从年初开始,我就以在职状态修计算机科学(CS)硕士学位了。这个学期的必修课是“数据结构与算法”,主要是以Python为载体。学期初就在问多年老码农:学习这东西用Mac好,还是用Windows好。单就生态来看,PC选择上投靠x86好像还是更不错的选择——而且这还没谈到老黄的生态。而性能方面,这两年AMD、Intel、苹果在PC处理器上真的内卷得还挺厉害。

从年初开始,我就以在职状态修计算机科学(CS)硕士学位了。这个学期的必修课是“数据结构与算法”,主要是以Python为载体。学期初就在问多年老码农:学习这东西用Mac好,还是用Windows好。朋友回复,如果只是Python的话都可以。

似乎在涉及Java和Python的两门课起初,我都发现环境搭建是完全可以使用macOS的。不过未来随着课程深入,到以后学机器学习相关的内容,则对于平台的选择牵扯到两个问题,一是生态,二是设备性能。而且这两个问题有时又是相互关联的。

前不久有个up主发了个评测视频《i5轻薄本够写大作业吗》。他主要测试的是Python - sklearn和Matlab库,依赖于Intel oneAPI和MKL(Math Kernel Library)数学加速库。跟老码农朋友聊天时,他也提到了Intel的这个MKL库很优秀。而且去年Intel还给sklearn搞了个扩展插件sklearnex,据说能够让sklearn瞬间就加速几十到几百倍。有兴趣的同学可以去看一看这则特别面向机器学习、数据分析“作业”的视频。

在CS学习上,单就生态来看,PC选择上投靠x86好像还是更不错的选择——而且这还没谈到老黄的生态。

而性能方面,这两年AMD、Intel、苹果在PC处理器上真的内卷得还挺厉害。12代酷睿为CPU加入E-core效率核心以后,消费产品的处理器核心数飙升。我记得2017年轻薄本都还在用双核处理器。眼见5年后的今天,不少笔记本的CPU都有14个核心了。其实多核对某些应用而言没有太大意义,但对机器学习、数据分析相关的工作和作业,那就很重要了。

最近拿到一台Dell灵越7420(灵越14 Plus),处理器是酷睿i7-12700H,显卡GeForce RTX 3050。用了几天又让我开始在想,基于性能考量,未来几年的学习停靠在哪个平台为好。所以拉来手上的M1版MacBook Air来做个性能方面的比较。

对比双方

展开正题之前说3点。第一是用灵越7420和MacBook Air比,就芯片和系统用料来看,其实是不公平的。前者是个标压14核处理器,外加光追独显(虽然是最弱的);后者是个低压处理器(M1峰值功耗25W CPU + 10W GPU)。

灵越7420左右两边都有散热孔和鳍片,不过后方位置看起来像散热孔的格栅(右下图),该位置内侧并没有散热鳍片,也非出风或进风口,似乎是为了与Dell其他型号的设备保持外观的一致性而存在的

灵越7420在形态上属于全能本,而非轻薄本——从机身左右两侧的散热鳍片,也能看出它是看重性能释放的——虽然在体态上,这款笔记本更靠近轻薄本。我感觉要和灵越7420比,相对科学的对比对象是MacBook Pro 14"。两者都是14寸笔记本,后者也应用了M1 Pro/M1 Max这种规模更大的处理器。

但我手上就只有MacBook Air,而且是M1版。另外要考虑到两者的价格问题,灵越7420(酷睿i7-12700H + GeForce RTX 3050)目前的售价是8499元;MacBook Air(M1 7核GPU + 16GB RAM)的价格是9499元。从成本角度,也得在意一下两者的不均衡性。毕竟最低配的MacBook Pro 14"价格也要14999元。

以下的部分对比中,我也会加入其他媒体和评测机构已公开的M2和M1 Max跑分成绩,作为对比。但要注意,我无法确保与其他机构的跑分环境一致,援引的数据仅供参考。而且事实上,Air的跑分还是有对比价值的:包括反映macOS/苹果生态,及其实际性能。

