如何贡献出对应的技术发展解决方案,这是 PCB产业的干湿制程设备、原物料化学品、汽车电子零元件等供应链市场发展的新机遇及新挑战。 由台湾电路板协会(TPCA)主办的国际电路板展览会-深圳展(TPCA Show-SHENZHEN)2021年6月29日-7月1日在深圳国际会展中心-宝安馆将引领产业界朋友共同探讨与发现5G时代所带来的技术挑战与发展机遇。5G通信、物联网与新能源汽车等产业所导向的PCB制造发展的更高技术要求,将成为近几年业界高度关注的主要议题。 作为本届展会另一重要板块:为期三天的亚洲电子制造论坛,将重点聚焦于「高频、高速、高多层、高电流、高阶HDI」之相关交流议题,呼应5G通信、物联网与新能源汽车之电路板相关解决方案。 本届展会TPCA首次与汉诺威-华南国际工业博览会联合举办,展会主题涵盖:工业自动化展 、机器人展、机器视觉展、数字工业展、信息技术展、数控机床与金属加工展、激光与智能装备、光电技术博览会、新材料展、节能与工业配套展等汇聚10大产业主题,整体规模预计达16万平方米,2500多家中外参展企业,预计现场专业观众人数100,000人次。详情敬请关注:台湾电路板协会与华南国际工业博览会官方网站。 华南国际工业博览会是由汉诺威工博会和中国工博会联合打造的系列战之一,2020年,展会主办方汉诺威米兰展览(上海)有限公司携手东浩兰生集团上海工业商务展览有限公司达成紧密战略合作,共同开拓华南市场,优势互补,强强联合,致力于打造工业领域全产业链商贸交流合作平台! LMN世界激光制造大会与聚焦新能源汽车三电领域为主的:电机、电控、电池的“APS Asia亚洲动力总成产业技术大会” 也是华南国际工业博览会中的亮点活动,敬请广大业者持续关注!

问题： 我的消费级加速度计理论上可以测量小于1°的倾斜。在温度变化及振动条件下是否仍然可以实现这样的测量精度? 答案很可能是否定的。关于明确倾斜精度值的问题总是很难回答，因为在MEMS传感器性能方面需要考虑许多环境因素。通常，消费级加速度计难以在动态环境中检测小于1°的倾斜。为了表明这一点，我们将通用消费级加速度计与新一代低噪声、低漂移和低功耗MEMS加速度计进行比较。这一比较着眼于倾斜应用中存在的许多误差源，以及可以补偿或消除哪些误差。 可以观察到0 g偏置精度、焊接引起的0 g偏置漂移、PCB外壳对准引起的0 g偏置漂移、0 g偏置温度系数、灵敏准确度和温度系数、非线性度以及横轴灵敏度等误差，并且可以通过装配后校准流程减少这些误差。滞后、使用寿命期间的0 g偏置漂移、使用寿命期间的灵敏度漂移、潮湿引起的0 g漂移以及温度随时间变化引起的PCB弯曲和扭转等等，这些误差项无法通过校准或其他方法解决，需要通过一定程度的原位维修才能减少。在这一比较中，假设横轴灵敏度、非线性度和灵敏度得到补偿，因为相比温度系数失调漂移和振动校正，尽量减少这些误差所需的工作量要少得多。 表1列出了消费级ADXL345加速度计理想性能规格及相应倾斜误差的估算值。试图达到最佳倾斜精度时，必须采用某种形式的温度稳定或补偿。在下面的例子中，假设恒温为25℃。无法完全补偿的最主要误差促成因素是温漂失调、偏置漂移和噪声。可以降低带宽来降低噪声，因为倾斜应用通常需要低于1 kHz的带宽。 表1ADXL345误差源估算值 表2列出了适用于ADXL355的同一标准。短期偏置值根据ADXL355数据手册中的Allan方差图估算。25℃时，通用ADXL345的补偿倾斜精度为0.1°，工业级ADXL355的补偿倾斜精度为0.005°。通过比较ADXL345和ADXL355可以看出，主要的误差促成因素引起的误差已显著降低，比如噪声引起的误差从0.05°降低到0.0045°，偏置漂移引起的误差从0.057°降低到0.00057°。这表明MEMS电容式加速度计在噪声、温度系数、失调以及偏置漂移等性能方面的巨大飞跃，在动态条件下能够提供更高水平的倾斜精度。 表2ADXL355误差源估算值 选择更高等级的加速度计对于实现所需性能至关重要，特别是应用需要小于1°的倾斜精度时。应用精度取决于应用条件(温度大幅波动，振动)和传感器选择(消费级与工业级或战术级)。在这种情况下，ADXL345将需要大量的补偿和校准工作才能实现小于1°的倾斜精度，增加整个系统的工作量和成本。根据最终环境和温度范围内的振动大小，根本不可能实现上述精度。25℃至85℃范围内的温度系数失调漂移为1.375°，已经超过倾斜精度小于1°的要求。 25℃到85℃范围内ADXL355的温度系数失调漂移为： 如表3所示，振动校正误差(VRE)是加速度计暴露于宽带振动时引入的失调误差。当加速度计暴露于振动环境时，相比温漂和噪声导致的0 g失调，VRE在倾斜测量中会导致明显误差。这是不再使用数据手册的主要原因之一，因为很容易掩盖其他主要规格。 表3以倾斜度表示的误差 在具有较高振幅的环境中，必须使用较高g范围的加速度计才能最大限度减少削波导致的失调。表4列出了ADXL35x系列加速度计及其相应的g范围和带宽。 表4ADXL354/ADXL355/ADXL356/ADXL357的测量范围 选择适用于倾斜应用的ADXL35x系列加速度计将确保高稳定性和可重复性，可以耐受温度波动和宽带振动，并且相比较低成本的加速度计，所需的补偿和校准更少。该系列产品采用密封封装，可以确保最终产品出厂后重复性与稳定性始终符合规格参数。ADI公司的新一代加速度计可在所有环境下提供可重复的倾斜测量，它们在恶劣环境中无需进行大量校准即可实现最小倾斜误差。

