边缘AI新方法TinyML,计算效率如何?
人工智能 AI 正在加快速度从云端走向边缘,进入到越来越小的物联网设备中。而这些物联网设备往往体积很小,面临着许多挑战,例如功耗、延时以及精度等问题,传统的机器学习模型无法满足要求,那么微型机器学习又如何呢?
在 NASA 的推动下,小型化的电子产品成为了一个完整的消费品行业。现在我们可以把贝多芬的全部音乐作品放在翻领针上用耳机听。——天体物理学家兼科学评论员尼尔 · 德格拉斯 · 泰森 (Neil deGrasse Tyson)
超低功耗嵌入式设备随处可见,再加上用于微控制器的 TensorFlow Lite 等嵌入式机器学习框架的引入,这些使得人工智能驱动的物联网设备大规模普及。——哈佛大学副教授 Vijay Janapa Reddi
本文关于微型机器学习系列文章的第一篇,旨在向读者介绍微型机器学习的概念及其未来的潜力。后续文章将深入讨论特定应用、实现和相关教程。
TinyML 简介
在过去的十年里,我们已经看到,由于处理器速度的提升和大数据的出现,机器学习算法的规模呈指数级增长。最初模型很小,在本地计算机上可以使用 CPU 中的一个或多个内核运行。
不久之后,使用 GPU 的计算成为处理更大数据集的必要条件,而且由于引入了云服务,如 SaaS 平台(谷歌 Google Colaboratory)和 IaaS(Amazon EC2 Instances),计算变得更加容易获得。此时,算法仍然可以在单机上运行。
近来,专用集成电路(ASIC)和张量处理单元(TPU)的发展,它们可以容纳 8GPU 左右的功率。这些设备增强了跨多个系统分布学习的能力,并试图发展越来越大的模型。
随着 GPT-3 算法(2020 年 5 月)的发布,这种情况达到了顶点,其网络结构包含惊人的 1750 亿个神经元——是目前存在于人类大脑中的两倍多(约 850 亿)。这是有史以来第二大神经网络神经元数量的 10 倍——Turing-NLG(2020 年 2 月发布,包含约 175 亿个参数)。一些人估计称,模型的训练成本约为 1000 万美元,使用了大约 3 GWh 的电力(大约是三个核电站一小时的发电量)。
虽然 GPT-3 和 Turing-NLG 的成就值得赞扬,但一些业内人士批评人工智能产业的碳足迹越来越大。然而,这也有助于激发人工智能界对更节能计算的兴趣。诸如更有效的算法、数据表示和计算,它们一直是微型机器学习的焦点。
微型机器学习(TinyML)是机器学习和嵌入式物联网(IoT)设备的交集。该领域是一门新兴的工程学科,有可能使许多行业产生革命性变革。
TinyML 的行业受益者是边缘计算和节能计算,其源于物联网(IoT)的概念。物联网的传统理念是将数据从本地设备发送到云上进行处理。一些人对这个概念提出了以下几个方面的担忧:隐私、延迟、存储和能源效率。
能源效率:传输数据(通过电线或无线)是非常耗能的,比板载计算(特别是乘积单元)的耗能多一个数量级。开发能够自己进行数据处理的物联网系统是最节能的方法;
隐私:传输数据可能会侵犯隐私。数据可能被恶意的参与者截获,并且当数据存储在一个单一的位置(如云)时,其安全性就会降低。通过将数据保存在设备上并尽量减少通信,能够提高数据安全性和隐私性;
存储:对许多物联网设备来说,所获得的数据毫无价值。想象一下,一个安全摄像头一天 24 小时都在记录一座大楼的入口。在一天的大部分时间里,摄像机的镜头毫无用处,因为什么都没有发生。通过一个更智能的系统,必要时激活,降低存储容量,传输到云端所需的数据量会减少;
