随着上个月底大疆发布小型无人机Mavic，标志着整个无人机行业正式进入了小型化趋势中。然而想要在这一新兴趋势下领涨行业，着力剖析小型化无人机中的重要技术一定是从业者需要特别关注的信息之一。 　　技术要点在=“航拍”+“无人机” 　　市面上的小型无人机产品均需要在悬停定位技术、避障技术、视觉跟随、图传技术等几方面进行重点打磨。下图为大疆Mavic和同级别产品的一个综合对比。 　　 　　要对无人机航拍技术进行梳理，首先需要知道无人机航拍技术有哪几点。通常来看，无人机航拍技术其实可以简单地按照字面的“无人机”+“航拍”拆分为2点： 　　（1）影像拍摄技术，也即成像以及图像处理技术； 　　（2）无人机平台技术，主要指为航拍提供稳定的航拍环境的机身控制技术。 　　影像拍摄技术：目前市场上的影像拍摄方案，都是对几个大品牌主流的摄像头模组的集成应用，无人机生产厂商在这一方面没有太多的技术空间，而且因为技术发展已经比较成熟，不同产品方案之间差距并不大。因此，本篇报告仅作简要介绍。 　　无人机机载平台稳定技术：是指除了飞行导航、控制等无人机自身飞行技术以外，为无人机实现稳定航拍平台保障的相关技术。这种技术是影响到成像质量最关键的因素。 　　随着近几年智能手机的迅猛发展，智能手机相关技术得到了空前的发展，以触摸显示屏、处理器、摄像头模组等为突出代表的智能手机核心的硬件技术在大规模工业化需求的基础上不断地朝着低功耗、高性能、高集成的方向发展，在这一产业发展过程中，淘汰了大量落后技术产能，产品向索尼、三星等巨头企业不断集中。 　　 　　可以看到，不论在销量还是销售额，索尼凭借在移动端市场的出色表现，牢牢占据榜首。从总的品牌分布来看，前4名的企业占有了市场近75%的份额，市场分布较为集中。 　　影响成像质量的参数 　　在体现单个摄像头模组成像水平的技术参数方面，通常大家比较关心的是一些具体、表观参数，比如像素数、光圈大小等，但是摄像头模组上影响成像质量的参数还有许多：单个像素尺寸、传感器技术、镜片组技术、ISP技术等。下面做一个简单的介绍。 　　像素数/分辨率：像素数比如800万像素（3200×2400分辨率）、1300万像素（4208×3120分辨率）是目前摄像头模组技术中最经常被提到的概念，但是像素数其实并非决定图像清晰度的决定性因素。像素数仅决定一幅图像中有多少单位像素，也即放大后，图片能够展现的细节程度，但是每个细节以及整张照片的图像质量还取决于其他很多因素。 　　至于现在比较火的“4K视频录制”概念，指的就是分辨率达到4096×2160的影像拍摄能力，其实4K更新趋势主要来自于播放设备以及胶片拍摄设备，因为之前的播放设备高清标准为1920×1080分辨率，现在的4K像素水平是之前的4倍，面临着许多方面的挑战，同样，胶片拍摄将从原先耳朵35mm胶片升级到70mm，面临的是全行业标准设备的升级。但是4K分辨率的数字视频拍摄能力仅要求传感器达到1200w像素，以及能够与之匹配的图像处理能力，这一点行业内已经有成熟的配套解决方案（比如高通的Snapdragon Flight平台不仅支持4K录制，还支持4K的立体VGA录制），因此，也并不构成技术壁垒。 　　光圈大小：光圈大小直接影响到通光量的多少，对于成像质量有较大影响，目前，移动类消费电子的摄像头模组已经从f/2.4、f/2.2、f/2.0逐渐增大（数字越小，光圈越大），目前手机市场上也已经开始大面积出现f/1.8的摄像头模组了。 　　光圈增大对于拍摄成像来说主要有两方面优势：1、提高弱光下画质；2、提高快门速度；3、减小景深。 　　对于航拍应用来说，提高弱光下画质（夜景拍摄）以及提高快门速度（运动拍摄）都是很有必要的，而减小景深则在人像拍摄时能够较好的虚化背景，突出主体，这种需求对于目前以大景物对象拍摄为主要使用目的的无人机来说属于锦上添花的功能，但是对于自拍无人机来说，是十分必要的。