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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。