ToB市场寻求新增量 围绕新客、新品、新组织三个关键词，阿里向众多的商业合作伙伴输出着商业操作系统。 众多商家正借助该系统寻求着“新”增量。阿里提供的数据显示，以中台为代表的数字化转型技术正在通过阿里云对外输出，目前已有100余个针对企业全面上云的定制化解决方案诞生，令企业IT综合成本下降一半、创新提效3倍。此外，截至2019年9月，天猫平台上的商家发布了超9000万款新品；过去半年，品牌在天猫官方旗舰店总计收获超9亿新增粉丝。 不可否认的是，新品创新力正在成为企业的核心竞争力。更快的新品开发速度、更高的新品成功率将成为品牌业绩持续增长的发动机，企业围绕消费者需求而非产能来进行新品规划，基于消费者洞察，让新品精准地找到对其感兴趣的消费者。 对于一些新锐品牌，消费者的好感来的快去的也快，所以三顿半不主张大单品开发，不做网红爆品开发方式，而是用系统化的方式研发新品，从杯上0-7的号码可以看出，是一个数字系统，配备的周边也是系统的一部分，新品研发要做的是用系统的方式实现连续开发，这是提高开发效率的方式。 打中消费者需求的把心 打中消费者需求的把心，对于品牌商来讲并非易事。 九阳的主打品类豆浆机，平均每个产品有6-8个功能键，九阳和阿里合作以后发现消费者使用纯豆浆键和五谷豆浆键超过了90%以上，其他功能和按键其实都是多余的。早前，公司内部的产品经理均认为6-8个功能键的设计不存在问题，因为不懂消费者的真实需求。 与此同时，受限制于模具的制作周期，家电产品的生产周期较长，因此品牌商对新品销售规模的预测和后端所匹配的产能很难做精准的匹配，上述情况导致九阳的一些新品面临脱销、滞销的情况。叶勇表示，新品研发过程当中存在诸多不确定因素，也伴随着高风险，借助跨端、跨场景的商业系统预判市场尤为重要。 值得注意的是，新产品上市后，同样不会一帆风顺。众多品牌均面临着如何精准找到产品所匹配的人群，当品牌需要与消费者反复沟通进行测试时，就拉长了产品的测试周期，同时也会造成推广费用的浪费。 缩短研发周期、洞悉消费走向……企业无非是想尽可能破解用户“短缺”的困局。良品铺子股份有限公司总裁杨银芬在接受采访时直言，传统门店接入各项操作系统的目的重在提高获客能力，将门店覆盖范围内的客流变为能产生实际购买行为的消费者，并拓展门店难以触及的客群，对于良品铺子这样的实体门店来讲客群就是“生命力”。 据了解，传统门店的覆盖范围只有3公里，该范围之内所覆盖的核心会员人群只有18%，有限客群制约着品牌商的门店效果。当良品铺子在“双11”时将全国2300多家门店接入阿里的轻店系统后，拉新效果提升了40%，可运营的会员基数翻了1倍。通过线上线下联动、跨端运营将会员的复购率平均提升20%。 摆脱盲目创新“怪圈” 当品牌商意识到新品的张力以及对消费者的吸引力时，不少忙着上新的商家有些盲目跟风。早期的三顿半处于为了上新而创新，并不知道上新的具体原因，只是认为三顿半作为快消品需要通过大量且高频次的上线才能抓住新客、留住用户，在创新时陷入了“怪圈”。 店宝宝电商研究院负责人张斌表示，与天猫合作的2018年也就成为了三顿半新品研发方式的转折点，三顿半接入到阿里体系，获取相应的数据支持，且明确产品达到的实际目标后，逐渐跳出了盲目上新的怪圈。当前三顿半的新品研发已经从此前依靠感觉的方式变为依靠策划、数字进行研发，明确了日常且高频的消费市场，从而获取对应的精准客群。 对于三顿半，每个新品研发前期均要投入几百万的研发费用，研发周期可长达两年，一旦凭感觉“上新”失败，就意味着三顿半要为之付出高昂的试错成本。作为一个需要流量曝光的新锐品牌和创业公司，存在闪失的试错关乎着企业的生存。 实际上，跳出盲目上新“怪圈”的三顿半远不止改变了研发的诉求，如今正根据阿里反馈出的市场需求进行“适配”。三顿半的桶装咖啡从9颗逐渐增加到12颗，入驻天猫后上架了24颗、64颗的包装，数据的改变是跳出上新“盲区”后的三顿半在多项商业系统的加持下作出的适配行为，其用户的计划性购买的习惯逐渐形成。 据悉，三顿半即将上新的7号咖啡，就是根据天猫大数据反馈设计出的一款不含咖啡因的新品。实际上，三顿半的产品开发和组织架构都是依靠系统和数字进行解决，依靠人为的感知不再是主要方式。 此外，新品上新也需要“天时地利与人合”。据了解，九阳因内部对产品的理解不同，大多产品在上市前多次变更，以至于错过了产品上市的最佳时期。九阳连续三年，每年的新品准点率不过半，最低的时候只有三成左右。如此低的准点率让产品在市场的爆发效果大打折扣，只有当各项数据量化后，研发才会有所改进。

最近FastCompany问了一些创业公司CEO、大企业高管、投资人及其它专家，看看2021年科技行业会出现怎样的新趋势。 当然，没有人可以预测未来，在现实面前，所有看似高明的预测似乎都会变得不堪一击。但这些高管、投资人的观点仍然值得我们聆听。 他们的看法涉及大流行（新冠疫情）、隐私问题、AI、智能健康、货币技术、清洁与绿色等。今天我们来看下篇：AI、智能健康与货币技术迎来大爆炸。 【上篇回顾：请点击文末阅读原文】 主题二：隐私问题 Mozilla执行董事Mark Surman 我们越来越依赖数据收集技术，我们用数据做决策，新闻、线上网店、约会软件、智能扬声器无不如此。在大流行期间，这种依赖度越来越高，我们在网上做的事越来越多，比如订购生鲜食品，拜访医生。当大流行消退之后，人们会反思这种生活模式带来的权力失衡。为什么亚马逊可以掌握我们的购物习惯？为什么Facebook可以为我们制作精准的心理档案？为了让权力回到平衡状态，我们会看到新的数据治理模式冒出来，在2021年及之后日子变得更流行。 ForgeRock CTO Eve Maler 2021年，我们将会迎来第十三个全球数据隐私日，我的问题是：数据保护会变得更好吗？很遗憾，可能不会变得更好。2020年的经验告诉我们，许多同意程序被破坏，不论是隐私还是体验都在恶化。 Neeva CEO、Greylock Partners合伙人Sridhar Ramaswamy 2021年，注重消费者的隐私软件将会流行。越来越多的人认识到，免费产品有巨大缺陷，消费者可能会购买一些软件包，比如搜索、邮箱、VPN。 主题三：AI无处不在 ARM公司Machine Learning总经理、副总裁 Jem Davies 从智能手机拍照到智能音箱，消费者每天都在使用AI和机器学习技术，有时甚至不知道就使用了。“不可见”正是AI和机器学习的一大贡献，2021年及之后的日子里，它们会继续进化，被更多应用接受。例如，自动驾驶汽车将会引入智能泊车系统，点一下按钮就能完成；安保系统将会变得更聪明，可以识别盗贼与浣熊。不过我们要保护好消费者的隐私和数据。 Salesforce产品管理高级副总裁Marco Casalaina 到了2022年，AI将会成为主流技术，大流行为B2C及类似企业创造出无数新的数字接触点，也就是说数据会比以往多很多。AI到底能做什么？企业和消费者会有更多理解。IDC预测，AI开支每4年就会翻一倍，到了2024年达到1100亿美元，企业将会看到一些机会，比如创新、改进客户服务、让任务自动完成，员工可以专做更具策略性的工作。 McGraw Hill CEO Simon Allen 最近线上学习越来越流行，如果没有大流行，它可能会晚五年发生。我们不能指望教育完全恢复到以前的样子。在危机爆发期间，以AI驱动的“适应性学习”大放光彩。