这几年芯片设计行业在国内像坐过山车。时而高亢，时而低潮。最近又因为AI的热潮开始high起来。到底芯片行业的规律是如何？我谈谈自己观点：芯片设计是“劳动密集型”行业。“EDA和工具高度标准化和代工厂的工艺标准化之后，芯片设计就变成了“劳动密集型”工作，这也是美国很长一段时间几乎要放弃芯片设计行业的技术背景。当然美国国内也没有这么多EE工程师供应。要跟制造业一样转移给全球各地。一家之言，大家看看笑笑

两个月前，含光800的评论不绝于耳，甚嚣尘上的是关于它霸道的算力参数以及继玄铁SoC之后的紧密发布；本篇讨论和分享一些野闻－－更多在关注这颗60*60的推理芯片的设计不足；目前这个百亿密度的设计其中指令架构是值得探究的（170亿），没有详实介绍，有人概括为IDC侧的多模态多任务…。然而就量产流片/商业化的角度，TSMC的朋友佐证目前yield仅个位数（2%），250MB SRAM，GUC做的外包，

原文特斯拉“纯视觉路线”能去掉ISP吗？特斯拉“纯视觉路线”能去掉ISP吗？对特斯拉死磕的“纯视觉路线”，持质疑态度的。质疑的点在于：算法的进步，能弥补摄像头物理性能的局限性吗？比如，视觉算法足够牛逼时，摄像头就有测距能力了？晚上就能看见了？前一个疑问，在2021年7月份被打消——当时，特斯拉被曝已开发出“纯视觉测距”技术。而后一个疑问，则持续存在。如果把摄像头类比为人眼、把视觉算法类比为人的大脑

自动驾驶泊车算法是自动驾驶技术中的重要组成部分，主要用于实现车辆在复杂场景下的自动泊车功能（如垂直泊车、侧方位泊车、斜列泊车等）。将泊车问题转化为约束优化问题（如最小化路径长度或转向次数），使用A*、RRT（快速随机树）、MPC（模型预测控制）等算法。利用摄像头、超声波雷达、激光雷达（LiDAR）、毫米波雷达等多模态传感器，实时检测停车位、障碍物、行人等目标。基于车辆运动学模型（如阿克曼转向几何）

L2 级自动驾驶硬件架构以 “

L2级自动驾驶系统架构围绕结构化道路场景设计，聚焦纵向和横向控制功能，同时要求驾驶员持续监控。系统采用摄像头+毫米波雷达组合实现环境感知，通过多源融合完成米级定位。预测层针对高速场景简化模型，规划层实现ACC+LCC联动控制。整体架构遵循成本可控原则，强调人机协同与功能安全，包含感知、定位、预测、规划等八大模块，满足辅助驾驶需求而非完全自动驾驶。

dim3 grid(3, 2);dim3 block(5, 3);可以转置一下理解#include <stdio.h>#include <iostream>using namespace std;__global__ void hello_from_gpu(){const int b = blockIdx.x;const int c = blockIdx.y;const i

最近在看人脸识别方面的内容这是别人总结的资料insightface,目前开源最好的算法这是使用教程facenet这个精度不高

在ubuntu上安装vivado2021.1时，一直卡在最后一步：generating installed device list。安装其他版本也出现过该问题。再重新安装，问题解决。

https://github.com/zhm-real/PathPlanning