最近，芯片专家唐杉博士更新了“AI芯片全景图”，同时加了版本号和发布时间，介绍了现有的几乎全部深度学习处理器，可能是对AI芯片厂商做的最全面的列表了。
IC供应商（15家）科技巨头&HPC供应商（15家）IP供应商（7家）中国芯片初创公司（15家）全球芯片初创公司（47家）
集成电路供应商英特尔在Hot Chips大会，英特尔强调了“AI Everywhere”思想。
在2019年的Hot Chips大会上，英特尔公布了即将推出的高性能AI加速器的新细节：Intel®Nervana™神经网络处理器，其中NNP-T用于训练，NNP-I用于推理。英特尔的工程师展示了混合芯片封装技术、Intel® Optane™ DC持久内存和optical I/O技术的细节。
Mobileye EyeQMobileye目前正在开发其第五代SoC, 即EyeQ®5，作为一个视觉中央计算机，为将于2020年上路的全自动驾驶(5级)车辆执行传感器融合。为了满足功耗和性能目标，EyeQ®SoCs在最先进的超大规模集成电路工艺技术节点上进行了设计——第5代的FinFET达到了7nm。
MovidiusMYRIAD 2是一个多核、始终在线的芯片系统，支持移动、可穿戴和嵌入式应用程序的计算成像和视觉感知。视觉处理单元包含并行性、指令集体系结构和微体系结构特性，在一系列计算成像和计算机视觉应用程序(包括延迟要求低到毫秒级的应用程序)中提供高度可持续的性能效率。
Myriad™X是第一个以神经计算引擎为特征的VPU，这是一个用于在设备上运行深度神经网络应用程序的专用硬件加速器。通过智能存储结构和其他关键组件，神经计算引擎能够在避免数据流瓶颈的情况下，提供行业领先的性能。
Loihi测试芯片包括模拟大脑基本机制的数字电路，使机器学习更快、更高效，同时要求更低的计算能力。神经形态芯片模型的灵感来自神经元交流和学习的方式，使用的是可以根据时间来调节的spikes和plastic 突触。这可以帮助计算机自我组织，并根据模式和关联做出决策。
高通最近宣布，将通过Qualcomm® Cloud AI 100将公司的AI专业知识引入云计算，以满足云计算中AI推理处理的爆炸式需求，它利用了高通公司在先进信号处理和能耗效率方面的传统优势。
Snapdragon 855移动平台高通的设备上AI引擎骁龙855，其AI是前一代的3倍，每秒执行超过7万亿次操作(TOPS)。
在英伟达的SIGGRAPH 2018年主题演讲上，公司首席执行官黄仁勋正式公布了备受期待的Turing GPU架构。作为下一代NVIDIA GPU设计，Turing将纳入一些新功能，并将在今年推出。
英伟达的DGX-2系统具有强大的人工智能性能英伟达于今年3月推出了第二代DGX系统。为了制造半精度2 petaflops 的DGX-2，英伟达必须首先设计并制造一种新的NVLink 2.0 Switch芯片，名为NVSwitch。尽管英伟达目前只将NVSwitch作为其DGX-2系统的一个组成部分，但不排除向数据中心设备制造商销售NVSwitch芯片的可能。
三星三星为高端移动设备配备了Exynos 9系列9820处理器的设备上AI处理，定制核心和2.0Gbps LTE高级调制解调器支持丰富的移动体验，包括AR和VR应用
据报道，特斯拉正在与AMD合作开发自己的人工智能处理器，用于其自动驾驶系统。特斯拉与英伟达存在合作关系。英伟达的GPU为特斯拉的自动驾驶系统提供动力。
Xilinx赛灵思Xilinx推出了世界上最快的数据中心和人工智能加速卡：Alveo，旨在大幅提高跨云和内部数据中心的行业标准服务器的性能。
Xilinx提供了“从边缘到云的机器学习推理解决方案”，并且声称他们的FPGA最适合INT8。虽然FPGAs的每瓦性能令人印象深刻，但在价格和性能之间找到平衡是FPGAs的主要挑战。
