JNH官网

器官芯片已加入新冠病毒战役中

2020-05-20

新冠病毒可能成为人类历史上最难对付的病毒之一。 当前，新冠疫情已经在全球造成数以百万计的感染和数十万人的死亡，然而病毒的蔓延似乎还将持续。即便在今年北半球的夏秋季节得到控制，大概率也会在今年底的冬春季节再次卷土重来。 现在，全世界估计没有比研制出新冠病毒疫苗和特效抗病毒药更紧迫的问题了。近期，由我国主导的全球第一个获批临床试验的新冠灭活疫苗已经结束一期临床试验，目前正在进行二期临床试验。按照之前世卫组织的预计，新冠疫苗最快也要18个月才能问世。疫苗研发上的“中国速度”似乎会让新冠病毒疫苗的到来更快一些。   然而更为严峻的情况是新冠病毒在传播过程可能会出现变异。根据美国洛斯阿拉莫斯国家实验室的一项最新研究，现在欧美地区主要流行的毒株已经是一种比新冠病毒大流行初期传播的毒株更具有传染性的新型毒株。如果新冠病毒能够适应夏季高温，并再次发生变异的话，正在研发的疫苗可能失效。 相关专家表示，密切监测新冠病毒的基因变异，针对病毒较为稳定的部分进行有效免疫，对全球的药物研制和疫苗研发至关重要。 为加快疫苗和抗病毒药物研制，研究者们正在尝试采用一种被称为“改变未来的颠覆性技术” 的新方法——器官芯片，来进行新冠病毒入侵免疫系统的机制研究，以及试图缩短药物的临床试验周期。 器官芯片的神奇之处到底何在，能够在新冠疫苗的研制中发挥怎样的作用？这是JNH官网在这里深入探究的重点。 什么是器官芯片？ 人体器官芯片的崛起，本身就有着强烈的现实需求和应用场景，那就是新药研发。 首先，现代新药的研发之所以成本极高、周期长且失败率高的一个主因，就是药物在进入临床试验阶段的失败风险非常高，因此提高对人体对药物反应的预测的准确率，可以有效降低临床试验的试错成本。 其次，当前临床前期试验的药物模型预测主要来自于动物试验。除了分析起来非常复杂、耗时耗力以及动物伦理问题外，动物的药物模型最大的缺点便是无法准确地模拟人体系统。即使是像小白鼠这样跟人类99%基因相同的动物模型都可能带来很多药物的预测偏差。 另外，一种代替动物试验的体外细胞模型，具有快速、高通量的特征，可以广泛用于早期化合物的筛查。但是这种通过培养皿或多孔板培养的简单细胞模型，生理功能不完整，无法反映组织间的相互作用和生理状态下的药物发生机理。 因此，医药研发需要一种精准性更高，更能反映生理机制的药物筛选技术。构建一个百分百还原人体器官模型的技术还有点困难，但是通过逆向工程还原人体器官关键的部位和功能则是行得通的，器官芯片就在微流控技术的基础上诞生了。 器官芯片（organ-on-a-chip），这个听起来有点赛博格（Cyborg）意味的技术，并不如JNH官网常见的半导体芯片那样复杂和高深，其概念早在上世纪90年代就已经提出。 器官芯片技术是仿生生物学和微加工技术的结合，主要是利用微流控技术控制流体流动，结合细胞与细胞相互作用、基质特性以及生物化学和生物力学特性，在芯片上构建三维的人体器官生理微系统。微流控芯片系统能够将微组织器官的直径控制在毫米甚至微米级别，并且增强其营养交换，防止微组织器官的核心细胞的死亡。   通俗来讲，器官芯片既不用完全按照完整的器官进行重建，又具有人体原来器官组织的生理活性和结构功能特征，能够成为预测人体对药物反应和外界各类刺激反应的良好替代品。 人体器官芯片如何实现新药检测？ 以上JNH官网知道，器官芯片主要是模拟人体内部的组织环境，这一内部环境可以是某一块器官组织，也可以是多个器官的组合，比如整个人体。 截至目前，已经发表的人体不同的器官芯片有：肠道芯片、肺部芯片、心脏芯片、肝脏芯片、血管芯片、肿瘤芯片、胎盘芯片以及集合多种器官芯片组成的人体芯片（human-on-a-chip）。 单个器官芯片的研发可以让研究者更直观地了解器官组织的生理机制的变化过程，也可以实现专门的药物的功能的实验和检测。   比如，哈佛大学研制的一款肠道芯片，就可以还原人体肠道的三维的褶皱和小肠绒毛结构，甚至实现微生物群落的共生，因此可以很好地构建口服药物的吸收、代谢模型。 再比如，在心脏芯片中还原心脏微环境中的三维结构，用于在心血管疾病药物研发中观测和对比心肌细胞在不同的刺激下的反应。研究者们成功地在芯片上测试了不同浓度肾上腺素对心脏肌肉细胞收缩性的影响。 