回答于 2022-07-05
抢首赞
下一条回答尽管惠普和IBM有着诸多相似之处，但这两个巨头的理念却全然不同。
乍一看，惠普和IBM有诸多共同之处。两家公司都大名鼎鼎，各自丰富的技术左右了高科技行业的格局。两者都与大大小小的公司合作，推进商业运作和技术发展。两者都在云计算和大数据这些发展前景大好的市场竞相分得一杯羹。
这两家公司还迎来了新的首席执行官：一年前，梅格•惠特曼就任惠普首席执行官;而弗吉尼亚•罗梅蒂在今年1月份执掌IBM大权。两家公司都有着相似的成功愿景。两者在抵达成功的道路上面临着相似的挑战：萧条的全球经济形势和不断涌现的颠覆性新技术。
尽管有着这种惊人的相似，但惠普和IBM沿着不同的道路前进。惠普正处于历时多年的转型期，而IBM在执行一项多年前描绘的长远计划。这两家公司的发展道路在很大程度上都不是由现任掌门人制定的。原因何在首先是它们对于硬件和软件在IT未来中扮演的角色抱有不同的见解，其次是它们对于企业并购持有不同的看法。
IBM在过去十年的发展特点是，稳定的领导层致力于实现长远计划。IBM曾是一家知名的大型机生产商，为了摆脱这个形象、力求发展，该公司进军IT咨询服务和软件领域。2004年进一步远离硬件业务：把PC部门作价175亿美元卖给了联想。
与IBM一样，惠普多年前就发现，科技巨头的未来并不在于将大型机卖给公司企业，而是应对越来越复杂的任务：管理大型机以及所有之前的技术。但与 IBM不一样，惠普坚持认为，硬件会继续在其技术外包业务中扮演重要角色——它在2002年斥资250亿美元收购康柏就是这方面的一个大手笔。
惠普收购康柏后持续增长。这家公司的收入从2002年的570亿美元增长至去年的1270亿美元。相比之下，IBM的增长速度较为缓慢：收入从2002年的810亿美元增长至去年的1070亿美元。
在过去的十年，惠普通过积极收购，在收入增长方面超过了IBM。在马克•赫德掌权时期，2006到2010年，惠普投入巨资收购了多家知名科技公司，比如EDS(139亿美元)、3Com(27亿美元)、Palm(12亿美元)和3Par(24亿美元)。注定走霉运的李艾科接替赫德后，惠普分别耗资16亿美元和110亿美元收购了ArcSight和Autonomy这两家软件公司。
相比之下，IBM自从剥离PC部门后并购了多家公司，但在这期间只有一次金额超过20亿美元——2008年以50亿美元收购了商业软件开发商 Cognos。IBM而是在此期间进行了数起10多亿美元的收购：Internet Security Systems(16亿美元)、数据分析公司Netezza(17亿美元)和Sterling Commerce(14亿美元)及其他公司。
但是另一方面值得注意。自从刘易斯•普拉特在1999年辞去惠普首席执行官后，这家公司先后迎来了七位，包括两位临时首席执行官。而IBM自1971年小托马斯•沃森退休后到现在，总共也就只有七位首席执行官。
首席执行官的更迭速度影响重大：那边厢，IBM有机会制定和实施五年计划;这边厢，惠普充满了变数，掌门人先是硬件高管菲奥莉娜和赫德，后改为软件高管李艾科，再到现在的电子商务资深人士惠特曼。惠普频繁变动(或者说IBM保持不动)对各自的战略产生了巨大影响。
换句话说，惠普过去十年的并购举动如实记录了这家科技巨头硬件软件双管齐下的战略，显然看好未来需要软硬件。相比之下，IBM觉得软件在未来比硬件更大有作为。
惠普不惜血本看好硬件，认为硬件最终会获得成功。与此同时，IBM把许多比较小的赌注押在了软件上;事实证明，软件方面的启动成本比硬件方面来得少。这并不意味着IBM不愿斥资收购：该公司表示，从现在一直到2015年，将斥资200亿美元用于收购——比过去10年的收购总额还多。