潜在因素:对于标准的物联网设备,如 Amazon Alexa,这些设备将数据传输到云进行处理,然后根据算法的输出返回响应。从这个意义上说,这个设备只是一个通往云模型的便捷门户,就像你和亚马逊服务器之间的「信鸽」。这个设备相当愚蠢,完全依赖互联网的速度来产生结果。如果你的网速很慢,Amazon Alexa 也会变慢。对于具有机载自动语音识别功能的智能物联网设备来说,由于减少了对外部通信的依赖性,因此延迟降低了。
这些问题导致了边缘计算的发展,即在边缘设备(云的边缘设备)上执行处理活动。这些设备在内存、计算和功耗方面都受到了极大的资源限制,这使得更高效算法、数据结构和计算方法得以发展。
这些改进同样适用于较大的模型,可能会使机器学习模型的效率提高一个数量级,而不影响准确度。例如,微软开发的 Bonsai 算法可以小到 2KB,但比典型的 40MB kNN 算法或 4MB 神经网络性能更好。这个结果听起来可能不重要,但是同样准确度的模型大小却降到了万分之一,这是很可观的。这么小的模型可以在使用 2 KB RAM 的 Arduino Uno 上运行——简而言之,你现在可以在一个 5 美元的微控制器上建立这样一个机器学习模型。
机器学习正在向两种计算范式分化:以计算为中心的计算和以数据为中心的计算。在以计算为中心的范式中,数据由数据中心的范例进行存储以及分析,而在以数据为中心的范式中,在本地完成对源数据的处理。虽然以计算为中心的范式似乎正在迅速走向一个极限,但以数据为中心的范式才刚刚开始。
物联网设备和嵌入式机器学习模型变得越来越普遍,预计到 2020 年底将超过 200 亿台活动设备,许多设备你可能还没注意到。智能门铃、智能恒温器、以及说几个单词就能唤醒或者拿起就能唤醒的智能手机。本文的其余部分将更深入地关注 tinyML 的工作原理,以及当前和未来的应用。
TinyML 用例
在此之前,对于一个设备来说,复杂的电路是必要的,这样能够执行各种各样的动作。现在,机器学习将这种硬件智能抽象成软件变得越来越有可能,使得嵌入式设备越来越简单、轻便和灵活。
TinyML 最显著的例子是智能手机。这些设备通常都有唤醒词,例如:安卓智能手机的「Hey Google」,或是 iPhone 的「Hey Siri」。智能手机通过 CPU 处理这些活动,现代 iPhone 的主中央处理器是 1.85 GHz,会在几个小时内耗尽电量。对于大多数人一天中最多使用几次的设备来说,这种程度的耗电量不可接受。
为了解决这个问题,开发人员开发了专用低功耗硬件,这种硬件可以由一个小电池(比如一个圆形的 CR2032 硬币电池)供电。这使得电路即使在 CPU 不运行的情况下(基本上是在屏幕不亮的时候)也能保持活跃状态。
这些电路的功耗仅为 1mW,使用标准 CR2032 电池可以供电长达一年。能源是许多电子设备的限制因素。任何需要主电源供电的设备都受限于有线电路,当十几台设备同时出现在同一位置时,线路就会迅速超负荷。电力系统的效率很低,而且价格昂贵。将电源电压(在美国约为 120v)转换为典型的电路电压(通常约为 5 V)会浪费大量的能量。任何使用笔记本电脑充电器的人在拔下充电器时都可能知道这一点。充电器内变压器产生的热量在电压转换过程中浪费了能量。
即使是有电池的设备,电池的续航时间也有限,需要频繁地充电。许多电子产品的电池在设计时只能使用一个工作日。TinyML 设备可以用硬币大小的电池持续工作一年,这意味着在偏远环境中,只有在必要时才进行通信,以节省能源。
单词唤醒并不是唯一一个无缝嵌入智能手机的 TinyML。加速计数据用于确定是否有人刚刚拿起了手机,这将唤醒 CPU 并打开屏幕。
显然,这并不是 TinyML 唯一的应用。事实上,TinyML 为企业以及爱好者提供了生产更智能物联网设备的机遇。数据变得越来越重要,将机器学习资源分配到偏远地区内存有限的设备上,给数据密集型行业(如农业、天气预报或地震学)带来了好处。
