1.传谷歌明年新机Pixel 10将采用台积电3nm SoC
2.小米汽车：完成第一万辆小米SU7交付，用时43天
3.AITO问界：新M5今起开启规模交付
4.韩国4月ICT出口额同比增长34%，半导体同比暴增54%
5.机构：2027年亚太地区AI支出将达到907亿美元
6.百度：考虑和特斯拉在Robotaxi上合作
7.特斯拉计划在加州再裁员601人
8.设计汽车雷达系统的挑战
1.传谷歌明年新机Pixel 10将采用台积电3nm SoC
近日，市场传出谷歌Pixel 10系列将采用台积电的3nm SoC而非三星。为了帮助实现这一转变，有传言称谷歌已经扩大了其中国台湾研发中心，预计该中心将与台积电密切合作，生产迄今为止最好的芯片。
去年有消息称，三星代工厂已获得制造谷歌新款智能手机AP（应用处理器）Tensor G4的订单，该芯片将用于今年发布的Pixel 9系列手机，这款新芯片将采用三星SF4P（第三代4nm）工艺制造。
预计谷歌将在今年晚些时候为Pixel 9系列推出由三星代工的处理器Tensor G4。然而，据说明年谷歌将采取不同的策略，其Pixel 10系列将会采用台积电的3nm SoC。
@Revegnus1发布文章称，为了加快推出首款3nm芯片组（可能被命名为Tensor G5）的进程，谷歌已经扩大其在中国台湾的研发设施。据称，该公司正招募半导体人才，这可能会促进其内部芯片研发工作。
此前有传言称，谷歌将利用台积电的3nm“N3E”制程来生产其尖端芯片组。
2.小米汽车：完成第一万辆小米SU7交付，用时43天
5月15日，小米汽车官宣：刚刚，我们完成了第10000辆小米SU7的交付。从4月3日起的第43天，我们又跨过了一个小小的里程碑。“上市即交付，交付即上量”，感谢有你，我们做到了！我们还在持续努力提升产能，保证完成今年10万台交付目标。
小米创办人，董事长兼CEO雷军也在个人微博官宣了这一消息。雷军表示，这对小米来说是一个重大里程碑。感谢大家关心和支持。
对于小米SU7，雷军多次强调其为小米的心血之作。“造车是我人生创业的最后一战，绝对不能输。”雷军说，2024年，小米汽车交付目标为10万辆，目前正在全力扩充产能。官方数据显示，小米SU7开售5天时间，下大定（5000元）用户达到10万人，锁单量超4万单。“小米SU7上市即大火，销量比预期高出了三到五倍。”雷军在日前的直播中表示，小米造车第一阶段算是成功了。
目前，小米在智能驾驶团队研发费用一年预计投入15亿元，工程师团队超1000人。“2024年，小米智能驾驶团队规模将从当前的1000人扩充到1500人，2025年进一步扩充到2000人，并进一步加大在智驾的投入。”雷军称。
3.AITO问界：新M5今起开启规模交付
5月15日，AITO汽车发布消息称，今天，问界新M5开启规模交付。自4月23日发布后72小时内大定突破1万台。截至目前，问界M5系列已经获得超过13万车主的信赖。
这款车型于4月23日上市，官方指导价区间为24.98-27.98万元。新车在外观等方面进行了小幅优化，并针对车辆配置与智驾系统进行了升级。根据此前的数据，鸿蒙智行全系车型4月份交付量为29,632辆。鸿蒙智行5月1日-4日全系车型大定突破8600台。伴随着新M5的交付，预计鸿蒙智行以及问界系列的交付数据将会在5月迎来新高。
问界新M5定位高颜都市性能SUV，四驱版零百加速4.3s，最大扭矩675N・m；全新的增程MAX版可选，其CLTC工况综合续航可达1440km，纯电续航也能达到255km。
问界新M5全系标配激光雷达，包括了毫米波、机器视觉、超声波、融合感知系统，全系标配“全国都能开”的“最强智驾”，“哪怕和特斯拉相比也是最好”。此外，问界新M5新增遥控泊车功能，面对超窄车位停得进、下得来。
