Spansion公司日前发布首款应用于先进驾驶辅助系统(ADAS)的汽车级6通道电源管理集成电路产品。作为一款高能效、多通道电源管理解决方案,该产品为每个电压通道均配备了控制引脚,并拥有精准电压完整性监测器和窗口式监视定时器,可降低ADAS实施方案的系统发热量、复杂度和解决方案成本。这一产品系列还支持B级汽车安全完整性(ASIL-B)*1,目前已提供样品试用。
Spansion公司模拟产品营销副总裁Kiyoe Nagaya表示:“这一全新产品系列拓展了我们的产品组合,让我们的汽车电源产品跨入了系统级。Spansion在为ADAS供应闪存和MCU产品方面拥有丰富经验,如今更加入了电源管理集成电路作为我们的最新产品,我们为此深感自豪。这款产品是我们与一家主要汽车客户联合成功开发的。”
Spansion S6BP401A系列是一款适用于ADAS的电源集成电路产品。作为一款单芯片解决方案,它拥有6通道功率输出,包括4通道DC/DC转换器和2通道低压差线性稳定器(LDO)。
S6BP401A系列为所有通道内部集成了输出设置阻抗和相位补偿电路,并缩小了印刷电路板尺寸,减少了物料清单,有助于实现更小更具成本效益的ADAS系统。这一系列器件产品还配备了内置窗口式监视定时器、可打开/关闭每个通道的独立引脚以及用于监测每个通道电源完整性的专用引脚。这些特色确保了系统的高度可靠性,符合B级汽车安全完整性(ASIL-B)标准。每个输出级别可适合各种系统需求,每个电压级均可在产品发货前根据客户规格要求设置。
据IHS公司调查,全球ADAS芯片销售额预计将在2020年达到26亿美元,是2010年市场规模的4倍。
Techno Systems Research有限公司副经理Takahiko Komada表示:“当今汽车产品都要求具备先进而复杂的功能安全性。包括ADAS在内的汽车感应系统市场预计将继续扩张,在欧盟新确立的法规影响下,预计2020年前将在2014年的基础上再扩大4倍。为了今后能在各种各样的车型当中实施ADAS方案,我们就必须降低系统成本,同时保持或提升系统特色和功能的安全性。Spansion的S6BP401A产品集成了足供ADAS系统使用的所有供电通道,并减少了外置元器件数量,同时保持高水平的安全功能性,因此该产品是实施此类小型ADAS系统的理想解决方案。”
Spansion S6BP401A产品主要特性:
• 6通道PMIC:4通道DC/DC转换器(工厂预设输出电压)、2通道LDO(工厂预设输出电压),以及每个通道的相位补偿电路均集成在6x6mm单QFN40塑壳封装内。S6BP401A可为ADAS供应所有电源通道,减少了PCB面积和物料清单。
• 功能安全性:S6BP401A为每个通道都配备了单独控制引脚。这款产品还为这些引脚配上了可用于控制每个通道输出电压完整性的功能。这些引脚和内置监视定时器能够帮助用户打造出一种确保功能安全的系统,安全水平满足ASIL-B标准。此外,S6BP401A还附带多项安全保证功能。
• 电流供应能力:S6BP401A能够供应ADAS系统内置大功率SoC和DDR所需要的大电流(最大:3A/通道)。
供货和定价:
用于ADAS系统的Spansion S6BP401A多通道PMIC,40引脚QFN封装,提供样品试用。样品单价为13美元。
*1(*)ASIL是一项ISO26262标准规定的汽车领域应用指数,用于确定目标风险降低级别。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。