· 艾迈斯半导体在《金融时报》“2021年度全球多元化领袖企业”排行榜中跃居至第32位(之前为第141位)，充分反映了公司在广纳人才、兼容并包以及不断加强全球协作方面所做出的努力。 · 《金融时报》邀请了欧洲数千家公司的员工，就促进多元化方面对其雇主以及其他公司进行评分。 中国，2020年12月9日——全球领先的高性能传感器解决方案供应商艾迈斯半导体(ams AG)宣布，其在《金融时报》发布的“2021年度全球多元化领袖企业”问卷调查中备受肯定——在性别、年龄、种族、失能及性取向方面被评为欧洲最具多元化和包容性的企业之一。为了在竞争激烈的市场中吸引并留住具有适任技能(例如STEM2)的员工，艾迈斯半导体积极扩充人力资源库，并鼓励反映客户群的多元化观点，且加强全球各地员工及合作伙伴的协作。 在今年调查的15,000家公司中，得分最高的前850家公司跻身“2021年度全球多元化领袖企业”排行榜，艾迈斯半导体在排名中跃居至第32位，较去年的第141位大幅提升。实际上，在排名前35的公司中，属于“半导体、电子、电气工程、硬件”行业的公司仅为七分之一。 艾迈斯半导体首席执行官Alexander Everke表示：“我们行业亟须STEM技能，要吸引并留住全球各地的顶尖人才，就需要让员工感到包容并被重视，具备长远的眼光，且看到公司内具有代表性的榜样。而多元化也颇具声誉和商业意义，因此我们很荣幸在促进多元化方面得到广大员工的认可。” 艾迈斯半导体高级管理层中有许多出色的榜样，而我们期待更多的榜样随着公司的发展脱颖而出。例如，艾迈斯半导体先进光学传感器部门执行副总裁兼总经理Jennifer Zhao女士，近日在Questex的“2020年度传感器创新周”被评为“年度女性”;而研发部资深副总裁Verena Vescoli，则是业内为数不多的在一家以STEM为核心的公司中担任要职的女性之一。 在地区层面，艾迈斯半导体今年也在奥地利(Statistica的《Trend》杂志)和施蒂利亚州(Market Institut GmbH, Linz)两次荣获最佳雇主称号。

2020年12月9日 – 专注于引入新品的全球电子元器件授权分销商贸泽电子 (Mouser Electronics) 即日起备货Maxim Integrated的新型MAX78000芯片。MAX78000基于双核MCU，结合了超低功耗深度神经网络加速器，为高性能人工智能 (AI) 应用提供所需的算力，是机器视觉、面部识别、目标检测和分类、时序数据处理和音频处理等应用的理想选择。 贸泽电子供应的Maxim MAX78000集成了两个MCU核心用于系统控制，即Arm® Cortex®-M4处理器和32位RISC-V处理器。RISC-V处理器集成的特殊功能支持以低功耗将数据快速加载到神经网络加速器。配置并加载了数据后，MAX78000 442-KB的卷积神经网络 (CNN) 加速器运行AI推理的速度比MCU解决方案快100倍，功耗还不到其1%。 MAX78000处理器提供高效的电源管理，最大限度地延长电池供电的物联网 (IoT) 设备的续航时间。通过动态电压调整，该处理器将活动核心的功耗降至最低，在低功耗模式下可选择SRAM保持。该处理器将低功耗性能与高效计算结合在一起，将延迟降低了100倍，并能够在物联网边缘执行AI推理。 MAX78000拥有配套的MAX78000评估套件。除了MAX78000处理器，此评估套件还包含数字麦克风、陀螺仪/加速度计和3.5英寸触摸式彩色TFT显示屏，同时支持并行摄像头模块。另外贸泽还供应MAX78000FTHR，这是一款采用Adafruit Feather 外形尺寸的开发板，专门用于小型系统的快速原型设计。

移动互联网正逐渐渗透到人们生活、工作的各个领域，微信、支付宝、位置服务、各种应用app等丰富多彩的移动互联网应用迅猛发展，正在深刻改变信息时代的社会生活,随着4G手机的普及，5G网络的部署，以及移动终端技术的持续提升，各类大数据用户数量也将会不断上升!预计2020年，我国数据总量有望占全球数据总量的21%，到2022 年，全球移动应用程序的下载量将达到2,582亿次，仍将保持较快速度发展;这些数据的得出也是来源于网络数据搜索与计算，大数据发展趋势预测总结为“融合、跨界、基础、突破”；对于这个大数据流量矩阵的全新市场，商业模式创新将给运营商带来新的机遇与挑战，未来6G时代，还将实现人与物的链接、物与物的链接、各类数据流量的链接，将会带来更进一步的基于链接矩阵的环境变化，万物互联的时代即将到来。     2018年，我国移动互联网市场规模高达11.39万亿元；2019年，我国移动互联网用户规模达13.19亿，占全球网民总规模的32.17%,去年我国电子商务交易规模为34.81万亿元，继续占据全球电子商务市场首位;网络支付交易总额249.88万亿元，移动支付普及率位于世界领先水平；全国数字经济增加值35.8万亿元，居世界第二位。2019年我国移动应用市场整体发展平稳，在全球移动应用市场具有较高影响力。《中商产业研究院》预测，2020年我国移动互联网市场规模将达16.64万亿元。                                                                                                                          各类移动应用(App)加快创新升级，成为数字经济发展的重要力量。即时通信、手机搜索、网络新闻App用户众多，游戏类App数量最多，音乐视频类App下载量最大，促进信息服务消费快速增长。移动互联网的浪潮正在席卷到社会的方方面面，新闻阅读、视频节目、电商购物、公交出行等热门应用都出现在移动终端上，在苹果和安卓商店的下载已达到数百亿次，而移动用户规模更是超过了PC用户。这让企业级用户意识到移动应用的必要性，纷纷开始规划和摸索进入移动互联网，客观上加快了企业级移动应用市场的发展。 