比如主打自拍的Dobby无人机就采用的f/1.8光圈，而大疆的精灵4则采用的f/2.8光圈。 　　 　　但是从现有行业技术水平以及产品策略上来看，光圈的提升也并不是没有代价的： 　　1）、大光圈的进光量增大后，首先需要配套提高的是快门速度。在黑暗环境中，本来光线较弱，快门速度不需要提高很多即可保证拍摄质量。但是，在白天或者光线较强的环境下，考虑到无人机或者移动电子设备通常采用的是固定光圈，并不能调整到合适的小光圈，因此必须要将快门速度提高从而避免过度曝光，但从目前的技术水平来看，快门速度的提高还存在一些技术瓶颈，这也是小型化设备上制约光圈增大的一个重要因素。 　　2）、光圈增大同样还会引起图像畸变以及边缘画质下降。为了校正边缘画质的下降以及图像畸变，通常都会采用更多的镜头组以及镜头部分的机械结构，这对于小型设备来说，是难以实现的（比如iphone6以后的设备为了实现f/1.8的光圈以及相关的一些其他技术考虑，摄像头高度增加，且远高于机身，凸出于外部）。当然，小型化的考虑在无人机上还不是一个特别大的问题，但是技术实现可能会有一定的门槛。 　　传感器技术：传感器技术目前主要是索尼、OmniVision、三星几家公司，尤其是索尼公司，其所推出的IMX220/230/240等系列传感器几乎占到了市售手机的大半壁江山苹果、三星、索尼、华为、小米、魅族等热门旗舰机几乎都是采用的IMX系列传感器。因此，在无人机上的应用也只需要根据无人机的定价策略来选择相应产品即可。传感器技术主要涉及到传感器尺寸和传感器结构方式两部分技术。 　　ISP技术：ISP（Image Signal Processing）也即图像处理技术，镜片、传感器构成了图像的接收装置，而ISP则构成了图像的采集和预处理，面对目前越来越高的全尺寸高帧频的数据吞吐能力要求，ISP技术也在不断提高。除了高速拍摄、杂噪抑制以外，相机还可以借助ISP处理器对图像做出比较重大的调整，HDR技术就是一个很明显的例子。

　　撰稿人凯德·梅茨（Cade Metz）发布文章称，人工智能正在芯片市场引起震动。谷歌、Facebook、微软、亚马逊、百度等科技巨头都在探索一系列能够驱动AI发展的芯片技术，它们的选择势必将会改变英特尔、英伟达等芯片厂商的命运。 　　以下是文章主要内容： 　　在不到12个小时里，有三个人问我是否愿意花一个小时跟一位陌生人通一小时的电话，称并愿意为此给我提供报酬。 　　三人都说他们很喜欢我写的一篇有关谷歌在搭载针对人工智能的新计算机芯片的文章，都促请我跟他们的其中一位客户讨论该文章的内容。他们称该客户是一家大型对冲基金的经理，但不愿意透露其姓名。 　　这些请求来自于所谓的专家网络——连接投资者和可帮助他们理解特定市场的人，给他们带来竞争优势（有时似乎是通过内幕消息）的研究公司。这些专家网络希望我去解释谷歌的AI处理器会如何影响芯片市场。不过，他们希望我签订保密协议。我拒绝了。 　　这些主动性的、高度针对性的高压请求（大概发生于三周前），凸显了利润非常丰厚的计算机芯片市场当前翻天覆地的变化——人工智能的崛起所引发的变化。那些对冲基金经理认为这些变化将要到来，但不大确定它们具体会带来怎样的影响。 　　当然，没有人能够确定它们将会带来怎样的影响。 　　如今，谷歌、Facebook、微软、亚马逊、百度等互联网巨头都在探索一系列能够驱动AI发展的芯片技术，它们的选择势必将会改变英特尔、英伟达等芯片厂商的命运。但现阶段，即便是那些互联网巨头内部的计算机科学家也不清楚未来会出现怎样的演变。 　　巨头们的行动 　　这些公司通过配备数千台服务器的数据中心运营它们的在线服务，各台服务器都由名为中央处理器（CPU）的芯片所驱动。不过，随着这些公司拥抱一种名为深度神经网络的AI形式，它们在给CPU补充其它的处理器。