v 二，对不对？然后它为什么说它用这个 cpu 呢？我给大家大体讲一下啊， 其实对于叉七九这个 cpu， 叉七九这个主板来说啊，其实他在这一个 cpu 的 选择能更好一些，你比如说二六六七 v 二，还有二六九零 v 二，这两个 cpu 都是在叉九里面性能比较好的一些了，那他为什么不上呢？因为看，哎， 看这个主板，叉七九他什么也不写啊，他也没有写啊，几箱供电啊，几个通道啊，什么品牌什么型号他都没有写，就写了一个 x 七九， 对吧？这说明什么？他这个主板肯定是一个很垃圾的主板，如果说他上一个二六九零维尔，或者说一个二六六七维尔，他根本就跑不满。所以站在这个呃，商家的角度上来想啊，他跟上一个这个就够了，成本你这个 cpu 本身他就带不动你这个主板他本身带不动一个比较高贵格的一个 cpu， 那 他为何要上一个更好的一个 cpu 呢？对不对？根本就是没意义 的是吧？主板也讲完了，这个也讲完了，现在讲这一个散热器炫彩散热，我的天呐， 其实对于一个二幺零零真的一个 cpu 这种一五的 cpu 来说啊，你可以不写什么品牌什么型号，因为这本身就是他百分，他百分之九十五都是杂牌的一些散热就是咱买到的，就哪怕是自己装机，他也是杂牌散热，但你写个炫彩散热是不是有点过分了？你好歹告诉我这是一个双热管还是一个四热管，对不对？ 二六八零 vr， 他 不是一些什么，他不是一些那种家用的一些啊，什么这种啊？像这种四代酷睿了这种级别的啊， tdp 六十五瓦左右的这种东西，他是一个一百多瓦的一个 tdp 啊，你能压得住吗？啊？你一个炫彩三十就写着能压得住吗？是吧？还有这个十六 g 单条不写 是吧？啊？还给你写个单小光，给你写个十六 g， 那 么请问兄弟，这个十六 g 他 是什么频率呢？对吧？他是幺三三三啊，幺六六六，幺八六六啊，他是什么品牌呢啊？也不写他是什么颗粒呢，也不写， 对吧？这个人看不懂，你都不知道这个内存条到底性能怎么样，然后再看这个二百五十六 g 固态硬盘啊，还写个固态硬盘这个东西我可以明确告诉你啊，兄弟，如果说他这个主板非常他，他的主板是百分之九十五非常垃圾的一个主板，他根本就没有 m 点二，这就是一个 sata， 这是一个 sata 盘啊，很便宜，几十块钱的东西，现在， 然后我给你上了一个 gt 叉，七五零肽二 g， 兄弟，我想问一下啊，这是真卡吗？我现在已经在怀疑这个是不是一个真卡的一个问号。七五零肽二 g， 他 有没有可能是四代卡？有没有可能是六代卡，甚至往前 更早的一些卡刷着呢？对不对？他是一个他的一个真卡吗？这是一个问号啊，这是一个问号，因为他也不写品牌也不写型号。如果说我站在一个商家角度上来想，如果说我个人啊，他， 嗯，这张好卡我会写上，比如说他是工升的，比如说他是索泰的，比如说他是七彩虹的，我会写上，因为他不也是个品牌吗？他这个连写都不写，我怀疑他是个假卡，然后电源三百五十瓦，卧槽，也什么也不写，就写个三百五十瓦， 那试问兄弟，如果说我换一张显卡我就不，咱不用七五零钛的情况下再给他换一张九七零他妈三五三百五十瓦，能不能炸了？能不能炸包炸飞的？我跟你说 写个三百五十八，我不知道他有什么品牌啊，也不知道他额定功率，也不知道什么啊。哥，这道这道这道，咱就一个三百五十八，所以这套配置你看去就是全是坑啊，就没有能买的地方，但是人家没有虚假宣传啊，兄弟们， 上面这个游戏人家确实能玩啊，确实能玩，但是你卖这个价格一千一百四十八块啊，而且写着什么梦幻西游五开 i 七级十盒电脑主机，我觉着没有什么买的必要啊。