IBM神经形态芯片TrueNorth：TrueNorth是IBM的神经形态CMOS ASIC与DARPA的SyNAPSE项目共同开发的。它是一个芯片设计上的多核处理器网络，有4096个核，每个核模拟256个可编程硅“神经元”，总共有100多万个神经元。反过来，每个神经元有256个可编程的“突触”来传递它们之间的信号。因此，可编程突触的总数超过2.68亿个。就基本的构建模块而言，它的晶体管数量是54亿。由于4096个神经突触核都能处理内存、计算和通信，TrueNorth绕过了von- neumann架构的瓶颈，而且非常节能，功耗70毫瓦，大约是传统微处理器功率密度的1/ 10000。
IBM POWER9，人工智能的顺风车：POWER9 处理器芯片专为人工智能设计，计算速度比前代 POWER8 产品高出 1.5 倍。
ST意法半导体正在设计神经网络技术的第二代产品，该公司在2017年2月的国际固态电路会议(ISSCC)上报告了这一技术。
NXPS32 AUTOMOTIVE PLATFORMNXP S32汽车平台是世界上第一个可扩展的汽车计算架构。它提供了一个统一的硬件平台和一个跨应用领域的相同软件环境，以更快地将丰富的车内体验和自动驾驶功能推向市场。
ADAS ChipS32V234是一个用于前置和环绕视图相机、机器学习和传感器融合应用的视觉处理器。
MarvellMarvell展示了人工智能SSD体系结构解决方案，通过将英伟达的深度学习加速器(NVDLA)技术整合到其数据中心和客户端SSD家族中，为广泛的行业提供AI能力。
麒麟980，是世界上第一个7nm移动智能芯片。麒麟980创造了多项“全球第一”，是全球首款7nm制程手机SoC芯片组，全球首款cortex-A76架构芯片组，全球首款双NPU设计，全球首款支持LTE cat21的芯片组。麒麟980融合多种技术，引领AI流，为用户提供令人印象深刻的移动性能，创造更便捷、更智能的生活。
RenesasRenesas为下一代人工智能芯片开发了新的内存处理技术，使人工智能处理性能达到8.8 TOPS/W。
谷歌已经开始销售售价150美元的Coral Dev Board，这是一款用于加速人工智能边缘计算的硬件套件
去年I/O大会，谷歌发布了TPU 3.0，详细分析可以看这篇文章：谷歌 TPU 3.0 到底厉害在哪里？
Edge TPU如今，从消费者到企业应用程序，AI无处不在。随着连接设备的爆炸式增长，再加上对隐私/机密性、低延迟和带宽限制的需求，在云环境中训练的AI模型越来越需要在边缘运行。Edge TPU是谷歌的专用ASIC，设计用于在边缘运行AI。
亚马逊亚马逊可能正在为Alexa开发AI芯片，这将使Alexa能够更快地解析信息并得到答案。
AWS Inferentia，是一款高性能机器学习推理芯片，为AWS定制。AWS Inferentia以极低的成本提供高吞吐量、低延迟的推理性能。每个芯片提供数百TOPS的推理吞吐量，允许复杂的模型做出快速预测。为了获得更高的性能，可以同时使用多个AWS Inferentia芯片来驱动数千 TOPS的吞吐量上限。
AWS FPGA实例Amazon EC2 F1是一个带有现场可编程门阵列(FPGA)的计算实例，你可以通过编程为应用程序创建自定义硬件加速。
微软如果想了解微软对FPGA在云中的应用前景，基于FPGA的可配置云也是一个很好的参考。“智慧云中的FPGA”这篇文章提供了FPGA的概述和FPGA用于云端推理。
在微软Build开发者大会上，微软宣布了一个集成了Azure机器学习的项目Project Brainwave，该公司表示，这将使Azure成为最高效的人工智能云计算平台。
A12仿生，与下一代神经引擎一起，提供了令人难以置信的性能。它使用实时机器学习来改变你体验照片、游戏、增强现实等等的方式。
阿里成立了一家半导体公司，并公布了推出自己的人工智能处理器的计划。该公司希望加强对其云计算和物联网业务的支持。
阿里巴巴正在开发自己的神经网络芯片Ali-NPU，该芯片将用于图像视频分析、机器学习等人工智能应用场景。
阿里云FPGA云服务器(Beta)是阿里云提供的现场可编程门阵列(FPGA)的计算实例，用户可以在几分钟内轻松创建FPGA设计，并基于阿里云弹性计算框架创建定制的专用硬件加速器。