这意味着，IBM认为自己的大笔资金会投入到刚开始出成果的软件公司上。当然，惠普也会寻找合适的软件公司来进行投资，不过它希望以此平衡一下自己在过去几年收购的几家硬件公司。这是纯软件与软硬件相结合两大战略的区别。
惠普的赌注风险很大，因为科技行业越来越由软件推动。硬件现在是、将来也一直是技术领域的重要部分，不过在个人电脑、服务器、交换机和路由器等诸多领域，推动效率和创新的是软件。硬件虽然也在不断进步，但日益被认为是一种利润很低的大路货业务。
当然，软件长期以来是利润很高的业务。尽管惠普经过多年的并购，收入增长速度超过了IBM，但是IBM的利润更丰厚。去年，IBM的运营利润占收入的27%，而惠普只占收入的8%。
这就是IBM和惠普现在的处境。两家公司新任首席执行官面临的更大问题是，这两家公司将何去何从领导层能够把公司带往何方
罗梅蒂表示，她会继续执行前任制定的战略，不过愿意在必要时作出大胆举措。惠特曼对惠普面临的挑战直言不讳，但愿意面对公司未来作出艰难的决定。惠特曼曾反对投资者分拆惠普PC业务的要求。近日她再次重申，渴望让这家公司进军方兴未艾的智能手机市场。
无论全球经济何时好转，这两家公司都有发展的空间。IBM会告诉公司企业，自己拥有它们迈向全新科技时代所需要的咨询、基础设施和软件等专长。惠普也会表示，它可以提供同样的专长，还有从咨询、应用程序、PC到智能手机的一整套解决方案，比IBM的还要来得全面。两家公司都会与该领域的其他巨头展开竞争，比如甲骨文和戴尔。
两家公司前景如何金融市场给出了不一样的分数。今年到目前为止，IBM股价上涨了13%，惠普却下跌了29%。IBM市值为2360亿美元，惠普市值仅为360亿美元，不到对手的六分之一。
不过在考虑任何这些统计数字之前，不妨考虑许多人认为最能表明科技巨头未来前景的一个衡量指标。在过去的三年，IBM在研发上面投入了180亿美元，占同期收入的60%。惠普同期厨研发投入却只有90亿美元，占收入的25%。着眼于未来作规划意味着，减少大宗并购开支、增加研发开支。随着两家公司都迈向更光明的未来，这个战略似乎完全值得为之赌一把。
，云计算（Cloud Computing）是分布式计算（Distributed Computing）、并行计算（Parallel Computing）、效用计算（Utility Computing）、网络存储（Network Storage Technologies）、虚拟化（Virtualization）、负载均衡（Load Balance）等传统计算机和网络技术发展融合的产物。
阿里云被视为中国云计算的代名词，在福布斯中国500强企业中，三分之一在使用阿里云，成了亚马逊、微软最有威胁的竞争对手。
近年来，阿里巴巴的技术创新不断打破美国谷歌、苹果等科技巨头的长期垄断，在全球科技舞台大放异彩。
“双11”期间不断刷新世界纪录的惊人交易量，究竟是靠什么样的基础架构支撑起来的？阿里云“双11”队长、高级产品专家何云飞透露，为了迎接“双11”，阿里巴巴的工程师们搭建了全球最大规模的混合云架构，将淘宝天猫核心交易链条和支付宝核心支付链条的部分流量，直接切换到了阿里云的公共云计算平台。从技术层面来看，这一举动使得每年“双11”实际上成为了一场全球最大规模的混合云d性架构实践，而阿里巴巴自己也由此成为了全球首个将核心交易系统上云的大型互联网企业。
阿里云的飞天 *** 作系统
飞天（Apsara）诞生于2009年2月，是由阿里云自主研发、服务全球的超大规模通用计算 *** 作系统，目前为全球200多个国家和地区的创新创业企业、政府、机构等提供服务。飞天希望解决人类计算的规模、效率和安全问题。它可以将遍布全球的百万级服务器连成一台超级计算机，以在线公共服务的方式为社会提供计算能力。飞天的革命性在于将云计算的三个方向整合起来：提供足够强大的计算能力，提供通用的计算能力，提供普惠的计算能力。
选取自网络。
