首页 文章 精选 留言 我的

精选列表

搜索[MCP头号玩家]，共6593篇文章
优秀的个人博客,低调大师

网络安全威胁头号制造者切莫再“甩锅”

2017年，黑客组织“影子经纪人”(Shadow Brokers)公开了包括“永恒之蓝”在内的一大批由美国国家安全局(NSA)背景的“方程式组织”使用的极具破坏力的网络攻击工具。利用这些工具，只要联网就可以入侵电脑造成严重损失。由于“永恒之蓝”的扩散，2017年5月“WannaCry”勒索病毒在全球爆发，波及150多个国家和地区、10多万个组织和机构以及30多万台电脑，损失总计高达500多亿人民币。时任微软总裁史密斯公开指责NSA在此次勒索病毒事件中负有不可推卸的责任，甚至将“永恒之蓝”等的扩散与战斧导弹遭窃相提并论。 美国不仅大量开发网络攻击武器，还兴建专门间谍机构并培养黑客从事网络攻击活动。公开资料显示，NSA在美国华盛顿、纽约、旧金山、西雅图等八大城市秘密建立了网络监听中心，截取分析全球互联网通信流量，监视通过美国本土的大量电子邮件、电话和在线聊天。据报道，截至2016年底，中央情报局(CIA)直属的网络情报中心拥有超过5000名员工，总共设计了超过1000个木马、病毒和其他“武器化恶意代码”。近期谷歌研究团队发现的一个利用多处零日漏洞实施网络攻击的黑客组织，也被认为具有美国政府背景。 在大量网络攻击工具和黑客队伍的支撑下，美国对别国实施的网络攻击从未停止。2010年，美国利用设备漏洞破坏了伊朗核反应设施内的上千台离心机;2012年，美国入侵俄罗斯电网并植入恶意代码;2019年，委内瑞拉公开指责美国利用网络攻击手段，使其国内大面积停电，导致重要行业和关键基础设施瘫痪。此外，具有美国政府背景的“索伦之眼”黑客组织长期针对中国、俄罗斯等国家进行网络间谍活动;CIA背景的黑客组织APT-C-39更是对中国政府部门和多个重要行业发起长达11年的大规模网络攻击行动。 正如今年6月俄罗斯总统普京在结束美俄首脑峰会后指出，“世界上大多数网络攻击都来自美国。”美国此番伙同盟友造谣污蔑，恰恰反映了其做贼心虚、结伴壮胆的心理。美国一系列出于政治目的颠倒黑白、无中生有的“甩锅”做法，也绝不会为中国政府和中国人民所接受。
2021-07-27
优秀的个人博客,低调大师

IT、OT各自为战，制造业成为黑客头号目标

根据网络安全公司趋势科技最新发布的报告，制造业企业已经成为网络犯罪分子、勒索软件和国家黑客的首要目标，其中61%的企业的工厂发生过网络安全事件，其中四分之三导致生产线下停摆。 该报告基于对250个IT部门和250个运营技术(OT)部门的调查，指出OT部门在全面安全性方面面临更多挑战，技术对这两个部门来说都是难题，但人员和流程对于OT部门来说是更大的挑战。OT部门面临的挑战还包括缺乏对资产和相关网络威胁的可见性，以及缺乏网络安全成熟度的既定目标。 报告指出：不同的挑战和观点意味着IT和OT部门应该就网络安全进行协作，但是只有12%进行了协作。 根据网络安全公司Palo Alto Networks的最新报告，制造业、医疗保健、信息技术和建筑业是勒索软件组织针对的主要行业。多个勒索软件开发团队已经开始在武器库中添加新的针对工业控制系统的恶意软件。 调查显示，制造企业遭遇的网络攻击事件中，75%导致生产中断，而43%的停机案例中(约占所有制造企业的20%)，网络攻击导致停产超过四天。 “工厂网络安全处于发展阶段，”报告指出：“网络攻击事件并不罕见，许多公司在组织和技术方法上都取得了进步，并且大多数公司都意识到了附带的风险。但是随着未来几年工厂网络安全的快速发展，企业很难选择到合适的技术措施。” 调查数据还显示，美国的制造业企业与接受调查的另外两个国家(德国和日本)的企业存在差异。与德国或日本相比，美国制造企业在确保人员、流程和技术安全方面所面临的挑战更少。报告认为美国的制造企业在采用1990年代的信息安全方法方面做得更好，建立了一个安全边界将不法分子拒之门外。但是当下网络安全正在经历向“零信任”的转型，需要企业对公司网络中的流量有更深入的了解。 最后，报告指出IT与OT的隔阂依然很深。尽管89%的公司已经建立了网络安全运营流程，而88%的公司已经创建了事件响应流程，但OT和IT团队却各行其是。该调查显示，只有12%的受访者与他们的同行积极合作来设计这两种流程。 参考资料：https://resources.trendmicro.com/Industrial-Cybersecurity-WP.html 【本文是51CTO专栏作者“安全牛”的原创文章，转载请通过安全牛（微信公众号id:gooann-sectv）获取授权】 戳这里，看该作者更多好文 【责任编辑：赵宁宁 TEL：（010）68476606】 点赞 0
2021-04-01
优秀的个人博客,低调大师

