独家专访辉羲智能章健勇:数据闭环定义芯片,帮车厂造中国版FSD

‍采访、编辑 |德新

撰文 |苗岭

f1545e56c03e78b09472bea4b40d629e.jpeg

辉羲智能,智能驾驶芯片行业最新的进入者。

这家公司成立于2022年,今年辉羲即将发布它的首款高阶智驾芯片。而另外两家智驾计算平台的头部公司地平线和黑芝麻已经在前不久分别向港交所提交了IPO申请。

国内的自动驾驶行业蓬勃发展始于2016年,但第一代高阶智驾芯片推出要在2020年之后。在整个智驾的供应链上,作为下游的软件方案供应,从资金、量产项目的角度已经逐渐向少数的几家头部厂商收敛,而作为上游的智驾芯片依然非常活跃。

智驾芯片综合了诸多技术,对研发团队的实力要求极高,它需要聚合算法、工程、电子光学仪器、传感器、车辆、机械等各个学科的专业人才。因为挑战大,芯片因此成为产业链上较晚收敛的环节。

高阶智驾芯片在汽车行业内,今天依然是稀缺的供给。这也是辉羲智能作为较晚的入局者,依然存在的巨大市场机会。

4月,在北京车展前夕,辉羲智能联合创始人章健勇接受HiEV大蒜粒车研所的独家采访,他表示,“三浪叠加”,辉羲创业受益于此。

“三浪”分别是,汽车智能化渗透率逐渐提升、以Transformer架构为基础的AI算法加速、中国汽车产业链自主可控的需求在增加。

f79bc55f88d8525d5823a1f87bae57e5.jpeg

尽管较晚走上牌桌,但辉羲创办不久后即受到多家产业资本青睐,如蔚来、小米、经纬恒润等,其最新的一轮融资由亦庄产投等领投。

这与其阵容有关。创始人兼CEO徐宁仪曾任微软亚洲研究院硬件计算组负责人、百度智能芯片部主任架构师、阵量智能CEO。联合创始人章健勇曾任蔚来汽车自动驾驶助理副总裁。联合创始人贺光辉教授是上海交大电子信息与电气工程学院副院长。核心团队成员曾负责芯片累计出货量超10亿片、量产车型逾700个

晚入局也意味着更要有取舍。辉羲智能瞄准以城区NOA为代表的高阶自动驾驶功能。章健勇认为,随着技术进步、成本降低,高阶技术将渗透到中端甚至入门级车型市场。

2024年对主机厂而言,恰逢城市NOA的竞争大幅加剧。「不少车企在车型规划上,已经将城区功能从一个边缘的选配项转变为一个高比例的标准配置。」章健勇说。

辉羲计划今年推出高阶智驾芯片R1,目前已获多个OEM的首批量产合作意向,其中搭载R1的某OEM高端新车型将于明年下半年实现城区NOA功能量产上市。今年搭载辉羲城区NOA方案的车型也会在四季度开启体验。

一、核心方法论:数据闭环定义芯片

「以前的时代,可能给过大家用过多投入去拿结果的机会。」章健勇说。「在今天的时间点,我们有个共同认知——像过去那样靠过多投入,能把事情做成的时代好像不太存在了。」

今天,整个行业都在强调效率和性能,每个环节都在被推向极限(push to limit),辉羲的策略是谨慎选择方向,每一步都精确计算、精益设计。

辉羲的芯片区别于竞争对手很大特点在于,其方法逻辑是「数据闭环定义芯片」。

数据闭环是自动驾驶迭代的关键要素,但其内涵在近几年发生了很大变化。

4de5a44dab102652af6810d86e6d690d.jpeg

在章健勇看来:

  • 数据闭环的第一阶段是四五年前。那时,行业对数据闭环的理解很简单,汽车的事件记录、车辆的状态信息能传回车企,车企能对此进行分析;
  • 第二阶段,是在第一阶段的基础上,加上人工的经验去迭代;
  • 第三阶段,快速验证数据算法。到今天,大家会关注,数据怎么在不依靠人工标注的前提下,靠自我标注、不断地去学习。实际上,轻地图也是根据自动标注和数据闭环体系的迭代得到拓展的。