第二,这次的对比还是涵盖了比较普适的办公、内容创作和游戏等应用。其实针对CS,我原本想测个AI Benchmark的,因为TensorFlow不都能支持M1 GPU加速了么?当时就有一大堆果粉在吹如何X爆老黄。但研究了一下,发现一套测试跑下来要好久——所以针对AI Benchmark,我未来会写一篇专门的对比文章(如果我还没被学校开除的话...)。所以感觉这篇文章有点标题党。

内部的散热用料看起来还是相当充沛

第三,灵越7420只作为载体呈现两个阵营的差异。所以我不打算把注意力过多放在灵越7420的整体体验上——其实就这款笔记本能说的点还挺多的,比如品质感不错性能释放也不错;但某些组成部分的用料诚意不足——比如2240x1400 300nit 60Hz的屏幕;还有铠侠KGB50ZNS512G的SSD固态硬盘——我用HD Tune Pro测了一下,20G+就出缓...

MacBook Air的主要配置就不列了,手边这台处理器是7核GPU版的M1,内存选配16GB,SSD 256GB,操作系统macOS 12.4。在M2版MacBook Air出来以后,M1版也没降价,挺保值...列一下这台灵越7420(灵越14 Plus)的主要配置:

▪ CPU:Intel酷睿i7-12700H(6 E-core + 8 P-core,14核20线程;P-core 2.3GHz基频,4.7GHz睿频;96EU Iris Xe核显;24MB L3 cache)

▪ GPU:英伟达GeForce RTX 3050,4GB VRAM

▪ 内存:16GB DDR5-4800(4 Bank Group)

▪ SSD:KGB50ZNS512G NVMe KIOXIA 512GB

▪ 屏幕:2240 x 1400 60Hz 14寸(标称300nit亮度,sRGB色域,来自京东方)

▪ 电池容量:64Wh

▪ BIOS固件版本:1.2.0

▪ 操作系统:Windows 11 Pro 21H2 22000.795

以下所有测试基于Windows系统设置的“最高性能”,以及My Dell应用“Power”选项选择“Ultra Performance”。(虽然好像这个设定有点问题,下文会提到)

内存,无线网卡与闪存;内存为板载8GB DDR5-4800,外加一个可扩展的内存插槽,最高支持到40GB这个闪存给的相当没有诚意

一段Python代码测试

既然是CS学生的选择,还是得意思一下做个测试。测试用例来自一家名叫Benchmarks Game的个人blog,上面有一大堆各种各样的算法。这里选择一段Python代码——这是一段单纯针对CPU的压力测试。

有兴趣的可以点击链接自己测试,测试过程也比较简单,有Python3环境就可以。我的测试方法是在Windows 11以及macOS 的命令行终端里面敲指令来给这段代码的执行过程计时(跑20000次)。虽然要让这类测试真正有意义,恐怕还需要更多样本,但作为我们未来性能测试的示例——也算是个不错的开端吧。

这是个过程比较短的测试,所以理论上MacBook Air受被动散热(即不带风扇)的影响应该会更小。不过在代码跑起来伊始,MacBook Air的CPU封装温度就很快达到了100℃,灵越7420的风扇叶也猛吹起来。

值得一提的是,鉴于Linux操作系统(比如Ubuntu)通常在这类负载中存在效率优势,所以在Windows 11操作系统里,除了直接用Powershell来跑,我另外也特别借助Windows Subsystem for Linux(WSL)的Ubuntu来执行该测试,得到如下结果:

这应该算是个完全意料之中的结果吧,毕竟M1的CPU架构(Avalanche大核 + Blizzard小核)也有2年历史了;且基于其核心数量和规模(4大核+4小核),无论单线程还是多线程性能,放在今年都已经不大够打。

