移植glog库到海思3519_Android开发_动态网站制作指南
移植glog库到海思3519
来源：人气：245
1.移植环境：
15.10 + arm-hisiv500--
glog-0.3.3 下载地址：https://code.google.com/archive/p/google-glog/downloads
2.移植glog：
shunzhi@ubuntu:~/software$ tar -xvzf glog-0.3.3.tar.gz
2）新建一个安装目录
shunzhi@ubuntu:~/software$ cd glog-0.3.3/
shunzhi@ubuntu:~/software/glog-0.3.3$ mkdir _install
3）配置编译环境变量
shunzhi@ubuntu:~/software/glog-0.3.3$ ./configure --host=arm-hisiv500-linux --efix=/home/shunzhi/software/glog-0.3.3/_install/
4）编译glog库
shunzhi@ubuntu:~/software/glog-0.3.3$ make
shunzhi@ubuntu:~/software/glog-0.3.3$ make install
5）安装glog库
shunzhi@ubuntu:~/software/glog-0.3.3$ cd _install/
shunzhi@ubuntu:~/software/glog-0.3.3/_install$ ls
然后将lib目录中的libglog.so.0文件拷贝到3519开发板的/usr/lib目录下。
1）测试程序
glog_hisi.c
#include &stdio.h&
#include &iostream&
#include &sys/stat.h&
#include &sys/types.h&
#include &glog/logging.h&
#include &glog/log_severity.h&
int main(void)
char defpath[100] = "./log";
//创建log文件夹
mkdir("./log",0777);
//log初始化
google::InitGoogleLogging("New");
FLAGS_colorlogtostderr =//设置输出到屏幕的日志显示相应颜色
//FLAGS_servitysinglelog =// 用来按照等级区分log文件
FLAGS_logbufsecs = 0;//缓冲日志输出，默认为30秒，此处改为立即输出
FLAGS_max_log_size = 1; //最大日志大小为 100MB
FLAGS_stop_logging_if_full_disk =//当磁盘被写满时，停止日志输出
google::SetStderrLogging(google::GLOG_INFO); //设置级别 高于 google::INFO 的日志同时输出到屏幕
//日志名称和输出地址
char Info[50] = {0};
char Warn[50] = {0};
char Error[50] = {0};
char Fatal[50] = {0};
strcpy(Info, defpath);
strcpy(Warn, defpath);
strcpy(Error, defpath);
strcpy(Fatal, defpath);
strcat(Info, "/Info_");
strcat(Warn, "/Warning_");
strcat(Error, "/Error_");
strcat(Fatal, "/Fatal_");
google::SetLogDestination(google::GLOG_INFO,Info);
google::SetLogDestination(google::GLOG_WARNING,Warn);
google::SetLogDestination(google::GLOG_ERROR,Error);
google::SetLogDestination(google::GLOG_FATAL,Fatal);
LOG(INFO) &&"------------------------------"&&std::
LOG(INFO) &&"---------Creat Log!!!---------\n ";
LOG(INFO) &&"------------------------------"&&std::
CC = arm-hisiv500-linux-g++
DEMOTAR = glog_hisi
DEMOOBJ = glog_hisi.o
CFLAGS += -mcpu=cortex-a7 -mfloat-abi=softfp -mfpu=neon-vfpv4 -mno-unaligned- -fno-aggressive-loop-optimizations
CFLAGS += -g -Wall -I/home/shunzhi/software/glog-0.3.3/_install/include
LDFLAGS += -L/home/shunzhi/software/glog-0.3.3/_install/lib -Wl,-Bdynamic -lglog -lpthread -lrt
@echo "[Compiling] $& ..."
@$(CC) $(CFLAGS) -c $&
all: $(DEMOTAR)
$(DEMOTAR):$(DEMOOBJ)
@$(CC) -o $@ $^ $(LDFLAGS)
.PHONY : clean
rm -rf $(DEMOOBJ) $(DEMOTAR)
2）编译测试程序
shunzhi@ubuntu:~/workspace/glog$ ls
glog_hisi.c
shunzhi@ubuntu:~/workspace/glog$ make
[Compiling] glog_hisi.c ...
