英伟达自动驾驶软硬件一体化解决方案
gpu(graphics processing unit)图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器。
1985年10月ati使用asic技术开发出了第一款图形芯片和图形卡，1992年4月 ati发布了mach32图形卡集成了图形加速功能，1998年4月ati被idc评选为图形芯片工业的市场领导者。
但那时候这种芯片还没有gpu的称号，很长的一段时间ati都是把图形处理器称为vpu，直到amd收购ati之后其图形芯片才正式采用gpu的名字。
nvidia公司在1999年发布geforce 256图形处理芯片时首先提出gpu的概念。从此nv显卡的芯就用这个新名字gpu来称呼。gpu使显卡削减了对cpu的依赖，并实行部分原本cpu的工作，更加是在3d图形处理时。
gpu所采用的核心技术有硬体t&l、立方环境材质贴图与顶点混合、纹理压缩及凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体t&l技术能够说是gpu的标志。
gpu能够从硬件上支持t&l（transformandlighting，多边形转换与光源处理）的显示芯片，因为t&l是3d渲染中的一个重要部分，其作用是计算多边形的3d位置和处理动态光线效果，也可以称为“几何处理”。一个好的t&l单元，可以提供细致的3d物体和高级的光线特效。
为密集型、易并行程序而生
gpu的核数远超cpu，被称为众核（nvidia fermi有512个核）。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单（gpu初始时在浮点计算上一直弱于cpu）。在浮点运算、并行计算等部分计算方面，gpu可以提供数十倍乃至于上百倍于cpu的性能。gpu会产生大量热量，所以它的上方通常安装有散热器或风扇。
gpu的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。在 2003-2004年左右，图形学之外的领域专家开始注意到gpu与众不同的计算能力，开始尝试把gpu用于通用计算（即gpu）。
之后nvidia发布了cuda，amd和等公司也发布了opencl，gpu开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理（排序，map- reduce等），金融分析等等。gpu通用计算方面的标准目前有 open cl、cuda、ati stream。
gpu面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。适合在gpu上运行的有：
（1）计算密集型的程序。所谓计算密集型(compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。
（2）易于并行的程序。gpu其实是一种simd(single instruction multiple data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。
具备以上特征的，是图形、视频的处理，因此gpu也可以说成专为图像处理而生。gpu图形处理的过程大致分成 5 个步骤： vertex shader、primitive processing、rasterisation、fragment shader、testing and blending。
1、vertex shader,是将三维空间中数个（x,y,z）顶点放进 gpu 中。
2、primitive processing，是将相关的点链接在一起，以形成图形。
3、rasterisation，因为电脑的屏幕是由一个又一个的像素组成，因此，需要将一条连续的直线，使用绘图的演算法，以方格绘出该直线。图形也是以此方式，先标出边线，再用方格填满整个平面。
4、fragment shader，将格点化后的图形着上颜色。
5、testing and blending。便是将第一步所获得的投影垂直距离取出，和第四步的结果一同做最后处理。
自动驾驶gpu厂商的一枝独秀
