tag 标签: 计算机

相关帖子
相关博文
  • 热度 3
    2022-8-21 11:05
    3064 次阅读|
    1 个评论
    英特尔的机遇与风险
    2022年, 美国当地时间 7月29日周五,半导体行业发生了一件颇具标志性意义的事件,即Intel的股票市值被AMD所超越。在周五股市收盘后,Intel市值为1480亿美元,而AMD为1530亿美元。 霎时间,媒体中各种雷人的标题“弱爆了”“亏麻了”铺天盖地,唯恐天下不乱。 Intel无论从市场表现,技术表现都是优秀的,只是财务出现短暂的困难,让竞争对手开始慢慢蚕食市场。其整体表现符合大部分人对优秀企业的评价, 只是作为一家志在全球市场长期占据龙头和领导者地位的目标,Intel离开这个目标越来越远。 就像美国继续称霸世界,已经力不从心,但是美国作为世界最强的大国完全是没有任何问题。 一、 CCG业务和DCAI业务:CPU市场 CCG业务1:Intel笔记本处理器从2019年83%下降为73%,从中长期来看,ARM的份额会有继续增长的空间;AMD增长的空间应该不大,除非Intel的下一代处理器的制程工艺继续拉跨。 CCG业务2:Intel桌面电脑处理器从全球市场来看,长期稳定在80%左右,从中长期来看ARM低功耗完全不占任何优势,AMD也无法实现更高级别的市场突破。 DCAI业务:Intel 服务器CPU从最高位的96%下滑到目前的89%,其中大部分的市场被AMD抢占,但是从整体格局看Intel依然占据着绝对统治地位。8月份Intel可以逆势涨价,无疑是向外界继续宣告统治地位。在服务器CPU中最大的变数是来自CSP厂商的ARM自研CPU,目前亚马逊的graviton3已经发布;阿里发布自研 CPU 芯片倚天 710 ;微软在2020年底也开始推进自研ARM CPU;Ampere,高通,以及国内的鲲鹏和飞腾都在推动ARM去同X86竞争,未来的市场 格局是存在一定的变数的。 二、 AXG业务:GPU市场: Jon Peddie Research发布了最新的GPU市场数据统计报告,显示2022年 Q1 PC使用的GPU出货量(包括集成和独立显卡)为9600万,环比下降了6.2%,同比下降了19%。 在2022年 Q1 中, GPU和PC的整体连接率(包括集成和独立显卡、台式机、笔记本电脑和工作站)为129%,环比增长5%;桌面独立显卡出货量环比增长1.4%;2022年第一季度PC使用的GPU出货量中,AMD出货量下降了1.5%,英特尔出货量下降8.7%,英伟达出货量增长3.2%。 从数据上看,出货量减少似乎主要来自OEM厂商的机器,特别是笔记本电脑。 在整个市场上, Intel依然是当之无愧的领导者,当然在独立GPU和数据中心GPU上,英伟达是绝对的领先者,AMD也是领先于Intel的市场。Intel也开始利用在CPU市场的优势地位,开始对独立GPU和加速计算GPU进行了市场争夺,从当前的市场格局看,难度很大。 三、 Mobileye:自动驾驶ADAS市场 依据中信证券的数据,在汽车 ADAS市场里,Intel的Mobileye占据了70%的市场份额,依旧占据着领先地位,虽然其主要市场集中在L1/L2的市场,但开始在L3市场开始发力,提升市场占有比例。其竞争对手里面英伟达和高通虽然也在积极抢占市场,短期依然无法撼动Intel的领导地位。 四、 IFS业务:晶圆代工市场和技术 首先看晶圆代工市场,台积电是处于半垄断式的技术领先地位,市场占比 51.6%,三星市场占比17.1%,联华电子6.9%,格芯6%,中芯国际4.9%,从市场占比来看台积电完全是碾压级的,确实没INTEL什么事。 其次看晶圆代工工艺技术情况,台积电和三星都开始试产 3nm,但是台积电的技术和良率要更领先三星,处于第一梯队;第二梯队的就是Intel的7nm,但是一直未能量产,处于研发和试产中;第三梯队的就是格芯和中芯国际,在14nm徘徊。 Intel清楚的定位了自己在行业地位,其集中资源在模拟IC和汽车半导体等高端业务争取一部分市场,其中收购高塔,成立汽车半导体代工部门就是其关键的举措。 最后, Intel是IDM的半导体工厂,其在晶圆代工存在的最主要意义不是为占有多少的市场份额,而是需要去保持技术的领先地位跟其半导体设计的CPU,GPU和FPGA等可以在自己的工厂生产并稳定供货客户。而目前Intel目前面临最大的问题就是其CPU产品由于制程研发的滞后性,全面拖累了IC设计研发的进度,从而面临着CPU技术能力落后死对手AMD的情况。AMD也是很好的利用了Intel垂直整合策略中的“木桶效应”,抓住战略机遇期,在市场上取得了不少战果。