说到莲花，有的人可能会说，这种花从小看到大，没什么新鲜的。 那么，如果有莲花能大到能让一个小孩子坐在莲叶上面，是不是不仅很爽，还很有“诗情画意”？ 前段时间，在上海就有萌娃体验到了这种很爽的感觉。可以坐在王莲的叶子上，甚至还能蹦，岂不美哉？限制40斤以内的萌娃可参加。 这里说的王莲被誉为“水生花卉之王”，叶子甚至可以支撑一个成人的重量！ 不仅如此，王莲花开时，一天还能变换三种颜色。 是不是很神奇？今天我们就来系统地了解一下王莲吧。 王莲原来不止一种 王莲是睡莲科王莲属植物的统称，该属全世界有2个原生种： 克鲁兹王莲（Victoria cruziana），原始分布于巴拉那河流域，主要产地在巴拉圭、阿根廷北部； 亚马逊王莲（Victoria amazonica），原始分布于南美洲热带的亚马逊河流域，主要产地为巴西、玻利维亚。 此外，王莲有多个栽培品种，其中以美国长木公园在上世纪60年代用克鲁兹王莲作为母本、亚马逊王莲作为父本杂交培育出的朗伍德王莲（Victoria 'Longwood’）最为出众。目前，这三种王莲人工栽培最为广泛。 王莲在19世纪初被人们发现，我国早在1958年就开始引种试验，多个植物研究所和植物园陆续开展了引种栽培工作，人工培育取得了一定的成效。 但由于王莲个体巨大，种植需要足够大的水域，加之其对气候条件要求较高，所以目前王莲在我国水体绿化应用中尚有较大的局限性。 王莲“力量”究竟有多大？ 王莲的特征之一，就是其巨大的叶子。其叶片边缘上卷，圆形，直径可达3米以上，大而舒展，奇特似盘，浮在水面生长十分壮观，非常具有观赏价值。 此外，王莲的叶脉粗大，呈网状，内部呈海绵状，贮存着大量气体，这种特殊的叶脉结构不仅能够使叶片充分伸展，而且使叶片具有较强的承载能力。 一枚较大的王莲叶片，可撑起一个体重70kg的成年人，可谓是植物叶片中的“大块头”、“大力士”，无愧为“王”莲。 国内许多地区都开展有“坐王莲”的体验活动，供小朋友们感受王莲力量的魅力。 不过要注意，王莲叶子能承受的压力很大，但人一脚上去可能就把叶子踩破了。所以“坐王莲”一般要先给叶片上面铺上硬质垫子，确保压力能尽可能分摊在整个叶片上。 王莲开花之后会变色 王莲除了它有巨大的叶片和承载力让人称奇外，花也十分有趣，能够两次开放、变换三种颜色。 王莲开花时花蕾从水中挺出水面，花期为三天：第一天傍晚开花，花瓣白色，有浓郁香味；翌日上午关闭，下午再度开放，花瓣粉红色至深红色，无香味；第三天上午花瓣呈深红色，闭合并沉入水中。 大家知道，花色与花瓣中色素的种类和含量有很大关系，王莲花色变化实际就是自然界中让花瓣呈现红色、紫色的主要色素--花青素逐渐积累的过程。 开花初期，花瓣中仅有极少量的花青素，花瓣呈白色，随着时间的推移，花青素逐渐积累，含量增加，花瓣依次呈粉红直至深红，导致了花色变化的有趣现象。 花变色的深层意义 然而，变色只是表象。研究发现，王莲花的开放和闭合、花色变化、香味变化等高度特化的特征，都是为了更好地适应昆虫传粉。 王莲第一天傍晚开花，花瓣白色、具有浓郁香味，能够有效吸引传粉昆虫前来授粉；随着花瓣闭合，这些传粉昆虫被困在花中，直到第二天再次开放时才能离开，而此时王莲开始散出大量花粉，这些陆续离开的传粉昆虫身上沾满花粉，前往下一朵花去了。 这一阶段的王莲花没有任何香味，花瓣呈现出粉红色至深红色，和初开时的白色有了明显区别，这相当于告诉那些前来授粉的昆虫说：“我已经没有花粉了，不用再来了，快去刚开的花那里，别浪费时间！”。 等困在花里的传粉昆虫带着花粉走掉，王莲花也完成了自己的授粉使命，再次闭合并逐渐弯曲的花梗拖入水下，开始孕育果实。 还有哪些植物花会变色？ 花色的变化，常常伴随着花粉量、花蜜量、雌雄繁育能力等指标的相应变化，具有复杂的生态学功能，其中一个重要功能就是：向传粉者提示，减少传粉者的徒劳访问，以此提高传粉效率。 这一现象在植物中较为普遍，据统计，被子植物中大约有33目78科253属植物在开花时存在花色变化的现象，常见的有金银花、偶色茉莉、木芙蓉等等。 金银花，图片来源：作者拍摄 偶色茉莉，图片来源：作者拍摄 马缨丹，图片来源：作者拍摄 木芙蓉，图片来源：作者拍摄 以金银花为例，它并不是真的具有黄色、白色两种花，而是花在刚开放的时候呈现白色，随着时间推移，逐渐变为黄色直至凋谢。同一个植株上有些花刚刚开放为白色，有些快要凋谢为黄色，所以经常看到黄色、白色的花同时存在，故名“金银花”。 本文专家:荣海，植物科普作家

一日三餐，都讲究荤素搭配。 鱼类，是很多家庭的荤菜首选。 麻辣水煮鱼、酸菜鱼、剁椒鱼头、红烧鲤鱼…… 吃鱼，不仅仅是因为“鱼”与“余”同音，寓“富贵有余”、“吉庆有余”、“连年有余”之意。 早在2016之前，我国的权威营养学专家学者团队，对64篇国内外相关科学研究文献进行证据评价结果发现： 增加鱼肉的摄入可降低心血管疾病和脑卒中的发病风险，可能降低痴呆及认知功能障碍与老年黄斑变性的发病风险。 吃鱼究竟有哪些好处？越多越好？怎么吃？一起来看…… 吃鱼有哪些好处？ 鱼肉中肌纤维短，间质蛋白（俗称肉筋）少，水分含量较多，因此，组织柔嫩，较其他畜禽肉更易消化。 鱼肉，是蛋白质、B族维生素及人体所需多种矿物质的优良来源，蛋白质和脂肪含量根据鱼的种类、年龄、肥瘦程度及捕获季节等不同而有较大区别。 一般来说，鱼类蛋白质含量为15-22%，鱼类脂肪含量相对较低，仅为1-10%，且含有较多的不饱和脂肪酸，有些鱼类富含二十碳五烯酸（EPA）和二十二碳六烯酸（DHA），对预防血脂异常和心血管疾病等有一定作用。 鱼肉中含有少量的维生素和矿物质，鱼类是人体获取维生素A和D的重要来源，也是维生素B2的良好来源。 很多鱼的高钙富碘特点更是其他肉类无法可比的强项。 近几年来，国内外很多关于不同地区不同膳食模式对健康结局的影响研究结果显示，摄入鱼虾水产品相对较高的地中海饮食模式人群和我国江南地区人群发生超重肥胖、2型糖尿病、代谢综合征和脑卒中等疾病的风险均较低。 当然，这些地区膳食特点还同时包括多蔬菜水果、经常吃奶类和大豆制品、适量的谷类和肉禽类、烹调清淡少盐等合理膳食因素。 《中国居民膳食指南科学研究报告（2021）》中指出，全球疾病负担研究显示，2017年中国居民约有310万人死于膳食不合理，包括鱼虾类摄入不足等，不合理膳食模式成为了中国人疾病发生和死亡的最主要因素。 以此，得出了“每天摄入鱼肉每增加100克，脑卒中风险可下降14%”的结论。 所以，鉴于此，鱼类被列入了有益健康的主要推荐食物之一。 鱼，吃得越多越好？ 从食品安全性来考虑，鱼类或海产品并非吃得越多越好！ 世界上已有12个国家单独对鱼进行推荐时，推荐量均约为每周摄入小于300g。 鱼类容易受生活水域的影响，可通过生物链的生物积累和生物放大作用将重金属积聚在体内，如果重金属汞汇集到鱼生活的水域，水中的细菌会把汞转化为剧毒形式---甲基汞。 即使轻度污染的鱼，若摄入频次和摄入量过高，体内也会发生蓄积，对健康不利。 所以，吃鱼要适量，但也不能在有条件吃鱼时放弃吃鱼！毕竟吃鱼的人比不吃鱼的人更健康更聪明。 吃鱼对包括胎儿在内的所有年龄段人群都带来健康益处，尤其是育龄妇女更不能放弃吃鱼。 如何正确吃鱼？ 首先，吃鱼要有原则，常吃、适量、饮食多样化。 每周最好吃1-2次鱼，每周不要超过300克，还要吃其他禽畜肉、蛋奶和大豆坚果，增加蔬菜水果和全谷物的摄入量。 第二，不要选择巨型鱼，鱼龄太大的鱼。 因为鱼类食物链顶端或者鱼龄越大的鱼，鱼肉中的甲基汞含量越高。 有条件可选择鲭鱼、鲑鱼、沙丁鱼、比目鱼、凤尾鱼、牡蛎、虾、螃蟹、扇贝、金枪鱼等，这些鱼不仅汞聚集相对较低，EPA、DHA的含量也较高。 如果每周1-2次吃EPA、DHA含量很低的鱼类（如鳕鱼）来取代吃猪肉和牛羊肉，一样会对心脏有益。因为在摄取优质蛋白的同时没有摄入过多饱和脂肪。 注意烹饪方法是在没有采用油煎、油炸、红烧、奶油酱汁、浓油赤酱等情况下。 第三，不要痴迷于吃活鱼、野生鱼或生吃鱼更营养的说法。 捕捞、运输、加工和储存中标准化的冷冻、罐装的深海鱼中的EPA、DHA不会减少，在控制了钠含量和烹调用油加工储存的情况下，吃这种状态的鱼是有益心脏健康的。 但生吃鱼无法避免自带的、被污染的致病菌和有害物质的污染，无法保证安全享用海产品，所以吃生鱼片、寿司要谨慎。 本文专家:葩丽泽，营养学主任医师、原新疆维吾尔自治区疾病预防控制中心慢病预防与健康管理所副所长

凤凰网科技讯 北京时间10月12日消息，据报道，到目前为止，美国疾病控制和预防中心仍将新冠肺炎在不同人群中的感染与缺乏医疗保健、工资差距、住房因素等联系起来。不过，旧金山河口研究所、大自然保护协会以及伊利诺伊大学的新研究表明，较少接触大自然也可能成为人们感染新冠肺炎的诱因。 旧金山河口研究所城市自然实验室的首席科学家、《自然可持续性》论文的首席作者艾瑞卡·斯塔伍德（Erica Spotswood）在接受记者采访时指出：“美国不同城市在接触自然方便的不均衡产生了许多影响民众健康的效应，而在新冠疫情期间，这种效应变得越来越显著，” 更令人惊讶的是，上述论文将接触自然与新冠肺炎感染率联系起来。 换句话说，树木和其他自然元素能够对周围生活的民众提供预防疾病的保护作用。 研究小组强调，尽管他们的分析从统计角度上来看是合理的，但他们也只是证明了自然与新冠肺炎之间的相关性而不是因果性。 据了解，在美国的环境心理学专家群体中，对于自然和疫情他们有着自己的观点。伊利诺伊大学自然资源与环境科学系副教授、该论文的合著者郭明（音译）在接受记者采访时表示：“事实上，对于大自然可以保护人们避免被新冠肺炎感染的可能性有非常明确的解释。”。 “我们知道，人们在公园或树林里待一段时间能够增加体内的’自然杀手细胞’，这是我们身体对抗病毒感染的’军队’。一个人的居住区域越绿色，其感染各种病毒的可能性就越小。当我们接触到病毒时（任何一种病毒），我们的自然杀手军队会在其演变成全面爆发的病症之前立即将它压制住。既然这对于我们研究过的所有病毒都是如此，那么其对于潜在的新冠病毒也有相同的作用。” 研究成果发现，暴露在绿色环境中不仅可以缓解压力，还可以激活人们的免疫反应。树木和其他自然元素还能够降低空气污染和气温，其他研究结论已经明确空气污染和气温与新冠肺炎感染率之间存在关联。 另外，那些居住在公园及其他绿色空间毗邻地区的人们更有可能在疫情明显减轻的地区开展户外社交。 无论什么样的原因，研究团队都建议相关方面在疫情期间应该出台短期措施以移除人们与大自然接触的障碍。比如各地政府应该保持城市公园的开放、安全以及可用。（编译/良弼） 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”（iFeng科技）。