此外，像肝脏芯片可以用于对某些药物或病原体对于肝脏细胞的毒性或损害；血管芯片可以模拟人体中血管周围环境与血管的物质交换，用于观测心血管疾病药物对血管表面的刺激反应；肿瘤芯片可以还原复杂的肿瘤微环境或者模拟肿瘤转移，从而测试抗肿瘤药物的效果；胎盘芯片可以模拟胎儿和母体之间的物质交换过程，促进对早产带来的胎盘功能障碍的研究以及治疗。 由于人体是一个由多个器官组成的高度复杂的系统，如果想要研究任何一种疾病或者检测任何一种药物的安全性和有效性，最理想的情况就是在一个完整的人体上进行实验。那么，构建模拟多个器官的“多器官芯片”，也就是“人体芯片”成为行业研究的热点。 比如，近期科学家开发出一种包含五个容纳不同类型细胞腔室的器官芯片装置，通过循环营养液的通道连接模仿血液流动。   这一装置用于研究药物及其化学副产品对靶细胞和其他组织同时产生影响的程度，未来可以有效测量不同抗癌药物对癌细胞以及心脏和肝细胞的影响。 未来，研究者的最终目标是将人体的肝脏、肠道、心脏、肾脏、大脑、肺部、生殖系统、免疫系统、血液循环系统和皮肤用器官芯片的方式连接到一起，组成真正的人体芯片，从而能够更加完整和有效地研究不同疾病、药物、化学物质以及食物对人体健康的整体影响。 器官芯片有哪些用处？ 为加速新冠病毒疫苗研发，JNH官网需要首先了解新冠病毒在入侵人体时候的发生机制与发生过程，也就是要找到为什么JNH官网的免疫系统对其几乎没有抵抗力，这种病毒在入侵早期会对人体细胞造成哪些伤害。 由于现实中一个人被发现感染新冠病毒，很有可能已经是感染数天以后了，所以研究者很难找到早期感染者，特别是在24小时之内的感染者进行病毒入侵模式的观察和检测。而通过创建相关的器官芯片的模型，研究人员就可以详细观察新冠病毒在入侵人体早期是如何工作的了。 为此来自加拿大的研究人员正在利用多伦多大学研制的鼻子、眼睛、嘴巴和肺部的器官芯片来模拟新冠病毒的入侵方式。具体来说就是发现病毒突破JNH官网人体的上皮细胞的屏障进入人体内部，而肺芯片的感染能够研究免疫系统对新冠病毒的先天早期反应。   研究人员还将使用一种Powerblade的技术，用来标记被新冠病毒感染后的细胞分子，并给出相应的生物标记。未来如果用于疫苗的临床前期的实验，研究者就可以利用这一模型研究不同人体的先天免疫系统对新冠病毒疫苗会做出如何的反应。 JNH官网可能仍然记得，在我国新冠疫情初期，某些机构通过体外细胞实验的验证，就宣传某种药物对新冠病毒有效，还一度造成全电商断货的闹剧。结果遭到舆论和专家的批判，原因就在于他们仅通过简单细胞模型来进行药物有效性的证明，其结论是非常单薄的。 而通过器官芯片，新药在上面进行有效性和安全性的筛选和验证，就会比细胞模型有说服力，而且能部分替代动物实验，缩短药物临床前研究的过程。 最近，在针对新冠病毒的抗病毒药物的研制上，中国科学院大学的一支团队正在利用器官芯片的方式，设计一种高通量的药物筛选平台，构建体外肺泡，以更好地缩短整个药物研发的流程，从而加快推进整个特效药的研发进程。   当然，JNH官网也需要理性地认识到，在抗击新冠病毒而进行的疫苗研发和抗病毒药物的研制上，器官芯片仍然也只是起到前期的病毒致病机制的研究和后续药物药效筛选的辅助筛查的作用，也仍然以科研机构的基础性研究为主，很难进入商业化研发的阶段。 理论上来说，器官芯片以一种全新的方式来真实地重现人体器官的生理、病理活动，让研究者直观地观察和研究机体的各种生物学行为，为了解新药靶标的生物机制、为疾病的研究提供新的视角，同时为预测新药的有效性和安全性、探索物种的差异性和意外的临床表现提供了新的方法。 器官芯片还在从实验室走向现实应用的道路上。如果此次对新冠病毒的感染机制研究和药物研制中，器官芯片能够发挥一定作用，也将能够推动更多的医药企业和机构投入资源，加入到对这些改变未来的“颠覆性技术”的商业化进程当中。   关于JNH官网电子 JNH官网电子是国内最全面的开发工具提供商, 致力于将全球最先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。 JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。