展望2021年，资源型数字经济，公域流量，私域流量，发展内外俱佳，将进入绿色加速通道，5G、人工智能、工业互联网、物联网等新型基础设施持续发力，中国正式启动6G研发；数字经济生态，联合国积极作为，擎起全球数字合作与交流大旗，全球主要国家和地区高度重视，我国自上而下一致重视，数字经济的发展生态积极向好；技术型数字经济，仍处于美中“两国独大”的寡头格局，新一代信息技术整体更迭趋缓和热点技术持续爆发，“一热一冷”并存；融合型数字经济，打造品牌私域流量池。                                                  红万斗是由上海万斗网络科技有限公司创立的大数据平台，基于大数据趋势和应用，通过分享裂变的逻辑，挖掘用户，积累大数据，对接各种互动应用终端（APP、公众号、小程序、PC、嵌入式终端：POS机等），打造各类应用的生态圈，服务于生活方方面面的需求，提高各类用户价值体现。它属于 S to B to C 的应用联盟平台，即S（服务平台）、B（商家）、C（用户）之间的交互式网络；通过平台的聚合能力，协调接入应用之间商务合作产生的收益，释放给用户，激励用户的分享裂变，把用户的价值做大。 S to B,针对企业端，即是通过红万斗来打造应用生态圈，让所有应用终端在整个生态环境中，建立私域流量的蓄水池，可以通过合作，让所有应用终端的私域流量得以续航，帮助彼此高效打造私域流量，提高私域流量的变现效率，并保障了应用终端因合作及变现过程中造成的流量损耗，红万斗在建立公平公正的合作制度前提下，让应用之间产生粘性且高效合作，通过系统来完成自动化利益分配，有助于各应用终端的发展，相互助力彼此成长。 S to C,针对用户端，红万斗构建完善的分享机制与服务体系，通过各类应用终端的合作，渗透至生活的方方面面，致使用户产生极强的使用粘性，让每位应用的使用者，都能成为消费商，在整个应用生态圈中的消费与分享，都会让自己的累计消费来提升会员等级，获得裂变带来的各类管道收益及服务品质提升。在连接环境下的私域流量模式，可以产生很多的经营用户的有效方式。包括营销方式、内容方式、交互方式，这些方式都会围绕经营用户价值产生效率。 继2019年“私域流量”逐渐崛起后，有人说：2021年将是私域流量真正爆发的元年。特殊时期的冲击使得各大品牌纷纷投身线上，作为强力抓手，私域流量成为企业必须攻占的核心战场，品牌的私域意识也迎来空前的觉醒。未来，随着应用领域的拓展、技术的提升、数据共享开放机制的完善，以及产业生态的成熟，具有更大潜在价值的预测性和指导性应用将是发展的重点。随着广泛应用、数据规模爆发式增长以及数据分析及处理能力显著提升，量化投资将获取更广阔的数据资源，构建更多元的量化因子，投研模型更加完善。                              …

· Amazon Monitron提供包含传感器、网关和机器学习服务的端到端机器监控解决方案，以检测可能需要维护的异常设备状况 · Amazon Lookout for Equipment为拥有设备传感器的客户提供了使用AWS机器学习模型来检测异常设备行为并进行预测性维护的能力 · AWS Panorama Appliance帮助已在工业设施中装配摄像机的客户使用计算机视觉来改善质量控制和工作场所安全 · AWS Panorama软件开发套件(SDK)允许工业相机制造商在新相机中嵌入计算机视觉功能 · Amazon Lookout for Vision在图像和视频流上使用AWS训练的计算机视觉模型，以发现产品或流程中的异常和缺陷 · 使用全新的AWS工业机器学习服务的客户和合作伙伴包括Axis、凌华科技、BP、德勤、Fender芬达、GE 医疗和西门子交通 北京-2020年12月9日，今天，在亚马逊云服务(AWS)举办的年度盛会——AWS re:Invent上，AWS宣布了Amazon Monitron、Amazon Lookout for Equipment、AWS Panorama Appliance、AWS Panorama SDK和Amazon Lookout for Vision。这五项全新的机器学习服务共同帮助工业和制造业客户在其生产过程中嵌入智能能力，以提高运营效率，改善质量控制、信息安全和工作场所安全。这些服务代表了现有最全面的从云端到边缘的工业机器学习服务套件，通过结合先进的机器学习、传感器分析和计算机视觉功能，解决工业客户面临的常见技术挑战。实际上，数十万客户正在使用AWS云服务进行机器学习工作，各个规模、各行各业的客户都在使用AWS服务将机器学习作为其业务战略的核心。要了解有关全新AWS用于工业领域的机器学习服务的更多信息，请访问https://aws.amazon.com/industrial/。 企业越来越多地希望将机器学习功能添加到工业环境中，例如制造设施、配送中心、食品加工厂等。对于这些客户来说，数据已成为将复杂工业系统结合在一起的重要媒介。工业系统中通常具有许多相互依存的流程，这些流程容错能力低，甚至很小的问题也会带来重大后果。许多客户通过分析其设施中运行设备的数据来应对这一挑战，例如，许多客户利用AWS IoT SiteWise等服务从工业设备收集数据并生成实时性能指标。随着客户开始使用云收集和分析工业数据，他们还希望采用机器学习技术来解读数据，进一步提高运营效率。在某些情况下，客户希望使用机器学习来帮助他们实现预测性维护，从而降低成本并提高运营效率。同时，在非联网或对延迟敏感的环境中运行的客户则希望通过在边缘使用计算机视觉来发现产品缺陷并提高工作场所安全性。伴随这些不断变化的需求和机遇，工业企业要求AWS帮助他们利用云、工业边缘和机器学习，以从其设备生成的大量数据中获得更多价值。 Amazon Monitron和Amazon Lookout for Equipment通过机器学习支持预测性维护 今天，工业和制造企业面临的主要挑战是设备的持续维护。过去大多数设备维护都是被动的(在机器发生故障之后)或预防性的(定期进行以确保机器不会发生故障)。被动维护可能会损失大量成本并带来长时间停机，而预防性维护若维护过度则成本过高，若维护不够频繁则无法防止故障。实际上，预测性维护(能够预测设备何时可能需要维护的能力)是一种更有前景的解决方案。但是，为了实现预测性维护，企业在过去需要雇佣熟练的技术人员和数据科学家从头构建复杂的解决方案，同时需要针对用例识别和购买正确类型的传感器，并将它们与IoT网关(一种聚合和传输数据的设备)连接在一起。