神经网络能够通过分析大量的数据来学习执行任务，其中包括识别照片中的人脸和物体，语言翻译等等。它们需要的并不只是CPU性能。 　　因此，谷歌打造了张量处理单元（TPU）。微软正在使用一种名为现场可编程门阵列（FPGA）的处理器。无数的公司采用配备大量图形处理器（GPU）的机器。它们都在着眼于新芯片品种，以便加速从智能手机和其它设备内部提供AI技术的进程。 　　这些公司的任何选择都事关重大，因为它们的在线业务运营范围非常宽广。它们采购和运行的计算机硬件比世界上任何其它的公司都要多得多，随着云计算变得日益举足轻重，这一差距势必将会进一步扩大。谷歌对于处理器的选择，会根本性地改变芯片行业。 　　谷歌的TPU对像英特尔和英伟达这样的公司构成威胁，因为谷歌自己来打造该款芯片。不过，GPU也在谷歌和其它大科技公司当中扮演重要的角色，而英伟达是这种专业化芯片的主要制造商。与此同时，英特尔也通过收购Altera切入市场。微软的FPGA悉数来自这家公司。英特尔收购Altera的价格高达167亿美元，是它迄今为止规模最大的一宗收购，这也凸显了芯片市场当前的巨大变化。 　　神经网络的训练与执行 　　然而，处理好这一切并非易事——部分因为神经网络的运行分两个阶段。第一个阶段是训练阶段，期间像谷歌这样的公司会训练神经网络去执行特定的任务，如识别照片中的人脸，或者将一种语言翻译成另外一种。第二个阶段是执行阶段，即人们实际上用到神经网络的阶段——例如，将高中大合照发布到Facebook，然后后者会自动在照片中给每一个人打上标签。这两个阶段大不一样，需要不同的处理方式。 　　当前，GPU是神经网络训练的最佳选项。芯片厂商以往设计GPU来给游戏和其它图像类应用渲染图像，但近年来，谷歌等公司发现这些芯片还是实现训练神经网络所需的运算阵列的高能效方式。这意味着它们可以用较少的硬件来训练更多的神经网络。微软AI研究人员XD Huang称GPU是“真正的武器”。最近，他的团队完成了一个可识别特定语音对话和人类的系统，开发历时大约一年。他指出，要是没有GPU，则要花费5年时间。在微软发表有关该系统的研究论文后，他在英伟达CEO黄仁勋的家中开香槟庆祝。 　　不过，企业还需要芯片来快速执行神经网络，这一过程被称作推断。针对这一过程，谷歌专门打造了TPU，微软采用FPGA。百度则是使用GPU，相对于神经网络的训练，GPU在推断上并没那么适用，但有合适的软件的话也能够奏效。 　　与此同时，其它公司在打造芯片来帮助在智能手机和其它设备上执行神经网络。IBM正在开发这种芯片，尽管有人质疑其芯片的有效性。英特尔则斥资收购已经在涉足该芯片领域的公司Movidius。 　　英特尔明白该市场正在发生变化。4年前，该芯片厂商向我们透露，它出售给谷歌的服务器处理器数量要出售给另外四家大公司的数量之和——所以它能够直接体会到谷歌及其它大科技公司对于芯片市场的巨大影响。因此，它如今在押注多个领域。除了将Altera和Movidius收归门下之外，它还吞并了AI芯片公司Nervana。 　　这不难理解，毕竟该市场还处于发展的初期阶段。英特尔副总裁杰森·韦克斯曼（Jason Waxman）称，“我们正处在下一波巨大增长浪潮爆发的边缘，那将会由人工智能驱动。”现在的问题在于，这一浪潮将会将我们带到何方。