shunzhi@ubuntu:~/workspace/glog$ ls
glog_hisi.c
glog_hisi.o
shunzhi@ubuntu:~/workspace/glog$
3）测试结果
~/glog # ls
~/glog # ./glog_hisi
I:54.473941
273 glog_hisi.c:46] ------------------------------
I:54.475924
273 glog_hisi.c:47] ---------Creat Log!!!---------
I:54.476441
273 glog_hisi.c:48] ------------------------------
~/glog # ls
注：log文件就是生成的日志文件
4.移植库可能遇到的问题
1）执行congfigure配置通过，而且执行make编译也正常，在执行sudo make install是出现了下面的错误：
make[1]: Entering directory '/home/shunzhi/software/glog-0.3.3'
test -z "/home/shunzhi/software/glog-0.3.3/lib" || /bin/mkdir -p "/home/shunzhi/software/glog-0.3.3/lib"
/bin/sh ./libtool
--mode=install /usr/bin/install -c
libglog.la '/home/shunzhi/software/glog-0.3.3/lib'
libtool: install: /usr/bin/install -c .libs/libglog.so.0.0.0 /home/shunzhi/software/glog-0.3.3/lib/libglog.so.0.0.0
libtool: install: (cd /home/shunzhi/software/glog-0.3.3/lib && { ln -s -f libglog.so.0.0.0 libglog.so.0 || { rm -f libglog.so.0 && ln -s libglog.so.0.0.0 libglog.so.0; }; })
libtool: install: (cd /home/shunzhi/software/glog-0.3.3/lib && { ln -s -f libglog.so.0.0.0 libglog.so || { rm -f libglog.so && ln -s libglog.so.0.0.0 libglog. }; })
libtool: install: /usr/bin/install -c .libs/libglog.lai /home/shunzhi/software/glog-0.3.3/lib/libglog.la
libtool: install: /usr/bin/install -c .libs/libglog.a /home/shunzhi/software/glog-0.3.3/lib/libglog.a
libtool: install: chmod 644 /home/shunzhi/software/glog-0.3.3/lib/libglog.a
libtool: install: arm-hisiv500-linux-ranlib /home/shunzhi/software/glog-0.3.3/lib/libglog.a
./libtool: line 1099: arm-hisiv500-linux-ranlib: command not found
Makefile:697: rece for target 'install-libLTLIBRARIES' failed
make[1]: *** [install-libLTLIBRARIES] Error 127
make[1]: Leaving directory '/home/shunzhi/software/glog-0.3.3'
Makefile:1428: recipe for target 'install-am' failed
make: *** [install-am] Error 2
错误原因：
是由于环境变量设置的不对，我们交叉工具链root用户下找不到。
解决方案：