不过WSL展现出来的效率优势,还是让人慨叹:大概的确用Linux来学CS会比较好。理论上,用原生Ubuntu操作系统来执行这段代码,还能获得更高的效率。这个结果实际上也表明,“系统测试”真的并不单纯看底层硬件算力,而和平台及中间层的效率和策略也有极大的关系。

但值得一提的是,灵越7420在不插电的时候,电源策略似乎令其产生了较大程度的性能颠簸。不外接电源,在WSL子系统中跑相同的代码,耗时1分32秒,虽说还是比MacBook Air要好,但远慢于插电场景的性能。

单纯从CPU-instensive的任务负载来看,有CPU性能需求的CS学生,其实的确不应该考虑MacBook Air这类型的低压本(13寸MacBook Pro同理)。往高年级去,数据分析和机器学习愈发着重多线程性能和硬件加速,则更是如此。

今年的全能本性能发挥,差不多是这样

前菜过后,还是先来看看灵越7420这台笔记本的性能释放水平,以对其整个系统的性能发挥有一个基本的认知。毕竟当大家都用酷睿i7或i9处理器,还是会因为尺寸、散热与系统设计、调度策略等的不同,而存在性能发挥方面的巨大差异。比如游戏本的酷睿i7-12700H,和灵越7420这种偏轻薄向的全能本应用i7-12700H就大不一样。

这台笔记本标配了一个130W的电源适配器,至少表明在性能方面是有追求的。从HWiNFO提供的信息来看,Dell为这台笔记本CPU设定的PL1功耗45W,PL2 80W。为了解CPU性能释放水平,我尝试在这台电脑上跑4轮Cinebench R23(每两轮之间间隔3秒左右),并用XTU记录CPU的封装功耗与温度,得到下图:

从功耗曲线来看,第一轮测试,灵越7420的酷睿i7-12700H是可以在不到2秒的时间里触碰到80W这个功率上限的;随后会有10几秒在72W附近震荡;在67W附近又摇摆了6秒左右,一路跌到55W直至这轮测试结束。

第二轮测试能摸到75W,后续在53W附近起伏;第三轮的持续稳定状态在50W左右;第四轮的稳定状态就跌到了45W。

从单烤测试(AIDA64 FPU压力测试)来看,这台笔记本的CPU稳定状态就在45W功率水平上。

这种程度的性能释放在14寸轻薄向的全能本里算是还不错的了。只不过从温度曲线来看,灵越7420似乎一直试图将CPU的封装温度控制在80℃附近(测试环境温度:22℃),所以CPU每次刚碰到100℃温度墙,就会立刻降到80℃——第四轮测试的稳定态干脆就是在80℃水平线上,也不去碰100℃了。

这就属于性能释放比较保守的策略了,因为无论温度还是功耗都仍有余量。而且就使用体验的角度来说,键盘和掌托区域都不会有温度感知方面的压力。不过从后面的系统测试来看,性能发挥并不成为灵越7420的问题,所以这种程度的控制也没什么问题就是了。

除了CPU之外,灵越7420还有个耗电大户:GeForce RTX 3050 GPU。从单烤GPU测试(FuMark压力测试)来看,这颗GPU的功耗稳定状态就在50W左右——全能本中,这种50W的RTX 3050很常见。对CS学生而言,能配个入门光追显卡,在通用计算加速和日常游戏上,都还是相当有价值的。

双烤测试(AIDA64 FPU + FuMark压力测试),稳定状态下CPU和GPU的功耗分别为20W和50W,两者总功耗始终维持在70W的水平线上。噪声控制也还不错,双烤时笔记本内的两个风扇一起高速运转,在常规坐姿位置,人耳听到的噪声大约是46dBA。

不过我在测试中也遇到了一个小问题:单烤测试时,CPU的功耗会突然掉到了25W,此时封装温度不过65℃,风扇转速明显放缓;在1-2秒后又回到45W。这件事也出现在了我玩《原神》游戏的过程里:

以灵越7420的配置,要以高画质跑《原神》,问题还是不大的(虽然《原神》这个游戏,监控显示的60fps感知上还是不怎么流畅,可能和帧生成时间有关;私以为50W 3050以高画质玩《原神》仍然算不上好体验)。

但在某些时间点,帧率会骤降到十几帧。此时观察CPU和GPU功耗和温度,双方都在偷懒:GPU和CPU的功耗都降到了10W附近,两者封装功耗都不到60℃。

个人猜测这是Dell的电源策略问题:似乎在My Dell 应用中把电源选项设置为“Optimized”会大幅减少这一情况的发生。因为我始终把电源设定在“Ultra Performance”档,所有的测试结果可能都会受到这一问题的不良影响。期望后续BIOS固件更新能解决这一问题。

生态仍然是苹果的痛

了解完灵越7420的性能发挥水平,对跑分成绩其实也就大致有了基本预期。先来谈谈GPU部分。

GeForce RTX 3050 Laptop是英伟达Ampere架构光追卡里最入门的一款——虽然在数字上只跟3060差了10,但性能水平就要差得远了。而且要注意这是个功耗限定在50W的3050。

之前苹果一直在说M1 Max的GPU堪比RTX 3080 Laptop,M1 Ultra GPU则媲美RTX 3090。我也一直很想知道,苹果M1 GPU和最入门的光追显卡比起来性能怎么样。如果只看图形理论性能的话,大致是下面这样的:

 

* 注:M1 Pro与M1 Max的跑分来自PCMag

M1 GPU达到这样的3DMark跑分已经算是很优秀了,毕竟其GPU全力输出功耗也才10W。基于RTX 3050和M1的图形理论测试分,后续所有包含GPU加速的测试,都似乎可以预知结果:何况英伟达还有CUDA生态这种怪物级别的优势项。

如果加入生态差距,则碾压幅度能够在Geekbench 5 Compute渲染与Blender渲染测试里表现得淋漓尽致。而且CS专业的学生,应该也更关注GPU的通用加速性能,而非单纯的图形计算性能吧:

注:M1 Max测试结果来自Linus Tech Tips

实际上M1 GPU在规模上是比Intel酷睿处理器Iris Xe核显更大的,所以前面的3DMark WildLife Extreme测试,残血的M1 GPU超过Iris Xe并不奇怪。但一旦考验生态,苹果GPU就会被吊打。

不仅是M1 GPU在Geekbench 5的通用计算加速测试里被Intel核显赶超(但请注意,这是7核GPU版M1),而且RTX 3050这种入门独显在这项测试中的成绩都和满血版M1 Max差距不大——要知道灵越7420和MacBook Pro 16”这两者在产品定位、价格、GPU芯片面积方面是有巨大不同的。

与此相关的另一个测试是Blender渲染测试。此前苹果在构建其Metal生态的过程里,已经加入了Blender基金会。之前看到报道说Blender 3.1完全适配了Apple Silicon——虽然当时针对M1的Blender 3.1测试,得到的渲染成绩仍然惨不忍睹,但据说后续的补丁让M1跑Blender的效率大幅提升。

于是我下载了最新的Blender Benchmark Launcher,跑了最新的3.2.1版本,得到如下结果:

新版Blender的benchmark和此前2.x版本的差别还是挺大的,测试流程也短了很多。这个结果相当出人意料。

不知是否Blender的支持问题,或我的理解有问题。即便Blender如今的benchmark程序已经支持M1 GPU跑测试,最终其得分和用CPU跑并没有太大差别;而且连酷睿i7-12700H的CPU都不及。

我去Blender官网看了一眼,他们做了个跑分天梯曲线,M1 Max/Ultra的位置都相当匪夷所思。看样子优化还没跟上?

