导读：极术通讯引入行业媒体和技术社区、咨询机构优质内容，定期分享产业技术趋势与市场应用热点
芯方向
• MCU性能加速跑，为AIoT而生的Arm Cortex-M85到底有多强？
本文是集微网对安谋科技（Arm China）嵌入式专家Eric Yang的《Arm最强MCU内核 Cortex-M85处理器，全方位助力物联网创新》公开课的回顾，Eric为大家详细讲述了Arm在开发新产品新架构时的思路，以及Arm在推动物联网创新上所作出的思考和努力，同时详细介绍了Cortex-M85，Corstone 310 和Arm IoT 解决方案产品及技术。（来源：极术社区集微直播间专栏）
• 安谋科技结束纷争，迎来发展新机遇
随着AI、5G、IoT等技术的快速发展，我们正在进入一个前所未有的智能时代，更强性能、更加专业、更加异构的芯片开始流行，这种难得一见的变革带来了绝佳机遇。安谋科技如能把握机遇，通过Arm IP产品，结合各类自研 IP产品，推出更为丰富、更加适应数字化转型的计算单元组合，定能在产业创新中获得高速发展。（来源：极术社区雷锋网文章）
• 基于卷积神经网络的雾天智能停车位检测:一种新方法
在自动驾驶系统的设计中，恶劣天气的影响一直为研究人员所苦恼，而雾天停车位的检测又是最难的几项任务之一。本文将带大家精读2021 CVPR的论文"基于卷积神经网络的雾天智能停车位检测:一种新方法"，该论文阐述了一种基于CNN网络的停车位检测方法，适用于雾天环境，对于恶劣天气下的自动驾驶系统设计具有重要的借鉴和指导意义。（来源：极术社区嵌入式AI专栏）
• RTMP的工作原理
RTMP（Real-Time Messaging Protocol，实时消息传输协议）是一种用于低延迟、实时音视频和数据传输的双向互联网通信协议，由Macromedia（后被Adobe收购）开发。得益与RTMP所具有的低延迟和实时传输属性，RTMP在现代视频传输场景中占据一席之地，尤其在与转码器协同工作方面。本篇文章将带领大家深入了解RTMP的历史及工作原理，如何建立RTMP连接，RTMP的替代方案以及它的优缺点。（来源：极术社区LiveVideoStack专栏）
• 微软提出训练巨型模型的新模式：ZeRO-Offload可训练高达700亿参数的模型
巨型模型的训练过程优化正成为 ML 领域的一大趋势，比如谷歌的 Switch Transformers 和 OpenAI 的 GPT-3以及本文要介绍的微软新出的 ZeRO-Offload 。ZeRO-Offload的设计重点在于通过新的优化技巧，将从 GPU 到 CPU 的卸载成本降到最低。它能够训练参数多达 700 亿的模型，并且它通过异构深度学习，优化了 CPU 与 GPU 之间的协作效率，使大家可以在单个 GPU 上进行训练， 无需购买大量昂贵的硬件才能使用这个模型。本文对ZeRO-Offload模型做了详细的解析。（来源：极术社区InfoQ AI专栏）
芯观察
• 类似智能手机的发展，数据中心将进入完全可编程时代
作者以智能手机的发展类比数据中心的发展，通过分析各类处理引擎CPU,GPU,DSA和ASIC，得出结论数据中心未来的发展是完全可编程。文章分别从用户及开发者视角和硬件可扩展能力需求两个层面对完全可编程来进行了详细的阐述。对于用户来讲，完全可编程的处理芯片像智能手机一样，它提供的是一个没有具体功能的芯片平台，具体的功能由用户通过软件编程实现，而要实现完全可编程，还需要在硬件层次提供更多通常属于软件的能力。（来源：极术社区软硬件融合专栏）
• 3100+课程使用的11种Arm教育套件免费下载啦，含嵌入式，芯片设计，信号处理，操作系统等
截止到2021年底，学习Arm教育计划课程、技术的教师和学生分布于全国34省的超过670所高校，全国共有3100+门课程使用了Arm技术及自行研发的教育套件，而全球更是有2000+所大学的10000多个班级在教学中使用基于Arm的技术。此前，Arm教育套件仅免费捐赠给教师用于教学，现在Arm开放了11种教育套件给所有人免费下载，套件涵盖嵌入式，芯片设计，操作系统，数字信号系统，图形与移动游戏，VLSI等。（来源：极术社区极术读书专栏）
• AI编译器的概览、挑战和实践
本文基于作者对AI编译器的理解及昇思-MindSpore的一些实践，系统梳理了一个相对完整的AI编译器的视图。文章主要从AI编译器的概览和挑战，MindSpore的实践以及未来的展望这几个方向来展开分享。（来源：极术社区嵌入式AI专栏）
• 行业洞见：薄弱的国产基础软件，能在汽车行业逆转么？
一直以来，操作系统、数据库、中间件、编程语言及编译器等基础软件领域是我国软件产业的薄弱环节。不同的产业门类有各自不同的基础软件，相对于PC、手机等行业基础软件几乎完全依赖国外的状况，汽车行业的基础软件在近几年受到了从上到下极高的重视，并取得了一定的实质性进展。向来在各行各业都薄弱的国产基础软件，这次能在汽车行业中逆转么？作者从国内汽车基础软件的现状与挑战，汽车基础软件的定义，汽车基础软件的起源与演进以及基础软件支持“软件定义汽车”的早期形态四个方面来进行了分析，表明目前国内汽车基础软件仍然较为薄弱，但仍然大有可为。（来源：极术社区汽车电子与软件专栏）
相关阅读
更多内容可关注极术通讯专栏