毫无疑问,赋予边缘设备执行数据驱动处理的能力,将为工业过程带来范式转变。例如,当设备检测到土壤湿度、特定气体(例如苹果成熟时释放出乙烷)或特定大气条件(如大风、低温或高湿度)等特征时,检测设备会发送有助于作物的信息,极大地促进作物生长,从而提高作物产量。
再举一个例子,一个智能门铃可以安装一个摄像头,通过面部识别来确定谁在现场。这可以用于安全目的,或者甚至只是当有人在场时,门铃上的摄像机信号会传输到房子里的电视上,这样居民们就知道谁在门口。
目前,TinyML 的两个主要重点领域是:
关键字发现。大多数人已经熟悉此类应用程序。「Hey Siri」和「Hey Google」是关键字的示例(通常与「hotword」或「wake word」同义使用)。这样的设备连续收听来自麦克风的音频输入,并且被训练为仅响应特定的声音序列,这些特定的声音序列与学习的关键字相对应。这些设备比自动语音识别 (ASR) 应用程序更简单,并且相应地使用了更少的资源。某些设备(例如 Google 智能手机)利用级联架构来提供扬声器验证以确保安全性;
视觉唤醒词。唤醒词有一个基于图像的类似物,称为视觉唤醒词。我们可以把它想象成一个图像的二值分类来表示某物是存在还是不存在。例如,可以设计智能照明系统,使得其在检测到人的存在时启动,并在人离开时关闭。同样,当存在特定的动物时,野生动物摄影师可以使用它来拍照,而当他们发现有人时,可以使用安全摄像机拍摄照片。
下面显示了 TinyML 当前机器学习用例的更广泛概述。
TinyML 工作方式
TinyML 算法的工作方式与传统机器学习模型基本相同。通常,这些模型是在用户的计算机上或云上进行训练的。后期训练是 TinyML 的工作真正开始的地方,这个过程通常被称为深度压缩。
模型蒸馏
训练完成后,模型会被修改,以创建一个表示形式更紧凑的模型。剪枝和知识蒸馏是两种常用方法。
知识蒸馏的基本思想是,较大的网络具有一定的稀疏性或冗余性。虽然大型网络具有较高的表示能力,但如果网络容量不饱和,则可以在具备较低表示能力的较小网络(即较少的神经元)中进行表示。
下图演示了知识蒸馏的过程:
同样地,剪枝可以使模型表示更紧凑。广义上讲,剪枝试图去除对输出预测影响较小的神经元。通常与较小的神经权重有关,而较大的权重由于其在推理过程中的重要性而保持不变。然后,网络在剪枝后的架构上重新训练,微调输出。
量化
经过蒸馏后,模型在训练后被量化成一种与嵌入式设备架构兼容的格式。
为什么需要量化?想象一下,一个使用 ATmega328P 微控制器的 Arduino Uno,它使用 8 位运算。要想在 Uno 上运行一个模型,理想情况下模型权重必须存储为 8 位整数(而许多台式计算机和笔记本电脑使用 32 位或 64 位浮点表示)。通过量化模型,权重的存储大小减少为原来的 4 分之一(如 32 位到 8 位值的量化),而对准确度的影响可以忽略(通常约为 1–3%)。
此外,在量化过程中,由于量化误差,一些信息可能会丢失。为了解决这个问题,量化感知(QA)训练被提出并作为一种替代方案。
哈夫曼编码
哈夫曼编码是可变字长编码 (VLC) 的一种,该方法完全依据字符出现概率来构造异字头的平均长度最短的码字。
编译
一旦模型被量化和编码,它就被转换成一种格式,该格式可以被某种形式的小型神经网络解释器解释,其中最流行的可能是 TF Lite(大小约 500kb)和 TF Lite Micro(大小约 20kb)。然后将该模型被编译成 C 或 C++(大多数微控制器都能有效地使用内存),并由设备上的解释器运行。