同样,Intel也因为在制造工艺上的落后,被大客户苹果给抛弃,遭遇了重大损失。 综合市场和技术的数据分析, Intel整体的市场份额和技术水平都是处于领先地位,基辛格的IDM 2.0从宏观上具备理论上的可行性。 一. 财务上进行开源:出售非核心的存储业务,并推动自动驾驶上市。 2020年10月20日 ,英特尔与SK海力士宣布签署收购协议 : SK海力士将以90亿美元收购英特尔的NAND闪存及存储业务。 2022年7月, 英特尔确认将逐步结束 Optane(傲腾)存储业务,不再开发新产品 。 2021年12月,Intel就宣布推动mobileye于2022年年中上市,截止目前,暂时还没有得到相关上市消息。 二. 技术上寻求芯片制造技术领先:提升晶圆代工能力 首先, 2022年2月15日晚间,英特尔宣布将以54亿美元收购以色列半导体代工厂高塔半导体,提升在晶圆代工的业务范围,扩张到汽车和模拟芯片领域。 其次,英特尔已计划把部分芯片外包给台积电,后者将于 2022年下半年给英特尔打造3nm芯片。近期台积电反馈出来的信息是量产时间推迟到2023年,其中合作存在变数,反应英特尔内部对于制造外包存在不一致的声音,也就是利益考量的犹豫不决。 再次,就是拓展晶圆代工客户,英特尔 7/25宣布,获得联发科投片于旗下晶圆代工服务IntelFoundry Services的先进制程制造晶片。联发科则强调,此次将投片于英特尔为成熟制程,为Intel16制程 。 最后,利用美国芯片法案的资金,迅速提升在半导体制造领域的技术和产能,确保核心业务整体的领先优势。 从财务角度来看,收购高塔和引入联发科,是为晶圆代工业务增加收入,而非 Intel终极目标是发展成熟的制造工艺,目前INTEL晶圆代工业务营收1.22美元,7nm先进制程工厂投资需要100亿美元,2nm预计是340亿美元,如果intel的代工业务依靠其他事业部的利润和股市融资,自身部门无法获取利润,是无法通过华尔街投资者的同意的,也肯定导致内部部门间的斗争。美国当下的芯片法案可以说是给INTEL“雪中送炭”,不过钱不一定够用。 英特尔虽然在当下的市场竞争中面临着巨大的压力,但在大盘上看其依然掌握着市场和技术的主动权,新任高管也顶住内部利益集团的七嘴八舌,进行了大刀阔斧的变革,行还是不行,都需要时间,毕竟实践才是检验真理的唯一标准。
  • 热度 2
    2022-5-28 14:25
    519 次阅读|
    0 个评论
    写在前面 它们不厌其烦地执行人的指令;它们收集世间万物的知识,供人顷刻之间随心调取;它们是现代社 会 的 中流砥柱,但其存在却往往备受忽 视。 它们就是计算机,是人类迄今为止最伟大的发明成就,是登峰造极、至高无上的终极工 具 。 计算机科学的问 世,推动了人类历史上最非比寻常的社会变革之一。 而 = = 编程语言 == 作为计算机的灵魂,存在感却远远高于计算机,它就像一个纽带把我们和计算机深深的 联系在了一起 。 编程语言 的 发展更是和计算机的演变有着密不可分的关系。 不 知道大家有没有好奇过,世界上第一门编程语言是什么? 今天就由我带领大家穿越到这一切的起点,去看一看计算机和编程语言的爱恨情仇 。 正文 图灵机 不 同的的人面对计算机有着不同的给关注点,有人觉得计算机的设计很巧妙,有人觉得计算机的结构布 置很酷,有人觉得计算机的界面很漂亮 … … 但计算机的美妙之处并 不在于其闪烁的灯光、旋转的磁盘、成排的芯片和电线,而在于, 这些部件的背 后隐藏着一个优雅而简单的想法。这个想法同晶体管、操作系统、网络和文字处理器毫无关联,也不 可 能 有 任何关联,因为它的诞生时间比这些设备都早。 图灵的相关生平,这里不多做赘述,这里我们只关注他的 “ 可计算性理论 ” 。 还 记得当时初学冯诺依曼结构时,我们班里的同学还就冯诺依曼机与图灵机谁的贡献最大,而吵的不可 开交,最后也是谁也没说服谁 。 冯诺依曼机大家都不陌生,可以简单地理解成冯诺依曼机更侧重于硬件的实 现 。 图灵 机 偏重的抽象模型是 “ 可计算 ” 和 “ 不可计算 ” 这个计算机的边界 1. 世界上有很 多问题,其中只有一小部分是数学问题; 2. 在 数 学问题中,只有一小部分是有解的; 3. 在 有解的问题中,只有一部分是理想状态的图灵机可以解决的; 4. 在后一 类的问题中,又只有一部分是今天实际的计算机可以解决的。 这 个时候可能有人就要说了,这和今天要讲的世界上第一个编程语言有什么关系?你这不是上来就先给 计算机定下了一个边界了吗 ? 是的,先展示这段的目的就是为了告诉大家: 不要迷信计算机,不要迷信我们的编程语言。 