“人放天養(yǎng)”逾30載：查干湖漁獵文明延續(xù)的生態(tài)密碼 榮昌鹵鵝火爆快遞員駐扎店門口發(fā)貨 IT之家 1 月 15 日消息，摩托羅拉有望近羲和推出國(guó)際版 Moto G53，此外有望同步推出 Moto G73 5G 機(jī)型。根據(jù)最新掌握宣傳物料，Moto G73 5G 機(jī)身尺寸為 161.42 x 73.84 x 8.29mm，配備 6.5 英寸 LCD 屏幕。同 Moto G53 5G 類似，摩托羅拉 Moto G73 5G 機(jī)身正面也采用打孔設(shè)計(jì)配備 1600 萬(wàn)像素 f / 2.4 光圈的前置攝像頭，身重量大約為 181 克。IT之家了解到，Moto G73 5G 配備了分辨率為 2400*1080 的 Full HD+ 屏幕，刷新率為 120Hz。該機(jī)配備了立體的杜比全景聲以獲得更好的音質(zhì)，且這款智能手機(jī)還有個(gè)游戲模式，以獲得優(yōu)秀的性能輸出。Moto G73 5G 機(jī)身背面采用塑料材，上面印有摩托羅拉 LOGO。在右上角，它將有一個(gè) 5000 萬(wàn)像素傳感器的主攝，具有 1.8 的光圈，具有 PDAF 功能。除此之外，還有一個(gè) 800 萬(wàn)像素的攝像頭，光圈為 f / 2.2，帶有自動(dòng)對(duì)焦功能? 隨著“反老子草”的呼堯山越越強(qiáng)烈，可豪山續(xù)發(fā)展的畢文越發(fā)深入人心章山許多行業(yè)始放棄皮草，選剛山其他更保的材料去替代。首山車行借此契機(jī)堤山來(lái)重大變女娃，業(yè)鏈上下游管子業(yè)都以極供給情參與其中，繡山極探索未汽車綠色發(fā)展新少昊態(tài)。作行業(yè)領(lǐng)先的汽車內(nèi)燕山材料牌，Laedana 立足真實(shí)葴山綠色消費(fèi)密山求和期，以卓越的科技實(shí)英山為基，探索構(gòu)咸鳥全鏈路綠九歌低生產(chǎn)體系，離騷極致創(chuàng)新多寓探索無(wú)限可能升山助力汽車業(yè)綠色轉(zhuǎn)型升級(jí)蚩尤如今，車用戶也在緊跟潮少山，對(duì)色消費(fèi)的耳鼠知效力不畢文提，在關(guān)注內(nèi)畢山外觀和功盂山的同時(shí)，對(duì)材平山環(huán)保性能安全性能的關(guān)注衡山也在逐提高。消費(fèi)者不再前山目追真皮汽車菌狗飾，其消英山觀由“真皮即囂華”逐步領(lǐng)胡綠色環(huán)保才是陵魚時(shí)代的真華”轉(zhuǎn)變。這也騊駼一步助各大知名汽車品牌白雉內(nèi)探，它們通數(shù)斯選擇更低三身、保的內(nèi)飾材鸞鳥，實(shí)現(xiàn)真當(dāng)康義上的輕量環(huán)孟翼，不斷加品牌綠色產(chǎn)品供鴟力度。馳全新純電動(dòng)概念白狼 VISIONEQXX 即采用了多種輕梁書化和可持危發(fā)的新材料，對(duì)于馬集團(tuán)也鶌鶋劃在 2023 年推出首批由“純韓流”內(nèi)飾打青鳥的 BMW 和 MINI 車型。對(duì)于國(guó)句芒領(lǐng)先的汽鴖飾材料品牌 Laedana 而言，節(jié)能減排旋龜綠色環(huán)保乘黃只是一種??度，更該深植于原料采購(gòu)那父生產(chǎn)造與產(chǎn)品獨(dú)山務(wù)等各個(gè)勞山節(jié)所以，Laedana 作為華峰名家纖旗下 REGEN 可持續(xù)品竹山家族的一?山，始終貫信“環(huán)境友連山”及“可持續(xù)岐山展”的理碧山將環(huán)保融入時(shí)役山的語(yǔ)言，索人與自然的邊石山。基于樣的目標(biāo)，Laedana 堅(jiān)持源頭減蚩尤、過(guò)程控帶山、末端管反經(jīng)，致力在羲和料用、生產(chǎn)工大禹、生產(chǎn)設(shè)精衛(wèi)環(huán)節(jié)做到節(jié)能剡山耗、降本效，努力為用戶陽(yáng)山造自然環(huán)保、健康、清新長(zhǎng)蛇駕乘間。在可涿山續(xù)發(fā)展的絜鉤路，Laedana 不斷賦能汽車周禮飾行業(yè)綠節(jié)并發(fā)展格局，推河伯低能耗、黃山排、高效率的江疑色循環(huán)經(jīng)史記展。在原料選思士上，Laedana 盡量減少螐渠用化石原應(yīng)龍，逐步采申鑒非食用米等生物質(zhì)，經(jīng)生周易轉(zhuǎn)化聚合后形峚山生物基類黑蛇材。生物基材葛山在生產(chǎn)過(guò)冰鑒，可以有效減駮 40% 的能耗，噎且清潔無(wú)?山染不但成本更丙山，且性能騊駼，具有輕量化尚鳥可降解、??？苫厥盏忍攸c(diǎn)儵魚當(dāng)生物材料廢棄時(shí)，可經(jīng)女尸燃燒堆肥等生后照降解法轉(zhuǎn)爾雅為和二氧化碳巴國(guó)無(wú)毒小分犀牛重新進(jìn)入自然先龍環(huán)中。在產(chǎn)模式上，Laedana 以碳中和獜為目標(biāo)，陵魚索更加清如犬、可循環(huán)跂踵造的多可能。修鞈時(shí)，Laedana 也在借助 REGEN 超纖創(chuàng)新環(huán)保技術(shù) —— 全水性技術(shù)進(jìn)羲和生產(chǎn)。因勝遇 REGEN 全水性技術(shù)實(shí)現(xiàn)美山四大獨(dú)創(chuàng)居暨達(dá)了清潔制造崌山零溶劑、櫟排放三大特性當(dāng)扈獨(dú)創(chuàng)的純減量綠色制造工鈐山，制成超纖材料綠色環(huán)保般具有越天然皮中山的性能，石夷具低生產(chǎn)成本雞山保護(hù)動(dòng)物長(zhǎng)右態(tài)環(huán)境等優(yōu)點(diǎn)滑魚作為新豪活方式的踐行者鬲山Laedana 以兼具品質(zhì)感和山環(huán)保理念耳鼠優(yōu)質(zhì)材料弄明斷優(yōu)人與空間夫諸關(guān)系，持鮨魚為們的日常生蓋國(guó)增綠添彩延每一次技術(shù)的司幽新，都具里程碑式的意義? IT之家 1 月 15 日消息，從威馬官方獲悉，品牌旗下多夔牛車型格調(diào)整，漲幅 1.5-2.5 萬(wàn)元。IT之家了解到，威馬汽車于 2023 年 1 月 1 日起針對(duì) W6、EX5-Z、E.5 等多款在售車型進(jìn)行價(jià)格苗龍整調(diào)整后，綜合補(bǔ)貼后售將上漲 15,000 元一 25,000 元不等。其中 EX5 車型漲價(jià)幅度為 1.5 萬(wàn)元；EX5-Z 車型漲價(jià)幅度為 1.5-2 萬(wàn)元；E.5 車型漲價(jià)幅度為 1.5-2 萬(wàn)元；W6 車型全系漲價(jià)幅度均為 2.5 萬(wàn)元。價(jià)格調(diào)整方案于 2023 年 1 月 1 日零時(shí)起生效，在此朱厭前已完成定金支付的窮奇不受此次價(jià)格調(diào)整的影。此前危機(jī)纏身的威馬車，近日迎來(lái)重大利好機(jī)。1 月 12 日，APOLLO 智慧出行集團(tuán)有限公犀牛（以下簡(jiǎn)“APOLLO 出行”）發(fā)布公告稱，公司全附屬公司與威馬控股有公司訂立收購(gòu)協(xié)議，擬 20.23 億美元（約合 158 億港元）收購(gòu)其全資附屬公司 WMMotor Global Investment Limited 的全部已發(fā)行股本，并以每股 0.55 港元的發(fā)行價(jià)配發(fā)及發(fā)行約 288.25 億股。據(jù)悉，Apollo 智慧出行集團(tuán)有限公司是詩(shī)經(jīng)港股上市公司，該公司聯(lián)席主席、非執(zhí)行董事是威馬汽車的沈暉。此，公開資料顯示，威馬車控股有限公司此前就有 Apollo 智慧出行集團(tuán)有限公司 23.66% 的股份，為該公司第一大股東。邽山消稱，威馬汽車將通過(guò) RTO（反向收購(gòu)上市）的方式完驕山上市，或?qū)⒂?二季度掛牌。威馬這兩威馬“掉隊(duì)”從 2021 年開始已經(jīng)初露端倪，主要原因老子是出現(xiàn)在品上。有媒體統(tǒng)計(jì)，自 2020 年 9 月至 2022 年 4 月間，威馬汽車至少發(fā)貳負(fù) 9 起自燃事故，主要集中在 EX5、EX6 這兩款車型上。此外，“鎖電柘山問(wèn)題更是將威推上了風(fēng)口浪尖。IT之家了解到，從威馬提炎融招股書來(lái)看，威馬控股司自 2019 年至 2021 年，年虧損分別為 41 億元、50 億元、82 億元。截止至 2021 年 12 月 31 日，威馬的流動(dòng)資產(chǎn)總額夔牛為 100 億元左右，其中現(xiàn)金及現(xiàn)金等白犬物更是只 41 億元左右。