gpu厂商有不少，如imagination、inter、nvidia、amd(ati)、3dfx、matrox、sis和via、gcxx（隶属于vivante）、adreno（隶属于高通），但目前大部分的市场，都在移动端。
powervr（隶属于imagination技术公司）专注于移动gpu技术授权，它是移动平台gpu授权的老大，授权伙伴主要有intel、苹果、联发科、lg、高通、瑞萨、三星、海思、marvell、索尼等等。
mali（隶属于arm）有一整套gpu授权方案很多不具备独立开发gpu技术的芯片供应商都直接使用了arm处理器+mali gpu的设计，比如三星、瑞芯微、展讯、意法半导体、全志等。
gpu厂商在移动市场领域也是呈寡头垄断局面，amd和英伟达合力垄断了游戏/生产力gpu市场。但在自动驾驶领域吗，当中最为出名的，便是nvidia。
2016年底，基于amd自家gpu芯片的radeon instinct姗姗来迟，号称服务于自动驾驶汽车/无人机等领域，可用于深度学习推理和训练。作为一个高性能gpu加速器，它结合miopen和rocm开源软件，用于加速提升机器智能的发展。
其中radeon instinct mi6加速器基于备受欢迎的北极星gpu架构，采用被动散热，板卡功耗150瓦，fp16峰值性能达到5.7tflops，板载16gb gpu内存。
intel不但是世界上最大的cpu生产销售商，也是世界最大的gpu生产销售商。但在自动驾驶领域，inter并没有朝着gpu的方向而去，而是选择了mobileye的eyeq和altera的fpga方案。
如此一来，gpu在自动驾驶领域的争夺，目前就只是nvidia的一家独大了。
nvidia的gpu全家桶
针对自动驾驶领域，nvidia煞费苦心的构建了软硬件一体化的解决方案，连入门的开发套件也一应俱全。
硬件产品：
drive px parker autocruise，具备自动巡航能力，可支持高速公路自动驾驶以及高清制图。drive px parker autochauffeur，可用于点到点行驶。drive px xavier 能够提供 20 tops 的高性能，而功耗仅有 20 瓦。2018 年第一季度上市。
drive px pegasus能同时运行许多深度神经网络，可满足自动驾驶的一切安全所需，无需方向盘或踏板。pegasus 将于 2018 年中向 nvidia 的汽车合作伙伴供应。
软件产品：
nvidia dgx 系统 可以将数据中心的神经网络训练时间从几个月缩短到仅仅几天。所得到的神经网络模块可以在 nvidia drive px 上实时运行。训练好深度神经网络，然后再部署至汽车。
nvidia driveworks作为nvidia drive软件的一部分提供，用于选择汽车制造商，一级供应商和研究机构，致力于开发让汽车自行驾驶的系统。
nvidia drive ix 软件可利用来自车内外麦克风和摄像头的传感器数据，追踪驾驶员四周的环境。车载 nvidia drive px ai配合数据中心内的 nvidia tesla gpu ，可创建高度精细的地图。
开发者套件：
当然还不止于此，为了让创业者更容易学习，接触人工智能，公司推出了高性能、低能耗的 nvidia jetson tx1 tx2模块。专为开发者研发的套件，可以帮助初创公司进行深度学习、计算机视觉，进行大型、复杂的深度神经网络实验。虽不是专门针对自动驾驶，但很多初创团队都是用了tx2，完成了初代自动驾驶技术的验证。
可以说，nvidia为用户提供了一整套的产品，让市场学习并接受以gpu为核心的自动驾驶运算力平台。但光有产品，教学还不够，要让市场接受新鲜事物，赤膊上阵有时也势单力薄，最好能拉一些巨头共舞。
结盟产业链供应商，力推自动驾驶平台
为了更好的帮助开发者，以及初创公司，nvidia与一家自动驾驶系统零部件供应商autonomoustuff合作，开发了一套基于drive px的整套软硬件自动驾驶平台，分高中低配版本。
其中高级版本使用了福特fusion车型，包含2个velodyne vlp16激光雷达，未来将推出vlp32激光雷达；11个sekonix摄像头；1个xsens mti-g710、1个gnss辅助、imu强化版全球导航卫星系统/惯性导航系统（gnss/ins）；5个雷达；1个novatel span igm-a1惯性测量单元（inertial measurement unit，imu）；1个ibeo四层多回波（four layer multi-echo）lux传感器。