一直以来，数字个性化工具都在默默帮助老师，让老师可以根据学生的需求在特定主题上提供帮助。新冠时代，学生与老师的个体互动变得更稀缺更珍贵，工具面临前所未有的考验，但它们的确创造了实实在在的价值。 主题四：智能健康 前谷歌CEO施密特 新冠疫苗取得很大的成功，接下来会有许多新冠新药和新治疗方案出现。我们会把它们分派给全球所有人，不限于富人。这些治疗方案遵循与技术一样的曲线，快速降低成本、快速分发意味着每个人都“有机会”保持安全。 Venrock合伙人Bryan Roberts 2021年，我们将会看到高效、快速、低成本新冠诊断测试技术全面推广，因为大家一直都会需要测试（到时我们会摆脱社交限制，而且不知道疫苗的持续有效时间到底有多长）。 One Medical首席医疗官Andrew Diamond 在大流行的驱使下，线上医疗以革命性的方式普及。社会孤立加剧导致焦虑、抑郁流行，线上护理可以让提供商解决一些问题，在家庭环境中就能与病人深度、安全连接。加上远程测试、监控技术，线上护理将会继续存在下去。与此同时，我们认识到真实的、面对面的接触仍然是相当重要的。那些最有趣的企业会将线上体验与面对面体验无缝整合在一起。 Ada Health联合创始人、首席医疗官Claire Novorol 视频护理平台商用化程度提高，未来，在医疗健康领域，最重要的创新将会有一大特色：在多样化护理选择之间高效导航。因为有了智能规划平台，可以自动为病人安排路径，将他们引向正确的物理、虚拟或数字护理选项，根据个人及诊所的需求安排。对于医疗健康提供商来说，深入理解病人结果、以更快的速度更低的成本提供服务，这就是大家要争夺的圣杯。 Venrock合伙人Bob Kocher 新冠虽然是一大灾难，但也有有利的一面，我们可以借机加速向线上健康护理服务转移。在健康交易、服务、沟通中，我们可以大规模使用文本信息服务。你可以发信息给提供商，从它那里获得处方，预订新冠测试，预约，也可以向你的医生问任何问题，获得精神健康支持，与照顾年迈父母或者生病孩子的团队交流。健康提供商还可以经常用文本检查病人，追踪临床数据点，一旦需要就可以快速响应。 Westlake Village BioPartners联合创始人Sean Harper 我们正在大规模推广新冠疫苗，知道谁已经打了疫苗相当重要，这样一来我们可以更好控制病毒传播，早点回归正常生活。我觉得，如果能开发一个智能手机APP，介绍新冠疫苗状况，相信用处会很大，可以帮我们在2021年达成上述目标。 主题五：货币技术 eBay全球支付主管Alyssa Cutright 在新冠大背景下，各种新技术加速流行，比如移动钱包、无接触支付、先买后付。现在，全球性支付服务Apple Pay、谷歌Pay得到青睐，地方支付（比如澳洲Afterpay）也越来越流行，与此同时，零售商在向客户提供支付选择时态度也有了变化，比如他们越来越喜欢二维码支付。 IDEO CoLab Ventures总经理Ian Lee 随着新技术的普及，比如比特币、加密货币、基于Ethereum的去中心化金融服务，我们将会建立一套更公平、更平易近人、更自由的金融系统。这些去中心化金融应用、服务、企业将会快速增长，不论是在投资、价值、使用还是普及方面都会快速成长。在支付、交易、储蓄、财富管理等方面，这些服务将会超越传统金融服务企业。我们将会看到传统金融服务机构（比如Square、PayPal及其它公司）用去中心化金融基础设施搭建新业务、构建新产品。 Mint消费者金融主管、高级副总裁Varun Krishna 真遗憾，我们的金融系统不断掠夺消费者。正因如此，银行虽然知道你会透支，但它从来不阻止。透支带来的伤害我们在大流行期间已经体会到。作为金融科技企业，我们有义务帮助客户少花钱、多存钱、多赚钱，这样才能在大流行之后重建社会。有了自动化、机器学习技术，我们现在可以用技术实现这一目标。 L’Atelier公司COO Nadya Ivanova 在过去几年里，与NEF（非同质代币）有关的新项目和使用案例如雨后春笋一样涌现，现在它已经为2021做好了准备，它有能力成为主流技术。独特的数字资产是无法被复制的，NEF可以将实体和虚拟经济连接起来，它能创造一个近乎无限的商品市场，这些商品可以拓展、收集、交易，比如在多用户平台完成虚拟土地交易，可编程艺术，实体资产的所有权纪录。 CB Insights管理分析师Thomas Sineau 2021年，对话式商务将会爆发，因为企业正在寻找办法吸引忠诚客户、转化新客户。如果在这一领域取得成功，就可以让客户以更快的速度完成交易，交易也会更简单，品牌也可以建立自己的信息语音库。在接下来的日子里，Facebook家族（WhatsApp, Instagram和Messenger）会朝这个方向前进多远？这点值得我们好好关注。最近Facebook还收购了Kustomer。 苹果前CEO John Sculley 即使大流行过去，线上购物市场仍会继续扩张。第三方电商之间的竞争仍然会很激烈，比如亚马逊、Shopify，2021年和2022年，我们将会看到“购物大战”上演。像TikTok、Shopify、YouTube这样的平台会与第三方电商订单履行平台签约，与亚马逊竞争。事实上，Facebook、TikTok都在向社交电商领域挺进。 亚马逊CTO Werner Vogels 气候变化是我们这个时代最棘手的难题之一，解决这个问题需要学术机构、科技产业、政府、行业、非盈利组织、社会携手合作，理解并解开地球上因果复杂网络的密码。当气候数据变得越来越庞大，机器学习技术可以扮演重要角色，从数据中寻找特定模式。在未来一年里，研究人员将会用机器学习筛选海量数据，深入理解气候科学，以便在未来建立更精准的模型。 硅谷银行高管Matt Trotter 2021年，美国将会更加重视气候问题，电动交通产业会成为先锋，它会影响制造业，还会影响行业许多不同的部分，比如电池业。例如，风投家和企业研究集团将会向电动航空追加投资。2020年公共交通面临巨大挑战，2021年，想说服大家挤进巴士和地铁可能会有些困难。人们会选择低成本户外交通运输模式，比如摩托车、自行车。 免责声明：本文内容由21ic获得授权后发布，版权归原作者所有，本平台仅提供信息存储服务。文章仅代表作者个人观点，不代表本平台立场，如有问题，请联系我们，谢谢！