数据闭环这种方式,将从简单功能不断演变,最终渗透到自动驾驶开发的每个环节

辉羲在设计芯片、选取产品架构时,一开始就会尽可能考虑数据闭环所需要的场景和使用方式。数据闭环的原则可以提高芯片运行的效率,特别是在底层适配和工程迭代方面,可以让工程师更专注于解决关键问题。

对主机厂的开发者而言,当他们基于芯片做算法开发、模型部署、软件开发时,只需要考虑算法,「不太需要关注各种底层问题的排查。」

二、辉羲首款芯片R1:帮车厂打造中国版FSD

辉羲智能首款面向高端旗舰车型的高性能自动驾驶芯片R1,将于2024年推向市场,2025年上车量产。这款芯片的算力将在数百Tops级,支持城市NOA量产落地

该芯片有以下特点:

  • 自研RPU架构打造可扩展的算力引擎
  • 原生高效支持BEV、Transformer等先进模型
  • 支持 >16路Camera 及 >5路高点频 Lidar
  • 覆盖智能驾驶全场景,满足高阶城区NOA极致性能体验

当然,辉羲产品的最大特点还是数据闭环定义芯片。

「我们关注如何让数据闭环自我学习,比如通过自动标注来快速迭代轻地图。」他说,这样的迭代可以促进数据管理体系进步,能提升整个开发流程的效率和质量。

芯片的物理特性,比如基础架构和硬件属性,在制造完成后就相对固定了。但是,芯片的软件环境和适配性是可以持续升级的。辉羲在设计芯片时考虑了支持虚拟化,集成系统的支持,以便在未来提供更多的升级空间;也会在算法框架上预留升级余地,以适应不断变化的技术需求。

「预计未来两年内,随着软件功能的不断扩展和升级,算力的需求也会相应增加。这样可以留出足够的空间来适应大模型应用,以及软件的持续迭代升级。」

据章健勇介绍,辉羲基于R1开发的城区高阶智驾系统,目前只用到了其算力的40%,这为更多AI应用扩展、算法升级预留了空间。

三、解决方案支持车企自研,更快速易用

贴身服务和提供基础芯片,是两个看似截然相反的业务方向,却是智驾芯片业内目前的普遍做法。

辉羲也是如此。其自我定位是提供整个计算平台,支持两个方向:一是提供芯片和工具链平台给客户开发算法系统,二是与合作伙伴共同实现全栈智能驾驶解决方案的落地。

如果为客户提供过于定制化的服务,可能会导致解决方案过于专用化,影响到方案在不同车型间的扩展性和灵活性。如果不提供足够的支持,客户则可能遇到工具链使用上的困难,或者在从芯片到算法的转换过程中遇到问题,这会延缓量产和算法迭代的进度。

辉羲的应对措施是,在每个方向上帮助客户建立标杆,与合作伙伴一起确保整体解决方案的落地,支持车企的自研算法团队以一种易于接受和快速使用的方式来使用辉羲的芯片。

目前,辉羲推出基于轻地图和BEV算法的城区NOA方案,同步开发城区NOA功能量产集成工具链并向战略客户及合作伙伴开放

硬件层面:

辉羲基于高效能异构SoC打造的跨域中央计算平台,AI算力可满足城区环境及高速公路NOA,实现复杂场景下的远程泊车、代客泊车功能,以及智能座舱、车端大模型应用部署等。

算法层面:

「 强感知+低成本地图」的组合拳,不仅提高智能驾驶系统的经济性,也为用户提供更加安全、便捷的驾驶体验。

辉羲基于Transformer/BEV架构自主开发了面向城区NOA应用场景的时序多任务统一感知大模型RhinoNet,可将传统的传感器融合工作量减少90%,针对Cut-in等工况的响应时间减少50ms。

采用轻地图代替高精地图实现城区NOA功能,大幅降低量产成本。

功能层面:

数据闭环是高阶智能驾驶开发中最大的成本所在。

辉羲通过自研的数据闭环工具链,实现从数据采集、处理到算法训练的全流程自动化,建立4D自动标注的能力,引入大模型和轨迹优化+点云匹配工具,完成动态目标和静态目标的半自动标注和交互式标注。

相比于传统的标注方式,其数据闭环工具链,可以在保证准确率的前提下提升10倍效率,并将主机厂的单个项目数据处理成本从亿元级别降低至千万元级别

在整个汽车行业卷产品、卷价格,强调效率和性能的背景下,每个环节都在被推向极限。

但凡涉及与车企、Tier 1供应商的三方合作,该如何界定各自的边界?

