新闻速递
1.2023数据技术嘉年华聚焦超融合与多模，星环科技分享多模型技术实践
2.以Oracle为代表的集中式数据库成本昂贵，存储、计算扩展能力有限，国产分布式数据库“小有大为”
3.组建国家金融监管局，证监会国务院直属！中国金融监管将形成“一行一总局一会一局”架构
4.科技部重组，不再参与具体科研项目评审和管理，集中力量解决“卡脖子”难题
5.Hadoop大数据应用：组建国家数据局，释放利好数据经济发展6大重磅信号!
6.TDengine 3.0.3.0为数据压缩、事件窗口等七大功能加“Buff”
7.用友发布高性能时序数据库TimensionDB
8.Databricks为湖屋平台添加新的ML建模工具
9.图数据库Ontotext GraphDB 10.2发布，使管理和存储数据变得更加容易
10.pgEdge推出基于PostgreSQL的网络边缘全分布式数据库
11.Teradata推出VantageCloud，增强与Azure ML集成
12.索引速度提升10倍！爱可生向量数据库基于昇腾AI实现全面升级
13.同盾科技发布指标平台“极溯4.0”，打造决策智能一体化信息中枢
14.重磅突发！OpenAI正式推出多模态GPT-4
15.Salesforce Einstein GPT 正式宣布
16.微软Azure OpenAI服务推出ChatGPT预览版
17.星图比特首推企业级场景应用AI模型灵境智能数字管理云(国内版ChatGPT)
18.担心敏感数据泄露，软银和日立等日企限制使用ChatGPT
19.硅谷银行关闭对科技创新型企业是一个噩梦
20.太震撼！美国三大银行倒闭！好戏还在后面！
21.400余家VC/PE联合呼吁，“硅谷银行不能倒”，监管机构决定兜底
22.数字扁担完成A轮融资，数据编织助力数字资产治理
23.工业大数据可视化平台及解决方案提供商「达美盛」完成战略融资
24.玻色量子完成新一轮亿元级融资，开启实用化量子计算新征程！
25.空间运营数字化产品与解决方案提供商「思倍云」完成数千万人民币Pre-A轮融资
本周焦点
1.2023数据技术嘉年华聚焦超融合与多模， 星环科技分享多模型技术实践
近日，由墨天轮重磅打造的『2023数据技术嘉年华 · ON LINE』线上直播栏目第一期开播，以“超融合”和“多模”数据库为主题，邀请多位典型数据库代表厂商分享超融合及多模数据库的核心技术、架构设计、发展趋势及行业应用，以期为大家带来在数据技术发展研究、数据库选型的参考。
星环科技受邀参加，资深架构师陈潜龙分享了星环科技多模型数据统一处理平台的设计与应用。陈潜龙表示，企业数字化转型面临跨模型开发复杂、IT架构复杂(运维复杂;运维成本高;跨平台开发成本高;容易形成数据孤岛;数据流转复杂，一致性难以保障;数据存储冗余;计算/存储资源之间存在竞争)等困难，因此需要多模型支撑，引入多模型数据库。
星环科技一直致力于国产化数据库的自主研发，打造了自主可控的高性能分布式分析型数据库ArgoDB。作为一款领先的多模型数据库，ArgoDB支持关系型、搜索、文本、对象、图等10种数据模型，能够帮助用户简化系统架构、减少开发运维成本、提升用户体验和数据洞察力，满足更多复杂业务需求。
在Gartner发布的《Exploiting the Evolving Database Management System Trends in China》中，星环科技多模型联合分析用例还曾作为案例被引用。报告指出，中国独特的商业环境和自主可控的技术需求推动了中国数据库的快速发展，Gartner以星环科技多模数据库的多模能力为例介绍了数据库融合价值和趋势(关系型数据和非关系型数据联合分析)。
2.以Oracle为代表的集中式数据库成本昂贵，存储、计算扩展能力有限， 国产分布式数据库“小有大为”
国内分布式数据库代表企业 OceanBase 首席执行官(CEO)杨冰认为，在数字化浪潮中，越来越多的企业进行数字化转型，对业务系统也更加高频地并发访问，当产生庞大大的数据处理量，以 Oracle 为代表的集中式数据库昂贵的成本和存储、计算极为有限的扩展能力开始暴露。
在此背景下，企业不得不寻求性价比更高、存储和计算扩展能力更强的数据库，原生分布式数据库以其高可用、可扩展，多地域、多部署形态，混合负载，多租户以及透明兼容性而“迅速崛起”。
分布数据库肯定在处理存储海量数据、处理海量并发上面有绝对的优势;分布式数据库能够做到真正的弹性扩缩容;分布式数据库之所以能够更加贴近业务、更安全，原因在于它把数据切分成无数个“小”，大大提高了可用性和效率。
杨冰深有感触地说，“数据库产业现在更讲究自主可控、原创，我们具备‘0到1’的根创新能力以及国际化的竞争力，这是一个比较明显的变化。”
“国产数据库开始进入社会场景的关键应用/核心系统里面，这也是一个显著变化。”杨冰表示，第三个变化是中国的数据库在很多的技术点上正在引领这个行业的发展。在分布式数据库领域，国内厂商在可扩展同时一致性、数据不丢这件事情上是引领行业的。
产业政策
3.组建国家金融监管局，证监会国务院直属! 中国金融监管将形成“一行一总局一会一局”架构
根据批准的国务院机构改革方案的方案，在银保监会的基础上组建金融监督管理总局作为国务院直属机构，证监会也调整为国务院直属机构。
