起動機的工作原理,靠一跟小小的電圈就能驅動這龐然大物,太神奇了 #科普知識 #科普創世紀

科普创世纪
100 位粉絲
🎈快來訂閱吧:https://bit.ly/40sDvWD
哈嘍~大家好~
這裡是✦科普創世紀✦
知其然知其所以然
授人魚不如授人漁❤️
科技改變世界,知識改變人生💙
一個有溫度的科普知識達人
天天有好作品!喜歡可以關注我喲!不要忘記點擊小鈴鐺🔔
#科普創世紀#科普知識#原理
我们强调了视频内容的合规性,同时也保证了内容的新闻价值。
最開始的發動機是靠搖把啓動的
但是這種方式費力氣還危險
所以工程師發明出了電子啓動機
只需要擰下車鑰匙
啓動機就能帶動發動機啓動起來了
我們看一下它的工作原理
啓動機左邊這個位置是一個小齒輪
小齒輪是可以進行移動的
旁邊這個是電動機
裏面是轉子線圈
外面包裹着永磁定子
電動機上面是一個螺線管
與電動機和螺線管相連的還有一個電源
螺線管與電源之間的連通
是通過車鑰匙進行控制的
當鑰匙擰動時
螺線管內的鐵芯就會向右移動
這是因爲線圈通電時會產生磁場
相當於一塊電磁鐵
當在線圈中放入一塊鐵芯時
如果接通電源
鐵芯就會在電磁鐵的吸引下進行移動
鐵芯在向右移動時
會導致這兩個端子連接上
從而導通電流
使得電機旋轉起來
一旦斷開端子的連接
電機就會停止下來
鐵芯的另外一端連接的是一個槓桿
當鐵芯左右移動時
會帶動這個槓桿也左右移動
從而推動這個小齒輪也向左右進行移動
小齒輪旁邊是發動機的飛盤
當小齒輪向右移動時
會與發動機的飛盤涅合上
但是也並不是每次都能完全吻合
所以小齒輪在涅合前
是會旋轉的
從而使得二者每次都能成功涅合上
之後啓動機的電機就能帶動
發動機的飛盤轉動起來了
但是由於小齒輪相對發動機飛盤來說太小了
所以它產生的扭矩
還是不足以啓動發動機
那要怎麼改進才能增大齒輪的啓動扭矩呢?
爲了增大扭矩
工程師在這個位置添加了一個行星齒輪
其中與電機相連的齒輪作爲行星齒輪的太陽輪
外面這個是行星齒輪的環形齒輪
中間這三個是行星輪
其中太陽輪與行星輪的傳動比大概爲15比1
所以當行星齒輪工作時
能將電機輸出的高速轉動
轉化爲較低的速度輸出
從而產生高扭矩
進而帶動發動機的飛盤高效的轉動
飛盤轉動時
會帶動發動機的曲軸進行轉動
曲軸的轉動會帶動活塞進行上下移動
當活塞向下移動時
這裏的進氣門首先會打開
這是汽油和空氣的混合物會進入氣缸內部
當活塞移動到最底部時
進氣閥關閉
活塞開始向上移動
從而快速壓縮油氣混合物
到達最頂部時
火花塞開始點火
從而引燃油氣混合物
燃燒產生的爆炸會快速推動活塞向下移動
接着這裏的排氣閥打開
活塞開始向上移動
從而將產生的廢氣排出去
這個過程會反覆執行
最終將發動機啓動起來
發動機啓動後
鬆開車鑰匙
小齒輪就會從飛盤上脫離
從而斷開涅核
但是如果沒有鬆開車鑰匙
小齒輪會與飛盤繼續涅核
那麼就有個問題
飛盤會反過來帶動小齒輪旋轉
這會損壞電動機
所以爲了解決這個問題
工程師在這個位置
又添加了一個單向離合器
單向離合器由外圈
內圈和滾珠組成
當發動機啓動時
外圈和內圈是一起轉動的
一旦發動機啓動起來
當飛盤反過來帶動小齒輪轉動時
離合器就會通過這裏的彈簧和滾珠進行制動
所以這時只有內圈會轉動
而外圈是靜止的
從而起到保護電機的作用
一說到顯卡
大多數人第一反應就是
這不是給打遊戲用的嗎
其實顯卡除了用於加速圖形渲染外
還有一個王炸功能
那就是它的GPU可以作爲AI芯片使用
這期視頻我們就重點講解顯卡的AI芯片功能
首先我們先來了解一下顯卡
打開顯卡
裏面是一塊PCB電路板
電路板上最重要的元件就是這塊GPU芯片
跟CPU芯片一樣
GPU芯片內部也集成了上百億的晶體管
但是不同的是
GPU內部的核心數能達到上萬個
而CPU一般只有少數的幾個核心
爲什麼GPU的核心數需要這麼多呢
這就跟GPU處理的任務有關係了
我們以3D遊戲爲例
你在遊戲中看到的任何畫面
都是通過GPU渲染出來的
遊戲裏面的每一個物體
都是由無數個小三角形相互連接組成
每個小三角形擁有三個頂點
每個頂點在3D世界都有相應的座標值
根據每個三角形在空間中的位置進行連線
我們就能組合成一個3D模型
然後再根據3D模型
給每個三角形貼上相應的皮膚
一個3D模型就渲染出來了
整個過程看似簡單
但是計算機處理起來卻非常複雜
在現實世界中
人移動時
眼睛看到的物體是不斷變化的
爲了模擬眼睛的效果
在計算機圖形學中
是使用一個攝像機來代替眼睛的
那攝像機看到一個物體時
是如何將它渲染到一個2D視圖屏幕上的呢?
