百度成立于 2000 年,已成為中國領先的互聯(lián)網(wǎng)搜索公司。總部位于北京的百度于 2005 年在納斯達克交易所上市。2020 年收入超過 164 億美元。
中國繼續(xù)引領機器人出租車的發(fā)展。這篇文章將探討自動駕駛出租車在中國的現(xiàn)狀。未來的專欄將關注美國和其他地區(qū)的自動駕駛出租車趨勢。
一些微控制器設計用于同時控制空調、洗衣機和洗碗機等設備中的多個永磁電機。此外,通用逆變器、不間斷電源 (UPS) 以及供暖系統(tǒng)、通風系統(tǒng)和溫度調節(jié)應用等工業(yè)應用可以實現(xiàn)各種 MCU 解決方案。
首先,我不是職業(yè)模擬設計工程師。我作為模擬/RF 設計工程師工作了多年,包括在模擬/混合信號 IC 設計和布局方面的工作。幾年來,我還深入研究了控制系統(tǒng)和機器學習 (ML),從那時起,我對數(shù)據(jù)科學的了解一直保持在一定水平。這些天來,我做了很多咨詢、RF 合同設計和大量工程寫作。
EDA的全稱是電子設計自動化(Electronic Design Automation),但其現(xiàn)在只能算是一種半自動化的工具,大量的工作還需要人工來操作。只有當AI技術開始融入之后,EDA工具才開始真正走向了自動化之路。
電池存在測試和測量的困境和難題。一方面,端電壓、電流和溫度等基本電池外部參數(shù)相當容易測量。下一層評估,例如評估充電狀態(tài),需要更多的時間和精力,但事后肯定是可行的。
特斯拉在 8 月中旬的 AI 日推出了用于機器學習和神經(jīng)網(wǎng)絡訓練的汽車芯片、系統(tǒng)和軟件。他們將共同推進自動駕駛汽車模型的培訓。 埃隆馬斯克和他的芯片和系統(tǒng)設計師團隊在三個多小時的演示中提供了大量技術細節(jié)。以下是重點。
人工智能研發(fā)的持續(xù)重新校準強調了機器學習的一個基本原則:我們必須先學會爬行,然后才能走路。 到目前為止,人工智能的炒作主要是在談論而不是在走路?;氐剿坪跏枪こ痰谝辉淼臇|西,美國的研究工作正試圖超越目前僅擅長特定任務的“脆弱”人工智能模型。目標是開發(fā)更通用的模型,可以像人類在新情況下一樣適應。
隨著 AI 炒作的消退和面臨新的工程挑戰(zhàn),內存需求成為焦點:并非每項機器學習和推理任務都需要先進的內存技術。相反,經(jīng)過驗證的傳統(tǒng)存儲器可以在邊緣處理人工智能,而分布式人工智能可能正是 5G 真正需要的東西。
分布式 AI 的分層方法支持增量訓練或“聯(lián)合學習”,從而實現(xiàn)持續(xù)改進?!安粩嗟刂匦掠柧毢透律窠?jīng)網(wǎng)絡。你必須有一些非易失性內存或一些內存,你可以將這些更新推送到所有這些設備中——無論大小?!? 例如,聯(lián)想的 ThinkEdge 包括一個支持人工智能的邊緣設備。它使用高性能 DDR4 DRAM 和容量 SSD 來支持人工智能和機器學習模型,例如用于跟蹤倉庫和物流操作或自動化制造過程的計算機視覺。
電池電動汽車 (BEV) 在過去幾年中獲得了巨大的發(fā)展勢頭,超過了汽車行業(yè)此前對未來影響的預期。幾乎每家汽車制造商現(xiàn)在都計劃在未來十年左右將 BEV 打造為他們的主導產(chǎn)品系列。三年前,大多數(shù)原始設備制造商都計劃推出 BEV,但很少有人預計或計劃最早在 2030 年代后期之前占據(jù) BEV 的主導地位。
電池價格的快速下降是 BEV 興趣上升的一個主要因素,最終使 BEV 與內燃機價格持平。當電池成本達到每千瓦時 100 美元時,普遍認為 BEV 將等于許多汽車領域內燃發(fā)動機的購買價格。
一位分析師稱,播下能量收集的種子需要一段時間。雖然許多行業(yè)的焦點可能集中在為物聯(lián)網(wǎng) (IoT) 提供動力上,但能源收集的未來可能更大。
無傳感器電機控制主要應用于大部分工作時間處于較高電氣頻率(機械速度)的應用。這主要是因為大多數(shù)無傳感器技術需要由轉子以最小頻率旋轉產(chǎn)生的反電動勢 (Bemf) 信號。能夠在零速和極低速下連續(xù)估計轉子磁通角并在低速和高速估計器之間穩(wěn)定移動,可以提高負載下無傳感器啟動的有效性。
一個多世紀以來,電動機一直是我們生活中不可或缺的一部分。沒有它們,就不會有工業(yè)革命,您的生活方式將與您所享受和期望的完全不同。電機通常不為人知,默默無聞,默默地做著許多我們認為理所當然的日?,嵤?,但它們是系統(tǒng)設計者工具包中的重要元素。