2021年7月8日，上海——上海人工智能实验室发布开源平台体系OpenXLab，并推出了旗下全球首个覆盖学术界算法和工业级广泛需求的决策AI平台OpenDILab，推动人工智能发展从感知智能到决策智能的跃迁。OpenDILab不仅实现了最全面的算法覆盖，卓越的算法性能，还提供了丰富的工业级应用环境，推动产学研融合创新，引领AI技术迈向更高阶的通用智能时代。 打通产研需求闭环，引领AI迈向高阶决策智能 决策AI作为下一代人工智能的发展方向已成行业共识。过去10年，感知AI已经让机器具备了从“看清”到“看懂”的能力，而决策AI将进一步推动AI向推理、决策、规划等方向发展，在未来10年将为自动驾驶、智慧城市等领域带来颠覆性创新。然而，相较于感知识别，决策类问题因涉及多模态数据空间、跨尺度计算逻辑、多领域算法融合，标准化难度高。此外，由于学术界和工业界对问题的定义也不尽相同，一直以来很多学术成果都很难转化为工业场景，学术算法也很难实现跨场景应用。 针对决策AI的技术难题，以及产学研协同创新过程中的诸多痛点，上海人工智能实验室此次发布的革命性的决策AI平台OpenDILab，首次将产业应用中对于训练系统、环境接口、算法设计的需求与学术界进行了有效连接，底层依托创新的DI-engine实现了多种决策AI问题的标准化，中层提供全面丰富的决策类AI基础算法集，顶层集成多种工业级生态应用，自下而上打通决策AI研究与产业需求的闭环。 全新的OpenDILab将涵盖应用层、算法层、训练层、支持层四大模块，充分拓宽决策AI技术在学术研究和工业实践中的深度和广度。其中，应用层将提供多种决策场景和大量性能优异的算子，助力AI做出最优决策；算法层则提供多种常用模块化组件，支持用户多维度的扩展和定制，完成决策AI算法的大统一；训练层内置了多种类型的执行计算图，可为小到学术研究，大到工业级应用的多种规模问题提供支持；支持层能够支持异构计算和决策AI算法的结合，并在资源调度方面可依据算法和资源，动态管理整个训练过程，提供异常自动化维护等多种微服务。

· 新型BiologyWorks k(now)™设备提供高准确的COVID-19检测或其他分子测定，重新定义了医疗保健的检测标准; · 艾迈斯欧司朗的多光谱传感器能够通过分析鼻拭子样本实现病毒分子检测; · 灵活的光谱传感器针对所有光波长进行标准化，使BiologyWorks™能够使用不同的测定法来识别COVID-19、甲型/乙型流感、血糖水平和STD等信息。 ——全球领先的光学解决方案供应商艾迈斯欧司朗集团,今天宣布，其多光谱技术产品被BiologyWorks k(now)™作为核心器件所采用，该设备可实现经济、快速的实验室级分子检测，适用于检测COVID-19(SARS-CoV-2)及其他病毒感染。 BiologyWorks公司创始人Peter Marx指出：“艾迈斯欧司朗的光谱传感器是BiologyWorks k(now)™设备上的关键元器件，它具有快速可靠识别样本的独特能力，从而可确保提供准确的数字化结果。” 使用BiologyWorks k(now)™设备很简单：用前鼻拭子采样，连续加入两个装有液体的试管中混合，然后取一滴混合液滴入一次性检测盒;随后将检测盒插入分子检测设备。该设备准确性高、成本低，并且一次可同时检测多个指标;最后用智能手机扫描设备显示屏上的二维码，即可获取COVID-19检测结果。 BiologyWorks k(now)™设备采用的是艾迈斯欧司朗集团的10通道光谱传感器AS7341L，它能够为反射或荧光测量提供高度准确的光谱识别。AS7341L的多波长法可实现经济高效的多分析物检测，并提供与移动设备兼容的封装形式。凭借BiologyWorks公司的尖端软件和硬件，结合LAMP化学技术，在家几分钟即可完成分析并得到结果。 艾迈斯欧司朗先进光学传感器部门执行副总裁Jennifer Zhao表示：“我们很自豪能走在光谱传感技术的前沿，这些技术通过BiologyWorks k(now)™设备等产品可实现现场护理和居家场合的COVID-19病毒检测。我们的传感器解决方案旨在改善各种诊断检测的速度、灵敏度和周期时间。这些快速、准确和经济的大规模检测解决方案可在控制病毒蔓延方面发挥巨大作用，有助于我们重振经济，并恢复我们在过去一年停摆的许多社会活动。” 如需了解更多技术信息、咨询评估套件事宜或索取样片，请访问：https://ams.com/zh/as7341l。 BiologyWorks k(now)™设备采用艾迈斯欧司朗的10通道光谱传感器AS7341L，可针对COVID-19及其他传染病提供快速、准确的检测方式。

后疫情时期，柔性物流如何助力制造业数字化转型创新发展？ 数字化浪潮，制造业如何与各项新兴技术融合实现高质量发展？ 智造新格局，又将为创新创业带来什么新机遇与新挑战？ …… 众多热点话题的答案都将于7月15日在苏州昆山金陵大饭店举行的2021制造业企业数字化转型高峰论坛上正式揭晓！论坛同期，斯坦德数字物流示范工厂也将正式开业。 2021苏州制造业数字化转型高峰论坛将在苏州市工业和信息化局、昆山市人民政府的指导下，由昆山市工业和信息化局、陆家镇人民政府、斯坦德机器人（昆山）有限公司联合主办，掀起一场关于“数字赋能 柔性智造”的头脑风暴。 作为本次高峰论坛的主办单位之一，斯坦德机器人坚信“数字化物流产业生态化是大势所趋”。区别于传统AGV厂商，斯坦德机器人一直致力于基于自然导航AMR的柔性物流解决方案研发，专注于低成本、高可靠的柔性物流基础设施的落地应用，从定位导航算法到控制系统、调度系统等，都实现了高度自研，具备引领数字化柔性物流行业的技术优势。 此外，斯坦德对不同行业柔性物流需求具备深刻理解，以“标准移动底盘+功能模组+定制开发”打造出满足整厂物流需求的产品布局与响应能力。多年以来在柔性物流应用场景的全价值链上积累了丰富的项目运营和服务经验，能更精准的洞察真实客户需求，提供更全面的集成服务能力，并提供厂仓一体的数字化柔性物流解决方案。 秉持“让移动发挥更大价值”、“引领工业柔性变革”等基于数字化柔性物流生态圈的品牌愿景，斯坦德机器人致力于切实为全产业链践行可落地的项目方案与行业拓展规划，为工业4.0、工业互联从概念到落地提供突破口并做出实质贡献。 本次高峰论坛亮点纷呈，让我们先睹为快吧！ 亮点一：斯坦德数字物流示范工厂揭幕 工业4.0时代背景下，“无人工厂”、“熄灯工厂”等引人瞩目，不少人将工业4.0与无人工厂划上等号。