章健勇表示,决策基础是可扩展性、更高的经济效率

如果一个软件工具或基础工具链与芯片的底层架构紧密绑定,那么辉羲会自己做。因为这会提供更强的扩展性,一旦开发完成,所有用户都可以使用,无需进行更改。

系统级硬件设计和算法开发方面,如果是需要与特定道路场景或车型匹配的功能,辉羲会交给合作伙伴来完成,因为这对他们的产品线扩展性更有利。

对于车企而言,他们会更倾向自己来做车辆控制场景的迭代和数据闭环运营,因为这有助于他们实现品牌差异化、提升用户体验。

「我们的目标是让所有相关方能共同合作,成功地打造出一个标杆性的高阶智驾解决方案。」

704b2097c722904c1efb21bdd077bf5a.jpeg

附录:对话辉羲智能章健勇

  • 如果是类似的路线,比同行晚两年基本没机会

HiEV:你觉得现在高阶自动驾驶市场处于什么样的发展阶段?

章健勇:市场是一个刚打开的阶段。在这个阶段,存在多种不同的观点和技术路线。

从技术发展的角度来看,虽然从低阶到中阶已经取得了一定的进展,但向城区等更复杂场景的拓展,仍面临诸多挑战。这要求在算力架构和数据闭环方面,进行更深入的迭代和优化。

预计市场可能需要2 - 3年的时间逐步收敛和稳定,这种状况为新进入者和技术革新者提供了机会。

HiEV:芯片公司做方案是不是必须的?为什么今天大家不能做一个纯硬件公司?

章健勇:当前的行业环境下,只做纯硬件不足以满足市场需求。因为技术尚未完全收敛,还有很多未知领域需要探索。

芯片公司需要有算法团队来定义如何更好地服务于市场和用户,才能确保硬件产品能够满足实际应用的需求。

辉羲的愿景是“scalable compute platform for smart mobility”,为智慧出行提供一个可扩展的计算平台。如果我们拥有一个优秀的平台,我们就必须去证明它的价值。这不仅是为了证明自己,也是为了开放地展示我们的成果。

HiEV:你们同时追求贴身服务和提供基础芯片两种看似相反的业务方向,这会不会导致战略上的分裂?

章健勇:我们确实从行业领先的先行者那里学习了很多,但我们更关注的是未来两年后用户的需求,以及技术上需要什么样的产品。

我们认为,跟随类似产品和路线,如果比同行晚两年,基本上没有太多机会。

这两种方向可能有所不同,但我们的目标是通过提升产品和解决方案的效率来抓住机会。

类比嵌入式开发的发展历程,过去嵌入式工程师必须精通汇编语言,现在使用高效的代码生成工具,即可快速地进行迭代和开发,无需深入底层语言的复杂性。

同样我们也看到了在车载计算平台中类似的机会,辉羲提供高效工具,让算法工程师能够专注于算法层面的创新和优化,而不必成为底层硬件适配专家,加速产品的市场响应速度。

总的来说,我们希望通过提升效率来赢得市场机会。

HiEV:如何评价当前的算法和芯片性能?

章健勇:当前芯片架构是有代际创新的机会的,特别是支持面向未来的算法趋势、感知分辨率提升以及计算任务的多场景并行需求。

行业内经历了四代算法演进,从最初的2D框测高测距,到最近BEV/UniAD/端到端+Occupancy,我们在计算架构的创新设计可以支持城区NOA性能比如MPI(接管率)的快速提升、算法开发效率数倍的提升,也支持大模型在车端的部署。

评价指标非常多,包括学术界和工业界的。不仅仅是mAP指标,还包括大模型和小模型的性能表现,比如准确性和效率等,以及它们在训练和端侧计算资源上的需求。

此外,还需要考虑节省的工程成本、软件验证成本、算法团队经验、组织文化、软件更新版本以及用户体验等要求。我们采用生命周期成本(TCO)的概念来综合考虑这些因素,虽然不是绝对的,但在同等产品下,TCO提供了一个趋向标准的评价框架,帮助做出更加明智的决策。

  • 将数据闭环融入智驾全流程

HiEV:以数据为闭环驱动的开发方式,帮助主机厂开发他们的方案。这个事情的难度在于什么?