当然了,每次都追着Geekbench和Blender这俩渲染加速测试去做,似乎是有失偏颇的。既然苹果GPU已经在AI生态上有所进展,以后我们的测试也将会把AI Benchmark加进来——虽然感觉那是个大活儿…

但至少就目前来看,除了视频剪辑之类的多媒体创作以外,x86 PC周边生态在GPU上的显著优势仍将长期存在。这应该是在深入CS,乃至更多分支领域学习时需要考虑的问题。(虽然像CUDA这种东西不能归属于x86或Windows生态的优势项,但这里在比的是Mac与其他;而PC这一刻仍主要是x86的天下)

GPU图形计算相关的游戏测试,我也做了不少,就不多做点评了:看图即可,基本都在预期中。其中部分对比可能有变量控制不佳的问题,比如macOS版的《CS:GO》画质选择,以及不同游戏的分辨率选择在两个平台下存在少许差异——只能确保是接近1080p。灵越7420其实也不是游戏定位的笔记本,自然没有独显直连支持。

这其中的《全面战争:战锤3》是前一阵发布、专为Apple Silicon优化的——在推荐画质(应该是介于低和中画质的一种选择)1080p分辨率下,能以锁30fps的帧率来玩,体验上的确还行。只不过此处为了对比,都选了较高的画质和分辨率来跑游戏中的benchmark。前不久的M2版MacBook发布会上,Capcom也为苹果站了台,苹果的GPU游戏生态或许还有可期的余地。

GeForce RTX 3050虽说被不少数码爱好者骂得很惨,但有tensor core(DLSS)加持,大部分3A游戏降一降画质也是可玩的。像DLSS这样的超分技术,对于像RTX 3050这样定位的显卡而言的确很不错。

图形性能测试还有个SPECviewperf 2020,都是一些工业专业应用,基于OpenGL和DirectX去跑的。测试结果呈现,主要期望给出RTX 3050(50W)在这些应用中的具体性能表现,跟CS关系没那么大,不过相关专业的同学可以拿这些分数,去和其他公开的成绩作对照:

CPU性能与综合系统性能测试

其余测试项都比较常规了,主要包括CPU理论性能测试,和办公、多媒体创作的系统性能测试。好像能说的不多,主要让各位同学感知下当前两个阵营的笔记本处理器性能发挥情况:

* 注:M2M1 Max测试成绩来自CPU-Monkey

Cinbench与Geekbench的测试结果有差异,毕竟这两者的测试内容区别还是比较大的。不过基于结果来看,Windows笔记本的性价比优势那真是相当大啊。

仍需强调,苹果M系列芯片在能效方面仍有优势,主要是整个系统处于低负载下的功耗可以很低;Intel的这代芯片虽然高负载的效率不错,但低负载区间的效率表现一般,而且System Agent功耗控制并不好,导致标压笔记本的续航似乎普遍不够出色。

反映多媒体创作的PugetBench测试对比结果还挺让我意外的,因为此前看到不少苹果用户都在说M1在多媒体创作过程里的彪悍性能,是足以比肩30系光追GPU的。但起码从我的测试来看M系列芯片在多媒体创作上也没有那么神。

虽说Adobe全家桶对苹果生态算不上友好,但macOS平台的Adobe用户应当也不少。而且Premiere Pro的测试结果总让我感觉PugetBench的测试项是否没有那么合理:因为苹果在视频剪辑与后期方面的优势似乎已经被很多人证实了。我还特意拆开看了看PugetBench Premiere Pro测试的几个分项:

* 注:MacBook Pro 16”的测试成绩来自PugetBench官网

从视频回放、后期特效等多个角度来看,M1这种小块头似乎都无法和有光追独显加速的系统相比。不知道苹果生态内的Final Cut Pro是否能够颠覆这一结果,毕竟咱也不怎么做视频。