然而，除了富士康、发那科等成功案例，许多制造业主的“无人”计划草草收场。个中经验、理由，其实不外乎两点：绝对意义上的标准化不存在，传统自动化缺乏柔性；自动化只是工业4.0的入场券，数字化决定智造的上限。 基于此，如何将大数据的分析与连通手段实现“以需定产”？高柔性的生产线如何实现多品种混线生产？配备多传感器与算法技术的工业移动机器人，如何用柔性物流让动态的标准与企业实际相适应？ 斯坦德数字物流示范工厂的揭幕将告知你破局之法。 亮点二：斯坦德机器人-哈工大智能控制与系统研究所产学研合作基地揭幕 哈尔滨工业大学被誉为中国机器人产业的摇篮，为行业源源不断地输送优秀的人才。而斯坦德机器人的创始团队正是一支秉承哈工大竞技机器人队的队训“极限犹可突破，至臻亦不可止”基因的创业团队。 基于此机缘，斯坦德机器人-哈工大交叉科学创新人才联合培养基地的成立，有利于双方建立联合开发、优势互补、成果共享、风险共担的产学研用合作机制，不断开拓机器人最新技术，应用于行业系统解决方案。 亮点三：数字化物流生态联盟成立 工业4.0的践行，仅靠一家企业的力量是远远不够的。斯坦德机器人将联合上下游不同领域的企业，一起构建柔性智造生态圈，形成行业完整的端到端的物流解决方案能力，成为工业制造数字化、自动化转型的重要话语者、引领者。 数字化物流生态联盟将以产品技术为原点、上下游应用为锚，联接供需双方，以开放、务实的态度，践行数字化物流。 亮点四：斯坦德机器人新品发布 为满足企业客户各种各样的差异化需求，斯坦德作为AMR的领先者，依靠这五年中不断积累行业经验开拓了丰富的产品矩阵，应对行业客户不同的物流搬运需求，出货量在3C、半导体、锂电、光伏能行业遥遥领先。其产品矩阵包括Oasis&AMR系列移动机器人底盘、Oasis-SMT机器人、Oasis-ATS机器人、智能叉车系列等。 本次高峰论坛上，斯坦德机器人又将发布怎样的新品？值得拭目以待！

自5月以来，芯片板块行情持续向好，上周更是掀起芯片股涨停潮，两个多月的时间，芯片板块累计上涨幅度超过40%。 这波股价大涨离不开业绩的支撑。从上周开始，多家芯片企业陆续发布半年报业绩预告，喜报佳绩。 芯片股集体爆发，业绩飙升之王诞生 芯三板梳理了已发布年中业绩预告的11家芯片产业公司，均为预增，且增幅普遍较大。 从梳理的结果来看，富满电子成为业绩飙升之王，预计上半年净利润同比增长1124.56%-1247.02%；明微电子次之，预计上半年净利润同比增长832.38%-935.98%；晶瑞股份位居第三，预计上半年净利润同比增长456.58%-623.56%。 富满电子 公司主要从事高性能模拟及数模混合集成电路的设计研发、封装、测试和销售，目前拥有电源管理、LED驱动、MOSFET等涉及消费领域IC产品四百余种。 预计2021年上半年归属于上市公司股东的净利润为3亿元-3.3亿元，同比增长1124.56%-1247.02%。 明微电子 专注于数模混合及模拟集成电路领域，产品主要包括LED显示驱动芯片、LED照明驱动芯片、电源管理芯片等，产品广泛应用于LED显示屏、智能景观、照明、家电等领域。 预计2021年上半年实现归属于母公司所有者的净利润为2.7亿元-3亿元，同比增长832.38%到935.98%。 新洁能 主营业务为MOSFET等分立器件，目前已形成沟槽型功率MOSFET（中低压）、超结功率MOSFET（高）两类主要产品系列，以及屏蔽栅沟槽型功率MOSFET（SGT）（中低压）、绝缘栅双极型晶体管（IGBT）和功率模块等新产品系列。 预计2021年上半年实现净利润为1.70亿元-1.75亿元，净利润同比增长207.20%-216.23%。 乐鑫科技 公司是Wi-Fi芯片核心供应商，主要产品Wi-Fi MCU是智能家居、智能照明、智能支付终端、智能可穿戴设备、传感设备及工业控制等IoT领域的核心通信芯片。 预计2021年半年实现归属于母公司所有者的净利润为1亿元-1.2亿元，同比增加187.9%到245.4%左右。 韦尔股份 公司主营产品包括保护器件（TVS、TSS）、功率器件（MOSFET、Schottky Diode、Transistor）、电源管理器件、模拟开关等四条产品线,700多个产品型号,产品在手机、电脑、电视、通讯、安防、车载、穿戴、医疗等领域得到广泛应用。 预计2021年上半年实现归属于上市公司股东的净利润与上年同期相比增加12.52亿元-14.53亿元，同比增加126.41%到146.78%。 景嘉微 公司是国内成功自主研发国产化图形处理芯片（GPU）并产业化的企业。产品涵盖图形图像处理系统、小型雷达系统、图传数据链系统、消费芯片等方向。 预计2021年上半年实现营业收入4.55亿元-4.95亿元，较上年同期增长47.01%-59.94%；归属于上市公司股东的净利润1.14亿元-1.28亿元，比上年同期增长27.30%-43.56%。 扬杰科技 主营产品为各类电力电子器件芯片、功率二极管、整流桥、大功率模块、DFN/QFN产品、SGTMOS及碳化硅SBD、碳化硅JBS等,产品广泛应用于消费类电子、安防、工控、汽车电子、新能源等诸多领域。 预计2021年上半年实现归属于上市公司股东的净利润为3.17亿元-3.61亿元，同比增长120%-150%。 晶瑞股份 公司生产销售微电子业用超纯化学材料和其他精细化工产品，产品广泛应用于超大规模集成电路、LED、TFT-LCD面板制造过程、太阳能硅片的蚀刻与清洗。 预计2021年上半年盈利1.13亿元-1.47亿元，同比增长456.58%-623.56%。 芯源微 主要从事半导体专用设备的研发、生产和销售,产品包括光刻工序涂胶显影设备（涂胶/显影机、喷胶机）和单片式湿法设备（清洗机、去胶机、湿法刻蚀机），其中的涂胶/显影机成功打破国外厂商垄断并填补国内空白。 预计2021年上半年度实现归属于母公司所有者的净利润为3,100万元到4,000万元，同比增加398.59%到543.35%。 北方华创 公司拥有半导体装备、真空装备、新能源锂电装备及精密元器件四个事业群,为半导体、新能源、新材料等领域提供全方位整体解决方案。 预计2021年上半年业绩预告显示，预计上半年实现净利润2.76亿元-3.3亿元，同比增长50%-80%。 长电科技 公司提供全方位的芯片成品制造一站式服务，包括集成电路的系统集成、设计仿真、技术开发、产品认证、晶圆中测、晶圆级中道封装测试、系统级封装测试、芯片成品测试服务。 预计2021年上半年实现归属于上市公司股东的净利润为12.8亿元左右,同比增长249%左右。 从以上芯片厂商公布的预增业绩来看，今年上半年芯片厂商业绩增长幅度最高超过1000%。分析各家厂商的报告，芯三板认为这些厂商取得如此惊人业绩有以下两大原因： 一方面是去年上半年受新冠疫情影响下游生产停工，需求削弱，去年同期可比基数较小；另一方面是“芯片缺货”问题持续发酵，终端需求持续旺盛，全球多家半导体企业纷纷上调产品价格，驱动芯片厂商产销两旺，业绩大涨。 例如，模拟芯片厂商富满电子表示，公司业绩预增主要得益于新产品成果显现，加之产品市场需求旺盛。