按照上述我的配置步骤，新建一个安装目录（shunzhi@ubuntu:~/software/glog-0.3.3$ mkdir _install），然后配置选项中指明安装目录（--prefix=/home/shunzhi/software/glog-0.3.3/_install/），执行make install即可。
优质网站模板摘要：1.在AI移动芯片上苹果相对于华为落后了吗？；2.爱芒果互联网电视采用海思超高清智能电视核心芯片；3.抢占无线充电大蛋糕，希荻微发布三模兼容15w无线充电芯片；4.特稿：点亮人工智能时代需专“芯”；5
1.在AI移动芯片上 苹果相对于华为落后了吗？；
2.爱芒果互联网电视采用海思超高清智能电视核心芯片；
3.抢占无线充电大蛋糕，希荻微发布三模兼容15w无线充电芯片；
4.特稿：点亮人工智能时代需专“芯”；
5.苏州纳米所黑磷掺杂改性研究取得进展；
6.北京君正：360、大方、科大讯飞等采用公司的芯片
集微网推出集成电路微信公共号：
“天天IC”
，重大新闻即时发布，天天IC、天天集微网，积微成著！扫描文末二维码添加关注。
1.在AI移动芯片上 苹果相对于华为落后了吗？；
众所周知，苹果是手机行业最早踏入 AI 人工智能领域厂商之一，早在2011年就已经在 iPhone 当中首度集成 Siri 只能助理。尽管后期行业大多分析认为，苹果几乎已经掉队，但苹果内部关于人工智能技术的研发从未停止。今年5月份的时候，彭博社就曾爆料了苹果的在人工智能领域的大动作，即苹果正计划将 AI 人工智能引入移动芯片中。
当时消息称，苹果内部已经开始测试一种独立专用于执行人工智能相关任务的处理芯片，该芯片在内部被称为“苹果神经引擎（Apple Neural Engine）”。据称，苹果这一人工智能处理芯片将提升苹果相关设备处理智能任务的能力，例如在面部识别和语音识别等方面。当然了，苹果并未对此置评。
很显然，苹果正持续在 AI 人工智能领域努力中，积极研发相关技术，以帮助自家的设备大幅提升效率。目前苹果设备的 A 系列芯片可以通过用两个不同的单元处理密集型或复杂的任务，分别是 CPU 主处理单元和 GPU 图形处理单元。如果这两个处理单元的部分任务可以转移到一个 AI 人工智能专用单元上，必然能够提升计算效率，同时帮苹果提升电池续航。
伴随着“苹果神经引擎”的消息出炉，很多人希望在6月份的 WWDC 全球开发者大会上，苹果能够透露一些相关 AI 处理芯片的进展或动态，不过事与愿违，直到现在也没有人清楚所谓的“苹果神经引擎”究竟是什么玩意。那么，在移动 AI 芯片的开发方面，苹果是否落后了呢？
华为比苹果领先了一步？
国内最大的智能手机厂商华为，作为狂喊“三年超越苹果”口号的主要竞争对手，也为自家的旗舰智能手机开发了定制 AI 单元的 SoC 芯片，即最近最新发布的麒麟970处理器。华为方面宣称，麒麟970是全球首个集成独立 AI 人工智能专用 NPU 神经网络处理单元的移动芯片。
NPU 神经网络处理单元是麒麟970的最大亮点。按照华为的说法， AI 性能密度大幅由于 CPU 和 GPU，能够用更少的能耗更快的完成更多任务，大幅提升芯片的运算效率。在 16 位浮点数(即FP16)时 NPU 运算能力达到 1.92 TFLOPs，有了 NPU 的加成，在图像识别任务上，对比 Cortex-A73 的性能提升 25 倍，能效提升 50 倍之多，图像识别速度可达到约 2000 张/分钟，拍摄 1000 张照片仅消耗 4000mAh 电池 0.19% 的电量。
尽管所谓的 AI 加持目前并没有统一标准进行衡量，只能听华为官方举例来解释，但不可否认，有了独立的 AI 单元之后，至少在拍照和图像处理上比之前单纯依赖 CPU 和 GPU 要快得多，保持高效率的同时更加的省电。而这些 AI 人工智能的理念，其实与 5 月份被爆料的“苹果神经引擎”如出一辙，说明未来 AI 独立单元内置于芯片一定是趋势，苹果也在做，只是华为抢先开了个头而已。
现在多数人已经知道，华为这枚 NPU 单元主要技术贡献来源于国家重点实验室中科院寒武纪，正是因为拿到了该实验室的神经网络指令集授权加速开发，才让麒麟 970 成为了首款集成寒武纪芯片的商用产品。而与华为相比，“苹果神经引擎”的具体细节和性能特点依然不为人知，不过可以预见的是，苹果的 AI 芯片与华为相比其中必有大量异曲同工之处。
移动芯片包含 AI 单元将成为主流