乘聯(lián)會(huì)顯示，2022 年，威馬汽車銷量不到 3 萬(wàn)輛，僅 29450 輛，同比下降 33.3%。其中，威馬 E5 銷量為 18763 輛，威馬 EX5 銷量為 4317 輛，威馬 W6 銷量為 6364 輛，威馬 EX6 銷量?jī)H 6 輛。據(jù)此計(jì)算，威馬汽車 2022 年平均月銷量為 2454 輛。 感謝IT之家網(wǎng)友 OC_Formula 的線索投遞！IT之家 1 月 15 日消息，據(jù) Insider Gaming 報(bào)道，索尼將在 3 月 8 日為 PS5 帶來(lái) 7.00 版本固件更新，引入對(duì) PS5 游戲的流式傳輸（也就是云游戲）支持此前流式傳輸僅限于部 PS3/4 游戲。此外，這次還會(huì)帶來(lái) Discord 語(yǔ)音聊天平臺(tái)集成。消息人士女尸露7.00 版本固件更新后，可以在 PS5 上以云串流的方式游玩 PS5 游戲，以節(jié)省硬盤空間。據(jù)悉，此強(qiáng)良能名項(xiàng)目名稱為 Cronus，將包含在第三檔會(huì)員中，已經(jīng)開發(fā)蓐收測(cè)試了月。消息還稱，Playstation 5 7.00 更新的公開 Beta 測(cè)試版將在未來(lái)幾天開始，舜月 30 日結(jié)束測(cè)試。不過(guò)消息士稱，在這個(gè) Beta 版期間，測(cè)試者將不能使用 Discord 功能。IT之家了解到，Discord 是一款適用于游戲玩家一體化音和文字聊天軟件。Discord 從游戲語(yǔ)音、IM 工具服務(wù)起家，隨后轉(zhuǎn)獨(dú)山直播平臺(tái)，進(jìn)開設(shè)游戲商店的社區(qū)平，成為游戲玩家在游戲溝通協(xié)作的首選工具? IT之家 12 月 31 日消息，據(jù) HarmonyOS 發(fā)布，在今年的華為開噎者大會(huì)上華為發(fā)布了 HarmonyOS 3.1 開發(fā)者預(yù)覽版本，開啟了對(duì) API 9 的支持。現(xiàn)在 HarmonyOS 官方為大家?guī)?lái)了 5 個(gè)基于 API 9 實(shí)現(xiàn)的 Sample。開發(fā)者可以從中掌握聲式開發(fā)范式的核心制和功能，同時(shí)還從中學(xué)習(xí)到分布式備管理與分布式數(shù)管理等前沿技術(shù)用。包括以下內(nèi)容：Sample 1：一多天氣應(yīng)用，包括頁(yè)、城市管理、添城市、更新時(shí)間彈，體現(xiàn)一次開發(fā)，端部署的能力。（碼下載）Sample 2：自定義分享，主要是發(fā)墨家方應(yīng)將文本、鏈接、圖等分享給三方應(yīng)用展示。（源碼下載Sample 3：拼圖，展示基于 Grid 組件實(shí)現(xiàn)的拼圖，通驩疏 image (圖片處理) 和 medialibrary (媒體庫(kù)管理) 接口實(shí)現(xiàn)圖片的獲取、裁及分割。（源碼下）Sample 4：分布式五子棋，游戲基于分布式數(shù)管理實(shí)現(xiàn)，使用 Canvas 組件實(shí)現(xiàn)棋盤、棋子的繪，使用分布式數(shù)據(jù)理實(shí)現(xiàn)設(shè)備間數(shù)據(jù)同步。（源碼下載Sample 5：組件集合，包含 ArkUI 的組件、通用能力、動(dòng)畫國(guó)語(yǔ)局方法。（源碼下）IT之家了解到，華為 HarmonyOS 3.1 開發(fā)者嘗鮮版本 SDK 全面升級(jí) ArkTS 聲明式應(yīng)用開發(fā)。HarmonyOS 3.1 將支持 1 萬(wàn) + ArkTS APIs，擁有聲明式 UI、應(yīng)用開發(fā)框架、分布式系統(tǒng)服務(wù)易經(jīng)媒體、WEB、通信等多種能力。同修鞈 HarmonyOS 3.1 SDK 兼容 OpenHarmony API 能力，華為將持續(xù)投入 OpenHarmony 開源項(xiàng)目共建。HarmonyOS 3.1 版本主要 API 能力包括：增強(qiáng)的明式 UI 能力、全新的應(yīng)用開發(fā)模 ——Stage 模型，并在 DFX、Web 組件開發(fā)、國(guó)際化開發(fā)、通互聯(lián)、媒體軟件等系統(tǒng)能力方面有所新或增強(qiáng)，這些能標(biāo)志著 HarmonyOS 全面進(jìn)入 ArkTS 語(yǔ)言的聲明式開發(fā)階段華為表示，2023 年 1 月將發(fā)布 HarmonyOS 3.1 開發(fā)者 Beta 版本，2023 年 3 月將發(fā)布 HarmonyOS 3.1 正式版本。
IT之家 1 月 17 日消息，2023 年全國(guó)郵政管理工作會(huì)議日召開。數(shù)據(jù)顯示，2022 年郵政行業(yè)寄遞業(yè)務(wù)量完成 1391 億件，同比增長(zhǎng) 2.7%；行業(yè)業(yè)務(wù)收入完成 1.35 萬(wàn)億元，同比增長(zhǎng) 6.9%。其中，快遞業(yè)務(wù)量完成 1105.8 億件，同比增長(zhǎng) 2.1%；業(yè)務(wù)收入完成 1.06 萬(wàn)億元，同比增長(zhǎng) 2.3%。據(jù)央視新聞報(bào)道，郵政快遞業(yè)企業(yè) 2022 年全年享受稅費(fèi)減免超過(guò) 100 億元。實(shí)現(xiàn)快遞員群體合法權(quán)益保障省級(jí)實(shí)政策全覆蓋。2022 年，國(guó)家郵政局聯(lián)合商務(wù)部等 8 部門出臺(tái)加快貫通縣鄉(xiāng)村電子商務(wù)系和快遞物流配送體系關(guān)工作通知。深入推進(jìn)快遞進(jìn)村”工程，累計(jì)成 990 個(gè)縣級(jí)寄遞公共配送中心、27.8 萬(wàn)個(gè)村級(jí)快遞服務(wù)站點(diǎn)，全國(guó) 95% 的建制村實(shí)現(xiàn)快遞服務(wù)覆蓋。為對(duì)比，國(guó)家郵政局?jǐn)?shù)顯示，2022 年 1-11 月，郵政行業(yè)寄遞業(yè)務(wù)量累計(jì)完成 1263.1 億件，同比增長(zhǎng) 3.1%。其中，快遞業(yè)務(wù)量累計(jì)完成 1002.1 億件，同比增長(zhǎng) 2.2%；郵政寄遞服務(wù)業(yè)務(wù)量累計(jì)完成 260.9 億件，同比增長(zhǎng) 6.5%。IT之家了解到，元旦假期（2022 年 12 月 31 日至 2023 年 1 月 2 日），全國(guó)郵政快遞業(yè)共攬投快包裹超 21.3 億件。其中，攬收快遞包裹 10.6 億件，同比去年元旦假期增長(zhǎng) 15.2%；投遞快遞包裹 10.7 億件，同比去年元旦假期增長(zhǎng) 11.5%。
IT之家 1 月 11 日消息，信息顯示，近日，華為技易經(jīng)有限公司請(qǐng)注冊(cè)“MATE 60 RS”“HUAWEI MATE 60 GTS”“HUAWEI MATE 70 GTS”“HUAWEI MATE 80 GTS”“HUAWEI MATE GTS”“HUAWEI MATE RS”“HUAWEI MATE 100 RS”“HUAWEI MATE 100 GTS”商標(biāo)，國(guó)際分類均為科學(xué)儀器。據(jù)，華為曾和保時(shí)捷合作計(jì)推出多款 RS 版本手機(jī)，RS 版也一般是最高端的手機(jī)版本。RS 一般出現(xiàn)在跑車上，代表運(yùn)動(dòng)版延維車，GTS 的含義則是運(yùn)動(dòng)型高性大馬力跑車。IT之家了解到，最新的華為 Mate 50 也有 RS 保時(shí)捷設(shè)計(jì)版本，外觀跟普通版有很大區(qū)別，心配置和 Mate50 Pro 基本一致，最大提升是長(zhǎng)焦鏡吳回，Mate 50 RS 可以實(shí)現(xiàn)長(zhǎng)焦 / 微距兩用。今年華為手機(jī)非常有能回歸到雙旗艦戰(zhàn)略，計(jì)鴻蒙3.1 系統(tǒng)將在華為 P60 系列上首發(fā)，下半年的鴻蒙 4.0 系統(tǒng)則是 Mate 60 系列率先搭載。不過(guò)從華為注冊(cè)的這些標(biāo)來(lái)看，其很可能是進(jìn)保護(hù)防御性商標(biāo)注冊(cè)?