此外，统筹推进央行分支机构改革，不再保留央行县(市)支行;国家发改委的企业债券发行审核功能划入证监会;深化地方金融监管体制改革;金融监管部门工作人员纳入国家公务员统一规范管理。
金融监督管理总局的设立可以更好地协调混业经营与分业监管的关系，协调处理好行为监管、主体监管、功能监管和审慎监管。证监会的保留、优化，体现对“健全资本市场功能，提高直接融资比重”的重视。
调整后，中国金融监管部门将形成“一行一总局一会一局”(人民银行、国家金融监督管理总局、证监会、外汇管理局)的架构。
4.科技部重组，不再参与具体科研项目评审和管理， 集中力量解决“卡脖子”难题
国务院机构改革方案出炉，科技部重组。核心内容包括：
·重组科技部的目的是推动健全新型举国体制，优化科技创新全链条管理，促进科技成果转化，促进科技和经济社会发展相结合等职能;
·将领域科技工作管理职责转到发改委、工信部、农业农村部、生态环境部和卫健委等政府经济社会管理部门，引进国外智力工作职责划入人力资源和社会保障部;
·中国21世纪议程管理中心、科学技术部高技术研究发展中心划入国家自然科学基金委员会;
·组建中央科技委员会，加强党中央对科技工作的集中统一领导，中央科技委员会办事机构职责由重组后的科学技术部整体承担;
·面对国际挑战，科技自立自强是唯一出路，将科技部从一些项目管理中抽离出来，就是为了集中力量解决“卡脖子”难题;
·科技部重组就是为了理顺科技领导和管理体制，更好统筹科技力量在关键核心技术上攻坚克难，加快实现高水平科技自立自强。
5.Hadoop大数据应用： 组建国家数据局，释放利好数据经济发展6大重磅信号!
3月10日，十四届全国人大一次会议表决通过了关于国务院机构改革方案的决定。根据方案，将组建国家数据局。从方案可以看出，拟组建的国家数据局的主要任务有三大类：一是负责协调推进数据基础制度建设;二是统筹数据资源整合共享和开发利用;三是统筹推进数字中国、数字经济、数字社会规划和建设等。
专家分析认为，对于数字相关产业而言，这次改革和2008年国务院机构改革成立国家能源局一样，是集中关键战略要素，“做强、做优、做大”数字经济，充分实现数据要素价值的关键措施。
6大利好包括：
·中国数字经济发展进入推进提速阶段;
·集中管控数据，一改目前多部门共同监管数据的结构;
·先地方后中央，成功经验有利于数治时代国家数据局的发展;
·与全球监管趋势保持一致，强化数据监管与保护;
·破解数据因素发展瓶颈，促进数据要素市场高速发展;
·强化数字中国关键能力，催生自主可控的数字化产业。
新产品/新技术
6. TDengine 3.0.3.0 为数据压缩、事件窗口等七大功能加“Buff”
TDengine第一个重要改进版本3.0.3.0 发布，这一版本涉及到的更新内容包括数据重整、事件窗口、标签索引、taosX、taosExplorer等功能或组件。经过这一系列的功能优化与加强，TDengine的性能、易用性、运维便利性都有大幅提升。
2022年8月在TDengine开发者大会上TDengine 3.0正式发布了，TDengine 也由此升级成为了一款云原生时序数据库。
另外，全托管的时序数据处理云服务平台TDengine Cloud 正式支持阿里云，这是继 Microsoft Azure、AWS、Google Cloud 后 TDengine Cloud 上线的第四朵公有云。
7.用友发布 高性能时序数据库TimensionDB
在清华大学自主研发的国内首个开源时序数据库Apache IoTDB的基础上，用友自主研发了专用企业服务能力的商用版时序数据库——TimensionDB。
TimensionDB是一款轻量级、高性能、易使用的时序数据管理引擎，可快速摄取、存储和处理海量时间序列数据，广泛应用于电力(如智能电表、发电设备实时监测)、石油化工(如油井、运输管线、运输车队实时监测)、智慧城市(如实时路况、卡口数据和路口流量实时监测)、智能安防(如楼宇门禁、车辆管理、井盖、电子围栏监测)、车联网(如车速、电机、动力电池、驾驶习惯等数据的实时监测)、金融(如ATM、POS机、交易记录等数据的实时监测)等行业。
8.Databricks为湖屋平台添加新的ML建模工具
机器学习建模工具使用户能够将机器学习模型作为REST API 启动，从而消除了用户管理复杂服务基础结构的需求。
Databricks推出了Model Serving，该工具使用户能够在供应商的湖屋平台上将机器学习模型部署为REST API，并且无需管理服务基础设施。
Databricks成立于2013年，是一家数据湖仓供应商，其平台提供数据仓库的结构化数据存储功能与数据湖的非结构化数据存储功能的组合。
湖屋结构旨在使数据团队能够快速轻松地访问数据，并为用户提供用于数据科学、机器学习 (ML)和分析项目的最新数据。
最近，Databricks推出了Visual Code Extension。该功能允许开发人员使用微软的Visual Studio Code(一个集成开发环境)构建分析、增强智能和ML模型，然后再将其移动到Databricks的Lakehouse架构中。
9.图数据库Ontotext GraphDB 10.2发布，使管理和存储数据变得更加容易