然后，公司必须测试监测系统，并将数据传输到本地或云上进行处理。只有这样，数据科学家才能构建机器学习模型来分析数据模式和异常情况，或者在检测到异常时创建警报系统。一些企业已经为在设备和必要的基础设施上安装传感器用于数据连接、存储、分析和警报方面进行了大量投资，然而，即使这些企业也通常仅停留在使用初级数据分析和建模方法的阶段，与高级机器学习模型相比，这些方法昂贵且通常无法有效地检测异常情况。大部分企业依然缺乏专业知识和人员来构建和完善机器学习模型，无法进行高度准确的预测性维护。这些都导致了很少有企业能够成功实施预测性维护，即使少数做到这一点的企业也希望让这些投资进一步发挥作用，同时减轻维护解决方案的负担。在这些问题上，全新的AWS机器学习服务可以提供众多帮助： · 对于未建立传感器网络的客户，Amazon Monitron提供由传感器、网关和机器学习服务组成的端到端机器监控系统，以检测异常并预测何时需要维护工业设备。 Amazon Monitron帮助客户免去了从头开始构建先进的、由机器学习驱动的预测性维护系统的高成本需求和复杂性，使他们能够专注于其核心制造、供应链和运营功能。Amazon Monitron根据振动或温度的异常波动来检测机器是否正常运行，并在可能出现故障时通知客户检查机器以确定是否需要预测性维护。这一端到端的系统提供了用于捕获振动和温度数据的IoT传感器、用于将数据聚合和传输到AWS的网关、以及用于检测异常设备模式并在数分钟内提供结果的机器学习云服务，而无需客户具备任何机器学习或云经验。借助Amazon Monitron，机器维护人员无需任何开发工作或专业培训就可以在数小时内开始跟踪机器的运行状况。Amazon Monitron可在轴承、电机、泵、传送带各种工业和制造领域的旋转设备上使用，其典型应用场景包括数据中心冷却风扇或水泵等关键机器的监测，或者大量安装在具有生产和运输系统的制造工厂中。Amazon Monitron还提供一个移动应用程序，供客户的现场维护技术人员实时监控设备行为。技术人员可以通过这个移动应用程序收到不同机器上任何异常设备状况的警报，检查机器的运行状况，并决定是否需要安排维护。为了提高系统的准确性，技术人员还可以在移动应用程序中输入有关警报准确性的反馈，帮助进一步改善Amazon Monitron。Amazon Monitron已经正式推出。要了解有关Amazon Monitron的更多信息，请访问https://aws.amazon.com/monitron。 · 对于已经拥有传感器但不希望自己构建机器学习模型的客户，Amazon Lookout for Equipment让客户可以将传感器数据发送到AWS，由AWS为其构建模型并返回预测结果，从而检测异常设备行为。首先，客户将其传感器数据上传到Amazon Simple Storage Service (S3)，并将S3位置提供给Amazon Lookout for Equipment。 Amazon Lookout for Equipment也可以从AWS IoT SiteWise提取数据，并与OSIsoft等其他流行的机器操作系统无缝协作。 Amazon Lookout for Equipment分析数据，评估正常或健康的模式，再利用从所有训练数据中得到的洞察来构建为客户环境定制的模型。然后，Amazon Lookout for Equipment可以使用机器学习模型来分析传入的传感器数据并识别机器故障的预警信号。这也就使得客户可以进行预测性维护，从而通过防止工业系统生产线崩溃来节省成本并提高生产率。 Amazon Lookout for Equipment帮助客户从其现有传感器中获得更多价值，使得客户能够及时做出从根本上改善整个工业流程的决策。要了解有关Amazon Lookout for Equipment的更多信息，请访问https://aws.amazon.com/lookout-for-equipment。 AWS Panorama通过计算机视觉改善工业运营和工作场所安全 许多工业和制造业客户希望在其设施和设备的实时视频中使用计算机视觉技术自动执行监测或视觉检查任务，并实时做出决策。例如，客户通常需要检查一些高速运转的流程(例如精细铣削或激光工具)以确定是否需要进行调整，或者监视工地上和工厂的活动以确保操作合规(例如，确保行人和叉车留在指定的工作区域内)，或评估其设施内的工人安全(例如，保持适当的人员距离或使用PPE)。但是，当下普遍使用的监测手段是手动的，容易出错的，并且难以扩展。客户可以在云中构建计算机视觉模型来监视和分析他们的实时视频，但是工业设施和流程通常位于偏远和孤立的位置，网路连接很慢、昂贵或完全不存在。尤其对于那些涉及零件或安全监控视频审查等人工审核的工业流程，在云中构建计算机视觉模型更为困难。例如，如果某个高吞吐量的生产线上出现质量问题，客户希望立即得到预警，因为问题存在时间越长，解决问题的成本越高。这种类型的监控视频可以通过计算机视觉技术实现在云中自动处理，但是这些视频一般带宽高并且上载速度慢。因此，客户只能实时进行视频监控，但这一方式操作难度高、易出错并且成本高。有些客户希望使用具有足够处理能力的智能相机来运行实时监控模型，却很难达到高准确性、低延迟的性能。大多数客户最终会运行一些简单的模型，却无法编程为可以集成到工业机器中的自定义代码。针对这些问题，AWS现在可以提供以下帮助： · AWS Panorama Appliance提供了一种新的硬件设备，使组织可以将计算机视觉添加到客户可能已经部署在本地的摄像机中。客户首先将AWS Panorama Appliance连接到他们的网络，然后这一设备会自动识别摄像头数据流并开始与现有的工业摄像头进行交互。AWS Panorama Appliance可集成于那些用于构建自定义机器学习模型或获取视频以进行更精细分析的AWS机器学习服务和IoT服务中。AWS Panorama Appliance将AWS机器学习能力扩展到边缘，以帮助客户在没有网络连接的情况下在本地进行预测。