hi， 这里是 alex， 欢迎来到我的 vtest react 教程。在这个系列视频中呢，我们会从零开始学习 vtest 加 react 的 测试方案。 无论你是刚接触前端测试，还是已经在使用 just， 希望寻找更快更现代化的方案，这个系列都会对你有帮助。那么接下来我们先从最基础的部分开始，为什么要使用 vtest 呢？ 首先，我们来看一下目前前端测试框架的现状，在很长的一段时间内呢， just 一 直都是 react 项目的主流，甚至是其他大多数前端框架的测试选择， 它生态成熟，数学庞大，文档完善。因此呢，很多项目一般都会选择 just 作为他们的默认测试框架。 但就在这几年呢， vtest 它作为一个新兴的竞争者呢，已经开始变得逐渐的流行。 那么 vtest 的 其中一个优点就是它与我们的 vt 生态高度的结合。如果你已经在你的前端项目中使用 vt 作为开发工具，那么再接入我们的 vtest， 它的成本会非常的低，几乎是零成本。首先呢， 在现在最新版的 vtest 和 vt 的 配合中，它们两个的配置文件已经可以像我们图中这样写在一起。可以看到，这里既有我们来自 vt 的 插件，又有来自 vtest 的 这样一些测试的 项目配置。这就意味着呢，我们不需要像 just 那 样再去额外的配置一堆分散的配置文件。我们在 vtest 与 vt 项目中呢，我们可以中心化的配置我们的项目。那么接下来呢，我们再看一个比较有意思的点， 这也是其他的项目中呢，没有的一点，那就是从 vtest v 四开始提供的 browser mode， 也就是浏览器模式。 在之前的这样一些测试过程中呢，我们一般都会使用模拟的 dom 来实现网页或者说前端组建的测试，不管是使用 js dom 还是 happy dom， 它都是模拟的 dom。 而和我们的浏览器模式相比的话呢， 它是缺少真实的浏览器环境的，比如缺少真实的渲染性能，缺少真实的浏览器的外部 a p i 这些呢，在 js 动或者 happy 动这样一些虚拟的动中是没有办法模拟的。当然了， vtest 它也并没有强制我们选择浏览器模式，我们也可以回退到与之前一样使用 js 动或者 happy 动这样一些模拟的 动物环境来进行测试，所以呢， v test 相当于多了一个选择。那么说到这里，我们整个课程会提供怎样的内容呢？首先呢，肯定是基础部分，也就是该如何在测试中渲染我们的组建，测试我们的组建，简单的判断一下这个组建有没有渲染出来，它里面的内容是否正确。 然后呢，我们要来简单看一下列表他该怎样测试，因为列表的话，我们要核对他的数量，相应的我们的表单也是一个测试的重点，比如表单的初步化的这样一些状态值，他的一些交互， 而一旦与数据进行交互的话，那就不得不提到我们要模拟我们的这样一些后台服务，这就当我们要学习一些 新的工具来模拟我们的后端应用给我们提供的接口，不然的话，我们在做前端测试的时候，如果没有后端的接口，那岂不就意味着我们的测试没有办法进行了吗？那么最后呢，我们还需要了解一下该怎样在我们的状态管理工具中进行测试。在 react 生态中，不管是 redux， the stand 还是 johtai， 我 们其实测试的方法都是大同小异的，只不过呢，需要大家简单的过一下，以及最后我们要测试一下我们整个前端项目中的路由的部分，这些呢，差不多就过了我们整个课程测试部分的大多数内容中间的， 比如刚才我提到的虚拟的洞和真实的浏览器环境下的这样一些测试之间的区别呢，我们都会穿插在这些内容中给各位讲解。那么在学习这样一个课程之前呢，你需要有一些前置的知识。首先呢，你肯定是需要 了解基于 vite 开发 react 应用的这样一些知识的，因为我们的应用呢，是基于 vite 进行开发的，刚才我也提到过，基于 vite 来添加我们的 viteast 的 测试的话，会非常的简单。以及我们还需要 你了解一些关于 type script 的 知识，你并不需要了解太多啊，你只需要简单的了解一些类型定义，类型推断，以及会用我们的一些简单的发型就可以了，你并不需要做类型体操，你只需要看得懂就可以了。 当然还有其他的一些像什么 red， router， tencent， query， jotai， redux 这些呢，你如果已经学过当然是最好的，这样的话，你能够 非常好的跟上整个课程的节奏，就算没学过呢，也没关系啊，因为不管是哪种技术站，其实他们做的事情都是一样的，在我们测试的过程中呢，其实也大同小异，希望我能很快与你开启整个课程的学习。

