自动驾驶芯片入门-国内外主流厂商介绍

yanyang001

汽车芯片作为一个风口行业，表面上犹如百花齐放，但是很快这场竞争已经进入中场，很快就会角逐出一些少数胜利者，大家的方案也会趋向于胜利者的架构去设计。

对于国家就是要扶持一个高科技点，从而由点及面的推动全社会产业的升级发展，目前来说智能汽车上用到的技术比较先进，且汽车产业能拉动的产业也比较多，所以对于国家产业升级来说其就是一个重点扶持对象，其中复杂的汽车芯片更是难于攻克，我们需要紧跟国家的脚步才能顺应时代潮流，在一生有限的时间内作出一些成就，一段话分享给大家：

一个人要跟一个集体绑定，一个公司要跟一个行业绑定，一个行业要跟国家命运绑定。

上篇文章：自动驾驶芯片入门-基础概念和架构介绍了一些基础知识，本篇就来介绍下国内外的一些主流厂商及趋势挑战。




1. 英伟达



这个可以参考之前的文章：NVIDIA ADAS-英伟达Orin芯片介绍，记住“地表算力最强”就可以了。

2. 特斯拉

这个是车厂自研芯片的代表，自研就可以充分适配自己的算法，把芯片的性能充分发挥出来。可以想象买别人的芯片，需要技术支持的时候有多么的复杂，响应时间有多么长，很多功能不能改，不能看，有时候仅仅能达到能用，会用可能就不错了。自研的好处：

类比苹果：苹果采用了自研的A系列芯片，匹配了iOS系统，和其他诸多手机相比，苹果手机的软件流畅性、硬件能耗等相对 更胜一筹。软硬件融合：芯片算力固然很重要，但在英伟达、Mobileye这样的通用平台上，相关的主机厂、自动驾驶公司并不一定有技 术水平让硬件发挥到100%，而自研芯片能够在研发阶段更好地让软硬件融合、调整，充分发挥软、硬件的潜力。能对核心硬 件有更强的掌控力，在硬件加速上形成差异，更有可能建立起自动驾驶技术的优势。议价能力：整车厂商只有拥有了技术储备才会有议价能力，在自动驾驶数据处理单元技术上，Autopilot 3.0硬件的诞生增强了 特斯拉在该领域的议价能力。这或许也是特斯拉自研芯片的初衷之一。成本控制：Drive PX 2 功耗为 250W，而价格则直接是 1.5 万美元。如果特斯拉选择自己造自动驾驶芯片，那么成规模之后， 有助于降低成本。提高灵活性：芯片产商的厂商的芯片为了满足通用性，开发周期通常比较长，难以满足需求，而自己开发的话，开发周期可 以自主把握，算力需求可以自行设计，无关的通用性接口或者单元可以舍弃，灵活性很高，开发周期更短，功耗也更低。实现芯片自给自足：在缺芯的环境下，自主设计自动驾驶芯片可以解决在自动驾驶领域的芯片自给自足问题。

特斯拉的芯片自研的成功，竞争对手的可复制性很弱，主要原因有：

（1）芯片顶级研发人才很难被车企所招聘，特斯拉有很 大程度是因为马斯克的个人魅力因素，才说服顶级芯片研发人员加入；

（2）自研芯片风险极高，前期投入较大；

（3）如果 不能保证使用的数量，则自研芯片性价比很低。因此，对于绝大多数车企来讲，外购芯片才是更好的解决方案。

特斯拉是从算法需求倒推芯片架构，软硬件一体化实现高效算力。

FSD芯片从算法需求出发，进行了芯片架构设计。其核心技术来源于 由两颗NPU组成的NNA（Neural Network Accelerator，神经网络加速单元）系统。FSD芯片于2019年正式流片，代工厂为三星， 采用14nm工艺，整个芯片约有60亿颗晶体管组成。

NPU具备强大运算能力。在每个计算周期，NPU都会从内置的32MB SRAM中读取256字节的激活数据和另外128字节的权重数 据组合在一起进入乘法累加（MAC），每个NPU都有一个96x96MAC阵列。在完成了MAC的乘法累加运算后，数据将会被转移 到激活（Activations）以及池化（Pooling）部分，并等待写入缓冲区汇总结果。Tesla对于NNA的功耗和成本优化也做了不少的努力。NNA 设计了非常大的片上SRAM缓存，相较于Google的TPU，采用了 256×256的MAC，只有24MB的SRAM。对于这种特殊的设计，Tesla解释这样做是为了让数据尽可能地在片内周转，而不用频 繁地与内存或者其他模块进行读写操作。这样做不但可以提高性能，还可以有效降低功耗。Tesla在NNA的设计中还偏向于将硬件简化，并复杂化软件，这样做可以降低芯片成本，方便后期升级功能。