企业知识图谱(EKG)技术和语义数据库引擎的全球提供商Ontotext，最近发布图数据库GraphDB 10.2，使用户能够监督系统运行状况并更轻松地诊断问题。
GraphDB 10.2 的优势包括：
·改进了集群备份和对云备份的支持：GraphDB 10.2 包括重新设计的备份和还原 API，可简化在集群和单实例环境中创建和还原备份的过程。
·更低的内存需求和改进的透明内存模型：在 GraphDB 10.2 中，默认值假定为配置的最大 Java 堆的 50%。最新产品还具有一个默认值，该值根据可用堆的最大大小在堆的 25% 到 40% 之间变化。这样可以降低内存使用量，而不会牺牲大页面缓存大小的性能优势。
·更好地监控和支持 Prometheus：GraphDB 10.2 包括对通过 Prometheus 进行监控的支持，Prometheus 是许多公司采用的开源系统监控和警报工具包。公开的指标包括内存使用情况、集群运行状况、存储空间、缓存统计信息、慢速/次优查询等。
·使用 X.509 证书的灵活认证选项：除了现有的认证选项之外，V10.2 还包括对 X.509 客户机证书的附加支持。
10.pgEdge推出基于PostgreSQL的网络边缘全分布式数据库
pgEdge，全分布式PostgreSQL数据库公司，正在从隐形中脱颖而出，基于开源PostgreSQL数据库推出其完全开放、完全分布式的数据库，该数据库针对网络边缘进行了优化。在由Sands Capital Ventures和Grotech Ventures牵头的900万美元种子资金的支持下，pgEdge正在推动应用程序的低延迟，高性能和全球分发，同时具有源代码透明度。
利用PostgreSQL开源架构的力量，pgEdge Distributed PostgreSQL是一个多活动(或多主)分布式数据库系统，允许计算功能和PostgreSQL部署在网络边缘或靠近网络边缘。这使应用程序开发人员和数据库架构师能够从高可用性和低延迟中受益，同时适应数据驻留要求，而不会影响应用程序的代码。
11.Teradata推出VantageCloud，增强与Azure ML集成
Teradata公布了其VantageCloud平台与Microsoft Azure机器学习之间的新集成，旨在帮助共同客户更成功地构建和部署增强智能和机器学习模型。Azure机器学习(Azure ML)是微软的云服务，用于构建、训练和管理机器学习模型。
Teradata Vantage 平台于2019年首次推出，构建为云优先，但并非完全云原生，该平台于 2022年更名为 VantageCloud 企业版，当时 Teradata 推出了其套件的完全云原生版本，名为 VantageCloud Lake。
除了VantageCloud之外，Teradata还提供了BI平台ClearScape Analytics，使用户能够处理数据库中的数据，而不是要求他们在运行查询和分析之前提取，转换和加载数据。
12.索引速度提升10倍! 爱可生向量数据库基于昇腾AI实现全面升级
近日，在深圳昇腾创新中心的支持下，爱可生向量数据库TensorDB完成了与华为Atlas 800推理服务器和全场景AI框架昇思MindSpore的兼容性测试，实现了爱可生向量检索技术与昇腾AI基础软硬件平台的全面融合。
基于昇腾AI，TensorDB内核的众多计算任务实现了深度优化：
降低了向量计算、矩阵计算等高维数据之间计算带来的消耗，提升了检索算法的批处理能力，同时读入并计算的请求数可达每秒4000次。
保障了不同维度、数量级的向量数据训练和检索的稳定性，在不损失检索精度的前提下，使模型训练的收敛速度提升4倍以上。
充分利用算子可以异步执行的特点，实现了数据预处理、多种计算类算子、数据后处理在不同线程、不同流之间并发，将索引过程提升10倍以上。
13. 同盾科技发布指标平台“极溯4.0” ，打造决策智能一体化信息中枢
金融机构更加依赖“快、准、稳”的实时数据处理及指标计算能力保障。同盾科技推出基于超融合计算理念的一体化指标平台——极溯V4.0，旨在成为决策智能一体化信息中枢，支撑实时指标计算、离线批量决策、图指标集成应用以及面向人工智能的特征研发等全场景应用。
同盾科技打造了基于超融合指标计算理念的一体化产品“极溯V4.0”，围绕指标对接、指标管理、指标计算、指标服务、指标运营五个维度，攻克了冷热数据融合、存算一体化、流批一体化、跨领域指标融合等难题，满足业务全场景多模式的决策智能应用。
依托高性能的实时指标计算引擎以及一体化融合计算引擎，极溯4.0能够为金融机构提供高性能、高并发、低时延指标计算和服务，有效支撑包括实时事件决策、离线批量决策、策略仿真调优等业务场景。
GPT升级
14.重磅突发! OpenAI正式推出多模态GPT-4
OpenAI重磅推出的GPT-4，重点包括：
·GPT-4可以接受图像和文本输入，而GPT-3.5只接受文本。
·GPT-4在各种专业和学术基准上的表现达到 "人类水平"。例如，它通过了模拟的律师考试，分数约为应试者的前10%。
·OpenAI花了6个月的时间，利用从对抗性测试项目以及ChatGPT中获得的经验，反复调整GPT-4，结果在事实性、可引导性和可控制方面取得了 "史上最佳结果"。