如今，工业机器人成为智能化“黑灯工厂”标配，为众多大型企业降本提效。服务型机器人则在跌跌撞撞中找到了仿生+智能的路线。它们屡屡登上热搜甚至春晚舞台，从不到万元的产品到数十万元的产品，机器人赛道已经成为硬科技的焦点。 文｜罗宁 2019年，一部名为《美国工厂》的影片获得第92届奥斯卡最佳纪录片。这部将视角对准中国福耀玻璃在美国开设工厂的影片成为经济全球化冲击美国工业的缩影，在影片最后，福耀决定在美国工厂安装机器人，伴随“自动化导致全球3.75亿人失业”的旁白，影片就此戛然而止。 这是机器人、机器臂、自动化生产线占领全球工厂的冰山一角，随着工业4.0序幕拉开，像福耀这样在工厂安装机器人，并组织工人学习机器人课程的企业越来越多，围绕搬运、焊接、装配、涂装等诸多环节的工业机器人成为员工进入工厂之后的“必修课”，并加速了机器人新时代的到来，正如曹德旺所说： “机器没有什么可怕的，现在各国劳工都不够。” 事实的确如此，人力资源短缺状况在两年后的今天愈发严峻，以至于连造车新势力们也轮番上阵带来自己的机器人产品。最疯狂的还是“钢铁侠”马斯克，年初喜提世界首富的他，在八月的AI Day上出人意料的宣布了Tesla Bot项目，并计划在2022年推出能够帮人跑腿、收拾屋子的人形机器人，“心急”的老马还不忘说出豪言壮语： “特斯拉已经是地球上最大的机器人公司，我们每一辆车都是装有轮子的机器人，自动驾驶技术的进化让我们能顺理成章地造出人形机器人。” 让马斯克如此自信的特斯拉自动驾驶技术如今已经能够实现对周围环境的感知，而感知技术是汽车安全驾驶的基础，也是机器人与真实世界互动的前提，但Tesla Bot这样看似完美的人形机器人是否能在2022年走进人们的家庭，似乎还得留一个悬念。 自1961年通用汽车公司上线第一台工业机器人Unimate，到如今人形机器人出现在汽车厂商发布会上，机器人在半个多世纪中衍生出工业机器人、服务型机器人、特种机器人三大类，并在不同赛道诞生出众多公司。 如今，工业机器人成为智能化“黑灯工厂”标配，为众多大型企业降本提效。服务型机器人则在跌跌撞撞中找到了仿生+智能的路线。它们屡屡登上热搜甚至春晚舞台，从不到万元的产品到数十万元的产品，机器人赛道已经成为硬科技的焦点。 本文尝试从技术与商业两个维度分析，藏在热潮背后，机器人行业正在发生的“关键时刻”： 1、数字孪生对机器人产业有什么影响，工业4.0时代应用场景中有哪些机会？ 2、服务型机器人领域，为什么说中国机器人将有机会站在C位？ 数字孪生让“钢铁侠” 进入“黑灯工厂” 历史经验告诉我们，看似强大的机器往往面临着许多意想不到的难题，“不够智能”则最让人担心。一旦机器人面对的场景复杂度加倍，通常都不如人类应对灵活，正因如此，数字孪生技术才显得如此重要。 近两年，利用数字孪生技术对工业机器人进行升级的趋势愈发明显，在制造业向数字化、网络化、智能化方向转型升级的过程中，如何在产品迭代同时实现机器人的同步式升级？如何在中国实现数字化工厂的“快速复制”？如何运用同一平台控制各类工业装备和交互数据？这些都需要运用数字孪生技术。 “国内工业4.0起步较晚，我们和发达国家工厂的最大差距在于‘缺心少脑’，这个大脑就是数字孪生技术。但是当我们把真实生产场景制作成虚拟仿真场景，并在孪生场景中观察系统和设备的运行状态时，我们就能实现通过模型动作模拟和还原部件运行情况，也就能够掌控和提前预知整个工厂动态。” 新松机器人一位负责人表示，如今各国都在朝着无人且智能化的“黑灯工厂”目标迈进，工业机器人已经能够取代一部分工人工作，但如何复制建造大批量“机器人工厂”，还面临着如何从软件、硬件到系统，从底层到顶层的全体系自主可控的难题：“不但要知道所有机器现状，还要能够精准预测每一部分每一环节的机器人接下来会怎样，以及是否需要检修和维护。” 这听起来非常科幻，要想实现更是困难。为了实现这一目标，发达国家已经走了近20年，早在2002年，美国密歇根大学教授迈克尔·格里弗斯就提出，在计算机的虚拟世界建立一个跟实物一模一样的模型，他把这个模型叫做数字孪生体，这就是数字孪生这项技术的雏形。 此后的多年时间，数字孪生逐渐发展出“基础支撑”、“数据互动”、“模型构建”、“仿真分析”、“共性应用”、“行业应用”六大大核心模块，对应从设备、数据到行业应用的全生命周期，而为实现机器人与数字孪生技术的结合，国内外掀起了一场数字孪生军备竞赛。 2017年5月，英伟达首席执行官黄仁勋在加利福尼亚圣何塞举行的GPU技术大会上发表了主题演讲，当他向公众展示出这个名为Isaac机器人模拟机（Isaac Robot Simulator）的项目时，现场观众爆发出阵阵掌声。 （图自英伟达） 这是一个会打冰球的机器人，它可以利用深度学习神经网络，找出击打冰球的最佳方法，并能随时间的推移不断自主学习。这听起来就像《钢铁侠》中的贾维斯一样“一代胜过一代”，但值得注意的是，Isaac每一次学习并不需要在现实世界完成，而是通过一个虚拟环境，对于物理世界的的摩擦、受力等进行还原，从而完成训练。 这对于一个即将出现在真实世界的机器人意味着，早在它被制造出来时，就已经在模拟环境中进行了数百万次甚至上亿次训练。一边是虚拟世界设计机器人，一边是在虚拟世界中训练机器人，黄教主把数字孪生技术带入了机器人时代，他认为这是一次巨大的改变： “人工智能的机器人很有希望改善我们的生活，但建造和训练它们是一项巨大的挑战，英伟达正在通过在现实世界中深厚的模拟专业技术，在机器人产业掀起一场革命，以便让机器人被训练得更精确、更安全，也更迅速。” 借助Isaac机器人模拟机，英伟达数字孪生技术实现了在高度逼真的虚拟环境对机器人进行训练，然后将知识传输给现实世界的机器人，2019年GTC大会，英伟达又为其加入仿真功能，使机器人能够获得由人工智能技术驱动的感知和训练功能，从而可以在各种环境和情况下对机器人进行测试和验证。 随后，这场机器人领域的革命传递到更多领域，海外的特斯拉、宝马、丰田等对产品以及工厂进行了数字孪生技术升级，在国内，华为、腾讯、阿里巴巴、京东、哈工大机器人集团等企业也开始涉足数字孪生技术，其方向涵盖了智慧城市、自动驾驶、工业制造、物流运输等各个领域，也从传统的钢铁、电力等流程型制造企业覆盖到汽车等离散制造业。 今年2月，由腾讯产业生态投资与小苗朗程联合领投的优也科技完成近亿元战略融资，作为面向工业数字化智能化转型提供全栈产品的技术服务商，优也科技通过数字孪生体对工业对象解耦、建构模型、进行实时计算，对包括钢铁、有色金属、发电等一些流程型制造企业带来数字孪生技术应用。 正如小苗朗程合伙人方正浩所说：“我国流程制造业的产成品附加值不高、原材料占成本比较高、能效仅为欧美国家的40-70%，单位产值仅有全球领先水平的1/3-2/3，其数字化、智能化改造的提升空间巨大。”这些流程制造业的数字化转型并非单纯添加几个机器人，而是利用数字孪生技术全方位为企业提效降本，这正是中国产业升级的核心所在。 离散制造业领域的升级同样受到关注，5月28日的阿里云峰会上，阿里云与机械工业九院联合发布“汽车数字工厂1.0”行业解决方案，这个拥有全智能生产线，装备海量机器人的工厂正为红旗年产20万辆以上汽车进行准备。由于汽车制造中会涉及数万种零部件和数百种加工工艺的加工、组合、检测，因此与流程制造业相比要求更高，数字孪生的加入更考验企业管理生产的能力，但正因如此，国内制造业若要赶上甚至超越海外，就必须拿下这块“高地”。 实际上，后疫情时代，伴随国内制造业数字换转型需求，数字经济也在倒逼更多企业加速技术升级，而数字孪生技术的重要性愈发凸显。埃森哲最新数据显示，2020年，我国产业数字化占数字经济比重高达80.9%，而截止今年6月底，我国在制造业重点领域企业关键工序数控化率、数字化研发设计工具普及率分别由2016年的45.7%和61.8%增长至53.7%和73.7%，说明中国在工业领域利用新技术提升效率的速度在不断提升。 （图自DeepRobotics） 而在服务机器人行业，近两年风头无二的机器狗类型产品，也借由数字孪生技术从单纯观赏性变成更多领域的得力助手，出现在安防巡检、物流配送、火灾救援等场景中，在国内这条赛道除了优必选、宇树科技、DeepRobotics、Dogotix等创业公司外，也不乏腾讯、小米等巨头加入。 为了实现不同的功能特性，不同公司通过数字孪生技术让机器人在虚拟世界中有了自我学习和进化能力，研发电力巡检机器狗“绝影X20”的云深处科技工作人员告诉我们： “数字孪生技术不但能够方便研究人员持续训练机器人，更重要的是节省时间与经济成本，尤其在很多复杂场景中，经过训练后的机器狗对环境变化能比人作出更快应对。” 在一些科技最前沿领域，数字孪生技术将能实现人类过去一直想做却做不到的事情。本次世界机器人大会上，中国空间技术研究院就展示了应用于“天宫”太空站的“大型空间站机械臂”，这些机械臂的作用非常重要，能够帮助人类做好太空站的日常维护，也能完成人类难以做到的很多工作，但在上太空之前，为了能够模拟真实的太空环境，也需要数字孪生技术加持。 “举例来说，我们在虚拟世界中使用数字孪生技术对机器人的大脑进行训练，训练好后即可将这个大脑安装到现实世界的机器人上。比如我们要制造一个炒菜机器人，我们可以先通过仿真，教这个炒菜机器人如何去处理和烹饪各种各样的食材，然后再把训练好的炒菜机器人大脑转移到实际物理机器人中，这样一来，机器人的开发速度就大大提高了。” 黄仁勋这样解读机器人数字孪生技术的意义，如果说过去几十年机器人成长速度慢是因为不够智能，那么数字孪生技术则为机器人的智能化和自我成长注入了能量。 “无中生有”和C位新机遇 “人们不知道想要什么，直到你把它摆在他们面前。” 乔布斯这段话放在如今的机器人领域似乎再合适不过。伴随时间的推移，机器人产品种类愈发多样化，正如我们前文所提到的，数字孪生技术的引入让机器人拥有了现实环境之外更高另一层的学习维度，尤其在服务机器人领域，如同《黑客帝国》中只要将磁盘插入人脑就可以让人瞬间学会外语或功夫的“魔法”在如今的机器人身上也开始奏效，并推动整个服务机器人领域细分市场的变化。 在国内，越来越多企业在做不同赛道方向的尝试。据赛迪顾问今年五月发布的数据，国内服务机器人市场的投融资规模从2019年的54.2亿元大幅增至186.2亿元，增幅为344%。产品种类从扫地机器人、送餐机器人扩展到农业机器人、医疗辅助机器人等类型，疫情期间更是推动了安防巡检机器人、消毒清洁机器人的活跃。 （图自优必选） “中国拥有全球最大的工业机器人销量市场，占全球约30%的市场份额。”优必选首席品牌官谭旻提到，未来家家户户也许都会有一台机器人，因此市场会催生出更多类型的机器人产品，在他看来，最大的问题在于，“随着教育机器人、康养机器人、物流机器人、检测机器人、清洁机器人等类型产品增速逐渐提升，如何能在这样的关键节点抓住机会？” 关于这个问题，在2021世界机器人大会现场我们也看到了一些答案。同样是轮式机器人，面向不同场景就出现了诸多类型，送餐类、清洁类、消毒类、运输类，而这些大类还分出了更细化的不同场景，他们都抓住了国内对于新技术的融合趋势，以行业内融资规模较大的达闼科技和高仙机器人为例，面向场景包含商务、医疗、零售、智慧城市等多个领域，服务方式也从单一的机器人服务进化到融合5G、云计算、人工智能等技术。 达闼科技创始人兼CEO黄晓庆认为，新技术为机器人带来了细分行业的机会，这正在成为计算机进入人类社会之后又一次重要改变，正如他所说：“以云端机器人为代表的智能服务机器人是5G时代的杀手级应用，是人类的第三台计算机，必将超越手机和汽车行业成为数字时代的最大产业。” 再看一些上市公司，这一趋势更加明显。以国内成功上市的科沃斯、石头科技这些扫地机器人企业为例，它们在产品形态上从过去的单纯清扫升级到扫拖一体，再到如今包含自动集尘、自动水洗拖布、自动烘干的一体式解决方案，而在海外曾经技术领先的iRobot、Neato等公司，在产品升级速度和市场洞察方面略逊一筹，并出现了同样是上市公司，作为后来者的科沃斯、石头科技市值在700亿人民币以上，远超上市公司iRobot一百多亿人民币（根据美元换算）市值的现象。 从科沃斯、石头科技看中国机器人产品，会发现中国机器人产品在细分领域市场“站C位”趋势愈发明显：中国有全球最大的机器人消费市场，相关产业链也相当成熟，以扫地机器人为例，一方面，基于激光雷达、摄像头、红外等多种传感器形成的环境感知系统已经成为行业成熟的落地技术，云端数据处理、IoT、5G网络加持，都让这些设备具备了更高的智能。 另一方面，中国公司在人工智能算法上的快速迭代升级，使机器人能够不断扩充功能，因此占领更大市场，当成熟技术加上中国速度，当中国市场消费升级，大环境趋势开始推动相关企业站在历史舞台上。 据企查查《近十年机器人行业融资分析报告》统计，我国机器人产业从2011年起至今累计融资事件2661件，总融资金额超1385亿元。尽管行业热度在2017年后有所下降，但近两年，机器人行业再次升温，据公开资料统计，2021年度1月-7月，服务型机器人赛道共发生66起融资，总融资金额超过100亿元，单笔融资金额达亿元及以上达到27起，不断火热的服务型机器人赛道，正是中国市场爆发的真实写照。 （融资信息来自企查查，商业数据派整理） 谭旻在2021世界机器人大会演讲中也提到：“在整个机器人产业链，无论是上游底层硬件，从AI芯片、伺服舵机、减速机、传感器等技术上面，中国已经有全球最长的产业链，在中游的技术支持上面，无论是计算机视觉、机器学习、语音识别、还是云平台、物联网等方面，中国也有全世界最庞大的群体，而在下游产业的供应链里，中国是全世界拥有最庞大应用场景的地方。” （图自优必选） 根据思科预测，2023年全球联网设备数量将达到293亿台，2018–2023年复合增速为9.75%。服务机器人通过互联网与运行环境中的其他硬件设备实现通信互联，同时联网运行中产生的海量数据构成云计算的基础，服务机器人可通过自身的数据处理运算能力对云存储中的经验数据进行学习，从而获得更强的环境适应能力。 这意味着，服务型机器人将成为物联网人机交互的信息中枢。 随着后疫情时代“无接触式服务”的影响越来越明显，机器与人共存开始从现象升级为常态，在机器人产业升级换代的有形之手与人口红利消失的无形之手共同推动下，中国机器人行业如今进入到新一轮窗口期，尽管我们在机器人底层技术尤其是工业机器人领域底层技术上仍有差距，但在服务型机器人市场，得益于中国快速成长的消费市场和机器人上下游产业链的发展，中国服务型机器人站在C位的机会正越来越多。 在过去近半个世纪内，“人口红利”成为中国经济增长发动机之一，现如今，这个发动机正在“老化”。 当适龄的劳动人口减少，社会用工负担加重，我们显然需要新的一套运作方式，这正是如今全球尤其是国内“机器人红利”出现的根源。而在机器人红利到来时，拥有海量用户数据以及快速迭代精神的中国互联网公司，如何能够借此机会创造出更具价值的产品，尤其是机器人产品，将成为更多人关注的焦点。