日前，由中国电子器材有限公司和中国电科第二十一研究所共同主办的“新一代信息技术与基础电子元器件和小电机产业协同发展媒体和分析师研讨会”在北京召开。中国电子元件行业协会、中国电子信息产业发展研究院等行业组织和研究机构，中航物资、中国振华电子、大洋电机、豪威集团、智联安科、天和磁材和金康精工等基础电子元器件、芯片和电机等领域龙头企业出席了本次研讨会，并发表了精彩致辞和演讲。 当天，国内基础电子元器件与信息技术领域内历史悠久与颇具规模的展会平台“中国电子展（CEF）”与国内小电机领域内综合性展会平台“中国国际小电机、磁性材料、特种机器人技术研讨会暨展览会（SMTCE）”举行了战略合作签约仪式，双方将于今年11月2-4日在上海新国际博览中心同期邻馆举办，联合为正在如火如荼发展的智能网联产品创新搭建最完善的交流与展示平台。 提起智能网联，可能大家第一个想到的就是以自动驾驶为代表的人工智能技术，却不知道车载摄像头作为ADAS（高级驾驶辅助系统）的核心部件，是决定自动驾驶汽车进行决策的重要依据。在5G、AIoT等新兴技术的不断迭代升级下，车载摄像头正在朝着“高清化、网络化、智能化”的方向发展。 如何把握这一技术迭代机遇？豪威集团中国区汽车电子中心业务拓展经理孙磊受邀出席了本次研讨会，并发表了题为《豪威科技赋能智能驾驶》的主旨演讲，从市场的角度浅谈了图像传感器对自动驾驶的重要性。研讨会期间，21ic电子网记者有幸采访了孙磊，并围绕车载摄像头的市场发展与技术走向等话题进行了深入交流。 （豪威集团中国区汽车电子中心业务拓展经理孙磊） 深耕车载场景，引领行业前行 在汽车电子系统中，车载摄像头是ADAS的主要视觉传感器，借由镜头采集图像后，有摄像头内的感光组件电路及控制组件对图像进行处理并转化为电脑能处理的数字信号，从而实现感知车辆周边的路况情况，实现前向碰撞预警、车道偏移报警和行人检测等ADAS功能。 在孙磊看来，车载摄像头作为汽车的眼睛，其在ADAS和自动驾驶技术中有着举足轻重的地位。随着汽车产业新四化（电动化、网联化、智能化、共享化）趋势的到来，车载摄像头在新形势下将会发挥更大的作用。 （研讨会现场） 不过，这一市场变化也给行业带来了新的挑战。在智能网联时代，汽车领域的电子设备越来越多，汽车联网及智能化程度也越来越高，这给用户带来便利的同时，也增加了安全风险。比如，前段时间闹得沸沸扬扬的“特斯拉车内摄像头遭黑客入侵”事件，就反映出车内隐私安全保护有待规范的行业痛点。 对此，孙磊指出，在图像传感器领域，我们要保证摄像头采集到的数据一定是加密的，一定是不可被篡改的！ 据悉，豪威科技成立于1995年，是全球领先的数字图像解决方案开发商，在车载场景已深耕多年，并在数字成像领域积累了丰富的经验。目前，豪威科技在全球CMOS图像传感器市场份额中排名第三，仅次于索尼和三星。经过多年来的技术积累和市场开拓，豪威科技早已为汽车的电动化和智能化发展所带来的挑战做好了充分的准备。 比如，豪威科技利用视觉成像及半导体工艺进行全球快门图像传感器产品研发，实现了对光学性能的良好“驾驭”，不断满足市场对高性能、小尺寸、低功耗、可定制等方面的需求。其自主研发的PureCel®旗舰级像素技术与Nyxel®夜鹰近红外科技，有效增强了QE量子效率，提高了传感器对于近红外光谱的灵敏度。而区别于传统HDR的芯片级单帧逐行HDR（Stagger HDR）技术与双转换增益（DCG）技术，则解决了高对比度场景中运动伪影问题，实现了超高质量的场景重现。 又如，豪威科技推出的最新图像传感器OV64B，是业界仅有的0.7μm小像素的6400万像素图像传感器，并且是首次以1/2″光学尺寸实现了6400万像素分辨率。OV64B基于豪威科技的PureCel Plus堆叠芯片技术，可提供领先的静止图像捕获和卓越的4K视频录制，并且具有电子图像稳定功能（EIS）以及30 fps的8K视频录制。 除此之外，豪威科技近期还推出了首批可兼容用于模块化NVIDIA DRIVE AGX™自动驾驶汽车人工智能计算平台的图像传感器系列产品，旨在为汽车系统设计师提供独特的优势功能。 除了上述安全问题，芯片短缺也是近期半导体行业的一个热议话题，更是所有厂商不得不面对的一个重要问题。 从去年年底开始，芯片短缺危机就导致了汽车行业供需紧张。据AutoForecast Solutions最新统计，截至2021年3月29日，全球共六家汽车制造商新增超65000辆因芯片短缺而减产的汽车。截至目前，芯片短缺已致全球汽车市场累计减产115.7万辆。预计2021年，全球汽车市场将因此减产超200万辆。 更糟糕的是，上述这种“缺芯断粮”的现象不只发生在汽车行业，由于各大芯片代工厂急于解决汽车芯片短缺的问题，例如PC、手机、家电等行业的芯片订单也随之受到了波及，汽车制造商和各大供应商都在争夺芯片。换句话说，这场席卷全球的“缺芯潮”已经从汽车行业蔓延到了PC、手机、家电等多个领域。目前，整个芯片市场都处于一种缺货状态。 面对全球日益严重的芯片短缺问题，孙磊表示，这是所有半导体公司都不愿意看到的现象。“一方面是受去年疫情的影响，许多晶圆厂都处于一个半关闭的状态，造成了全球半导体产能减少；另一方面则是整个行业低估了汽车行业复苏的时间进程，这将使整个产业链供应链面临‘断链’的风险。” 眼下，汽车产业的缺芯焦虑似乎并没有随着时间而减弱。据MarketWatch最新发布的报告显示，世界范围内的芯片短缺现象预计还会持续3-4个季度。如果准确的话，要到2022年的某个时候，行业才会恢复正常。可以预见，全球芯片短缺将成为今年半导体行业的主旋律。 “不过，这对于我们来说反而是个机会，因为车载业务在整个豪威集团所占份额并不大。面对芯片短缺危机，我们则是很灵活地把其它事业部的产能挪到了车载业务上，比如手机、安防等消费领域。目前，整个客户对我们的满意度还是比较高的。”孙磊谈道。