3. Mobileye

Mobileye成立于1999年，是以色列提供基于视觉算法分析和数据处理来提供ADAS/AD解决方案的全球领先者。其EyeQ系列芯片产品截止2021年底已经总计出货接近一亿片。尽管在L3/L4领域被英伟达和高通压制，但是在主流的L2级别ADAS市场，仍然是霸主。

Mobileye可以通过其名字猜想移动行业的眼睛，由视觉方面的希伯来大学教授创立开始于提供汽车辅助驾驶摄像头以及芯片，于2017年被芯片巨头英特尔收购，现在掌握着全球约80%的高级驾驶员辅助视觉系统市场，汽车支持AEB,车道保持的前置摄像头以及处理芯片都来自于他们，所以自动驾驶也算早就入门了。

Mobileye其中有一个非常重要的东西就是其独创的视觉地图，当然在中国谈数据变色，特别是当前滴滴事件，所以Mobileye的采集地图肯定有风险和阻力，目前Mobileye声明其地图只标记交通信息而不记录其他敏感信息，其数据处理采取和国内紫光集团合作，来规避地区法律风险，当然其他国家同样符合当地法律。mobileye宣传在国内由吉利，蔚来，上汽合作进行视觉地图采集，国外由宝马，日产，大众一起合作。

Mobileye一直采用传感器+芯片+算法”绑定的软硬件一体化的ADAS解决方案模式。这种“黑盒”商业模式的优点是开发周期短，客户可以快速出产品，比较受转型较晚或者软件/算法能力较弱的传统主机厂或者Tier 1厂商欢迎。但是缺点是导致客户开发灵活度下降，不能满足客户差异化定制产品的需求。越来越多的主机厂希望采用更开放的平台，把“芯片和算法剥离开，采用可编程的芯片，从而通过OTA来实现持续的算法迭代升级”。这也是软件定义汽车的思路。

封闭的生态不利于自动驾驶算法的快速迭代:

Mobileye 已经开始尝试与合作伙伴实现开源协作，但和开放生态的英伟达和高通来比还是有 较大差距。因此，Mobileye 在过去 5-10 年丢失了部分重要客户。

EyeQ4配置了4个MIPS CPU核、6个矢量微码处理器（VMP）以及两个可编程宏阵列（PMA）。每个CPU核拥有4个硬件线程。总计2.5TOPS的算力，可以实现以每秒36帧的处理速度处理8路摄像头的视频信息。总体性能相比EyeQ3提升8倍之多，此外，EyeQ4还引入“路网采集管理（REM）”系统，它利用纵包数据的方法将路标、车道线等进行压缩，最终聚合成路书，从而为自动驾驶汽车提供更精确的定位。

EyeQ4之后还有EyeQ5和EyeQ6，有兴趣可以自己查阅相关资料。

4. TI

2020年初的CES大会上，TI发布了其最新的Jacinto 7架构的系列车载芯片。上一代的Jacinto 6架构主要聚焦在车载Infotainment（信息娱乐）的功能，例如更炫的UI（用户界面）、更多的显示屏等。随着新一代Jacinto 7架构芯片的发布，可以看出TI已经基本放弃智能座舱和IVI市场，而重点转向ADAS域控和汽车网关域方向。Jacinto 7系列芯片包含两颗车规级芯片：

（1）用于高级辅助驾驶（ADAS）系统的TDA4VM芯片；

（2）用于网关系统的DRA829V处理器。这两款处理器都包含了用于加速数据密集型计算任务的专用加速器（如计算机视觉和深度学习等），而且它们也都集成了支持ISO26262功能安全的MCU核，使得我们可以用一颗芯片来同时承载ASIL-D高级别功能安全的控制任务和传感器数据处理这样的计算密集型任务。

TDA4VM ADAS芯片：

基于Jacinto? 7架构的TDA4VM处理器专为L2+或以上级别的集中式ADAS域控制器平台而设计的，它集成了各种加速器、深度学习处理器和片上内存，具有强大的数据分析和处理能力，是一个全功能、可编程的高集成度ADAS域控处理器平台。





