风电工程师

突然发现一个好玩的事情，充电可能很快要比加油方便了。 有家充条件就不说了，现在外边超充站同样两条枪比加油站便宜70%，然后审批管理都特别简单，甚至可以一个人都不要。 比如一个小区旁边如果建了一个加油站，你会嫌弃他，但如果是一个超充站，不会有人反对的，反而很欢迎。

力大砖飞

纯电

发这个新闻的人为什么不多想一下？ 比亚迪用铁锂电池在腾势Z9上实现了超过1000的续航，电池系统的能量密度只有141。现在你告诉我有一种系统能量密度达到320的只能跑到1200公里，还有零有整的。

让千问帮忙整理的，不知道对不对。 厂商 芯片名称 制程工艺 稀疏算力 主频 内存带宽 量产时间 比亚迪 璇玑 A3 4nm 约700 TOPS 约2.5GHz 约273GB/s 2026年下半年 理想 马赫 M100 5nm 1280 TOPS 约1.5GHz 约300GB/s 2026年Q2 蔚来 神玑 NX9031 5nm 约1000 TOPS 约1.4GHz 约546GB/s 2025年Q1 小鹏 图灵 AI 芯片 定制 750 TOPS 约1.3GHz 约220GB/s 2025年Q2 华为 昇腾 MDC810 自研 400 TOPS 约1.1GHz 约180GB/s 2024年商用

5米多长的车，为了充电把车头扎进去停车，就问你服不服吧

这一点车企都应该向比亚迪学习

解答了我长久以来的一个困惑，30万以上的价位图实用，都去买SUV了，不太在乎他的社交属性，所以国产车才卖得起来。

大唐真的很重吗 抖音上刷到这个人（不关注他还不能发评论），说大唐比同级竞品重300公斤，绝对不能买。勉勉强强把领跑D19拉过来也算了，银河m9和乐道l90又是什么鬼啊。我是好奇，特意去查了一下重量数据，合着他那个300公斤重量差距是拿D19的最低配去比大唐的最高配。

不喜欢太大的车

寒旭科技把内存墙攻克了，端侧大模型要来了，又多了一个等车的理由{:笑哭02:} 你提出的这两个问题非常硬核，单颗芯片搞定20亿参数，以及20亿参数到底够不够用，在2026年的今天已经有了全新的答案。 我们可以从以下两个维度来拆解： 1. 单颗芯片搞定20亿参数，难不难？ 在传统的AI芯片架构下，这确实是个巨大的挑战。按照常规计算，一个20亿（2B）参数的模型，如果用普通的16位浮点精度（FP16）存储，光参数本身就需要占用约 4GB 的显存。对于功耗和散热都极其受限的手机、机器人等端侧设备来说，单颗芯片要集成这么大的高速缓存，成本极高且非常困难。 但寒序科技这颗芯片之所以能做到，正是靠我们之前聊到的“黑科技”： * eMRAM的高密度存储：eMRAM的存储单元尺寸仅为传统SRAM的1/3，这意味着在同样大小的芯片面积上，它能塞进3倍于传统方案的存储容量，轻松装下20亿参数。 * 极致的1-bit量化技术：现在的端侧大模型（如微软的BitNet）已经可以实现“原生1-bit”训练，把模型参数压缩到只保留 -1、0、+1 三种状态。这种极端压缩下，20亿参数的模型实际占用的内存可能连 0.4GB 都不到。 所以，依靠先进的存储工艺和模型压缩算法，单颗边缘AI芯片不仅“能搞定”20亿参数，而且还能在保证速度的同时做到极低功耗。 2. 20亿参数，到底够不够大模型的门槛？ 在2026年的AI行业标准里，20亿（2B）参数绝对已经跨进了“大模型”的门槛，甚至属于“中坚力量”。 * 大模型的入门线：目前行业内普遍认为，参数达到 10亿（1B） 就可以被称为“大语言模型（LLM）”的入门级。20亿参数已经稳稳地处于“10亿到100亿”这个能够执行复杂任务（如摘要生成、基础编程、逻辑推理）的区间。 * “小模型”也能办大事：现在的模型性能早已不单纯靠“堆参数”来取胜。通过架构优化（如动态稀疏激活）和高质量数据训练，20亿参数的模型在特定任务上的表现，甚至可以持平或超越早期的70亿（7B）甚至百亿级参数模型。 * 端侧的黄金尺寸：对于手机、私有AI助手、人形机器人来说，20亿参数是一个“黄金平衡点”。它既能提供足够聪明的通用对话和任务处理能力，又能完美适配端侧设备的算力与功耗限制，实现毫秒级的实时响应，并且所有数据都在本地处理，彻底解决了隐私泄露的风险。