编译 | 程茜 编辑 | 李水青 智东西10月12日消息，人工智能研究实验室DeepMind近日为提高机器人的物体堆叠能力提出新基准。 Deep Mind的研究小组通过RGB堆叠技术（RGB-Stacking）对机器人进行强化学习训练，评估多个研究对象的行为和动作来提高机器人能力。该项技术利用放置在篮子内红色、蓝色、绿色三种颜色的不同物体，对机器人手臂进行训练，因此被称作RGB堆叠。 一、推出机器人堆叠新基准，开源成果 对大多数人来说，将一个物体堆叠在另一个物体上是一项简单的任务，但即使是最精密的机器人也很难一次处理多项堆叠任务。堆叠动作需要一系列不同的运动、感知和分析技能，包括与不同类型物体交互的能力，将这个简单的人工任务提升为机器人技术，是一个面临巨大挑战并极其复杂的任务。 DeepMind关于机器人学习的研究小组认为，推进机器人堆叠的最新技术将需要一个新的基准。机器人学习会议 (the Conference on Robot Learning ，CoRL 2021）中发表的一篇论文中介绍了RGB堆叠，该项技术的任务是让机器人学习如何抓住不同的物体并在彼此之间保持平衡。 虽然其他论文中已经存在堆叠任务的相关基准，但研究人员认为其研究的独创性在于，研究对象选择的多样性以及验证其研究发现而进行的评估。该论文的研究结果表明，模拟数据和现实世界数据的组合可用于学习“多对象操作”，这为机器人学习解决泛化新对象的问题提供了强大的基础。 为了支持其他研究人员，该研究小组开源了一版模拟环境，并发布了他们用于构建真实机器人RGB堆叠环境的设计，以及用于3D打印的RGB对象模型信息，并且在未来将更广泛地开放其机器人研究过程中使用的一系列图书馆资源和工具。 二、两大测试三大阶段，挖掘机器人学习潜能 RGB堆叠的目标是通过强化学习训练机械臂堆叠不同形状的物体。强化学习是一种机器学习技术，它使机器人能够利用自己动作和经验的反馈，并通过反复试验来学习。 RGB堆叠将一个抓手连接到篮子上方的机器人手臂上，篮子里放着红、绿、蓝不同颜色的三个物体。机器人必须在20秒内将红色物体堆叠在蓝色物体上方，而绿色物体则作为障碍物来分散其注意力。 DeepMind的研究人员表示，这个学习过程可以确保机器人通过对多个对象集的训练获得通用技能。RGB堆叠有意改变机器人抓取和堆叠的特性，这些特性定义了机器人如何抓取和堆叠每个对象，从而使机器人不断超越更简单的拾取和放置行为策略。 DeepMind研究小组的RGB堆叠基准测试包括两个不同难度的测试。在“技能掌握”测试中，其目标是训练一个能够熟练堆叠一组预定义的五个三元组的智能体；在“技能泛化”测试中，研究人员使用相同的三元组进行评估，但在超过一百万个可能的三元组对象上训练代理研究对象，为了测试泛化，这些训练对象中排除了被选择在“技能掌握”中测试的三元组的对象组。其次，在这两级测试中，又将机器学习管道分解为三个阶段。 研究人员声称，使用RGB堆叠方法训练的机器人产生了“令人惊讶”的堆叠策略，并且出现对堆叠对象子集的“精通”现象。尽管如此，研究人员认为这只触及了机器人学习的表面内容，而针对泛化面临的挑战仍未得到解决。 三、发布新基准，助推制造业再次繁荣 “随着研究人员不断努力解决机器人技术推广落地的挑战，我们希望这个新的基准，连同我们发布的环境、设计和工具，有助于产生新的想法和方法，使操作更容易，机器人更有能力。”研究人员补充道。 随着机器人越来越擅长堆叠和抓取物体，一些专家认为，这种自动化技术可能会推动美国的制造业的新繁荣。在谷歌云和哈里斯民意调查最近的一项研究中，三分之二的制造商表示，日常运营中人工智能技术的使用频率正在增加，74%的制造商认为他们能够应对目前瞬息万变的工作环境。 其次，制造业公司预计在未来五年的生产效率将会随着数字化转型的发展而逐渐提高。麦肯锡与世界经济论坛（McKinsey’s research with the World Economic Forum）的研究表明，到2025年，实施传统工业实践自动化“工业4.0”的制造商，其生产价值的创造潜力将达到3.7万亿美元。 结语：DeepMind新基准推动机器人行业进程 在机器人学习技术的研究过程中，获取数据较为困难，使得其发展面临困境。作为通用人工智能领域的领军企业，DeepMind为解决机器人学习泛化问题提出新基准，并且主动开放研究过程的相关资源，共享研究成果，有望推动整个行业取得新进展。 但显而易见的是，机器人学习泛化问题仍需要长时间的探索，也是人工智能企业在未来发展面临的重大挑战。

凤凰网科技讯（作者/贾楠）10月13日凌晨，苹果宣布将于北京时间10月19日凌晨1：00举行秋季第二场发布会，受全球疫情影响，本次发布会将继续采用线上直播方式进行。根据现有爆料，苹果或将在发布会上推出14以及16英寸的MacBook Pro，并更新AirPods耳机。 目前的爆料消息表明，苹果将在这次的发布会上推出新的MacBook Pro。新MacBook Pro屏幕将采用之前出现在iPad Pro的mini-LED材料，并拥有14和16英寸两个版本。苹果同时将会将MacBook的摄像头从720p升级至1080p，并支持iPad上已经普及的人物居中功能。此次MacBook Pro的外观将与iPhone 13系列相同的平直设计，并可能引入SD卡槽等更多接口。在充电方式上，苹果经典的MagSafe接口也将回归。 同时性能更强的M1X芯片也将随MacBook Pro一同发布。去年亮相的M1芯片在性能以及续航上的表现十分出色，而M1X作为M1芯片的增强版本也将会带来更好的性能表现。据悉，M1X芯片仍将采用台积电5nm工艺，并支持更多的雷雳通道、CPU内核以及GPU内核。同时，新款MacBook Pro或支持最高64GB内存。 现有爆料指出，除了新款MacBook Pro外，备受期待的第三代AirPods也将这场发布会登场。该产品上次更新还是在2019年春季，当时苹果为AirPods带来了新的处理芯片以及语音唤醒Siri的功能。时隔两年半，苹果或于本次发布会再次更新AirPods，带来新的半入耳设计，更短的耳机柄以及更小的耳机盒。尽管在外观上，AirPods 3像是现有版本与Pro系列的融合，但据悉其并不会支持降噪功能。 总的来说，不管是14寸的MacBook Pro还是第三代AirPods，都是大家一直期待更新的产品。尤其是在去年苹果推出M1芯片后，M1X芯片更强的性能表现备受专业用户的关注。凤凰网科技和凰家评测也会对本次的苹果发布会进行全程报道，并在第一时间为大家带来新产品的上手体验与评测，欢迎大家持续关注。