深度学习（Deep Learning）是一种多层计算模型，可以对复杂输入进行建模，在图像分类、语音识别、自然语言处理中取得了成果，FPGA 实例由于其细粒度并行的硬件特性，非常适合小批量数据的深度学习预测过程，以低功耗、低延迟、高性能著称，以 AlexNet 模型为例，使用 FPGA 计算实例进行图片类别预测，速度比仅用 CPU 的普通实例快 8~15 倍。
百度百度自研了AI芯片“昆仑”，瞄准云计算和边缘用例。该芯片采用三星的14nm制程，内存带宽为512GBps，每秒可运行260Tops，功率为100瓦。
在百度内部，FPGA 从 2013 年开始就应用在许多典型的深度学习模型中，如 DNN，RNN，CNN，LSTM 等，涵盖了语音识别，自然语言处理，推荐算法，图像识别等广泛的应用领域。百度 FPGA 云服务器中开放了基于 FPGA 的深度卷积神经网络加速服务，单卡提供 3Tops 的定点计算能力，支持典型深度卷积网络算子，如卷积、逆卷积、池化、拼接、切割等，有效加速典型网络结构如 VggNet、GoogLeNet、ResNet 等。基于 FPGA 的深度学习硬件，深度定制优化了主流深度学习平台如 caffe 等，用户可以直接将深度学习业务切换到 FPGA 平台，而无需考虑底层硬件细节。
华为发布了两款新的人工智能芯片昇腾910(Ascend 910)和昇腾310(Ascend 310)，其中昇腾910在昨天宣布商用量产。这两款芯片的目标是用于数据中心和联网消费设备，此举使华为与高通和英伟达等主要芯片制造商展开竞争。
富士通富士通正在创建的DLU是从零开始的，它既不是基于Sparc也不是基于ARM指令集，事实上，它有自己的指令集和专门用于深度学习的新数据格式，这些都是从零开始创建的。
据招聘信息和知情人士透露，Facebook 正在组建一个团队来设计自己的芯片，这加剧了科技公司的一种趋势，即为自己供货，降低对英特尔和高通等芯片制造商的依赖。
特斯拉特斯拉开发了自己的自动驾驶芯片：尺寸为 260 平方毫米，拥有 60 亿晶体管，具有双核神经网络阵列，每秒可运行 36 万亿次操作，采用 14 纳米工艺制造。与上一代 Autopilot 硬件（由英伟达硬件驱动）相比，每秒帧数处理能力提高了 21 倍，使每辆车的硬件成本降低约 20％。
ARMDynamIQ是嵌入式IP巨头ARM对AI时代的回应。它可能不是一个性的设计，但肯定是重要的。
ARM还提供了一个开源计算库，其中包含为Arm Cortex-A系列CPU处理器和Arm Mali系列GPU实现的全面软件功能。
ML处理器专为边缘推理而设计，具有业界领先的4.6 TOP性能，移动设备和智能IP摄像机具有惊人的3 TOP/W效率。
Arm详细介绍了被称为“机器学习处理器（MLP）”的架构。MLP IP在架构实施方面起步空白，团队由从CPU和GPU团队中脱颖而出的工程师组成。
新思科技（Synopsys）名列美国标普500指数成分股，长期以来是全球排名第一的IC电子设计自动化（EDA）创新公司，也是排名第一的IC界面IP供应厂商，专门提供“硅晶到软件（Silicon to Software™）”最佳的解决方案。不论是针对开发先进半导体系统单芯片（SoC）的设计工程师，或正在撰写应用程序且要求高品质及安全性的软件开发工程师，新思科技都能提供所需的解决方案，以协助工程师完成创新、高品质并兼具安全性的产品。
基华物流（CEVA）由两大物流巨头TNT物流和EGL宏鹰全球物流于2007年8月合并组成。从2G开始，CEVA的DSP IP就被用在通信基带处理上，TeakLite系列非常成功。在4G时代，联芯基于CEVA DSP打造的SDR平台被小米采用。在CES之前，CEVA宣布了一款名为NeuPro的新型专用神经网络加速器IP。
益华电脑（Cadence）成立于1988年，是EDA(电子设计自动化)软件与工程服务的重要厂商，主要提供设计集成电路(IC)、系统单芯片(SoC)、以及印刷电路板(PCB)所需的软件工具与硅智财(IP)，涵盖类比/数位/混合电路设计、验证、封装/PCB设计等各领域。