·在简单的聊天中，GPT-3.5和GPT-4之间的区别可能微不足道，但是当任务的复杂性达到足够的阈值时，区别就出来了，GPT-4比GPT-3.5更可靠，更有创造力，能够处理更细微的指令。
·图像理解能力还没有向所有OpenAI的客户开发，OpenAI正在与合作伙伴Be My Eyes进行测试。
·OpenAI承认，GPT-4并不完美，仍然会对事实验证的问题产生错乱感，也会犯一些推理错误，偶尔过度自信。
·开源OpenAI Evals,用于创建和运行评估GPT-4等模型的基准，同时逐个样本检查其性能。
15.Salesforce Einstein GPT 正式宣布
Salesforce推出Einstein GPT，以在Salesforce平台内提供自动生成的AI内容，用例包括Slack、销售、服务、营销、商业和应用程序构建器。这是世界上最强大、最智能、最能生成CRM，让每位员工都更有效率，让每位客户体验更美好。
CEO马克·贝尼奥夫(Marc Benioff)和Salesforce于2月8日通过Twitter宣布了预告片，其中包括一些关于预期内容的神秘线索。
Einstein GPT 将公共和私有AI模型与CRM数据相结合，以便用户可以直接在 Salesforce CRM 中提出自然语言提示(即对话问题)。结果呢?交付 AI 生成的内容可不断适应不断变化的客户信息和需求，从而为用户节省大量时间。
Einstein GPT优势：
·Salesforce的私有AI模型：换句话说，那些由Salesforce开发的，客户使用爱因斯坦技术层的功能来利用它们。
·结合OpenAI的ChatGPT：得益于Salesforce和OpenAI的合作伙伴关系，通过直接访问OpenAI的企业级ChatGPT技术，为公司提供开箱即用的生成AI功能。
·自带模型：由于Einstein GPT是开放且可扩展的，可以选择将其与您自己的外部模型一起使用。
数据从Salesforce“云”和Salesforce数据云(Genie)实时注入这些模型，以摄取、协调和统一公司的所有客户数据。
16.微软Azure OpenAI服务 推出ChatGPT预览版
微软宣布，基于Microsoft Azure的企业级Azure OpenAI ChatGPT服务发布(国际预览版)，Azure国际版的企业客户现在就可以在Azure上启用ChatGPT。
借助Azure OpenAI服务，Azure用户可以使用全球业界领先的AI模型(包括Dall-E 2、GPT-3.5、Codex和其他由Azure特有的高性能和企业级云服务支撑的大语言模型)，加速AI时代的数字化新。
17星图比特首推企业级场景应用AI模型灵境智能数字管理云(国内版ChatGPT)
星图比特最新推出企业级场景应用AI模型灵境智能数字管理云(AI-DAM)(国内版ChatGPT)，旨在协助企业实现高效率、高质量(企业智能助手)聊天机器人、AI助理以及 IVR (智能交互式呼叫应答)的相关AI解决方案。
灵境智能数字管理云(AI-DAM)已经实现企业级AI模型的全生命周期服务,重点聚焦企业场景AI学习模型中的数据收集、模型训练、模型评估、模型管理、模型部署、模型监控预警和模型迭代等关键环节,通过AI生成技术(VAE、GAN、GPT、Diffusion等模型)，为企业的各种需求和场景提供统一的AI协作平台，协助企业规模化管理不断增长的AI学习模型，提高模型使用效率，降低模型管理成本，控制模型生产环境风险,赋予企业客户易用、高效和安全的AI模型运营服务。
未来，星图比特将继续更新灵境智能数字管理云(AI-DAM)的功能，以更好地赋能企业场景AI模型的快速落地。
18.担心敏感数据泄露，软银和日立等日企限制使用ChatGPT
爆点事件
19.硅谷银行关闭对科技创新型企业是一个噩梦
硅谷银行是全球许多初创公司和风险投资基金的支柱。而硅谷银行宣布关闭，是自2008年金融危机以来美国最大的银行业倒闭事件，其影响可能会在未来几年内波及全球科技领域。
“SVB本质上是过去几十年硅谷银行业生态系统的教父，我们相信这种历史性崩溃的负面连锁反应将对科技界的未来产生无数影响，”Wedbush Securities分析师Dan Ives周二在一份报告中表示。
20.太震撼! 美国三大银行倒闭 !好戏还在后面!
48小时内，美国三家银行倒闭。硅谷银行Silicon Valley Bank,银门银行Silvergate Bank,签名银行Signature Bank。
第四家，波士顿私人银行挤兑中。
硅谷银行在美国排名第16，签名银行排名第29!
除了被接管的硅谷和签名银行外，美国第一共和银行(FRC)的处境，也非常危险!一度大跌近70%，还遭到了挤兑……
除此之外，阿莱恩斯西部银行跌近20%，西太平洋合众银行跌超21%。在另一头的欧洲，股市也开启了暴跌模式!
意大利富时100指数跌超4%，西班牙IBEX指数跌近4%，欧洲斯托克50指数跌近3%，德国DAX指数跌超3%，法国CAC 40指数跌近3%，英国富时100指数跌超2%。
欧洲斯托克600指数跌幅扩大至2.9%，为2022年12月中旬以来最大跌幅。最惨烈的是欧洲最大的银行集团之一意大利裕信银行，它在米兰市场下跌4.9%之后，直接停牌了……
欧美接下来会有很多金融机构熬不下去的，这仅仅是一个开端!