在发布麒麟 970 移动芯片之后，余承东预告了新一代旗舰智能手机 mate 10，并在接受采访时对外媒吹嘘称，华为 mate 10 的速度、续航以及功能性方面将远超今年苹果未发布的旗舰手机 iPhone 8，这主要归功于华为新处理器麒麟 970，而负责人工智能的 NUP 单元功不可没。
这是否表示意味着 iPhone 8 没有专门的 AI 单元了呢？目前还很难说。虽然“苹果神经引擎”遭到爆料之后，还有小道消息称苹果已经开始测试配备 AI 芯片的 iPhone 原型机，实现了硬件性能大幅改善，只等后续将此芯片整合到更多设备中，但是至今没有更多细节放出。不过，苹果并不着急，至少苹果的举动也预示着，在移动芯片在保持低功耗的情况下，塞进更强大计算性能的 AI 人工智能单元会成为主流趋势。
相信很多对处理芯片有所了解的人都知道，如今一枚芯片已经不再单纯特指 CPU 中央处理单元了，因为 CPU 在做 3D 图形渲染的性能上显然力不从心。因此，在 CPU 之后又于诞生了 GPU 图形处理单元。然而有了 CPU 和 GPU，信号处理能力还是不够，于是就又有了 DSP。而在智能手机上，由于有摄像头，需要处理图像信号，不得不加入 ISP 图像信号处理器。其余负责不同任务的单元也还不少，例如负责蜂窝网络的 LTE 调制解调器，负责一大波传感器的协处理单元。
不难看出，为了不同任务或专门针对某些任务而提高性能和效率，无数不同的计算单元组成了一枚一体式的 SoC 系统级芯片。因此，在今天移动互联网时代，数据爆炸，大数据的出现，深度学习变得越来越好用的 AI 人工智能潮流中，一个在移动 SoC 芯片中专门负责虚拟神经元和深度学习的 AI 处理单元肯定不会少。
尽管现在 CPU 和 GPU 也能负责人工智能和深度学习，但是效率不高，毕竟各司其职。很多人会问 AI 人工智能单元有什么用？既然是神经网络，其实只要将其想象成人类的大脑即可，专门负责加速处理五官收集而来的数据，而在手机目前主要应用于语音识别、图像识别等场景。就像前面所说，华为麒麟 970 的 NUP 目前最突出的表现也是在图像识别上。
不出意外的话，“苹果神经引擎”所负责的肯定也是自家目前涉足的领域，例如 iOS 系统中的 Siri 语音识别、图像识别、键盘预测、智能主动感知、主动提醒和服务等，并允许第三方调用。其余苹果还能运用到 AI 处理单元的还会有无人驾驶汽车系统、AR 增强现实技术、Apple TV 和 HomePod 音箱等等，让更多原本生硬的设备也能采用与人类同样的方式进行交互，变得真正会思考。
苹果或许比华为更有优势
其实在移动 SoC 集成 AI 人工智能处理单元这一全新模式上，苹果比其他竞争对手有更大的优势，重点就是因为苹果软硬结合的实力一直是行业的标杆。
为了一款产品研发能够融入了更多自主重要技术，苹果在很多定制零部件上都体现了非常强大的控制力，从天线到处理器、时序控制器以及未来的屏幕，无一不在自己的掌控当中。除了严格的硬件控制，苹果还有最自主的操作系统和开发环境，例如苹果 6 月新推出的 Core ML 架构，一个面向开发者提供的机器学习架构，支持所有主要的神经网络：深度神经网络(DNN)、递归神经网络(RNN)、卷积神经网络(CNN)。
通过 Core ML 能够让开发者把机器学习用到 app 里，包括文本分析、人脸识别等等功能，无缝切换于 CPU 和 GPU 之间，以提供最强的性能和效率。关键是一个开发架构适用于所有范围内苹果设备，可以迅速增殖到每一款 iPhone 和 iPad 之上，扩大适用范围。届时开发者也更乐意基于庞大的苹果设备基数开发，更快利用架构和接口为苹果用户创造更多大量相关的体验。
而相对对于支离破碎的 Android 阵营，接下来在 AI 人工智能的发展上，参照以往将会有谷歌官方 AI 架构，但同时也并存厂商自主的接口，由于架构接口不统一，标准不同，最终难以完美无缝的打造最好体验的产品。可以说，苹果生态圈内能够充分利用软硬高度融合提供独一无二的产品体验，这就是苹果最值得津津乐道之处。
苹果的 AI 仍有一些小担忧
当然了，也并不是说苹果的 AI 芯片就一定能够领先于行业。正如 9 月 4 日 Edison Investment Research 调研公司新报告提到的，虽然苹果 Siri 提供了语音识别领域的先发优势，但竞争对手一直能够比苹果更积极的部署 AI，只因为苹果的保密文化限制了该公司对人工智能的主动权。库克一直宣称，苹果的保密性比美国 CIA 还要高。