TinyML 大部分技巧来自于处理复杂的微控制器世界。TF Lite 以及 TF Lite Micro 之所以这么小是因为所有不必要的功能都被删除了。不幸的是,一些有用的功能也被删除了,如调试和可视化。这意味着,如果在部署期间出现错误,就很难判断发生了什么。
此外,当模型存储在设备上时,还能进行推理。这意味着微控制器必须有足够大的内存来运行(1)操作系统和库;(2)神经网络解释器,如 TF Lite;(3)存储的神经权重和神经结构;(4)推理过程中的中间结果。因此,量化算法的峰值内存使用率,以及内存使用量、乘法累加单元(mac)的数量、精度等经常在 TinyML 研究论文中引用。
为什么不在设备上训练
在设备上进行训练会带来更多的「并发症」。由于数值精度降低,很难保证充分训练网络所需的准确率水平。标准台式计算机上的自动区分方法对于机器精度大约是准确的。以 10^-16 的精度计算导数令人难以置信,但是对 8位值使用自动微分将会导致较差的结果。在反向传播过程中,这些导数会组合并最终用于更新神经参数。在如此低的数值精度下,模型的准确度可能很差。
话虽如此,神经网络已经使用 16 位和 8 位浮点数进行了训练。
2015 年,Suyog Gupta 及其同事发表的第一篇有关降低深度学习中的数值精度的论文是《Deep Learning with Limited Numerical Precision》。论文结果表明,32 位浮点表示形式可以减少为 16 位定点表示形式,而准确度几乎没有降低。但这是使用 stochastic rounding 算法的唯一情况, 因为通常来说,它会产生无偏结果。
2018 年,Naigang Wang 及其同事在其论文《Training Deep Neural Networks with 8-bit Floating Point Numbers》中使用 8 位浮点数训练了神经网络。由于需要在反向传播期间保持梯度计算的保真度(在使用自动微分时能够实现机器精度),因此使用 8 位数字来训练神经网络要比使用推理更有挑战性。
计算效率如何?
模型还可以进行裁剪,以提高计算效率。广泛部署在移动设备上的模型架构如 MobileNetV1 以及 MobileNetV2 就是很好的例子。这些本质上是卷积神经网络,它们重新定义了卷积运算,使其计算效率更高。这种更有效的卷积形式被称为深度可分离卷积。此外还可以使用基于硬件的配置以及神经架构搜索来优化架构延迟,但这些在本文中没有涉及。
下一次 AI 革命
在资源受限设备上运行机器学习模型的能力为许多新的可能性打开了大门。AI 的发展可能使标准机器学习更加节能,有助于减少人们对数据科学影响环境的担忧。此外,TinyML 允许嵌入式设备被赋予基于数据驱动算法的新智能,这些算法可以用于从预防性维护到森林中的鸟叫声检测等任何方面。
虽然一些 ML 从业者无疑会继续扩大模型的规模,一个新的趋势是开发更多具备内存、计算和能耗效率的机器学习算法。目前,TinyML 仍处于起步阶段,未来发展的空间还很大。
相关阅读
-
Misty为Furhat收购机器人公司Misty Robotics
Misty经历了一段地狱般的旅程。在从Foundry和Venrock筹集了1150万美... -
人物形象丰富多样,AI合成人物商业应用渐热
我是新华社AI合成主播新小浩,我们不仅仅长得像主播本人,还可以不... -
瑞士研究人员进行一个利用人工智能和机...
建筑和施工总是悄悄地处于技术和材料趋势的前沿。因此,特别是在像... -
Alphabet 正致力于将机器人带到办公...
谷歌的母公司 Alphabet 正致力于将机器人带到办公室来执行日常任... -
ModelMesh使开发者能够在Kubernetes之上...