传感器合作伙伴：
当然不仅于此，在lidar厂商中，nvidia还挑选了ibeo、quanergy、velodyne作为合作伙伴。
nvidia和quanergy通过采用quanergy传感器和来自nvidia drive px（一个强大的自动驾驶平台）的处理器的集成方法，联手打造了自动驾驶汽车之路。quanergy传感器使汽车能够检测，识别和分类周围的物体。
摄像头也有合作伙伴，包括ficosa corp、flir、leopard imaging inc、pointgrey / flir、sekonix。flir以革命性的flirboson®热像仪内核为基础构建而成的flir adk™是开发下一代汽车热像仪和高级驾驶员辅助系统（adas）的经济高效方式。adk的热数据端口可直接通过标准usb连接进行分析，或通过可选的nvidia drive™px 2连接进行分析。
leopard imaging inc.专门创建相机解决方案。示例包括嵌入式机器视觉应用的立体深度映射，以及支持智能机器和消费类产品的摄像机。他们可以支持各种raw和yuv传感器，可以使用nvidia的片上isp，也可以使用csi或usb使用外部isp。
安全伙伴：
elektrobit和nvidia合作，开发了适用于nvidia drive™px的elektrobit eb tresos解决方案：用于开发高级驾驶辅助系统（adas）的软件平台。它将强大的计算处理器与硬件和软件相结合，为自驾车辆提供安全至关重要的adas功能。
2017年6月7日，瑞典哥德堡 - arccore是汽车行业软件和嵌入式平台的创新公司，正在nvidia drive™px平台上构建安全关键软件，为复杂的汽车系统提供动力。arccore的软件平台将基于着名的汽车标准autosar，并将用作自动驾驶的高性能评估系统。
结盟oem、tier1，落地商业化
为了推进自家产品的落地商用，nvidia又找来了主机厂、tier1，主机厂中不乏奥迪、奔驰、丰田、沃尔沃，宝马菲亚特、雪铁龙、保时捷等全球知名厂商，tier1有博世、zf、奥托立夫、海拉。
2017年3月16日，bosch展示了与nvidia合作打造的bosch ai 车载计算机。
2017年5月10日，nvidia宣布它正在与丰田合作提供人工智能硬件和软件技术，以提高计划在未来几年内推向市场的自动驾驶系统的功能。
2017年6月26日，nvidia宣布与zf和海拉建立了战略合作伙伴关系，将ai技术与新车评估计划（ncap）安全认证相结合，用于大规模部署自动驾驶车辆。该协议是非排他性的。
沃尔沃汽车和奥托立夫将与nvidia合作开发用于人工智能自动驾驶汽车的先进系统和软件，他们计划在2021年之前出售基于nvidia drive™px汽车计算平台的生产车辆。
在 ces 2017 上，奥迪和 nvidia 宣布加速推进长期合作，这一新的共同目标将使先进的 ai 汽车在 2020 年上路行驶。nvidia gpu 为全球所有下一代宝马汽车中采用的车载导航和信息系统提供支持。特斯拉和 nvidia 从最早开发革命性的 model s 就已经开始合作。
虽然跟oem、tier1绑定了合作关系，但nvidia并不踏实，因为大部分协议都是非排他协议。而在nvidia的官网上，自动驾驶合作伙伴一页中，tesla、宝马、本田、奥迪的合作页面已经打不开。
犹记得在2017年底，马斯克在一个私下场合，曾表露出要自造自动驾驶芯片的意愿，料想跟nvidia的合作也不是太满意。嗯，他的上一个合作伙伴是mobileye。
东芝和富士电机将共同投资,用于电动车节能芯片的增产
Fox提供采用新型紧凑封装的1V低耗电量振荡器
国轩高科获得1790kWh集装箱式储能电站订单
微电网的工作原理
美信推出MAX5984单端口PSE电源控制器
英伟达自动驾驶软硬件一体化解决方案
一次SQL查询优化原理分析：900W+数据，从17s到300ms
2022全球晶圆厂设备支出超1000亿美元，突破历史记录！
内窥镜气密性检测技术
5G建设加速,未来5G手机的换机需求有望快速增加
通信巨头激战5G,谁将成最后赢家?