芯原股份（VeriSilicon）芯原的前身是美国思略科技公司(Celestry Design Technologies,Inc.)在上海的分公司。目前是集成电路（IC）设计代工公司，为广泛的电子设备和系统如智能手机，平板电脑，高清电视（HDTV），机顶盒，蓝光DVD播放机，家庭网关以及网络和数据中心等提供定制化解决方案和系统级芯片（SoC）的一站式服务。
videantis德国videantis有限公司是面向移动、家用和定制多媒体应用的芯片、硅IP及软件解决方案的领先供应商，推出了支持多种标准的视频IP解决方案，包括 H.264/AVC、MPEG-4、H.263、DivX、WMV9/VC-1、MPEG-2和视频增强标准等。Videantis的v-MP6000UDX处理器是一个可扩展的处理器系列，旨在以低功耗的方式运行高性能深度学习，计算机视觉，成像和视频编码应用。
地平线（Horizon Robotics ）受到中国企业和政府推动半导体产业的策略影响，地平线称在其最新一轮融资中筹集了6亿美元，其估值达到30亿美元。
比特（Bitmain）还不确定比特的最新产品Sophon是否会涉足深度学习。但是，通过赋予它这样一个名字，比特向AI之心已经非常明显了。Sophon将包括比特的第一块定制芯片，用于性的AI技术。如果一切顺利，Sophon很快就可以在世界各地的大型数据中心训练神经网络了。
启英泰伦（Chipintelli）启英泰伦的第一款IC CI1006专为自动语音识别应用而设计。
ThinkForce中国AI芯片制造商ThinkForce获得6800万美元A轮融资，红杉资本，高瓴资本集团，依图参与。
肇观电子（NextVPU）全球领先的计算机视觉处理IC和系统公司NextVPU推出了AI视觉处理IC N171。N171是NextVPU的N1系列计算机视觉芯片的旗舰IC。
燧原科技（Enflame Tech）燧原科技是一家总部位于中国上海的创业公司。燧原科技正在开发深度学习加速器SoC和软件堆栈，针对云服务提供商和数据中心的AI训练平台解决方案。
亿智电子（EEasy Technology）亿智电子是一家AI系统级芯片（SoC）设计公司和整体解决方案提供商。它的产品包括AI加速，图像和图形处理，视频编码和解码beat365，混合信号ULSI设计能力。
知存科技（WITINMEM）知存科技成立于2017年10月，专注于基于NOR闪存中处理内存技术的低成本、低功耗AI芯片和系统解决方案。
清微智能科技（Tsing Micro）清微智能是一家可重构计算芯片企业，提供以端侧为基础，并向云侧延伸的芯片产品及解决方案，其核心技术团队来自清华大学微电子所。
黑芝麻智能科技（Black Sesame Technologies）黑芝麻智能科技将要完成其1亿美元的B轮融资，未来用于扩大与OEM的合作，加速大规模生产，自动驾驶仪的参考设计开发，以及软件车辆集成。
全球芯片初创公司Cerebras Systems为了给人工智能提供动力，这家初创公司制造了一个非常非常大的芯片
Cerebras Systems推出了有史以来最大的半导体芯片，其名为Cerebras Wafer Scale Engine，面积 42225 平方毫米(边长约22厘米)，拥有1.2万亿晶体管，40 万核心。晶体管是硅芯片的基本组件，1971年，英特尔的第一个4004处理器拥有2300个晶体管，而最近的一个AMD的处理器拥有320亿晶体管beat365在线体育。
Wave Computing一家位于美国硅谷、致力于推动人工智能深度学习从边缘计算到数据中心的计算加速方案的公司。
GraphcoreGraphcore是一家英国AI芯片公司，去年年底筹集了3000万美元，用于支持其智能处理单元IPU的开发。关于Graphcore的IPU架构，这篇文章做了一些分析：【XPU 时代】解密哈萨比斯投资的 IPU，他们要分英伟达一杯羹。
TenstorrentTenstorrent是一家位于多伦多的小型加拿大初创企业，与大多数企业一样，该公司声称，深度学习的效率有了一个数量级的提高。他们没有公开更多细节，但他们在 Cognitive 300名单上。