作者 | 李水青 编辑 | 心缘 如果对于华为来说，9月25日深圳机场归来的孟晚舟屹立风中的一抹红色，是鼓舞这头科技困兽燃起斗志的一面旗帜——那么随着战旗扬起，华为新的战斗应该要开始了。 10月11日，有消息称华为内部发文，宣布正式成立海关和港口军团、智慧公路军团、数据中心能源军团和智能光伏军团，向产业数字化转型大举进攻。新成立的四个军团“大将”名单也流出： 杨友桂担任数据中心能源军团CEO； 陈国光担任智能光伏军团CEO； 荀速担任海关和港口军团CEO； 马悦担任智慧公路军团CEO。 大举进军产业数字化转型不是华为某一个部门的事情，而是拉动整个华为战略进度条的关键之举。 就在不久前的9月14日，华为创始人任正非在对话华为科研人员时说道：“以前公司鼓励大家去做长期研究的工作，但现在因为受美国打压，我们需要有质量的活下去。” 占华为营收一半的消费者业务退守已成定局，任正非在那次对话中指出：“我们要聚焦在5G+AI的行业应用上，要组成港口、机场、逆变器、数据中心能源、煤矿……等军团，准备冲锋。” ▲华为智能港口解决方案 当下，随着国内人口红利迅速减弱，中国的各行各业正面临转型挑战。国家新基建、数字经济政策紧锣密鼓推进，为断臂求生的华为公司打开一扇希望之窗。 社区买菜、消费零售显然不是华为的战场，矿区、电厂、港口、公路这些中国大地上路途最崎岖、情况最复杂的场景，华为大军正在挺进其中。 一、华为四大军团起底：行业总裁、天才少年纷纷冲进工厂 本次，华为一口气成立四大军团，按照内部说法是由任正非亲自督导，从各个BG中抽取最精锐的精兵强将，并独立平行于它们，整合云、网、智等多种纵向能力横向精准打击行业。 军团是华为多年前就受谷歌启发开展的作战方式，任正非曾表示：“谷歌军团的编制不大，战斗力极强。”此前2019年余承东搞过一次消费者BG“军团作战”誓师大会，立下3年1000亿美元军令状。但华为首次在组织架构上明确军团作战方式，是在今年2月，华为建立煤矿军团。 任正非曾提及对煤矿军团的期待——能不能在2-3年技术成熟，然后对全世界提供矿山智能化服务？ 显然，不到一年时间，煤矿军团的表现是令人满意的。 今年9月14日，华为煤炭军团又开会了，带着鸿蒙矿山操作系统——矿鸿。矿鸿操作系统已经在神东4个矿厂，6个场景成功应用了20种设备、398个应用单元。从以点覆盖AI实时风险预警识别等功能，到推出让整个矿井变得联通的矿鸿操作系统，从个案试点到多个矿厂落地，华为煤炭军团验证了军团作战方式的敏捷性和效率。 ▲基于华为方案陕煤黄陵一号煤矿监控中心远程采煤 现在，华为正在将这种“精兵作战，量体裁衣”的作战方式在其他核心行业推广开来。聚焦数据中心能源、智能光伏、海关和港口、智慧公路四大领域，华为新四大军团诞生。 1、数据中心能源军团：中东名将挂帅，响应“双碳”号召 数据中心能源军团CEO杨友桂，曾任华为数字能源公司全球Marketing与销售服务部总裁、华为中东地区部总裁，分属华为运营商BG。 ▲华为数据中心能源军团CEO杨友桂 华为数字能源公司是2021年6月为响应国家“2030碳达峰，2050碳中和”双碳目标新成立的公司，由数字能源部门升级而来，包含站点能源、数据中心能源、智能光伏、车载电源、模块电源五大业务，60多系列产品。 华为官方公开数据显示，截至今年6月30号华为数字能源产品与解决方案已经帮助客户累计绿色发电4034亿度，华为的ICT基础设施帮客户节省用电124亿度，相当于帮客户减少了2亿吨二氧化碳排放、种植了27亿棵树。 本次，华为将数字能源公司的五大业务之一——数据中心能源单拎出来作为一大军团发力方向，可见在日渐壮大的数据中心领域，节能减排需求变得更加紧迫。而华为做产业数字化转型赋能的目光也变得非常聚焦。 数字能源及双碳目标不仅是国内问题，也是国际性问题。作为曾经的华为中东地区部总裁，杨友桂具有全球视野，比如定于本月16日举行2021年全球数字能源峰会就在迪拜举办。 杨友桂曾带领团队帮沙特、阿联酋、科威特等完成第一波5G部署，促进中国和巴基斯坦首条陆上跨境光缆建成开通，与约旦BAU大学签约ICT学院成立及课程合作协议等。这样的领导经历有望为华为数字能源在海外市场布局打开新局面。 2、智能光伏军团：十年布局，恰逢“双碳”新机 智能光伏军团CEO陈国光曾是华为数字能源技术有限公司首席运营官，于2020年4月从现华为昇腾计算业务总裁许映童手中接棒华为智能光伏业务。陈国光和杨友桂任职后都将向华为数字能源公司总裁侯金龙汇报。 ▲华为智能光伏军团CEO陈国光 在双碳目标下，光伏行业将成为仅次于煤炭的第二大装机电源，责任重大，华为智能光伏军团应运而生。 这对于时任华为智能光伏业务总裁的陈国光来说，是一个等了很久的时机。早在2010年，华为就已经为光伏所需的逆变器招聘团队；2019年，华为逆变器在除A国外的全部市场实现出货份额第一。而作为华为在国内光伏领域最大的竞争对手阳光电源，其董事长曹仁贤也多次感谢华为带来的竞争使自身和行业更强大。 陈国光在去年12月的一次大会中谈道：“过去，光伏在整个能源系统中的占比相对较少，行业更多关注上下游产业链这条线；未来，光伏行业要‘担当大任’，就必须更多地融入社会的方方面面，关注视角要从一条主线扩展成跨领域的一张产业网。” 如今，智能光伏成为华为的一大军团，陈国光任智能光伏CEO，在这个周期可能长达10年、30年的赛道中，有望一步步将云、网、AI等新技术融入到碳达峰、碳中和的实践之中。 3、海关和港口军团：响应国家交通新基建 荀速是新任华为海关和港口军团CEO，曾是华为企业BG数字化与技术服务部总裁，带领华为数字化转型解决方案落地智慧交通、智慧城市等多个领域，形成完整解决方案和核心能力。 ▲华为海关和港口军团CEO荀速 我国是世界第一大贸易国，自2017年开始，国家重点出台一系列政策推动港口智慧化方面转型升级，这一市场被认为是智慧安防领域之外内部主动引入云计算、AI、大数据技术动力最强的行业之一。近日，交通运输部印发《交通运输领域新型基础设施建设行动方案（2021—2025年）》，明确将“智慧港口重点工程”作为一个专栏进行强调，促进打造新一代自动化码头。 华为企业BG自2011年以来就切入了智慧城市、平安城市、金融、能源、交通、制造等一个个政企行业，形成了咨询规划，行业云使能、智能运维、智慧运营和服务生态等多项能力，抽象出“1套管理体系+3大运营支撑服务+N个场景化方案”的完整方案。智慧港口是其成功落地的一大行业场景，方案已落地宁波舟山港、厦门远海港、上海洋山港、青岛港等大型港口等多地大型港口。 智慧港口及海关场景对技术方案要求较高，比如建设智慧港口，不仅要懂数字技术，还要把握每次货物精准、快速位移的“黄金时间”。近年来，各大通信、云服务等玩家涌入，港口作业自动化、港口陆运业务协同、信息互联共享、港口物流链等刚需应用成功案例也如雨后春笋般冒出。 以华为在宁波舟山港的方案为例，原本1人只能操作一台轮胎吊，引入华为5G技术后，现在通过5G远程操作1人可以操作4-6台，并且宁波舟山港口10年将减少25亿人民币的生产成本投入。 当下，随着华为海关和港口军团建立，这一领域有望在华为和一众产业链参与者的推动下实现快速发展。 4、智慧公路军团：为车路协同铺路 智慧公路军团CEO马悦曾担任华为企业BG副总裁，他在企业BG生态合作等方面多次露出讲话。 ▲智慧公路军团CEO马悦 我国公路里程世界第一，公路承担了综合交通网货运总量的70%以上，这也成为华为近年智慧交通落地的主战场。近日交通运输部印发的《交通运输领域新型基础设施建设行动方案（2021—2025年）》将智慧公路重点工程作为第一专栏强调，强调提升路网运行管理水平，加强桥路健康监测，开展智慧工地运营及高速路智慧服务等。 在交通新基建领域，华为的目光依然十分聚焦，将边界圈定在智慧公路赛道。智慧公路军团CEO马悦有望大力牵动华为与行业合作伙伴合作，通过生态力量实现产业落地。 近年来，华为与合作伙伴在智慧公路领域的技术方案正连点成面。比如，2019年ETC车道改建工程中，华为落地自由流FusionCube收费一体化解决方案；在2020年10月，华为携手行业合作伙伴共同发布智慧公路不停车治超1.0解决方案……结合华为汽车BU专门的汽车智能化布局来看，智慧公路落地对华为进一步打造车路协同方案的未来规划十分重要。 ▲华为FusionCube解决方案 可以看到，华为新四大军团的“首领”主要是来自运营商BG、企业BG的部门总裁、副总裁，个个都是深耕行业多年或出征海内外的精兵强将。 同时，根据任正非在9月与华为科技人才的对话中可知，华为军团也吸引包括“天才少年”在内的高端人才加入，比如先前成立的煤矿军团就吸引了几个天才少年加入，他们反向使用5G，使井下信息更高清、更全面；复用黄大年的密度法等去解决煤矿储水层的识别问题，等等，创造了很大产业价值。 任正非曾提到，华为高端人才有两条道路选择：一条是走科学家的道路，做科学无尽前沿的理论研究；一条是走专家的道路，拿着“手术刀”参加我们“杀猪”、“挖煤”的商业化战斗。 而现在，科学家和专家都在涌入新军团组织，可见华为本次的组织架构变动不是孤立的部门变动，而是折射出整个公司的战略布局的调整。 二、 为了生存，华为要成煤炭公司、电力公司了？ 自2011年以来，华为正式切入政企行业，在智慧城市、平安城市、金融、能源、交通、制造等行业，我们已经看到了华为众多产品与解决方案创新。 2014年起，华为企业业务业绩的复合增长率达到了45%，而华为2020年财报显示，在运营商业务和消费者业务营收增幅不足4%时，企业业务增幅达23%，达到1,003亿元。政企业务的营收，一定程度弥补了来自消费者业务的损失，但份额占比11％，这仍然不够。 如今，华为五大行业军团落定，无疑是想在政企业务板块奋起直追，让其成为弥补消费者业务退守损失的新的增长点。华为发力行业军团的目标仍是生存。正如任正非此前对市场部门提出要求：“需要他们把产粮食放在第一位。” 这意味着，华为正在举全公司之力走进煤炭、电力、公路等各个垂直行业，从底层技术做到行业解决方案，“捅破天，扎到根”，进而“广积粮”。 就像今年初华为发布智慧养猪方案、2019年华为进军安防市场，大家都会问华为是不是要成养猪公司、安防公司了？现在，也有人会疑惑，华为是不是要成为电力公司、煤炭公司了？ 今年3月，华为轮值董事长胡厚崑在见年华为年报大会上的一番谈话讲明了华为百变之下的不变逻辑。 胡厚崑指出，有媒体报道，华为是不是要养猪了？这都不是真的，华为还是聚焦ICT基础设施。他说：“目的，我们看到数字化不可逆转，华为自身定位一是社会数字化转型使能角色，另一个聚焦消费者体验实现全场景数字化。这两个方向未作任何改变。” 可以看到，华为看到ICT融入千行百业的发展，但是立足点还是联接和计算。 华为的行业军团会存在多久？是临时的还是永久的？现在没有答案。但可以推测的是，当华为的ICT基础设施成为这个行业离不开的底座，合作玩家在华为构建的行业“黑土地”上自主更新发展，华为行业军团的目标也将达成。 比如，在9月的谈话上任正非拿智慧港口与海关团队举例提出这样的期待——“港口与海关智能化，能否三年完成对全球70%的港口提供智能化服务？” 如果三年后目标实现了，或许军团就退出舞台了。 三、产业数字化转型新大陆浮现，中国工业互联网的春天来了？ 近年来，华为对ICT业务部门进行过多次架构调整，硬件基础设施部门与云与AI软件部门分分合合，背后的原因，既包括解决部门墙等历史问题，也包括为了应对数字化转型新业务所面临的新问题。 传统行业壁垒森严，有一套独特的商业逻辑和多年的经验积累，使得其在融合新兴技术的道路上存在一定高门槛。这不是华为一家企业遇到的问题，而是当下中国工业互联网、产业数字化转型面临的拦路虎。 发力产业数字化转型，华为已有多年积累。华为不仅成为全球第一大通讯设备商，还建立起强大华为云服务，并在AI方面构建了覆盖全栈全场景AI能力，在数据采集、存储、处理和输出等基础设施层面定位基础设施底座。然而就连华为这样深耕To B领域的公司依然深感彻底变革行业工作方式的艰难，对其他新进来的消费互联网玩家、AI创企来说其中艰难更是不言而喻。 率先以壮士断腕的气魄圈定四五个核心行业，举公司之力建立四五个行业军团，华为再次以高举高打的方式为工业互联网领域打响发令枪。而纵观当下包括各家云服务商、电信运营商、AI数字化企业等在内的力量对这些领域不约而同地加大投入，我们期待中国工业互联网的春天加快步伐到来。 结语：科学家投入一线沙场的时候到了 “别关在深宫大院里面，到战场上去，立功去，说不定你就从少尉升少将了。希望你们的‘谷歌军团’能率先杀出一条血路来，成功了我会来看你们。”华为创始人任正非曾在题为《向谷歌军团学习，扑上去，杀出一条血路》的演讲中这样对华为人说。 2021年华为五大行业军团的建立，意味着华为公司正一步步走出美国禁令的阴霾，向一个孕育着无限生机也充满重重困难的产业数字化转型新蓝海进发。 当下，中国人口红利逐渐消失下，产业数字化转型到了关键时刻，云计算、5G、大数据、AI等技术日益成熟，寻找落地机会。随着华为这样的科技公司率先高举高打地圈定核心行业领域，“捅破天，扎到根”，越来越多的资本、人才、技术等社会资源有望快速跟进。