章健勇:几年前,数据闭环可能只是一个简单的概念。大家主要关注如何记录事件和信息系统的数据,再进行分析和人工迭代。

近几年,我们开始引入更多的自动化和智能化方法,如快速验证数据算法,以及不依赖人工标注的自动化标注方法。这些进步使得我们可以更快速地迭代和改进产品。

现在,我们关注的是如何让数据闭环自我学习,比如通过自动标注来快速迭代轻地图。

这样的迭代不仅是技术上的改进,也是整个数据管理体系的进步。这种变化不仅限于单个团队或公司,而是跨越了整个产业链,包括车厂、Tier 1供应商和解决方案提供商之间的合作。

HiEV:这对你们的产品会有什么影响?

章健勇:对于产品架构而言,我们在设计芯片的方法和逻辑上是基于数据闭环的理念。我们从一开始就会深入考虑芯片和计算架构需要支持的场景和使用方式。

此外,我们会考虑最终合作伙伴如何运营整个数据闭环工具,以确保工作链路上的每个环节能够高效协同,与高阶智能驾驶功能体系形成一个有机整体。

简言之,数据闭环的概念影响了我们从设计到交付的每一个环节。

  • 高阶芯片将向中端和入门车渗透

HiEV:你们怎么看低阶芯片?像目前的市场情况,低阶会长期存在吗?

章健勇:摩尔定律在一定程度上反映了行业的发展趋势,即功能逐渐收敛。

收敛意味着项目每个环节的工程投入变得更加可预测、可计算,从而使行业向标准化方向发展。

低阶市场在标准化和成本上有优势。低阶领域的数据闭环迭代方式和路径跟高阶有所不同。低阶每个环节的工程投入可计算、可预期,相对来说比较标准化,标准化就意味着它可能会被行业收敛。

辉羲的重心是高阶。

随着技术进步和成本降低,高阶技术如FSD的突破带来规模化部署,这将为用户提供更丰富的驾驶体验和更高的安全性,整个产业链会有盈利机会。

我们相信高阶技术有可能逐渐渗透到中端、入门级市场。这种渗透将导致市场结构的调整,其中入门级市场的基础功能将逐步提升。

HiEV:您如何预估高阶芯片市场渗透率?比如有同行预测,2030年96%的车辆将配备L2级或以上的自动驾驶功能,其中60%的车辆会搭载高阶方案。您对此有何看法?

章健勇:我倾向于相信这些积极的预测数字,甚至认为可能实际情况会更加激进。

原因之一是渗透率的变化。我们可以从新能源汽车的渗透率变化看出,一旦突破了某个临界点,渗透率就会从线性增长转变为指数级增长。这种模式也可能适用于智能化技术的普及。

智能化配置向下渗透是一个受到广泛欢迎的趋势。

目前,汽车行业正在经历一种“科技平权”的转变,其中高配置不再仅仅与高价位车型挂钩,而是将高端配置不断向低端市场普及,特别是那些用户可以直接体验到的配置。

我预计到2030年,高阶芯片的市场渗透率可能会超过目前的预测,这将是汽车行业发展的一个重要方向。

HiEV:为何市场上的自动驾驶芯片仍然稀缺?

章健勇:自动驾驶芯片稀缺的原因有多方面。首先,市场需求是在近几年才逐渐显现的。

其次,技术要求本身就很高,特别在中国,对自动驾驶的要求尤为严格,竞争也非常激烈。

此外,对于研发团队的要求也很高,需要跨学科的专业人才,包括电子、光学、仪器、传感器、车辆机械等领域的专家。

不同技术路线不断的演进和竞争,算法方案持续在迭代,都是行业认知逐步建立的过程。这个过程涉及大量的尝试、探索和迭代。

很难说有一种方法能够保证最快取得成功。但可以肯定的是,行业正在经历一个高速发展和迭代的阶段。

  • 自动驾驶的本质决定了头部车厂会自研

HiEV:我们看到一个趋势,虽然方案公司在减少,但主机厂自研在增加。未来自动驾驶技术是否会是以主机厂自研为主?