不 管是在人工智能和深度学习大行其道的今天,有些问题也是无法用计算机去解决的,我们要始终怀着 一种敬畏之心来面对这个世界。 打孔卡片 这一 切都要从打孔卡片开始说起。 美国宪法中要求, 每 10 年就得进行一次人口普查。到了 19 世纪末期,人口增长的实在是太频繁了,以至 于 18 8 0 的人口普查历时 8 年才最终完成,当时还都是通过纸和笔来完成的。 1890 年 , Herman Hollerith 被授命去解决这一问题,他最终使用了穿孔卡来存储数据,并用一台制表机 ( tabulating machine )来进行统计和排序。 在 2 0 世纪的大部分时间里,穿孔卡在数据处理行业得到了广泛的应用, 其中专业且日益复杂的单元记 录机器被组织成半自动数据处理系统,使用穿孔卡进行数据输入、输出和存储 。 1896 年, Hollerith 成立了制表机器公司,开始了自己的事业。他把自己的设备和卡片出售给大的保 险公 司 ,以及包括英国,意大利,德国,俄罗斯,澳大利亚,加拿大,法国,挪威,波多黎各,菲律宾等国 在内 的多国政府。 他的公司后来跟别 的 公司进行了合并,并在 1924 年最终成为了国际商业机器公司。没错,它就是 IBM 。 这就是我们的第一站:打孔机和打孔卡片 。 有 人可能会有疑问,这打孔卡片也算是一门编程语言吗?这就要看大家怎么去定义编程语言了。 在 我看来,只要其涉及数据处理与一定的计算规则都可以称为一种语言。就像我们常说的: 程 序 = 数据 + 算法 哪怕这 些数据只是最常见的自然数,哪怕这些算法只是加减乘除。 机器代码 打孔卡片靠其出 色的能力盛行了一段时间,但你能想想那硕大的机器和成吨种的卡片吗? 幸运的是这些都只是暂时的,而拯救我们的就是电子学与计算机科学的结合,让我们脱离了笨重的机械 式计 算机。 晶体管的出现更是让 “ 开 / 关 ” 动作变 得简洁又优雅。 而 我们这次的主角 —— 机器代码,就是这一开一关动作的化身: 0 和 1 。 机 器 代码之所以被称为机器代码,就是因为这种代码是可以直接被机器(计算机)所读取。 用二进制代码表示的计算机能直接识别和执行的一种机器指指令系统令的集 合 。 大 家 可以随便打开一个自己用任何一种高级语言编译好的二进制文件( . bin )来查看这些机器码到底长 什么 样子。 最右边就是我们的机器码,但为什么不是 01 组合,怎么还有其他数字和字母呢 ? 这是因为二进制表示的数字实在是太小了,所以大多采用的是十六进制来表示 。 汇编语言 用机器语言编写程序,编程人员要首先熟记所用计算机的全部指令代码和代码的涵义 。 手编 程序时, == 程序员得自己处理每条指令和每一数据的存储分配和输入输出,还得记住编程过程中每 步所使用的工作单元 处在何种状态 == 。这是一件十分繁琐的工作。 编写程序花费的时间往往是实际运行时间的几十倍或几百倍,而且, == 编出的程序全是些 0 和 1 的指令代 码 ,直观性差,还容易出错 == 。 那么有没有一种方式, 让我们能够更容易的记住这些机器指令? 汇编语言闪亮 登场。 汇编语言的主体是汇编 指 令。汇编指令和机器指令的差别在于指令的表示方法上, 汇编指令是机器指令 便于记忆的书写格式。说 白了,汇编语言就是 == 助记符 == ( Mnemonics )。 可能有人会问,我们用 汇 编语言编写程序,可是计算机只认识机器指令,那该怎么办? 这时候就需要一 个能将汇编语言转换成机器指令的工具,我们称其为编译器。程序员用汇编语言写出源代码,再用 汇 编 编 译器将其编译为机器码,最后由计算机执行。 再者,汇编语言指令是机器指令的一种符号表示,而不同类型的 CPU 有不同的机器指令系统,也就有 不 同的汇编 语言,所以, == 汇编语言程序与机器有着密切的关系 == 。 所以,除了同系列、不同型号 CPU 之间的汇编语言程序有一定程度的可移植性之外,其它不同类型 (如:小型机和微机等) CPU 之间的汇编语言程序是无法移植的,也就是说, == 汇编语言程序的通用性 和可 移 植性要比高级语言程序低 == 。(因为高级语言可以再不同类型的计算机上用不同的编译器翻译成 机 器语言) Fortran Fortran 语 言 最初是由 IBM 公司在 50 年代开发的。 当 时,创建语言的目的是专门解决一组特定的问题: Fortran 语言的目的是科学处理。 它仍然是在高性能计算领域最流行的语言之一,而且作为基准,用于世界最快的超级计算机程序的 语 言 的 排名。 Fortran 语言建立使 用 星号乘法,这是今天仍在使用的所有语言中的约定。 