移动办公迎来新重量玩家--“阿里云办公”

时下“钉钉”已成为众多公司移动办公的首要入口。为进一步在移动办公领域赋能中小企业通过云计算技术解决企业管理、业务拓展、销售管理以及协同办公中的痛点, 阿里云云市场基于“钉钉”开放平台研发了“阿里云办公”移动办公套件产品。结合“钉钉”后, 产品将为企业一站式提供即时通讯、销售管理和协同办公。 “阿里云办公”产品主要提供OA、CRM、财务、人力等通用的产品，这些产品由ISV基于“钉钉”进行开发, 并以微应用形式展现在套件中。 “阿里云办公”产品的诞生更加丰富了云市场中的移动办公产品及解决方案。此外，套件还以更贴合移动办公的用户体验的形式进行交付，即移动设备扫码+序列号方式。 阿里云云市场表示：“我们希望阿里云办公可以帮助企业快速迈入移动办公新时代，并和更多伙伴一起，推动中国的saas商业化进程。” 商品地址:http://click.aliyun.com/m/4645/ 本文转自d1net（转载）
2017-07-02
优秀的个人博客,低调大师

ZadigX 发布：价值驱动一切 链接最酷玩家

邀请函：ZadigX线上发布会 Zadig 徜徉开源大漠，用爱发电两年之际，低调发布企业版 ZadigX，广泛链接一切价值创造者。发布会将在2023 年 4 月 27 日以全线上形式举办，特邀一位神秘总裁，两大车企总监，十大云原生盟主联创/CEO：从 GitLab 到 Gitee，从 Jira 到 PingCode，从阿里云到 Nacos、DMS，从 Bytebase 到火线安全，从 APISIX 到 Apipost 、夜莺监控，从路特斯到极氪，伙伴“云”集，开放探讨，共创生态。 直播预约，文末参与抽奖 获取ZadigX定制陆冲板 Zadig {来自理性与感性的碰撞} 2021 年 5 月 16 日，Zadig 在 GitHub 上 100% 开源，首次和公众见面。那天，我们发文写道：“Zadig 是 17 世纪法国伏尔泰小说中古巴比伦的一个哲人，他的一生曲折非凡，永远在追求智慧、勇气和自由。” 我们将产品命名为 Zadig， 希望能帮助今天的工程师们，像伏尔泰笔下的 Zadig 一样，追寻真理，坚持创新，绽放智慧。 时光荏苒 {两年后的今天} Zadig 已成为国内落地规模最广的云原生 DevOps 工程平台，为近 2000 家企业、数十万名工程师带来研发的生产力和幸福度提升。从益丰到老百姓大药房，从小鹏到极氪汽车，从新零售到直播，从物联网到新物流，从地铁到高铁，从船舶到空中运输……支撑日常衣食住行的数字系统，很多背后都有 Zadig 的身影。Zadig 团队也因此被评为 36 氪【新经济之王】基础软件赛道的“2022 年度企业”、GADI 汽车新智造创新行业峰会的“2022 年度最佳数字化服务商企业”；并连续两年被评为“开源中国”的“年度优秀开源技术团队”。 ZadigX {搞定发布，链接一切价值} 诞生伊始，Zadig 是基于 Kubernetes 开发的云原生 CI/CD 持续交付平台，始于高效代码提交、终于可靠交付物生成。