每个AWS Panorama Appliance都可在多个摄像头数据流上并行运行计算机视觉模型，从而使诸如质量控制、零件识别和工作场所安全的用例成为可能。AWS Panorama Appliance还可与适用于零售、制造、建筑和其他行业的AWS和第三方经过预先培训的计算机视觉模型一起使用。此外，客户使用Amazon SageMaker自主开发的计算机视觉模型也可以部署在AWS Panorama Appliance上。 · AWS Panorama软件开发套件(SDK)帮助硬件供应商开发可在边缘有效运行计算机视觉模型的新型摄像头。使用AWS Panorama SDK构建的摄像头可在多种用例中运行计算机视觉模型，例如检测快速移动的传送带上的损坏部件或定位那些脱离指定工作区域的器械等。这些相机可以使用英伟达和安霸旗下用于计算机视觉的芯片。通过使用AWS Panorama SDK，制造商可以开发自带计算机视觉模型的相机，从而可以处理更高分辨率的高质量视频以发现问题。他们还可以在低成本设备上构建更复杂的模型，这些设备可以通过以太网供电并可以放置在站点周围。客户可在Amazon SageMaker中训练模型，并一键将其部署到使用AWS Panorama SDK构建的摄像机上。客户还可以将Lambda功能添加到使用AWS Panorama…

作为传统锂离子电池的替代品，固态电池的开发工作目前正在全球范围内展开。这种新一代的电池采用性质稳定且不易燃的固体电解质材料来代替液体，消除了泄漏和着火的风险，具有优秀的安全性、高可靠性和更长的使用寿命。TDK成功地实现了全球首款全陶瓷固态SMD *1电池CeraCharge™的商业化，并有望搭载于各种IoT设备中。(照片由CookPerfect提供) 解决传统锂离子电池局限性的下一代解决方案 毫不夸张地说，随着我们进入物联网时代，几乎所有事物都连接到了互联网，要想提高各种智能设备的普及率，除了紧凑的外形和更强的通信功能之外，高电池性能也是必不可少的。具有高能量密度的锂离子电池如今被广泛用于各种电子设备，例如笔记本电脑、智能手机和无线耳塞等，并且越来越多地运用于无人机、电动自行车和EV(电动汽车)中。然而，由于锂离子电池是使用易燃的有机溶剂电解质制成，存在泄漏和着火的风险，因此物联网设备制造商对开发更安全、更可靠的含有稳定电解质材料的固态电池的需求也与日俱增。预计将来EV等设备中的大容量电池也将被固态电池取代，其市场规模将进一步扩大。 小型全固态锂离子薄型电池的全球市场规模和预测 来源：以全球下一代电池市场为基础：日本矢野经济研究所2019年主要调查研究结果。 固态电池市场在未来10年内预计将呈指数增长。 常规锂离子电池与固态锂离子电池的对比 固态电池采用固态电解质材料代替传统锂离子电池中的液态电解质，可提供较高水平的安全性和更长的使用寿命。 由TDK率先推出的固态SMD电池CeraCharge的功能 随着全球各公司不断致力于固态电池的开发，TDK成功地实现了全球首款固态SMD(表面贴装器件)电池CeraCharge的商业化。CeraCharge是基于TDK先进的积层陶瓷技术打造的，具有适合量产的优势。其固体陶瓷电解质消除了泄漏和着火的风险，同时具备其他实用特性，包括：1.5V的标称电压，100μAh的容量，-20˚C至80˚C的工作温度范围。此外，其SMD型设计便于放置电池，从而有助于降低组装成本。由于具有尺寸小、安全性高和使用寿命长的优势，它很适合搭载在各种环境下使用的IoT设备中。 CeraCharge™固态电池的横截面(示意图) CeraCharge是利用TDK的先进积层陶瓷技术打造的。 芯片大小的安全固态电池CeraCharge正在逐步应用到各种IoT产品中。其中一种应用就是2020年12月推出的烹饪温度计产品。这款新产品是一个15cm的金属温度计探头，由丹麦一家生产烹饪温度计系列产品的CookPerfect公司出品，配备有五个温度传感器，一个BLE(蓝牙低能耗)*2通信模块以及TDK的CeraCharge。只需插入此探头，即可通过智能手机实时监测烤箱内烤肉的内部温度。借助这一突破性的产品，人们能够在理想的温度下烹饪圣诞节烤肉等各种肉类。 CookPerfect的联合创始人兼董事总经理Martin Kloster表示：“当我们在2016年开始设计CookPerfect时，根本没有哪一种电池技术可以支持在5个点进行测量，运行复杂的算法，并且可以内置到相应装置中。但是借助CeraCharge，我们得以打造首个“真正的无线”温度计。”Kloster提到，可靠性和安全性非常重要，因为这些温度计将直接插入到食物中并用于高温烤箱和烤架。“绝对不能有任何化学泄漏。我们还需要较高的工作温度范围，可以承受在烤箱内部使用。固态的CeraCharge没有泄漏的风险，其体积小到可以安装到3.7mm直径的装置中，并且可以承受高达85˚C温度，这就是我们选择将它用在产品中的主要决定因素。” CookPerfect的无线肉类温度计 15cm的金属探头内含五个温度传感器，一个通信模块和固态CeraCharge电池，可在烹饪时对肉类进行实时温度监测。(照片由CookPerfect提供) 例如此类将温度传感器与通信功能结合在一起的烹饪温度计，随着配备各种传感器的设备的不断普及，一个全面的物联网社会即将来临。随着市场对各种尺寸和规格电池的需求不断增长，目前正在考虑将CeraCharge集成到各种设备中，包括用于智能仪表、可穿戴设备和智能传感器的实时时钟(RTC)*3。 作为全球率先将固态电池商业化的公司，TDK将继续致力于扩大其产品系列，同时提高其微型化程度和容量，以覆盖更广泛的应用领域。CeraCharge将一如既往地为快速扩张的物联网市场提供有力支持。 CeraCharge™固态电池 从简单的小工具到规格复杂的设备，各种工业和消费类IoT设备日益需要紧凑、安全且可靠的电源。为了满足这些需求，TDK开发了全球首款可充电固态SMD电池CeraCharge。有关更多信息，请访问TDK产品中心页面。