编译 | ZeR0 编辑 | 漠影 智东西10月12日报道，微软与NVIDIA今日公布由DeepSpeed和Megatron训练出的Megatron-Turing自然语言生成模型（MT-NLG）。 这是迄今最大、最强大的AI单体Transformer语言模型，作为微软Turing-NLG 17B和NVIDIA Megatron-LM模型的继承者，MT-NLG模型包括5300亿个参数，参数数量比OpenAI GPT-3的3倍还多。 其训练在560台NVIDIA DGX A100服务器上进行。在阅读理解、常识推理、自然语言推理和词义消歧等一系列自然语言任务中，MT-NLG均实现了超高准确性。 ““我们今天获得的质量和结果是在解开AI在自然语言中全部承诺道路上迈出的一大步。”NVIDIA加速计算产品管理和营销高级总监Paresh Kharya、微软图灵团队项目经理Ali Alvi在一篇博客文章中写道，“DeepSpeed的创新和Megatron-LM有利于现有和未来的AI模型开发和使大型AI模型更低成本、更快的训练。” 一、训练大量语言模型的两大主要挑战 近年来，基于Transformer的自然语言处理（NLP）语言模型在大规模计算、大型数据集以及训练这些模型的高级算法和软件的推动下取得了快速进展。 具有大量参数、更多数据和更长训练时间的语言模型，会获得更丰富、更细致的语言理解能力，包括能提炼书籍要点、自动生成对话、机器翻译、语义搜索、自动补全代码编程等。 在最先进的NLP模型中，参数的数量以指数速度增长是不足为奇的。 ▲NLP模型参数规模增长趋势 然而，训练这些模型具有挑战性，原因有二： 1）即使是最大的GPU，也不可能在内存中匹配这些模型的参数。 2）如果不特别注意优化算法、软件和硬件堆栈，那么所需的大量计算操作可能会导致不切实际的长训练时间。 通过紧密合作，NVIDIA与微软将最先进的GPU加速训练基础设施与先进的分布式学习软件堆栈相结合，实现了前所未有的训练效率。 他们用数千亿token构建了高质量的自然语言训练语料库，并联合开发了训练配方，提高了优化效率和稳定性。基于Transformer的105层MT-NLG在一些零样本或少样本设置方面改进了此前最先进的模型，并进一步提升了模型规模和质量。 二、破解大模型挑战，将大算力与先进软件结合 MT-NLG模型由NVIDIA A100张量核心GPU和HDR InfiniBand网络驱动。NVIDIA Selene、微软Azure NDv4等先进超算集群有足够的计算能力，可在合理的时间框架内训练模型与数万亿参数。而要发挥这些超级计算机的全部潜力，需要实现跨越数千个GPU的并行性，在内存和计算上都是高效和可扩展的。 单独而言，现有的并行策略（好如数据、流水线或张量Tensor切片）在内存和计算效率方面存在权衡，不能用于这种规模的模型训练。 1）数据并行实现了良好的计算效率，但它复制模型状态，不能利用聚合的分布式内存。 2）张量切片需要GPU之间的大量通信，当高带宽NVLink不可用时，这限制了超过单节点的计算效率。 3）流水线并行可以有效地跨节点扩展。然而，为了计算效率高，它需要大的单次训练用的样本数（batch size）、粗粒度并行和完美的负载平衡，这几乎是不可能的。 通过将NVIDIA Megatron-LM和微软DeepSpeed结合，研究团队建了一个高效、可扩展的3D并行系统，能够将数据、流水线和基于张量切片的并行性结合在一起，以应对这些挑战。 结合张量切片和流水线并行，研究团队可以在它们最有效的区域内进行操作。更具体来说，该系统使用Megatron-LM的张量切片在节点内扩展模型，并使用DeepSpeed的流水线并行性在节点之间扩展模型。 例如，对于5300亿参数的模型，每个模型replica跨越280个NVIDIA A100 GPU，在一个节点中有8路张量切片和35路跨节点的流水线并行性。然后研究团队使用DeepSpeed的数据并行性进一步扩展到数千个GPU。 MT-NLG模型训练是在基于NVIDIA DGX Superpod架构搭建的Selene超级计算机上以混合精度完成的，该超算由560台DGX A100服务器提供支持，并以完整的胖树（Fat-tree）配置与HDR InfiniBand联网。 每个DGX A100有8个NVIDIA A100 80GB GPU，通过NVLink和NVSwitch完全连接。微软Azure NDv4云超级计算机也使用了类似的参考架构。 研究团队考虑了在Selene上的280、350和420 DGX A100服务器上的5300亿参数模型的端到端吞吐量，观察到迭代时间分别为60.1、50.2和44.4秒。每个GPU分别对应126、121和113 TFLOPS。 三、基于The Pile构建训练数据集 研究团队使用了transformer解码器的架构，它是一个由5300亿参数组成的基于从左到右生成的transformer语言模型，层数、隐藏维度和注意力头分别为105、20480和128。 他们采用8路张量和35路流水线并行。序列长度为2048，全局batch size为1920。在最初的120亿个训练token中，研究团队将batch size从32开始逐步增加32，直到达到最后的1920个。团队在训练中使用了10亿token来预热学习率。 他们主要是基于开源AI研究机构EleutherAI创建的The Pile数据集建立了MT-NLP训练数据集。与所有AI模型一样，MT-NLP必须通过输一系列案例来“训练”数据点之间的语法、句法规则等模式。 Pile覆盖了学术资源（如Arxiv、PubMed）、社区（StackExchange、维基百科）、代码库（Github）等，微软和英伟达表示他们对这些资源进行了管理，并结合了大型网页集合Common Crawl的过滤快照。为了多样化训练，他们还收集了RealNews和CC-Stories数据集。 在构建训练数据集时，文档重复数据删除是必要的，因为相同的内容可能出现在不同数据集的多个文档中。因此微软和英伟达在文档级使用模糊重复数据删除过程，使用最小哈希LSH计算稀疏文档图和其中的连接组件，以识别重复文档。 然后，当从每个连接组件中的重复文档中选择一个代表性文档时，他们使用基于数据集质量的优先级顺序，最后用基于n-gram的过滤将下游任务数据从训练数据集中去除，以避免污染。 最后，研究团队得到了15个数据集，总共包含3390亿token。在训练过程中，他们选择根据图2中给出的可变采样权值将数据集混合成异构batch，重点是高质量的数据集。其训练模型使用2700亿token。 ▲用于训练MT-NLG的数据集。前11行来自Pile数据集，后面是CC快照、RealNews和CC Stories数据集。 四、在多项任务展示出更强准确性 最近在语言模型方面的研究表明，一个强大的预训练模型通常可以在大量的NLP任务中有竞争力地执行，而无需进行微调。 为了理解扩展语言模型如何增强其零样本或少样本学习能力，研究团队评估了MT-NLG，并证明了它在多个类别的NLP任务中建立了新的顶级结果。为确保评估的全面性，他们选择了5个领域的8个任务： 1）在文本预测任务LAMBADA中，该模型预测给定段落的最后一个单词。 2）在RACE-h和BoolQ阅读理解任务中，模型根据给定的段落生成问题的答案。 3）在PiQA、HellaSwag和Winogrande的常识推理任务中，每个任务都需要一些超越语言统计模式的常识知识来解决。 4）对于自然语言推理，两个硬基准测试ANLI-R2和HANS针对过去模型的典型失败案例。 5）词义消歧任务WiC从上下文评估多义理解。 为了鼓励可复现，研究团队基于开源项目lm-evaluation-harness建立了评估设置，并根据任务进行了适当的更改，使其设置与之前的工作更紧密地一致。他们在没有搜索最佳样本数量的情况下，在零样本、小样本和少样本的设置下评估MT-NLG。下表显示了准确性度量的结果。 经比较，MT-NLG在大多数任务的零样本、小样本和少样本评估中均表现出更快的学习能力。 除了报告基准任务的汇总指标，研究团队还定性地分析了模型输出，并观察到即使符号严重混淆，模型仍可以从上下文推理出基本的数学运算，虽然还不是非常准确，但该模型似乎超越了算术的记忆。 研究团队还展示了来自HANS任务的示例，其中他们将包含简单语法结构的任务作为问题提出，并提示模型给出答案。尽管结构很简单，但现有的自然语言推理（NLI）模型在处理此类输入时常常遇到困难。经过微调的模型经常从NLI数据集中的系统性偏差中发现某些句法结构和隐含关系之间的虚假关联。MT-NLG在没有微调的情况下在这种情况下表现得很有竞争力。 五、大模型的忧患：偏见、高成本与高能耗 虽然大模型正在推动语言生成的发展，但它们也存在从其训练数据中获取刻板印象和偏见的问题。微软和NVIDIA称他们“致力于解决这个问题”，并鼓励“继续进行研究，以帮助量化模型的偏差。” 微软和NVIDIA表示在生产中使用Megatron-Turing“必须确保采取适当的措施，以减轻和最小化对用户的潜在伤害”，所有工作应遵循微软负责任的AI原则。 除了潜在偏见外，大模型的成本高昂问题为研究设置了门槛。以拥有1750亿参数的OpenAI GPT-3模型为例，其训练数据集规模高达45TB，足以填满90个500GB的硬盘。 一位消息人士称，2017年至2019年期间，AI训练成本下降了为原来的1/100，但总数仍超过大多数初创公司的计算预算。这种不平等倾向于那些能够获得大量资源的公司，而牺牲了小企业家的利益，巩固了在位者的优势。 例如，OpenAI的GPT-3在训练期间估计需要每秒3.1423^23次浮点运算（FLOPS）。假设OpenAI在NVIDIA V100 GPU上保留了28 TFLOPS（每秒28万亿次浮点运算），V100单次训练就需要花费460万美元。一台拥有15TFLOPS算力的NVIDIA RTX 8000 GPU要便宜得多，但完成这项训练需要665年。 微软和英伟达称在训练MT-NLP时，他们观察到每台GPU运算速度有113-126TFLOPS。其成本可能高达数百万美元。 另据Synced的一份报告估计，华盛顿大学研究人员开发的假新闻检测模型的训练费用为2.5万美元，谷歌花了大约6912美元来训练语言模型BERT，以提高谷歌搜索结果的质量。 在处理TB或PB规模的数据集时，存储成本也会迅速增加。举个极端的例子，据CrowdStorage称，特斯拉自动驾驶团队积累的数据集——1.5PB的视频片段——在微软Azure存储3个月需要花费超过6.75万美元。 AI模型训练对环境的影响也受到关注。2020年6月，马萨诸塞大学阿默斯特学院的研究人员发布了一份报告估计，训练和搜索一个特定模型所需能耗涉及约62.6万磅的二氧化碳排放，几乎相当于美国汽车平均生命周期排放量的5倍。 好在FLOPs和基本机器学习操作的成本在过去几年一直在下降。OpenAI在2020年的一项调查发现，自2012年以来，训练一个模型在流行的基准ImageNet上对图像进行分类时达到同样的性能所需的计算量每16个月就减少了为原来的1/2。其他最近研究表明，大型语言模型并不总是比小型模型更复杂，这取决于用来训练它们的技术。 结语：大算力+大模型的优势正日益显现 当前AI发展速度远远超过了摩尔定律，超大规模AI模型带来的性能优势愈发显现出来，新一代GPU的更快互连速度带来了计算能力的提升，同时软件创新正在将这两种趋势结合起来，进一步推动优化和效率提升。 在这股热潮中，将NVIDIA Selene或微软Azure NDv4这样的超级计算机与NVIDIA Megatron-LM和微软DeepSpeed的软件突破结合而训练出的大模型MT-NLG，是一个相当好的例子。而微软和NVIDIA展现出的技术思路，有望推动大模型训练在更快的同时，成本变得更低。 “我们期待MT-NLG将如何塑造明天的产品，并激励社区进一步推动自然语言处理（NLP）的边界。这段旅程很长，还远远没有完成，但我们对未来的可能性和前景感到兴奋。”NVIDIA加速计算产品管理和营销高级总监Paresh Kharya和微软图灵团队项目经理Ali Alvi在博客中写道。 不过，大模型是否是AI语言模型发展正确的道路，仍是一个悬而未决的问题。美国康奈尔大学的自然语言处理研究员和数据科学家Maria Antoniak表示，尽管今天一些最好的基准测试性能评分来自大型数据集和模型，但将大量数据投入模型的回报是不确定的，大模型表现很好的一些任务是非常结构化的，这些任务能否引导我们真正理解语言还有待探讨。