但要将“可靠交付物”发布上线，仍需大量手工操作。“Zadig 可以做发布吗？”是我们最常被问到的问题。当数千家研发团队的问询声逐渐汇聚，我们意识到，大家希望 Zadig 做“发布”的呼声已然不容忽视。历经 8 个月打磨，云原生 DevOps 工程平台 ZadigX 应运而生：她的推出，带着云原生发布的使命，从根本上实现了业务上线的闭环。同时具备更强的开放能力、链接企业内外，更稳定的企业级生产环境发布支持，更专业的全方位安全合规性保障，更大规模的企业异构业务应用场景，通过平台工程支撑研发生产力可量化的提升，需求交付效率直接提升 1-5 倍。 产品亮点 /ZadigX ZadigX回答数字化转型的灵魂拷问 随着基础设施逐渐成熟，以 ChatGPT 为代表的 AI 技术迎来新机遇，技术不再是大厂专属。各行各业将迎来软件应用的爆发式增长，产业数字化也将随之全面深入的展开。 GGV 纪源资本符绩勋指出：“企业运营与运维数字化首先是软件， 以车企为例：过去，车企主要靠卖车挣钱，未来则是要通过软件为用户提升价值。”，而想法如何转化为商业场景，则需要依靠组织、技术、工程、流程的系统性方法来实现。 前龙湖集团首席战略官、麦肯锡战略转型创始成员、《企业即算法》作者和《哈佛商业评论》专栏特邀专家王亚军老师指出：“所有的企业都是数字化企业。同时，所有的企业都是组织和技术的复合体，它是一个复杂系统。而技术和组织在企业成长过程中是需要深度融合，持续演进。两者融合演进更好、更快、更有效的公司，将在竞争中胜出。” 而以 ZadigX 为代表的软件迭代工程平台，正是企业数字战略落地的关键抓手。极氪汽车在车企数字化战略实践中，以 ZadigX 为产研 XOps 数字化底座，融合组织与技术双重因素，在打造实例化 XOps 的“三化平台”过程中，回答了数字化转型的两个灵魂拷问：业务和数字化如何融合、数字化投入的 ROI 如何量化。目前 Zadig 与极氪汽车强强联手，全面推进“三化平台”的建设。 Zadig 创始人 & CEO 李倩认为极氪“三化平台”是平台工程技术走向商业化的实例典范，具有产业数字化标杆战略借鉴意义。期待更多像极氪这样的优秀的企业通过数字化能力，实现业务逻辑的战略执行，管理逻辑的有效沉淀，成就客户和员工的价值共识。 ZadigX耕云种月 探索数字研发 X 面 源于硅谷开源极客文化，生于中国企业级云计算开发者，长于中国广袤产业数字化场景。Zadig 从基于 Kubernetes 的云原生 CI/CD 持续交付平台，到今天的 ZadigX 云原生 DevOps 价值链平台，解构从需求到发布全研发周期，呈现所有相关角色价值。 ZadigX 象征链接无限价值，赋予数字经济新解法。这一切的背后，始终是一群人、一件事。耕云种月，立志做工程师背后的工程师，做数字经济背后的平台工程推手。 直播预约、欢迎转发 在评论区参与互动， 分享你的“极客”X 面 即日起，截止 4 月 27 日 19:00 我们将在评论区随机抽选三位小伙伴 赠送 ZadigX 定制陆冲板
2023-04-21
优秀的个人博客,低调大师