查看更多→

基于Arm技术的芯片上一季度出货量再创新高

2020-05-20

[导读](2020年2月26日)在2019财年第三季度(2019年9-12月)中，Arm半导体合作伙伴基于Arm技术的芯片出货量达到64亿颗，再创历史新高，这也是过去两年内第三次创下单季出货量新高。 (2020年2月26日)在2019财年第三季度(2019年9-12月)中，Arm半导体合作伙伴基于Arm技术的芯片出货量达到64亿颗，再创历史新高，这也是过去两年内第三次创下单季出货量新高。 其中，Cortex-M处理器的出货量达到42亿颗，再次刷新纪录，Arm由此看到终端设备对于嵌入式智能的需求不断增加。截止到目前，Arm的合作伙伴已经出货超过1600亿颗基于Arm技术的芯片，过去三年平均每年出货超过220亿颗芯片。 Arm IP产品事业群总裁Rene Haas 表示：“上一季度，Arm合作伙伴基于Arm技术的芯片出货量达到了创纪录的64亿颗，其中包括刷新纪录的42亿颗Cortex-M处理器，进一步证明了Cortex-M是嵌入式与物联网应用的优选处理器。” “此外，JNH官网对新技术与开发人员生态系统的加速投资也为JNH官网带来了2015年以来单季最多的授权协议数量。Arm携手计算生态系统，积极为更多终端设备带来效率更高的智能，打造人工智能驱动的网络边缘，同时为云端带来更高的效率与更低的成本。” 关于JNH官网电子 JNH官网电子是国内较全面的开发工具提供商，致力于将全球先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。 摘自21ic网

查看更多→

ARM笔记本即将支持x64代码，微软的Surface Pro X将更具竞争力

2020-05-20

微软在去年国庆假期期间更新了旗下搭载ARM处理器的二合一笔记本产品Surface Pro X，上一款应该是2013年推出的Surface 2（Nvidia Tegra 4）。微软Surface Pro X搭载基于高通骁龙8cx处理器定制的Surface SQ1处理器，集成了AI加速器，功率由ARM处理器通常的2W提升到7W，集成重新设计的GPU。 对于微软的Surface Pro X笔记本产品，它运行的是Windows 10 ARM。对于普通消费者来说，如果它被定义为一款笔记本产品，那么JNH官网就会默认它是能够运行所有Win32程序的。其实不然，由于Windows 10 ARM的Win32仿真环境不完善，在这款产品上是无法运行x64代码的，而一些性能要求更高的游戏，基本上就不用指望了。 但是，Windows 10 ARM的仿真环境可能马上就会迎来升级，解决无法运行x64代码的问题。微软已经在GitHub上提交了新的代码，明确指出ARM64设备对于x64代码的仿真支持。微软Windows团队工程师Kenny Kerr在今年3月份在GitHub提交了相关分支，在ARM64上运行的仿真器增加支持x64代码，被称为ARM64EC。 其实微软在今年3月份的时候就提交了新的代码，但是直到最近才有Twitter用户Longhorn发现。微软在ARM64仿真环境上所取得的工作进展，意味着ARM笔记本将具备更多的能力，和英特尔处理器设备竞争的优势会有所提升。同时，这也意味着搭载ARM处理器的Surface Pro X能够用在更多的场景下。 JNH官网电子是国内主流的开发工具提供商, 致力于将全球先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。 JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。 摘自 超能网

