被高通收购的硅谷明星创业公司NUVIA

一次实时数据链路丢数排查:从 MQTT 队列积压到 SQL 统计开销 本文通过一次实时数据链路压测,排查了从MQTT到ClickHouse的端到端数据丢失问题。核心方法是为每条消息添加序号,建立独立观察点(MQTT订阅端、Kafka消费者),结合转发服务阶段统计与线程栈分析,定位到下游处理速度不足源于Druid SQL合并统计的高开销。优化措施包括关闭SQL合并、扩容代理队列、增强生产侧失败处理,并验证15分钟内实现全链路对账一致,显著缓解积压与丢包。关键收获:数据可对账、明确各阶段“成功”定义、关注客户端队列状态。 阅读详情

2021年1月13日,圣迭戈——高通公司(Nasdaq: QCOM)宣布,其子公司高通技术公司已签订最终协议,将以约14亿美元(营运资本变动和其它调整前)收购NUVIA。该交易的最终成交遵循业界惯例,包括依照修订后的《哈特-斯科特-罗迪诺反托拉斯改进法》(1976年)通过监管审批。

高通公司总裁兼候任首席执行官安蒙表示:“5G、计算与移动架构融合、移动技术扩展进入其它行业,对于高通而言都是重要的机遇。NUVIA团队是公认的创新者,正如高通一样,他们也拥有创造领先技术和产品的深厚积累。我非常欢迎他们加入高通团队。我们将整合优势,重新定义计算,着力支持我们的生态系统合作伙伴不断创新,为5G时代打造全新的产品和体验。”

高通公司首席技术官Jim Thompson表示:“打造高性能、低功耗处理器和高度集成的复杂SoC是高通DNA的一部分。通过引入NUVIA对高性能产品设计的深刻理解,集成NUVIA CPU与骁龙,再加上高通已有的业界领先的图形处理和AI技术,我们将把计算性能提升至全新水平,并为适用于众多行业的产品组合带来全新功能。”

作为交易的一部分,NUVIA创始人Gerard Williams III、Manu Gulati和John Bruno及其员工将加入高通公司。

NUVIA首席执行官Gerard Williams表示:“CPU性能的领先对于定义和实现全新的计算技术创新至关重要。NUVIA和高通的结合,将汇聚业界顶尖的工程人才、科技和资源,共同创造全新水平的高性能计算平台,为行业树立标杆。我们对未来的机遇倍感兴奋。”(摘自高通官网)

我们先简单看下这家公司的成立到收购的时间线

2019年2月, Gerard 从苹果公司离职,开始筹备新公司

2019年11月18日:NUVIA公司宣布获得A轮投资 5300万美元($53M)。

2019年12月,苹果公司把Gerard告上法庭,称其不正当竞争和窃取商业机密。

2020年8月,发布自家ARM架构 CPU Phoenix和 Intel/AMD/Apple CPU的性能对比。但是Phoenix并还没有实物,性能只是按照模型预测出来的。

2020年9月25日: 获得B轮投资 两亿4千万美元。

2021年1月13日:被高通 14亿美元收购。

公司简介

Nuvia, Inc.是一家芯片系统工程和芯片设计商,公司重新构想芯片设计以创建新型处理器,该处理器可提供为下一代计算时代提供动力所需的性能和能效。NUVIA的芯片产品定位是为数据中心提供行业领先的性能和能效。其代号为“ Orion”和“ Phoenix”的领先的SoC和CPU内核,旨在在实际云工作负载上提供业界领先的性能。

High performance silicon design for a compute-intensive world.

融资情况

创始团队背景

Gerard Williams III  CEO

此前曾担任Apple的首席CPU架构师近10年,经历了A7到A14的研发设计工作,包括 Cyclone、Typhoon、Twister、Hurricane、Monsoon 和 Vortex 等架构。外媒有分析称其可能也参与了M1的设计,在加入苹果之前,他在Arm服务12年,参与过Arm体系架构和CPU的研发。

Manu Gulati 高级副总裁

曾是Google首席SoC架构师,在加入Google之前,Manu曾在Apple任首席SoC架构师8年。再之前有在AMD及Broadcom多年技术背景

John Bruno 系统工程高级副总裁

此前是Google的系统架构师,在加入Google前,在Apple负责系统架构方面的工作,之前在AMD和ATI也有多年的经验

产品情况

NUVIA首款产品代号Phoenix,是基于ARM精简指令集打造的产品,NUVIA声称Phoenix core的峰值性能将达到其他core的+50%到+100%,其单核性能把当前市面上几乎所有的主流芯片都击败了。(备注只是宣传数据,实际的芯片产品并未量产)