5. 高通

高通，手机芯片处理器的霸主，在智能驾驶座舱领域方面也是如日中天，例如我们之前介绍的小鹏，理想等新势力都采用其智能驾驶座舱芯片（了解高通如何在智能驾驶座舱服务可以点击小鹏的自动驾驶XPILOT以及智能座舱Xmart OS），各大手机通讯行业杀入汽车制造业也得益于对高通等芯片以及智能操作系统的技术和供应链的掌握和熟悉。所以高通怎么可能会不想加入智能驾驶这块业务呢！

高通Snapdragon Ride自动驾驶平台在硬件方面由两块芯片构成：

1）SA8540主处理器（作为ADAS域应用主处理器，满足系统级安全需求）；

2）SA9000B加速器，提供自动驾驶系统所需的算力。全部达到ASIL-D，可支持L1~L5级别的自动驾驶。单板的AI算力是360TOPS（INT8），整体功耗65瓦，计算能效比约为5.5TOPS/W，通过PCIe交换机可以增加到4套计算平台，四加速器的AI算力总计达1440TOPS。

ADAS应用处理器：Kryo CPU、Adreno GPU、神经处理器、嵌入式视觉处理器自动驾驶专用加速器（ASIC）：神经网络处理器阵列L1/L2级ADAS：面向具备AEB、TSR和LKA等驾驶辅助功能的汽车。硬件支持：1个ADAS应用处理器，可提供30 TOPS的算力L2+级ADAS：面向具备HWA（高速辅助）、自动泊车APA以及TJA（低速辅助）功能的汽车。所需硬件支持：2个或多个ADAS应用处理器，期望所需算力要求60~125 TOPS的算力L4/L5级自动驾驶：面向在城市交通环境中的自动驾驶乘用车、机器人出租车和机器人物流车；所需硬件支持：2个ADAS应用处理器 + 2个自动驾驶加速器（ASIC），可提供700TOPS算力，功耗为130W

6. 地平线



地平线首款芯片征程1发布于2017年12月；征程2发布于2019年8月，可提供超过4TOPS的等效算力；征程3算力为5TOPS，发布 于2020年9月；征程5发布于2021年7月，算力128TOPS。地平线的第三代车规级产品征程5兼具大算力和高性能，支持16路摄 像头感知计算，能够支持自动驾驶所需要的多传感器融合、预测和规划控制等需求。

征程5是地平线第三代车规级产品，也是国内首颗遵循 ISO 26262功能安全认证流程开发，并通过ASIL-B认证的车载智能芯片；基于最新的地平线BPU?贝叶斯架构设计，可提供高达128TOPS算力。





关于算法效率：地平线一直更加推崇FPS（Frames PerSecond）的计算方式，即每秒准确识别帧率。据介绍，地平线的征程5芯片可达到1531FPS，华为昇腾可达到829FPS，而英伟达Orin仅为208FPS。

关于处理器架构：采用「CPU+ASIC」架构的地平线，自主设计研发了Al专用处理器架构Brain Processing Unit（BPU），客户可以在此基础上进行自动驾驶软硬件系统和整车的开发。

关于软硬件适配：首先，地平线芯片本身有各种丰富的高、低速接口，能够适配传感器、Camera、LiDAR、Radar、PMIC、不同Tier2以及MCU等周边关键器件；其次，在底层软件上，地平线开放了相关周边设备的驱动，客户可以在软硬件层面上完成与周边硬件的适配；最后，在算法应用开发上，地平线通过完善算法工具链，让生态合作伙伴能够在比较开放的条件下共同完成算法和应用开发以及系统集成适配工作。

7. 华为

华为于2018年10月首次发布智能驾驶计算平台，支持L3的MDC600、支持L4的MDC300；2020年9月发布支持L2+的MDC210、支 持L3-L4的MDC610。MDC610正在洽谈搭载的车型有广汽埃安AION LX、长城沙龙机甲龙、广汽传祺。2021年4月发布支持L4-L5 的MDC810，首搭于北汽极狐阿尔法S华为HI版，正在洽谈搭载于2022年哪吒TA、广汽埃安；并计划2022年推出MDC100。