挪威奥斯陆 – 2020年12月8日 – Nordic Semiconductor宣布全球领先的技术解决方案提供商安富利亚洲(Avnet Asia)已选择Nordic集成有LTE-M/NB-IoT调制解调器和GPS的nRF9160低功耗系统级封装(SiP)，以及nRF52840蓝牙5.2/低功耗蓝牙(Bluetooth LE)先进多协议片上系统(SoC)，为其“AVT9152”模块提供蜂窝IoT和短距离无线连接。 26mm x 28mm大小的AVT9152模块据信是支持LTE-M/NB-IoT、低功耗蓝牙和GPS的最小模块，可以集成到一系列嵌入式应用中，包括Covid-19接触者追踪、物流和资产跟踪、自动售货机、自助服务终端、医疗设备和智能楼宇自动化等应用。 Nordic nRF9160 SiP的Arm Cortex-M33处理器和SoC中带有浮点运算单元(FPU)的64MHz、32位Arm® Cortex® M4处理器能够为模块配备足够的计算能力，以支持一系列复杂且处理器密集型的IoT应用。该模块为IoT产品开发提供了高度的灵活性和可扩展性，完成IoT设计就像将电源、传感器和天线连接到模块一样简单，缩短的开发周期也加快了上市速度。 nRF9160是一款低功耗SiP，已通过全球蜂窝IoT应用认证，在紧凑型封装中集成了多模式LTE-M/NB-IoT调制解调器和RF前端(RFFE)、GPS和电源管理等功能。64 MHz处理器包括有1 MB闪存和256 KB RAM、一系列模拟和数字外围设备、自动电源和时钟管理、用于可信任执行的Arm TrustZone™和针对应用层安全性的Arm CryptoCell 310。处理器通过BSD安全套接API与LTE调制解调器通信，并支持应用层协议(例如CoAP、MQTT或LWM2M)和应用本身。nRF9160 SiP的LTE调制解调器同时支持SIM和eSIM，且提供700至2200 MHz的LTE频段支持、23 dBm输出功率以及单针50Ω天线和UICC接口。LTE堆栈层L1-L3、IPv4/IPv6、TCP/UDP、TLS/DTLS也是调制解调器固件的一部分。 Nordic的nRF52840 SoC支持复杂的低功耗蓝牙和其他低功耗无线应用，这是单芯片解决方案实现的。nRF52840已经过蓝牙5、Thread 1.1和Zigbee PRO(R21)认证，并通过了Green Power代理规范的认证，其动态多协议功能特别支持协议的并发无线连接。SoC将具有1MB闪存和256kB RAM的Arm处理器与2.4GHz多协议无线电(支持蓝牙5、ANT™、Thread、Zigbee、IEEE 802.15.4和专有的2.4GHz RF协议软件)结合在一起。带有片上功率放大器的新型无线电架构具有-95dBm RX灵敏度(1Mbps低功耗蓝牙)，最大输出功率为8dBm，总链路功率预算为103dBm。与蓝牙4.2相比，该芯片支持蓝牙5的所有功能(包括4倍距离或2倍原始数据带宽(2Mbps))。nRF52840 SoC还集成了Arm CryptoCell™-310加密加速器，旨在解决IoT面临的固有安全挑战。 nRF5284 SoC有Nordic经过蓝牙5认证的软件协议栈S140 SoftDevice支持，用于构建远程和高数据量低功耗蓝牙应用。 安富利亚洲设计服务高级副总裁黄昌国表示：“Nordic是低功耗器件的行业领导者。我们选择nRF9160和nRF52840是组合其高安全性、低功耗、高存储容量和小尺寸等优点。AVT9152评估套件基于AVT9152模块，可提供一个完整的设备到云端平台，使客户能够缩短产品上市时间并实现其IoT潜力。” “AVT9152评估套件”通过安富利的企业级“IoTConnect”云平台提供简化的IoT应用开发和端到端的云连接平台。该评估套件包含3轴加速度计、3轴陀螺仪，以及压力、温度、相对湿度、环境光和运动(PIR)等传感器。

果然不出所料，除了名字响亮，骁龙888一系列性能参数的披露，坐实了这款芯片的强大。作为骁龙旗舰移动平台“大家庭”中的新成员，骁龙888不仅继承了骁龙8系在性能、功耗、连接、影像、AI、游戏、发热控制等方面一如既往的优势，而且均实现显著的提升。骁龙888新平台的突破性技术和性能，让我们对明年的5G旗舰手机市场充满期待。 首先，是5G时代消费者最为关注的5G连接，骁龙888有何优秀的表现呢？之前就有一些5G基带是集成还是外挂而引发的关于芯片发热和功耗方面的讨论和顾虑。这次，骁龙888平台将骁龙X60基带封装进了SoC 之中，完全内置式封装设计，彻底打消了消费者对于5G基带功耗和发热的顾虑。 降低了功耗和发热的同时，骁龙888移动平台的5G连接性能也达到了行业之最。骁龙888集成的骁龙X60，是全球最先进的5G modem-RF解决方案，能够实现高达7.5Gbps下行和3Gbps上行速率，是全球最快的商用5G网络速度。且骁龙X60具备全球兼容性，支持毫米波和 Sub-6GHz 频段，以及全球多 SIM 卡、独立组网、非独立组网、FDD、TDD 和动态频谱共享等。 AI方面，骁龙888的AI引擎升级至第六代，算力高达26 TOPS。并且，高通对六代AI引擎的核心——Hexagon780进行了全新设计，将内部的标量、张量和向量加速器的物理空间几乎全部消除，功耗和发热再降低，能效比再提升。值得一提的是，高通还在这三个不同加速器之间添加了很大的共享内存，从而让他们更快、更高效地共享和移动数据。专用共享内存的加入让 Hexagon 780 在单一应用中的性能提升16倍，在某些应用中，数据交互时效最多可提高上千倍。 还有备受关注的CPU性能。骁龙 888 采用了Kryo 685 CPU，和以往一样还是「1+3+4」八核心设计，包含一枚最高主频2.84GHz的Cortex X1超级大核，3枚最高主频 2.4GHz的Cortex A78核心和4枚最高主频1.8GHz的 Cortex A55 核心。我们可以发现和骁龙865相比，骁龙888 CPU频率没有明显的变化，但升级了全新的架构布局，尤其是全球首发了ARM的第一个超级大核架构Cortex-X1，超级核心性能强悍，可将 CPU 整体性能提高 25%，同时整个 CPU 丛集的整体功效也提高了25%。可见，CPU性能的提升不是只有“升频”这一种方式，大规模核心对应低主频仍然能够实现高性能，而且发热和功耗更低。 