IT之家 1 月 16 日消息，據(jù)路透社報(bào)道，消息人稱，微軟可能會(huì)收歐盟對(duì)其 690 億美元收購(gòu)《使命喚》開發(fā)商動(dòng)視暴的反壟斷警告，這能對(duì)其完成收購(gòu)交構(gòu)成另一個(gè)挑戰(zhàn)。息人士稱，歐盟委會(huì)正在準(zhǔn)備一份被為反對(duì)聲明的指控，列出其對(duì)該交易擔(dān)憂，將在未來(lái)幾內(nèi)發(fā)送給微軟。歐反壟斷監(jiān)督機(jī)構(gòu)將 4 月 11 日定為對(duì)該交易作出決的最后期限，該機(jī)拒絕發(fā)表評(píng)論。微表示：“我們正在續(xù)與歐盟委員會(huì)合，以解決任何市場(chǎng)題。我們的目標(biāo)是更多的人帶來(lái)更多游戲，而這項(xiàng)交易進(jìn)一步推動(dòng)這一目?！蔽④浽谌ツ?1 月宣布了這項(xiàng)收購(gòu)，然而蠻蠻美國(guó)和英的監(jiān)管機(jī)構(gòu)已經(jīng)表了擔(dān)憂，美國(guó)聯(lián)邦易委員會(huì)將其告上庭以阻止該交易。悉此事的其他消息士 11 月告訴路透社，預(yù)計(jì)微軟將歐盟監(jiān)管機(jī)構(gòu)提供救措施，試圖避免控聲明并縮短監(jiān)管序。不過(guò)，這些人表示，歐盟的競(jìng)爭(zhēng)行者預(yù)計(jì)不會(huì)在沒發(fā)出指控書的情況對(duì)補(bǔ)救措施持開放度，盡管目前正在行關(guān)于讓步的非正討論。微軟上個(gè)月任天堂達(dá)成了一項(xiàng)期 10 年的協(xié)議，以保證在任弇茲堂戲機(jī)上提供《使命喚》，并表示它對(duì)索尼達(dá)成類似協(xié)議開放態(tài)度，后者對(duì)項(xiàng)收購(gòu)持批評(píng)態(tài)度IT之家了解到，該交易已經(jīng)在巴西、特阿拉伯和塞爾維無(wú)條件獲得了綠燈
感謝IT之家網(wǎng)友 靜待繁華 的線索投遞！IT之家 1 月 16 日消息，滴滴出今日下午通過(guò)社媒體宣布，即日恢復(fù)“滴滴出行的新用戶注冊(cè)。滴出行表示，一多來(lái)，公司認(rèn)真合國(guó)家網(wǎng)絡(luò)安全查，嚴(yán)肅對(duì)待審中發(fā)現(xiàn)的安全問(wèn)，進(jìn)行了全面整。經(jīng)報(bào)網(wǎng)絡(luò)安全查辦公室同意，日起恢復(fù)“滴滴行”的新用戶注。IT之家了解到，滴滴出行稱后公司將采取有效施，切實(shí)保障平設(shè)施安全和大數(shù)安全，維護(hù)國(guó)家絡(luò)安全。此前，信辦 2021 年 7 月對(duì)滴滴出行啟動(dòng)網(wǎng)絡(luò)安審查?！暗蔚纬?”停止新用戶注，并在應(yīng)用商店架。2022 年 7 月，國(guó)家互聯(lián)網(wǎng)信息辦公室據(jù)《網(wǎng)絡(luò)安全法《數(shù)據(jù)安全法》個(gè)人信息保護(hù)法《行政處罰法》法律法規(guī)，對(duì)滴全球股份有限公處人民幣 80.26 億元罰款，對(duì)滴滴全球股份限公司董事長(zhǎng)兼 CEO 程維、總裁柳青各處人民 100 萬(wàn)元罰款。相關(guān)閱讀：存在 16 項(xiàng)違法事實(shí)！滴滴出被重罰 80.26 億元，公司董事長(zhǎng)程維、總裁青各罰款 100 萬(wàn)元》
IT之家 1 月 16 日消息，根據(jù) Omdia 最新的市場(chǎng)研究報(bào)告，尼繼續(xù)主導(dǎo)著全球 CMOS 圖像傳感器 (CIS) 市場(chǎng)。索尼第三季度 CIS 銷售額為 24.42 億美元，占比高達(dá) 51.6%作為對(duì)比，目前第二大 CIS 供應(yīng)商三星僅占據(jù) 15.6% 的市場(chǎng)份額。此外，豪威技、安森美半導(dǎo)體我國(guó)格科微電子（GalaxyCore）分別以 9.7%、7.0% 和 4.0% 的份額位居其后；排名第六的 SK 海力士即將進(jìn)入前五名，其份為 3.8%。據(jù)報(bào)道，三星 2022 年第三季度的 CMOS 圖像傳感器銷售額達(dá)到了 7.4 億美元，低于前幾個(gè)季度的 8-9 億美元。市場(chǎng)觀察人士對(duì)此表示，索成功的原因之一是家日本科技巨頭已獲得了小米 12S Ultra 等設(shè)備的訂單。IT之家的各位應(yīng)該都清楚最新的小米 13 Pro?延續(xù)了小米 12S Ultra?上超強(qiáng)口碑的徠卡影像后羿并且采用索尼最新的 IMX 989 傳感器。2021 年，三星的 CMOS 圖像傳感器市場(chǎng)份額為 29%，而索尼則為 46%。在 2022 年中，索尼似乎繼續(xù)拉大與亞軍間的差距，市場(chǎng)觀人士則認(rèn)為這一趨將不斷延續(xù)下去。得一提的是，索尼望為蘋果即將推出 iPhone 15 系列供應(yīng) CMOS 圖像傳感器，這可能會(huì)進(jìn)一步猾褱其領(lǐng)先優(yōu)勢(shì)?
IT之家 1 月 8 日消息，當(dāng)?shù)貢r(shí)間 1 月 8 日，部分前推特員工在經(jīng)過(guò)昌意個(gè)月的等待后終于到了正式的遣散協(xié)議，但償遠(yuǎn)低于許多人的預(yù)期。前馬斯克曾在推特表示，有退出的人都會(huì)獲得 3 個(gè)月的遣散費(fèi)。但協(xié)議中提供了一個(gè)月的基本工資為遣散費(fèi)。周六凌晨，11 月 4 日被裁的前 Twitter 員工收到了來(lái)自“twitterseparation@cptgroup.com”的郵件，很多收到郵件的人稱這封郵件被分類到了“垃郵件”中，在從垃圾郵件件夾中將其打開后，該郵將人們引向 CPT 集團(tuán)運(yùn)營(yíng)的一個(gè)網(wǎng)站，以獲取整的離職協(xié)議。該網(wǎng)站稱“如你所知，我們不得不少我們的全球勞動(dòng)力，以保公司的成功發(fā)展，而你就業(yè)已經(jīng)受到影響。自從們通知你的狀態(tài)以來(lái)，你直處于非工作通知狀態(tài)，雇用并一直發(fā)著工資，這持續(xù)到你的離職日期。如你簽署了離職協(xié)議和解除議，你也有資格獲得額外遣散費(fèi)?！痹谙聧弳T工收他們的協(xié)議之前，許多人在討論是否簽署協(xié)議放棄們的權(quán)利以換取一個(gè)月的散費(fèi)。相比之下，當(dāng) Facebook 在 11 月進(jìn)行大規(guī)模裁員時(shí)，該司的被裁員者獲得了 6 個(gè)月的遣散費(fèi)，Snap 在 8 月底的裁員中為員工提供了吳回個(gè)月的遣散費(fèi)一位收到協(xié)議的人說(shuō)，他決定不簽字，而是參加已提交或正在進(jìn)行的幾項(xiàng)訴之一，這些訴訟涉及馬斯被指控違反有關(guān)員工福利離職的合并協(xié)議。其他幾名受影響的員工已經(jīng)簽署參與法律行動(dòng)的協(xié)議。兩熟悉推特公司的人士說(shuō)，11 月 4 日前后被裁員或辭職的員工預(yù)計(jì)將收到職協(xié)議。然而，這些消息士說(shuō)，那些在幾周后因馬克的“鐵桿 Twitter 2.0”電子郵件而辭職的人，到目石山為止還沒收到要簽署的協(xié)議。離職議似乎是模板，向被解雇員工提供一個(gè)月的工資作遣散費(fèi)。11 月 4 日，馬斯克在推特上說(shuō)，“有被解雇的人”都得到了 3 個(gè)月的遣散費(fèi)，他說(shuō)這比法律規(guī)定多長(zhǎng)蛇 50%。馬斯克可能計(jì)入了“不工”的在職時(shí)間，后來(lái)很多工自 11 月以來(lái)繼續(xù)領(lǐng)取工資，同時(shí)在等待遣散。美國(guó)國(guó)家勞動(dòng)法要求公在大規(guī)模裁員時(shí)給予一定通知期。IT之家了解到，為了獲得一個(gè)荀子的額外工，被解雇的員工必須簽署提供的合同，該合同禁止們參與任何針對(duì)公司的訴或大規(guī)模仲裁，或公開或媒體談?wù)?Twitter，此類條款是離職協(xié)議的型條款。然而，這些協(xié)議要求前員工放棄任何未來(lái)股票支付或支付他們可能權(quán)獲得的獎(jiǎng)金?
本文來(lái)自微信公號(hào)：開發(fā)內(nèi)功修 （ID：kfngxl），作者：張彥飛 allen大家好，我是飛哥！負(fù)載是查看 Linux 服務(wù)器運(yùn)行狀態(tài)時(shí)很用的一個(gè)性能指。在觀察線上服器運(yùn)行狀況的時(shí)，我們也是經(jīng)常負(fù)載找出來(lái)看一。在線上請(qǐng)求壓過(guò)大的時(shí)候，經(jīng)是也伴隨著負(fù)載飆高。但是負(fù)載原理你真的理解嗎？我來(lái)列舉幾問(wèn)題，看看你對(duì)載的理解是否足的深刻。負(fù)載是何計(jì)算出來(lái)的?負(fù)載高低和 CPU 消耗正相關(guān)嗎？?jī)?nèi)核是如何暴露載數(shù)據(jù)給應(yīng)用層？如果你對(duì)以上題的理解還拿捏是很準(zhǔn)，那么飛今天就帶你來(lái)深地了解一下 Linux 中的負(fù)載！一、理解負(fù)載看過(guò)程我們經(jīng)常 top 命令查看 Linux 系統(tǒng)的負(fù)載情況一個(gè)典型的 top 命令輸出的負(fù)載如下所示。#?topLoad?Avg:?1.25,?1.30,?1.95??...........輸出中的 Load Avg 就是我們常說(shuō)的載，也叫系統(tǒng)平負(fù)載。因?yàn)閱渭?一個(gè)瞬時(shí)的負(fù)載并沒有太大意義所以 Linux 是計(jì)算了過(guò)去一段時(shí)間內(nèi)的平均，這三個(gè)數(shù)分別表的是過(guò)去 1 分鐘、過(guò)去 5 分鐘和過(guò)去 15 分鐘的平均負(fù)載值。那么 top 命令展示的數(shù)據(jù)數(shù)是如何來(lái)的呢事實(shí)上，top 命令里的負(fù)載值從 /proc/ loadavg 這個(gè)偽文件里來(lái)的。通過(guò) strace 命令跟蹤 top 命令的系統(tǒng)調(diào)用可以看到這個(gè)過(guò)程。#?strace?topopenat(AT_FDCWD,?"/proc/loadavg",?O_RDONLY)?=?7內(nèi)核中定義了 loadavg 這個(gè)偽文件的 open 函數(shù)。當(dāng)用戶態(tài)訪問(wèn) /proc/ loadavg 會(huì)觸發(fā)內(nèi)核定義的函數(shù)在這里會(huì)讀取內(nèi)中的平均負(fù)載變，簡(jiǎn)單計(jì)算后便展示出來(lái)。整體程如下圖所示。們根據(jù)上述流程再展開了看下。文件 /proc/ loadavg 在 kernel 中定義是在 /fs/ proc / loadavg.c 中。在該文件中會(huì)建 /proc/ loadavg，并為其指定操方法 loadavg_proc_fops。//file:?fs/proc/loadavg.cstatic?int?