Edison Investment Research 的分析说 Richard Windsor 表示，苹果可以在自家生态系统中更深入的整合 Siri，但 Siri 并不那么智能，目前已经落后于 Google Assistant、微软 Cortana 和亚马逊 Alexa。因为 Siri 的深度学习能力受到了苹果隐私保护情节的阻碍，才导致了最终苹果在人工智能竞赛中的落伍。
不仅如此，正如华为所提到的，其在移动 AI 的发展将基于“芯‐端‐云协同”的理念，因为手机芯片设计受到诸多方面的限制，要在那么小的体积内实现对于本地数据强大的人工智能不太可能，AI 技术的核心是对海量数据进行大量的处理，在云端服务器方面，已经有专用的高性能 AI 处理器来解决这个矛盾，例如 Google 的 TPU，NVIDIA 的 Volta等，都是专为提升 AI 运算能力提出的解决方案。
而在移动端，硬件能力的瓶颈明显。华为认为，只能通过未来云和端之间的协同关系来打破，基于云端的大数据，可训练形成通用知识模型并传递到移动端上运行，再结合本地 NPU 单元提供完整的 AI 知识和能力。苹果或许为 AI 已投入了数亿的资金，以便于让设备本身能够自主学习、改进软件功能，但至今并没有利用云计算改变 AI 的迹象。
苹果对 AI 人工智能的策略究竟是什么呢？没有人清楚，但 AI 的重要性已让苹果做出改变，近年苹果一直在设法吸引行业对于其努力开发 AI 技术的注意力。例如，苹果收购了多家与人工智能相关的企业，并且加盟了 AI 行业重要的组织，推出公共博客以讨论其 AI 研究成果，允许公司研究人员在 AI 大会上演讲，发布 AI 学术论文，在业内展开招聘，甚至挖来了人工智能研究的专家等等，更加透明、也更加开放，这必须是好消息。
总之，我们不知道苹果目前在 AI 领域究竟取得了怎样的成果，但无论如何，长期以来苹果并不喜欢为了展示为抢先首发，包括 iPod 并不是第一款音乐播放器，iPhone 也不是第一款智能手机，iPad 同样不是第一部平板电脑。苹果既然已经在开发“神经引擎”单元，并且为 AI 做出了如此之多的改变，也许苹果接下来在 AI 人工智能上所取得的突破，很有可能会是该领域之内最重要的一次变革，我们拭目以待。weiphone
2.爱芒果互联网电视采用海思超高清智能电视核心芯片；
近日，爱芒果电视携手华为海思，启动了“中国芯”计划。爱芒果主推的互联网电视目前主要采用由华为海思研发的自主超高清智能电视核心芯片。
国产电视“缺芯少屏”
国产电视频繁出现尴尬境遇，那就是“缺芯少屏”。2016年，京东方和和华星光电出货量逆市增长，分别跃升至全球第三和第五，中国大陆液晶电视面板市占率也超过中国台湾跃居第二。“少屏”早已不是问题，但“缺芯”问题却屡屡困扰电视机厂家。
一直以来，我国智能电视芯片主要依赖进口，严重制约了彩电产业的发展。近年来，我国通过实施“核高基”国家科技重大专项，引导和支持国内芯片企业与骨干彩电企业联合合作，并坚持整机需求牵引，共同开展了智能电视芯片的研发。
相对于手机和电脑，电视智能化的发展进程较短，其芯片要求相对较低，发展也不如前两者瞩目。但随着智能电视的发展，电视芯片的发展不但得到更多关注，也逐渐向高端化发展。在电视芯片领域，中国台湾的晨星与联发科联合，占据了电视和机顶盒领域75%的市场占有率，但其芯片仍无法支撑更高端更智能的发展要求。
得芯片者得天下
近年来在《集成电路产业发展推进纲要》、“核高基”等国家科技重大专项项目等多项“强芯”政策扶持下，华为海思、爱芒果、海信、TCL等企业均加大了对智能电视芯片研发的投入，希望乘着政策红利和电视智能化的东风占据高端芯片市场。
人大代表、中国工程院院士、中星微电子集团董事长邓中翰在两会期间曾表示，芯片是人工智能技术发展的源头，可谓“得芯片者得天下”。从手机、电脑到物联网、人工智能，芯片的应用范围还将愈发广泛。
随着智能化、物联网时代的到来，芯片产业也将迎来爆发，能否把握浪潮，实现国产芯片的高端化和市场化发展，将会是国产芯片未来制胜的关键。
强强联手，共推“中国芯”
目前，爱芒果电视与华为海思芯片合作，重点开拓互联网电视市场。
据悉，爱芒果电视是芒果TV联手创维、国美、光大优选基金，推出的互联网电视品牌。今年2月份，爱芒果电视发布“青芒”、“金芒”、“星芒”三大系列产品，全方位抢占市场。据了解，爱芒果绝大部分互联网电视采用了华为海思的超高清芯片。此外，爱芒果电视产品的核心优势还有其强大的操作系统MUI, 是芒果TV基于国家颁布的TVOS标准进行深度研发的智能电视系统，该系统集合了目前所有UI的核心优势。