● 自动驾驶芯片是干什么用的？
虽然目前L3级别有条件自动驾驶车辆在中国尚未落地，但从一些带有高阶L2驾驶辅助系统的车辆上我们可以发现，这些车辆都带有数量不少的传感器用以检测车辆周围的障碍物，从而为控制系统决策提供数据支持。这些传感器包括毫米波雷达、超声波雷达、摄像头等。这些传感器每秒钟会产生数GB（1GB=1024MB=10242KB）的数据，自动驾驶芯片需要流畅地处理这些数据才能保证系统及时作出正确的决策，从而确保车辆的行驶安全。
可能大家对每秒数GB的数据没有概念，这里举一个生活中的例子。普通的USB30接口U盘，其读取速度峰值接近200MB/s，要从这个U盘中读取1GB的文件大约需要5秒左右的时间，足见每秒数GB的数据量是相当大的。
自动驾驶系统除了需要解决大流量数据传输问题，还需要解决的就是如何能快速处理这些海量数据，而强大的自动驾驶芯片正是那把正确的钥匙。
● 国外的自动驾驶芯片处在怎样的水平？
虽然本文主要是讲中国自动驾驶芯片的，但知己知彼，百战百胜，在审视本土状况之前，我们还是先要来简单了解国外的情况。国外自动驾驶芯片真正能够大规模进入量产车市场的无非三家，英伟达、Mobileye（现已被英特尔收购）、特斯拉。
其中，走实用路线的Mobileye目前市场占有率在70%以上，市场上的产品主要是应用于L2驾驶辅助系统的EyeQ3芯片（算力0256TOPS，“TOPS”是每秒万亿次运算的意思，详细介绍请看这篇文章相关介绍，本文标注的算力如无特别说明均指的是8位整数计算能力）以及具备L3级别自动驾驶能力的EyeQ4芯片（算力25TOPS）。像是小鹏G3、蔚来ES6/ES8、广汽新能源Aion LX就采用了EyeQ4芯片作为其驾驶辅助系统的核心。
相较于英伟达上代自动驾驶平台旗舰之作DRIVE PX Pegasus 320TOPS的算力，新的DRIVE AGX Orin平台的旗舰配置实现了成倍的性能增长。此外，DRIVE AGX Orin平台的扩展柔性化程度相比以往平台进一步提升，能够通过硬件配置的增减，满足从一般驾驶辅助到L5级别完全自动驾驶等不同级别车辆的需求。
特斯拉Autopilot 10系统采用的是1颗英伟达Tegra3芯片+1颗Mobileye EyeQ3芯片；Autopilot 20系统采用的是1颗英伟达Tegra Parker芯片+1颗Pascal架构GPU芯片；Autopilot 25系统采用的是2颗英伟达Tegra Parker芯片+1颗Pascal架构GPU芯片。
已经搭载在最新下线特斯拉车型上的自研FSD芯片，单颗芯片算力为72TOPS，Full Self-Driving Computer集成有两颗独立工作的FSD芯片，一颗“挂了”，另外一颗马上“顶上”，提升了整套系统的安全性和稳定性。
当然了，除了上面三家锋芒毕露的企业，还有不少企业在垂涎自动驾驶芯片这块蛋糕，其中包括高通、赛灵思、恩智浦等，但这些企业真正走向量产车的自动驾驶芯片还不成规模，限于篇幅，这里就不作介绍了。
● 迅速崛起的中国自动驾驶芯片企业
好了，看完国外的情况，我们目光回到国内。自动驾驶芯片市场火爆，国外科技巨头抢滩登陆，中国企业究竟实力怎么样呢？下面我们一起来看看。
◆ 寒武纪
中科寒武纪科技股份有限公司（下称“寒武纪”）的前身是中国科学院计算技术研究所下，由陈云霁和陈天石两兄弟领导的一个课题组。该课题组在2008年开始研究神经网络算法和芯片，并在2012年开始陆续发表研究成果。
2016年，上述课题组提出的深度学习处理器指令集DianNaoYu被ISCA2016所接受，实验表明搭载该指令集的芯片相较于传统执行X86指令集的芯片，在神经网络计算方面有两个数量级的性能优势。随着课题组的研究成果趋于成熟，中科寒武纪科技股份有限公司正式成立，并着手将其芯片和指令集向商业领域转化。也是在2016年，寒武纪发布了首款商用深度学习处理器寒武纪1A。