至于GPU方面，骁龙888采用了新一代的Adreno 660，相比865的Adreno 650，图形渲染速度较前代平台提升高达35%，发热进一步得到控制，能耗相比于上一代则降低了20%，实现了迄今为止最显著的性能提升。并且骁龙888还集成了第三代Snapdragon Elite Gaming技术，延续了骁龙移动平台在游戏方面的优异性能和良好的发热控制和功耗表现。强悍的Adreno 660 GPU和第三代高通Snapdragon Elite Gaming带来的一系列端游级特性、超流畅游戏体验，让手游玩家能够享受最具沉浸感的游戏体验。 可以说高通的每一款芯片，在追求极致性能的同时，会兼顾功耗与效能，良好应对发热问题。以确保在性能提升的同时，发热和功耗的控制也都有出色表现。骁龙888无论是性能输出，还是能效处理，都达到了业内最高水准。目前小米公司，已石锤首发骁龙888，预计过不了多久搭载骁龙888的小米11旗舰5G手机将会与大家见面，消费者可以实际体验骁龙888的诸多性能提升。

毫不夸张地说，一款优质的5G基带可以推动全球5G部署,不仅为5G智能手机的快速普及保驾护航，而且还能为笔记本产品、XR终端等多种产品提供相应的5G解决方案。高通骁龙5G基带在市场上获得了高度认可，截至目前,市场上出现的几十款5G手机几乎全部选择了高通骁龙5G基带解决方案。 2020年在5G手机市场基本都会搭载的高通骁龙X55 5G基带，就是一款能够为各个领域产品提供优质5G解决方案的基带产品,各方面表现都很强。作为高通第二代5G基带芯片,这骁龙X55不仅延续了上一代产品的优势,而且整体实力还在上一代5G基带基础上有明显提升。 高通骁龙X55 5G基带采用了7纳米制成工艺打造,芯片整体制造工艺的提升,轻薄的外形有效地降低了能耗。都说5G手机能耗高，掉电快。而高通X55 5G基带从制程工艺上发力，根源上解决能耗问题，为5G手机提供了强大的续航能力。功能方面，高通骁龙X55 5G基带支持独立和非独立网络部署,支持毫米波,以及6GHz以下全部频段信号。在5G模式下，高通骁龙X55 5G基带可实现最高达7.5Gbps的下载速度和最高达3Gbps的上传速度；同时，其还支持Category 22 LTE带来最高达2.5 Gbps的下载速度。强大的信号接收能力、高速、稳定地的网络性能，让搭载高通骁龙X55 5G基带的智能手机在信号及连接方面的表现十分优秀。 种种优秀的表现，无一不体现了高通在5G领域中的强大技术优势。众多手机厂商都选择高通5G解决方案也是意料之中的。就连现阶段大热的iPhone 12系列，也是全员采用高通X55 5G基带芯片。之前苹果手机就因为信号问题而一直受人诟病，iPhone12系列采用高通的5G基带芯片的消息一出让苹果的粉丝期待了很久，毕竟长久存在的信号问题解决了，对消费者来说苹果就更有诱惑力了。 不过，手上的高通骁龙 X55 5G手机还没捂热乎，高通的第三代5G基带解决方案—— X60又来了！高通骁龙X60 5G基带是全球首款采用5nm工艺的5G基带芯片,相比前代高通骁龙X55 5G基带的7nm制程，更大幅度内降低了因为高速率而产生的发热和功耗问题。另外高通骁龙X60 5G基带还突破性的提供了全球首个5G毫米波和6GHz以下频段5G FDD-TDD载波聚合解决方案支持全部的5G关键频段，包括毫米波和sub-6 GHz。这将给予运营商很大的灵活性，有利于他们充分利用碎片化的频谱资源提升5G的性能。 高通最新推出的骁龙888 5G移动平台，就集成了骁龙X60 5G基带，大量旗舰级5G手机很快将投放市场，骁龙处理器和基带的强强联合，势必又会为消费者带来顶级的使用体验提升。

https://juejin.im/post/6844903873950269454 想必大家也经常收到垃圾短信吧…短信中的链接一般都是短链接,类似于下图这样: 为什么这里面的URL都是短的呢?有什么好处呢?怎么做到的呢? 短URL的好处 短信和许多平台(微博)有字数限制 ，太长的链接加进去都没有办法写正文了. 好看。 比起一大堆不知所以的参数,短链接更加简洁友好. 方便做一些统计。 你点了链接会有人记录然后分析的. 安全。 不暴露访问参数. 这就是为什么我们现在收到的垃圾短信大多数都是短URL的原因了. 那么短URL是怎么做到的呢? 短URL基础原理 短URL从生成到使用分为以下几步. 有一个服务,将要发送给你的长URL对应到一个短URL上.例如www.baidu.com -> www.t.cn/1 把短URL拼接到短信等的内容上发送. 用户点击短URL,浏览器用301/302进行重定向,访问到对应的长URL. 展示对应的内容. 本文主要集中于第一步,即如何将一个长URL对应到短URL上. 服务设计 如果你在往长短URL真实的对应关系上想,那么就走远了. 最理想的情况是: 我们用一种算法,对每一个长URL,唯一的转换成短URL.还能保持反向转换的能力. 但是这是不可能的,如果有这样的算法,世界上的所有压缩算法都可以原地去世了. 正确的思路是建立一个发号器,每次有一个新的长URL进来,我们就增加一,并且将新的数值返回.第一个来的URL返回”www.x.cn/0“,第二个返回”www.x.cn/1“. 接下来以QA形式写几个小问题: 对应关系如何存储? 这个对应数据肯定是要落盘的,不能每次系统重启就重新排号,所以可以采用mysql等数据库来存储.而且如果数据量小且qps低,直接使用数据库的自增主键就可以实现. 如何保证长短链接一一对应? 按照上面的发号器策略,是不能保证长短链接的一一对应的,你连续用同一个URL请求两次,结果值都是不一样的. 为了实现长短链接一一对应,我们需要付出很大的空间代价,尤其是为了快速响应,我们可以需要在内存中做一层缓存,这样子太浪费了. 但是可以实现一些变种的,来实现部分的一一对应, 比如将最近/最热门的对应关系存储在K-V数据库中,这样子可以节省空间的同时,加快响应速度. 短URL的存储 我们返回的短URL一般是将数字转换成32进制,这样子可以更加有效的缩短URL长度,那么32进制的数字对计算机来说只是字符串,怎么存储呢?直接存储字符串对等值查找好找,对范围查找等太不友好了. 