作为一款 AI 芯片，Ascend310的一大亮点就是采用了达芬奇架构（Da Vinci）。达芬奇架构采用 3D Cube ，针对矩阵运算做加 速，大幅提升单位功耗下的 AI 算力，每个 AI Core 可以在一个时钟周期内实现 4096 个 MAC 操作，相比传统的 CPU 和 GPU 可 实现数量级的提升。


image.png
华为是一个很有意思的企业，但他可能不熟悉汽车行业，网络上到处盲目吹遥遥领先，也可能他已经被民族情节绑架了？另外从技术角度和解决方案来讲，华为提供产品端到端的方案，细节上面不谈芯片，不谈域控制器，不谈开发工具。全包包括数据云的运营，不开放全部闭环的。也可能由于缺芯等所以他的定位一直在摇摆，我是T1供应商，T2我也自己干？我是不是也可以干干主机厂？可以发现是不是天下都是我华为的，我一个人通吃这种方案让所有人心怀忐忑，汽车业务深耕控制领域的博世，大陆等等都提防，主机厂们也不愿意合作怕被华为控制了灵魂。

8. 黑芝麻

黑芝麻由清华大学单记章创立，黑芝麻通过神经网络视觉感知算法、车规级ADAS/自动驾驶芯片、配套的底层实施系统及参考设计三个领域相结合提 供感知系统解决方案。公司定位Tier 2，并与车企和Tier 1供应商合作，如博世、上汽、一汽和通用汽车。目前，黑芝 麻系列芯片产品包括华山一号 A500、华山二号 A1000 和 A1000L。黑芝麻华山一号 A500 芯片已经开始量产，目前暂 时没有看到量产的车型落地。另外，公司预计有搭载华山二号 A1000 芯片的国产车型于2021年底正式量产。


黑芝麻系列芯片产品包括华山一号A500、华山二号A1000、A1000L、A1000Pro、A2000。2019年8月，黑芝麻智能发布了华山 一号自动驾驶芯片A500，算力5-10TOPS；2020年6月，黑芝麻智能发布华山二号A1000，算力在40-70TOPS，低配版A1000L在 16TOPS，高配版A1000Pro则在2021年4月发布，算力达到196TOPS。华山二号A2000是国内首个250T大算力芯片：顶尖7纳米工 艺、国产自主知识产权核心IP、满足ASIL B级别的安全认证标准。

黑芝麻华山二号 A1000 系列芯片已完成所有车规级认证，已经与上汽通用五菱、江淮等内的多家车企达成量产合作。在黑芝 麻最强芯片华山二号 A1000 Pro 中，搭载了黑芝麻自研的图像处理器和神经网络加速器。其中，神经网络加速器能够让 A1000 Pro 芯片的 INT8 算力达到 106TOPS，INT4 算力达到 196TOPS。

关于算法效率：黑芝麻还谈到制约芯片算法效率的一个现象。现在市面上多数AI硬件加速单元是以单一加速单元为主，不同大小模型无法同时得到相应的加速，容易导致大模型推理时间长、小模型利用率低。针对这一问题，黑芝麻自研了具有中大算力能力和多维异构架构的NPU，使得不同模型都有相应的硬件加速单元做加速，计算效率更高。

关于处理器架构：黑芝麻采取的是多核异构的计算架构，其综合算力、功耗以及功能完整性要求在芯片处理器上使用8核A55方案，并在内部集成自研的ISP和NPU，还有GPU、DSP以及功能安全和信息安全MCU，在提供强大算力的同时，确保不同类型的计算都有相对应的最优计算单元做加速，使得芯片可以承担图像拼接渲染、传感器融合和功能安全等复杂功能，能够用单芯方案承担行车和泊车的功能。

关于异构IP配置：黑芝麻通过自研两大自主可控核心IP构建起一定优势，包括NeuralIQ ISP图像信号处理器及高性能深度神经网络算法平台DynamAI NN引擎。

关于软硬件适配：黑芝麻也建立了开放的芯片产品生态，既支持黑芝麻自研OS/中间件/视觉感知算法，又支持第三方软件移植，不绑定传感器/软件/MCU等。此外，黑芝麻提供ISP（摄像头）调试适配服务，能够与主流OS/中间件/视觉感知算法第三方供应商进行前期适配。