首先物體在模型空間中
爲了保持自己的形態
自身擁有一系列的空間座標信息
想要知道物體在這個世界上是什麼樣的
就需要將物體從模型空間轉換到世界空間
由於人眼睛看到的物體是不斷變化的
所以物體在世界的座標
還需要根據攝像機的移動進行變化
因此世界空間最終還要轉化到攝像機空間
最後攝像機空間會轉化爲視圖
從而顯示到屏幕
重點來了
不同的空間是如何進行轉換的呢?
我們以模型的一個頂點座標爲例
當它轉移到世界空間時
自身信息會發生變化
我們可以獲取到模型變化時的位置
比例和旋轉值
然後再轉移到攝像機空間
同樣的我們也可以獲取到
最後將這些座標
比例和旋轉值
放入矩陣轉換中進行計算
矩陣轉換聽起來高大上
其實就是對這些值進行小學生都會的加法和乘法運算
最終得到一個對應2D屏幕的XYZ值
這只是對其中的一個頂點進行轉換
但是在遊戲中
往往場景都非常的複雜
動輒十幾萬
甚至上百萬個頂點需要並行計算
但是這些大量的簡單的並行計算任務
是完全沒有必要消耗CPU的計算資源的
所以爲了解放CPU
就誕生了專門爲簡單的並行計算而生的GPU
它擁有成千上萬個核心
當把大量的計算任務丟給GPU後
GPU會將這些任務
立即分給核心上的計算邏輯單元進行計算
從而快速得到輸出結果
因此你在玩遊戲時
感受不到任何延遲
那GPU是如何做到大規模並行計算的呢
這裏有100個計算任務需要GPU處理
每個任務爲一個線程
最理想的狀態就是將這100個線程任務
分別給100個GPU核心進行處理
問題是
GPU處理的都是海量的計算任務
如果有100萬個任務要處理
就需要100萬個核心
這顯然是不現實的
但是如果我們將100萬個任務
發送給1000個GPU核心去處理
可以看到整個分配過程又會極其複雜
爲了方便
我們將1000個GPU核心
每100個一組
分成10組
再進行任務分配就會簡單很多
對應的
100萬個線程任務我們也可以進行分組
每1000個任務一組
分成1000組
然後再進行分配
分配過程就更簡單了
但是問題是
每組線程任務有1000個
對應的處理核心只有100個
爲了進一步優化
我們可以將每組的1000個線程任務
繼續進行分組
每100個一組
分成10組
這樣100個線程任務
就能對應100個核心進行處理了
GPU就是以這種極其高效的任務分配
來提供高性能的計算服務的
其實說到這裏
GPU還都是爲了圖形渲染而服務的
那它是如何演變成AI芯片的呢
這跟AI浪潮的來臨有很大的關係
AI模型需要不停地進行大量的並行計算
特別是矩陣計算
以此來完成模型的深度學習和快速訓練
而GPU剛好契合了AI大模型計算的需求
但是其他廠商也生產了很多專業的AI芯片
爲什麼就英偉達能成爲AI領域的天選之子呢
這就不得不說GPU的CUDA
CUDA纔是英偉達能起飛的關鍵
爲了構建通用的並行計算架構
英偉達早在2007年就推出了
CUDA並行計算平臺和編程模型
並且之後的每一代GPU都支持CUDA
有了CUDA後
任何人都可以在這個平臺來進行開發
開發者可以隨意調用GPU強大的計算能力
來滿足自己的計算需求
比如你編寫了一段這樣的CUDA代碼
當代碼發送到GPU運行後
GPU會從內存拿到相關的數據
接着CPU就會告訴GPU並行執行該程序
那麼GPU就會按照需求
自動將任務分成100個線程
然後分配給100個核心去計算執行
至於具體如何分配線程
程序員完全不用去關心
但是CUDA在當時推出時並不喫香
因爲顯卡當時還僅僅用於圖形加速渲染
CUDA的商業價值並沒有顯現
這也使得很多公司並沒有下場來做類似CUDA的平臺
但是隨着AI的爆發
開發者可以通過CUDA調用GPU強大計算能力的優勢
以及本身GPU芯片性能過硬
一下子吸引了大量的開發者湧入CUDA平臺
其中最有名的就是ChatGPT
ChatGPT使用了上萬顆的英偉達GPU
來訓練自己的AI模型
這也使得ChatGPT
一舉成爲全球最有名的AI大模型
CUDA也成爲了英偉達最大最深的護城河
幾乎全球所有的大型科技公司都在通過CUDA
來使用英偉達的GPU
市場份額接近90%
這也爲英偉達構建了一個牢不可破的巨大生態
另外英偉達每年還在不斷地推出
打破摩爾定律的超級AI芯片
使得英偉達領頭羊的地位還在不停地擴大
那麼問題來了
你覺得想要突破英偉達的護城河
國產GPU的出路到底在哪裏呢
請不吝點贊 訂閱 轉發 打賞支持明鏡與點點欄目