据爱芒果电视的技术专家介绍，相比于4K显示屏的宣传普及，能支持4K成像的视频芯片却鲜为人知。然而，完整的视频处理流程包含了视频采集、视频处理、视频传输和视频显示4大部分，每一个环节都是紧紧相扣。其中，重中之重就是视频处理，视频处理包含了视频编解码、视频图像去隔行、视频格式转换等，视频处理的优劣主要便在于芯片的性能。
华为海思的hi、hi芯片，正成为多个品牌4K电视的“心脏”，包括爱芒果、夏普、海信、康佳等多个品牌都使用上了海思芯片，而在多年以前，这是不可想象的。
近两年来，以华为海思、中星微电子为代表的中国企业异军突起。海思半导体有限公司成立于2004年10月，目前是华为的全资子公司，其总部位于深圳，在北京、上海、美国硅谷和瑞典设有设计分部。海思的产品覆盖无线网络、固定网络、数字媒体等领域的芯片及解决方案，成功应用在全球100多个国家和地区。
华为海思相关负责人介绍，其视频编解码芯片系统非常全面，从65纳米的3518A到28纳米的3519，芯片产品囊括了消费市场、商业市场和行业市场，分辨率从D1到最新的4K，帧率高达60fps。
记者了解到，目前中国市场国产芯片占有率已提升到60%左右，是10年前的60倍，而国外芯片占比降低到35%左右。华为海思占领了国内一半以上市场，其研发的自主超高清智能电视核心芯片，2016年出货量近1000万颗，已进入国内主要彩电厂商供应链。
顺势而为，掀互联网电视“普及风暴”
据了解，植入华为海思“中国芯”的爱芒果电视有得天独厚的优势。作为主要股东的芒果TV，继承湖南卫视“快乐中国”理念，提出“看见好时光”的品牌主张，凭借独播+自制，3年之间崛起成为全国前五的互联网视频平台。爱芒果电视，是芒果TV客厅战略的核心组件，完整对接它的内容、流量和影响力。同时，为了在行业内掀起互联网电视的惠民普及，通过活动的推广，让更多用户认识互联网电视的使用价值和带来的实惠，继“曲面电视普及风暴”之后，近日爱芒果又掀起了“互联网电视普及风暴”，可见其对市场的信心之足。
“爱芒果电视与华为海思在芯片领域的合作，让更多的‘中国芯’互联网电视走进千家万户，对推动行业的发展、实现互联网电视的普及以及国产芯片的高端化和市场化发展，均发挥了重要作用”，业内人士指出。
3.抢占无线充电大蛋糕，希荻微发布三模兼容15w无线充电芯片；
集微网消息，因传闻已久搭载无线充电功能的iPhone 8即将面世，无线充电市场大有山雨欲来风满楼之势。业界都期待iPhone 8发布如一夜春风，催开无线充电市场的千树万树梨花。
无线充电领域的一匹快马，抢占无线充电大蛋糕
市场研究机构IHS Market发布的报告预估，至2017年底，全球无线充电接收装置出货量可达到3.25亿台，较2016年增长近40%，2019年无线充电市场规模将突破100亿美金，预计到2020年，无线充电接收端出货量将突破10亿件，年复合增长率超过50%。业界预计，随着iPhone8带动，无线充电市场会如iPhone5s带动指纹识别一样迎来大爆发，加速无线充电时代的到来。
面对如此巨大的无线充电市场，产业链厂商早已摩拳擦掌、跃跃欲试，而在核心的芯片设计环节，希荻微电子（Halo Micro）就是其中的快马与先锋。
作为一家高性能电源管理芯片的专业厂商，希荻微电子凭借其团队成员在模拟集成电路设计领域二十多年的深耕积累，在公司成立至今的五年时间里，成功设计并大批量产近二十款电源管理芯片，打破了国际大厂在此相关领域的长期垄断。希荻微电子有涵盖1.5A～4.5A，5V～12V高压快充与5V/4.5A 低压直冲的全系列锂电池快充芯片，华为等主流手机厂家已选用并已大量出货。希荻微电子的DCDC芯片凭借全球最佳瞬态响应等性能指标，不仅已进入众多国际品牌手机，更跻身国际一线汽车品牌前装市场的供应链。凭借这一系列的优势积累，希荻微可以快速切入无线充电芯片设计环节，具有很强的先发优势。
发布三模自动兼容15w无线充电芯片
众所周知，无线充电有WPC和Air_Fuel两大联盟阵营，前者成立于2008年，后者是2015年Alliance for Wireless Power（A4WP）和Power_Matters_Alliance（PMA）合并而来。希荻微电子是WPC和Air_Fuel 两大标准联盟的正式会员，其无线充电芯片全面支持两大标准的最新版本。