其实可以直接存储10进制的数字,这样不仅占用空间少,对查找的支持较好,同时还可以更加方便的转换到更多/更少的进制来进一步缩短URL. 高并发 如果直接存储在MySQL中,当并发请求增大,对数据库的压力太大,可能会造成瓶颈,这时候是可以有一些优化的. 缓存 上面保证长短链接一一对应中也提到过缓存,这里我们是为了加快程序处理速度.可以将热门的长链接(需要对长链接进来的次数进行计数),最近的长链接(可以使用redis保存最近一个小时的)等等进行一个缓存,保存在内存中或者类似redis的内存数据库中,如果请求的长URL命中了缓存,那么直接获取对应的短URL进行返回,不需要再进行生成操作. 批量发号 每一次发号都需要访问一次MySQL来获取当前的最大号码,并且在获取之后更新最大号码,这个压力是比较大的. 我们可以每次从数据库获取10000个号码,然后在内存中进行发放,当剩余的号码不足1000时,重新向MySQL请求下10000个号码.在上一批号码发放完了之后,批量进行写入. 这样可以将对数据库持续的操作移到代码中进行,并且异步进行获取和写入操作,保证服务的持续高并发. 分布式 上面设计的系统是有单点的,那就是发号器是个单点,容易挂掉. 可以采用分布式服务,分布式的话,如果每一个发号器进行发号之后都需要同步给其他发号器,那未必也太麻烦了. 换一种思路,可以有两个发号器,一个发单号,一个发双号,发号之后不再是递增1,而是递增2. 类比可得,我们可以用1000个服务,分别发放0-999尾号的数字,每次发号之后递增1000.这样做很简单,服务互相之间基本都不用通信,做好自己的事情就好了. 实现 由于我懒得写JDBC代码,更懒得弄Mybatis,所以代码中使用到MySQL的地方都使用了Redis. package util;import redis.clients.jedis.Jedis;/** * Created by pfliu on 2019/06/23. */public class ShortURLUtil {    private static final String SHORT_URL_KEY = "SHORT_URL_KEY";    private static final String LOCALHOST = "http://localhost:4444/";    private static final String SHORT_LONG_PREFIX = "short_long_prefix_";    private static final String CACHE_KEY_PREFIX = "cache_key_prefix_";    private static final int CACHE_SECONDS = 1 * 60 * 60;    private final String redisConfig;    private final Jedis jedis;    public ShortURLUtil(String redisConfig) {        this.redisConfig = redisConfig;        this.jedis = new Jedis(this.redisConfig);    }    public String getShortURL(String longURL, Decimal decimal) {        // 查询缓存        String cache = jedis.get(CACHE_KEY_PREFIX + longURL);        if (cache != null) {            return LOCALHOST + toOtherBaseString(Long.valueOf(cache), decimal.x);        }        // 自增        long num = jedis.incr(SHORT_URL_KEY);        // 在数据库中保存短-长URL的映射关系,可以保存在MySQL中        jedis.set(SHORT_LONG_PREFIX + num, longURL);        // 写入缓存        jedis.setex(CACHE_KEY_PREFIX +…

引言 我们在使用mybatis时，如果出现sql问题，一般会把mybatis配置文件中的logging.level参数改成debug，这样就能在日志中看到某个mapper最终执行sql、入参和影响数据行数。我们拿到sql和入参，手动拼接成完整的sql，然后将该sql在数据库中执行一下，就基本能定位到问题原因。mybatis的日志功能使用起来还是非常方便的，大家有没有想过它是如何设计的呢？ 从logging目录开始 我们先看一下mybatis的logging目录，该目录的功能决定了mybatis使用什么日志工具打印日志。 logging目录结构如下： 它里面除了jdbc目录，还包含了7个子目录，每一个子目录代表一种日志打印工具，目前支持6种日志打印工具和1种非日志打印工具。我们用一张图来总结一下 除了上面的8种日志工具之外，它还抽象出一个Log接口，所有的日志打印工具必须实现该接口，后面可以面向接口编程。定义了LogException异常，该异常是日志功能的专属异常，如果你有看过mybatis其他源码的话，不难发现，其他功能也定义专属异常，比如：DataSourceException等，这是mybatis的惯用手法，主要是为了将异常细粒度的划分，以便更快定位问题。此外，它还定义了LogFactory日志工厂，以便于屏蔽日志工具实例的创建细节，让用户使用起来更简单。 如果是你该如何设计这个功能？ 我们按照上面目录结构的介绍其实已经有一些思路： 定义一个 Log接口，以便于统一抽象日志功能，这8种日志功能都实现 Log接口，并且重写日志打印方法。 定义一个 LogFactory日志工厂，它会根据我们项目中引入的某个日志打印工具jar包，创建一个具体的日志打印工具实例。 看起来，不错。