　　人工智能（AI）是英特尔想抓住的下一波趋势。 　　在美国圣地亚哥举办的英特尔投资全球峰会上，这家公司宣布了未来重点关注的领域，包括和5G、云计算、大数据、机器学习、深度学习、无人机、无人车等等。 　　英特尔一直是科技公司投资中最活跃最激进的一员。根据CBinsight的数据，从2015年起，英特尔投资部在公司投资者（CVC）中排名第一，甚至超过了谷歌风投。 　　 　　今年年初，市场曾传出消息称，因为美国资本和创业市场的不确定性，英特尔考虑出售价值10亿美元风险投资资产。英特尔投资总裁Wendell Brooks说，他考虑出售“一些（与目前不同的重点领域）投资，而把未来的投资聚焦于那些能够更好拓展英特尔业务发展的领域”。 　　“我刚刚加入这家公司时，我们的投资公司是440家，而现在是375家。”根据Wendell透露的数据，在过去一年时间里，英特尔的确退出了一些公司。 　　英特尔投资从1991年成立至今，总共投资项目达1437笔，其中通过上市退出的有213笔，并购退出的有377笔，投资总额超过110亿美元。 　　英特尔投资今年在人事上发生一些变动，原总裁阿维温德·苏埃文（Arvind Sodhani）今年1月退休，Wendell Brooks接任其职位。 　　“我加入的时候，我们的确是硅谷最大的企业风投公司，拥有数量最多的被投企业。”Wendell对界面新闻记者说，但他认为作为英特尔的一个投资部门，不应该像传统风投公司那样仅仅追逐利润，而应该在策略上配合公司长远的发展，因此他们开始在被投公司中寻求更多的影响力。 　　“我们开始在董事会中寻求位置，我在训练我的同事们，让他们真正懂得这些公司需要什么，希望能够给这些公司带来更多的价值，对利润、对结果有更大的控制权。”他说。 　　这种策略的变化体现在了具体操作上。 　　去年，英特尔投资了63个公司，而截止到现在，今年只投资了31个公司，但是今年的投资额仅仅比去年低了6500万美元。也就是说，单个项目的投资金额比过去多了。 　　就在此次投资峰会上，英特尔宣布了领投了12家科技创新公司，总额达3800万美元，有超过4家公司尚在种子轮，超过2/3的公司还没到B轮，不难看出，单个公司投资额较高。 　　Wendell介绍说，过去英特尔风投主要在被投公司中占据5%-10%的市场份额，但现在他们希望在公司中占据20%左右的份额。 　　这种投资风格，这或许和Wendell以往的背景有关，在担任总裁之前，Wendell在投行从事并购业务。

　　Analog Devices， Inc.今日宣布收购Innovasic Inc.——确定性以太网半导体和软件解决方案的领先供应商。此次收购完成后，ADI公司可掌握一整套多协议工业以太网解决方案，并为适用于工业自动化和工业物联网（IoT）的ADI智能自动化解决方案产品组合增添关键的配套技术。 　　目前，工业自动化市场正逐步从串行现场总线向以太网连接转变，同时，工业物联网日趋普及，敏感的工业自动化应用亟需高度可靠的实时以太网连接。ADI公司收购Innovasic后，可立即为客户提供一整套面向工业以太网应用的创新解决方案，同时打造业内最佳技术路线图，以满足工业物联网等未来连接需求。这些解决方案将进一步完善ADI公司现有的高性能工业自动化解决方案，包括软件可配置IO、现场仪器仪表、高效伺服驱动系统等。 　　ADI公司自动化业务部门总经理Kevin Carlin表示：“我们的自动化客户需要高度可靠的同步网络技术，以支持如汽车制造等需要多组机器人在恶劣嘈杂的条件下井然有序地协同作业的应用环境。这些客户还力争在即将实现的工业物联网中更广泛地应用以太网，以提高作业效率，降低成本。IEEE （电气电子工程师协会）业已明确，为使以太网满足新兴应用的确定性需求，需要实行新的标准，为此，IEEE正在制定全新的时间敏感型网络（TSN）标准。Innovasic公司的技术不仅能解决当前的工业以太网问题，还能满足全新IEEE TSN标准的部分前期要求。此次收购Innovasic公司后，ADI可帮助客户打造一条由传感器迈向未来工业物联网连接的发展之路。” 　　Innovasic团队将加入ADI公司的工业自动化业务部门，作为核心技术组，负责开发公司的确定性以太网技术解决方案，并继续为工业客户提供生命周期较长的半导体产品组合。Innovasic团队将由其联合创始人兼首席运营官Jordon Woods领导，工作地点仍位于美国新墨西哥州阿尔伯克基市。 　　Woods表示：“我们很高兴能够加入ADI公司，成为‘智能自动化’解决方案的一分子。Innovasic和ADI都致力于帮助客户解决最具挑战性的技术难题，提供生命周期非常长的产品，以便满足工业市场的独特需求。现在，我们通过强强联合，可更加有效、更加高效地解决客户的通信需求，帮助他们应对全球最严苛的工业自动化环境。”