扎古寄语

NUVIA之前是硅谷的明星创业公司,三位创始人光鲜的履历吸引了很多优秀人才的加入,在大家期待这家创业公司是否可以做出惊艳的产品和老牌的巨头芯片企业PK的时候,就这样被巨头高通收购了,不禁令人惋惜,我们也将持续关注及期待被收购后NUVIA在高通的进展。

多元相关性分析_PAST:最简便易用的统计学分析软件教程目录 欢迎来到PAST的世界!本教程并不是将PAST的所有功能均进行详细介绍,而只是挑选与生物、医学、微生物研究相关的统计学分析内容进行讲述。根据PAST内各项分析的标签分类,将该教程具体设置如下:PAST软件介绍PAST的基本信息数据的输入和修改数据的转换和标准化图像绘制 (Plot标签)点线图和直方图散点图条形图和箱须图饼图堆叠条形图三元相图气泡图单变量统计学分析 (Univariate标... 阅读详情

相关推荐

AFSim编译一:windows

AFSim在windows上的编译

Meepo的博客 4734

苹果iPhone 14 Pro「摆烂」幕后大揭秘:A16芯片研发出现重大失败,大佬跳槽后继无人!

苹果A16研发惨遭失败,不得已频频挤牙膏,背后原因,竟是那个男人的出走。曾几何时,每一代iPhone的推出,性能的提升都让全世界眼前一亮。不过,自从那个男人离开后,苹果芯片的性能提升明显放缓,甚至趋于停滞……

IT界那些事儿 4093

新手别怕!用‘东北天’和‘右前上’坐标系,5分钟搞懂惯性导航姿态矩阵(含Python验证代码)

本文通过‘东北天(ENU)’和‘右前上(RFU)’坐标系,详细解析惯性导航中的姿态矩阵概念。包含Python代码验证,帮助新手快速理解坐标变换、欧拉角及旋转矩阵的构建与应用,特别强调有限转动不可交换性与无限转动次序无关的区别。

weixin_29062255的博客 332

苹果首席芯片设计师离职 曾领导自A7以来所有芯片设计

【TechWeb】4月2日消息,据国外媒体报道,苹果的平台架构设计高级总监、首席芯片设计师Gerard Williams III已于最近正式离职。他此前已在苹果工作了9年。 苹果 Williams自iPhone 5S上的A7处理器到最新iPad Pro中的A12X,一直都是担任开发领导的角色。A7是第一款用于...

优快云头条 292

【3D目标检测】MMdetection3d——搭建IS-Fusion环境+nuScenes数据集训练

搭建IS-Fusion环境+nuScenes数据集训练

qq_44703886的博客 2323

基于YOLOv8的农作物病虫害检测系统设计与实现

国内如中国农业大学的科研团队采用改进的Faster R-CNN模型对小麦病害进行检测,取得了较好的效果。农作物病虫害是影响农业生产的重要因素之一,每年因病虫害导致的农作物减产高达20%-40%。YOLO(You Only Look Once)系列算法作为目标检测领域的代表性模型,以其高效、准确的特点在众多领域得到广泛应用。YOLOv8作为该系列的最新版本,在精度和速度上都有显著提升,非常适合农作物病虫害检测这类需要实时处理的应用场景。然而,现有研究仍存在一些不足:一是模型复杂度高,难以部署到移动设备;

YOLO 794

通向成功之路 -- arm服务器,网络,超算芯片

​ 颠覆创新之路从来都是坎坷的,但成功已经到来。 一文呈现arm服务器,网络,超算的芯路历程。 2018年我写了两篇有关arm服务器芯片和平台的文章, Arm服务器, HPC: 未来可期 Arm服务器,HPC未来可期-平台 2年过去了,虽然有些变化,总体上来说arm和其合作伙伴在服务器,网络和超算芯片,平台上取得了明显的进步。 特别是arm推出的针对基础设施(Infra)的Nevoerse处理器和平台,得到了市场的认可和采用。最近推出的Nevoerse V1和N2更是兑现了arm针对.

weixin_39366778的博客 500

rk3588 适配音频解码芯片 ALC5616

在 RK3588 的高性能方案中,选择 **ALC5616**(来自 Realtek 瑞昱)通常意味着项目更侧重于**音频性能的稳定性**以及**全球供应链的通用性**。

weixin_35723192的博客 143

获1.15亿美元C轮融资,硅谷明星公司News Break成新晋独角兽

热点追踪/深度探讨/ 实地探访 / 商务合作2021年1月7日消息,美国最大的本地新闻信息平台、总部位于硅谷的明星公司News Break宣布完成1.15亿美元的C轮融资。本轮由专...