聊完这家公司的身世，下面我们来看看它的产品。目前寒武纪有两款最新的人工智能芯片IP授权，分别是Cambricon-1M和Cambricon-1H。性能指标最强的Cambricon-1M-4K在1GHz时钟频率下拥有8TOPS的算力；性能指标最弱的Cambricon-1H8mini在1GHz时钟频率下拥有05TOPS的算力。所有型号的详细算力参数可以参看下表。
Cambricon-1M和Cambricon-1H被定义为终端智能处理器IP。我们在手机或者汽车这些终端上出现的人脸识别、指纹识别、障碍物识别、路标识别等应用都能通过在芯片中集成上述处理器IP实现加速。
上面提到的“边缘”一词来自于“边缘计算”。 边缘计算是指在靠近智能设备（终端）或数据源头（云端）的一端，提供网络、存储、计算、应用等能力，达到更快的网络服务响应，更安全的本地数据传输。边缘计算可以满足系统在实时业务、智能应用、安全隐私保护等方面的要求，为用户提供本地的智能服务。思元220在边缘计算中扮演着提高数据安全、降低处理延时以及优化带宽利用的角色。
目前寒武纪高算力芯片产品被定义为智能加速卡，可用于服务器中加速人工智能运算。谷歌的AlphaGo人工智能机器人打败韩国世界围棋冠军李世石的新闻相信各位有所耳闻，AlphaGo人工智能机器人的背后其实是谷歌自研的TPU芯片。寒武纪的高算力芯片产品的特性和应用也与谷歌TPU类似，当然它们之间也可以算是竞争对手了。
所不同的是思元270-S4采用的是被动散热设计，最大热设计功耗为70W，定位为高能效比人工智能推理设计的数据中心加速卡。这也意味着该卡会有“功耗墙”设定，即当加速卡功耗达到阈值上限时会降低算力以保证较低的功耗和发热。
思元270-F4相当于是“满血版” 思元270-S4，最大热设计功耗150W，采用涡轮风扇进行主动散热。良好的散热和充足的供电使得思元270-F4能够发挥出思元270芯片的全部性能。该卡定位是为桌面环境提供数据中心级人工智能计算力，简而言之就是为台式机配的高性能人工智能加速卡。
虽然思元270在制造工艺上只采用了台积电的16nm工艺，但整体能耗比还是做得比较不错的。虽然单卡算力不及最新的英伟达旗舰计算卡，但5张思元270-S4/思元270-F4并行的话，峰值算力也能达到英伟达A100的水平。只是英伟达A100更先进的工艺应该在能耗比上面会有一定的优势。
其中思元100-C搭载了视频和图像解码单元，采用被动散热方式，最大热设计功耗为110W；思元100-D不搭载视频和图像解码单元，采用被动散热方式，最大热设计功耗为75W。目前思元100系列产品已经于2019年在滴滴云和金山云上得到应用。其中滴滴云采用思元100板卡加速d性推理服务，该服务用于深度学习推理任务；而金山云则采用思元100板卡加速语音、图像、视频等人工智能应用。
前面讲的尽是服务器级的计算卡，这是不是偏离了我们应该聊的自动驾驶芯片话题呢？其实不然。前面也提到了，寒武纪目前是一家专注于人工智能芯片开发的企业，自动驾驶领域确实涉足不深，但通过和其他国内友商的联合还是有一些建树的。
WiseADCU CN1自动驾驶运算域控制器提供了L3或以上级别自动驾驶系统所需的算力以及传感器连接数量需求，实现了仿真、模型、系统、架构、编码、加速、算法七个关键控制点的自主可控。
实际上威盛集团由于处理器产品性能竞争力弱，早就退出了主流X86处理器市场的竞争，市场中就剩下英特尔和AMD在角力。兆芯成立后，吃透了威盛的X86技术，并在威盛当时最新的处理器架构基础上进行全面的改进和优化，先后推出了ZX-A、ZX-C以及ZX-C+等处理器产品。