　　1956年的夏天，一场在美国达特茅斯大学召开的学术会议，多年以后被认定为全球人工智能研究的起点。2016年的春天，一场AlphaGo与世界顶级围棋高手李世石的人机世纪对战，把全球推上了人工智能浪潮的新高。 　　如今，人工智能已经进入了全球爆发的前夜。10月18日，“AIWorld2016世界人工智能大会”现场，对100家人工智能创业企业进行的调研报告显示，在98家企业填报的估值数中，总值为1014亿元，均值为10亿元左右。 　　“未来5~10年的人工智能蕴含巨大的潜力。”斯坦福大学人工智能实验室和计算机视觉实验室负责人李飞飞表示，无人驾驶、工业机器人、增强现实（AR）、虚拟现实（VR）等与感知相关的应用都会得到大规模的提高。 　　不过，人工智能市场的蛋糕虽大，但目前依然处于初期阶段。华为诺亚方舟实验室主任李航认为，目前“弱人工智能”仍存在严重依赖训练数据，模型必须适合于要解决的问题，不适合执行不特定多重任务等多方面的局限。 　　也许人工智能理想国仍遥遥无期，但并不妨碍各大企业将核心机器学习算法加以应用，原因很简单：争夺下一个产业生态。 　　人工智能又掀浪潮 　　亚里士多德曾说过，如果机器能干很多活，岂不能让人类解放出来？《星球大战》《黑客帝国》《人工智能》等科幻电影，激发了一代又一代学者和实业家，前赴后继地投入到人工智能的研究中。 　　上世纪70年代，囿于数学模型的缺陷和计算复杂程度增加，不可能完成的计算任务导致了人工智能的第一次寒冬，而十多年后现代PC的出现，“促成”了第二次人工智能的寒冬。 　　如何在有限的资源下做有用的事情，这是人工智能一直以来的挑战。随着新的数学工具、新的理论和摩尔定律的出现，人工智能也在确定自己的方向，其中一个选择就是要做实用性、功能性的人工智能，这导致了一个新的人工智能路径。由于人工智能任务的明确和简化，带来了新的繁荣。 　　“今天作为一个全新的历史节点，在人工智能概念提出60周年之后，AI正从原来的理论框架体系的搭建、实验室关键技术的准备，开始进入到一个全新的阶段——正在进入到我们生活的方方面面。”科大讯飞总裁刘庆峰说。 　　“近年来，众多的全球科技领导企业将人工智能作为公司当前以及未来整体发展的核心战略。”中国工程院院士郑南宁说，人工智能等新技术将会给人们的生产、生活方式带来革命性的变化，新兴产业及技术创新也将为世界经济的复苏和发展注入“强心剂”。 　　刘庆峰也认为，技术进步之外，人工智能的兴起还有两个重要的原因——一是人类需要一个更加激动人心的未来；二是全球的产业和经济都需要一个新的增长点，需要走出当前的低迷。 　　“5年之后，任何一个行业或者今天的创业者，或者领导型公司，如果不用人工智能来改变它今天的生产和生活方式，那它一定会出局。”刘庆峰说，“‘互联网+’‘人工智能+’的时代正在到来。” 　　德勤提出未来80%的世界500强企业的标配是掌握认知技术。埃森哲认为到2035年，人工智能会让12个发达国家经济增长率翻一倍。刘庆峰提出，“希望中国在这个基础上，经济增长率比这些还要高，才能对得起我们今天所面临的时代机遇”。 　　无限趋近的智能 　　人工智能将不仅仅是替代简单重复的劳动，未来越来越多的复杂的高级脑力活动可以被人工智能替代，人工智能既创造一个又一个新的机会，也会带来又一个巨大的挑战。 　　