IT之家 10月12日消息，任天堂 Switch 日本官网此前的描述中，Switch 底座 USB 接口将在未来的更新中支持 USB 3.0。 然而，近日该网站已删除了这一描述，官方尚未给出回应。 IT之家了解到，任天堂 Switch 的底座配备有电源接口、USB 2.0 接口、HDMI 接口；OLED 版新增了有线 LAN 接口，取消了内部的 USB 2.0 接口。

作者 | 高歌 编辑 | Panken 芯东西10月12日报道，今天，全球IP、EDA巨头Cadence召开中国区线上用户大会（CadenceLIVE China 2021），Cadence线上用户大会已经举办了17年，本次也吸引了很多巨头厂商参与。Cadence中国区总经理汪晓煜、Cadence CEO陈立武、Cadence总裁Anirudh Devgan等参与了本次大会。 陈立武称，数据正在推动半导体行业发展，仅去年一年全球就有超过100个数据中心开放。由于安全和实时处理等要求，越来越多的人工智能应用正在走向边缘，预计2030年将会有80%的数据在边缘处理。同时，越来越多的系统厂商进入半导体行业，先进节点、先进封装、芯片创企融资、亚太地区市场飞速增长等因素都成为了半导体发展的动力。 Anirudh Devgan则回顾了Cadence智能系统设计战略的芯片、系统和人工智能3级的布局，并分享了Cadence在射频（RF）和计算流体动力学（CFD）等领域的产品与案例。 中国IP厂商芯原股份的董事长、总裁兼首席执行官戴伟民也参与了本次会议，分享了Chiplet（芯粒）技术的起源和生态构成，以及这一技术给半导体行业带来的IP芯片化、集成异构化、集成异质化和IO增量化等影响。 一、每年仅有0.5%数据被分析，将成行业发展重要机遇 陈立武从数据角度分析了半导体行业的发展前景。他提到几年前，人们认为半导体发展速度正在放缓。但是如今，以数据为中心的时代正在快速推动各个行业对半导体的需求。 ▲Cadence CEO陈立武 5G技术正在加速发展，L2\L3级别的自动驾驶正在普及，工业物联网也越来越重要，AI（人工智能）正在影响行业中的一切。 由于各类新兴技术发展，每天都有大量的数据被创建。所有这些数据都需要传输、存储、处理和分析，这也就需要高性能计算、高带宽传输和高密度存储。 为了满足这些需求，半导体行业需要在架构设计、EDA工具、IP、制造等各个领域进行大量创新。 目前90%的数据都是在过去两年内生成的，80%的数据是非结构化的，如图形视频等。虽然数据很多，但是目前每年仅有2%的数据会被分析。由于分析也会产生数据，接下来的5年里，实际被分析的数据比例将会变为0.5%。 据估计，去年全球的超级数据中心支出超过1200亿美元，仅去年一年就有超过100个数据中心开放，这些数据中心参与了数据周期的所有阶段，推动了计算、存储和网络技术的创新。 同时，越来越多的人开始转向软件定义存储、网络，软件开始定义硬件。超级计算机也在推动行业走向定制化芯片设计，以满足差异化需求和最佳的用户体验。 陈立武说，人工智能也对几乎每个行业带来了巨大的变革，但当前仍处于非常初级的阶段。通过云计算，数据也可以被深入地进行分析，但这带来了一些问题。 首先是数据隐私，银行、医疗等数据都是非常敏感的数据，需要谨慎处理。其次把大量数据发送到云是不现实的，这将消耗巨大的带宽，其发送和获取信息延迟将还会太高。 ​因此，实时处理问题的人工智能应用正在越来越多地走向边缘。这些应用在边缘进行分析，以实施决策，将对自动驾驶等领域产生积极意义。目前，仅有20%的数据在边缘进行处理，而到2030年这一比例将会变为80%。 此外，系统厂商进入半导体、先进节点、先进封装、芯片创企、亚太地区市场等因素也在推动半导体行业快速发展。 而随着制程工艺的发展，EDA领域的研发投入大幅增加，推动了Cadence等厂商的战略。Cadence的研发投入占营收比例已达40%。 二、解析3大重要新品，Cerebrus可降低15%功耗 本次大会，Cadence总裁Anirudh Devgan等人分享了Integrity 3D-IC平台、Helium Virtual及Hybrid Studio平台和Cerebrus机器学习设计工具3个新产品。 Integrity 3D-IC平台是业界首个集成系统级和SoC级的解决方案，支持electrothermal analysis（电热分析）、多die STA和系统级物理仿真验证。 Helium Virtual C++ SoC模型允许软件开发和RTL设计并行运行，该模型运行速度比RTL快数百或数千倍，这使得其硬件/软件集成和调试比RTL模型更高效。当前，Helium Virtual and Hybrid Studio平台已经上市。 Cerebrus是一款基于机器学习（ML）的设计工具，可同时优化设计中的多个步骤，可将生产力提升10倍。瑞萨电子和三星电子的团队表达了自己对Cerebrus​的看法。 瑞萨电子数字设计技术部门负责人Satoshi Shibatani称，瑞萨电子在12nm高速CPU设计项目中应用了Cerebrus，其不仅可以优化物理实现流程，还可以优化布局规划。在50次运算过后，其生成了新的设计流程和布局规划，将这款CPU性能提升了10%以上，节省了数个月工程师手动布局时间。 ​在最新的4nm和6nm节电设计上，三星电子的晶圆厂团队运用了Cerebrus工具。该工具可以很容易地配置，优化代码，为线宽、层架间距、过孔类型等网格配置设计优化方案。和手动设计相比，Cerebrus在4nm节点的供电线路设计上提升了50%的时序（timing），并优化了功耗。 三、Cadence智能系统设计战略：布局芯片、系统和普适智能 Anirudh Devgan也对Cadence在2021年的战略和发展情况做了总结。 他提到当前快速演进的智能系统设计备受行业关注，其智能系统共有3层。以汽车为例，汽车电子设计分为三个领域，其核心是系统级的芯片，第二个是系统和软件堆栈，第三个则是汽车周身的数据和普适智能。 这样的智能系统设计3层也会出现在智能手机、数据中心等多个领域，这也就是Cadence智能系统设计战略。其核心为EDA和IP；之后是系统设计，Cadence在3D-IC、系统仿真、嵌入式软件、软件启动等领域进行了很多布局与投资，是Cadence战略的重要组成部分；第三层则是人工智能以及与人工智能相关的整个数据分析。 Anirudh Devgan称，在数字设计领域，Cadence的各类产品都取得了很好的成绩。比如Innovus Implementation被前20大半导体公司中的19家使用，Genus Synthesis被前20大半导体公司中的16家使用，Tenpus Timing Signoff则被前20大半导体公司中的15家采用。Cadence也和Arm一起，在台积电N5工艺节点上实现了4GHz成果。 在硬件平台方面，Cadence今年推出了Palladium Z2和Protium X2平台。 AMD的Alex Star称，相比于Palladium Z1，Palladium Z2的工作负载吞吐量显著提高，能够快速、容易地从仿真平台转变为高速的企业级原型设计平台。英伟达的Narendra Konda谈道，通过Palladium Z2和Protium X2，将一个数亿个晶体管的设计进行编译、创建仿真模型并放入仿真平台中仅需4个小时，而此前该过程需要48甚至72个小时。 在系统层面，Anirudh Devgan回顾了Cadence在射频（RF）领域的进展。一年以前，Cadence收购了National Instrument的射频平台AWR，并将该平台与Virtuoso和Allegro集成在一起，形成了完整的射频解决方案，可提供5倍的射频设计效率。 美国创企Metawave的创始人兼CEO Maha Achour称，Cadence射频设计、分析平台使得他们可以与大公司进行竞争，完成了其5G高频毫米波频段雷达。 在计算流体动力学（CFD）领域，Cadence也进行了多次收购和布局，如拥有Omnis平台的CFD厂商NUMECA、网格划分领域常熟Pointwise等。 在航海方面，新西兰的帆船设计团队Emirates Team称其CFD工具对其设计至关重要。在第36届美洲杯帆船赛上，他们需要采用一种新的单体帆船，并且只被允许建造一艘船。最终，因为Cadence旗下的CFD工具，该团队成功实现了船体建造和细节优化。 此外，Cadence还有Clarity这一有限元电磁求解器来帮助在CFD领域进行分析。而Clarity 3D Solver可以进行快速、准确的3D分析，能够缩短设计周期并快速将产品推入市场。该产品还可以同时运行数千个CPU进行数据处理。 在封装领域，Cadence有Allegro封装和PCB设计平台，该平台是使用最广泛的高级封装解决方案。在人工智能层面，Cadence将AI Extension加入到了处理器管线中，并正在研发基于其sparks计算技术的AI引擎。该引擎和管线、嵌入式CPU结合，将能够提供更强大的AI性能。 四、Chiplet维系摩尔定律，芯原股份：IP即芯粒 芯原股份创始人、董事长兼CEO戴伟民则回顾了Chiplet（芯粒）生态的建立。 在1958年杰克·基尔比发明了集成电路，之后英特尔创始人戈登·摩尔预言：“集成电路上的器件数量每个十八个月将翻一番。”这就是摩尔定律的诞生。 随着芯片特征线宽的下降，互连延迟（interconnect delays）对设计的影响越来越大，芯片性能提升越来越难。但换一种思路来看，更小的裸片带来了更高的硅利用率和产能。所以Chiplet通过多种集成，使系统空间内的密度持续增长。研究机构预计，2035年，Chiplet市场规模将达到570亿美元。 戴伟民称，Chiplet给半导体行业带来了IP芯片化、集成异构化、集成异质化和IO增量化等影响。 具体来说，2015年，Marvell创始人周秀文在ISSCC 2015上提出了MoChi（模块化芯片）架构概念。AMD则是最早将Chiplet应用于商业产品，平衡了自身成本、性能和功耗。 随后，英特尔也快速采用Chiplet技术，并免费提供了AIB总线接口许可，以支持Chiplet生态建设。2018年，英特尔将EMIB（嵌入式多硅片）技术升级为逻辑晶圆3D堆叠技术。2019年，英特尔推出Co-EMIB技术，能够将两个或多个Foveros芯片互连。 2.5D和3D封装技术的发展也推动了Chiplet生态的建立。2020年6月，英特尔正式发布Lakefield芯片，这是首款基于Foveros 3D立体封装技术的芯片，采用1个大核+4个小核的混合CPU设计。 在最近的英特尔架构日上，其提出了下一代可扩展处理器Sapphire Rapids架构创新。英特尔还提出了超异构计算的技术愿景。 除了英特尔，台积电提出了2.5D CoWoS封装技术和3D SoIC封装技术；三星则提出了3D封装技术X-Cube。国内厂商如长电科技也在持续推进Chiplet技术的开发。 在接口方面，2018年7家公司成立ODSA（开放专用域架构）组织，制定Chiplet开放标准、促进Chiplet生态、催生低成本SoC替代方案。目前，该组织会员已超过50家。 2019年，英特尔携手阿里巴巴、思科、戴尔、Facebook、谷歌、HPE、华为以及微软成立Compute Express Link（CXL）开放合作联盟，实现CPU与GPU、FPGA等专用加速器之间的高速、高效互连。 而Chiplet给产业带来了一个重要变化就是IP芯片化（IaaC），IP也是芯原股份的重要业务。 芯原股份成立于2001年，今年已成立20年。当前芯原股份接近50%的营收在国外，但是其95%的研发人员都在国内。根据研究机构数据，芯原是中国大陆排名第一、全球第七的IP供应商，具备丰富的IP储备。 此外，戴伟民提及，芯原股份在视频处理器（VPU）、神经网络处理器IP（NPU）、图形处理器（GPU）、数字信号处理器（DSP）、图像信号处理器（ISP）和显示处理器（Display Processor）等领域均有相应的产品和布局。 在IP芯片化的驱使下，芯原股份提出了IP即芯粒（IaaC）的理念，旨在实现特殊功能IP的“即插即用”。目前，芯原股份推出了多种IP的子系统解决方案FLEXA API。 在芯片平台化方面，芯原股份能够提供一站式设计服务，全球首批7nm EUV芯片流片一次成功，已开发5nm芯片。通过Chiplet技术，芯原股份可以在自动驾驶等领域快速进行迭代。 结语：软件定义硬件，Cadence大会展现行业趋势 Cadence作为行业内头部的EDA和IP厂商，每年Cadence的用户大会都会吸引不少的行业目光，其战略布局对于半导体行业发展有着比较重要的参考价值。 本次，Cadence总裁Anirudh Devgan详细解析了其智能系统设计战略，以及Cadence在射频、计算流体动力学和完整封装、设计等领域的产品情况，这些也是行业的重要应用领域。如今云计算和人工智能已成为EDA领域的两大重要趋势，而软件正在重新定义硬件，影响行业发展。