如何利用VR技术创造出虚拟世界
升降压变换器的应用：基本的实现方式和拓扑的工作方式
新思科技成功实现与英特尔PCIe 6.0测试芯片的互操作性
共享电单车快速发展 电池的安全性以及监测性能成主要面临问题
毫米波雷达人体存在感应，人体精准感知应用
射频工程师的具体工作内容有哪些呢？
小米发布米家变频滚筒洗衣机1S 定价1299元
雷军：我的行业太恐怖！
曝三星突然撤销中国七大支社，还将继续裁员
1985年10月ati使用asic技术开发出了第一款图形芯片和图形卡，1992年4月 ati发布了mach32图形卡集成了图形加速功能，1998年4月ati被idc评选为图形芯片工业的市场领导者。
但那时候这种芯片还没有gpu的称号，很长的一段时间ati都是把图形处理器称为vpu，直到amd收购ati之后其图形芯片才正式采用gpu的名字。
nvidia公司在1999年发布geforce 256图形处理芯片时首先提出gpu的概念。从此nv显卡的芯就用这个新名字gpu来称呼。gpu使显卡削减了对cpu的依赖，并实行部分原本cpu的工作，更加是在3d图形处理时。
gpu所采用的核心技术有硬体t&l、立方环境材质贴图与顶点混合、纹理压缩及凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体t&l技术能够说是gpu的标志。
gpu能够从硬件上支持t&l（transformandlighting，多边形转换与光源处理）的显示芯片，因为t&l是3d渲染中的一个重要部分，其作用是计算多边形的3d位置和处理动态光线效果，也可以称为“几何处理”。一个好的t&l单元，可以提供细致的3d物体和高级的光线特效。
为密集型、易并行程序而生
gpu的核数远超cpu，被称为众核（nvidia fermi有512个核）。每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单（gpu初始时在浮点计算上一直弱于cpu）。在浮点运算、并行计算等部分计算方面，gpu可以提供数十倍乃至于上百倍于cpu的性能。gpu会产生大量热量，所以它的上方通常安装有散热器或风扇。
gpu的众核架构非常适合把同样的指令流并行发送到众核上，采用不同的输入数据执行。在 2003-2004年左右，图形学之外的领域专家开始注意到gpu与众不同的计算能力，开始尝试把gpu用于通用计算（即gpu）。
之后nvidia发布了cuda，amd和等公司也发布了opencl，gpu开始在通用计算领域得到广泛应用，包括：数值分析，海量数据处理（排序，map- reduce等），金融分析等等。gpu通用计算方面的标准目前有 open cl、cuda、ati stream。
gpu面对的则是类型高度统一的、相互无依赖的大规模数据和不需要被打断的纯净的计算环境。适合在gpu上运行的有：
（1）计算密集型的程序。所谓计算密集型(compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。
（2）易于并行的程序。gpu其实是一种simd(single instruction multiple data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。
具备以上特征的，是图形、视频的处理，因此gpu也可以说成专为图像处理而生。gpu图形处理的过程大致分成 5 个步骤： vertex shader、primitive processing、rasterisation、fragment shader、testing and blending。
1、vertex shader,是将三维空间中数个（x,y,z）顶点放进 gpu 中。
2、primitive processing，是将相关的点链接在一起，以形成图形。
3、rasterisation，因为电脑的屏幕是由一个又一个的像素组成，因此，需要将一条连续的直线，使用绘图的演算法，以方格绘出该直线。图形也是以此方式，先标出边线，再用方格填满整个平面。
4、fragment shader，将格点化后的图形着上颜色。
5、testing and blending。便是将第一步所获得的投影垂直距离取出，和第四步的结果一同做最后处理。
自动驾驶gpu厂商的一枝独秀
gpu厂商有不少，如imagination、inter、nvidia、amd(ati)、3dfx、matrox、sis和via、gcxx（隶属于vivante）、adreno（隶属于高通），但目前大部分的市场，都在移动端。