深度学习对计算能力的需求正以惊人的速度增长，其近年来的发展速度已从每年翻一番缩短到每三个月翻一番。深度神经网络(DNN)模型容量的不断提升，表明从自然语言处理到图像处理的各个领域都得到了改进——深度神经网络是诸如自动驾驶和机器人等实时应用的关键技术。例如，Facebook的研究表明，准确率与模型大小的比率呈线性增长，通过在更大的数据集进行训练，准确率甚至可以得到进一步提高。 目前在许多前沿领域，模型大小的增长速度远快于摩尔定律，用于一些应用的万亿参数模型正在考虑之中。虽然很少有生产系统会达到同样的极端情况，但在这些示例中，参数数量对性能的影响将在实际应用中产生连锁反应。模型大小的增长给实施者带来了挑战。如果不能完全依靠芯片扩展路线图，就需要其他解决方案来满足对模型容量增加部分的需求，而且成本要与部署规模相适应。这种增长要求采用定制化的架构，以最大限度地发挥每个可用晶体管的性能。 图1：模型大小的增长速度(来源：Linley Group) Parameters (log scale)：参数(对数刻度) Image-processing models：图像处理模型 Language-processing models：语言处理模型 随着参数数量快速增长，深度学习架构也在快速演进。当深度神经网络继续广泛使用传统卷积、全连接层和池化层的组合时，市场上也出现了其它结构，诸如自然语言处理(NLP)中的自注意力网络。它们仍然需要高速矩阵和面向张量的算法，但是存储访问模式的变化可能会给图形处理器(GPU)和当前现有的加速器带来麻烦。 结构上的变化意味着诸如每秒万亿次操作(TOps)等常用指标的相关性在降低。通常情况下，处理引擎无法达到其峰值TOps分数，因为如果不改变模型的处理方式，存储和数据传输基础设施就无法提供足够的吞吐量。例如，批处理输入样本是一种常见的方法，因为它通常可以提高许多架构上可用的并行性。但是，批处理增加了响应的延迟，这在实时推理应用中通常是不可接受的。 数值灵活性是实现高吞吐量的一种途径 提高推理性能的一种途径是使计算的数值分辨率去适应各个独立层的需求，这也代表了与架构的快速演进相适应。一般来说，与训练所需的精度相比，许多深度学习模型在推理过程中可以接受明显的精度损失和增加的量化误差，而训练通常使用标准或双精度浮点算法进行。这些格式能够在非常宽的动态范围内支持高精度数值。这一特性在训练中很重要，因为训练中常见的反向传播算法需要在每次传递时对许多权重进行细微更改，以确保收敛。 通常来说，浮点运算需要大量的硬件支持才能实现高分辨率数据类型的低延迟处理，它们最初被开发用来支持高性能计算机上的科学应用，完全支持它所需的开销并不是一个主要问题。 许多推理部署都将模型转换为使用定点运算操作，这大大降低了精度。在这些情况下，对准确性的影响通常是最小的。事实上，有些层可以转换为使用极其有限的数值范围，甚至二进制或三进制数值也都是可行的选择。 然而，整数运算并不总是一种有效的解决方案。有些滤波器和数据层就需要高动态范围。为了满足这一要求，整数硬件可能需要以24位或32位字长来处理数据，这将比8位或16位的整数数据类型消耗更多的资源，这些数据类型很容易在典型的单指令多数据(SIMD)加速器中得到支持。 一种折衷方案是使用窄浮点格式，例如适合16位字长的格式。这种选择可以实现更大的并行性，但它并没有克服大多数浮点数据类型固有的性能障碍。问题在于，在每次计算后，浮点格式的两部分都需要进行调整，因为尾数的最高有效位没有显式存储。因此，指数的大小需要通过一系列的逻辑移位操作来调整，以确保隐含的前导“1”始终存在。这种规范化操作的好处是任何单个数值都只有一种表示形式，这对于用户应用程序中的软件兼容性很重要。然而，对于许多信号处理和人工智能推理常规运算来说，这是不必要的。 这些操作的大部分硬件开销都可以通过在每次计算后无需标准化尾数和调整指数来避免。这是块浮点算法所采用的方法，这种数据格式已被用于标准定点数字信号处理(DSP)，以提高其在移动设备的音频处理算法、数字用户线路(DSL)调制解调器和雷达系统上的性能。 图2：块浮点计算示例 mantissa：尾数 block exponent：块指数 使用块浮点算法，无需将尾数左对齐。用于一系列计算的数据元素可以共享相同的指数，这一变化简化了执行通道的设计。对占据相似动态范围的数值进行四舍五入造成的精度损失可被降到最小。在设计时就要为每个计算块选择合适的范围。在计算块完成后，退出函数就可以对数值进行四舍五入和标准化处理，以便在需要时将它们用作常规的浮点值。 支持块浮点格式是机器学习处理器(MLP)的功能之一。Achronix的Speedster®7t FPGA器件和Speedcore™ eFPGA架构提供了这种高度灵活的算术逻辑单元。机器学习处理器针对人工智能应用所需的点积和类似矩阵运算进行了优化。相比传统浮点，这些机器学习处理器对块浮点的支持提供了实质性的改进。16位块浮点运算的吞吐量是传统的半精度浮点运算的8倍，使其与8位整数运算的速度一样快，与仅以整数形式的运算相比，有功功耗仅增加了15%。 另一种可能很重要的数据类型是TensorFloat 32(TF32)格式，与标准精度格式相比，该格式的精度有所降低，但保持了较高的动态范围。TF32也缺乏块指数处理的优化吞吐量，但对于一些应用是有用的，在这些应用中，使用TensorFlow和类似环境所创建的模型的易于移植性是很重要的。Speedster7t FPGA中机器学习处理器所具有的高度灵活性使得使用24位浮点模式来处理TF32算法成为可能。此外，机器学习处理器的高度可配置性意味着可以支持一个全新的、块浮点版本的TF32，其中四个样本共享同一个指数。机器学习处理器支持的块浮点TF32，其密度是传统TF32的两倍。 图3：机器学习处理器(MLP)的结构 Wireless：无线 AI/ML：人工智能/机器学习 Input Values：输入值 Input Layer：输入层 Hidden Layer 1：隐藏层1 Hidden Layer 2：隐藏层2 Output Layer：输出层 处理灵活性优化了算法支持 虽然机器学习处理器能够支持多种数据类型，这对于推理应用而言是至关重要的，但只有成为FPGA架构的一部分，它的强大功能才能释放出来。可轻松定义不同互连结构的能力使FPGA从大多数架构中脱颖而出。