6月2日，科创板上市委发布2020年第33次审议会议结果公告，寒武纪上市获得通过，从受理到审批通过，寒武纪只用了68天，刷新了科创板审核速度。寒武纪上市后成为A股中唯一一家人工智能芯片公司，该领域的市场空间在2022年有望超过500亿美元，发展潜力巨大。打通了A股融资渠道的寒武纪究竟能否凭借其独特的技术优势进一步发展壮大呢？这谁都说不准，但可以确定的是，寒武纪的成功上市让很多投身于该领域的公司赢得了信心，看到了希望，中国人工智能芯片时代或将由此开启。
◆ 地平线机器人
好了，聊完寒武纪，我们来聊聊另外一家人工智能芯片企业——地平线机器人技术研发有限公司（下简称“地平线”）。地平线是由前百度深度学习研究院常务副院长余凯于2015年创立的，专注于自动驾驶与人工智能芯片的一家公司。余凯也是百度自动驾驶的发起人。
余凯建立的地平线，一直以来坚持的是软件和硬件相结合的方向。他认为，算法、芯片和云计算将构成自动驾驶的三个核心支点。相比起前面介绍的寒武纪注重打造高性能硬件芯片，地平线的商业模式是把以“算法+芯片”为核心的嵌入式人工智能解决方案，提供给下游厂商。打个比方比较好理解，如果说寒武纪卖的是处理器芯片，那么地平线卖的就是安装了 *** 作系统的整机。产品方面，相较寒武纪从终端到云端的芯片产品布局，地平线虽然自研芯片，但更偏重的是以产品功能来划分产品线。
硬件上，征程二代芯片内部集成了两个Cortex A53核心、两个自研的BPU（Brain Processing Unit，可用于加速人工智能算法）核心、DDR4内存控制器以及输入输出控制器，算力达到4TOPS，典型功耗为2W，这比起目前主流的Mobileye EyeQ4芯片的算力和能耗比都更优秀。
这些智能音箱有较强的自然语义识别功能，能够识别人们发出的语音命令，结合物联网技术，人们通过简单的语音命令除了能够让音箱播放在线音频资源外，还能够控制各种家电，如开关、灯泡、风扇、空调等。这就是AIoT的一个最简单的应用例子。
从硬件方面看，旭日二代芯片内部集成了两个ARM Cortex A53核心、两个自研的BPU核心、DDR4内存控制器以及输入输出控制器，算力达到4TOPS，典型功耗为2W。从参数上看，旭日二代和征程二代好像没什么差别，实际上征程二代可以看做是旭日二代的车规版，它满足AEC-Q100标准，在工作温度、电磁辐射等标准上会更高一些。虽然征程二代和旭日二代均采用台积电28nm工艺制造，但旭日二代芯片尺寸为14x14mm，比征程二代芯片17x17mm的尺寸更小，更有利于内嵌到AIoT设备当中。
和寒武纪一样，地平线同样拥有自研的人工智能加速芯片技术。所不同的是，地平线更注重软件和硬件的整合，从而为下游厂商提供成熟的解决方案。在资本市场，地平线同样受到追捧，其投资者众多，其中包括了世界半导体行业巨头英特尔和SK海力士以及国内的一线汽车集团等。未来地平线是否会和寒武纪一样登录科创板目前还不得而知，但CEO余凯对于在科创板上市是持积极态度的。我个人是支持有更多像地平线这样的企业登录科创板，更充分的竞争可以避免垄断同时促进该领域的加速发展。
◆ 西井科技
西井科技创办于2015年，它起初是一家做类脑芯片的厂商。所谓的类脑芯片简单来说就是以人脑的工作方式设计制造出来的芯片。目前大行其道的冯诺依曼结构处理器芯片，其计算模块和存储单元是分离的，芯片工作的过程中需要通过数据总线来连接计算模块和存储单元，数据传输上的开销太大从而限制着这类芯片的工作效率和能耗比的提升。
类脑芯片模仿的是大脑神经元的工作形式，大脑的处理单元是神经元，内存就是突触。神经元和突触是物理相连的，所以每个神经元计算都是本地的，而从全局来看神经元们是分布式在工作。类脑芯片由于具有本地计算和分布式工作的特点，所以在工作效率和能耗上相比冯诺依曼结构处理器芯片更有优势。