目前，以语音为主导，以键盘和触摸为辅助的人机交互时代正在到来。刘庆峰介绍科大讯飞的使命，就是让机器能听会说，能理解会思考，“用人工智能来建设美好世界”。 　　为什么在上世纪80年代、90年代，深度神经网络没有能够产生如此大的影响？微软人工智能首席科学家邓力解释说，是因为当时数据不够，计算能力、算法都不完备。“差不多十年之前端到端的优化学习问题开始在算法上得到解决，深度神经网络才开始发力。”邓力说。 　　而人工智能美好世界的建立，正是基于廉价的云计算和大数据技术基础之上。“所有的人工智能系统有这样一个规律，叫人工智能闭环，由系统、用户、数据、算法组成。”李航说，“先有系统，建好以后有用户使用，产生大量使用数据。这些数据又能帮助我们提高算法的性能，提高系统性能，提高了性能的系统又能更好地帮助用户，最后使用户感受到系统越来越智能。观察所有的人工智能系统，基本上都遵循这样的规律。” 　　虽然强人工智能、弱人工智能在某种意义上都有很大的局限性。但遵循闭环规律，弱人工智能也有很大的威力。“虽然没有跟推理等结合起来，对现在的机器学习来说，给我们无穷多的数据，智能系统的智能水平就能够不断升级，与更多应用结合，显示出人工智能的威力。”李航说。

　　机器学习是大数据中重点技术，其算法也是多种多样，今天我们大圣众包小编就为大家，分类整理了些机器学习的算法，更好地了解机器学习算法。主要从两方面来分类，一是学习方式分类，二是类似的形式或功能分类。在此，我们先不谈比如计算智能（进化算法等）、计算机视觉（CV）、自然语言处理（NLP）、推荐系统、强化学习和图模型。 　　 　　一、根据学习方式分类 　　 　　二、从功能角度分类 　　 　　 　　 　　 　　 　　 　　 　　 　　

　　  《中国制造2025》提出，要以加快新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向。无线技术是当今时代创新最活跃、应用最广泛、渗透性最广的信息技术之一，通过与工业技术深度融合，正引领生产方式发展模式的深刻变革。 频谱是无线技术的核心资源。在可预见的未来，不论是智能化产品还是智能化生产方式都对频谱资源的管理提出了新的挑战。 　　一是频谱供需矛盾将进一步加剧。工业生产领域，使用工业无线网络技术可以优化生产布局，减少能耗。在工业产品全生命周期管理过程中，无线技术是实现全程实时信息交换不可或缺的技术。各种智能产品中无线技术是实现智能感知和控制的关键核心技术。因此，智能产品和智能制造领域的频率需求将快速增加，加剧频谱供需矛盾。 　　二是对于无线设备的管理任务更加繁重。各种无线新技术广泛应用于智能产品和智能生产各环节，无处不在的信息服务深入发展，带动了工业无线电台站设备大量涌现，并呈现出集成化、微功率化的趋势。 　　三是需要面对日趋复杂的电磁环境。随着工业台站设备的增多和趋于密集，将会有大量的无线电台站设备在同一时间、同一地域内使用，需要占用大量频段资源，也可能造成大量用频干扰。同时，大量新型短距离、微功率无线电设备的应用，还可能导致新型干扰问题，空中电磁环境将日趋复杂。

　　10月13日，中国芯片厂商瑞芯微Rockchip在香港秋季电子展正式发布“智慧视觉开发平台——RK1108，该芯片内嵌DSP，具有智能图像处理等关键技术，在嵌入式系统中实现了高能效智能视觉和图像感知的革命性进化。 　　 　　瑞芯微RK1108具备强大的开放性和可编程，可为合作伙伴提供多样化的产品思路和方向。可广泛应用于汽车、安防监控、家用辅助机器人、运动相机、无人机等领域。 　　 　　官方资料显示RK1108具有五大技术特性： 　　1、功能强大的DSP：内嵌CEVA XM4视觉处理器DSP，最高可达600MHz。 　　2、微光夜视成像：专业的图像处理单元。 　　