老黄的英伟达显卡帝国目前正遭受前所未有的挑战，这不是噱头，也不是博眼球。今天 cnbc 最新的一则新闻报道向我们揭示了整个 ai 硬件领域的底层逻辑正在发生根本性改变。经常和 ai 程序打交道的朋友一定熟悉 pie torch， 它最早由 meta 开发并受到广泛使用，现在已经成为了几乎所有 ai 软件的标准公共语言。你可以把它理解为 ai 平台最重要的中间件，而且你目前所熟知的几乎所有 ai 产品都基于它在运行，比如 comfyui、 千问和 deepseek。 下面的这张图解释了 pie torch 的 基本工作原理。 pi torch 在 整个 ai 运算中紧密连接了前端 ai 应用和后端硬件。而在过去， nvidia 的 kuda 芯片在对 pi torch 的 支持方面一枝独秀。在 github， 你 看到几乎所有 ai 程序都会指定 kuda 作为后台应用， 但是这一切正在被其他竞争者打破。最近，谷歌的 gemini 三成为了最热门 ai 大 模型，但是支持谷歌新模型的后台硬件并非 n vada 的 算力显卡，而是自研的 tpu， 功耗更低，效率更高。感兴趣的朋友也可以看一下之前我发布的谷歌 tpu 芯片曝光图， 而且谷歌已经明确表示，下一步的目标就是让自家的 tpu 芯片原生支持 padwatch， 最终实现 ai， 和硬件无关，这将直接威胁到 n vada 的 护城河。 除了谷歌之外， amd 也一直在和 openai 合作开发下一代的算力显卡 mi 四五零，以 amd 的 实力实现硬件性能突破绝非难事。 而苹果今天也抛出了重磅更新，采用基于雷电五的 r dma 技术，实现跨多台 mac 的 超低延迟通信。 简单来说，可以用雷电五接口轻松串联多台 mac 主机来共同运行体积更大的大语言模型。目前在油管已经有多位主播在直播相关测试， 已经可以轻松运行满血的 deep seek v 三点二版本以及 kim k 二。展望今后的 ai 硬件发展趋势，目前的这些挑战者还无法完全撼动 nvidia 在 整个行业的领先优势。相反，在多卡携同大规模并行训练的场景下， nvidia 仍占据领先优势。 而且在产品成熟度上，新发布的 ai 应用程序也必然会以枯燥环境作为最稳妥的选择。但我们可以预见，在不久的将来， ai 领域的硬件选择将会呈现多样化，成本会持续下降，选择更多且成本更低，这对整个 ai 领域的发展将具有极大的推动作用。

我们分析的一个过程，首先先确定的是方向对不对？然后呢再到位置， 然后再到形态。所谓的位置呢，一般指的是结构位， 形态呢？例如我们所说的那个反分啊，对不对？嗯，等等之类的形态，对吧？或者说底价也是一样的方向。例如我们我们就拿这个美颜指数来说，一般我们确定方向的话，是会用到这个大周期，大小是相对的大周期， 对吧？例如这个周线，嗯，或者说日线，这个可以看到日线 这个时候也是把它调整到四号到脚，不要不大不小，看这是一个运线，所以说他应该也是，对吧？然后接下来去掉四小时多， 对，四小时多里面的位置啊，看得到我们看的位置，现在的位置呢？是我们我们要所谓的位置找结构位啊，让他过来看，对，发现他其实已经在这个已经测试过结构位了，是吧？这样过来 他在这个位置上就已经形成过一个比赛者，比如说你如果在等待的时候没有到结构位，这个位置就是结构位，但是呢，如果他已经到了，那么我说四小时的结构位他已经形成了结构位，他是有，嗯，对吧？所以说，嗯，比赛者他就有第一， 嗯，这是一个水平，嗯，水平位，对吧？好，现在就到形态，到形态，我们去到一小时度，那是到一小时度呢，结构，其实它已经在这个位置就已经算是一个结构位了，对不对？嗯， 对吧？这个曲线已经结构了，那么切个结构下来之后，现在目前在这里，你看这里就最容易形成什么， 一小时后等待缓冲，嗯， 对啊，这就是，哦，对哦，他现在你看分分钟形成缓冲了。对啊，那个结构位已经到位了嘛？这个位置的结构位位置也到了，如果位置没到，那么这里就是结构位， 但是他已经到了，已经测试了，说明这个结构位是有效的，所以说四秒钟已经有了。嗯，所以这个是下边 c c 的 过程的。这正道啊，一小时里面我们就等这个形态就好了，你看分期不就完成了？