模型服务是AI用例的一个关键组成部分。它涉及从人工智能模型中提供... -
研究人员:85%的人口受到人类活动引起的...
据外媒CNET报道,气候变化已经到来。如果我们不尽快采取行动,它将...
精彩推送
-
女子追尾后 质问前车司机为何刹车:急...
女子追尾后质问前车司机为何刹车:急得直跺脚 -
疑似东风本田2022年新车规划:新一代CR-...
疑似东风本田2022年新车规划:新一代CR-V、思域Type-R要来! -
车载摄像头真有这么香?特斯拉前脚释出...
车载摄像头真有这么香?特斯拉前脚释出大额订单知名日企也官宣入局 -
月薪5000也能买!2021款比亚迪e2试驾体...
月薪5000也能买!2021款比亚迪e2试驾体验:颜值、动力俱佳 -
轴距加长130mm、后排秒变“跑马场”!国...
轴距加长130mm、后排秒变“跑马场”!国产宝马X5长轴版曝光 -
奔驰销量暴跌 德系车在德国卖不动了:...
奔驰销量暴跌德系车在德国卖不动了:买特斯拉的狂增1 3倍 -
领克01被曝疑似虚假宣传?车顶钢材强度...
领克01被曝疑似虚假宣传?车顶钢材强度与宣传不符 -
雅迪电动车征服“中国最冷小镇”成功挑...
雅迪电动车征服“中国最冷小镇”成功挑战极寒天气续航200公里 -
没想到 新蒙迪欧成了中国设计“全球化...
没想到新蒙迪欧成了中国设计“全球化”的见证者 -
行业首家 小鹏超充贯通全国337城:何小...
行业首家小鹏超充贯通全国337城:何小鹏大赞! -
红旗向中国获奖奥运健儿交付11辆H9 直...
红旗向中国获奖奥运健儿交付11辆H9直接赠送和免费使用 -
皇冠轿车中国“复活”!曝一汽丰田将原...
皇冠轿车中国“复活”!曝一汽丰田将原装进口日本皇冠:35万起 -
宝马V12动力最后的荣光!M760i将限量发...
宝马V12动力最后的荣光!M760i将限量发售:起售127万 -
配剪刀门、升降式激光雷达!集度首款概...
配剪刀门、升降式激光雷达!集度首款概念车细节曝光 -
胡润世界八强榜单:特斯拉为唯一上榜车...
胡润世界八强榜单:特斯拉为唯一上榜车企位居第五 -
高速施工封路 大货避让不及撞废轿车:...
高速施工封路大货避让不及撞废轿车:人员全部奇迹生还 -
顺丰快递电动车高速上自燃 拖车紧急卸...
顺丰快递电动车高速上自燃拖车紧急卸车避险 -
马斯克被特斯拉股东起诉 索赔归还130亿美元
马斯克被特斯拉股东起诉索赔归还130亿美元 -
奔驰、吉利联手打造!Smart精灵#1量产版...
奔驰、吉利联手打造!Smart精灵 1量产版上路:取消对开门 -
特斯拉自动驾驶闯红灯撞向思域导致两人...
特斯拉自动驾驶闯红灯撞向思域导致两人死亡:司机被控过失杀人 -
雪铁龙凡尔赛被曝加速抖动 厂商拒不回...
雪铁龙凡尔赛被曝加速抖动厂商拒不回应车主投诉无门 -
女子结婚租到“盗版劳斯莱斯” 商家:...
女子结婚租到“盗版劳斯莱斯”商家:劳斯莱斯是形容词 -
贾跃亭要遵守约定!官方确认FF 91量产...
贾跃亭要遵守约定!官方确认FF91量产时间售价欲超200万元 -
新Mac Pro曝光:将搭载4个M1 Max处理器
据外媒最新报道称,苹果将在今年年底发布新一代Mac Pro,其最顶配... -
EFF基金会要求在iPhone手机中加入关闭2G...