这是它的外 观: CO BOL COBOL ( Common Business - Oriented Language ) 被 设计用于商业用途。这是企图使编程语言更类似于英语,让程序员和管理人员可以读取它。 它的设计者有 Grace Hopper (发现 “ Bug ” 的人),以及发明了类似英语的数据处理语言 FLOW - MATIC 的人,也是 最 合适,帮助创建一个看起来类似英文通用商业语言的人选。 这 是一个 COBOL 的 Hello World 程序 : IDENTI FICATION DIVISION . PROGRA M - ID . HELLO - WORLD . ENVIRO NMENT DIVISION . DATA D IVISION . PROCED URE DIVISION . MAIN . DI SPLAY ' Hello , world .' . ST OP RUN . ALGOL 60 ( ALGOrithmic Language 1960) 是一个委员 会 推动的,非常好,有影响力的语言 , 发布于 1960 年。 它从来没有得到普及, 但 它推出了许多重要概念,包括摆脱 GOTO 。在行与行之间跳来跳去行的语言, 如 BASIC ,难以遵循程序的流程,导致编写 程序容易出错。 ALGOL 60 引入结构化程序设计和模块:它使用 BEGIN 和 END (因为大括号是不可用),感谢 ALGOL 60 现在我们有了代码块,而不是 GOTO 。 ALGOL 也不希望太过专业,从而适合良好的科学和业务处理 下面是 它的样子: procedure Absmax(a) Size:(n, m) Result:(y) Subscripts:(i, k); value n, m; array a; integer n, m, i, k; real y; comment The absolute greatest element of the matrix a, of size n by m is transferred to y, and the subscripts of this element to i and k; begin integer p, q; y := 0; i := k := 1; for p:=1 step 1 until n do for q:=1 step 1 until m do y then begin y := abs(a ); i := p; k := q end end Absmax P ascal Pascal 是在 1968 - 1969 年设计 , 由 Niklaus Wirth 出版于 1970 年,其灵感来自 ALGOL 它最初是非常流行的,虽然最初设计为教学工具,很长一段时间很多人用它做通用编程。 但是,它 不是模块化不够,有一些使得编程难的设计挑战。 比 如有一个片段 : while a b do WriteLn ( ' Waiting ' ) ; if a b then WriteLn ( ' Condition met ' ) { no semicolon allowed ! } else WriteLn ( ' Condition not met ' ); for i : = 1 to 10 do { no semicolon for single statements allowed ! } WriteLn ( ' Iteration : ' , i ); r epeat a : = a + 1 until a = 10 ; case i of 0 : Write ( ' zero ' ); 1 : Write ( ' one ' ); 2 : Write ( ' two ' ); 3 , 4 , 5 , 6 , 7 , 8 , 9 , 10 : Write ( '?' ) end ; B 在贝尔实验室开发于 1969 年 , 它的灵感来自于 Fortran 和 BCPL 。 还 记得有个同学开玩笑说,既然有 C 语言,那肯定会有 B 语言和 A 语言,没想到还真有 B 语言(其实还有个 E 语 言就不说了)。 B 引入 了 += 操作符 ( 尽管写成 =+), 以及自增 / 自减操作符 ( ++ 和 – ) printn ( n , b ) { extrn putchar ; auto a ; if ( a = n / b ) /* assignment , not test for equality * / printn ( a , b ); /* recursive * / putchar ( n % b + '0' ); } C 语言 C 诞生于 B 加上从 Pascal 加入一些好的想法。