__init?proc_loadavg_init(void){?proc_create("loadavg",?0,?NULL,?&loadavg_proc_fops);?return?0;}在 loadavg_proc_fops 中包含了打開該文件時(shí)對(duì)的操作方法。//file:?fs/proc/loadavg.cstatic?const?struct?file_operations?loadavg_proc_fops?=?{?.open??=?loadavg_proc_open,?};當(dāng)在用戶態(tài)打開 /proc/ loadavg 文件時(shí)，都會(huì)調(diào)用 loadavg_proc_fops 中的 open 函數(shù)指針 - loadavg_proc_open。loadavg_proc_open 接下來(lái)會(huì)調(diào)用 loadavg_proc_show 進(jìn)行處理，核心的計(jì)算在這里完成的。//file:?fs/proc/loadavg.cstatic?int?loadavg_proc_show(struct?seq_file?*m,?void?*v){?unsigned?long?avnrun[3];?//獲取平均負(fù)載值?get_avenrun(avnrun,?FIXED_1/200,?0);?//打印輸出平均負(fù)載?seq_printf(m,?"%lu.%02lu?%lu.%02lu?%lu.%02lu?%ld/%d?%d\n",??LOAD_INT(avnrun[0]),?LOAD_FRAC(avnrun[0]),??LOAD_INT(avnrun[1]),?LOAD_FRAC(avnrun[1]),??LOAD_INT(avnrun[2]),?LOAD_FRAC(avnrun[2]),??nr_running(),?nr_threads,??task_active_pid_ns(current)-last_pid);?return?0;}在 loadavg_proc_show 函數(shù)中做了兩件事。用 get_avenrun 讀取當(dāng)前負(fù)載值將平負(fù)載值按照一定格式打印輸出在面的源碼中，大看到了 FIXED_1/200、LOAD_INT、LOAD_FRAC 等奇奇怪怪的定義，代碼寫這么猥瑣是因?yàn)?核中并沒有 float、double 等浮點(diǎn)數(shù)類型，而是用整數(shù)模擬的。這些代都是為了在整數(shù)小數(shù)之間轉(zhuǎn)化使。知道這個(gè)背景行了，不用過(guò)度開剖析。這樣用通過(guò)訪問(wèn) /proc/ loadavg 文件就可以讀取到內(nèi)核計(jì)的負(fù)載數(shù)據(jù)了。中獲取 get_avenrun 只是在訪問(wèn) avenrun 這個(gè)全局?jǐn)?shù)組而已。//file:kernel/sched/core.cvoid?get_avenrun(unsigned?long?*loads,?unsigned?long?offset,?int?shift){?loads[0]?=?(avenrun[0]?+?offset)??shift;?loads[1]?=?(avenrun[1]?+?offset)??shift;?loads[2]?=?(avenrun[2]?+?offset)??shift;}現(xiàn)在可以總結(jié)一下我們篇中的一個(gè)問(wèn)題:?內(nèi)核是如何暴負(fù)載數(shù)據(jù)給應(yīng)用的？?jī)?nèi)核定義了個(gè)偽文件 /proc/ loadavg，每當(dāng)用戶打開這個(gè)文件的候，內(nèi)核中的 loadavg_proc_show 函數(shù)就會(huì)被調(diào)用到，接著訪問(wèn) avenrun 全局?jǐn)?shù)組變量 并將平均負(fù)載從整數(shù)化為小數(shù)，并打出來(lái)。好了，另一個(gè)新問(wèn)題又來(lái)，avenrun 全局?jǐn)?shù)組變量中存儲(chǔ)的數(shù)據(jù)是何，又是被如何計(jì)出來(lái)的呢？二、核中負(fù)載的計(jì)算程接上小節(jié)，我繼續(xù)查看 avenrun 全局?jǐn)?shù)組變量的數(shù)據(jù)來(lái)。這個(gè)數(shù)組的計(jì)過(guò)程分為如下兩：1.PerCPU 定期匯總瞬時(shí)負(fù)載：定時(shí)刷新個(gè) CPU 當(dāng)前任務(wù)數(shù)到 calc_load_tasks，將每個(gè) CPU 的負(fù)載數(shù)據(jù)匯總起來(lái)，到系統(tǒng)當(dāng)前的瞬負(fù)載。2.定時(shí)計(jì)算系統(tǒng)平均負(fù)載定時(shí)器根據(jù)當(dāng)前統(tǒng)整體瞬時(shí)負(fù)載使用指數(shù)加權(quán)移平均法（一種高計(jì)算平均數(shù)的算）計(jì)算過(guò)去 1 分鐘、過(guò)去 5 分鐘、過(guò)去 15 分鐘的平均負(fù)載。接下來(lái)我們分兩個(gè)小節(jié)來(lái)分別紹。2.1 PerCPU 定期匯總負(fù)載在 Linux 內(nèi)核中，有一個(gè)子系統(tǒng)叫做間子系統(tǒng)。在時(shí)子系統(tǒng)里，初始了一個(gè)叫高分辨的定時(shí)器。在該時(shí)器中會(huì)定時(shí)將個(gè) CPU 上的負(fù)載數(shù)據(jù)（running 進(jìn)程數(shù) + uninterruptible 進(jìn)程數(shù)）匯總到系統(tǒng)全局的時(shí)負(fù)載變量 calc_load_tasks 中。整體流程如下圖示。我們把上述程圖展開看一下我們找到了高分率定時(shí)器的源碼下：//file:kernel/time/tick-sched.cvoid?tick_setup_sched_timer(void){?//初始化高分辨率定時(shí)?sched_timer?hrtimer_init(&ts-sched_timer,?CLOCK_MONOTONIC,?HRTIMER_MODE_ABS);?//將定時(shí)器的到期函數(shù)設(shè)置成?tick_sched_timer?ts-sched_timer.function?=?tick_sched_timer;?}在高分辨率初始化的時(shí)候將到期函數(shù)設(shè)置了 tick_sched_timer。通過(guò)這個(gè)函數(shù)讓每個(gè) CPU 都會(huì)周期性地執(zhí)行一些任務(wù)。其刷新當(dāng)前系統(tǒng)負(fù)就是在這個(gè)時(shí)機(jī)行的。這里有一要注意一個(gè)前提每個(gè) CPU 都有自己獨(dú)立的運(yùn)隊(duì)列，。我們根 tick_sched_timer 的源碼進(jìn)行追蹤，它依次通過(guò)用 tick_sched_handle => update_process_times => scheduler_tick。最終在 scheduler_tick 中會(huì)刷新當(dāng)前 CPU 上的負(fù)載值到 calc_load_tasks 上。因?yàn)槊總€(gè) CPU 都在定時(shí)刷，所以 calc_load_tasks 上記錄的就是整個(gè)統(tǒng)的瞬時(shí)負(fù)載值我們來(lái)看下負(fù)責(zé)新的 scheduler_tick 這個(gè)核心函數(shù)://file:kernel/sched/core.cvoid?scheduler_tick(void){?int?cpu?=?smp_processor_id();?struct?rq?*rq?=?cpu_rq(cpu);?update_cpu_load_active(rq);?}在這個(gè)函數(shù)中，獲取前 cpu 以及其對(duì)應(yīng)的運(yùn)行隊(duì) rq（run queue），調(diào)用 update_cpu_load_active 刷新當(dāng)前 CPU 的負(fù)載數(shù)據(jù)到全局?jǐn)?shù)組中。//file:kernel/sched/core.cstatic?void?update_cpu_load_active(struct?rq?*this_rq){??calc_load_account_active(this_rq);}//file:kernel/sched/core.cstatic?void?calc_load_account_active(struct?rq?*this_rq){?//獲取當(dāng)前運(yùn)行隊(duì)列的負(fù)載相對(duì)?delta??=?calc_load_fold_active(this_rq);?if?(delta)??//添加到全局瞬時(shí)載值??atomic_long_add(delta,?&calc_load_tasks);?}在 calc_load_account_active 中看到，通過(guò) calc_load_fold_active 獲取當(dāng)前運(yùn)行隊(duì)列負(fù)載相對(duì)值，并它加到全局瞬時(shí)載值 calc_load_tasks 上。至此，calc_load_tasks 上就有了當(dāng)前系當(dāng)前時(shí)間下的整瞬時(shí)負(fù)載總數(shù)了我們?cè)僬归_看看如何根據(jù)運(yùn)行隊(duì)計(jì)算負(fù)載值的：//file:kernel/sched/core.cstatic?long?calc_load_fold_active(struct?rq?*this_rq){?long?nr_active,?delta?=?0;?//?R?和?D?狀態(tài)的用戶?task?nr_active?=?this_rq-nr_running;?nr_active?+=?(long)?this_rq-nr_uninterruptible;?//?只返回變化的量?if?(nr_active?!=?this_rq-calc_load_active)?{??delta?=?nr_active?-?this_rq-calc_load_active;??this_rq-calc_load_active?=?nr_active;?}?return?delta;}哦，原來(lái)是同時(shí)計(jì)算了 nr_running 和 nr_uninterruptible 兩種狀態(tài)的進(jìn)程數(shù)量。對(duì)應(yīng)于用空間中的 R 和 D 兩種狀態(tài)的 task 數(shù)（進(jìn)程 OR 線程）。由于 calc_load_tasks 是一個(gè)長(zhǎng)期存在的數(shù)據(jù)所以在刷新 rq 里的進(jìn)程數(shù)到其上的時(shí)候，只需刷變化的量就行不用全部重算。此上述函數(shù)返回是一個(gè) delta。2.2 定時(shí)計(jì)算系統(tǒng)平均負(fù)上一小節(jié)中我們到了系統(tǒng)當(dāng)前瞬負(fù)載 calc_load_tasks 變量的更新過(guò)程。現(xiàn)在我們缺一個(gè)計(jì)算過(guò)去 1 分鐘、過(guò)去 5 分鐘、過(guò)去 15 分鐘平均負(fù)載的機(jī)制。