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
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。