它是在贝尔实验室(再次)的 Dennis Ritchie 在 1969 年 和 1973 年之间开发。 相比较于机器语言与汇编语言来说, C 已经拥有 == 更强的表达能力,可方便地表示数据的运 算和程序的 控制结构 ,能更好的描述各种算法,而且容易学习掌握 == 。 但 高级语言编译生成的程序代码一般比用汇编程序语言设计的程序代码要长,执行的速度也慢。 关于编程语言就说到这里,如果把每一门语言都说一遍的话,可能几天几夜都说不完 。 感兴趣的同学可以去维基百科上看一 看 第一个编译器是什么语言编译的?自举 除了第 一个编程语言外,相信大家肯定还有一个疑问: 世界上第一个编译器使用什么语言来编译的? 这 就 类似于那个世界上是先有鸡还是先有蛋的问题。 其实在编译原理中,有一个概念:自 举 。 == 编程语言是自举的 == ,指的是说,我们能用自己写出来的程序编译自己。但是自举,并 不要求这门语 言的 第一个编译器就是用自己写的。 比 如,这里说到的 Go ,先是有了 Go 语言,我们通过 C ++ 写了编译器 A 。然后呢,我们就可以用这个 编译器 A ,来编译 Go 语言的程序。接 着,我们再用 Go 语言写一个编译器程序 B ,然后用 A 去编译 B , 就得到了 Go 语言写好的编译器的可执行文件了。这个之后,我们就可以一直用 B 来编译未来的 Go 语 言程序,这 也就实现了所谓的自举了。 更详细的关于鸡蛋 问题,可以直接看 Wikipedia 上这个链接,里面讲了多种这个问题的解决方案。 https://en.wikipedia.org/wiki/Bootstrapping_(compilers) 写在最后 在上文 中 ,我们大致了解了计算机和编程语言的发展史。 如果从严谨一点的角度去考虑的 话, Fortran 语言应该是世界上第一门高级编程语言。 编程语言千千 万,这些语言之间没有高低贵贱,更不存在什么歧视链, 有的只有不同的应用环境适合哪 一种编程语言。 最后 祝愿大家不管使用哪一种语言都能 bug 少少 !!! ( 室友和同门都申请离校回家了,我还悲惨的在学校呆 着,可快点解封吧 ~ 我要出去吃烧烤,吃火锅! ) 参 考 文献: 《 计 算机 : 一部历史》彼得 · 本特利 http://foorious.com/articles/brief-history-of-programming-languages/ https://segmentfault.com/a/1190000004303544 https://time.geekbang.org/column/article/91793 https://www.cnblogs.com/ysocean/p/7580162.html
  • 热度 3
    2022-3-5 11:35
    1855 次阅读|
    2 个评论
    东数西算的风险机遇
    人民网北京2月17日电 (申佳平)据国家发展改革委官网消息,近日,国家发展改革委、中央网信办、 工业和信息化部、 国家能源局联合印发通知,同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、 甘肃、宁夏等8地启动建设国家 算力枢纽节点,并规划了10个国家数据中心集群。 国家发展改革委高技术司负责同志回答记者提问时表示, 至此全国一体化大数据中心体系完成总体布局设计, “东数西算”工程正式全面启动。 2月17日的新闻给ICT圈的厂家带来爆炸性的利好,经过5年左右的产业政策观察,我觉得需要理性分析, 找到市场切入点。 我不是公共政策分析专家,也不是资本市场的分析家,只是以一个从业角度来观察政策 推出,政策落地和企业寻机的角度。 从大力发展5G,到推广网信安全(信创),新基建和东数西算, 中央政府部委和各地政府从税收,财政和政府采购等各个 角度给予了中国企业 以巨大的刺激和推进作用, 从宏观经济学角度来分析,就是投资拉动经济,将以前简单的从房地产和 传统基建投资推动经济发展,变成通过投资高新技术产业来拉动中国经济发展,避免因为投资下滑 引发的经济失速;另外 从宏观经济来分析,就是供给侧改革的继续推进,优化经济增长的结构, 提高高新技术产业在经济发展的比重,降低资源 消耗和浪费。 普通人可以简单的看国家政策,一笔带过即可,但是企业家和创业者是绝对不能草草带过 “骑驴看唱本”。 经济政策的落地需要政策承载者和主题,承载地区,这个是空间概念; 经济政策的落地和推进需要时间和投资规划,这个是时间概念; 同样,投资的主体是政府,协同的民营资本是哪些,外资又可能是哪些,都是需要追踪和分析。 