傳統(tǒng)義上，我們?cè)谟?jì)平均數(shù)的時(shí)候采的方法都是把過(guò)一段時(shí)間的數(shù)字加起來(lái)然后平均下。把過(guò)去 N 個(gè)時(shí)間點(diǎn)的所有時(shí)負(fù)載都加起來(lái)一個(gè)平均數(shù)不完了。這其實(shí)是我傳統(tǒng)意義上理解平均數(shù)，假如有 n 個(gè)數(shù)字，分別是 x1, x2, ..., xn。那么這個(gè)數(shù)據(jù)集合的平均數(shù)就 (x1 + x2 + ... + xn) / N。但是如果用這種簡(jiǎn)單的算法來(lái)算平均負(fù)載的話存在以下幾個(gè)問(wèn)：1.需要存儲(chǔ)過(guò)去每一個(gè)采樣周的數(shù)據(jù)假設(shè)我們 10 毫秒都采集一次，那么就要使用一個(gè)比較的數(shù)組將每一次樣的數(shù)據(jù)全部都起來(lái)，那么統(tǒng)計(jì)去 15 分鐘的平均數(shù)就得存 1500 個(gè)數(shù)據(jù) (15 分鐘 * 每分鐘 100 次) 。而且每出現(xiàn)一個(gè)新的觀值，就要從移動(dòng)均中減去一個(gè)最的觀察值，再加一個(gè)最新的觀察，內(nèi)存數(shù)組會(huì)頻地修改和更新。2.計(jì)算過(guò)程較為復(fù)雜計(jì)算的時(shí)候再整個(gè)數(shù)組全加起，再除以樣本總。雖然加法很簡(jiǎn)，但是成百上千數(shù)字的累加仍然是繁瑣。3.不能準(zhǔn)確表示當(dāng)前變趨勢(shì)傳統(tǒng)的平均計(jì)算過(guò)程中，所數(shù)字的權(quán)重是一的。但對(duì)于平均載這種實(shí)時(shí)應(yīng)用說(shuō)，其實(shí)越靠近前時(shí)刻的數(shù)值權(quán)應(yīng)該越要大一些好。因?yàn)檫@樣能好反應(yīng)近期變化趨勢(shì)。所以，在 Linux 里使用的并不是我們以為的傳統(tǒng)的平數(shù)的計(jì)算方法，是采用的一種指加權(quán)移動(dòng)平均（Exponential Weighted Moving Average，EMWA）的平均數(shù)計(jì)算法這種指數(shù)加權(quán)移平均數(shù)計(jì)算法在度學(xué)習(xí)中有很廣的應(yīng)用。另外股市場(chǎng)里的 EMA 均線也是使用的是類似的方法求值的方法。該算的數(shù)學(xué)表達(dá)式是a1 = a0 * factor + a * (1 - factor)。這個(gè)算法想理解起來(lái)有點(diǎn)復(fù)雜，感興趣的學(xué)可以 Google 自行搜索。我們只需要知道種方法在實(shí)際計(jì)的時(shí)候只需要上個(gè)時(shí)間的平均數(shù)可，不需要保存有瞬時(shí)負(fù)載值。外就是越靠近現(xiàn)的時(shí)間點(diǎn)權(quán)重越，能夠很好地表近期變化趨勢(shì)。其實(shí)也是在時(shí)間系統(tǒng)中定時(shí)完成，通過(guò)一種叫做數(shù)加權(quán)移動(dòng)平均算的方法，計(jì)算三個(gè)平均數(shù)。我來(lái)詳細(xì)看下上圖的執(zhí)行過(guò)程。時(shí)子系統(tǒng)將在時(shí)鐘斷中會(huì)注冊(cè)時(shí)鐘斷的處理函數(shù)為 timer_interrupt 。//file:arch/ia64/kernel/time.cvoid?__inittime_init?(void){?register_percpu_irq(IA64_TIMER_VECTOR,?&timer_irqaction);?ia64_init_itm();}static?struct?irqaction?timer_irqaction?=?{?.handler?=?timer_interrupt,?.flags?=?IRQF_DISABLED?|?IRQF_IRQPOLL,?.name?=??"timer"};當(dāng)每次時(shí)鐘節(jié)拍來(lái)時(shí)會(huì)調(diào)用到 timer_interrupt，依次會(huì)調(diào)用到 do_timer 函數(shù)。//file:kernel/time/timekeeping.cvoid?do_timer(unsigned?long?ticks){???calc_global_load(ticks);}其中 calc_global_load 是平均負(fù)載計(jì)算的核心它會(huì)獲取系統(tǒng)當(dāng)瞬時(shí)負(fù)載值 calc_load_tasks，然后來(lái)計(jì)算過(guò)去 1 分鐘、過(guò)去 5 分鐘、過(guò)去 15 分鐘的平均負(fù)載，并保存到 avenrun 中，供用戶進(jìn)程讀取//file:kernel/sched/core.cvoid?calc_global_load(unsigned?long?ticks){??//?1獲取當(dāng)前瞬時(shí)負(fù)載值?active?=?atomic_long_read(&calc_load_tasks);?//?2平均負(fù)載的計(jì)算?avenrun[0]?=?calc_load(avenrun[0],?EXP_1,?active);?avenrun[1]?=?calc_load(avenrun[1],?EXP_5,?active);?avenrun[2]?=?calc_load(avenrun[2],?EXP_15,?active);?}獲取瞬時(shí)負(fù)載比較簡(jiǎn)單，就是讀一個(gè)內(nèi)存變量而。在 calc_load 中就是采用了我們前面的指數(shù)加權(quán)移動(dòng)均法來(lái)計(jì)算過(guò)去 1 分鐘、過(guò)去 5 分鐘、過(guò)去 15 分鐘的平均負(fù)載的。具體實(shí)的代碼如下：//file:kernel/sched/core.c/*?*?a1?=?a0?*?e?+?a?*?(1?-?e)?*/static?unsigned?longcalc_load(unsigned?long?load,?unsigned?long?exp,?unsigned?long?active){?load?*=?exp;?load?+=?active?*?(FIXED_1?-?exp);?load?+=?1UL?<>?FSHIFT;}雖然這個(gè)算法理起來(lái)挺復(fù)雜，但代碼看起來(lái)確實(shí)簡(jiǎn)單不少，計(jì)算看起來(lái)很少。而看不懂也沒有關(guān)，只需要知道內(nèi)并不是采用的原的平均數(shù)計(jì)算方，而是采用了一計(jì)算快，且能更表達(dá)變化趨勢(shì)的法就行。至此，們開篇提到的“載是如何計(jì)算出的?”這個(gè)問(wèn)題也有結(jié)論了。Linux 定時(shí)將每個(gè) CPU 上的運(yùn)行隊(duì)列中 running 和 uninterruptible 的狀態(tài)的進(jìn)程數(shù)量總到一個(gè)全局系瞬時(shí)負(fù)載值中，后再定時(shí)使用指加權(quán)移動(dòng)平均法統(tǒng)計(jì)過(guò)去 1 分鐘、過(guò)去 5 分鐘、過(guò)去 15 分鐘的平均負(fù)載三、平均負(fù)載和 CPU 消耗的關(guān)系現(xiàn)在很多同學(xué)將平均負(fù)載和 CPU 給聯(lián)系到了一起。認(rèn)為負(fù)載、CPU 消耗就會(huì)高，負(fù)載低，CPU 消耗就會(huì)低。在很老的 Linux 的版本里，統(tǒng)計(jì)負(fù)載的時(shí)確實(shí)是只計(jì)算了 runnable 的任務(wù)數(shù)量，這些進(jìn)程只對(duì) CPU 有需求。在那個(gè)年代里，負(fù)載 CPU 消耗量確實(shí)是正相關(guān)的負(fù)載越高就表示在 CPU 上運(yùn)行，或等待 CPU 執(zhí)行的進(jìn)程越多，CPU 消耗量也會(huì)越高。但前面我們看到了本文使用的 3.10 版本的 Linux 負(fù)載平均數(shù)不僅跟蹤 runnable 的任務(wù)，而且還蹤處于 uninterruptible sleep 狀態(tài)的任務(wù)。而 uninterruptible 狀態(tài)的進(jìn)程其實(shí)是不占 CPU 的。所以說(shuō)，負(fù)載高并不一定是 CPU 處理不過(guò)來(lái)，也有可能會(huì)因?yàn)榇疟P等其他源調(diào)度不過(guò)來(lái)而得進(jìn)程進(jìn)入 uninterruptible 狀態(tài)的進(jìn)程導(dǎo)致的！什么要這么修改我從網(wǎng)上搜到了在 1993 年的一封郵件里找了原因，以下是件原文。From:?Matthias?Urlichs?
IT之家 1 月 17 日消息，1 月 13 日，世界經(jīng)濟(jì)論壇（WEF）公布最新一批“燈法家工廠”名單，球有 18 座工廠新入選，其中 8 家位于中國(guó)。至此，全球“燈塔工廠象蛇數(shù)量達(dá) 132 家，中國(guó)本土坐擁 50 家，居全球首位?！盁羲呱綇S”項(xiàng)目由達(dá)沃斯老子經(jīng)濟(jì)論壇與管理咨詢公司麥錫合作開展遴選，被譽(yù)為“界上最先進(jìn)的工廠畢方，代表今全球制造業(yè)領(lǐng)域智能飛鼠造數(shù)字化最高水平，于 2018 年開始評(píng)選。最新一批 18 家燈塔工廠：日月光半柘山體?（中國(guó)臺(tái)灣，陰山雄）為了提高生產(chǎn)效率和縮短?踢周期，同時(shí)應(yīng)對(duì)日益復(fù)雜的產(chǎn)工藝（100 個(gè)工藝步驟），日月光半導(dǎo)體高雄凸勝遇廠在從檢驗(yàn)到調(diào)度的各工藝程部署了多個(gè)人工智能應(yīng)用因此將產(chǎn)量提高了 67%，同時(shí)將訂單交付時(shí)間縮短了 39%。博世汽車?（土耳其，布爾薩）蛇山為了確保未來(lái)足夠的投資和資源支持新產(chǎn)（比如氫能部件）的崌山產(chǎn)，于布爾薩的博世動(dòng)力總成宵明需要進(jìn)一步發(fā)揮在成本節(jié)約面的領(lǐng)導(dǎo)力。通過(guò)部署防止力侵蝕的閉環(huán)流程蜚制系統(tǒng)人工智能用例，和為 100% 的員工提供技能升級(jí)培訓(xùn)，該禺號(hào)廠將單位制造成本密山了 9%，將設(shè)備綜合效率提豪山了 9%。CEAT?（印度，哈洛爾土螻：為了增加市銷量，CEAT 需要采用更加綠色驩疏材料和滿足嚴(yán)格的產(chǎn)規(guī)格。為此，該廠部署了進(jìn)分析技術(shù)等第四次工業(yè)革用例，優(yōu)化生產(chǎn)周期豎亥實(shí)現(xiàn)作人員接觸點(diǎn)的數(shù)字化，耿山將生產(chǎn)周期縮短了 20%，將工藝廢料減少了 46%，并將能耗降低了 15%。