4.韩国4月ICT出口额同比增长34%，半导体同比暴增54%
在半导体等主要产业全面繁荣的推动下，韩国信息通信技术（ICT）出口自2022年3月以来首次记录超过30%的增长率。
根据5月15日韩国科学技术信息通信部的数据，4月ICT出口额为170.8亿美元（23.3389万亿韩元），比去年同期增长33.8%，这是连续第六个月的正增长。
4月份，韩国半导体和显示器等主要产业的全面盈利，支持了ICT出口增长。
按产业来看，半导体出口比一年前增长53.9%，达到99.6亿美元，连续六个月保持两位数增长。
显示器出口额为16.4亿美元，比一年前增长15.2%。得益于电视、PC等IT设备需求的复苏，有机发光二极管（OLED）和液晶显示器（LCD）出口同时增加。
手机出口额9.3亿美元，以中国、越南等主要手机生产基地为中心，零部件出口比去年同期增长38.3%，引领整体手机出口的增长。
计算机及外围设备出口额9.1亿美元，由于外围设备内辅助存储设备的增加，引领整体出口的增长，并连续四个月保持增长。
按地区来看，对中国出口额增长43.7%、对越南增长22.4%、对美国增长24.6%、对欧盟增长15.5%，这几个地区的出口增长率都达到了两位数。
韩国科学技术信息通信部表示：“人工智能（AI）市场增长、IT设备需求恢复等因素扩大了半导体需求。特别是存储由于固定交易价格的上涨和HBM（高带宽存储）等高附加值产品需求的增加，推动了半导体出口的增加。”
5.机构：2027年亚太地区AI支出将达到907亿美元
英特尔与研究机构IDC于中国台湾联合举办亚太地区人工智能（AI）趋势洞察分享会，展示亚太地区8大市场AI发展情况，并对未来AI技术走向提出前瞻性预测。
IDC报告显示，亚太地区AI技术和应用发展迅速，预计到2027年，本区域AI支出将达到907亿美元，2022年至2027年复合年均增长率高达28.9%。报告指出，尽管生成式AI是目前火热的议题，但亚太地区企业在AI支出中，仅有19%用于生成式AI，81%用于预测性AI和解释性AI应用。企业对于投入AI的期待已产生变化，2023年受到通货膨胀影响，企业希望借助AI实现改善与降低成本，但在2024年后，企业更加重视通过AI创造更多附加值与营收机会。另外，约有70%的企业看好生成式AI创造新价值。
此外，受到信息安全与保护议题，以及特定即时性应用需求增加，边缘AI的崛起将推动迈向混合AI时代的来临。预计到2025年，全球企业将有75%的数据在边缘生成和处理。
IDC报告显示，亚太地区的AI应用仍以金融行业占比最高，用于信用评级、分析系统与欺诈分析等。其次，制造业也希望通过AI改善生产流程与进行品质管理，其中中国台湾半导体高科技制造行业更希望AI能够提高芯片设计、制造与品质。
虽然企业普遍认为AI能够驱动转型，不过多数企业即便在引入AI之后，仍然迷茫。IDC认为，这一原因主要有5点：第一是并未选择符合企业的应用案例；第二是缺少灵活与弹性的基础架构；第三是对法规与法律理解不足；第四则是为了AI而AI但没有明确目标；最后是缺少供应商的支持。
英特尔表示，虽然现在提及AI都会想到火热的生成式AI，但AI当前还包括预测试AI与解释性AI，且三者都相当重要，但同时所需的运算方式也都不同。英特尔称可为不同AI应用提供广泛且灵活的软硬件生态，包含Gaudi AI加速器与MegaPod丛集技术。英特尔提到，在2023年市场缺乏高端GPU的情况下，有客户将Xeon（至强）CPU的AMX矩阵加速架构灵活用于如推荐系统一类的AI应用。
6.百度：考虑和特斯拉在Robotaxi上合作