9. 芯驰科技



从2019年到2020年，芯驰科技先后发布了V9L/F和V9T自动驾驶芯片，分别可支持ADAS（高级驾驶辅助系统）以及域控制器。

面向集成度更高的汽车电子电气架构，未来两年芯驰科技还将陆续推出能够满足更高级别自动驾驶的高算力芯片。2022年， 芯驰科技计划发布算力在10-200T之间的自动驾驶芯片——V9P/U，该产品拥有更高算力集成，可支持L3级别的自动驾驶。到 2023年，芯驰科技将推出具有更高算力的V9S自动驾驶芯片，该芯片面向中央计算平台架构研发，算力高达500-1000T，可支 持L4/L5级别的自动驾驶的Robotaxi。

芯驰科技在2021世界人工智能大会上发布了基于V9系列芯片开发的全开放自动驾驶平台——UniDrive。UniDrive的可扩展性非 常强，从L1/L2级别 ADAS到L4/L5级别的Robotaxi的开发都能支持。

关于算法效率：芯驰做了两方面的工作。一是提供SDNN工具，可以将不同算法分配到最适合运行的IP上，如CPU或GPU；二是自研UniLink总线技术，从硬件层面实现高效的数据分发机制，减少异构核之间的数据传输时间消耗。

关于软硬件配合：芯驰的自动驾驶平台UniDrive采用了通用计算硬件加速，能够兼容不同自动驾驶算法路线。而且，从算法到硬件，UniDrive都非常开放，不限制主机厂对自动驾驶的定义，L1到L4都可以基于该框架做相应设计。在底层，UniDrive支持QNX、RTOS等主流车规OS以及Linux；模块层，UniDrive能够兼容Adaptive AutoSAR、ROS、Cyber等框架。

10. 自动驾驶芯片技术趋势



SoC 是系统级别的芯片，相比 MCU 在架构上增加了音频处理 DSP、图像处理 GPU、神经网络处理器 NPU 等计算单元，常用于 ADAS、座舱 IVI、域控制等功 能较复杂的领域。随着智能汽车的发展，汽车芯片结构形式也由 MCU 进化至 SoC。目前市面上 主流的自动驾驶芯片 SoC 架构方案分为三种：（1）CPU+GPU+ASIC，（2）CPU+ASIC，（3） CPU+FPGA。长期来看，定制批量生产的低功耗、低成本的专用自动驾驶 AI 芯片（ASIC）将逐 渐取代高功耗的 GPU，CPU+ASIC 方案将是未来主流架构。





影响自动驾驶芯片选择的关键评估指标：



数据对比汇总：






开放程度分析：



华为的开放不那么明显，所以被抵制也挺厉害，开放才是主旋律。半开放只能自己造车才可以的。

优劣势对比：


性能汇总：


11. 国内汽车芯片分析


image.png

image.png
特点：

技术上跟国外存在差距：不论从算力还是从软件配合上，基本落后至少一代产品国内资本进行了支撑高端国外芯片断供，倒逼国内研发

仅看数量，中国公司在自动驾驶芯片领域已占据不少席位，但是要达到世界领先水平，与英伟达、高通、特斯拉抗衡还有很长的路要走。

首先是人才短缺的挑战。驾驶芯片的研发急需既懂芯片又懂汽车的复合型团队，而中国芯片产业发展时间短，经验少，相对应的人才始终处于短缺状态。其次，智能驾驶芯片的落地复杂度高，个性化服务带来客户的定制化要求，需要芯片平台更加开放。单从算力来讲，英伟达和特斯拉以及Mobileye的算力仍高于国内芯片，另外国内先进制程芯片代工也需倚仗台积电或三星。