查看更多→

Mac搭载ARM架构处理器2021年发表5纳米制程将成核心技术

2020-05-20

市场屡屡传出苹果的Mac电脑可能舍弃Intel、改采自家研发的ARM架构处理器，这样的消息如周期循环般反覆出现。中资天风证券知名分析师郭明錤发布最新报告指出，首部搭载ARM架构处理器的Mac电脑可望在2021上半年发表，5纳米制程也将成为苹果新产品的核心技术。 据传苹果正往ARM架构芯片来发展，使Mac电脑以及iPhone、iPad能协同运作、执行相同的应用程式。iPhone与iPad搭载的A系列芯片已是ARM架构，2017年的iMac Pro开始至近期的MacBook Pro、MacBook Air、Mac mini以及Mac Pro当中，都有苹果所设计的T2芯片，也属ARM架构。 过去传闻显示，最快到了2020年Mac电脑改采苹果自家研发的ARM架构处理器。不过郭明錤却表明，苹果今年不会发表带有ARM架构为核心的Mac电脑。 郭明錤的报告指出，苹果的新产品预计将在未来12~18个月内采用5纳米制程生产的处理器，包括2020下半年亮相的5G版iPhone、配备Mini LED的新款iPad，以及在2021上半年发表自行设计处理器的Mac电脑，这些都是苹果关键产品与技术的策略考量。由于处理器是新产品的核心零组件，预期苹果将增加与5纳米制程相关的投资，进而占据相关供应商更多资源，策略上也能阻碍竞争对手的发展进度。 由此可见，5纳米制程的芯片将是未来12~18个月苹果新品核心。从Intel处理器转换到自行设计的ARM架构处理器，将成为苹果的重大转变。值得注意的是，随着此一转变的发生，开发者会有更多工作要做，以确保在macOS执行的应用程式能支援未来的新款Mac电脑。 关于JNH官网电子 JNH官网电子是国内最全面的开发工具提供商,致力于将全球最先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX 等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、//tools.emdoor.com/软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。 摘自全球半导体观

查看更多→

历经两年研发，Arm中国AI产品周易AIPU迎落地首秀

2020-04-24

上月，全志科技发布了新款智能语音专用处理器，这是Arm中国耗时两年研发的周易AIPU的落地首秀。近日，雷锋网与Arm中国产品研发副总裁刘澍和全志科技副总裁陈风进行了深度交流，了解到了Arm中国的产品进展以及Arm中国与全志科技定制周易AIPU的更多细节。 Arm中国在2018年注册成立，中方投资团队占股51%，Arm公司占股49%，接管Arm在国内的所有业务。同时，Arm中国也会研发更符合中国市场需求的产品。据悉，Arm中国从2018年开始就在推进3个产品线，分别是：周易AIPU、山海平台安全解决方案、星辰处理器。 刘澍透露：“这三个产品线从团队建立、到产品开发到发布客户、到客户芯片流片回来测试的工作，目前一切进展顺利。今年第一季度恰好都有客户的芯片返回而且工作正常。” 周易AIPU属于当下最受关注的AI产品品类，也是Arm中国看到落地应用的产品。“与Arm不久前推出的配合Arm Cortex-M处理Ethos-U55和配合Cortex-A处理器的Ethos N系列NPU相比，Arm中国周易AIPU更加通用，既可以跟Cortex-M或Cortex-A一起工作，也可以作为处理器进行独立工作。”刘澍对雷锋网表示。 也就是说，周易AIPU既不是CPU处理器，也不是神经网络加速器。这是因为，周易AIPU定义了一套新的适用于AI算法的指令集，通过指令来驱动里面的向量处理单元和固定的AI算法处理单元，从而完成各种复杂网络的组合的操作。   但作为一款AI处理器，周易AIPU也必须寻找通用性和效率的平衡点，以提升产品的竞争力。周易AIPU的做法是，用向量处理单元Vector/Tensor Process的并行的8-bit向量阵列进行向量计算，Arm中国为Vector/Tensor Process定义了一整套向量处理指令集，有点类似于Arm此前的NEON指令集。 另外，周易AIPU中的AI Fix Function把常见的AI网络里所通用的部件和单元固化为硬件，通过指令就可以驱动硬件工作，提升效率。 标量部分，周易AIPU也有标量单元，这个单元并非完成的CPU，但有类似标量处理器的功能。 因此，周易AIPU用标量处理单元Scalar Unit、向量处理单元TensoCre Ellxe.Cell，还有能提升AI效率的AI Fix Function，最终实现通用性和效率的兼顾。   JNH官网电子是国内全面的开发工具提供商, 致力于将全球先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。 JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。                                                        摘自 雷锋网