powervr（隶属于imagination技术公司）专注于移动gpu技术授权，它是移动平台gpu授权的老大，授权伙伴主要有intel、苹果、联发科、lg、高通、瑞萨、三星、海思、marvell、索尼等等。
mali（隶属于arm）有一整套gpu授权方案很多不具备独立开发gpu技术的芯片供应商都直接使用了arm处理器+mali gpu的设计，比如三星、瑞芯微、展讯、意法半导体、全志等。
gpu厂商在移动市场领域也是呈寡头垄断局面，amd和英伟达合力垄断了游戏/生产力gpu市场。但在自动驾驶领域吗，当中最为出名的，便是nvidia。
2016年底，基于amd自家gpu芯片的radeon instinct姗姗来迟，号称服务于自动驾驶汽车/无人机等领域，可用于深度学习推理和训练。作为一个高性能gpu加速器，它结合miopen和rocm开源软件，用于加速提升机器智能的发展。
其中radeon instinct mi6加速器基于备受欢迎的北极星gpu架构，采用被动散热，板卡功耗150瓦，fp16峰值性能达到5.7tflops，板载16gb gpu内存。
intel不但是世界上最大的cpu生产销售商，也是世界最大的gpu生产销售商。但在自动驾驶领域，inter并没有朝着gpu的方向而去，而是选择了mobileye的eyeq和altera的fpga方案。
如此一来，gpu在自动驾驶领域的争夺，目前就只是nvidia的一家独大了。
nvidia的gpu全家桶
针对自动驾驶领域，nvidia煞费苦心的构建了软硬件一体化的解决方案，连入门的开发套件也一应俱全。
硬件产品：
drive px parker autocruise，具备自动巡航能力，可支持高速公路自动驾驶以及高清制图。drive px parker autochauffeur，可用于点到点行驶。drive px xavier 能够提供 20 tops 的高性能，而功耗仅有 20 瓦。2018 年第一季度上市。
drive px pegasus能同时运行许多深度神经网络，可满足自动驾驶的一切安全所需，无需方向盘或踏板。pegasus 将于 2018 年中向 nvidia 的汽车合作伙伴供应。
软件产品：
nvidia dgx 系统 可以将数据中心的神经网络训练时间从几个月缩短到仅仅几天。所得到的神经网络模块可以在 nvidia drive px 上实时运行。训练好深度神经网络，然后再部署至汽车。
nvidia driveworks作为nvidia drive软件的一部分提供，用于选择汽车制造商，一级供应商和研究机构，致力于开发让汽车自行驾驶的系统。
nvidia drive ix 软件可利用来自车内外麦克风和摄像头的传感器数据，追踪驾驶员四周的环境。车载 nvidia drive px ai配合数据中心内的 nvidia tesla gpu ，可创建高度精细的地图。
开发者套件：
当然还不止于此，为了让创业者更容易学习，接触人工智能，公司推出了高性能、低能耗的 nvidia jetson tx1 tx2模块。专为开发者研发的套件，可以帮助初创公司进行深度学习、计算机视觉，进行大型、复杂的深度神经网络实验。虽不是专门针对自动驾驶，但很多初创团队都是用了tx2，完成了初代自动驾驶技术的验证。
可以说，nvidia为用户提供了一整套的产品，让市场学习并接受以gpu为核心的自动驾驶运算力平台。但光有产品，教学还不够，要让市场接受新鲜事物，赤膊上阵有时也势单力薄，最好能拉一些巨头共舞。
结盟产业链供应商，力推自动驾驶平台
为了更好的帮助开发者，以及初创公司，nvidia与一家自动驾驶系统零部件供应商autonomoustuff合作，开发了一套基于drive px的整套软硬件自动驾驶平台，分高中低配版本。
其中高级版本使用了福特fusion车型，包含2个velodyne vlp16激光雷达，未来将推出vlp32激光雷达；11个sekonix摄像头；1个xsens mti-g710、1个gnss辅助、imu强化版全球导航卫星系统/惯性导航系统（gnss/ins）；5个雷达；1个novatel span igm-a1惯性测量单元（inertial measurement unit，imu）；1个ibeo四层多回波（four layer multi-echo）lux传感器。
传感器合作伙伴：
当然不仅于此，在lidar厂商中，nvidia还挑选了ibeo、quanergy、velodyne作为合作伙伴。