ThinCIThinCI筹集了6500万美元，用于开发用于汽车和联网车辆的AI处理器。ThinCI不仅在开发芯片，还在开发软件和开发工具包，使其硬件平台能够扩展到广泛的用途。
Koniku成立于2014年的加州初创公司Koniku目前已经获得165万美元的资金，成为“世界上第一家神经计算公司”。?Koniku实际上是将生物神经元集成到芯片上，并且已经取得了一些进展。
KnowmKnowm实际上是一家ORG，但他们似乎在追求营利。到目前为止，这家新成立的公司已经获得了数目不详的种子资金，用于开发一个新的计算框架AHaH Computing(Anti-Hebbian and Hebbian)，这项技术旨在将智能机器学习应用程序的大小和功耗降低9个数量级。
MythicMythic正在开发一种AI芯片，它“将桌面GPU计算能力和深度神经网络植入一个纽扣大小的芯片——功率低50倍，数据处理能力也远超竞争对手”
DeepScale为感知人工智能(perception AI )筹集了300万美元，以确保自动驾驶汽车的安全性。
新系列涵盖面向HDMI、摄像头和显示应用的四款产品 东京--东芝电子元件及存储装置株式会社（“东芝”）宣布面向车载信息娱乐（IVI）应用推出新系列视频接口转换芯片。 由于车载信息娱乐系统日渐复杂，需要更多功能和更加优越的性能，因此人们越来越多地将来自智能手机和平板电脑的系统级芯片（SoC）用于汽车应用。然而，由于显示屏等设备之间连接标准不同，现有SoC往往缺少汽车网络所需的必要接口。 东芝新系列视频接口桥接器件提供HDMI转MIPI® CSI-2 （TC9590）、MIPI® CSI-2与并行接口（TC9591）之间互相转换以及MIPI® DSI转LVDS （TC9592／3）等多种连接性。其中，除TC9590采用0.8mm脚距7
高通(Qualcomm)、联发科(MediaTek)和紫光展锐（Unisoc）已经向台积电(TSMC)下了新的 5G 移动应用处理器订单，这些订单是针对台积电的 6 纳米制程。 根据 DigiTimes 的一份报告，多家知名芯片制造商已经向台积电下了 6 纳米制程的订单。遗憾的是，关于这些订单的更详细信息目前还不得而知。不过，此前曾有报道称，台积电从高通那里获得了新芯片的订单，这些芯片将于今年下半年推出。 据透露，这些订单显然是针对台积电的 5 纳米和 6 纳米制程，也是中高端的移动处理器。这一消息也是在影响全球各行各业的半导体短缺之际传来的，目前芯片短缺包括汽车、消费电子产品，甚至智能手机行业。 换句话说，来自高通、
凤凰科技讯 据彭博社北京时间9月4日报道，知情人士称，红杉资本和IDG资本将投资全球最大的比特币挖矿公司——北京比特科技有限公司。 知情人士称，比特将从多家风投公司手中筹集5000万美元资金，以提高公司在主流投资者心中的形象。红杉资本和其他公司还计划为比特提供更多管理上的指导。 比特为比特币挖矿生产芯片和机器，并运营着自主挖矿设施，已从比特币市值增长中获益。现在，比特币的市值约为750亿美元。比特在8月份称，公司自身估值为“数十亿美元”，并且考虑启动首次公开招股(IPO)。比特还称，计划为人工智能(AI)生产芯片，并投资美国挖矿设施。 比特、红杉资本以及IDG尚未置评。 比特由公司创始人吴忌寒、詹克
机顶盒(STB)系统单芯片(SoC)方案厂商扬智科技(ALi Corporation)在2010国际广播会议(IBC 2010)发表M3383和M3603，提供高整合且先进安全条件接收式(CA-enabled)机顶盒SoC方案。该公司同时宣布，这二款SoC以及具备CI+规格功能的M3606，将于今年第三季量产供应。这三款方案的单芯片高度集成了HDMI发射器、以太网络、MPEG-1/2/4和H.264译码器，以及其他多项竞争功能。高度的集成设计协助减少外部组件数量、物料成本和功率需求，同时简化设计，加速开发与上市进程。 扬智新推出的M3383和M3603具备嵌入式先进安全性，适用于付费电视(PayTV)市场，而支持CI