Tenstorrent虫洞分析：挑战英伟达的新玩家？

袁进辉——Tenstorrent由于“硅仙人”Jim Keller的加入和其别具一格的架构设计而备受关注。2021年6月，Tenstorrent 的主创Drago Ignjatovic 和Davor Capalija在Linley Group做了题为《 Tenstorrent: Scale-Out-First Microarchitecture for Efficient AI Training 》的演讲（ https://www.youtube.com/watch?v=Id3enIOAY2Q&t=8s ），分享了Tenstorrent的技术理念、产品和愿景，分析师Dylan Patel对这场报告做了剖析，我认为这是一份很有价值的内容，故翻译到中文社区希望更多同仁看到。 本文作者在文末声称，Tenstorrent解决了英伟达还没有解决的横向扩展(scale out）问题。我并不同意这个观点。事实上，今天几乎所有的深度学习软件都是围绕英伟达GPGPU生态而开发，在这个生态里，像OneFlow这样的分布式深度学习框架扮演了Tenstorrent厂内自研的用来解决place和route的编译器，分布式深度学习框架加上英伟达的硬件体系（GPGPU, RDMA网络）已经完成了Tenstorrent所描绘的图景，只是软件框架是由外部厂商完成。 Tenstorrent和GPU在软硬件生态上殊途同归。不过，Tenstorrent针对AI的需求放弃了一些通用性，专用性更强，最终实际效果只能拭目以待。 我一直在思考深度学习领域软硬件特定架构的终态。4年前在一篇文章中写过一些设想，可以说Tenstorrent的设计非常符合那时提出的设想。解决问题的思路和底层抽象也非常吻合，某种程度上，Tenstorrent可以理解为用硬件实现了OneFlow里的Actor系统。 作者 ｜ Dylan Patel 编译 ｜ OneFlow社区 （本文已获编译授权，原文： https://semianalysis.com/tenstorrent-wormhole-analysis-a-scale-out-architecture-for-machine-learning-that-could-put-nvidia-on-their-back-foot/） 作为最重要的人工智能初创公司之一，Tenstorrent受到了媒体的许多关注。许多关注的背后，除了因为大有前景的硬件和软件设计，还有半导体领域传奇人物Jim Keller的加入。从Tenstorrent公司成立之初，Jim就是投资人，那时他还在特斯拉工作。从特斯拉离职后，Jim加入英特尔，最终在2021年初加入Tenstorrent担任首席技术官，并进入公司董事会。 Tenstorrent采用的是一种独特的将硬件和软件紧密结合的方式。硬件专门为任务设计，但软件也不是非常复杂，整个软件栈只有大约50,000行代码。与大多数其它需要定制开发流程的AI专用集成电路（ASIC）不同，Tenstorrent的适应性和灵活性非常强，同时支持所有主流工具链、框架和运行时。因此，英伟达的最大优势———极易开发，正在受到挑战。 为了了解他们的架构和虫洞处理器（Wormhole processor），我们先来了解一下该公司之前的产品。Jawbridge是一款小型测试芯片，作为架构的概念验证而开发。其中有一系列Tenstorrent设计的Tensix处理核，通过厂内自研片上网络（NOC）连接。这与许可的I/O块（如LPDDR内存控制器和PCIe root）相结合。片上CPU内核可以管理工作负载并运行Linux。 Jawbridge芯片非常小，功耗要求非常低。在当时有限预算的情况下，Tenstorrent制作了这款芯片，验证了他们声称的能耗和性能。