信创已经推进3年了,简单的分析一下: 1.政府的政策更多的是在市场上加重了政府采购的比例,比如三大运营商的国产化采购比例在提升; 比如八大行业的小部分行业已经全面实现国产化替代; 2.部分地方政府给予税收和房租补贴,比如很多地方政府和大型国企打造的“信创园区”; 3.政府直接的财政补贴:比如国产芯片,操作系统的厂家获得国家补助; 4.信创获利最为直接企业,相信您可以一眼就看出来,基本上是大企业、国企和龙头。 信创的政策,标准都是他们和各级部委,政府协商的结果,可以理解, 标准和法案的起草者无疑是政策的最大获利者,其实这也并不违背国家法律。 5.另外大型行业龙头在信创投入的资本、技术和力量来看,这个市场从技术 和经济的角度都是有待考察的,民营企业和资本基本上是从属于主导的国资和央企。 未来政策的走向和后续节奏,需要持续和理性的分析,确保投资获利。 最近的东数西算政策呢,怎么理解: 1.背景:新常态下的经济增长放缓,房地产经济的平稳落地需要替代形态的经济动力,供给侧 改革需要继续深化和优化,以信息技术和通信技术为基础的经济形态无疑是最好的经济增长方式。 同时,能源紧张,资源消耗过大和算力供需失衡一直影响经济结构的优化,一个全新的经济政策 需要紧急推出来引导资本,企业和舆论的方向,东数西算作为新基建的重要补充随之推出。 2.空间范围:八大算力枢纽,西南的贵州和成渝;华南的广东;华东的长三角;西北的甘肃, 宁夏和内蒙;华北的京津冀。从区域到十大集群,大致区域已经拟定,但是落地的细节等 还是有很多的需要地方政府,央企,国企,银行,民企等配合推进。 比如长三角,不同省份的地级市和县级市肯定会存在博弈,寻找机会落地数据中心; 地方政府有意愿还不行,还需要企业投资落地。 比如:四大运营商构建算力网络; 比如:IDC厂家万国数据,世纪互联构建算力节点; 比如:云计算阿里,腾讯,华为构建数据中心; 比如:互联网厂商构建自有需求,比如字节跳动,京东,滴滴; 项目落地需要:土地,政策,税收,资本来源(银行贷款,企业自有资本,政府补贴,税收补贴); 未来将是一个系统和繁杂的过程,稍有不慎,会造成很多的烂尾和不及预期的工程。 3.时间范围:从中央部委的发文,并没有给出明确的投资时间范围,所以审慎来看,3-5年政策 基本上可靠的,中国经济需要持续的投资拉动,目前大规模重返铁公基时代的政策概率不高, 外贸形势和国内消费还不足以强到完全不需要投资拉动经济的地步。而6G,AI,元宇宙, 区块链,数字化,新能源汽车等新的技术和经济增长点都同算力存在强关联性。 4.企业投资和跟进详细策略分析: 首先:收集信息,来自政策最顶层的接受主体,比如四大运营商,了解政策推进情况; 来自各级地方政府的公函和发文,政策优惠和落地项目; 来自银行和证券分析机构的一些的资金流动信息; 来自大型企业的技术变化和新产品信息,比如节能低功耗,水冷,模块化数据中心; 其次,分析来自不同层面的数据信息,分析未来的数据中心落地的情况,承载的主体, 需求的数据中心产品的功能特点和要求,寻找企业发展的机会。 比如:贵州的贵安新区的地理环境,能源供应,温湿度适合什么样的产品上架; 内蒙古的地理环境,温湿度,供电方式需要什么样的产品上架; 算力集群不同点需要哪些类型的数据中心,云计算,边缘计算; 数据中心服务的客户和对象是哪些,天气预报,超级计算,导弹工程还是视频播放, 无人驾驶,人工智能,智慧城市,智慧交通,智慧医疗,金融工程。 同样,了解需求客户比如IDC,比如云计算,比如互联网厂商的资本来源,财务状况等, 避免项目合作的烂尾和呆滞债务和三角债务情况。 最后,就是根据分析和获取的数据,寻找合作的客户,供应商,集成商,银行等等, 参与产品开发,参与项目建设,参与标准建议和提升自我实力。 从产业层面上来讲,大集群的数据中心需求未来会提供很多创新的机会,包括底层 芯片技术,到系统产品开发技术,到数据中心集成技术。中国的龙头厂家,底层的 芯片比如CPU,GPU,FPGA厂家都是可以最有利的去寻找最符合中国环境的产品技术; 比如光模块,光纤,光通信等都有大展拳脚的试验场,远距离传输,低延时,多 集群,多地域,复杂气候条件的数据传输,都需要创新,而不是吃老本; 比如系统产品比如浪潮,华为,新华三,中兴,烽火,曙光,长城都可以开发最适合 的系统级产品;阿里,腾讯,万国数据等都可以依据需求打造最强悍的数据中心。 如果政策过后,技术都是原地踏步,甚至一地鸡毛,会给行业的长远发展带来负面 的影响。 企业3-5年内,找到有利的 客户,技术伙伴,供应商都是可以上升一个台阶, 但是这个钱远远没有券商分析师 那样讲故事来得简单,需要的是潜心的企业经营和 持续的管理和技术创新,才可能 最终在各种政策推进赢得更多的企业发展机会。 