广告摘要声明广告 金地威新·达闼人工智能创新产业基地自10月中旬开园以来，仅2个月的时间就已达成6万方的租赁成就。入园企业均为行业内佼佼者，集中在人工智能、智能制造、新材料、生物医药领域，已交付企业对园区呈现的高标准状态十分满意，表示愿意长期发展，共创美好未来。 与园区共同创造行业奇迹的入园企业有专注智能服务机器人等领域的优秀企业；有为中小企业提供3D打印服务的优质平台；有专注于环境感知技术的研发企业；有系统集成、本体制造、软件开发的一体化服务平台；还有有从事生物药医药方面的佼佼者以及综合的医疗器械平台。 在入园的企业中，达闼机器人智能工厂的入驻极为亮眼，目标打造成为全球最大的机器人关节生产基地。基地将吸引珠三角和长三角为其配
4月25日，专注于安防领域的AI公司云天励飞宣布，公司正在研发的AI芯片IPU计划今年年中流片，明年上半年正式商用。 云天励飞CEO陈宁称，芯片研发周期长、投入大，投入产出比却远远赶不上互联网软件。但芯片代表的底层技术为不可逾越的国之重器，云天励飞将通过全新商业模式来体现芯片的不可或缺性。 这家芯片公司宣称自己所打造的一系列AI芯片将是免费的，后续通过提供解决方案和服务的模式来赚钱。 产业链上的水龙头 5年前，科技界曾经有两起令芯片从业者感到至今仍难忘怀的并购案例。 2013年7月12日，紫光集团宣布以将以18亿美元的代价收购展讯通信全部流通股份;差不多同一时间——2013年7月16日，百度宣布以19亿美元
腾讯数码讯（Bear）最近这一周，诺基亚可是吸引了不少我们的眼球，除了之前的旗舰机型Nokia 8之外，现在另外两款入门级新机Nokia 3和Nokia 2的消息也出现在了我们的面前，尤其是Nokia 2更是值得看看。 据悉，这款Nokia 2将是2017年诺基亚发布的一款最便宜智能手机，该机搭载了高通最低端的骁龙212处理器。虽然还有一些细节消息看起来有些不不同，不过至少这款入门级诺基亚新机已经呈现在了我们的面前。 网上曝光了一张Nokia 2的设计图，并且还将其与Nokia 3进行了对比。而处理器方面，再次确认了骁龙212的说法，而这与之前骁龙210的传闻稍有不同。 从图片中我们可以看到，在Nokia 2的正面
2008年正值嵌入式系统会议（ESC）召开20周年，ESC已经是产业“必不可少”的。关键问题是随着几乎所有设计都将成为嵌入式，在未来20年内ESC的角色将如何转变。 单纯识别出嵌入式系统变得越来越难。几乎消费者赖以生存的每一个工具下都隐藏着一个嵌入式系统。台式机基于众所周知的微处理器，但是却很难控制作为当今应用‘灵魂’的大量嵌入式设备。 ESC的几个主题演讲人得到了一个共同结论：如果20年前2%的处理器专注于桌面应用，其他98%是嵌入式设计，从现在起20年内，这个比例将是1：99。Gilder Publishing技术分析师Nick Tredennick：“我们将在未来20年内需要越来越多的处理能力，仅有的不同是所
(蔡红霞, 周传宏) target=_blank
、编译器到操作系统 带目录 文字版 target=_blank
MPS电机研究院 让电机更听话的秘密！ 第一站：电机应用知识大考！第三期考题上线，跟帖赢好礼~
可重构芯片是一个早被关注的芯片路线，不仅备受魏少军等专家青睐，国内也有产品已经面世。...
随软件在汽车中的作用越发凸显，汽车（Continental AG）发布了其云边计算框架CAEdge，希望在汽车电子层面来缩短软件定义汽车（SDV）的 ...
1 搭铁设计原则与方法1 2 搭铁点的安装方式1）接地螺栓。推荐带固定垫圈的螺栓。螺栓的扭矩必须由扭矩测试来决定和验证。如果在一个接地 ...
汽车线束生产的基本流程如下：1 设计和规划：根据汽车制造商的要求和需求，设计师会绘制线束的设计图纸，并确定所需的电线、连接器和其他 ...
汽车线束接地对EMC的影响汽车所处电磁环境很复杂，受周围环境噪声影响很大；另一方面，汽车同时作为骚扰源，对周围环境造成影响。作为汽车 ...
站点相关：嵌入式处理器嵌入式操作系统开发相关FPGA/DSP总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科