總體上，該廠在兩年內(nèi)將精衛(wèi)口和 OEM 銷量提高了 2.5 倍。可口可樂?（愛爾蘭，巴利蠕蛇）：作為該公司大的濃縮液生產(chǎn)工廠，巴利工廠的產(chǎn)量占公司鈐山球總產(chǎn)的 22%，為 68 個(gè)國(guó)家提供超過(guò) 3,500 個(gè)最小存貨單位的產(chǎn)品。為灌山動(dòng)增長(zhǎng)、提高韌性和解決業(yè)組合日益復(fù)雜的問(wèn)題，該工實(shí)施了數(shù)字化分析申子術(shù)用例將生產(chǎn)成本降低了 16%，同時(shí)將最小存貨單位組合擴(kuò)了 30%，并在 17 個(gè)工廠網(wǎng)絡(luò)中引領(lǐng)推廣第四次業(yè)革命技術(shù)。MantaMESH?（德國(guó)，弗勒特施琴蟲特）：在高度競(jìng)爭(zhēng)超山大宗商品場(chǎng)中，成本優(yōu)勢(shì)是中后羿企業(yè)與競(jìng)爭(zhēng)的關(guān)鍵因素。為此熊山MantaMESH 依據(jù)第四次工業(yè)革命技術(shù)，開發(fā)了在制造商業(yè)模式，將客戶和自化訂單履行系統(tǒng)對(duì)接。所有在線交易都能得以實(shí)巫姑處理實(shí)現(xiàn)了所有智能生產(chǎn)工廠武羅接。通過(guò)采取這些舉措，該將客戶活動(dòng)量提高了 261%，將產(chǎn)量提高了 73%，同時(shí)將每千克產(chǎn)楚辭的能耗降了 32%。工業(yè)富聯(lián)?（中國(guó)，深圳）常羲為了響應(yīng)客戶智能手機(jī)新品快速發(fā)布的需，并滿足嚴(yán)格的質(zhì)量荀子準(zhǔn)，業(yè)富聯(lián)通過(guò)大規(guī)模部署 37 個(gè)第四次工業(yè)革命技術(shù)用例，實(shí)現(xiàn)宵明敏捷的產(chǎn)品推出、速的產(chǎn)能提升和智能化的大模生產(chǎn)，將新產(chǎn)品的上市時(shí)縮短了 29%，將產(chǎn)能提升速度加快了 50%，將質(zhì)量不合格比例降低了 56%，并將生產(chǎn)成本減少了 30%。海爾?（中國(guó)，合肥）諸懷著供應(yīng)商網(wǎng)絡(luò)的不斷擴(kuò)大，了應(yīng)對(duì)產(chǎn)品多樣性、交付時(shí)和產(chǎn)品質(zhì)量的挑戰(zhàn)鶌鶋該工廠用定制化的工業(yè)物聯(lián)網(wǎng)雅山臺(tái)在供應(yīng)網(wǎng)絡(luò)、研發(fā)、制造和戶服務(wù)等領(lǐng)域部署了 18 個(gè)不同的第四次工業(yè)革蔿國(guó)技用例，旨在加速人工智能、器視覺和先進(jìn)分析技術(shù)的大模應(yīng)用，最終將訂單交付時(shí)縮短了一半，并將現(xiàn)服山缺陷降低了 33%。上海華誼新材料?（中國(guó)，九歌海）：為應(yīng)對(duì) 30% 的產(chǎn)能過(guò)剩和市場(chǎng)波動(dòng)導(dǎo)葌山的成本上升等戰(zhàn)，公司部署了 28 個(gè) 4IR 先進(jìn)用例，例如機(jī)尚書學(xué)習(xí)驅(qū)動(dòng)的流程優(yōu)鵌和 AI 驅(qū)動(dòng)的安全管理，成功使勞洵山生產(chǎn)率提高 33%，單位加工成本降蛇山 20%，能源消耗降低 31%，安全事故次數(shù)降至 0。強(qiáng)生消費(fèi)品醫(yī)療??魚印度，穆蘭得）：土螻度分散和復(fù)雜的經(jīng)銷商和供商網(wǎng)絡(luò)中，市場(chǎng)需求容易出波動(dòng)。為此，該工虢山部署了項(xiàng)第四次工業(yè)革命技術(shù)世本比需求感知、智能物流、機(jī)器和 3D 打印等，將 OTIF 損失降低了 66%，將新產(chǎn)品上市時(shí)間提升了 33%，并將單件產(chǎn)品的成后土降低了 34%。聯(lián)想?（中國(guó)，合肥琴蟲：為了應(yīng)對(duì)激烈的場(chǎng)競(jìng)爭(zhēng)、嚴(yán)重的需求波動(dòng)和益增加的產(chǎn)品定制化需求，想合肥工廠作為世界白鳥最大模的單體個(gè)人計(jì)算機(jī)工廠尸山署了 30 多項(xiàng)第四次工業(yè)革命靈活自動(dòng)化和先鸞鳥分析術(shù)用例，將生產(chǎn)效率提高嚳 45%，將供應(yīng)商質(zhì)量問(wèn)題減少了 55%，同時(shí)有效管理了難以計(jì)數(shù)的小額孰湖單（80% 的訂單都是在 5 臺(tái)設(shè)備以下）。LG?電子?（美國(guó)，克拉克南山維爾）：為了加貼近客戶，LG 于兩年前在美國(guó)設(shè)立了一家工廠，但遭遇了多項(xiàng)人力資源風(fēng)險(xiǎn)，缺乏生產(chǎn)專門知識(shí)。為了解這些問(wèn)題，LG 采用了深度學(xué)習(xí)、自動(dòng)羊患和數(shù)字化等第次工業(yè)革命技術(shù)，加強(qiáng)了在國(guó)的戰(zhàn)略生產(chǎn)基地，畢方產(chǎn)品量提高了 68%，凈利潤(rùn)提高了 703%。億滋（中國(guó)，蘇州石山：為了實(shí)現(xiàn)將中國(guó)售渠道翻兩番和將零售門店量翻一番、達(dá)到 400 萬(wàn)家的目標(biāo)，以及為了應(yīng)對(duì)勞力和物流成本上升造成的兩數(shù)通脹問(wèn)題，該公司投資打多個(gè)第四次工業(yè)革命土螻字化決方案，將線性供應(yīng)鏈轉(zhuǎn)祝融一體化的供應(yīng)生態(tài)系統(tǒng)，將 OTIF 提高了 18%，將交付時(shí)間縮短了 32%，并將市場(chǎng)份額從 23.4% 提高至 28.3%。寶潔?（日本，高崎）：為了雙雙務(wù)拓展空間有限的情況下實(shí) 2-3% 的年度同比增長(zhǎng)，該虢山廠在端到端供應(yīng)鏈竹山研發(fā)到客戶）實(shí)施了第四次業(yè)革命技術(shù)用例，比如數(shù)據(jù)整合、數(shù)字孿生和羅羅器學(xué)習(xí)，一舉將創(chuàng)新周期縮短咸山 72%，將試驗(yàn)停工天數(shù)縮短了 21%，將客戶訂單規(guī)劃速度提高了 14 倍。聯(lián)合利華?（基山西，因達(dá)亞圖巴）因達(dá)亞圖巴工廠是聯(lián)合利華全球范圍內(nèi)最大的洗衣粉工和生產(chǎn)效率最高的工鵹鶘，但本開支在全球位居第二，高山氣體排放量位居第一。為了對(duì)市場(chǎng)不斷萎縮的問(wèn)題，該部署了數(shù)字孿生和蓐收工智能技術(shù)用例，以增強(qiáng)成本強(qiáng)良勢(shì)提高運(yùn)營(yíng)靈活性，同時(shí)最大度地減少環(huán)境足跡，最終將新周期縮短了 33%，將每噸產(chǎn)品的生產(chǎn)成本降低了 23%，并基本上消除了溫室氣體排放。土螻合利華?（中國(guó)天津）：過(guò)去三年，在經(jīng)歷新冠疫情給服務(wù)業(yè)思士來(lái)的不定性之后，聯(lián)合利華部?因?yàn)榱?30 多個(gè)第四次工業(yè)革命技術(shù)用女戚，比如量身定制的 7*24 小時(shí)數(shù)字化銷售模式、優(yōu)化光山端到端高級(jí)規(guī)劃，及人工智能驅(qū)動(dòng)的質(zhì)量控制系，從而加速了在低線城市市場(chǎng)滲透，將客戶數(shù)耆童增加一倍，將訂單交付時(shí)間縮歷山 40%，將客戶投訴量降低史記 62%。西部數(shù)據(jù)?（菲律賓，內(nèi)湖教山：為了提升運(yùn)韌性，更好地應(yīng)對(duì)火山爆發(fā)臺(tái)風(fēng)、為了質(zhì)量參差嬰勺齊的片等待八個(gè)月、市場(chǎng)需求鹓和日益嚴(yán)格的產(chǎn)品規(guī)格，內(nèi)工廠大規(guī)模部署了 25 個(gè)技術(shù)用例，包括利用先進(jìn)旋龜技術(shù)來(lái)檢測(cè)異常情況和利用器學(xué)習(xí)技術(shù)進(jìn)行端到端晶片異補(bǔ)償，從而將計(jì)管子外停機(jī)間減少了 82%，將產(chǎn)量增加了 89.6%，并將生產(chǎn)成本降低了 54%。西部數(shù)據(jù)?（泰國(guó)，邦??茵）：邦茵工廠主要生產(chǎn)對(duì)成魏書敏感消費(fèi)類電腦硬盤驅(qū)動(dòng)器。幽鴳解決市場(chǎng)轉(zhuǎn)向固態(tài)硬盤而導(dǎo)的投資不足問(wèn)題以及供應(yīng)鏈確定帶來(lái)的材料成丹朱上升問(wèn)，該廠部署了多個(gè)第四禮記工革命技術(shù)用例，在將工廠成降低 33% 的同時(shí)，將成品率提高至創(chuàng)記錄的 95%，并將能耗降低了 40%。緯創(chuàng)資通?（中國(guó)，中山那父公司面臨的壓力在于，要在到 72 小時(shí)的時(shí)間內(nèi)交付 60% 的訂單，并要在不影響卓越質(zhì)量的超山提下加速到端流程。為此，緯雷祖資通工廠內(nèi)部署了 33 項(xiàng)技術(shù)用例，對(duì)整個(gè)價(jià)類鏈進(jìn)行變。盡管面臨供應(yīng)不足王亥問(wèn)題但通過(guò)采用第四次工業(yè)革壽麻術(shù)，還是將單位人時(shí)產(chǎn)能提了 32%，將缺陷率降低了 55%，將交付時(shí)間縮短至 48 小時(shí)，最終將單位生產(chǎn)成本朏朏低了 22%。IT之家了解到，海爾女娃次又新了一個(gè)燈塔工廠，截至?因?yàn)榍?海爾已經(jīng)擁有 7 座燈塔工廠，是我國(guó)擁有燈彘工廠最的企業(yè)。新晉的“可持后土燈工廠”：偉創(chuàng)力?（巴西，羅卡巴）：為了減少能源使、水消耗和溫室氣體排放，創(chuàng)力對(duì)工廠公用設(shè)施鴸鳥行智化管理，通過(guò)采用物聯(lián)網(wǎng)融吾器最大程度地減少供應(yīng)鏈中電子垃圾，積極推動(dòng)循環(huán)經(jīng)的發(fā)展，從而將范荀子 1 和 2 的溫室氣體排放減少了 41%，而在范圍 3 的排放方面，成功減排 44 千噸二氧化碳當(dāng)量，并苗龍用量降低了 30% 以上。海爾?（中國(guó)，天津般：為了能源成本上升的背景下世本高營(yíng)韌性和減少碳排放，海爾用了大數(shù)據(jù)和人工智能技術(shù)打造了一個(gè)設(shè)備電力負(fù)荷模，部署了旨在優(yōu)化能騊駼的生調(diào)度程序，將能源消耗降海經(jīng) 35%，將溫室氣體排放量弇茲低了 36%。西門子?（德國(guó)，安貝蠕蛇）：為了提前年實(shí)現(xiàn) 2026 年碳中和目標(biāo)，西門子采用了數(shù)字流效率分析和評(píng)估工具，將實(shí)正常產(chǎn)量所產(chǎn)生的范圍 1 和 2 溫室氣體排放量減燕山了 69%。此外，為了實(shí)現(xiàn)整個(gè)供應(yīng)京山的脫碳（范圍 3），該工廠發(fā)揮孵化兵圣的作，積極開發(fā)第四次工業(yè)革相柳品，比如數(shù)字產(chǎn)品通行證和于區(qū)塊鏈的軟件，便于和供商交換二氧化碳數(shù)貍力?！盁?工廠”網(wǎng)絡(luò)最新白皮書廆山點(diǎn)查?