IT之家 10月12日消息，今日下午，索尼中国官方宣布，索尼 Xperia 新品发布会将于10月26日举行。 其中，全球发布会时间为2021年10月26日11:00，中国大陆发布会为2021年10月26日19:00。 目前，索尼 Xperia 新品发布会将推出的产品尚不清楚。今年5月，索尼中国发布了 Xperia 1 III 国行手机。 IT之家了解到，此前推出的 Xperia 1 III 沿袭了老款的设计语言，依然采用 21:9 屏幕，配备 6.5 英寸 21:9 4K HDR OLED 显示屏，搭载骁龙 888 5G 芯片组，配备 4500 mAh 电池。

近年来，可穿戴设备赛道变得越来越拥挤，传统玩家、手机大厂统统加入混战，一年时间面世的产品，十只手都数不过来。 不过其中能不断迭代的产品系列却寥寥无几，华米 Amazfit GTS 系列算是少数中的一个。今天发布的 Amazfit GTS 3 接过前辈衣钵，不仅在软硬件方面有较大提升，还是家族里首次搭载 Zepp OS 自研系统的产品，这对华米和整个行业，都增添了不少变数。 经过几天体验过后，我对 Amazfit GTS 3 的所作出的改变，是好是坏，心里有了答案。 轻薄百搭，如影随行 Amazfit GTS 系列一直遵循着「好看更轻薄」的设计原则，每代都在此基础上，变得更薄一点，屏幕更大一点。 如今系列来到第 3 代，这一脉相承的设计也日趋成熟，印象里的香槟金配色如今变得更深沉，在光线较暗的环境里，它的边框甚至呈现出一种接近于棕黄的颜色，正因如此，我手上这款配色被官方命名为「柔砂棕」，几款新配色都比较百搭，颜色不至于太过跳脱，日常穿搭比较方便。 铝合金中框往上，是一块 2.5D 曲面玻璃，覆盖在一块分辨率为 390*450 的 1.75 英寸 AMOLED 屏幕上，表身没有变大，但显示面积较前代增加了 14%，屏幕黑边大幅收窄。 配合着全黑表盘和系统背景，既营造出全面屏的视觉效果，又发挥了节省续航的作用。 通身只有一个旋转表冠，可按可转，无极调节但可设置振动反馈，模拟出物理表冠的阻尼手感。 表身底部，也就是日常紧贴用户肌肤的凸台，内含升级后 BioTracker™ 3.0 PPG 生物数据传感器。这个技术听起来复杂，其实就是提高心率、血氧、压力等指标的监测精度。 同为棕色的硅胶表带采用与传统腕表相似的弹簧栓设计，无需任何工具即可快拆快装。 表带内侧有波浪形纹理，使得被表带紧贴的皮肤也有空余空间排流汗液。硅胶手感柔滑，我佩戴了近十天的时间，未出现过敏症状，可见表带用料有所考究。 除去表带，Amazfit GTS 3 本体仅重 24.4 克，这成绩与市面上大多数手环去比较也毫不露怯，轻盈不失质感，是它留给我的第一印象。 新系统，心智能 若说产品外观是打动消费者的第一要素，那么软件体验则是影响用户留存的关键因素。 在可穿戴领域深耕 8 年的华米深谙此道，于是在今年 7 月的 Next Beat 2021 大会上，首次公布了自研穿戴系统 Zepp OS，Amazfit GTS 3 作为首批采用此系统的产品，我们终于有机会揭开 Zepp OS 面纱。 通过指尖在屏幕上「按」、「划」，还有透过旋转表冠的「扭」，这个系统给了我最直观的流畅体验，动效流畅、响应快速。 Amazfit 官方称系统在大部分时间里均能以 60fps 稳定帧数输出画面，这与我肉眼所观察的情况基本一致，我由此获得了如同 3 年前手机开始普及高刷屏时的体验，令人又惊又喜。 华米为 Amazfit GTS 3 开发了 15 款全新动态表盘，多数表盘都涵盖了多重信息，包括气温、实时心率、电量、步数等等，显示何种信息皆可自定义。 在超视网膜屏幕的表现力之下，所显示的信息都非常细腻。 这种抬手看一眼就能把关键信息全掌握的体验，让智能手表正式成为腕上信息中心，有了超脱于手机的优势。 智能手表之于手机，近似于 30 年前 BP 寻呼机之于大哥大，但技术进步带来的变化，使得智能手表还能代替地铁卡、门禁，甚至还可以安装不同的 app，以此延展出更多功能，如今人们也正享受着技术进步所带来的各种便利。 借助 Zepp OS 出色的功耗优化方案，Amazfit GTS 3 保持了一贯的强续航性能。 我国庆假期前给手表充满电，就把磁吸充电器放在了办公室，在接下来 7 天时间里，保持着每天 1 小时的运动时间，多数是跑步，所以用到了 GPS 定位功能，全天开启所有监测功能，也开通了接收消息推送功能。即便是这种使用强度下，最后一天手表还剩余 17% 的电量，成功完成一周续航挑战。 Zepp OS 基于开源系统 FreeRTOS 进行底层开发，轻量化是其最大优点，功能方面也做到了「人有我有」，一些创新功能如转动手腕即唤醒语音助手、一键测量多项身体指标等更是在一定程度上让手表交互有了新的前进方向。 称不上革新，但也算是迈出了改变现状的第一步。 小改进，让监测体验迎来大提升 可穿戴设备经过多年进化历程，可实现的运动健康测量项目是越来越多：卡路里、心率、压力值、血氧含量、呼吸频率，甚至最新发布的 Amazfit GTR 3 Pro 还可以实现对血压指标的测量。 多功能集于一身，自然是利大于弊，随之而来的弊端便是操作变得繁琐，每一项指标都需要手动测量的话，繁琐且费时；全都加入「实时测量全家桶」，则是牺牲了续航。 Zepp OS 保留了对心率等常规指标进行实时监测之余，还额外提供了「一键测量」功能。它把上面提到的所有测量项统统打包，省去了在各项测量功能之间流转的时间，只要一分钟就能把 Amazfit GTS 3 所支持的所有健康数据都测完。 另外在最新一代的 BioTracker™ 3.0 PPG 生物追踪光学传感器加持下，Amazfit GTS 3 进一步加强了所测量数据的准确性，另外监测效率方面也有所提升，血氧检测所耗时间缩短至 15 秒，期间手臂的轻微晃动也不至于打断测量过程了。 新硬件加上新系统，构建了 Amazfit GTS 3 新的健康评估体验，可穿戴设备进化至今已颇为完善，因此类似细节处的精心打磨则变得非常讨喜。 Amazfit GTS 3 配备了全新 PeakBeats 运动算法，并搭载了五星定位功能（北斗、GPS、GLONASS、Galileo、QZSS）和 50 米防水功能，甚至可以实现水下心率监测，我感觉身旁多了个会隐身的随行教练，时刻记录着我的运动轨迹、卡路里、海拔高度，甚至步频、步速也能在运动结束后给我反馈。 虽说 Amazfit GTS 3 内置 150 种运动模式，然而对于大部分用户来说，手表买回来到换代，可能都只接触过健走、户外跑、户外骑行、游泳等几个常用模式。 于是华米将这几项，具体来说是 8 项运动扔进自研的 ExerSense™ AI 引擎进行模型训练，并内置于手表，当手表侦测到我在运动，它便开始分析我做的是何种运动，并自动进入监测状态，开关自如。 Amazfit GTS 3 的运动算法灵敏度还算适中，当我进入运动状态两三分钟之后，它就用振动提醒我，仿佛在说：「我已经开始记录了，你跑你的，我测我的」。 我完成既定训练量后，停下来没过多久，手表再一次振动，询问我是否暂停或结束运动，我只要抬手一点，便完成了整个跑步记录过程。 自动识别运动这项功能虽小却很重要，因为用户往往会忘记开始记录或忘记结束记录，无论遇到哪种情况，都会让监测数据失准。因此识别项目越多，误差越小，对于用户体验的提升也就越大，尽管这项功能的本意是让记录这件事变得无感。 Amazfit GTS 3 会用 PAI 健康评估系统为用户总结每日活动强度，以及个人生理数据多维度动态综合评估，提供步数、站立小时、运动时间等数据，但并不急于求成，Amazfit 将原本无形的身体综合素质，变成可视化的数字，且摒弃了「步数+卡路里」那套单一维度的衡量标准，从而让健康评估变得全面且有效。 PAI 分数越高，说明我的身体正在变得越健康。它在打分之余，还会给用户相应的运动建议。不过建议总归是建议，并不能帮用户偷懒，所以想要变得健康，最终还是需要我们管住嘴迈开腿。 能在日趋内卷化的可穿戴市场中活下来的玩家，自然是有其独到之处。Amazfit GTS 系列经历了多年的市场毒打，算是被消费者筛选出来的好产品。 Amazfit GTS 3 延续前代优势，并通过软硬件的同步升级，提升运动健康相关算法的准确度，在此基础上完成了硬件/系统/算法全自研的全面蜕变，从完成度方面看，这次大胆尝试获得了阶段性成功。 面对用户最看重的健康和运动监测功能，Amazfit GTS 3 有新的突破，市面上拥有如此高体验成熟度的产品并不多， Amazfit 相较同行已经站在了较高的起点上，升级打法也相对更稳扎稳打，不激进，只求稳中有升。 进步虽小但我对此有明显感知，尤其是对比起同类产品，准确度和易用性都占优势。 但话说回来，Zepp OS 作为初生系统，在细枝末节处尚有较大的优化空间，随着新系统使用者量级上涨，这些小问题都将迎刃而解。 在 Amazfit 新品发布会上，Amazfit 给出了一个全新的中文名：跃我。这显然不是通过直接音译而得来的，更多寄托着对品牌和用户的愿景。 官方释义为「向上而生，超越自我」，正如可穿戴设备诞生之初，人们就希望通过戴在手腕上的小玩意儿，更好地管理自己的身材和健康，从这一代 Amazfit GTS 上面，我仿佛看到了希望实现的可能。

10月12日消息，Strategy Analytics发布的最新研究报告显示，2021年Q3，小米占据了中欧和东欧5G智能手机总出货量的42%，年出货量增长5700%，稳居榜首。 Strategy Analytics表示：“小米是2021年Q3全球领先的安卓5G智能手机厂商，同时也在中欧和东欧地区保持领先。小米5G智能手机出货量在过去一年里超过了苹果和三星，成为中东欧地区5G智能手机销量的第一名。” “小米预计将在2021年全年保持中欧和东欧地区的领先地位，并在2022年保持5G智能手机出货量的领先地位。小米正在利用华为的缺席，以及红米Note 9T 5G和小米11 5G等高质量、价格实惠的5G智能手机组合发起攻势。” 2021年Q3，苹果在中欧和东欧地区的5G智能手机出货量中排名第二。预计第四季度iPhone 13将表现强劲，但较高的价格将限制其在该地区的影响力 三星凭借更实惠的5G智能手机系列排名第三，在该地区的5G智能手机出货量中占据11.5%的份额，远低于去年第四季度的34.3%。 在中欧和东欧排名前5的5G智能手机厂商中，Realme和一加分别占据7.2%和2.5%的市场份额。