在FPGA中同时定义互连和算术逻辑的能力简化了构建一种平衡架构的过程。设计人员不仅能够为自定义数据类型构建直接支持，还可以去定义最合适的互连结构，来将数据传入和传出处理引擎。可重编程的特性进一步提供了应对人工智能快速演进的能力。通过修改FPGA的逻辑可以轻松支持自定义层中数据流的变化。 FPGA的一个主要优势是可以轻松地在优化的嵌入式计算引擎和由查找表单元实现的可编程逻辑之间切换功能。一些功能可以很好地映射到嵌入式计算引擎上，例如Speedster7t MLP。又如，较高精度的算法最好分配给机器学习处理器(MLP)，因为增加的位宽会导致功能单元的大小呈指数增长，这些功能单元是用来实现诸如高速乘法之类的功能。 较低精度的整数运算通常可以有效地分配给FPGA架构中常见的查找表(LUT)。设计人员可以选择使用简单的位串行乘法器电路来实现高延迟、高并行性的逻辑阵列。或者，他们可以通过构建进位保存和超前进位的加法器等结构来为每个功能分配更多的逻辑，这些结构通常用来实现低延迟的乘法器。通过Speedster7t FPGA器件中独特的LUT配置增强了对高速算法的支持，其中LUT提供了一种实现Booth编码的高效机制，这是一种节省面积的乘法方法。 结果是，对于一个给定的位宽，实现整数乘法器所需的LUT数量可以减半。随着机器学习中的隐私和安全性等问题变得越来越重要，应对措施可能是在模型中部署同态加密形式。这些协议通常涉及非常适合于LUT实现的模式和位域操作，有助于巩固FPGA作为人工智能未来验证技术的地位。 数据传输是吞吐量的关键 为了在机器学习环境中充分利用数值自定义，周围的架构也同样重要。在越来越不规范的图形表示中，能随时在需要的地方和时间传输数据是可编程硬件的一个关键优势。但是，并非所有的FPGA架构都是一样的。 传统FPGA架构的一个问题是，它们是从早期应用演变而来的;但在早期应用中，其主要功能是实现接口和控制电路逻辑。随着时间的推移，由于这些器件为蜂窝移动通信基站制造商提供了一种从愈发昂贵的ASIC中转移出来的方法，FPGA架构结合了DSP模块来处理滤波和信道估计功能。原则上，这些DSP模块都可以处理人工智能功能。但是，这些模块最初设计主要是用于处理一维有限冲激响应(1D FIR)滤波器，这些滤波器使用一个相对简单的通道通过处理单元传输数据，一系列固定系数在该通道中被应用于连续的样本流。 传统的处理器架构对卷积层的支持相对简单，而对其他的则更为复杂。例如，全连接层需要将一层中每个神经元的输出应用到下一层的所有神经元上。其结果是，算术逻辑单元之间的数据流比传统DSP应用中的要复杂得多，并且在吞吐量较高的情况下，会给互连带来更大的压力。 尽管诸如DSP内核之类的处理引擎可以在每个周期中生成一个结果，但FPGA内部的布线限制可能导致无法足够快速地将数据传递给它。通常，对于专为许多传统FPGA设计的、通信系统中常见的1D FIR滤波器来说，拥塞不是问题。每个滤波阶段所产生的结果都可以轻松地传递到下一个阶段。但是，张量操作所需的更高的互连以及机器学习应用较低的数据局部性，使得互连对于任何实现而言都更加重要。 图4：滤波器和人工智能数据流 Memory Cascade Out：存储级联输出 Operand Cascade in：操作数级联 Register File：寄存器文件 Fracturable：可分割 Adder/Accumulator：加法器/累加器 Memory Cascade in：存储级联 机器学习中的数据局部性问题需要注意多层级的互连设计。由于在最有效的模型中参数数量庞大，片外数据存储通常是必需的。关键要求是可以在需要时以低延迟传输数据的机制，并使用靠近处理引擎的高效便笺式存储器，以最有效地利用预取以及其他使用可预测访问模式的策略，来确保数据在合适的时间可用。 在Speedster7t架构中，有以下三项用于数据传输的创新： ·优化的存储层次结构 ·高效的本地布线技术 ·一个用于片内和片外数据传输的高速二维片上网络(2D NoC) 传统的FPGA通常具有分布在整个逻辑架构上的片上RAM块，这些RAM块被放置在距离处理引擎有一定距离的地方。对于典型的FPGA设计来说，这种选择是一种有效的架构，但在人工智能环境中，它带来了额外的和不必要的布线开销。在Speedster7t架构中，每个机器学习处理器(MLP)都与一个72kb的双端口块RAM(BRAM72k)和一个较小的2kb的双端口逻辑RAM(LRAM2k)相关联，其中LRAM2k可以作为一个紧密耦合的寄存器文件。 可以通过FPGA布线资源分别访问机器学习处理器(MLP)及其相关联的存储器。但是，如果一个存储器正在驱动关联的MLP，则它可以使用直接连接，从而卸载FPGA布线资源并提供高带宽连接。 在人工智能应用中，BRAM可以作为一个存储器，用于存储那些预计不会在每个周期中发生变化的值，诸如神经元权重和激活值。LRAM更适合存储只有短期数据局部性的临时值，诸如输入样本的短通道以及用于张量收缩和池化活动的累积值。 该架构考虑到需要能够将大型复杂的层划分为可并行操作的段，并为每个段提供临时数据值。BRAM和LRAM都具有级联连接功能，可轻松支持机器学习加速器中常用的脉动阵列的构建。 图5：具有存储和级联连接功能的MLP MLP可以从逻辑阵列、共享数据的级联路径以及关联的BRAM72k和LRAM2k逐周期驱动。这种安排能够构建复杂的调度机制和数据处理通道，使MLP持续得到数据支持，同时支持神经元之间尽可能广泛的连接模式。为MLP持续提供数据是提高有效TOps算力的关键。 MLP的输出具有同样的灵活性，能够创建脉动阵列和更复杂的布线拓扑，从而为深度学习模型中可能需要的每种类型的层提供优化的架构。 图6：具有端点和I/O块的NoC Multiplier / multiplicand fractions after converting inputs to have the same exponent：将输入转换为具有相同指数后的乘数/被乘数分数 Multiplier block exponent：乘数块指数 Multiplicand block exponent：被乘数块指数 Integer Multiply / Add Tree：整数乘法/加法树： Convert to Floating Point：转换为浮点 Floating Point Accumulation：浮点累加 Round to…