投机只可获取短时的成绩,完全是 不可持续的发展,更不能基业长青。 对于产业政策,个人观点是详细分析,谨慎观察和投资,不迷信政策的效力, 但也不忽视政策的积极作用。之前在深圳福田,了解到五百强企业的顶级 企业家基本上就在研究政府政策动向,以此为企业发展提供长远的方向, 高度捆绑政府的产业政策,其实这并非是好消息,看到海航,恒大, 雪松控股,紫光集团,方正集团经营困境,企业终究是要依赖核心竞争力, 无论是自身,还是生态或者平台竞争力,都不是建立在高度捆绑政府政策 研究,比如补贴,税收之类的营业外收益。政府发展什么,企业当然要 重视,并不是政府不发展的不支持的就没有市场,没有竞争力,这需要 企业家的高度智慧和企业本身的强有力的后台竞争力。 希望中国的ICT企业可以3-5年上升到新台阶。
  • 热度 8
    2021-7-31 10:16
    4716 次阅读|
    4 个评论
    1999年的高考,我都准备好卷铺盖去广东打工了,所处的湖南三线城市的非重点中学,最牛的学生曾在大会宣誓:他的理想是国防科技大学。当然我是没这个条件,初中一年级就高度近视,身高齐平王祖蓝,可能比不上潘长江,略低于曾志伟。在那个物质信息欠缺发达的年代,全民还是比较崇拜军人,也崇拜技术英雄,也崇拜官僚,但是国防科技大学究竟有多牛,我也无从得知。 研究生退学后15年,一直从事通信计算机制造,早期觉得联想很牛,在北京出差路过联想大厦,后面了解联想的技术参数太低,后面就看到华为的崛起,到2019年才相对完整的看到,行业核心技术,上游关键都处在极度的封锁之中,步履维艰。 华为的P50刚刚发布,5G功能被迫取消,而且一机难求,因为射频前端是USA的; 鲲鹏的服务器芯片也是期货生产,导致下游的服务器整机厂家头大,因为上游的芯片生产设备技术很多是USA的。 我们回头向上看的时候,国产的核心芯片,大部分技术源于军工三线,军工科研院所,而国防科技大学是绝对无法绕过的城墙。 一. 银河超级计算机和天河二号 银河计算机 指由中国国防科技大学研制的一系列 巨型计算机 。 1983年12月22日,中国第一台每秒钟运算达1亿次以上的计算机——“银河”在 长沙 研制成功。 1997年6月19日,由 国防科技大学计算机研究所 研制的“银河-III”百亿次 巨型计算机 系统,在北京通过了国家技术鉴定。 2020年 6月17日公布了第41届世界500强超级计算机排名,国防科技大学开发的天河二号超级计算机系统排名第一,这是天河 一号2010年首次夺冠。这只是国防科技大学自主创新辉煌成就的一部分。 国防科技大学在超级计算机的研制成就,基本代表了国内计算机最高水平。 二. 天津飞腾信息技术有限公司 美国商务部8日发布公告,以为中国军事活动方面提供协助为由,宣布将七个中国超级计算实体列入美国实体清单, 天津飞腾信息技术有限公司名列其中。9日一早,飞腾芯片的制造商台积电便公开表示,“公司一向遵循所有法律规范, 一定会按照出口管制规定执行。” 列入实体清单,意味着限制了其获得属于美国出口管理条例(EAR)的项目和技术的能力。 如果没有特别许可证, 美国公司不能向实体清单中的实体出口、再出口或转让受EAR限制的物品,而这种许可证将被推定为被拒绝。 如果一家公司被美国列入实体清单,其实从反面印证了这家公司技术能力和实力可以触碰到美国的核心技术和核心利益,飞腾应该 从某种意义上来说,确实已经达到了一定的水平。 可能很少人知道天津飞腾和国防科技大学有着较深的渊源。 飞腾的董事长芮晓武是1982年从国防科技大学毕业的; 总经理 窦强原为国防科技大学计算机学院微电子研究所所长、国内微电子行业知名专家 ,从2018年12月起, 接任天津飞腾信息技术有限公司总经理职务。 在国防科技大学工作期间,窦强长期担任银河、天河工程副总设计师, 主持飞腾自主高性能CPU研制工作,在高性能计算机系统结构、高端芯片设计与验证等方面取得重大创新,带领团队 突破了超高性能CPU体系结构、超大规模Cache一致性协议、多核微处理器验证方法学等一系列关键技术,成功研制了 多款高性能飞腾微处理器产品。 在其他方面就不再多陈述了,当然飞腾的产品是面向市场的产品,也是十分具有竞争力的,至于美国人所谓的涉军 可能就是他们臆想的把,犹如惊弓之鸟,也是杞人忧天,总之也很难阻碍国产CPU的进步。 三. 银河麒麟操作系统 在2006年初召开的全国科技大会上,国防科技大学研制的“银河麒麟”操作系统,被大会指定为会议文档 处理操作系统。