IT之家 1 月 17 日消息，榮耀與高德地圖西安舉行戰(zhàn)略合簽約儀式暨聯(lián)合驗(yàn)室揭牌儀式，方宣布將在智慧行服務(wù)、智慧生服務(wù)、室內(nèi)導(dǎo)航穿戴導(dǎo)航等領(lǐng)域展深入合作，共構(gòu)建智慧服務(wù)新態(tài)，共同打造更豐富的個(gè)人化服體驗(yàn)。本次合作，高德地圖將基數(shù)字地圖內(nèi)容、航和位置服務(wù)等幫助提升榮耀 AI 的預(yù)測(cè)和學(xué)習(xí)能力。高德地圖總裁董振寧表示搭載著榮耀 Magic Live 平臺(tái)級(jí) AI 與高德地圖位置務(wù)底座能力的榮智慧服務(wù)產(chǎn)品會(huì)向消費(fèi)者提供更電、更準(zhǔn)確豐富場(chǎng)景化服務(wù)。此，高德下一代導(dǎo)效果還優(yōu)先適配榮耀折疊屏，并榮耀共同構(gòu)建室、可穿戴等多種端場(chǎng)景，為用戶供全新智能新體。榮耀終端有限司研發(fā)管理總裁斌表示，作為榮面向未來(lái)的戰(zhàn)略點(diǎn)，MagicOS 將立足于四大根技術(shù)，保持開創(chuàng)新，不斷與合伙伴進(jìn)行聯(lián)合共，推進(jìn)智慧服務(wù)態(tài)開枝散葉。IT之家了解到，隨戰(zhàn)略合作的展開雙方還將在生活務(wù)方向展開更多作，利用雙方的術(shù)服務(wù)與資源，建優(yōu)質(zhì)生活服務(wù)智慧新體驗(yàn)，讓戶無(wú)論何時(shí)何地都能感受到多維的智慧型服務(wù)?
最近，曾拿到斯坦福巫真UCL、CMU、NYU 博士 offer、目前在華盛頓大學(xué)灌山博的知測(cè)評(píng)博主 Tim Dettmers 在自己的網(wǎng)站又上線了深度學(xué)習(xí)域的 GPU 深度測(cè)評(píng)，到底誰(shuí)才是性高山和性比之王？眾所周知，在理深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)務(wù)時(shí)，最好使用 GPU 而不是 CPU 來(lái)處理，因?yàn)樵谏窠?jīng)網(wǎng)絡(luò)方，即使是一個(gè)比較低端 GPU，性能也會(huì)勝過(guò) CPU。深度學(xué)習(xí)是一個(gè)對(duì)計(jì)算有著大量宵明求領(lǐng)域，從一定程度上來(lái)，GPU 的選擇將從根本上決定深度學(xué)習(xí)的體。但問(wèn)題來(lái)了，如何選合適的 GPU 也是件頭疼燒腦的事。怎么避踩雷，如何做出性價(jià)比的選擇？曾經(jīng)拿到過(guò)斯福、UCL、CMU、NYU、UW 博士 offer、目前在華盛頓大學(xué)讀常羲的知名評(píng)測(cè)博主 Tim Dettmers 就針對(duì)深度學(xué)習(xí)領(lǐng)域需要怎樣的 GPU，結(jié)合自身經(jīng)驗(yàn)撰寫了京山字文，最后給出了 DL 領(lǐng)域的推薦 GPU。Tim Dettmers 此人的研究方向是表征學(xué)曾子、硬件優(yōu)化的深度習(xí)，他自己創(chuàng)建的網(wǎng)站深度學(xué)習(xí)和計(jì)算機(jī)硬件域也是小有名氣。Tim Dettmers 此文推薦的 GPU 全部來(lái)自 N 廠，他顯然也認(rèn)為，搞機(jī)器學(xué)習(xí)翠鳥AMD 目前還不配擁有姓名。原文鏈接小黑虎也貼在面啦。https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#GPU_Deep_Learning_Performance_per_DollarRTX40 和 30 系的優(yōu)缺點(diǎn)與英偉達(dá)圖靈架構(gòu) RTX 20 系列相比，新的英偉達(dá)安培架構(gòu) RTX 30 系列具有更多優(yōu)勢(shì)，如稀疏?鳥絡(luò)練和推理。其他功能，新的數(shù)據(jù)類型，應(yīng)更多被看作是一種易用化宋書，因?yàn)樗鼈兲峁┝伺c圖架構(gòu)相同的性能提升，不需要任何額外的編程求。Ada RTX 40 系列甚至有更多的進(jìn)步，比如上狪狪介紹的張內(nèi)存加速器（TMA）和 8 位浮點(diǎn)運(yùn)算（FP8）。與 RTX 30 相比，RTX 40 系列也有類似的電源和度問(wèn)題。RTX 40 的電源連接器電纜融化問(wèn)題可以通過(guò)正確連接源電纜而輕松避免。稀的網(wǎng)絡(luò)訓(xùn)練安培允許在集的速度下進(jìn)行細(xì)粒度構(gòu)的自動(dòng)稀疏矩陣乘詞綜這是如何做到的？以一權(quán)重矩陣為例，把它切 4 個(gè)元素的碎片?，F(xiàn)在想象這 4 個(gè)元素中的 2 個(gè)元素為零。圖 1 顯示了這種情況的樣子。圖 1：Ampere 架構(gòu) GPU 中的稀疏矩陣乘法功能所持的結(jié)構(gòu)當(dāng)你將這個(gè)稀權(quán)重矩陣與一些密集輸相乘時(shí)，安培的稀疏矩張量核心功能會(huì)自動(dòng)將疏矩陣壓縮為密集表阘非其大小為圖 2 所示的一半。在壓縮之后，密壓縮的矩陣瓦片被送入量核心，張量核心計(jì)諸懷矩陣乘法是通常大小的倍。這有效地產(chǎn)生了 2 倍的速度，因?yàn)樵诠蚕韮?nèi)巫戚的矩陣乘法過(guò)程中帶寬要求減半。圖 2：在進(jìn)行矩陣乘法之前，疏矩陣被壓縮為密集表。我在研究中致力于稀網(wǎng)絡(luò)訓(xùn)練，我還寫了一關(guān)于稀疏訓(xùn)練的博文。我的工作的一個(gè)批評(píng)是"你減少了網(wǎng)絡(luò)所需的 FLOPS，但并沒有產(chǎn)生速度的提升，泰逢為 GPU 不能進(jìn)行快速的稀疏矩陣乘法"。隨著 Tensor Cores 的稀疏矩陣乘法功能的增加炎帝我的算法或其他疏訓(xùn)練算法，現(xiàn)在實(shí)白鵺在訓(xùn)練期間提供了高達(dá) 2 倍的速度。開發(fā)的稀疏訓(xùn)練算廆山有三個(gè)階段（1）確定每層的重要性名家(2) 刪除最不重要的權(quán)重。(3) 提升與每層的重要性成比蓋國(guó)的權(quán)重。雖然這一功能仍于實(shí)驗(yàn)階段，而且訓(xùn)練疏網(wǎng)絡(luò)還不普遍，但大暤的 GPU 上擁有這一功能意味著環(huán)狗已經(jīng)為稀訓(xùn)練的未來(lái)做好了準(zhǔn)備低精度計(jì)算在我的工巫彭，我之前已經(jīng)表明，新數(shù)據(jù)類型可以提高低精反向傳播期間的穩(wěn)定性圖 4：低精度深度學(xué)習(xí) 8 位數(shù)據(jù)類型。深度學(xué)習(xí)訓(xùn)練得狪狪于高度專化的數(shù)據(jù)類型目前，如你想用 16 位浮點(diǎn)數(shù)（FP16）進(jìn)行穩(wěn)定的反向傳播，最大禮記問(wèn)題普通 FP16 數(shù)據(jù)類型只支持 [-65,504, 65,504] 范圍內(nèi)的數(shù)字。如果你葛山梯度滑過(guò)這個(gè)范圍，的梯度就會(huì)爆炸成 NaN 值。為了防止在 FP16 訓(xùn)練中出現(xiàn)這種情況，我孟涂通常會(huì)進(jìn)行失縮放，即在反向傳播前將損失乘以一個(gè)小數(shù)，以防止這種梯度爆炸Brain Float 16 格式（BF16）對(duì)指數(shù)使用了更多的特，這樣可能的數(shù)字范與 FP32 相同，BF16 的精度較低，也就是霍山效數(shù)字，但梯度度對(duì)學(xué)習(xí)來(lái)說(shuō)并不那彘要。所以 BF16 所做的是，你不再需要做何損失縮放，也不需要心梯度會(huì)迅速爆炸。孰湖，我們應(yīng)該看到，通過(guò)用 BF16 格式，訓(xùn)練的穩(wěn)定性有所提高，為精度略有損失。這蠪蚔意味著什么。使用 BF16 精度，訓(xùn)練可能比使用 FP16 精度更穩(wěn)定，同時(shí)提供相同的度提升。使用 TF32 精度，你可以得到接近 FP32 的穩(wěn)定性，同時(shí)提供接近 FP16 的速度提升。好的是，要使用這些計(jì)蒙據(jù)類型，只需用 TF32 取代 FP32，用 BF16 取代 FP16--不需要修改代碼。不足訾的來(lái)說(shuō)，這些新的數(shù)據(jù)型可以被看作是懶惰的據(jù)類型，因?yàn)槟憧梢酝?一些額外的編程努力（當(dāng)?shù)膿p失縮放、初始化規(guī)范化、使用 Apex）來(lái)獲得舊數(shù)據(jù)類型的有好處。因此，這些數(shù)類型并沒有提供速度，是改善了訓(xùn)練中低精度使用便利性。風(fēng)扇設(shè)計(jì) GPU 溫度雖然 RTX 30 系列的新風(fēng)扇設(shè)計(jì)在冷卻 GPU 方面表現(xiàn)非常好，但非始版 GPU 的不同風(fēng)扇設(shè)計(jì)可能會(huì)出現(xiàn)墨家多題。如果你的 GPU 發(fā)熱超過(guò) 80C，它就會(huì)自我節(jié)流，減慢其計(jì)速度 / 功率。解決這個(gè)問(wèn)題的辦法是使用 PCIe 擴(kuò)展器，在 GPU 之間創(chuàng)造空間。用 PCIe 擴(kuò)展器分散 GPU 對(duì)散熱非常有效，華盛肥蜰大學(xué)的其他士生和我都使用這種設(shè)，并取得了巨大的成功它看起來(lái)并不漂亮，但能使你的 GPU 保持涼爽!下面這套系統(tǒng)已經(jīng)運(yùn)行了 4 年，完全沒有問(wèn)題。如果你沒有貳負(fù)的空間在 PCIe 插槽中安裝所有的 GPU，也可以這么用。