虽然这种类脑芯片看着和普通的处理器芯片在外观上没有什么不同，但其实内部运作原理与传统的处理器芯片有着本质的区别。国内除了西井科技开发出了类脑芯片，像是清华开发的天机（TianJic）芯片和浙大开发的达尔文（DARWIN）芯片都是类脑芯片。所不同的是，西井科技的DeepSouth芯片是全球首块可商用5000万类脑“神经元”芯片。
西井科技这艘大船拿着投资人动辄过亿的投资款，肯定是要追求盈利的。不管公司的技术有多超前，无法商业化在逐利的资本市场必然是无法接受的。随着人工智能和自动驾驶产业的兴起，西井科技找到了技术商业化的契机。
相比起我们前面两个厂商动辄上百TOPS算力的产品，西井这两款产品的算力确实有点拿不出手。但西井科技的这两款芯片能够实现片上学习，可以随时新增样本进行增量训练来提升推理准确率。
可能大家看到这里还是没看懂西井科技这两块芯片的优势所在，我在这里稍微解析一下大家就能够明白。目前的自动驾驶算法都是通过高性能服务器进行模型训练（让计算机去看摄像头或激光雷达等传感器获取的环境数据，学习目标判断方法），然后将训练好的模型再部署到车载硬件之中（把机器学习到的高效目标判断方法固化到车载自动驾驶系统之中）。
在实际应用方面，西井科技并没有一头冲进乘用车自动驾驶系统领域，而是在智能港口和智能矿场干出了自己的一片天地，并把触角伸向了智慧医疗和智慧物流领域。2017年10月，公司与全球知名港机巨头振华重工建立长期合作伙伴关系，这是西井科技进军智能港口的重要一步。
自动驾驶卡车要在港区自动装卸集装箱，需要自动驾驶系统精细的车辆控制、敏锐的环境识别以及准确的定位，这些都需要港区高清地图配合。西井科技的无人集装箱卡车定位精度在5cm以内，这是实现集装箱自动装卸的关键。全球首辆港区作业无人集装箱卡车作业成功，充分展现了西井科技在卡车自动驾驶系统以及高精度地图绘制领域的实力。
除了自动驾驶和高清地图绘制外，西井科技还为企业打包了一整套智能港口和智能矿场解决方案，利用人工智能技术提升港口和矿场的运作效率，同时能够进一步降低其运营成本。深挖行业中存在的机遇，逐步筑起行业壁垒是西井科技面对人工智能芯片市场激烈竞争的重要策略。
作为全球最早落地行业应用的自动驾驶团队，西井科技旗下自动驾驶品牌Qomolo逐路目前涵盖了无人驾驶跨运车、无人驾驶新能源集卡和无人驾驶矿卡三大项目。
面对乘用车自动驾驶芯片领域的激烈竞争，我认为短期内西井科技不会进入该领域。相反它会通过深耕已有的智能港口、智能矿场以及无人驾驶重卡市场，进一步筑高上述市场的壁垒，扩大自身的行业影响力和竞争力。但不能忽视的是，西井科技掌握的类脑芯片技术或有可能成为未来自动驾驶芯片领域的一个风口。
上文详细介绍中国3家知名自动驾驶芯片公司及其产品，相信大家应该对目前国内自动驾驶芯片现状有了一个更深了解。除了这三家公司，数字地图供应商四维图新通过收购杰发科技也布局自动驾驶芯片市场，但量产芯片目前尚未落地。百度的昆仑芯片以150W的功耗实现了260TOPS的算力，竞争力很强，但其定位为云端全功能人工智能芯片，主要用在服务器之上。百度在自动驾驶领域的亮点还是在于其Apollo自动驾驶软件平台。
● 全文总结：
寒武纪、地平线、西井科技这三家公司都有着各自的特色和亮点。寒武纪专注于芯片研发，产品算力最强；地平线除了研发芯片，还提供完整的自动驾驶软件方案，对主机厂开发更友好；西井科技掌握独特的类脑芯片设计，在智能港口、智能矿场以及无人驾驶卡车领域已经站稳了阵脚。整体来看，中国自动驾驶芯片在性能和功耗上和外国芯片相比并不差，如何在中国开放L3级别有条件自动驾驶车辆落地这个时间节点用产品和服务先发制人是中国自动驾驶芯片企业的制胜关键。究竟鹿死谁手，让我们拭目以待吧，好戏即将上演！（图/文/汽车之家 常庆林部分源于网络）
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）