但还要多说一句,Pugetbench当前应该是不支持Apple Silicon原生版本的Adobe全家桶的,所以这个测试都经过了Rosetta转译——基于先辈们的测试,经过Rosetta转译的PS、PR等应用性能也都还行。不过也听说原生M1支持的Adobe套装在性能上有较大程度的提升,这一点还是需要注意的。

除PugetBench测试以外,本文出现的所有涉及到MacBook Air的测试均为Apple Silicon原生支持。

最后给出办公与综合系统性能测试,包括PCMark 10现代办公和CrossMark测试(现在难得有跨平台的反映日常使用的真实场景测试):

其实就CPU与GPU性能、生态角度来看,Mac设备对我们这类人的性价比还是太差了,即便它在续航、发热以及设备外观方面还是有不小的优势。当然或许我们的对比还是太过普适了(所以有点标题党),因为苹果一直以来似乎都信奉“服务好那10%的人就好”,比如M1 Max/Pro在媒体引擎上的硬件堆料,就是要吸引媒体创作者。

其实在那10%以外,苹果芯片的性能和效率真的没有传说中那么神。有时候性能也还是其次,比如M1 Max/Ultra上给GPU堆了那么大的die size,用武之地仍然不大,也表明很多问题远不只是芯片的问题。

开题说“学CS专业”,未来的关键都在生态支持上。可能CS、软件工程什么的还是太泛,在某些计算机相关的细分领域,生态依赖问题更大,Fortran和CUDA都是其中的例子…不过我们这部分人,大概也不是苹果预期覆盖的目标群体。

责编:Luffy
本文为EET电子工程专辑原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 最后统统沦为游戏本,吃鸡杠杠的。。。
  • 乱写,学计算机10年前随便的老笔记本电脑就行,专注研发学习。
    我老研发都行,就不相信你一学生没有高配置就不能用。
  • 就怕博士都毕了业,也没充分发挥电脑的性能
  • 小白表示,从来没有考虑过这个问题…
阅读全文,请先
您可能感兴趣
各大厂商自研芯片并非真正自己“造芯片”,而是通过参与芯片设计,把芯片制造环节外包给芯片代工厂商,以真正实现自身定制化功能需求,同时减少对一些芯片大厂的依赖。特别是一些芯片工艺不高的芯片,未来中国厂商完全可以加大与本土芯片代工厂商合作,在降低芯片成本的同时,获得更大的生产自主权。
当代面向PC、手机的处理器,通常都会采用多级cache设计。比如高通骁龙处理器、Intel酷睿处理器,CPU部分都会有L1、L2、L3 cache。其中L1 cache最接近处理器核心,数据存取最快,容量也最小;接着是L2 cache,容量比L1 cache大很多,但速度会稍慢;L3是此类处理器的最后一级缓存系统(LLC),容量最大,但速度也最慢。
创意电子 (GUC) 宣布,使用 SK 海力士 (SK hynix) 首次发布的 HBM3 样本,完成了 7.2 Gbps HBM3 解决方案的流片验证。该平台于台积电 2022 技术论坛北美场 (TSMC 2022 NA Technology Symposium) 展示,包含 HBM3 控制器、物理层、GLink-2.5D 晶粒对晶粒接口,以及 112G SerDes。
机器人已经融入到了我们生活的方方面面,现在酒店、餐饮、娱乐、工业、汽车自动驾驶等各个领域都有机器人在为我们服务。机器人越来越智能,应用场景也越来越多。 6月29日,由Aspencore与深圳市新一代信息通信产业集群联合主办的AIOT 2022国际生态发展大会-智慧机器人分论坛上,毕业于中山大学和荷兰代尔夫特理工大学,曾是光刻巨头ASML光刻过程控制算法的创始团队成员,现任深圳阜时科技有限公司CTO王李冬子先生分享了SPAD芯片在机器人LiDAR领域的应用。
意识到没有必要精确复制神经元,再加上DVS摄影机的开发,是今日神经形态视觉系统背后的驱动力。不过现在虽然已经有系统问世,在我们拥有可供商用、完全像是人类的计算机视觉技术之前,还有很长的路要走。
近日谷歌挖走了在IBM工作了21年、负责IBM Z System芯片的首席架构师安东尼·萨波里托(Anthony Saporito),担任其首席架构师,负责下一代处理器设计。
由于采用性能相对强大的M1处理器和mini-LED屏幕以及更多的创新,新款iPad Pro 2021已经成为消费者心目中最受欢迎。然而,iPad 2却已经在全球范围内被列入“复古和过时”的名单中。
目前来看,折叠屏新机作为一种新的生产力工具,逐渐成为高端/平板的一种趋势,有报料称三星的Galaxy Z Fold 3发布时间或为7月,并且会引入新手势操控。