查看更多→

谈视觉在自动驾驶与状态监测中的应用

2020-04-24

自从特斯拉将Model 3投入生产以来，时间已经过去了近3年，然而该款车内面向座舱、位于后视镜上方的摄像头一直处于“休眠状态”。 近日，特斯拉CEO埃隆·马斯克透露了Model 3中这款摄像头的功能，特斯拉在开启Autopilot自动驾驶系统时可以使用该摄像头监控驾驶员的注意力，同时还能防止乘客在乘坐自动驾驶共享汽车时恶意破坏汽车。   去年，马斯克还为该摄像头申请了名为“基于乘客‘身体’空间位置而打造车辆个性化系统及方法”的专利，专利中表明在某些应用示例中，用户可根据偏好进行初级车载定制化配置，比如调整驾驶座椅、车辆侧视镜、音乐偏好、驾驶模式偏好等电动可调节部件的相关设定值。 摄像头作为推动汽车发展的关键传感器之一，不仅在自动驾驶应用中大展身手，还是未来智能化座舱的必备帮手，例如人机交互界面、注意力状态监控、健康状态监控等方面，摄像头应用都将占据一席之地。 相关ADAS的视觉方案 随着日常出行对安全性、舒适性要求的提升，自动驾驶的优势与价值不断显现，以ADAS（高级驾驶辅助系统）为核心的自动驾驶技术发展迎来关键节点。其中，传感器中视觉的性能将在下一代迎来飞跃，预计未来3—5年量产的前视摄像头中，单目测距达到200米—300米，像素在2Mp到8Mp之间。在成本占据优势的前提下性能与长距离毫米波雷达差距大幅减小，同时兼具成本和图像识别等方面的优势，目前，基于纯视觉的L4级方案百度Apollo Lite已经路测成功，未来视觉传感器在汽车产业链中的比重将持续提升。   摄像头在汽车上的应用方案包含前视方案和环视方案。前视方案目前主要分为单目和双目摄像头两种类型。简单讲，单目摄像头的测距原理是先通过图像匹配进行目标识别（各种车型、行人、物体等），识别出物体的具体轮廓，根据传感器的尺寸再通过目标在图像中的像素大小估算目标距离。这就要求在估算距离之前首先对目标进行准确识别，判断是汽车、人、货车、SUV还是小轿车。通常单目摄像头内嵌于车内后视镜中，单目测距的算法包括传统机器学习算法与深度学习中的卷积神经网络（CNN）。 准确识别是准确估算距离的第一步。要做到这一点，就需要建立并不断维护一个庞大的样本特征数据库。保证这个数据库包含待识别目标的全部特征数据。而双目摄像头就是利用两幅图像的视差直接测量距离，类似于人眼的感知，无需判断物体的类型。通常双目摄像头置于车内后视镜上方的挡风玻璃处。理论上，双目摄像头的精度可达毫米级，而且双目摄像头计算距离所花费的时间远低于单目摄像头。 除了单双目之外，还有多摄像头组成的平台。有的方案中选用长焦和广角摄像头于ADAS主摄像头配合，兼顾周围环境与远处物体探测。 而以目前行业水准来看，主流方案测距上单目优于双目，远期来看，优于单目方案测距与分辨率挂钩，摄像头像素提升对于单目性能有卓越提升效果，双目产品受限于同步性等因素，难以超越单目。 环视方案则是通过4—6个广角摄像头采集图像数据，拼接后合成360度的全景俯视图，现阶段多用于可视化系统。可视化系统提供车身周围实时的俯视图像，用全景图像消除车身周围的视野盲区，提供相对方位与距离信息。 不同的方案有不同的用途，比如前视方案普遍用于车体纵向的识别、测距等，如前车碰撞预警、行人碰撞预警、紧急制动刹车和自适应巡航等。而环视方案普遍用于自主泊车以及辅助横向的预警、控制，包括车道偏离预警、车道保持功能等。 相关状态监测的视觉方案 在驾驶员体验方面，车内摄像头可用于车内的身份识别、检测驾驶员状态、手势识别等，提高安全性。   驾驶员监控（DMS）系统的功能主要针对驾驶员的疲劳、分神、不规范驾驶等危险情况进行一层或多层预警，要求在全部工况环境下工作，包括暗光、夜晚、逆光等环境，且不能受驾驶员衣着的妨碍。 比如在最近的疫情期间，人们在公共场合自觉佩戴口罩以防止COVID-19的传播，这向绝大部分人脸识别系统抛出了难题，驾驶员监控系统也不例外。例如，苹果面部识别和谷歌Pixel 4的面部识别功能可以识别刮掉胡须或戴着太阳镜的人，但如果用户佩戴了口罩就无法识别。 而座舱监控系统开发商Eyesight Technologies表示，即使驾驶员佩戴了口罩，其平台也能检测到其是否分心或昏昏欲睡。据悉，Eyesight的解决方案是一系列经过训练的AI算法，可透过太阳镜、防护眼镜和口罩监控驾驶员。Eyesight的Driver Sense和Fleet Sense售后系统都利用IR（红外光谱）传感器进行检测，能够在所有照明条件下追踪驾驶员及其头部位置、眼睛张开程度、瞳孔扩张、眨眼频率、注视方向等。 据报道，一位Eyesight发言人表示，“传统上，JNH官网的系统通过追踪嘴部和面部的某些特征来监测驾驶员。但JNH官网已经积极地训练JNH官网的AI和计算机视觉系统，使其即使在驾驶员佩戴口罩的情况下，也能进行监测。JNH官网收集了大量驾驶员在不同驾驶场景下佩戴不同口罩的数据。” 软硬件、芯片、算法、Tire 1、OEM等供应商构成了汽车产业链，在产业链中，跨界融合的趋势越来越强。包括博世、大陆、电装在内的Tire 1已开始自行研发算法；算法公司也在朝Tire 1的角色靠拢，存在部分算法厂商跳过Tire 1或是承担Tire 1的职能直接成为OEM的供应商；部分软件公司进军造芯领域。 在科技技术快速发展的时代，更完美的方案不断涌现来解决自动驾驶汽车的痛点。近期阿里巴巴宣布达摩院自动驾驶实验室自主研发出全新的ISP处理器（Image Signal Processor，即图像信号处理器），使得车载摄像头在白天和夜间的图像识别能力大幅提升。 根据达摩院自动驾驶实验室的路测结果显示，使用达摩院ISP处理器，车载摄像头在夜间场景下，图像物体检测识别能力相比业内主流处理器有10%以上的大幅度提升，原本模糊不清的标注物也得以清晰识别。   随着时间的推移，技术开发、测试与验证的不断深入，自动驾驶功能会从L3级高速巡航、自动泊车等细分场景向全时段全场景自动化逐步完善，从而解放用户的工作与注意力，兑现更多的可能性。 关于JNH官网电子 JNH官网电子是国内全面的开发工具提供商, 致力于将全球先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。 JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。 摘自戏说 eCar中国微信公众号