基于这一概念验证的支持，Tenstorrent能够筹集更多资金来扩展到下一代产品。 GraySkull是下一代演进的商业产品。该芯片有128个Tensix核，非常重要的NOC可大幅扩展，IO也更大。该芯片基于格芯（GlobalFoundries）的12nm工艺，尺寸为620mm^2。Tenstorrent还准备将A0硅推向市场，这也是他们设计能力的一个强有力证明。这意味着，他们设计芯片的路子是正确的，并且在第一次流片中没有发现错误。即使对于AMD、苹果、英特尔、英伟达等经验丰富的团队来说，这一成就也是非常罕见、值得庆祝的事。 GraySkull是一款65W芯片，但PCIe扩展卡是75W。这意味着，它无需任何额外的辅助电源，就可以轻松地插入现有服务器。在完成流片和取样后，Tenstorrent能够筹集到更多资金来制作下一代芯片。 接下来就是虫洞，它是一个670mm^2的晶粒，也是基于格芯的12nm工艺。尽管同一节点的硅面积和利用率略有增加，但Tenstorrent能够显著地扩展性能、IO和可扩展性。除了性能更高、耗电量更大之外，与以前设计的最大不同之处在于，虫洞增加了16个带有100Gb以太网的端口。以太网端口使得许多芯片连接在一起，以扩展到大型AI网络。 除了通过以太网进行扩展，每个Tensix核都得到了大幅升级。每核都拥有更多SRAM，可以执行更复杂的数学和SIMD指令。虫洞有一个192位GDDR6内存总线，能够提供384GB/s的内存带宽。尽管矩阵运算的性能提高了两倍，内存带宽提高了近3倍，并且虫洞有1.6TB的网络交换容量，但虫洞芯片的功率仅增加了一倍，即150W。 Tenstorrent在同样的12nm工艺技术上实现了这些目标，晶粒面积增加了不到10%。他们巧妙地将片上网络（NOC）设计为通过以太网端口进行扩展，不需要为芯片间通信专门开发软件就可以扩展AI训练。 AI训练工作负载的的复杂性在不断飙升。OpenAI声称，训练最强大网络所需的计算量每3个半月就能翻一番。Facebook最近宣布，他们最新的深度学习推荐系统有12万亿个参数，这远超OpenAI预测的趋势。训练这些网络不仅需要服务器，还需要整个AI专用服务器机架。轻松扩展到大规模网络的能力是Tenstorrent虫洞的一个关键优势。 虫洞芯片将提供两种版本。一种是可以轻松插入服务器的PCIe插卡。如果客户在AI训练方面有诸多问题，将会希望购买这一版本的产品，这发挥了该芯片可以承受已知的以太网网络功能的能力。 Tenstorrent设计了Nebula作为基础构件，它是一个4U服务器机箱，可以装入32个虫洞芯片，这些芯片内部连接成一个完整的网格，能够以透明的方式轻松地将这个网格扩展到远远超出单个服务器的范围。 乐趣不止于此。Tenstorrent还展示了Galaxy，这是在一个扩展的网格中连接的8个Nebulas。该机架还包含4台AMD Epyc服务器和一个共享内存池。机架提供大于3TBs的GDDR6和256Gb的外部以太网链路。通用的AMD Epyc服务器和内存池连接到以太网。 Tenstorrent认识到不是所有AI的工作负载都是同质的。他们提供了一个机架级别的服务器产品，其计算能力只有虫洞的一半。 AMD Epyc服务器的数量也减少了一半。这种对计算的权衡是为了换取更大的内存池，每个机架都有8倍的内存，这种类型的配置更适合内存密集度更高的模型，例如深度学习推荐系统。 横向扩展能力还并不止于此。Tenstorrent支持机架组件连接在一个二维网格，关键是用软件来处理横向扩展的问题。对于软件来说，这个网络看起来像是一个由Tensix核组成的大型同质网络。片上网络可以透明地扩展到许多机架的服务器，而不需要再对软件进行重写。 从理论上讲，这个网络可以扩展到无限大，同时带宽保持一致。