IT之家 10月12日消息 据 Appleinsider 报道，在摩根大通首席分析师 Samik Chatterjee 近日的一份研究报告中指出，和去年的苹果 iPhone 12 系列机型相比，iPhone 13 系列的交付时间依旧略长，交付时间是指用户下订单后收货所需的时间。 Samik Chatterjee 指出，iPhone 12 在上市的第三周供货紧张就开始得以缓解，但 iPhone 13 直到第四周发货紧张程度才开始放缓。其中，iPhone 13/mini 机型的发货时间缩短较多（二到三天），iPhone 13 Pro/Pro Max 机型的发货时间缩短较少（一天）。 摩根大通提供了现阶段美国，英国、德国和中国的iPhone 13系列交付时间以供分析。其中，拥有iPhone总出货量 35% 的美国，现阶段 iPhone 13 mini、iPhone 13、iPhone 13 Pro、iPhone 13 Pro Max的交付时间为14天，20天，34天和34天。 英国和德国现阶段的交付时间较为相似，相比之前的交付时间都缩短了一天。 IT之家今日 10 时在查看苹果中国官网购买页面时发现，iPhone 13 mini 各颜色各存储容量版本的发货时间为七到十个工作日，iPhone 13 的各颜色各存储容量版本的发货时间为二到三周，而规格更高的 iPhone 13 Pro 和 iPhone 13 Pro max 各颜色各存储容量版本的发货时间为五到六周。

10月12日消息，iPhone 13产品发售后，近日有网友在社交媒体称，“换了iPhone 13之后人人都说我电话断断续续”，有网友还称“深圳联通加iPhone等于玩失踪”，对上述说法，@自信的眉毛（OPPO副总裁沈义人）称，“13 Pro更新基带为X86后，同样位置相同运营商12信号比13 Pro好（不严谨主观体感）”。 有网友表示：“iPhone 13信号比iPhone 12差，同时带两部手机，12显示5G，13显示4G，半天打不开”。 在社交媒体评论区，有网友称，自己专门跑了Apple Store，结果检测说没问题！ 10月3日，有外媒报道对iPhone 13 Pro进行详细拆解后，列出了手机所采用的电子元件、芯片等，同时对手机成本进行估算。结果显示，iPhone 13 Pro 256GB版硬件成本约为570美元（约合 3674元人民币），和拆机网站iFxit公布的数据并无差别。 北京时间9月15日凌晨，苹果发布新款iPhone，命名iPhone13，用上A15仿生芯片、OLED屏幕。值得一提的是，苹果官网信息显示，iPhone13致力于将对环境的影响降至最低，如将塑料水瓶升级改造成一种更强大的高性能材料，以制造天线，这在业界尚属首次。（文 | 赵昊）

IT之家 10月12日消息，据彭博社报道，知情人士透露，中国电动汽车生产商零跑汽车（Leapmotor）正考虑在香港进行首次公开募股（IPO），募资至少10亿美元（约 64.5 亿元人民币）。 知情人士称，零跑汽车已就 IPO 事宜与顾问进行了初步讨论，该公司最早可能在明年上市。需要注意的是，募资金额和时间等细节尚处于初步阶段，可能会有所变化。 零跑汽车的一名代表拒绝就可能的IPO置评。 IT之家了解到，根据零跑汽车官方此前披露的消息，零跑科技 2021 年 8 月完成新一轮融资，融资金额达 45 亿元。零跑汽车彼时表示，杭州国资本轮投资金额 30 亿元，将与零跑围绕新能源汽车项目展开密切合作。 零跑汽车订单数据显示，零跑汽车 8 月订单达 7607 台，环比增长 16%，2021 年累计订单达 35662 台。其中，零跑 T03 汽车 8 月订单达 7228 台，环比增长 18%。

我们都知道，由于众所周知的一些原因，华为手机业务目前正在面临巨大的困难，此前麒麟9000芯片库存也已见底，但即便如此，华为轮值董事长徐直军仍在华为全联接大会上强调，华为不会放弃手机业务，正在努力让手机业务在适当的时候重回正轨。 按照以往惯例，本应该今年下半年发布的华为Mate50系列如今也变得扑朔迷离了起来，不少消息都表示华为Mate50系列将无缘今年亮相，甚至还有消息称该系列将被取消。但近日，据一位接近华为的博主@长安数码君透露，华为Mate50系列旗舰不仅没有被取消，华为还将首发独家供应4G版高通骁龙898芯片，此前就有消息称，华为内部早已在测试骁龙8984G芯片，由华为Mate50系列首发，明年一季度将正式亮相。 据相关爆料，骁龙898将配备三丛集CPU的设计，其中CPU规格为：1*3.0GHzCortexX2超大核+3*2.5GHzCortexA78大核+4*1.79GHzCortexA55小核，GPU型号是Adreno730，安兔兔跑分预计将首次突破百万大关，此前搭载骁龙898处理器的vivo工程机的单核跑分为720分，多核跑分为1919分，目前仍处调试阶段，这跑分成绩并不能反应实际性能。 值得注意的是，骁龙898采用三星4nmLPE工艺打造，是基于5nm而来的5nmLPA（第三代5nm），改名是因为营销需求，实际上5nmLPA和4nmLPA在性能和能耗上没有明显不同，很多人关心的骁龙898能否变得“凉快”些，目前看来希望不大。 虽然华为Mate50系列用的是4G版的骁龙898，但其与常规版本的性能是完全保持一致的，只是没有了5G的加持，其依然是一款突破安卓历史记录的强力芯片。 除了性能方面的提升之外，此前还有爆料称，华为Mate50系列将会搭载与iPhone13Pro系列同技术的LTPO屏幕，支持自适应刷新率，不仅能实现120Hz高刷，还能更加省电。 据多方消息了解到，全新的华为Mate50系列最早也要到明年一季度亮相，并很大可能会是三月份，随着时间临近，相信华为Mate50系列神秘的面纱也将会被逐渐揭开，那么屏幕前的你，愿意再等等华为Mate50系列吗？

如果iPhone换上了USB-C的接口，是不是会让很多人方便很多，不过苹果对这事并不感兴趣，既然不想破坏自己的蛋糕，有专家就自己动手了。 一位叫Ken Pillonel的工程师表示，自己成功将iPhone X更换为USB-C接口。 除了iPad和Mac平台，苹果从未在任何iPhone上使用USB-C接口。Ken Pillonel表示，这台iPhone X可以通过USB-C进行充电以及数据传输。 这位工程师厉害地方在于，将苹果C94连接器进行了逆向工程，然后制作了包含USB-C母口的PCB电路板，接下来的任务是缩小然后安装至iPhone。 经过几个月的尝试，Ken终于成功了。未来，这位工程师还会分享更详细步骤，介绍整个过程。

原标题：特斯拉9月卖疯了销量超5万 一辆Model Y顶上“蔚小理”！ 作者 | 木米 编辑 | Juice 特斯拉又一次刷新了自己创下的销量纪录！ 就在今天，乘联会发布了国内9月份新能源汽车的销量情况，数据显示，特斯拉9月份共计售出了56006辆新车，打破了8月份超4万辆的表现，环比增长27%，同比增长394%。 值得注意的是，这56006辆新车中，有52153辆均交付于中国本土车主， 此前特斯拉上海工厂还曾被诟病大量订单均为出口订单，但这次的数据无疑展示了特斯拉在国内市场的强大号召力。 截至9月，特斯拉中国2021年累计销售已逾30万辆。其中，仅国内销量就已突破20万辆，出口车型也已突破10万辆。按照目前的市场表现来看，特斯拉在下个季度就将会打破去年的50万销量，并在今年创造出新的成绩。 另一方面，特斯拉的第二个海外工厂柏林工厂也已经进入到了量产的前夜，特斯拉还特地举办了公众开放日活动，全面展示了柏林工厂的最新进展和黑科技产品。 随着柏林工厂开始投产，特斯拉在全球的扩张之路将会快速迈进。 ▲特斯拉上海工厂 01 . 国内月销破五万 再创新纪录 不同于很多品牌以订单量计算销量，特斯拉9月是实打实地交付了56006辆，相当于每46秒就将一辆车交到了客户手中。如此的交付速度下，依然有许多订单在排队等待。 ▲特斯拉北京蟹岛交付中心 这其中，Model Y国内售出33033辆，作为最受国内市场欢迎的SUV车型，Model Y在国内投产之后迅速超过了Model 3的销量，在9月份更是占据了将近60%的销量。 Model Y不仅在新能源领域一骑绝尘，即便在燃油车市场中也已然成为不可小觑的主力车型，可以预见的是，这款车还将会成为特斯拉下一阶段的主销车型，是特斯拉销量走向200万的重要力量。 而在刚刚过去的国庆假期里，国内的新造车三强，小鹏、蔚来、理想也都陆续公布了9月份的销量数据。 小鹏汽车和蔚来也创下了新的销量纪录，小鹏9月稳扎稳打，销量继续增长共售出了10412辆，蔚来在经历了两个月的蛰伏期后也一举超过了1万辆大关，售出了10628辆。 理想汽车则由于零部件短缺，销量有所下滑，共售出了7094辆。 ▲特斯拉与几家造车新势力销量对比 虽然目前新造车三强已经保持了不错的销量成绩，但跟特斯拉相比还存在一定的差距，甚至9月份还不如Model Y一款车的销量高。 也正是有了特斯拉这样的强敌，新造车三强才能不断的突破自己，共同搅热国内新能源汽车市场。 在刚刚举办的2021股东大会上，特斯拉方面表示，今年第三季度，特斯拉的年化量产速度接近100万辆/年，也因此打造了全新的交付纪录，在刚刚过去的2021第三季度交付了共超过24万辆汽车，同比增长73%。 自2016年第四季度至今，特斯拉的交付量年复合增长率达到71%，近5个季度更是连续创下交付纪录。 在市场表现和消费者口碑上不断攀升的特斯拉，毫无疑问已经成为近10年间的新能源汽车引领者，并以打破常规的科技创新成为行业规则的制定者。 除此之外，特斯拉上海超级工厂表现也非常亮眼。投产后不仅承担了中国国内的车辆订单，同时也是特斯拉的欧洲市场的重要出口工厂。 02 . 柏林工厂投产在即 正面交锋欧洲车企 但随着特斯拉柏林工厂的投产，欧洲地区就不必再依赖于其他地区的进口了。 日前，特斯拉在柏林工厂举办了一场Giga Fest开放日活动，在活动上，马斯克直接表示预计下个月该工厂就将正式投产，这可能也是特斯拉上海工厂减少出口的一个原因。 在开放日上，特斯拉还展示出了多项新动态和科技产品，吸引外界关注，如新型4680电芯、CTC技术、一体式压铸机。 种种技术与产品都展示了特斯拉柏林工厂已经做好了准备。 ▲Giga Fest上展示的4680电池 此外，马斯克还在回复网友评论时表示，“柏林工厂按照该速度全天候运行的话，大约每周可生产1万辆，每年最多可以生产52万辆汽车。”不过该工厂至少还需要一年时间才能达到峰值产能。 ▲特斯拉CEO埃隆·马斯克在Giga Fest发言 但不可否认的是，特斯拉已经将自己的尖刀插到了欧洲工业的腹地中，随着柏林工厂的投产，特斯拉也将和一众欧洲传统豪强车企展开正面交锋。 03 . 结语：特斯拉全球化蓝图已铺开 连续取得如此傲人的成绩之后，特斯拉依旧没有放慢脚步。 特斯拉柏林工厂投入使用之后将与上海工厂形成两足鼎立之势，牢牢占据中国以及欧洲大陆两个重要市场。欧洲市场将不必依赖上海工厂的出口车辆，而柏林工厂也将直接为欧洲市场提供成本更低竞争力更强的产品。 不久前，特斯拉刚刚宣布将总部从加利福尼亚州迁往得克萨斯州，美国总部的两个工厂之间似乎也正与海外的这两个超级工厂遥相呼应。 随着特斯拉的中国、美国、欧洲工厂都正式投产，特斯拉真正变成了一家全球车企，向着每年千万台销量的目标更近了一步。 把生意做到全世界甚至是外太空，马斯克和特斯拉还在继续着。