长期以来,由于缺乏自主研发,我国的操作系统市场一直被国外产品垄断,导致我国的整个 软件产业发展受制于人,并波及信息化相关产业。因此,研制具有自主知识产权的高性能操作系统已成为增强 我国信息安全的当务之急。2001年,国家将研制拥有自主知识产权的操作系统作为“863”重大专项,决定由 国防科技大学计算机学院承担研制任务。该校组织强有力的科研队伍大胆创新先后突破了一系列核心技术,终于 研制成功我国第一个高安全等级(B2级)的64位操作系统--“银河麒麟”服务器操作系统。 到今天新的银河麒麟操作系统可以规模化的应用在很多的行业计算机,在国内信创属于不二的选择。 四.长沙景嘉微电子 曾万辉从国防科大研究生毕业后被分配到北京一部委工作,一干就是10年。2006年,一次偶然的机会,回湖南探亲 的他遇到了大学同学胡亚华。当时,胡亚华和另一位师兄饶先宏刚从国防科大转业,并注册成立了长沙景嘉微电子有限公司。 公司注册资金50万元,两人手头资金有限,只到位10万元,剩下的40万元想等公司挣钱后再投入,当时连公司要做什么都没想好。 目前长沙景嘉微的GPU已经广泛运用于各种政企市场和产品,JM-720已经接近国际水准,为中国的计算机行业贡献了自己巨大的力量。 五.国产首个自己研制的DSP芯片 2004年 由国防科技大学计算机学院自主研制的国内首个“银河飞腾”高性能数字信号处理芯片(YHFT—DSP/700),日前在北京宣布研制成功并通过国家鉴定。 鉴定结论认为,它具有高达32位的浮点数字信息处理能力,综合技术性能优于目前国际通用主流芯片。这表明我国在高性能芯片设计研制领域已跻身世界先进行列。 高性能数字信号处理DSP芯片,它是移动通讯、卫星导航、网络信息处理等电子信息系统建设和高精尖电子设备制造必不可少的核心技术部件。 国防科技大学的计算机人才活跃在中国计算机和通信行业的各个领域,在国产计算机事业发挥巨大的作用。 做为中国人,做为一个从事计算机和通信行业的中国人,中国自主其实很大的一个情结,我们回首看这些,都是对自己的一种激励, 很多中国人在为国家的安全和民族的进步在努力前行,而我们不希望他们是单打独斗,希望更多的人可以参与其中,为国产化和信创 奉献自己的努力。
  • 热度 14
    2014-12-22 10:00
    1034 次阅读|
    0 个评论
    几十年来,神经科学家致力于设计计算机网络来模拟人类的视觉能力,如认知目标,大脑在这方面精确而迅速,一瞥之间就能认出所见之物。还没有一个计算机模型 在识别视觉目标上与灵长类动物的大脑相比。据物理学家组织网近日报道,美国麻省理工大学神经科学家的一项最新研究发现,最新一代的所谓“深度神经网络”能 比得上灵长类动物的大脑。 这提高了人们对灵长类大脑工作原理的理解,有望开发更好的人工智能,带来修复视觉机能障碍的新方法,相关论文发表在最近的《公共科学图书馆·计算生物学》上。 新研究指出,目前最好的网络是纽约大学开发的一种模型,在对目标分类识别上能达到猕猴大脑的水平。论文高级作者、MIT脑与认知科学系神经科学教授詹姆斯·狄卡罗说,最新网络的成功表明,神经科学家已相当准确地掌握了目标认知原理。“模型能预测神经反应和物体在神经丛空间的距离,概括了我们迄今最好的理解,让我们知道那些以往神秘的脑区发生了什么。” 早在上世纪70年代,科学家就开始构建神经网络。受大脑分级处理视觉信息的启发,构建了视觉神经网络模型。他们在模型中构造出多个计算层,每层执行一步数学运算。在每一层,图像目标的表达越来越复杂,无关的信息被放到一边。“每个元素都是非常简单的数学式,”论文第一作者、MIT麦戈文研究所博士后查尔斯·卡迪欧说,“但千百万这些元素结合在一起,从原始信号到用于目标识别的表达式之间就形成了极复杂的转换。” 研究人员首先检测了大脑的目标识别能力。他们颞下(IT)皮层和V4脑区植入了电极阵列。再把这些和深度神经网络生成的表达进行对比,深度神经网络由系统中每个计算元素生成的数字矩阵构成。每幅图像会产生一个不同的数组。模型的精确性取决于能否把相似的对象归类到相似的表达集群。 卡迪欧说,这种神经网络最近取得的成功,取决于两个主要因素:一是计算处理能力,尤其是图形处理单元(GPUs)方面的巨大进步;第二是研究人员能访问大型分类数据库,用数据来“训练”算法。 最初,神经网络并不能很好地识别这些图像,但随着它们看的图像越来越多,不断发现错误,精简算法,最终它们对目标物体的识别会变得越来越精确。 目前,狄卡罗实验室打算开发其它模型,模拟图像处理的更多方面,包括跟踪运动、识别三维形状,人类视觉系统中的“反馈”预测等。现有网络只能模拟从视网膜到IT皮层的“前馈”预测,而从IT皮层返回到其余系统的连接是前馈连接的10倍。
相关资源