目前，希荻微电子已研发完成多款无线充电芯片，其方案突出对WPC(Qi)，PMA 和A4WP三种模式的全面兼容和自动识别，且转换效率高。除此之外，通过内置高效电源转换模块，希荻微电子的无线充电芯片支持5-12V 输出电压和最高15W输出功率，并且让外围器件减至最少，轻松内嵌到智能手机的主板中，目前相关产品已完成了和市场主流手机主芯片平台软硬件的无缝搭配和正式认证，并已开始和特定客户进行无线充电整体方案的调试工作。
无线充电能在产品中省去连接器，摆脱有线的束缚，设备可完全密封，防触点腐蚀、防水防尘，还可释放空间，这些特性无疑会给消费者带来更好的用户体验。目前，全球带有无线充电功能的手机已经超过70款，三星最新的旗舰机都已经标配无线充电，将来全球一半以上的智能手机将配备无线充电功能。希荻微电子希望能为市场提供性能最优异的芯片和解决方案，为移动设备用户提供最好的使用体验。
4.特稿：点亮人工智能时代需专“芯”；
新华社记者杨骏 刘石磊
去年“阿尔法狗”战胜韩国棋手李世石，需要耗电数万瓦、依赖体积巨大的云服务器。一年多后，一个小小的人工智能芯片，就可让手机、手表甚至摄像头都能和“阿尔法狗”一样“聪明”。
随着中国企业率先推出市场化的人工智能手机芯片，这样的手机之“芯”正掀起全球热潮。它将带来怎样的影响，传统芯片命运几何？
专“芯”专用
２０１７年柏林国际消费电子展上，华为推出麒麟９７０人工智能手机芯片，内置神经元网络单元（ＮＰＵ），通过人工智能深度学习，让手机的运行更加高效。
芯片又叫集成电路，按照功能可分为很多种，有的负责电源电压输出控制，有的负责音频视频处理，还有的负责复杂运算处理。目前市场上的手机芯片有指纹识别芯片、图像识别芯片、基带芯片、射频芯片等近百种。
现有芯片种类繁多，为何还要人工智能芯片？
随着手机智能应用越来越多，传统芯片要么性能不够，要么效率不足，难以支撑人工智能所需的大规模神经网络运转。
例如，“谷歌大脑”用了上万个通用处理器“跑”了数天来学习如何识别猫脸；“阿尔法狗”和李世石下棋时使用了上千个中央处理器（ＣＰＵ）和数百个图形处理器（ＧＰＵ），平均每局电费近３０００美元。对于绝大多数智能需求来说，基于通用处理器的传统计算机成本高、功耗高、体积大、速度慢，难以接受。
与传统的４核芯片相比，在处理同样的人工智能应用任务时，麒麟９７０拥有大约５０倍能效和２５倍性能优势。
术业有专攻。专业人士指出，普通的处理器就好比瑞士军刀，虽然通用，但不专业。厨师要做出像样的菜肴，就必须使用专业的菜刀，而专门的深度学习处理器就是这把更高效、更快捷的“菜刀”。
“芯”够强 才能走得远
目前迅猛发展的人工智能，上层的应用都依赖于底层核心能力，而这个核心能力就是人工智能处理器。如果在芯片上不能突破，人工智能应用就不可能真正成功。可以说核心芯片是人工智能时代的战略制高点。
人工智能目前采用的深度学习算法，有海量的数据运算需求，对传统架构和系统提出了极大挑战。
深度学习，就是通过算法给机器设计一个神经网络。这个网络的基本特点，是模仿大脑神经元之间传递、处理信息的模式，从多个角度和层次来观察、学习、判断、决策。近年来，这种方法已应用于许多领域，比如人脸识别、语音识别等，是人工智能领域的热点研究方向之一。
用于图像处理的ＧＰＵ芯片因海量数据(40.670, -0.95, -2.28%)并行运算能力，被最先引入深度学习。２０１１年，当时在谷歌就职的吴恩达将英伟达的ＧＰＵ应用于“谷歌大脑”中，结果表明１２个ＧＰＵ可达到相当于２０００个ＣＰＵ的深度学习性能。之后多家研究机构都基于ＧＰＵ来加速其深度学习神经网络。
然而，随着近两年人工智能技术的迅速发展，ＧＰＵ在三个方面显露出局限性：无法充分发挥并行计算优势，硬件结构固定不具备可编程性，运行深度学习算法能效不足。
全球科研界和企业于是竞相开发更加适用的人工智能芯片，尤其是适用于移动通信时代的芯片。
华为公司与中国科学院计算技术研究所“寒武纪”项目团队共同开发的麒麟９７０人工智能手机芯片，首次集成ＮＰＵ，将通常由多个芯片完成的传统计算、图形、图像以及数字（数位）信号处理功能集成在一块芯片内，节省空间、节约能耗，同时极大提高了运算效率。
据预测，类脑计算芯片市场将在２０２２年前达到千亿美元规模，其中消费终端将是最大市场，占据９８．１７％，其他需求包括工业检测、航空、军事与国防等领域。
在新的计算时代，核心芯片将决定基础架构和未来生态。因此，谷歌、微软、超威等全球信息技术和通信制造巨头都投入巨资，加速人工智能芯片的研发。
5.苏州纳米所黑磷掺杂改性研究取得进展；