但是，再仔细想想，LogFactory中如何判断项目中引入了某个日志打印工具jar包才创建相应的实例呢？我们第一个想到的可能是用if...else判断不就行了，再想想感觉用if...else不好，7种条件判断太多了，并非优雅的编程。这时候，你会想一些避免太长if...else判断的方法，当然如果你看过我之前写的文章《实战|如何消除又臭又长的if…else判断更优雅的编程？》，可能已经学到了几招，但是mybatis却用了一个新的办法。 mybatis是如何设计这个功能的？ 从 Log接口开始 它里面抽象了日志打印的5种方法和2种判断方法。 再分析 LogFactory的代码 它里面定义了一个静态的构造器logConstructor，没有用if...else判断，在static代码块中调用了6个tryImplementation方法，该方法会启动一个执行任务去调用了useXXXLogging方法，创建日志打印工具实例。 当然tryImplementation方法在执行前会判断构造器logConstructor为空才允许执行任务中的run方法。下一步看看useXXXLogging方法：看到这里，聪明的你可能会有这样的疑问，从上图可以看出mybatis定义了8种useXXXLogging方法，但是在前面的static静态代码块中却只调用了6种，这是为什么？ 对比后发现：useCustomLogging 和 useStdOutLogging 前面是没调用的。useStdOutLogging它里面使用了StdOutImpl类 该类其实就是通过JDK自带的System类的方法打印日志的，无需引入额外的jar包，所以不参与static代码块中的判断。 而useCustomLogging方法需要传入一个实现了Log接口的类，如果mybatis默认提供的6种日志打印工具不满足要求，以便于用户自己扩展。 而这个方法是在Configuration类中调用的，如果用户有自定义logImpl参数的话。 具体是在XMLConfigBuilder类的settingsElement方法中调用 再回到前面LogFactory的setImplementation方法 它会先找到实现了Log接口的类的构造器，返回将该构造器赋值给全局的logConstructor。 这样一来，就可以通过getLog方法获取到Log实例。 然后在业务代码中通过下面这种方式获取Log对象，调用它的方法打印日志了。 梳理一下LogFactory的流程： 在static代码块中根据逐个引入日志打印工具jar包中的日志类，先判断如果全局变量logConstructor为空，则加载并获取相应的构造器，如果可以获取到则赋值给全局变量logConstructor。 如果全局变量logConstructor不为空，则不继续获取构造器。 根据getLog方法获取Log实例 通过Log实例的具体日志方法打印日志 在这里还分享一个知识点，如果某个工具类里面都是静态方法，那么要把该工具类的构造方法定义成private的，防止被疑问调用，LogFactory就是这么做的。 适配器模式 日志模块除了使用工厂模式之外，还是有了适配器模式。 适配器模式会将所需要适配的类转换成调用者能够使用的目标接口 涉及以下几个角色： 目标接口（ Target ） 需要适配的类（ Adaptee ） 适配器（ Adapter) mybatis是怎么用适配器模式的? 上图中标红的类对应的是Adapter角色，Log是Target角色。 而LogFactory就是Adaptee，它里面的getLog方法里面包含是需要适配的对象。 sql执行日志打印原理 从上面已经能够确定使用哪种日志打印工具，但在sql执行的过程中是如何打印日志的呢？这就需要进一步分析logging目录下的jdbc目录了。 看看这几个类的关系图： ConnectionLogger、PreparedStatementLogger、ResultSetLogger和StatementLogger都继承了BaseJdbcLogger类，并且实现了InvocationHandler接口。从类名非常直观的看出，这4种类对应的数据库jdbc功能。 类名 对应功能 ConnectionLogger Connection PreparedStatementLogger PreparedStatement ResultSetLogger ResultSet StatementLogger Statement 它们实现了InvocationHandler接口意味着它用到了动态代理，真正起作用的是invoke方法，我们以ConnectionLogger为例： 如果调用了prepareStatement方法，则会打印debug日志。 上图中传入的original参数里面包含了\n\t等分隔符，需要将分隔符替换成空格，拼接成一行sql。 最终会在日志中打印sql、入参和影响行数： 上图中的sql语句是在ConnectionLogger类中打印的 那么入参和影响行数呢？ 入参在PreparedStatementLogger类中打印的 影响行数在ResultSetLogger类中打印的 大家需要注意的一个地方是： sql、入参和影响行数只打印了debug级别的日志，其他级别并没打印。所以需要在 mybatis logging.level debug，才能打印日志。 不知道大家有没有发现这样一个问题： 在LogFactory的代码中定义了很多匿名的任务执行器 但是在实际调用时，却没有在线程中执行，而是直接调用的，这是为什么？ 答案是为了保证顺序执行，如果所有的日志工具jar包都有，加载优先级是：slf4j 》commonsLog 》log4j2 》log4j 》jdkLog 》NoLog 还有个问题，顺序执行就可以了，为什么要把匿名内部类定义成Runnable的呢？ 这里非常有迷惑性，因为它没创建Thread类，并不会多线程执行。我个人认为，这里是mybatis的开发者的一种偷懒，不然需要定义一个新类代替这种执行任务的含义，还不如就用已有的。 长按订阅更多精彩▼ 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！