智能手机是目前CIS产品最大的应用市场,其成像系统始终在进行强劲升级。据Counterpoint Research预测,未来每部智能手机的CMOS图像传感器(CIS)含量将平均扩大至4.1。同时更强大的芯片组、成像性能的突破以及软硬件的进步等多因素的综合作用,将不断为手机市场的消费者提供更好的成像体验。
2022年7月18日和19日,人民日报客户端和新华社新华网新华号、羊城晚报、凤凰网等主流媒体,先后转发了宋仕强先生的原创文章《华强北研究》。人民日报客户端文章名称为《宋仕强
2019年,小米率先商用1亿像素传感器,首发机型是CC9 Pro。当时,小米集团中国区总裁卢伟冰预言,高像素方向是对的。随着时间推移,几乎所有主流手机品牌都全部跟进了一亿像素,用时间证明“高像素方向是
7月26日,瑞典林雪平大学官网宣布,他们衍生的氮化镓公司Swegan已成功获得1.25亿瑞典克朗(约8216万元人民币)的投资,资金将用于扩大员工数量(目前公司约有20名员工),并建设新的生产线。##
电子万花筒平台核心服务 中国最活跃的射频微波天线雷达微信技术群电子猎头:帮助电子工程师实现人生价值! 电子元器件:价格比您现有供应商最少降低10%射频微波天线新产品新技术发布平台:让更多优秀的国产射频
01前言:PC电源知多少个人PC所采用的电源都是基于一种名为“开关模式”的技术,所以我们经常会将个人PC电源称之为——开关电源 (Switching Mode Power Supplies,简称SMP
2022年Q2中国智能手机销量创下新低;荣耀逆势而上,销量翻番分析师:  IVAN LAM中国智能手机销量在 2022 年第二季度创下新低,未及2016 年第四季度创下的历史峰值销量的一半。上一次出现
长期以来,OEM 虽然作为客户,但供应商的很多细节都是不开放的,要么拿保密搪塞,要么制作一个客户版本来交差。总之,想了解到供应商的真实开发情况很难,特别是对于一些强势的软件产品Tier 1。随着汽车市
本文授权转载自公众号“车轮上的电脑”,作者Max Tao1什么是人脸识别人脸识别,即生物特征识别技术(biometric recognition or biometrics) 是指利用个体与生俱来的生
01 各组别成绩电磁四轮专科序号学校名称队伍名称最好成绩次好成绩最终成绩1重庆交通职业学院交融世界一队20.16420.57520.3702重庆电子工程职业学院的卢23.97724.34524.161
五分钟了解产业大事1【音视频、信息通信等设备新国标提高设备安全要求】7月27日,市场监管总局召开专题新闻发布会,介绍了《音视频、信息技术和通信技术设备 第 1 部分:安全要求》这一新修订的强制性国家标
    关注、星标公众号,直达精彩内容文章出处:Qt小罗整理:李肖遥1 需求描述实现USB设备的热插拔状态检测;可识别USB设备信息,例如PID、VID、设备序列号等。几年前在CSDN上分享过,被CS