21.400余家VC/PE联合呼吁， “硅谷银行不能倒” ，监管机构决定兜底
400家风投机构、650名创始人联合声明：硅谷银行不能倒。
据澎湃新闻报道，截至3月12日已有包括红杉资本在内的325家风投机构，签署了一份共同的支持硅谷银行声明。
此外，雇用超过22000名员工的650名创始人也共同签署声明表示，要求监管部门阻止灾难发生。
这份来自风投界的声明由风险投资公司General Catalyst牵头，声明中称：“硅谷银行一直是风险投资行业和我们创始人值得信赖的长期合作伙伴。四十年来，它一直是服务美国创业行业和支持创新经济的重要平台。”
“过去 48小时发生的事件令人深感失望与担忧。如果SVB被收购并适当资本化，我们将大力支持并鼓励我们的投资组合公司恢复与他们的银行业务关系。”
另据消息，目前参与签署声明的风投机构已经超过400家，预计这一数字还会增长。
IPO/投融资
22. 数字扁担完成A轮融资 ，数据编织助力数字资产治理
大数据技术产品及服务平台「数字扁担」完成近亿人民币A轮融资，投资方为新干世业投资，拱墅国投集团。本轮融资所募集资金主要用于基于数据编织技术的下一代数据科学平台的研发及市场化投入。
数字扁担以数据资源编织引擎为依托，帮助各类型客户着重解决数据连接、治理、开发、使用、交易全周期运营难题。数据资源编织引擎结合时间、空间属性，并通过AI赋能，将业务属性与数据内容进行深度绑定，从裸数据中主动提炼数据要素，封装为可理解、可调用、可控制、可跟踪，可计量的盒装形式(DataedBox)标准化数字资产。
数字扁担以“数据+服务”的模式，以人工智能及大数据为支撑，以DataedBox为主要载体，为客户内外部各种业务场景的落地提供快速部署、集成、上线、运营能力，使得算力、算法、数据等智能要素真正融合，成为可使用、可循环、可增值的数字资源资产，帮助客户不仅获得数据资产的开发利用价值，更能通过数据资产的运营增值获得超额收益。
23.工业大数据可视化平台及解决方案提供商「达美盛」完成战略融资
基础设施数据可视化技术及应用供应商「达美盛」完成战略融资，投资方为中控技术。
达美盛是一家工业大数据可视化平台及解决方案提供商。致力于通过自主核心技术，基于设计、采购、施工和运维大数据，用创新手段联结空间(三维)、物(设备)与人，提供可视化的全生命周期资产管理与价值提升解决方案。
达美盛创立：“1”个引擎全球领先的跨平台可视化引擎eZWalker，兼容流程工厂，离散工厂及建筑领域三十多种数据格式，满足多终端高度轻量化应用需求;“2”个平台PIMCenter工厂可视化大数据管理平台/BIMCenter Cloud;“3”个应用项目管理系统、云协同及移交系统、资产管理系统。
24. 玻色量子完成新一轮亿元级融资 ，开启实用化量子计算新征程!
量子计算服务商「玻色量子」完成亿级人民币A轮融资，投资方为中移资本，华控基金，盈富泰克，朝科创，常盛投资，宁波灵知。
玻色量子成立于2020年11月，是国内少数几个量子计算方向的海归创业企业之一，公司聚焦于相干量子计算技术路线，进行量子计算的软硬件全平台研发，以解决未来AI算力需求。研究成果具备短期内商业化可行性，能对人工智能和优化组合问题计算进行指数级加速，进而应用和服务于各个行业。
25.空间运营数字化产品与解决方案提供商 「思倍云」完成数千万人民币Pre-A轮融资
近日，思倍云(SpaceiCloud)获得河床资本及相关基金Pre-A轮融资，在空间运营数字化领域展现新力量。
思倍云表示，主要以“物联网IoT+空间BIM+软件定义业务+大数据与算法”等技术基础打造一套全新的产品，为空间运营提供数字化解决方案，实现节能低碳、安全环保、高效运营的目的。
思倍云自主研发的产品包括五大核心平台——统一业务平台、业务配置平台、物联网平台、数据平台和算法平台;四大基础应用产品——物联管理系统、运营管理系统、空间资产管理系统和数字孪生;六大数据与算法应用——数字化低碳节能体系、数字化安全管控体系、BIM数字化运维体系、智能控制体系等。
浪漫情人节
大数据应用，从现在开始
END返回搜狐，查看更多
责任编辑：

7月9日，燕缘科创第39期特邀知存科技创始人、北京大学信科院2007级本科校友王绍迪，直播分享了《存算一体芯片的发展、挑战和未来》。王绍迪毕业于北大微电子系，曾获得杨芙清王阳元奖学金，后在UCLA取得电子工程博士学位。2017年，王绍迪提出基于MRAM的存算一体架构，并于年底创立知存科技，研发存算一体芯片，目前公司累计完成5轮共3亿元融资，发布两代存算一体芯片产品。存算一体作为一个近期被资本和市场热捧的火热赛道，到底有哪些机会？哪些挑战？王绍迪系统的从技术原理、应用场景、技术发展方向做了详尽的阐述。以下是直播分享内容整理：大家好，我是王绍迪，知存科技的创始人，很荣幸给大家介绍存算一体技术，也是最近几年比较火的一个技术。知存科技2017年成立，创业前我们创始团队经历过六次流片，在国际上完成了第一个基于flash的模拟存算一体芯片验证。2018年我们团队有十个人，做了第一代存算一体芯片，2019年之后连续完成了A轮、A+轮融资，2020年发布了第一个产品WTM1001芯片，是国际上最早量产的存算一体芯片。今年我们发布了第二代产品WTM2101，主要针对可穿戴设备的一个低功耗人工智能芯片。存算一体是什么？