现在的角逐场上，已没有过热的概念化炒作，而是进入了一场漫长的中场战事。


国内智驾SoC芯片挑战：

算力：在E/E架构集中化趋势下，智能汽车的计算能力将主要由少数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求。L2级自动驾驶的算力需求为2-2.5TOPS，L3级自动驾驶算力则需达到20-30TOPS，到L4级需要200TOPS以上，L5级别算力需求更是超过2000TOPS。在开发量产车型的过程中，除算力外，主机厂还会综合考量自动驾驶芯片的能效比、算法效率、软硬件适配性、处理器架构、IP配置和开发难度等方面，以对标车型的价格与定位。能效比控制：当前，行业普遍以「TOPS」 为单位来评估自动驾驶芯片的理论峰值算力，然而，在实际场景中，自动驾驶芯片的理论峰值算力基本不大可能会被完全释放，这是因为算力的有效利用率还受到芯片功耗表现和能效比控制的影响。算法效率快慢：如果芯片架构与算法的匹配度不够，导致自动驾驶算法的运行的效率极低，整个芯片里面大量的晶体管实际上是在空转，算力再大，实际处理能力也并不是最佳。算力只是一个理论上限，最终芯片能发挥出多少效率，还取决于软件算法配合等多方面的因素。在整车生命周期和产品售卖过程中，芯片算力往往都不能完全发挥，甚至可能连一半都发挥不了。处理器架构方案：架构方面，目前市面上主流的自动驾驶芯片SoC架构方案分为三种：（1）CPU+GPU+ASIC，如英伟达和特斯拉；（2）CPU+ASIC，如Mobieye和地平线；（3） CPU+FPGA，如Waymo和百度昆仑芯。业内普遍认为，从发展趋势来看，自动驾驶SoC芯片将向「CPU+XPU」的异构式架构发展；长期来看，在自动驾驶算法尚未成熟固定之前，CPU+GPU+ASIC的架构仍会是主流，成熟后，定制批量生产的低功耗、低成本的专用自动驾驶AI芯片（ASIC）将逐渐取代高功耗的GPU，CPU+ASIC方案会是未来的主流架构。异构IP配置：由于当前自动驾驶芯片多采用多核异构的架构，需要不同类型的运算IP，包含GPU、NPU和CPU等，异构IP配置在芯片设计中尤为重要。但配置IP并不是算力越高就好，其涉及整个芯片的设计和验证，需要兼顾带宽、外设、内存等方面。而且，在设计芯片的过程中，需要根据芯片内部的处理数据流，来帮助客户在每一个运算步骤上做硬件优化。软硬件适配性：汽车智能驾驶是个庞杂的产业链，涉及芯片、算法、软件、系统、硬件、协议栈、云端等各个层面。每个领域都需要考虑到快速迭代和升级的需求。开发便捷性：国内的自动驾驶SoC芯片厂商，一直以来秉持的都是开放共创打法，并不断向车企放开更多的合作模式与开发权限。例如：英伟达既对外售卖所开发的完整自动驾驶系统，也允许车企单独购买自动驾驶SoC芯片，并为其提供了多种可供调用的成熟算法、基础软件堆栈以及DRIVE Hyperion Developer Kit自动驾驶开发套件。Mobileye则从封闭的黑盒方案逐渐转为开放模式，在去年7月发布了软件开发工具包EyeQ Kit，让合作车企可以自主开发EyeQ 6H和EyeQ Ultra两款芯片，同时依然提供无需自研的芯片方案。

参考：

https://pdf.dfcfw.com/pdf/H3_AP202301161582040854_1.pdf?1673982279000.pdfhttps://icv.51cto.com/posts/820https://pdf.dfcfw.com/pdf/H3_AP202210271579513526_1.pdfhttps://www.sohu.com/a/638438865_121161228http://www.evinchina.com/newsshow-628.htmlhttps://www.cnblogs.com/wujianming-110117/p/17747942.html

后记：

本文介绍了这么多文字都很表面，具体的SoC芯片设计是异构核和各种IP的集成。例如ARM的A核（运行Linux、安卓、QNX），M核和R核（运行各种RTOS例如freeRTOS），来实现各种固件功能，或者RISC-V的核，例如NPU这种AI算法功能IP，然后就是各种外围IP：网关模块、DDR模块、串口等各种驱动模块小IP。然后协调这些IP的通信和资源分配及布局等。这些都属于芯片设计的内容，后面有机会再详细介绍具体的一些细节设计。

还有为什么要死磕智能驾驶的芯片？因为车控和座舱的软硬件技术比较成熟，以后三域融合应该就是智驾芯片集成吃掉另外两个芯片。

“啥都懂一点，啥都不精通，

干啥都能干，干啥啥不是，

专业入门劝退，堪称程序员杂家”。

欢迎各位有自己公众号的留言：申请转载！

纯干货持续更新，欢迎分享给朋友、点赞、收藏、在看、划线和评论交流！

重要（别走来捧场）：

下面是博主thatway精心挑选的一些便宜实用必备商品。咱程序员群体肯定要追求性价比，博主也是拼多多的资深屌丝用户，买东西必须全网便宜且实用，挑选了一些分享给大家。

10+元买不了吃亏，需要就点开带一个。下面链接购买后博主会得到提成算共赢支持下