weixin_42255349的博客 688

AI测试入门:如何测试AI对话模型/智能体?「详细介绍」

作为测试人员,我们需要掌握特定的技能和方法来有效地测试这些复杂的AI对话模型和智能体。传统的软件测试方法在这里可能不再完全适用,我们需要开发新的测试策略和技术来应对AI系统的独特特性。在这篇文章中,我们将深入探讨如何测试AI对话模型和智能体。

blues_C的博客 6857

使用ESP32设计嵌入式蓝牙游戏手柄

通过使用ESP32开发板和相关的库,我们可以设计和实现嵌入式蓝牙游戏手柄。连接到该设备后,您可以使用控制器模块的按钮和摇杆等元件来模拟游戏手柄的输入。根据您使用的具体模块和引脚分配,连接按钮和摇杆等控制元件到ESP32的GPIO引脚。ESP32是一款功能强大的微控制器,集成了Wi-Fi和蓝牙功能,非常适合用于开发物联网和嵌入式应用。请注意,本文仅提供了一个基于ESP32的嵌入式蓝牙游戏手柄设计示例,具体实现可能因硬件和需求而有所不同。确保开发板正确连接到计算机,并选择正确的开发板和端口。

CodeMaven的博客 1642

Flink 学习日志 03:自定义一个SourceFunction,完成对Redis中数据的读取

本文介绍了在Flink中自定义SourceFunction读取Redis数据的完整流程:通过Jedis客户端连接WSL2中的Redis服务,编写RedisSource实现循环读取所有Key-value并逐条输出,结合Thread.sleep()实现每秒一条的流式效果。关键步骤包括环境准备、添加Jedis依赖、配置IDEA运行时加载provided依赖,并注意生产环境中应避免使用阻塞的keys *,改用scan命令。最终实现动态读取、实时打印,验证了Flink与Redis的数据集成能力。

木木的学习笔记 418

matlab 受约束的 Delaunay 三角剖分【2025最新版】

matlab内置调用函数实现受约束的 Delaunay 三角剖分并将结果保存为STL文件

点云侠的博客 1875

Day3 - Flink 窗口与时间语义:从滚动窗口到迟到数据处理

水位线是一个特殊的时间戳,代表"小于这个时间戳的数据都已经到齐了比如水位线推进到 10:00:05,就告诉 Flink:10:00:05 之前的数据应该都到了,如果还有晚于这个时间到达但时间戳小于 10:00:05 的数据,就是"迟到数据"。窗口大小固定,窗口之间不重叠,数据只属于一个窗口。时间线: 0 10 20 30 40 50 60窗口1: [--------)窗口2: [--------)窗口3: [--------)窗口4: [--------)

YEEMOLY的博客 247

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

智能问诊的流程

本文介绍基于FastAPI构建的医疗多Agent系统MediAgent,通过症状分析、诊断推理与治疗建议等模块协同,实现从问诊到报告生成的完整工作流。系统采用前后端分离架构,结合MySQL、RabbitMQ与Docker实现工程化部署,支持异步化验结果接入。虽当前状态暂存于内存,但已具备可扩展性,未来可通过Redis持久化、消息队列联动及医疗安全机制完善,应用于慢病管理、辅助决策等场景,推动AI在医疗流程中的落地应用。

Joey 的工作空间~ 670

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

行业研究报告采购避坑指南:从需求拆解到机构选型的实操逻辑

先说结论:买行业研究报告这件事,坑不在“哪家便宜”,而在“你拿到的数据能不能回答你的问题”。作为一个经常帮企业做采购决策的顾问,我见过太多花了几万块买回一堆PDF却用不上的案例。这篇文章把采购流程拆成五步,每一步告诉你该看什么、该避什么,尽量帮你少交学费。

2601_96585642的博客 222

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

深入浅出聊聊 Linux 的 PageCache 与系统极致性能

本文深入浅出解析了 Linux PageCache 的核心机制,揭示其如何通过“延迟写、预读读”提升系统性能。以监控告警为切入点,阐明 free -h 中 buff/cache 并非真正占用,真正可用内存由 available 决定。结合 Kafka、Elasticsearch、MySQL 等实战场景,说明中间件如何依赖 PageCache 实现极致性能。强调不可手动清理缓存,并建议合理调优脏页参数,避免卡顿。最终指出:内存满≠危机,而是系统高效运行的体现。

小小默:进无止境 468

代购系统改造:服务无状态化、分级隔离

代购系统因链路长、流量脉冲、写放大等特点,高可用设计需聚焦“消灭单点”。通过服务无状态化、分级隔离、数据库与消息队列容灾、监控告警与混沌工程验证,实现MTTR降至3分钟内,支付成功率超99.9%。核心经验:缓存雪崩防于过期策略,跨地域用短TTL GeoDNS,支付降级必须幂等。高可用本质是持续检验“无单点”假设的闭环体系。