章健勇:我相信头部车厂一定是自研的,因为自动驾驶本质上是一个数据闭环体系。

在这种体系下,车厂与合作方之间可能存在一定的隔离,特别是在数据共享方面。

车厂拥有大量宝贵的运行数据,利用这些数据来迭代和提升用户体验是非常自然且有效的策略。

例如,使用这些数据,车厂可以将车辆性能从95分提升到98分。这或许不会直接给合作方带来商业收益,但却能显著提升用户体验,帮助车厂销售车辆,对产品产生正面反馈。

我认为,最终最合理的方式是车厂通过自己的自研团队来运营和优化自己的数据闭环体系,这样能够更好地掌握自身命运,快速适应市场变化,并保持竞争优势。

HiEV:未来汽车市场的格局会是怎样的,份额会向哪些玩家集中?

章健勇:市场上存在两种观点,一种认为市场会急剧收敛,另一种认为市场会保持多元化,我个人更倾向于后者,即市场将保持多元和充满活力的状态。

我认为汽车行业不会简单地演变成少数几家公司。

汽车市场与手机市场不同,它的需求和产品定义更为多样化。

从传统的燃油车向混合动力和智能电动车转变,这意味着市场上会有多种品类并存。

在某些细分市场,如个人MPV,只要有一定的销量,比如每月2000辆,企业也能够生存和发展。

电动车对燃油车的渗透最早是从高端和低端市场开始的。随着技术进步和成本下降,电动车的渗透逐渐向中端市场扩展。这是一个逐步发展的过程,市场已经从最初的两端市场向中间市场转移。

HiEV:辉羲希望服务于什么样的厂商?

章健勇:我们希望服务于所有品牌,不论是本土还是合资品牌。

我们预计未来市场将以自主新能源品牌为主,合资品牌的新能源和燃油车型将占有一定份额。新能源车型的销量可能会达到千万级别。市场中将有高性能燃油车和经济型燃油车占据两端市场,合资品牌可能会提供一些竞争力较强的新能源产品。

HiEV:您之前有最早量产EyeQ4和OrinX的经历。能不能从过来人的角度,谈一谈该如何选择计算平台,以避免踩坑?

章健勇:选择计算平台确实像选择手机芯片一样重要,这不是一个简单的决策过程。

大家在决定使用什么芯片时,永远有两难的状态。一方面,等芯片所有成绩都得到证明,再选择使用它,可能等1~2年,会错过最佳时机。另一方面,如果过早选择,又可能因为未知的风险而感到担忧。

但试驾能说明很多问题。数据闭环其实贯穿在我们的组织开发过程中。我们的客户、合作伙伴,对我们的研发细节非常了解。因为我们作为芯片设计方的工作模式,与算法迭代的紧密程度非常之深。每一步都需要正向设计、整体验证,再到最后收敛。对于客户来说,当经历了完整的合作周期,他能拿到的最后结果,可能就是量产时所有的表现。

最保险的办法是,别人使用过、验证过这个芯片,我再来使用,这是最安全的。但问题在于,这好像会晚了点。

因此,我认为对车企、算法方案提供商而言,最好的方式不是简单的跟随策略,而是在前期进行深入的了解,确保与彼此最终的目标是一致的,每一步风险怎么去规避、问题怎么去解决,否则时间差始终存在。

因此,我们会跟客户传递几个方面的信息:

产品的体验,他们可以很快地体验我们demo车的性能;

整体成本,具体数字还没到公开的时间点,但不管哪方面都会让客户觉得性价比更高,在帮他们卖出更多车上有正向价值,提升用户体验、整体运营效率。

总之,我们在产品体验和综合竞争力上,会努力让客户满意。

HiEV:有没有一种更简单的方法来选择计算平台,例如在什么节点应该看到什么?

章健勇:我们在四季度的时候就会看到,我们的整体解决方案在完整的高阶智驾方案上面跑。是一个接近量产状态、在主要城市能跑起来的高阶智驾方案。我觉得这会是一个非常非常有说服力的证明。之前每个环节都有非常完整的仿真结果,也实测验证了demo的软件性能和硬件性能。

  • 长期高阶智驾的成本将继续下降

HiEV:你们对于自动驾驶订阅模式怎么看?长期来看,有机会像特斯拉那样收到订阅费吗?