上证报5月15日报道称，百度自动驾驶技术部总经理徐宝强表示，对于特斯拉将推出的Robotaxi（共享出租车），百度将根据特斯拉方面的具体应用模式和进入中国市场的节奏等，考虑可能的合作机会。
马斯克日前在社交媒体平台X上发文称，特斯拉计划2024年8月8日推出无人驾驶出租车（Robotaxi）。特斯拉此前表示，下一代汽车平台将包括更低价的汽车和全自动驾驶出租车。4月29日，有消息人士表示，特斯拉将使用百度地图提供的高级辅助驾驶地图（高辅地图），用于中国版FSD（Full-Self Driving，全自动驾驶）。
据了解，Robotaxi，是特斯拉在自动驾驶技术领域的重大创新。这种服务的核心是特斯拉的全自动驾驶系统（Full Self-Driving，简称FSD），使车辆能够在各种道路和交通情况下自主导航、感知环境、做出决策并执行驾驶任务。
目前，对于配备基本自动驾驶仪的车辆，FSD系统订阅费用为每月199美元（约合人民币1440元）。特斯拉上个月刚刚在全球范围内交付了第600万辆汽车，并且它们绝大多数配备了访问FSD Beta所需的硬件基础。若假设这600万车主都订阅了一年的FSD系统，那么特斯拉一年通过FSD系统订阅费能获得的收益可达1.43万亿美元（约合10.34万亿元人民币）。
7.特斯拉计划在加州再裁员601人
特斯拉在给美国加州政府的一份通知中表示，计划在加州再裁员601名员工。因销量下降和价格竞争加剧，该汽车制造商在一个月前开始在全球范围内进行一系列裁员。
特斯拉CEO埃隆·马斯克今年4月表示，将裁员10%以上的全球员工，截至2023年底，特斯拉员工总数超过14万人。据知情人士透露，自那时以来，特斯拉已经进行几轮裁员，因为马斯克实际希望削减20%的员工人数。
特斯拉在工人调整和再培训通知（WARN）中表示，最新的裁员计划将影响特斯拉位于加利福尼亚州帕洛阿尔托和弗里蒙特工厂的员工，并将在自2024年6月20日开始的14天内开始实施。
特斯拉今年4月表示，作为裁员的一部分，将在加利福尼亚州和得克萨斯州裁员6020人。
特斯拉的全球裁员还包括纽约州布法罗工厂的285名员工，该工厂设有Autopilot驾驶辅助软件标记团队，并生产快速充电设备。
4月30日，马斯克解散了特斯拉的超充团队。
8.设计汽车雷达系统的挑战
雷达在新型汽车设计中随处可见：在汽车周围进行感知，以侦测危险，并为制动、转向和停车决策提供信息；在车厢内用于驾驶员和乘员监控系统。
现在，高清雷达在任何天气条件下都能有效地进行基于人工智能的前端物体探测，与其他传感器通道相辅相成，进一步提高了准确性和安全性。对于构建高价值嵌入式雷达系统的制造商来说，市场潜力巨大。然而，如何有竞争力地发掘这一潜力却充满挑战。本文探讨了其中一些挑战。 全系统挑战 汽车原始设备制造商（OEM）并不仅仅是在新车上增加更多的电子功能；他们正在为其产品线推动统一的系统架构，以管理成本、简化软件开发和维护，并提高安全性。更多的计算和智能正在向集成的区域控制器转移，一方面，在汽车小区域内相对较小的传感器单元与处理器进行通信，另一方面，区域控制器与负责整体决策的中央控制器之间进行通信。 针对汽车雷达系统市场的供应商必须跟踪这些变化，以确保他们的解决方案架构能够与这些变化保持一致。供应商需要提供一种可扩展性，使得他们的解决方案能够在边缘功能的相对简单处理和区域或中央控制器的更广泛功能之间实现适度的处理能力，同时还必须具备灵活性，以适应不同汽车制造商的分区选择。 重要的一个点在于，无论解决方案如何分区，都必须允许在边缘、区域和中央计算之间交换大量数据。这就凸显了在传输过程中压缩数据以控制延迟和功耗的重要性。 除了性能、功耗和成本限制外，汽车系统还必须考虑使用寿命和可靠性。