3、高性能编码器：2K/H.264，高画质低码率。 　　4、多功能语音处理能力：最多支持8路MIC阵列，支持回声消除、噪声抑制等3A语音算法。 　　5、高集成、高扩展：支持多Camera sensor输入，HDMI OUT/CVBS OUT/CVBS IN/Audio Codec。 　　瑞芯微全球副总裁陈锋表示：“嵌入式视觉正在广泛的应用领域蓬勃发展，包括移动终端、汽车和消费类电子设备。RK1108 IoT开发平台通过内嵌CEVA XM4视觉处理器DSP以及瑞芯微独家图像算法技术（3D降噪、电子稳像、畸变矫正、前车防碰预警、车道偏移预警、人脸检测）、语音算法技术（包括回声消除、单/多麦的噪声抑制、自动增益控制、基于多麦的声源定位），让RK1108在图像与音频表现上更加智能，应用于物联网IoT多终端均表现出色。” 　　RK1108内嵌的DSP采用了可编程宽矢量架构、定/浮点处理能力、多重同步标量单位，以及一个专门针对计算机视觉处理需求的低功耗指令集，性能强悍。可满足最复杂的图像学和视觉应用的极端处理需求，通过从CPU和GPU卸载这些性能密集任务，高效的DSP降低了整体系统的功耗，同时提供完全的灵活性。 　　该DSP架构还具有其他多特性，诸如支持最新的深度学习技术，利用CEVA的全面深神经网络 （CDNN2） 软件框架，利用 DSP的计算能力，可创建最低功耗和内存带宽的深度学习解决方案，以提供实时、高效的目标识别与视觉分析功能。 　　另外，在其音频、视频编码、系统平台方面，RK1108表现可圈可点。音频技术方面，可实现多路MIC阵列、噪声抑制、回声消除、声源定位、主声跟随、智能语音处理能力（MIC阵列的算法），可极大提升监控系统、摄像头、对讲系统、VOIP可视电话等语音质量。视频编码方面，RK1108编解码均可实现2K/H.264画质，配合移动侦测、人脸识别、微光夜视，在汽车安全、无人机、安防、360度运动摄像机等领域，新技术应用获得的效果提升显著。而在开发者关注的系统平台上，RK1108基于Linux OS，支持MiniGui和其他UI、可内嵌WiFi/BT/GPS驱动、支持手机互联 （Android/IOS），这能为开发者提供更友好和深度的二次开发环境。 　　分析人士认为，多样化平台化的销售策略，促进瑞芯微各类新技术在各个IoT深入，开放性和生态化，也为瑞芯微RK1108构建了坚实的竞争壁垒。瑞芯微近年已发力成功构建多个的生态链，RK1108是其构建物联网IoT生态链大战略的核心。据瑞芯微官方透露，RK1108将于10月底正式量产。

为了扭转其股票暴跌的趋势，通用电气（GE）新CEO约翰·弗兰内里（John Flannery）正忙着公司进行管理重组，大刀阔斧地来了一次让人咋舌的高层“大换血”。 不久前，Flannery宣布将接替掌管通用电气16年的Jeff Immelt。之后，这家工业界大佬的高管开始动荡，10月6日周五GE宣布，三名高管辞职。 GE副董事长Comstock、Rice、Bornstein宣布将在年底离任。 Beth Comstock是GE第一位女性副董事长，同时也在GE担任了28年的CMO（首席市场营销官）。 Beth Comstock 工作了39年的副董事长John Rice，12月份也要退休。 John Rice 而曾经被看作是潜在接任者的CFO（首席财务官）Bornstein也要和通用电气告别了。虽然在败选后一度被安抚，或许Bornstein仍然感到自己和前CEO才是好搭档。激进的投资者、Immelt的离任，GE将面临的更激进的成本缩减计划，都让人有点沮丧。 Bornstein 对Flannery来说，可能新的面孔会比较顺心，“去Immelt化”也势在必行。《纽约时报》表示，新任CEO需要快速采用全新不同的路径。 