章健勇:订阅是一种价格的折算方式。

从自动驾驶、高阶智驾来看,订阅或许是一个能够促进行业整体良性发展的机制。

如果最终所有的产品价值需要用户来付费买单,且订阅费用层层分解到解决方案、闭环迭代体系等,且能够比较良性地运转起来。大家会更有动力把用户体验提升上去。不然,你做到95分和90分可能没有太大的差别。

但这受限于车辆销量的竞争,取决于综合的考虑。

HiEV:是否订阅其实对你们影响不大?

章健勇:对我们而言,如果是订阅模式,我们还是会支撑客户和合作方。但我们目前还没有想法去运营整个订阅模式。

HiEV:现在绝大部分的主流厂商已经放弃了订阅。如果要开始订阅,至少要到2026年以后才能收到钱,至少他们在2025年以前是没有人敢收这个费用的。这背后是什么原因?

章健勇:大家先要拿用户的基数,车的基数,这是第一。所以我刚才说车的价格、车的销量在目前阶段会远超过智驾订阅的意义。

HiEV:长期看智驾占的BOM成本?

章健勇:如果一辆车的BOM成本是108000元,按照5% - 8%就对应8000元左右。

我觉得高阶智驾的成本可能还会往下降的。这会是一个长期的方向。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/8356.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【问题记录】Windows命令行中执行.exe文件路径有空格的解决方法

Windows命令行中执行.exe文件路径有空格的解决方法 一,问题现象:二,问题原因三,解决方法 一,问题现象: 在Windows命令行中执行路径中带空格的.exe文件: 会报错: 二,问…

数据库系统理论——关系数据库

文章目录 一、关系(数据结构)1、概述2、名词解释3、关系模式、关系数据库、关系数据库模式4、基本关系的性质 二、关系操作(数据操作)三、关系的完整性1、实体完整性2 、参照完整性3、用户自定义的完整性 四、关系代数五、习题 前…

Qwen大模型实践之初体验

Qwen大模型实践之初体验 测试机器, 使用InternStudio提供的开发机,配置如下: 部分资源详细信息: # CPUIntel(R) Xeon(R) Platinum 8369B CPU 2.90GHz# GPU(base) rootintern-studio-50014188:~# studio-smi Running studio-smi by vgpu-smiW…

有什么快速ai智能生成思维导图的软件?6个软件教你轻松制作思维导图

有什么快速ai智能生成思维导图的软件?6个软件教你轻松制作思维导图 思维导图是一种图形化的工具,用于组织和表示思维过程中的概念和想法之间的关系。在现代的工作和学习环境中,快速制作思维导图对于理清思路、规划项目、记录笔记等方面都非常…

如何设置cPanel的自动备份

近期我们购买了Hostease美国VPS云主机产品,由于需要设置服务器的自动备份,我们向Hostease技术团队进行了咨询,他们提到VPS云主机的cPanel面板包含自动备份功能,下面我们就介绍如何进行自动备份的设置。 首先你需要登录到WHM面板&…

从封号之痛出发:探索自养号测评,助力eBay卖家破局重生

在跨境电商的浪潮中,eBay作为知名的电商平台,吸引了众多卖家前来拓展业务。然而,近年来不少卖家反映,因环境问题导致eBay账号被封号,成为他们业务发展的痛点。为此,本文将探讨如何通过自养号测评&#xff0…

不止于量子!“光与热”两大架构重塑计算前沿

在探索超越传统计算机性能的途径中,量子计算通常被视为一种前沿技术。然而,它并非解决所有计算挑战的唯一方案。事实上,最近有两家公司推出了基于独特物理原理的计算设备,这些设备专门针对特定应用设计,据称在处理特定…

uniapp + vue3 使用axios

场景 uniapp自带的uni.request不太好用,也有可能是自己用axios用的太熟悉了,所以还是用axios趁手点,所以尝试在uniapp中使用axios。 操作 因为uniapp项目没有package.json,所以先在项目根目录下执行 npm init, 执行完毕后直接…