GSM 2G网络已经有30年多年历史了,现在还有很多服务需要2G,但是该... -
三星GalaxyS22+的详细信息曝光:屏幕尺...
1月18日消息,MySmartPrice曝光了三星GalaxyS22+的详细信息。和Gala... -
Intel 12代酷睿i3曝光:超频幅度高达57%
通过超外频的方式,德国大神Der8auer将原本锁频的i5-12400、i5-1260... -
曝苹果SE机型可能会采用5.7英寸或6.1英...
据最新报道,显示屏行业顾问公司DSCC创始人兼CEO Ross Young在社... -
Intel 13代酷睿更新:接口保持不变 主板不兼容
IntelAlder Lake 12代酷睿采用了全新的LGA1700接口,必须搭配600... -
入门款新iPad曝光:可能被改造成支持5G
据最新消息称,苹果将在2022年底发布第十代iPad,在2023年进行更重... -
魅族专利公布一年后 手机终于要用上50W快充
去年年底魅族公布了自家分流式电池充放电控制系统及其控制方法、电... -
微软发布Win7/10/11紧急更新:修复多个W...
今天微软发布了紧急更新,主要是修复多个Windows版本问题,建议用户... -
首批RTX 3050曝光:多光线追踪
据介绍,RTX 3050本次供货主要以电商、线上、直播等平台为主,预测... -
Intel NUC 11廉价版曝光:规格性能实现飞跃
Intel今天为NUC 11迷你机家族增加了新的入门款NUC 11 Essential(... -
《关于紫光集团重整计划获法院裁定批准...
今晚,紫光集团通过官微,正式发布了《关于紫光集团重整计划获法院... -
Intel 13代酷睿曝光:接口与12代酷睿保持一致
据爆料,13代酷睿将会在今年第四季度发布,接口与12代酷睿保持一致... -
西安交大学生私自驾车离校至成都:关大...
西安交大学生私自驾车离校至成都:关大灯驶上草坪绕开检查 -
CEO做对一件事!福特市值首达1000亿美元
CEO做对一件事!福特市值首达1000亿美元 -
欧洲汽车大暴跌!原因太无奈:缺芯+疫情
欧洲汽车大暴跌!原因太无奈:缺芯+疫情 -
马斯克玩“无间道”!特斯拉成香饽饽 ...
马斯克玩“无间道”!特斯拉成香饽饽印度各地官员疯抢 -
爷青回!一汽发布全新企业LOGO:形似新...
爷青回!一汽发布全新企业LOGO:形似新飞冰箱标识 -
特斯拉Model Y USB-C快充模块拆解:遗...
特斯拉ModelYUSB-C快充模块拆解:遗憾砍掉数据传输 -
宁德时代正式发布换电品牌 蔚来回应:...
宁德时代正式发布换电品牌蔚来回应:表示欢迎 -
三星试产4080圆柱形电池:媲美特斯拉468...
三星试产4080圆柱形电池:媲美特斯拉4680、能量密度大增 -
宁德时代玩换电 曾毓群请吃“巧克力”...
宁德时代玩换电曾毓群请吃“巧克力”:1分钟换1块未来适配80%车型 -
中东部地区大面积雨雪、大雾天气!交管...
中东部地区大面积雨雪、大雾天气!交管部门发布驾驶人提醒 -
实测不到6个油 全新丰田汉兰达获CCRT测...
实测不到6个油全新丰田汉兰达获CCRT测评综合得分86 3分 -
宁德时代换电品牌“EVOGO”正式发布:1...
宁德时代换电品牌“EVOGO”正式发布:1分钟全自动换电面向所有汽车 -
谁能抵抗一个会撒娇的萝莉呢?《原神》...
谁能抵抗一个会撒娇的萝莉呢?《原神》首款导航语音上线 -
宁德时代乐行换电正式发布 宣传片惊现...