首先简单介绍一下存算一体技术，以及为什么要做这个。存在一体技术的诞生跟摩尔定律的发展有关。20世纪90年代到21世纪第一个十年，摩尔定律发展速度很快，每18个月迭代一次。但近十年，尤其是芯片进入10纳米以下，每一代工艺的发展速度大大放缓，最近是两三年可以迭代一代，以后有可能到四五年走一代。并且每一代性能提升非常有限，平均性能提升只有10%，通过优化可以提升到20%左右。更重要的一点，半导体行业是成本驱动，但随着摩尔定律放缓走向尽头，成本其实越来越高，尤其是研发成本，从7纳米到5纳米研发成本增加50%以上，芯片越来越贵，像5纳米的A14芯片400多美元一颗，是上一代芯片的两倍。也就是说，随着摩尔定律走到10纳米以下，采用越先进的工艺，芯片的性能提升非常有限，但成本会急剧增加。像3纳米的研发投入是几十亿元人民币，必须有足够大的场景单个品类才能支撑起摩尔定律的发展，大部分场景其实都做不到，这也是后摩尔时代的一个情况。存储器更有这样的问题。因为存储器在摩尔定律早的时候就已经接近终结，现在工艺一般在15~17纳米，像flash一般是20~40纳米之间，比起逻辑芯片，工艺更老，这也导致存储器的速度在过去十多年基本很难提升。另外，存储器根据摩尔定律发展存储密度越来越大，存储容量越来越大，导致当容量更大的时候，把一个数从存储器找出来所需消耗的时间和功耗在增加。存储器的带宽速度没有增加，CPU的速度越来越快，核数越来越多，这也导致CPU每个核能够使用的存储资源实际上越来越少，导致了存储墙或内存墙问题。内存墙是说在数据量很大的时候，做运算大部分时间都消耗在存储器和处理器之间做数据搬运，运算速度受到存储器带宽的影响，没法再进一步提升，不管处理器多快，存储器的速度没法再进一步提升。另外一个问题是数据搬运的功耗过大。上图是一个28纳米工艺产品计算加法乘法，可以看到32比特数加法的功耗是0.1pJ，乘法是3.1pJ，但把64比特数从一个8kb的SRAM中拿出来，消耗的功耗是10pJ，从一个1M的存储里拿出一个数消耗的功耗是100pJ。存储器容量越来越大，从中间取出一个数的功耗也越来越大，基本是运算的百倍，这也导致了整个运算速度的瓶颈。存储墙瓶颈实际跟冯诺伊曼架构有关，随着计算速度越来越快，存储速度没有跟上，导致数据搬运消耗的时间和功耗都成为整个运算的一个瓶颈。内存计算过去十年发展速度很快，有几个方向。一种是3D Xpoint新型存储器，将固态硬盘和内存的特点结合，是一种介于这两个中间的存储器，它的密度容量比内存大，速度比内存慢，但比固态硬盘快。第二种是近内存计算，通过采用先进的3D封装方式把内存和计算单元封装在一起，可以达到几千根甚至上万根连线，两者之间的带宽增加，提高了数据搬运速度。第三种是近存储计算，就是如果只做一些简单的运算，可以在存储边加一个计算单元，不占用CPU负载。还有一种是存算一体。其他的几种方式还是冯诺依曼架构，存算一体是另外一种方式，直接把存储单元变成了运算单元，利用了存储器中的模拟计算。存算一体可以理解为一种计算器，一个类似于CPU的计算芯片，实际上是用存储器去完成计算。存储器里有很多计算单元，比如3D Flash里有几十甚至上万亿的存储单元，存算一体就是把这些存储单元都变成运算单元，这样存储器的容量越大可以去做的运算也越多，所以衡量存算一体的算力是看它的存储器容量多大。存算一体的运算方式有两种：一种是数字计算，一种是模拟计算。数字计算的优点是跟逻辑工艺一起往下做，可以在5纳米未来的3纳米工艺上使用，工艺非常先进速度可以很快。另一种多比特的模拟运算，利用存储器存储介质本身可以存储多值这样一个模拟特性去做，比如基于Flash、基于PRAM、忆阻器、PCRAM的相变存储器，它的特点是存储密度大同时并行度高。目前产业界最多的存算一体发展方向是把存储单元变成一个做乘法加法运算的东西，相当于有多少个存储单元就可以做多少个乘法加法运算。存算一体应用场景目前，存算一体芯片主要用来做基于人工智能的运算。人工智能的特点是向量和矩阵的计算量占比非常大，像可穿戴设备、手机、VR眼镜、智能驾驶以及数据中心，不同的场景需要算力不一样。我们用存储容量和算力区分了一下不同场景的需要。一般一个2M的存储就可以提供足够多的算法一定算力完成向量矩阵运算，比当前的芯片效率要高出50~100倍左右，用于可穿戴设备功耗可以很低，长待机。PC和移动终端需要大概32M、64M的存储空间存储算法，算力可以到16Tops~32Tops，实时性可以很高，另外在移动终端功耗限制下，可以很低功耗的去完成视觉信号处理这些AI算法。智能眼镜对低功耗需求很强，它的电池很小散热很差，但又需要很多人工智能方法进行交互，包括手势识别、语音识别、肌肉肌电的识别、眼动识别等，对AI的算力需求很高，基本需要到100多兆存储空间，同时算力也很大。智能自动驾驶、数据中心需要的计算算力和存储就更大，同时对芯片的可靠性要求要高很多，对存算一体的挑战也很大。我们第二代芯片WTM2101是一个基于Risc-V的存算一体芯片，可以实现一些深度学习算法，同时有加速单元可以加速算法，也有RAM存储数据，同时这个芯片针对语音做了很多工作，比如Audio可以处理麦克风采集进来的数据，可以接三路的语音输入。我们这个芯片可以做一些算法级应用，包括语音识别、语音增强、血压血糖检测、心血管检测等。