汽车的整个使用寿命可能是10年、20年甚至更长，在此期间可能需要对软件和人工智能模型进行升级，以解决检测到的问题或满足不断变化的监管要求。这些限制条件决定了在雷达系统设计中要在硬件的性能/低功耗和软件的灵活性之间保持谨慎的平衡。这并不是什么新鲜事，但与视觉管线相比，雷达管线有一些独特的需求。 管线挑战 完整的雷达系统流程如下图1所示，从发射和接收天线一直到目标跟踪和分类。天线配置可从用于低端探测的 4x4（发射/接收）到用于高清雷达的48x64。在雷达前端之后的系统管线中，FFT首先计算距离信息，然后计算多普勒信息。接下来是数字波束成形阶段，用于管理来自多个雷达天线的数字流。 到目前为止，这些数据从某种程度上来说仍然是“原始信号”。CFAR（恒虚警率）阶段是将真实目标从噪声中分离出来的第一步。到达角度（AoA）的计算完成了一个目标在三维空间中的定位，而多普勒速度计算添加了第四个维度。最后，管线进行目标跟踪，比如利用扩展卡尔曼滤波器（EKF），并通常使用OEM定义的人工智能模型进行目标分类。 图1：完整雷达系统管线示意图 步骤很多，但这些步骤为何如此复杂？首先，雷达系统必须在前端支持显著的并行性，以处理大型天线阵列，通过管线同时推送多个图像流，同时实现每秒25到50帧的吞吐量。数据量不仅受天线数量的限制。这些天线馈送多个FFT，每个FFT都可能相当大，高达1K个频率点。这些转换最终会将数据流转化为点云，而点云本身可以轻松达到半兆字节。 巧妙的内存管理对于最大化吞吐量至关重要。以距离和多普勒FFT阶段为例。从距离FFT写入内存的数据是一维的，按行写入。多普勒FFT需要按列访问这些数据；如果没有特殊的支持，按列访问所隐含的地址跳转需要每列进行多次突发读取，从而大大降低了可行的帧速率。 另一个挑战是CFAR。有多种CFAR算法，其中一些比其他算法更容易实现。如今最先进的方案是OS-CFAR（有序统计CFAR），特别适用于存在多个目标的情况（这在汽车雷达应用中很常见）。可惜，OS-CFAR也是最难实现的算法，除了线性分析外，还需要统计分析。如今，一个真正有竞争力的雷达系统应该使用OS-CFAR。 在跟踪阶段，位置和速度都很重要。位置和速度都是三维的（X,Y,Z表示位置，Vx,Vy,Vz表示速度）。一些EKF算法会各放弃一个维度，通常是高度，以简化问题；这被称为4D EKF。相比之下，高质量的算法会使用全部6个维度（6D EKF）。对于任何EKF算法来说，一个重要的考虑因素是它可以跟踪多少目标。飞机可能只需要跟踪几个目标，而高端汽车雷达现在可以跟踪数千个目标。在考虑高端和（一定程度上缩小的）中端雷达系统的架构时，这一点值得牢记。 分类阶段的任何挑战都是以人工智能模型为中心的，因此不在本雷达系统的讨论范围之内。这些人工智能模型通常会在一个专用的神经处理单元（NPU）上运行。 实施挑战 一个显而易见的问题是，什么样的平台才能最好地满足所有这些雷达系统需求？它必须具有很强的信号处理能力，必须在低功耗的情况下满足吞吐量目标（25-50帧每秒），同时还必须具有软件可编程性，以适应较长的使用寿命。这意味着需要一个DSP。 然而，它还必须同时处理多个输入流，这就需要高度的并行性。一些DSP架构支持并行内核，但是所需核心数量可能对于许多信号处理功能（例如FFT）来说过多，这种情况下硬件加速器可能更合适。 同时，解决方案必须在区域车辆架构之间具有可伸缩性：为边缘应用提供低端系统，为区或中心应用提供高端系统。为每种应用提供通用的产品架构和通用的软件堆栈，只需进行简单的扩展，即可适应从边缘到中央控制器的各个级别。 通过使用可扩展的Ceva-SensPro雷达和视觉人工智能解决方案，实现这些目标是可能的。