宁德时代乐行换电正式发布宣传片惊现蔚来网友:砸场子! -
比亚迪全新中型SUV谍照曝光:或为巡洋舰...
比亚迪全新中型SUV谍照曝光:或为巡洋舰05主打DM-i动力 -
iPhone XS Max可降级iOS 14.1,为何...
我们都知道,苹果每次在推送新版iOS之后,都会关闭上一个正式版系统... -
四维图新发布业绩预告:2021年实现扭亏为盈
1月16日晚,四维图新NavInfo官方宣布了其2021年度的业绩预告,该公... -
被炮轰刷新底线!团车闻伟:造车不会儿...
被炮轰刷新底线!团车闻伟:造车不会儿戏邀请李想参加产品发布会 -
零百加速超17秒 40年前经典奥迪被拍卖...
零百加速超17秒40年前经典奥迪被拍卖:最高出价6 7万元 -
“青蛙眼”大灯瞩目!欧拉闪电猫量产版...
“青蛙眼”大灯瞩目!欧拉闪电猫量产版谍照曝光:最快5月上市 -
SIAL国际食品展(上海)启动之际,“中食...
日前,中共中央、国务院印发了《知识产权强国建设纲要(2021—2035年... -
CrowdStrike野外样本增加,进行分布式拒...
根据 CrowdStrike 的威胁遥测数据 ,在 2021 年针对 Linux ... -
2022年会成为Linux桌面元年吗?
2022 年会成为 Linux 桌面元年吗?答案可能依然是否定的,但我们... -
比亚迪半导体MCU曝光:最高工作频率48MHz
今日,据比亚迪半导体公众号消息,继2020年8月推出国内首款集成触摸... -
XPOWER XS70 PCIe 4.0固态硬盘曝光:...
Silicon Power(SP)近日面向玩家,推出了全新的 XPOWER XS70 PCI... -
一加6和一加6T将正式停止官方软件支持
近日,一加海外社区官方人员正式确认,一加6和一加6T的官方支持已经... -
Misty为Furhat收购机器人公司Misty Robotics
Misty经历了一段地狱般的旅程。在从Foundry和Venrock筹集了1150万美... -
曝骁龙8 Plus旗舰Q3曝光:改用4nm工艺Plus版本
按照此前多方消息显示,高通会在今年下半年推出改用台积电4nm工艺的... -
宁德时代进军“换电”市场 注册多个商标
日前,宁德时代官方消息,宁德时代将于1月18日15:30举办发布会,推... -
业界首个!集度汽车机器人车标发布:百...
业界首个!集度汽车机器人车标发布:百度、吉利联合打造 -
比亚迪、中国一汽成立动力电池合资公司...
比亚迪、中国一汽成立动力电池合资公司:产能超百万辆电动车 -
中毒了 中国汽车活化石大变样!新一代B...
中毒了中国汽车活化石大变样!新一代BJ212外形堪比路虎卫士 -
丰田章男用毛笔写下年度汉字“動”!中...
丰田章男用毛笔写下年度汉字“動”!中日文一语双关 -
四缸增程器、零百加速不到6秒!售价50万...
四缸增程器、零百加速不到6秒!售价50万的理想X01买吗 -
富豪驾布加迪德国高速狂飙至417km/h 9...
富豪驾布加迪德国高速狂飙至417km h9分钟能烧干一箱油 -
日本佳能关闭珠海工厂:主要停产数码相...
最近日本相机巨头佳能关闭珠海工厂的消息引发热议,佳能中国已经确... -
外媒:CarKey有望发布 可用iPhone解锁汽车
据国外媒体报道,苹果分析师马克 · 格尔曼(Mark Gurman )表示... -
外媒:LG Innotek将向特斯拉提供价值超...
据国外媒体报道,LG Innotek将向特斯拉提供价值超过1万亿韩元的电... -
Forbes发表观点性文章,揭示2022年量子...