在这次“大换血”的前4天（10月2日），Immelt正式卸任董事长职务，比原计划提前了三个月。 原任GE交通部门CEO的Jamie将成为新的CFO，于11月1日正式接任。而Jim McNerney、Robert Nardelli、Dave Cote等一批老将也会留任。 GE今年股票直线下跌，已经下跌了22％，几乎是道琼斯工业指数表现最差的公司，也是自2008年以来历史最差的一年。 GE股价 新任CEO  Flannery不得不为股价而战，已经卖掉一些业务换现金。前两周，瑞士工业巨头ABB宣布以26亿美元收购GE全球工业解决方案业务——主要是中低压电力系统制造及安装组件。9月30日，全球第二大水务公司法国SUEZ（苏伊士）也宣布34亿美元收购GE水务。 拥有GE股份的Highmark Capital Management基金经理Todd Lowenstein表示：“这也许是人们希望在GE进行转型的一部分。“投资者的耐心水平显然已经又下降了一点，我觉得他已经不得不显示出切实的成果。” 重构公司、裁员、减少研发中心、降低福利都是在所难免。在股东Trian Fund Management的压力下，Flannery计划在明年年底前削减20亿美元的成本。它还准备在下个月概述自己的未来计划，以便对该公司的投资组合进行潜在的改造，包括喷气发动机、燃气轮机、机车和超声波机器。

由美国材料研究学会（MRS）主办的碳化硅与相关材料大会（ICSCRM 2017）在华盛顿召开，作为会议赞助商的日本三菱电机发布了一款破纪录高效1200V碳化硅（SiC）mosFET器件。 相关背景 半导体功率器件是电力电子设备的关键部件，被广泛地应用在家电，工业机械和机车牵引等领域。三菱电机通过使用碳化硅（SiC）MOSFET实现了高能源效率的转换，这正符合了在这个领域对高能源效率并减小尺寸的需求。 通常电子设备的短路可能造成过载电流经过半导体功率器件，这会对器件本身造成巨大的破坏和失效。因此，器件设计者要尽可能防止过高的电流。由于SiC MOSFET的内阻小于硅材料器件，所以过载电流将会特别大，这导致短路时间减少。与硅材料元件的短路时间相比，为了保护SiC MOSFET，我们一般会使用一个特别的保护电路来更快地阻止过载电流。 当然在短路时间和导通电阻间要有取舍。如果短路时间长，那么就需要高导通电阻和大芯片尺寸。在这方面的改善是过去很长时间需要解决的问题。 新的结构 图1 新型SiC MOSFET 结构图 在常见的MOSFET中，源极（source）是一个单一完整的区域。但是，三菱电机在源极内引入了一个额外的区域来控制SiC MOSFET的内阻（图1）。采用这种结构可以减少由短路造成的过载电流的发生。 在短路时间超过8微秒的条件下，当有过载电流时，三菱电机的新设备就不需要高速保护电路来中断电源。碳化硅器件的新构造增加了电阻因而减小了短路时的电流，由于新结构的源极会造成工作状态下温度上升，而内阻由于温度的上升会随之增加。 同时，这种设计也能保持导通电阻的温度低于正常水平。从而，基于硅功率器件的短路时间，SiC MOSFET的导通电阻比普通硅材料 MOSFET减小了60％，比常见的SiCMOSFET器件减少了40％，而能量损失减幅超过20％（图2）。 图2 新型结构能耗对比图 这项技术可以改进短路时间和导通电阻的关系。因此，新结构的SiC MOSFET可以同时实现高可靠性、高点能效率和小尺寸等特点。 短路时间的增长降低了额外设计保护电路的必要性，简化的电路设计可以让SiC MOSFET在不同的阻断电压的需求下应用。同时，不需要做任何改进，SiC MOSFET可以使用在现已有的电路技术上。三菱电机表示使用SiC MOSFET更容易实现对电子器件的保护。 未来计划 三菱电机说他们的研发团队将不断改善新产品，目标是在2020年实现商业化。