查看更多→

ARM 3年卖出600亿个芯片：Cortex-M占绝大多数 A77大核排不上号

2020-04-24

全球稍微有名的CPU指令集不下于10个，大家平常接触最多的是X86及ARM，前者统治了桌面、笔记本及服务器等高性能领域，ARM则是在智能手机、智能穿戴、嵌入式等设备无处不在。 根据ARM公布的数据，2019年Q4季度其合作伙伴出货了64亿个ARM芯片，其中有42亿芯片都是Cortex-M系列的，也就是针对低功耗嵌入式市场的，这就占了大约66%的份额，剩下的才是各种Cortex-A、Coretx-R、安全芯片等。 至于大家熟悉的Cortex-A系列，这是ARM公司面向高性能产品的，但总量不是最多的，因为全球智能手机、平板及其他设备加起来的出货量也不过20亿左右，算下来每季度最多5亿而已，也就占出货量的10%而已。 如果再考虑到顶  级的Cortex-A77大核，那比例可能就更小了，目前全球也只有骁龙865、天玑1000、Exynos990、Exnos980等少数处理器采用上了A77大核心，估计其市场份额连统计的意义都没。   根据ARM公司的数据，从1991年到现在，ARM公司一共出货了超过了1600亿ARM芯片了，其中1991到2017年的26年中出货首  次超过1000亿。 但是从2017年到现在，ARM出货的速度就更快了，三年时间出货了600多亿ARM芯片，平均每年超过220亿。 关于JNH官网电子 JNH官网电子是国内最全面的开发工具提供商,致力于将全球先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX 等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、//tools.emdoor.com/软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。 摘自慧聪电子网