这种拓扑结构不需要使用许多昂贵的以太网交换机，因为虫洞上的片上网络本身就是一个交换机。 每个服务器顶部的交换机只用于将这些服务器连接到外部世界，而不是在网络内部。英伟达的解决方案需要转换到8 GPU以上的规模，代价巨大，超过16 GPU的规模需要使用更昂贵的英伟达网卡和交换机。 Tenstorrent支持多种拓扑，每一种都各有优缺点。许多数据中心都完全支持经典的叶脊模型。尽管网络性能不同，片上NOC仍然可以很干净地扩展而不会停滞。Tenstorrent完全支持灵活性和多租户体系结构。 虫洞没有严格的层次结构，因而也比较灵活。 在带宽、延迟和编程层次方面，横向扩展服务器倾向于有一个芯片内、芯片间、服务器间和机架间通信的层次结构。Tenstorrent声称已经发现了一个秘密武器，可以让这些不同级别的延迟和带宽不影响软件。尽管虫洞很灵活，芯片利用率仍然很高。但对于他们是如何干净利落地做到这一点的，当然可以持怀疑态度。 编译器和模型设计者花了很多时间试图解决横向扩展的问题，而Tenstorrent却声称他们有解决这一问题的灵丹妙药。编译器和研究人员看到的是“无限的处理核流（infinite stream of cores）”。他们不需要把模型交给网络。正因如此，机器学习研究人员不再受束缚，如果需要的话，他们可以将模型扩大到数万亿个参数。由于这种灵活性，可以很容易在以后增加网络规模。 横向扩展问题很难，对于定制AI芯片而言尤其如此。即使是在横向扩展硬件领域领先的英伟达，也在迫使大量的模型开发者应对这些严格的带宽、延迟和编程层次。如果Tenstorrent要自动化这个任务、解决这一问题的说法是真的，那么他们已经颠覆了这个行业。 为了理解他们是如何做到这一点的，我们需要回顾一下过去的横向扩展训练。从历史上看，为了在CPU集群之间纵向扩展，可以使用一个大的batch size并在集群之间进行分割。这会产生一个聚合批次的中心参数服务器。由于带宽限制，这并没有很好地纵向扩展。 接下来，带有Allreduce和更高性能带宽的GPU集群提高了扩展性。这仍然有局限性，除了增加batch size和在集群中划分（Sharding）数据之外，还有一些早期尝试将其他类型的并行性结合起来。 最大的局限性是batch size不能过大。如果你继续增加batch size，模型无法将收敛并实现高精度。对于较大模型，DRAM容量成为一个约束，因为整个模型要在所有节点上进行复制。中间计算甚至不再适合在片上SRAM中进行，这需要大量的DRAM带宽来存储这些中间体。DRAM的大小和带宽增加的影响是每个节点的成本大幅上升。这种扩展方法对于小型模型很有效，但对于大型模型，很快就不再具有成本效益。 随着更大的模型开始发挥作用，用于有效扩展的库开始出现。用户现在可以跨服务器集群地指定和组合模型、流水，以及基于参数划分的数据并行。 本质上，用户会跨节点拆分网络的模型和层。这允许模型继续扩展，因为它们不需要在每个节点内复制整个模型。这种扩展模式的最大问题是必须手动完成。研究人员必须选择将相应的层映射到相应硬件并控制数据流。 在扩展模型时，需要在各个节点和硬件单元上对模型层进行切片和映射。除了流水并行性，单个张量操作也可能变得太大，以至于单个张量核心硬件单元无法单独执行。这些在一个节点上的张量操作也需要由研究人员手动切分成微张量。 Tenstorrent 的目标是创建一个可以摆放（place）、路由和执行迷你张量操作图的架构。迷你张量被理解为 Tenstorrent 架构原生支持的数据类型。 这意味着研究人员不必为张量切片而烦恼。每个微张量被当作一个单独的数据包处理，这些数据包有一个数据有效负载和一个包头（header），用于在核心网格内识别和路由数据包。 Tensix 内核直接在这些迷你张量数据包上完成计算，每个内核都包括一个路由器、数据包管理器以及大量的 SRAM。