在全球汽车行业向电动化转型的大潮中,电动汽车的安全问题一直是消费者和制造商关注的焦点。韩国,作为全球电动汽车市场的重要参与者,近期通过一系列积极措施,回应了电动汽车安全挑战,展现了其在提升行业透明度和安全性方面的领导力。韩国电动汽车安全事故:触发点2024年8月,韩国仁川市一起严重的电动汽车火灾事故,引发了公众对电动汽车安全性的广泛关注。一辆奔驰EQE电动汽车在地下停车场自燃,导致880辆车受损,近500户家庭的电力和水供应中断一周。这一事件不仅暴露了电动汽车潜在的安全风险,也凸显了电池信息不透明的问题。政府的响应:建议公开电池信息面对日益增长的公众担忧,韩国政府迅速采取行动,建议所有汽车制造商自愿披露电动汽车中的电池详细信息。此前,这些信息通常被视为商业机密。政府的这一建议,是对电动汽车安全问题的直接回应,也是提升行业透明度的重要一步。车企的积极响应:树立行业标杆作为对政府建议的积极响应,奔驰和宝马等品牌在其韩国官网公开了电池信息。宝马表示,其在韩国销售的11款车型中,有两款采用宁德时代的电池,其余九款采用三星SDI电芯。奔驰则从多家制造商处采购电芯,所有电动汽车电池均由其全资子公司...
在信息技术飞速发展的今天,量子计算作为一项颠覆性技术,正逐步从理论走向实践。随之而来的,是对现有加密体系的巨大挑战。量子计算机的算力,特别是其在特定问题上远超传统计算机的能力,使得传统加密算法面临被破解的风险。这一背景下,美国国家标准与技术研究院(NIST)近日宣布发布首套专门用于防范量子计算机攻击的算法,这不仅是对量子计算威胁的积极回应,更是全球网络安全领域的一大里程碑。量子计算:双刃剑的利与弊量子计算机的潜力巨大,它能够在短时间内解决传统计算机难以处理的复杂问题。例如,秀尔算法能够在多项式时间内分解大整数,这对于基于大数分解的RSA加密算法构成了直接威胁。而格罗弗算法则能显著加快搜索问题的速度,对现有的数据库加密构成挑战。然而,量子计算的这一优势在落入恶意使用者手中时,便可能成为网络安全的噩梦。图:美国发布首套量子防御算法NIST的应对策略:算法的革新面对量子计算的潜在威胁,NIST的应对策略是开发一系列后量子密码学(PQC)算法。这些算法包括CRYSTALS-Kyber、CRYSTALS-Dilithium和Sphincs+,它们分别针对不同的加密需求设计。CRYSTALS-Ky...
工业互联网得蓬勃发展,为智能传感器带来了巨大得发展机遇,本篇文章将参照赛迪顾问选取的30多家来自不同国家和地区涉及工业领域的传感器企业,梳理的600余种产品品种,对全球产品和应用市场情况进行分析。全球工业智能传感器发展状况全球工业智能传感器行业正经历快速的发展和技术创新。行业竞争格局显示,大型企业由于较强的研发能力和品牌影响力,在市场中占据优势地位。在技术方面,传感器行业正朝着更高精度、更高可靠性和更低成本的方向发展。MEMS传感器和无线传感器网络等新技术的应用,将进一步拓展传感器在各领域的应用范围。此外,传感器的智能化也是一个重要趋势,通过内置微处理器,传感器能够实现自动检测、自动补偿、数据存储等功能。受汽车、工业自动化、医保、环保、消费等领域的智能化、数字化市场需求的持续带动,2020年全球传感器市场规模保持稳步增长,为工业智能传感器的发展奠定了产品基础。2020年,智能传感器市场规模达到358.1亿美元,占总体规模的22.3%。其中美国的智能传感器产值占比最高,达到43.3%,欧洲次之,占比29.7%,欧美成为全球智能传感器主要生产基地,占比超过70%,而亚太地区(中国、印度等)...