查看更多→

Streamline中基于统计的性能分析功能介绍

2020-04-24

ARM性能分析器(Streamline) 7.0版开始支持基于SPE(统计性能分析扩展)的性能分析。SPE是Armv8.2-A架构中的一个可选扩展特性，它可以以很低的代价对处理器的流水线进行采样。Streamline可以从Arm Development Studio和Arm Mobile Stuido获取。 为什么需要SPE? Streamline前序版本只能通过硬件计数器和软中断中采样PC信息获取CPU的信息。硬件计数器只记录触发事件加总数，不可能知道具体哪条指令触发了事件，它只能大致提供应用程序哪块代码触发了这个计数器增加，而往往这块代码区域都比较大，这也导致了能通过这个信息来确定问题的开发者有限。同时因为采样和解析都是通过中断中的软件来完成的，这也导致了程序计数器和栈的采样率也是有限，太高的频率会导致增大系统负载。SPE通过利用CPU流水线中的硬件对PC值进行周期性采样来避免前面提到的问题，因此采样率可以很高，并且没有性能负担。因为SPE是构建在处理器流水线里面，它可以直接采集每条指令相关的附加信息，这方便JNH官网进一步分析执行代码。 工具支持 Streamline支持同时收集系统/应用模式下的SPE数据和其他性能计数器数据。 它支持图形化显示下列SPE数据： l 延迟计数包。它计算指令从触发到执行完毕的延迟，可以用来鉴别流水线中的执行停滞。这个计数包也提供存储存取延迟信息，这可以用来识别高延迟的存储访问和糟糕的缓存用法。 l 事件包。它提供每个被采样指令的重要信息。包括下面信息： l 这条指令是否access/hit/miss某级缓存 l 这条指令是否是错误预测或者没有采用的分支 l 这条指令是否导致互斥读写失败 事件包可以用来识别分支预测，糟糕的缓存试用，锁竞争等问题。 数据源包，显示数据从哪一级存储中获取。 这些数据可以通过时间线显示这些事件发生的顺序，也可以在函数调用路径，代码试图中看到。这让用户可以追踪到线程，函数，代码行和指令行。 先决条件 使用SPE需要硬件支持相应的扩展，内核需要使能arm_spe_pmu，设备树或者UEFI需要支持SPE。此外，SPE目前需要KPTI失效(启动kernel的时候设置kpti=off)，这个要求在Arm后续处理器上可能不需要。可以通过检查是否存在/sys/bus/events/devices/arm_spe_0文件验证内核是否支持SPE。检查dmesg的输出是否有 Kernel/User page tables isolation: enabled 或者查看/sys/devices/system/cpu/vulnerabilities/meltdown是否包含Mitigation: PTI if enabled. 为了使用SPE，你需要有一个支持SPE的设备，或者使用arm的虚拟平台FVP。本文使用Arm Neoverse N1 SDP。如果你想在虚拟平台上测试，你可以使用FVP_Base_RevC-2xAEMv8A。Arm Mobile Studio支持SPE,但是目前还没有消费级的Android设备支持SPE,本文重点使用Arm Development Studio中的Streamline进行演示。 Neoverse N1 SDP配置 本文使用Arm Neoverse N1 Software Development Platform运行一个基于Linux 5.4.1内核的环境。除了需要使能Streamline需要的内核选项和前面的提到的内核选项，不需要其他特殊配置。Neoverse N1 SDP 是一款针对服务器市场的开发平台，目前尚未公开，只有早期客户才能获取。该平台内含一颗Neoverse N1处理器，第一个支持SPE的处理器。 FVP配置 如果你希望在arm虚拟平台上尝试SPE功能，可以通过下面参数使能SPE :         -C cluster0.has_armv8-2=1 -C cluster0.has_statistical_profiling=1         -C cluster1.has_armv8-2=1 -C cluster1.has_statistical_profiling=1 因为FVP并不包含时序信息，所有的指令周期都只需要一个cycle，所以在FVP上的延迟计数器包中显示延迟都是0.同时FVP也不模拟分支预测，所以所有的分支预测都显示正确。 缓存模型可以被使能，使能后，SPE可以显示缓存模型行为的相关事件。 开工 在设备上Gatord需要用root启动。Arm Development Studio用户可以通过下面命令进行全系统分析。 /path/to/gatord 也可以通过下面的命令对某个应用进行分析 /path/to/gatord --system-wide no --app <some-app-to-launch> 启动Streamline，连上设备，从计数器配置窗口可以看到Arm SPE(Statistical Profiling Extension)配置界面   Figure 1 SPE配置对话框 这个对话框可以让用户基于操作类型，事件，最小延迟过滤出感兴趣的事件。所有的操作默认都会被采样，但也可以只采样某种分支，存取操作的组合。