路由器和数据包管理器同步处理，并将计算包发送到通过以太网在片上或片外的网格互联线上。 从软件的角度来看，数据包的传输在整个内核网格中看起来是一致的。在同一芯片和不同芯片上的内核之间发送数据包看似相同，因为每个芯片和 NOC 本身就像一个交换机，迷你张量数据包可以沿着内核网格路由到它下一个需要去的内核。 迷你张量数据包有5个关键基元，用于在核心之间进行移动数据包的推进/弹出（push/pop）。复制、收集、分散和随机洗牌也可用于单播（Unicast）或多播（Multicast），取决于图中的消费者或生产者关系。 可以手动将原语（Primitives）组合在一起，以构建原生的迷你张量图。对于大多数人来说，更简单的方法是使用可以接收 PyTorch 输出的编译器。编译器会将输出降低到由这些原语组成的图形中，然后可以在硬件上零开销地运行。 尽管包含许多芯片、服务器和虫洞芯片机架，但软件本身好像只看到由计算核心构成的网格。 严格的层次结构被移除，解除了模型开发人员的约束。编译器会根据网络拓扑自动地在网络中有效放置和路由迷你张量，而不会让模型开发人员烦恼。增加更多服务器可以扩展网格并允许模型毫无顾虑地向外扩展。 这些边界（Boundaries）允许大量模型流水并行。网络中的层可以使用任意数量的资源来匹配计算需求。不需要大量计算的层可以使用一半服务器或一半芯片，但是另一个需要大量计算的层可以跨机架延伸实用。 第4个示例表明，如果网格足够大，甚至可以跨服务器机架延伸单个层。编译器会看到网格的大小，并根据它们的大小映射到层，无论内核网格有1个芯片还是跨多服务器机架的10000个芯片。 与其他网格架构相比，Tenstorrent 网格更大且更具可扩展性。 FPGA网格处于非常精细化的水平，需要大量时间来手动调整。CGRA网格能运行标量图，但它们仍然有许多限制因素。Tenstorrent 在其矩阵引擎中有多个浮点运算和更大的内存。 NOC、数据包管理器和路由器智能地处理芯片内和芯片间的通信，让模型开发人员专注于这个拼图（puzzle）的其他部分。这使得它可以更有效地扩展AI工作负载，同时也更容易开发。 如果他们的主张得到证实，Tenstorrent 已经取得了真正神奇的成就。他们强大的虫洞芯片可以通过集成以太网端口扩展到许多芯片、服务器和机架，而无需 任何软件开销。编译器会看到一个无限的内核网格，没有任何严格的层次结构。这使得模型开发人员在大规模机器学习模型的扩展训练中不用担心图切片或张量切片。 作为人工智能硬件和软件领域的领导者，英伟达还没有接近解决这个问题。他们提供库、SDK和优化帮助，但他们的编译器无法自动执行此操作。我们怀疑 Tenstorrent 编译器能否完美地在AI网络中的层放置和路由到核心网格，同时避免网络拥塞或瓶颈。这些类型的瓶颈在网状网络中很常见。 如果他们真的在没有软件开销的情况下解决了扩展AI问题，那么所有AI训练硬件都将面临严峻挑战。 由于易用性的大幅提升，每一个研究大模型的研究人员都会迅速涌向 Tenstorrent Wormhole 和未来的硬件。 其他人都在看 OneFlow实习岗位热招 计算机架构的新黄金时代 那些在开源世界顶半边天的女同胞们 一文理解深度学习框架中的InstanceNorm 黄仁勋口述：英伟达的发展之道和星辰大海 30年做成三家独角兽公司，AI芯片创业的底层逻辑 点击“ 阅读原文 ” ，欢迎下载体验OneFlow新一代开源深度学习框架 本文分享自微信公众号 - OneFlow（OneFlowTechnology）。如有侵权，请联系 support@oschina.cn 删除。本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
2022-03-12
优秀的个人博客,低调大师