存储一体技术的发展方向和挑战首先，我们采用的是一个模拟存算一体平台，之前用Flash架构，今年忆阻器开始量产，忆阻器是一种更新型的存储器件，也可以做模拟存储一体。目前从40纳米到22纳米都有Flash可以量产，在更先进的节点Flash有可能会走到14纳米，但这个是不确定的，忆阻器肯定可以走到14纳米，至于未来能不能走到10纳米、7纳米，我认为大概率是会，有可能到2025年左右走到10纳米及以下工艺。模拟存储可以选择不同的存储器器件实现存算一体的发展，这意味着模拟计算或者存在一体的计算摩尔定律还没有终结。另外，除了工艺节点，芯片还有三个方向：精度、算力、能效。在更高精度方向有一个很快的方向是做工艺优化，过去存算一体都是直接拿存储器的加工工艺实现，并没有针对存算一体去优化精度。近几年尤其近一年有非常多的存储公司成立，资本也投入了很大，我相信未来几年会有工艺上的优化，尤其在代工厂层面会针对存算一体做优化。模拟计算的挑战是研发周期、工艺的优化时间很长，都是以年计，一到两年才能完成一代工艺优化，并且投入很大。另外一个是数模混合运算是一种提高计算精度的架构，它的问题是通用性。在实现更高算力的方向先进封装是更好的一种方式，比如现在非常火的2.5D封装，可以把多个不同工艺的芯片放在一个大的硅基或者其他有机物基板上，可以理解成一个大芯片上承载了很多小芯片，并且这些不同的小芯片都采用不同的工艺。采用不同工艺的意义非常大，如果没有这种先进的2.5D封装，意味着做一个大芯片时，所有的东西都要采用同一个工艺，像逻辑工艺必须在10纳米以下才能跑的非常快，成本很高，良率相对降低，收益不是那么大。最新AMD的芯片也都大量采用2.5D封装，它的逻辑芯片以及缓存、其他模拟单元都采用不同的工艺，预计两年后在很多小公司或者消费电子产品上也可以采用这种技术。它的挑战是未来两三年内要解决怎么形成一个标准的测试方法，尤其形成测试工具，现在没有很好的一个产业链，没有封装、测试，也没有标准化接口。3D堆叠也是过去十年主要发展的一种先进封装，可以提升多层的存储。目前3D堆叠在存储器上用的最多，比如显卡、固态硬盘，也有堆叠两三个不同存储器的。它的挑战是如果标准品像存储器用这种方案是一个比较标准的，成本不会增高，但像一些非标准的场景下，采用这种方式，有可能会增加很多研发成本及生产成本。第三个是更高能效。首先是有没有更先进的存储器介质，像现在马上快量产的主变存储器，以及铁存储器这些还正在研究中没有量产的存储器，理论上可以提高存算一体的计算效率。另外，模拟计算近几年才开始进入快速发展，随着这个计算技术发展也会实现更高的能效。Q&AQ：想问一下你们新产品的市场认可度怎么样？流片和销售情况如何？A：相对于传统芯片，现在市场上我们芯片的效率、算力提升非常大，大概有50倍以上。我们现在做的WTM2101用在穿戴设备上，在极低功耗下能够跑的算法复杂度要高很多，效果或者功能上有很大的增加。比如做语音识别，我们可以在毫安级的功耗去跑100个词的识别，而之前的芯片可能在毫安级的功耗跑1~5个词的识别，所以它的应用场景包括功能扩展很多。现在我们的客户大部分都是国内消费电子领域的头部企业。Q：RRAM在功耗、所占面积等方面更有优势，您公司是否有过RRAM硬件的布局。A：这其实也是我们很看好的一个方向，Flash在未来的使用上可能走到14纳米，RRAM有希望能走到10纳米以下。但是我们公司本身没有人员去做这个事情，主要还是依赖于代工厂，现在中芯国际、台积电、联电都有提供这个的工艺平台，可以使用去进行流片和设计。Q：像铁电存储器目前感觉还太paper阶段，如果有创业方面的想法，您建议从哪个方向切入呢？A：我个人认为学术界应该会需要做一些十年以后的事情，也可以跟产业界合作做一些3~5年的事情，如果要创业肯定要做三年以内能够商业化的东西。Q：对于当前比较火的智能驾驶，L4级别可能需要至少250Tops，请问在智能驾驶领域，存算一体技术有什么挑战和机遇？A：自动驾驶对存算一体的要求是一个最高的场景，它除了算力要达标外，可靠性也要达标，稳定程度也是要达标，算力也很大，实时性对容错率也很低，我认为可能需要4~5年左右才能把存算一体芯片开发到可以满足智能驾驶的使用。Q：存算一体是否可以大幅度提高全球算力中心现有的规模和能效？A：这个也是我们公司未来发展的一个重大方向，就是把存算一体的算力做的很大，成本做的很低。数据中心的成本，一个是在芯片采购方面，另一半儿的成本实际是在降温上，如果存算一体能够在提供同样大小算力情况下，把芯片的成本降低，功耗降低，实际上在数据中心有很大的优势。Q：您公司最大的优势和技术壁垒在哪里？A：首先存算一体在设计上其实难度很大，因为这种设计方式是之前芯片中没有涉及到的，包括现在存算一体中采用的模拟计算方式，以及存算一体中涉及到的很多trick。我们在过去迭代流片中发现非常多标准设计流程没法覆盖，需要人工去去解决的问题，这些对公司发展过程中其实是一个一个坑，公司一旦通过这个坑就是积累了经验，在设计方面我们积累出了很大的技术壁垒。我们公司已经做了近二十多次不同版本的芯片迭代，其实也相当于自己找出了一条如何去设计存在一体芯片的道路。另外存算一体在生产工艺层面也需要深入理解和优化，知存在这方面积累了很多优势，也在做更多的尝试。

2022-07-20 00:00
来源:
我爱音频网发布于：广东省