随着数字化和智能化技术的快速发展,智能网联汽车产业迎来了新的发展机遇。车路云一体化作为该领域的关键技术之一,正逐渐成为推动智能交通系统发展的核心力量。近年来,我国在这一领域的进展获得了越来越多的关注。车路云一体化的概念车路云一体化是一个集成了车辆、道路基础设施、和云计算平台的智能交通系统。这一系统通过新一代信息与通信技术,将人、车、路、云的物理空间和信息空间融合为一体,实现智能网联汽车交通系统的安全、节能、舒适及高效运行。政策推动与试点实施在政策层面,我国政府对智能网联汽车产业给予了高度重视。工业和信息化部等五部门联合宣布,在北京、上海、广州、深圳、重庆、沈阳等20个城市开展智能网联汽车“车路云一体化”应用试点。这标志着我国智能网联汽车产业化进程迈出了实质性的一步。技术与基础设施建设车路云一体化的实施,涉及到智能车载技术、智能路侧技术、通信技术和云控技术的综合应用。目前,我国已开放了智能网联汽车测试示范道路32000多公里,发放测试示范牌照超过7700张,测试里程超过1.2亿公里,并在多地建设了云控基础平台。图:车路云一体化技术应用前景与社会影响车路云一体化的应用将深刻改变人们的出行方...
在全球半导体图像传感器(CIS)市场,索尼凭借其深厚的技术积累和广泛的市场份额,稳居霸主地位。然而,三星电子并未停下追赶的脚步。最近有消息称,三星正在建设新的CIS影像品质实验室,这一举措不仅展示了其对索尼的挑战决心,也反映了其应对全球CIS市场日益增长需求的战略布局。三星的雄心:挑战索尼的市场地位三星电子的这一行动,是对索尼在图像传感器领域长期统治地位的直接回应。根据Techno Systems Research的数据,索尼在2023年的图像传感器收入占全球市场的52.7%,远远超过三星的13.7%。如此显著的差距,无疑激发了三星的斗志,使其更加坚定了在CIS领域追赶的决心。随着智能手机、安防监控、汽车和工业应用对高质量图像传感器的需求不断上升,市场对CIS的期望也在提高。这为三星提供了挑战索尼的机会,尤其是在技术创新和市场响应能力方面。三星的战略目标是通过建立新的实验室,提升自身技术实力,从而缩小与索尼之间的差距。CIS影像品质实验室:三星的技术革新三星电子在其系统LSI部门成立的CIS影像品质实验室,将搭建一个多功能的摄影棚,模拟霓虹灯、夜景、特写、月光等多种拍摄场景。这一实验室...
随着AI技术的广泛应用,从智能手机到自动驾驶汽车,从智能家居到数据中心,各行各业都在寻求更高效、更节能的AI计算能力。GPU虽然凭借其强大的并行计算能力在AI领域占有一席之地,但其设计初衷并非专门针对神经网络计算,因此在处理特定AI任务时,存在计算效率不高、功耗较大等问题。而NPU的出现,正是为了弥补这一不足,专为神经网络计算而生。NPU(神经网络处理单元)和GPU(图形处理单元)都是针对并行计算任务设计的处理器,但它们在设计理念和应用场景上存在差异。NPU专为AI和神经网络运算设计,优化了深度学习任务的处理效率,特别是在自然语言处理、图像识别、自动驾驶等AI应用领域表现出色。相比之下,GPU最初为图形渲染设计,后扩展到广泛的并行计算任务,具有广泛的并行处理能力,适合处理大量不同类型的计算任务,但在某些AI任务上可能不如NPU节能。NPU的优势分析NPU针对神经网络计算进行了专门的硬件和软件优化,能够更高效地执行深度学习等AI任务。相比于GPU,NPU在处理AI相关计算时,往往能够提供更低的延迟和更高的吞吐量。针对AI应用的低功耗需求,NPU在设计时就注重能效比的提升。这使得NPU在移...