黑磷，作为新型的二维材料，具有可调的带隙（通过厚度调控）以及大于1000 cm2V-1s-1的电子迁移率，既能弥补石墨烯零带隙的不足，也能克服TMDCs载流子迁移率低的缺点，是高性能的纳米电子器件的优秀候选材料。本征黑磷是P型材料，空穴传输能力强，但电子传输能力很差。单极性特性使黑磷很难在互补型器件上发挥作用。因此，对黑磷进行N型掺杂是黑磷应用于半导体器件领域（如逻辑门、光电二极管、LED和太阳能电池等）的重要措施。
现有对黑磷进行N型掺杂的方法有三种。取代掺杂法，包括离子注入和等离子体处理等；表面电荷转移法，涉及气体分子、金属颗粒、有机物和氧化物；场致掺杂法，取代掺杂法可使少数二维材料完成N型掺杂，但会引入缺陷态以及电荷杂质散射中心导致载流子传输特性严重衰减。表面电荷转移法是一种有效掺杂的方法，但表面电荷转移法中引进的有机物等材料会导致器件不稳定还使得器件与传统半导体器件的兼容性差。场致掺杂中常用到的SixNy拥有高密度的正电荷中心（K+中心），该中心源于+Si≡N3的悬挂键。利用SixNy进行场致掺杂已应用于硅基太阳能电池和WSe2二维器件。此外，SixNy是传统的COMS相容材料，常用作于集成电路中的绝缘层和化学势垒等，SixNy也是防水的钝化材料。至今为止，仍没用报告利用SixNy的场致效应对黑磷进行N型掺杂。
中国科学院苏州纳米技术与纳米仿生研究所研究员张凯课题组致力于黑磷的生长、掺杂改性、器件制备和测试等研究工作，前期他们研究了用矿化剂辅助气相相变法生长硒掺杂黑磷以及在光探测器和飞秒激光器方面的应用，相关工作发表在small和J. Mater. Chem. C上。基于上述研究成果，近日张凯课题组等与深圳大学教授张晗合作，首次研究了利用具有场致效应的SixNy对黑磷进行N型掺杂，将P型黑磷转变成N型黑磷，电子迁移率达到176cm2V-1s-1。此外，研究人员通过原始的P-型黑磷和掺杂后的N型黑磷构造出了黑磷P-N结二极管，进一步制备出新型的黑磷基逻辑反相器。研究人员利用无挥发性、COMS兼容和稳定性较好的SixNy对黑磷进行N性掺杂，并设计出黑磷平面PN型二极管和黑磷逻辑反相器，该策略也为其他二维材料的掺杂提供了可行性方案。该项成果发表在Advanced Functional Materials上。
研究工作得到了中科院“百人计划”、国家自然科学基金、江苏省自然科学基金等的支持。
图1.（a）SixNy场致N掺黑磷的示意图；（b）掺杂前和掺杂后的黑磷场效应晶体管的Isd-Vg曲线；（c）SixNy掺杂黑磷场效应晶体管不同温度下的传输特性曲线，Vsd=100mV；（d）SixNy掺杂黑磷场效应晶体管暴露在空气中一个月，其不同阶段下的传输特性曲线，测试条件为：室温、Vsd=100mV；（e）掺杂前于掺杂后黑磷的电子空穴迁移率与温度的关系曲线；（f）掺杂后黑磷器件的电子和空穴迁移率随时间的变化关系曲线。
图2.（a）黑磷PN型二极管的光学图像；（b）黑磷场效应晶体管和黑磷PN型二极管的Isd-Vsd曲线；（c）黑磷PN型二极管在不同栅极电压下的Isd-Vsd曲线；（d）黑磷PN型二极管的整流比与栅极电压的关系曲线。
图3.（a）基于单层黑磷薄片的原始P型黑磷沟道和掺杂N型黑磷沟道构建成的黑磷逻辑反相器的示意图；（b）不同外加偏压下，输出电压与输入电压的关系曲线，插图为增益；（c）100Hz频率下，器件输出电压与输入电压关系曲线；（d）1000Hz频率下，器件输出电压与输入电压关系曲线。 中国科学院网站
6.北京君正：360、大方、科大讯飞等采用公司的芯片
北京君正日前在接受机构调研时表示，智能视频芯片领域，公司今年推出了T20芯片，目前搭载H265性能的芯片T30已经投片，预计明年可以批量销售。公司目前推出的智能视频芯片主要面向传统的安防类市场和家用消费类市场，其中，家用消费类市场互联网厂商介入较多，如360、大方等都有采用公司的芯片。此外，公司与科大讯飞(58.28 -1.54%,诊股)也有合作，叮咚音箱是采用公司的芯片。 证券时报
集微网推出集成电路微信公共号： “天天IC” ，重大新闻即时发布，天天IC、天天集微网，积微成著！扫描文末二维码添加关注。
本文仅代表作者观点，不代表百度立场。本文系作者授权百度百家发表，未经许可，不得转载。
分享到微信朋友圈
打开微信，点击 “ 发现 ”
使用 “ 扫一扫 ” 即可将网页分享至朋友圈。
扫一扫在手机阅读、分享本文
百家号作者平台APP
扫码下载安卓客户端
便捷管理文章信息
随时查看文章收益}