TWS耳机发展迅速，市场也越来越注重耳机与使用者的交互，例如触控模块，通过电容式传感器或者光学传感器来进行一些切换音乐、暂停播放等操作；有的厂商将目标对准了智能语音模块，通过语音来控制耳机，实现更加便捷的交互。
在智能语音模块市场，各家厂商也在不断的进行技术革新，追求更加极致的性能与更小的体积，还要考虑产品的开发周期与使用功耗等问题。在这些因素的影响下，各大厂商先后发布了自家性能更加强劲的芯片。
九天睿芯发布智能语音芯片ADA100
在最近，九天睿芯发布了智能语音芯片ADA100，这款芯片基于神经拟态感存算一体结构，已设计出可用于时间序列信号系列传感器协同处理，基于SRAM的感存算一体结构芯片ADA100，可广泛应用于可穿戴设备，手机，IOT物联网，智能家居家电设备等领域，帮助产品实现智能化，高唤醒率语音控制。九天睿芯感存算一体结构芯片ADA100目前主要应用于智能语音识别，实时检测当前音频中是否包含语音信号存在，将语音信号与各种背景噪声信号区分出来，分别对两种信号进行不同处理。
值得一提的是，ADA100是处于传感器后端的处理芯片，需要搭配传感器使用。因此ADA100的应用范围极为广泛，不仅可用于智能语音识别领域，还能与压力传感器、振动传感器、重力传感器、热传感器、电流检测等传感器协同处理。实现压力监控、异动报警、过热警报、功耗追踪、重力感应监测等功能。目前感存算一体芯片ADA100已进入量产阶段，产能充足，多家品牌已采用并导入测试，预计2022下半年将看到实际产品应用。
九天睿芯智能语音芯片ADA100三大特点解读
（1）产品特征 感存算一体
通过拾音麦克风完成声音信号的收集，再经过模拟预处理（ASP）进行模拟域特征提取生成特征信号，将收集的特征信号通过神经网络处理器（NPU）配合VAD&KWS算法进行语音检测和关键词识别，内置存储器，支持 32KB OTP，内置 64 KB SRAM
（2）超低功耗
ADA100典型功耗下，VAD模式＜70 uA，KWS模式＜170uA，功耗仅有同类产品的五分之一到十分之一
（3）超小型封装
ADA100支持两种封装尺寸
QFN 2.5mm * 2.5mm * 0.55mm
WLCSP 1.5mm * 1.5mm * 0.45mm
九天睿芯智能语音芯片ADA100算法规格
九天睿芯智能语音芯片ADA100采用了VAD和KWS算法，支持单VAD、单KWS以及VAD+KWS模式，其中KWS算法最多可识别到30个关键词，可以设置更多的语音操作；还支持VAD+user_KWS 模式（支持用户提取 feature 值，自行推算 KWS 结果）；如果使用者想要对VAD和KWS算法里的参数进行更改替换，可以通过ADA100芯片的I2C 或 SPI接口进行加载。
关于九天睿芯智能语音芯片ADA100产量
九天睿芯拥有完善的供应链团队，与多家晶圆厂有密切合作，产线正积极扩张。
ADA100采用成熟的55nm工艺以及12寸晶圆，目前产能充足
九天睿芯智能语音芯片ADA100功能介绍举例
将麦克风的模拟mic与ADA100相结合可以对于耳内的声场进行识别，从而实现音量和音效的自适应调节；对于外部声场也能进行识别，从而做出自适应降噪，降低降噪消耗的功耗，提升续航时间；ADA100还拥有30个关键词的识别，可以通过语音控制来进行电话的接挂、音量大小的调控、音乐的切换等人机交互功能，更加的快速便捷。
九天睿芯智能语音芯片ADA100产品应用范围、应用场景
ADA100搭配麦克风可以应用到许多智能设备上，例如TWS耳机、智能手环、手机和平板电脑的人工智能助手、智能遥控器、智能开关、智能家居等，使用场景相当广泛。
关于九天睿芯公司
九天睿芯，成立于2018年，致力于高性能混合信号芯片设计，是全球新型感存算一体架构技术领域的领导者，已获得投资以及中欧政府资助数亿元。现有团队近百人，含7位青年科学家（深圳市孔雀人才团队）及70%以上芯片研发团队，其他核心成员曾就职于Tl、ADI、海思、IMEC、Qualcomm、意法半导体、瑞昱等半导体知名企业，在芯片设计开发、计算架构及深度学习领域研发10～25年经验。公司主要产品∶高性能模数转换器（ADC、DAC），应用于高精密仪器、车载激光雷达，公司高速ADC已成功流片并且测试成功，将于2023年上半年量产； 基于模拟计算的超低功耗感存算一体芯片（ADA：ASP模拟特征提取+ADC+CIM存内计算融合）架构芯片研发设计，第一代超低功耗语音及其他时间序列传感器处理芯片ADA100（合封智能麦产品）已实现量产。第二代超低功耗多模态时空处理器ADA2X0（支持处理Vslam，手势，眼动追踪，事件相机信号处理等）的视觉存算一体测试片已点亮，预计2023年中量产。
我爱音频网总结
随着技术的与市场的持续发展，智能语音将成为未来智能设备标配功能，其能够实现快速的人机交互，以及远距离使用。
九天睿芯推出的ADA100采用了神经网络处理器（NPU），采用感存算一体的结构，内置存储器，支持 32KB OTP，内置 64 KB SRAM；采用VAD&KWS算法，更具不同情况还能进行不同算法搭配模式，更好的进行数据型号处理与降低功耗。
ADA100芯片搭配麦克风可以适配更多生活场景，在TWS耳机、智能手表/环、手机、平板电脑、智能家居上都能很好的适配，为产品提供更好的人机交互功能，为消费者带来更加便捷舒适的使用体验。返回搜狐，查看更多
责任编辑：