nvidia和quanergy通过采用quanergy传感器和来自nvidia drive px（一个强大的自动驾驶平台）的处理器的集成方法，联手打造了自动驾驶汽车之路。quanergy传感器使汽车能够检测，识别和分类周围的物体。
摄像头也有合作伙伴，包括ficosa corp、flir、leopard imaging inc、pointgrey / flir、sekonix。flir以革命性的flirboson®热像仪内核为基础构建而成的flir adk™是开发下一代汽车热像仪和高级驾驶员辅助系统（adas）的经济高效方式。adk的热数据端口可直接通过标准usb连接进行分析，或通过可选的nvidia drive™px 2连接进行分析。
leopard imaging inc.专门创建相机解决方案。示例包括嵌入式机器视觉应用的立体深度映射，以及支持智能机器和消费类产品的摄像机。他们可以支持各种raw和yuv传感器，可以使用nvidia的片上isp，也可以使用csi或usb使用外部isp。
安全伙伴：
elektrobit和nvidia合作，开发了适用于nvidia drive™px的elektrobit eb tresos解决方案：用于开发高级驾驶辅助系统（adas）的软件平台。它将强大的计算处理器与硬件和软件相结合，为自驾车辆提供安全至关重要的adas功能。
2017年6月7日，瑞典哥德堡 - arccore是汽车行业软件和嵌入式平台的创新公司，正在nvidia drive™px平台上构建安全关键软件，为复杂的汽车系统提供动力。arccore的软件平台将基于着名的汽车标准autosar，并将用作自动驾驶的高性能评估系统。
结盟oem、tier1，落地商业化
为了推进自家产品的落地商用，nvidia又找来了主机厂、tier1，主机厂中不乏奥迪、奔驰、丰田、沃尔沃，宝马菲亚特、雪铁龙、保时捷等全球知名厂商，tier1有博世、zf、奥托立夫、海拉。
2017年3月16日，bosch展示了与nvidia合作打造的bosch ai 车载计算机。
2017年5月10日，nvidia宣布它正在与丰田合作提供人工智能硬件和软件技术，以提高计划在未来几年内推向市场的自动驾驶系统的功能。
2017年6月26日，nvidia宣布与zf和海拉建立了战略合作伙伴关系，将ai技术与新车评估计划（ncap）安全认证相结合，用于大规模部署自动驾驶车辆。该协议是非排他性的。
沃尔沃汽车和奥托立夫将与nvidia合作开发用于人工智能自动驾驶汽车的先进系统和软件，他们计划在2021年之前出售基于nvidia drive™px汽车计算平台的生产车辆。
在 ces 2017 上，奥迪和 nvidia 宣布加速推进长期合作，这一新的共同目标将使先进的 ai 汽车在 2020 年上路行驶。nvidia gpu 为全球所有下一代宝马汽车中采用的车载导航和信息系统提供支持。特斯拉和 nvidia 从最早开发革命性的 model s 就已经开始合作。
虽然跟oem、tier1绑定了合作关系，但nvidia并不踏实，因为大部分协议都是非排他协议。而在nvidia的官网上，自动驾驶合作伙伴一页中，tesla、宝马、本田、奥迪的合作页面已经打不开。
犹记得在2017年底，马斯克在一个私下场合，曾表露出要自造自动驾驶芯片的意愿，料想跟nvidia的合作也不是太满意。嗯，他的上一个合作伙伴是mobileye。
东芝和富士电机将共同投资,用于电动车节能芯片的增产
Fox提供采用新型紧凑封装的1V低耗电量振荡器
国轩高科获得1790kWh集装箱式储能电站订单
微电网的工作原理
美信推出MAX5984单端口PSE电源控制器
英伟达自动驾驶软硬件一体化解决方案
一次SQL查询优化原理分析：900W+数据，从17s到300ms
2022全球晶圆厂设备支出超1000亿美元，突破历史记录！
内窥镜气密性检测技术
5G建设加速,未来5G手机的换机需求有望快速增加
通信巨头激战5G,谁将成最后赢家?
如何利用VR技术创造出虚拟世界
升降压变换器的应用：基本的实现方式和拓扑的工作方式
新思科技成功实现与英特尔PCIe 6.0测试芯片的互操作性
共享电单车快速发展 电池的安全性以及监测性能成主要面临问题
毫米波雷达人体存在感应，人体精准感知应用
射频工程师的具体工作内容有哪些呢？
小米发布米家变频滚筒洗衣机1S 定价1299元
雷军：我的行业太恐怖！
曝三星突然撤销中国七大支社，还将继续裁员