全球物联网主要玩家专利储备分析

市场价值 关于物联网的市场潜力有多大，来看看大家都是怎么说的。 思科的预测是，全球物联网的市场规模在2022年将会达到14.4万亿美元。具体分布则是：3.7万亿美元来自改进用户体验，3万亿美元来自缩短上市时间，2.7万亿美元来自供应链环节和后勤，2.5万亿美元来自缩减开支，2.5万亿美元来自提高员工生产力。 Juniper Research 的预测是，全球联网设备到2020年将会达到385亿件，相比2015年的134亿件，增长了285%。 专利细分领域 从专利的角度对物联网技术进行分类，主要有网络、计算、基础设备等类别（上表中第四大块可以理解为其他）。其中网络-有线-通讯协议这一细分类别取得了最高的专利申请量，达到5009件；排名第二位的是网络-无线-特定适应服务/设备分类，专利申请量达到3747件。第三位则是计算-加密-数据安全分类，专利申请量有3198件。 总体看来，网络通信方面专利储备庞大，信息处理检索方面专利较多，而光学声学方面的专利则出现巨大的缺口。 然而除了专利的申请数量，还要考察的是各个分类下的专利质量，业界将其质量的衡量参数称为专利强度。 事实上，对于专利质量的评价指标有几种，而在本文中LexInnova援引Mark A. Lemley， Kimberly A. Moore， John R. Allison， and R. Derek Trunkey在论文中发表的专利强度分析方法，为高强度专利重新梳理了下表的分类。 高强度专利分类下，申请数量最多的方向是信息检索技术，共有309项专利申请，但这一数字仅占该领域专利申请总量的9.72%。声学相关高强度专利仍然最少，仅有3项。高强度专利在各自领域专利总数占比最高的是字符识别方向，占比达到11.76%；而占比最低的是电子商务方向，比例仅有0.65%。 笔者统计了从1997年到2015年物联网领域专利公布数量的逐年变化。基本从1997年到2002年时物联网专利从零开始的第一个成长期。2002年到2010年的数量表现为小幅下滑后的稳定积累，整体数量都在1000以下。直到2010年之后呈现爆发式增长，2015年更是刷新历年数目之最，达到6810件。（注意，这份专利数量趋势并不包含对2016年的预测。） 巨头们的专利大PK 下面我们来看看全球涉及物联网的公司和机构专利储备究竟有多少，其中中国军团又表现如何呢？ 上图给出了专利储备Top20的公司或机构，分别是：高通、英特尔、中兴、诺基亚、LG、爱立信、华为、索尼、三星、InterDigital、微软、IBM、松下、NEC（日本电气公司） 、飞利浦、Nippon、中国移动、南京大学、国家电网以及中国电信科学技术研究院。仅Top20的专利总量就达到了4363件。 其中，排名前二的高通和英特尔，专利储备量分别为724件和688件，总体占比接近Top20的专利总量的三分之一。 中国企业和机构上榜六名，其中前十名仅有中兴和华为，而中兴以全球第三的排名取得了中国地区最好的名次。值得注意的是南京大学和中国电信科学技术研究院的上榜体现了我国科研机构人才和技术的丰富潜力。 中国军团总体的专利数量为879件，占比超过Top20的专利总量的20%。 然而从前文提到的高强度专利角度再来看中国军团的表现，就会发现差距还是相当大。 从高强度专利的角度细看，连总数的第二名英特尔都被高通甩了下去，第一名高通以157项的成绩遥居第一，数量是位列第二的LG2.5倍。第三到第十名分别是微软、Interdigital、英特尔、思科、爱立信、IBM、索尼、诺基亚。中国公司竟无一上榜。看来无论中兴华为，还是科研机构都要进一步积累。 我们再加入专利年限作为参数，共同看一下Top20的专利情况。 纵轴为前文提到的专利强度，横轴为专利平均年限，圆形面积依然是前文提到的专利申请总量。从中我们能看到华为和中兴的潜力还是很大，通信基础较好的企业向右上角集中。 未来趋势 接下来我们要看的是物联网技术专利的发展趋势。 图中方块面积表明该领域专利数量，颜色则表示该领域专利申请活动的热度。颜色越红，表示未来这一领域的专利申请就月火爆；绿色表示未来相关申请会较少；黄色表示中间水平。 右下角的系统控制、交通运输以及电子商务是未来物联网技术专利申请的大趋势所在。而前文中提到的有线或无线的通讯协议相关技术一方面作为底层技术相对较为成熟，另一方面大公司深耕日久，新入局创新者更多会从物联网应用层面进行技术开拓。 总体而言，中国专利申请的数量最大，紧随其后的是美国。日本和韩国同样表现可观。中国成为电子制造业的领先者，拥有9908项相关专利/申请。而美国成为高通、微软等科技巨头的发源地，物联网方面的专利/申请达到4779项。 除了地理分布，专利在商业上的价值同样也值得我们去注意。一家独大的高通在专利授权等方面拿走了物联网产业的多少利润，而当我们谈及创新驱动时，想要转型成这样的模式，则还需要下一番苦工。 ====================================分割线================================ 本文转自d1net（转载）
2017-07-04

资源下载

更多资源
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Rocky Linux

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

时间: 2026-08-21 大小: 1.42GB 下载: 6次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册