如何vscode中刷力扣

推荐你阅读 互联网大厂万字专题总结 Redis总结 JUC总结 操作系统总结 JVM总结 Mysql总结 微服务总结 互联网大厂常考知识点 什么是系统调用 CPU底层锁指令有哪些 AQS与ReentrantLock原理 旁路策略缓存一致性 Java通配符看这一篇就够 Java自限定泛型 技术分享 如何vscode中刷力扣…

登录校验总览-jwt令牌

一、前置问题 为什么要登录校验?登录校验,就是判断访问资源的用户是否是合法用户,保障安全。如果不设置登录校验,就可以跳过登录,直接通过url访问资源。二、登录校验实现思路: 在服务器端对请求进行统一拦…

Sarcasm detection论文解析 |CAT-BiGRU

论文地址 论文地址:CAT-BiGRU: Convolution and Attention with Bi-Directional Gated Recurrent Unit for Self-Deprecating Sarcasm Detection | Cognitive Computation github:Ashraf-Kamal/Self-Deprecating-Sarcasm-Detection (github.com) 论文首页 笔记框架 …

NVIDIA: RULER新测量方法让大模型现形

1 引言 最近在人工智能系统工程和语言模型设计方面的进展已经实现了语言模型上下文长度的高效扩展。以前的工作通常采用合成任务,如密钥检索和大海捞针来评估长上下文语言模型(LMs)。然而,这些评估在不同工作中使用不一致,仅揭示了检索能力,无法衡量其他形式的长上下文理解。 …

如何提高日语听力?日语学习日语培训柯桥小语种学校

每次一说起练日语听力,总离不开一个词,那就是“磨耳朵”。 可是,“磨耳朵”真的有用吗? 在讨论这个问题之前,我们需要先知道:什么是“磨耳朵”? 所谓的“磨耳朵”,其实就是让我们的耳…

通配符证书价格350元

通配符SSL证书是一种特殊的域名SSL证书,这款SSL证书默认保护主域名以及主域名下的所有子域名,因此,子域名比较多的个人或者企事业单位开发者都倾向于选择通配符SSL证书来简化SSL证书管理过程,节省购买SSL证书的资金,降…

python词云图背景颜色修改

python词云图背景颜色修改 词云图介绍wordcloud介绍修改背景颜色 词云图介绍 词云图(Word Cloud)是一种文本数据的可视化表示形式,它通过字体大小、颜色、布局等视觉元素来展示文本中不同词汇的频率或重要性。词云图中,出现频率高…

纯血鸿蒙APP实战开发——Canvas实现模拟时钟案例

介绍 本示例介绍利用Canvas 和定时器实现模拟时钟场景,该案例多用于用户需要显示自定义模拟时钟的场景。 效果图预览 使用说明 无需任何操作,进入本案例页面后,所见即模拟时钟的展示。 实现思路 本例的的主要实现思路如下: …

C语言:__attribute__((packed))

一、简介 在使用结构体的时候,经常要根据结构体的长度来进行相关判断。但是按照C语言的规则,会对不同类型的数据类型进行自动对齐。有时候就会造成一些问题,如果不需要使用自动对齐的功能,就需要使用到本章的关键字。 二、自动对…

相机内存卡格式化怎么恢复?恢复数据的3个方法

相机内存卡格式化后,许多用户都曾面临过照片丢失的困境。这些照片可能具有极高的纪念价值,也可能包含着重要的信息。因此如何有效地恢复这些照片变得至关重要。本文将详细介绍三种实用的恢复方法,帮助您找回那些珍贵的影像。 下面分享几个实…

JavaScript 动态网页实例 —— 数值处理对象

前言 Math对象用于进行数学运算。其属性是数学中一些常见的常数值,在程序中可以直接使用。Math对象的方法很多,主要完成一些常见的数学运算,如三角函数计算、乘方、开方、求对数等。在 Math 对象的方法中,除了random()之外的所有方法都需要一个或几个参数,并且其用法基本…

24V转3.8V用什么芯片方案-AH8310

在将24V降压至3.8V的电源转换中,AH8310是一个理想的选择。这款芯片是一款降压转换器,输入电压范围为4.5V至36V,输出电压可调,峰值电流可达1.5A。AH8310采用SOT23-6封装,内置MOS,适用于各种应用场合&#xf…