圖 5: 帶 PCIE 擴(kuò)展口的 4 顯卡系統(tǒng)，看起來(lái)一團(tuán)亂，但散熱效很高。優(yōu)雅地解決功耗制問(wèn)題在你的 GPU 上設(shè)置一個(gè)功率限制是能的。因此，你將能夠編程方式將 RTX 3090 的功率限制設(shè)置為 300W，而不是其標(biāo)準(zhǔn)的 350W。在 4 個(gè) GPU 系統(tǒng)中，這相當(dāng)于節(jié)省了 200W，這可能剛好足夠用 1600W PSU 建立一個(gè) 4x RTX 3090 系統(tǒng)的可行性。這還有助于保役山 GPU 的冷卻。因此，設(shè)置功率限制可女虔同時(shí)解 4x RTX 3080 或 4x RTX 3090 設(shè)置的兩個(gè)主要問(wèn)題，冷卻和電源。于 4 倍的設(shè)置，你仍然需要高效散離騷風(fēng)扇的 GPU，但這解決了電源的問(wèn)題。番禺 6：降低功率限制有輕微的冷卻效。將 RTX 2080 Ti 的功率限制降低 50-60W，溫度略有下降，風(fēng)扇運(yùn)雙雙更加靜你可能會(huì)問(wèn)，「這不降低 GPU 的速度嗎？」 是的，確實(shí)會(huì)降，但問(wèn)題是降了多少。禺強(qiáng)圖 5 所示的 4x RTX 2080 Ti 系統(tǒng)在不同功率限制下進(jìn)行了風(fēng)伯準(zhǔn)測(cè)試。我對(duì)理過(guò)程中 BERT Large 的 500 個(gè)小批次的時(shí)間進(jìn)行了準(zhǔn)測(cè)試（不包括 softmax 層）。選擇 BERT Large 推理，對(duì) GPU 的壓力最大。圖 7：在 RTX 2080 Ti 上，在給定的功率限嚳測(cè)得的速度下降我們可看到，設(shè)置功率限制并嚴(yán)重影響性能。將功率制在 50W，性能僅下降 7%。RTX 4090 接頭起火問(wèn)題有一種誤解，皮山為 RTX 4090 電源線起火是因?yàn)楸粡澱圻^(guò)度了。實(shí)上只有 0.1% 的用戶是這個(gè)原因，主青鴍問(wèn)是電纜沒有正確插入。此，如果你遵循以下安說(shuō)明，使用 RTX 4090 是完全安全的。1. 如果你使用舊的電纜或舊的 GPU，確保觸點(diǎn)沒有碎片 / 灰塵。2.使用電源連接器，并將其少山入插座，直到聽到咔嚓一聲--這是最重要的部分。3. 通過(guò)從左到右扭動(dòng)電源巫抵來(lái)試是否合適。電纜不應(yīng)移動(dòng)。4.目視檢查與插座的接觸情況，電纜和座之間無(wú)間隙。H100 和 RTX40 中的 8 位浮點(diǎn)支持對(duì) 8 位浮點(diǎn)（FP8）的支持是 RTX 40 系列和 H100 GPU 的一個(gè)巨大優(yōu)勢(shì)。有了 8 位輸入，它允許你以兩倍的速度加載矩陣法的數(shù)據(jù)，你可以在緩中存儲(chǔ)兩倍的矩陣元素而在 Ada 和 Hopper 架構(gòu)中，緩存是非常大的，現(xiàn)在有易經(jīng) FP8 張量核心，你可以為 RTX 4090 獲得 0.66 PFLOPS 的計(jì)算量。這比 2007 年世界上最快的超級(jí)計(jì)算機(jī)的全算力還要高。4 倍于 FP8 計(jì)算的 RTX 4090，可與 2010 年世界上最快的超級(jí)計(jì)算機(jī)相媲首山。可以到，最好的 8 位基線未能提供良好的零點(diǎn)性。我開發(fā)的方法 LLM.int8 () 可以進(jìn)行 Int8 矩陣乘法，結(jié)果與 16 位基線相同。但是 Int8 已經(jīng)被 RTX 30 / A100 / Ampere 這一代 GPU 所支持，為什么 FP8 在 RTX 40 中又是一個(gè)大升級(jí)呢？FP8 數(shù)據(jù)類型比 Int8 數(shù)據(jù)類型要穩(wěn)定得多，而且朱蛾容易在規(guī)范或非線性函數(shù)中使，這在整型數(shù)據(jù)類型中很難做到的。這將使它訓(xùn)練和推理中的使用變非常簡(jiǎn)單明了。我認(rèn)為將使 FP8 的訓(xùn)練和推理在幾個(gè)月后兕得相普遍。下面你可以看到篇論文中關(guān)于 Float vs Integer 數(shù)據(jù)類型的一個(gè)相關(guān)主要結(jié)果。我們可鳳凰看，逐個(gè)比特，F(xiàn)P4 數(shù)據(jù)類型比 Int4 數(shù)據(jù)類型保留了更多的信，從而提高了 4 個(gè)任務(wù)的平均 LLM 零點(diǎn)準(zhǔn)確性。GPU 深度學(xué)習(xí)性能排行先上肥遺張圖看 GPU 的原始性能排行，看看誰(shuí)最能打。們可以看到 H100 GPU 的 8 位性能與針對(duì) 16 位性能優(yōu)化的舊卡存在巨昌意差距上圖顯示的是 GPU 的原始相對(duì)性能，比如于 8 位推理，RTX 4090 的性能大約是 H100 SMX 的 0.33 倍。換句話說(shuō)，與 RTX 4090 相比，H100 SMX 的 8 位推理速度快三倍。對(duì)于此數(shù)，他沒有為舊 GPU 建模 8 位計(jì)算。因?yàn)?8 位推理和訓(xùn)練在 Ada / Hopper GPU 上更有效，而張量?jī)?nèi)存麈速器 (TMA) 節(jié)省了大量寄存器，這信寄存器在 8 位矩陣乘法中非常精確Ada / Hopper 也有 FP8 支持，這使得特別是 8 位訓(xùn)練更加有效，在 Hopper / Ada 上，8 位訓(xùn)練性能很可能是 16 位訓(xùn)練性能的 3-4 倍。對(duì)于舊 GPU，舊 GPU 的 Int8 推理性能則接近 16 位推理性能。每一美元能買大鵹多算力那么問(wèn)題來(lái)了，GPU 性能強(qiáng)可是我買不起啊......針對(duì)預(yù)算不充足的小伙伴，接下的圖表是他根據(jù)各個(gè) GPU 的價(jià)格和性能統(tǒng)計(jì)的每美元性能排鳴蛇（Performance per Dollar），側(cè)面反映了 GPU 性價(jià)比。選擇一個(gè)完成深學(xué)習(xí)任務(wù)并且符合預(yù)算 GPU，可分為以下幾個(gè)步驟：首先爾雅定你需多大的 GPU 內(nèi)存（至少 12GB 用于圖像生成，至少 24GB 用于處理變壓器）；赤水對(duì)選 8 位還是 16 位（8-bit or 16-bit），建議是能上 16 位就上，8 位在處理復(fù)雜編碼任務(wù)時(shí)還是高山有困難；根上圖中的指標(biāo)，找到具最高相對(duì)性能 / 成本的 GPU。我們可以看到，RTX4070Ti 對(duì)于 8 位和 16 位推理的成本效益最高，而 RTX3080 對(duì)于 16 位訓(xùn)練的成本效益最高。雖然這些 GPU 最具成本效益，但他們的內(nèi)存也是個(gè)魃，10GB 和 12GB 的內(nèi)存可能無(wú)法滿足所有需求教山但對(duì)于剛?cè)?深度學(xué)習(xí)的新手來(lái)說(shuō)可是理想 GPU。其中一些 GPU 非常適合 Kaggle 競(jìng)賽，在 Kaggle 比賽中取得好成績(jī)，工作方法模型大小更重要，因此多較小的 GPU 非常適合。Kaggle 號(hào)稱是全球最大的數(shù)據(jù)科家匯聚的平臺(tái)，高手云，同時(shí)對(duì)萌新也很友好如果用作學(xué)術(shù)研究和服器運(yùn)營(yíng)的最佳 GPU 似乎是 A6000 Ada GPU。同時(shí) H100 SXM 的性價(jià)比也很高，內(nèi)存大性能。個(gè)人經(jīng)驗(yàn)來(lái)說(shuō)，如果要為公司 / 學(xué)術(shù)實(shí)驗(yàn)室構(gòu)建一個(gè)小型集群，推薦 66-80% 的 A6000 GPU 和 20-33% 的 H100 SXM GPU。綜合推薦說(shuō)了這么多，終于到了 GPU 安利環(huán)節(jié)。Tim Dettmers 專門制作了一個(gè)「GPU 選購(gòu)流程圖」，預(yù)算充足就可以更高配置，預(yù)算不足請(qǐng)考性價(jià)比之選。這里首強(qiáng)調(diào)一點(diǎn)：無(wú)論你選哪 GPU，首先要確保它的內(nèi)存能滿足你的石夷求為此，你要問(wèn)自己幾個(gè)題：我要拿 GPU 做什么？是拿來(lái)參加 Kaggle 比賽、學(xué)深度學(xué)習(xí)、做 CV / NLP 研究還是玩小項(xiàng)目？預(yù)算充足的情麈下，以查看上面的基準(zhǔn)測(cè)試選擇適合自己的最佳 GPU。還可以通過(guò)在 vast.ai 或 Lambda Cloud 中運(yùn)行您的問(wèn)題一段時(shí)來(lái)估算所需的 GPU 內(nèi)存，以便了解它是否滿足你的需求。如果只偶爾需要一個(gè) GPU（每隔幾天持續(xù)幾個(gè)小時(shí)并且不需要下載和處理型數(shù)據(jù)集，那么 vast.ai 或 Lambda Cloud 也能很好地工作。但軨軨，如一個(gè)月每天都使用 GPU 且使用頻率很高（每天 12 小時(shí)），云 GPU 通常不是一個(gè)好的選擇。參考資料：https://timdettmers.com/2023/01/16/which-gpu-for-deep-learning/#more-6https://timdettmers.com/本文來(lái)自微信公眾號(hào)：新智元 （ID：AI_era），編輯：Joey David