Safe Quantum安全首席执行官兼创始人John Prisco日前在Forbes发表... -
高清概念渲染图曝光 揭开Galaxy Tab...
预计下个月,三星会在 2022 年度首场GalaxyUnpacked 发布会上,... -
中际旭创预计今年全球数通市场光模块需...
中际旭创近日举行了投资者关系活动。中际旭创副总裁、董事会秘书王... -
苹果Safari浏览器Bug曝光:影响使用苹果...
据 MacRumors 报道,根据浏览器指纹识别服务提供商 FingerprintJ... -
14nm显卡性能曝光:追上GTX 1050 功耗为30W
1月17日,景嘉微在投资者关系活动中表示,公司历经十余年发展,成功... -
NVIDIA RTX 3090 Ti功耗曝光:高达48...
今天,某厂商的旗舰型RTX 3090 Ti规格参数被泄露出来,可以看到满... -
外媒:苹果内部讨论传闻已久的VR/AR设备...
据国外媒体报道,苹果产品方面的资深记者日前表示,苹果内部已经讨... -
网友发现新版微信支持搜索后批量删除好友
前不久,iOS版微信率先更新了8 0 17版。除了万众期待的语音消息暂... -
云网融合打造生态系统,产业链企业数量...
近日,Semtech举办媒体沟通会,宣布公司与腾讯云达成协议,LoRa Cl... -
便宜又好用 中国制造的电动车在日本成...
便宜又好用中国制造的电动车在日本成了香饽饽 -
零百加速5.9秒力压埃尔法!全球最速MPV...
零百加速5 9秒力压埃尔法!全球最速MPV岚图梦想家白车身下线 -
比亚迪宋DM-i最强对手!奇瑞星途追风PHE...
比亚迪宋DM-i最强对手!奇瑞星途追风PHEV亮相:亏电油耗4 8L -
真实起火率统计对比:混动车危险系数最...
真实起火率统计对比:混动车危险系数最高、电动车排在燃油车之后 -
全球首款续航破千电动车!广汽Aion Lx...
全球首款续航破千电动车!广汽AionLxPlus冬季媒体实测:最高960Km -
四缸增程器、续航800公里!理想X01路测...
四缸增程器、续航800公里!理想X01路测谍照曝光:售价约50万买吗 -
比丰田埃尔法还豪华 红旗全新MPV内饰曝...
比丰田埃尔法还豪华红旗全新MPV内饰曝光:二排座椅是亮点! -
配坦克300同款档杆、一体式双联屏!哈弗...
配坦克300同款档杆、一体式双联屏!哈弗酷狗内饰曝光 -
“元宇宙”热火蔓延车圈!中国车企首个N...
“元宇宙”热火蔓延车圈!中国车企首个NFT拍卖到来:送真车一辆 -
零下35℃雪天在特斯拉里过夜:10万km电...
零下35℃雪天在特斯拉里过夜:10万km电池坚持了一天半 -
被李想炮轰后 团车CEO首次回应:别成为...
被李想炮轰后团车CEO首次回应:别成为自己最记恨的那波人 -
印度提议本国生产所有车型 至少配备六...
印度提议本国生产所有车型至少配备六个气囊!网友:远超中国标准 -
实测1067马力超官方数据!最强特斯拉Mod...
实测1067马力超官方数据!最强特斯拉ModelS动力测试结果出炉 -
威马汽车私自“锁电”引众怒 173名车主...
威马汽车私自“锁电”引众怒173名车主联名发律师函向厂家维权 -
比长城还会玩!上汽大众凌度L公开征求昵...
比长城还会玩!上汽大众凌度L公开征求昵称:辣馒头、麻辣烫在内 -
宁德时代进军“换电”市场 注册“巨无...
宁德时代进军“换电”市场注册“巨无霸换电块”商标 -
大众集团全球销量出炉 超大众成行业榜首
随着大众集团全球销量出炉,一年一度的汽车行业榜首之争一锤定音。...