2601_95706522的博客 161

ubuntu安装hadoop系统

本文详细介绍了基于VMware克隆虚拟机搭建三节点Hadoop分布式集群的全过程:使用同一Ubuntu镜像克隆出master、worker1、worker2三台虚拟机,依次配置主机名、固定IP(如192.168.82.10/11/12)、SSH服务及免密登录,确保节点间网络互通。随后安装Java,下载配置Hadoop并分发至各节点,最终初始化启动集群,验证其存储与计算功能,实现高效的大数据环境部署。

qq_43592674的博客 329

Elasticsearch:稠密向量字段类型

dense_vector字段用于存储稠密向量,支持k近邻搜索(kNN),默认启用索引并使用余弦相似度。可接受浮点数数组或Base64编码字符串输入,支持自动量化(如int8、int4、bbq)以降低内存占用。通过index_options配置索引类型(如hnsw、bbq_disk),并可启用过采样与重新评分提升精度。向量默认不存储于_source中以节省空间,可通过fields或_source.exclude_vectors显式返回。支持bit向量及GPU加速索引,适用于高维向量场景。

Elastic 中国社区官方博客 269

Day2 - Flink DataStream API 与转换算子:从 Source 到 Sink

实现或@Override// 发射数据@Override// 使用用自定义逻辑聚合,比 sum/min/max 更灵活。// 求每个用户的总消费金额reduce 的输入和输出类型必须相同。Flink 会把满足条件的相邻算子合并成一个 Task,在同一个线程里执行,减少线程切换和网络开销。合并条件上下游并行度相同;分区策略是 Forward;没有被用户手动断开。

YEEMOLY的博客 156

【消息队列】ACK确认了什么:消息队列可靠投递的完整链路

本文剖析消息系统中ACK机制在生产者、Broker、消费者三段链路中的作用,指出即使三段确认均正确配置,系统仍只能提供“至少一次”可靠性。原因在于重试、崩溃、重平衡等场景会导致重复投递,而“恰好一次”需依赖业务侧幂等性保障。关键结论:ACK仅保证不丢,不重复需靠唯一键、去重表或状态机等业务设计实现。

2503_94545876的博客 696

kafka指定分区消费

【代码】kafka指定分区消费。

hy_208的博客 56

数据科学与大数据技术专业有哪些比较好考的证书?

如果目前还没有明确方向,建议先完成Python与SQL基础学习,再选择一张与目标岗位最接近的证书。不要为了增加简历条目,在同一阶段同时准备多个不同技术方向。以数据分析方向为例,可以参考2025版CDA证书大纲安排基础学习:先掌握业务数据结构、数据库应用和统计分析,再进入指标体系、看板和用户分析。具备一定项目经验后,再学习二级涉及的统计检验、模型评估及数据治理。2025版教材介绍强调了思维、技术和实践的结合,适合用于组织学习;2027年的具体考试范围、报名条件和安排,则应依据届时发布的信息制定计划。

YangYang9YangYan的博客 331

如何在用户认证系统中使用 ElasticSearch 提升

本文介绍了如何在一个典型的企业级应用——用户认证与权限管理系统内引入并运用 ElasticSearch 技术来提高查找效率并降低数据库负载压力。读者可以通过了解其基础架构原理、正确配置方式以及典型应用场景从而掌握该工具的基本用法。如果你正在寻找一种更灵活高效的检索方案用于自己的项目当中,请考虑从以下几个方面入手实践: 1. 确认是否有必要引入新的全文搜索引擎;2. 设计好适用于该项目的数据模型以及索引规则;3. 持续优化你的 DSL 查询语句并监控运行状态;

wuchangjian的专栏 173

Flink SQL 窗口表值函数实战:滚动、滑动、累计与会话窗口

在 Flink SQL 中,流数据是无限的,要统计“最近一段时间”的数据,就必须把无界流切分成一个个有界窗口。Flink 1.13 之后引入了窗口表值函数(Window TVF),把窗口本身当作一张表来使用,通过TABLE(...)语法把原表转换成带窗口信息的表,再配合GROUP BY完成聚合。相比早期的语义统一:窗口是一张表,可以像普通表一样查询、过滤、关联。结果可读:窗口表会自动带上window_end三个字段,方便直接输出。性能更好:底层基于窗口聚合算子优化,支持切片共享等机制。

2401_83857914的博客 337
上一篇: 在无人驾驶领域,现在只剩下了两个玩家,欧日都靠边站了
下一篇: 英特尔重入代工行业的底气和挑战,台积电,三星有点慌。
白山头
博客等级 码龄7年 1111粉丝 104原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值