相似的，也可以只采样一些事件来进一步降低采样量。过滤设置可以针对某类问题降低采集的数据量。比如低总延迟可以用来提取除缓存外的内存操作。错误预测事件可以用来寻找那些触发错误的程序分支。尽管硬件允许，Streamline目前并不能让用来设置采样率。目前采样率是每100000指令采样一次。Streamline下一个版本，7.2，会支持配置采样率。 Note: SPE运行时每隔n个指令进行一次采样，看其是否满足filter条件再送给Streamline后台，而不是过滤所有样本后每隔n条指令进行采样。当Streamline采集数据到本地文件时，--spe选项参数可以用来控制SPE采样配置。 检查数据 下图显示添加了更多SPE计数器的时间图。SPE事件包内的多种属性显示再堆叠图上。这些图显示了某种属性在样本中存在和不存在的比例。白色方块中显示再所选事件内包含某种属性样本的总和。有些属性和某些特定类型的指令相关，比如分支，存取。 比如Architecturally retired图显示了采样的指令后完成了和没有完成的数量,总量显示了冒险执行的总指令量。类似地， Level 1 Data Cache Access图显示了采样指令中含有对L1数据缓存存取指令总数，以及hit/miss比例。 Note：这些图标不会实时显示，经过离线分析后会显示。 这些事件图显示了被采样进程的行为概述，可以用来进一步通过分析试图来分析感兴趣区域的细节。分析视图中默认显示采集过程中每个计数器和事件发生次数总和。当你发现感兴趣区域，卡尺工具可以用来再分析视图中过滤出感兴趣区域的数据。   Figure 2使用cross-section标记选择感兴趣区域，本图显示一个对L2缓存利用率不足的benchmark的SPE计数器，采样模板使用实验性N1 SPE模板 进一步分析 Streamline有很多视图用来进一步分析理解被分析对象的行为。这包括调用路径栏，函数视图栏和代码栏。 调用路径栏 调用路径视图显示了按照进程和线程显示的调用栈。因为SPE只是采样PC而不是调用栈，每个进程中的函数只是平铺展开。默认情况，本视图只显示传统的周期性采样数据，为了显示SPE数据，从下拉菜单中选择SPE。   Figure 3下拉菜单显示调用栈 事件包显示了每个函数中符合条件和不符合条件的采样比例，以及每个线程和进程中事件的加总数。通过点击第一列的表，可以将这些比例单独成列用来排序，这些独立的列显示了符合条件的事件量，以及占总量的比例。通过对这些列的排序，可以确定哪些函数导致缓存存取失败，或哪些函数导致分支预测失败率高。   Figure 4 可配置显示列   Figure 5基于L1数据缓存存取失败排序的函数 延迟计数器以Log2(Latency)为横轴的直方图显示，列按照0延迟，1 cycle延迟，2-3 cycles延迟，4-7 cycles延迟，8-15 cycles延迟等等，直至采集到的大延迟。   Figure 6 可能的延迟例子，深色的部分显示所有延迟中的高延迟部分，一行中的高一些的柱图显示一行中的高延迟 调用路径视图的下半部分显示子视图。对于周期性的调用栈采样，它会用来显示某个选择的函数下的所有函数调用占所有采样中的比例。但是SPE数据只会将进程/线程中的函数平铺展开，这里只会显示进程/线程中函数占用父进程/线程中调用比例(A函数在子线程/进程中被调用次数除以A函数在父子进程中调用次数)。   Figure 7调用路径子视图，显示一个线程的所有函数 函数栏 函数视图栏显示了所有进程的中函数列表。和调用路径栏一样，函数栏也有一个下拉菜单选择显示数据。类似地，每个列也可以通过点击头部添加删除。   Figure 8函数栏，显示L1数据缓存存取失败的SPE数据 代码栏 点击代码栏或者在调用路径视图，函数栏中右键选择一个函数即刻看到相关代码栏。和前面二种视图有所不同，本视图一次只显示一列。你可以从下拉菜单中进行相应选择配置视图。   Figure 9使用下拉菜单选择代码视图配置 反汇编显示基于每条指令的计数器变化，比如可以显示每条指令的延迟。   Figure 10反汇编视图 如果分析的程序包含调试信息，视图还会显示代码行信息，如果运行Streamline的机器上关联了被调试程序的源码，代码栏的上半部分会显示被选择函数的源码，同时每行代码运行带来的计数器变化也会显示。这可以用来识别函数中需要特别处理代码块。   关于JNH官网电子 JNH官网电子是国内全面的开发工具提供商,致力于将全球先进的软件产品引荐给国内研发型企业使用，为企业提供研发、设计、管理过程中使用的各种软件工具，并致力于和客户一同提高研发、设计效率，缩短设计周期。JNH官网电子先后与arm、Altium、Ansys、QT、TestPlant、CollabNet、Parasoft以及TouchGFX等多家全球知名公司建立战略合作伙伴关系，并成为他们在中国区的重要分销合作伙伴。JNH官网电子专注开发、设计、管理工具数十年，客户超过6000家，具有丰富的工具使用及客户支持经验积累，可以为客户提供从arm开发、EDA板级设计、软件编译及测试工具、结构设计工具、多物理场仿真工具以及嵌入式GUI工具等产品与服务。JNH官网电子在北京、上海、深圳设有分公司，业务遍布全国。 摘自arm中文论坛网  

查看更多→