第九届纳芯微<span style='color:red'>技术</span>大会圆满落幕,创新回响持续激荡!
  近日,第九届纳芯微技术大会 (NOVOSENSE Technology Conference,简称 NTC) 在上海举办。作为纳芯微一年一度的重要技术交流活动,本届大会吸引近 700 位研发与技术人员参与,共征集技术投稿 155 篇,规模创历届新高。  自 2018 年首届举办以来,NTC 历经九届沉淀。从最初的小型交流活动,逐步发展成为覆盖芯片设计、工艺开发、工程制造、系统架构、应用创新等多个技术领域的重要技术平台,也成为纳芯微工程师文化的重要载体之一。  今年 NTC 继续以“Innovation · Share · Lead” (创新、分享、引领)为使命,通过技术分享及研讨、Demo Show、特邀报告及 AI 创新赛事等多种形式,鼓励工程师分享经验、交流思想、探索前沿技术方向,持续营造开放创新的技术氛围。  01  创新驱动成长:  市场驱动迈向技术与市场双轮驱动  大会开幕式上,纳芯微 CTO 盛云表示,随着智能化、低碳化的持续演进,以及 AI 算力基础设施和机器人等新兴应用的快速发展,模拟与混合信号芯片产业正迎来新一轮创新机遇。客户对于差异化解决方案的需求不断提升,也对芯片企业的技术创新能力提出更高要求。  他指出:“纳芯微需要通过技术和产品创新持续提升产品竞争力和客户价值。从主要依靠市场驱动,逐步走向技术与市场双轮驱动,既要坚持以客户为中心,也要重视以技术为中心。”  盛云认为,无论是产品定义、工艺开发、电路设计还是工程实现,模拟芯片领域仍然存在广阔的创新空间。持续创新不仅是企业发展的重要动力,也是构建长期竞争力的重要基础。  02  专家引领创新,  持续夯实技术能力建设  近年来,纳芯微深耕技术能力建设,不断完善创新平台与人才发展机制,推动核心技术能力长期积累与传承。  目前,公司已建立覆盖多个专业领域的专家体系,并完成技术专家评审与认定,进一步畅通专业人才发展通道。大会期间还举行了第二届专家委员会成员聘任仪式。盛云表示:“专家不仅是技术体系的支柱,也是知识传承和人才培养的重要力量。”他同时透露,未来纳芯微将持续完善技术创新机制,将创新能力建设进一步融入产品定义、技术预研及研发流程管理中,为工程师创造更加开放高效的创新环境。  03  AI 创新实践首次亮相 NTC  与往届相比,AI 成为本届 NTC 最受关注的新议题。随着大模型和 AI Agent 技术快速发展,人工智能正在从辅助工具逐步走向复杂任务执行和自主协同的新阶段。面对这一趋势,纳芯微首次将 AGI 二次开发大赛纳入 NTC 整体议程,旨在推动 AI 技术与实际业务场景深度融合。  本次大赛自 4 月启动以来,吸引了来自多个技术领域和业务团队的踊跃参与。参赛项目聚焦研发、工程和业务运营等实际场景,围绕效率提升、流程优化、知识沉淀与智能辅助等方向展开探索,充分展现了工程师将前沿 AI 技术转化为实际生产力的创新能力。  盛云在致辞中表示:“对于公司和工程师个人而言,最好的选择是积极拥抱变化。”他希望通过 AI 大赛激发全员探索热情,为未来 AI 能力建设和业务应用落地奠定基础。  04  Demo Show:  从创意灵感走向应用落地  除了精彩纷呈的理论分享,纳芯微 Demo Show 为各类创新灵感提供落地实践载体。从最初的创意萌芽、严苛的初审入围,到精细的实物制作,再到 NTC 现场的惊艳亮相——生动展现了工程师们对前沿技术的实践转化。  05  让热爱同行,  共享荣耀时刻  两天精彩的技术研讨与成果展示后,本届大会特别举办了“芯光无界”工程师晚宴。在晚宴现场,大会表彰了在技术创新、Demo Show 及专家评选中表现突出的团队与个人,并特设拍照打卡区定格一个个值得纪念的瞬间。来自不同领域的工程师们因技术相聚、因创新共鸣,在交流与分享中碰撞灵感,也让属于纳芯微的工程师文化更加深入人心。  历届 NTC 见证着纳芯微技术底蕴的延续与沉淀,也记录着工程师们对创新与卓越的不懈追求。正如盛云在大会总结中所说:“以卓越之心,铸创新之芯,乘 AI 之势,聚专家之力。”  面向未来,纳芯微将继续坚持技术创新,拥抱 AI 带来的变革,与更多工程师共同探索技术边界,为客户创造更大价值。
关键词:
发布时间:2026-06-17 09:29 阅读量:251 继续阅读>>
士兰微电子亮相第十八届光储充关键元器件<span style='color:red'>技术</span>创新研讨会
  峰会速递  6月12日,2026第八届中国数字电源关键元器件应用创新峰会(华南站)在深圳举行。大会以“核心智变·能效跃迁”为主题,聚焦数字电源领域前沿技术发展趋势,围绕光储充、800V超充与第三代半导体、AI服务器电源等热点方向展开深入交流。  作为大会同期举办的重要论坛之一,第十八届光储充关键元器件技术创新研讨会汇聚了来自新能源、电力电子及半导体产业链的专家学者和企业代表,共同探讨光储充领域关键元器件技术创新与产业发展路径。  会上,士兰微电子负责光储技术市场的黄经理作题为《士兰新型功率器件为储能带来的机遇和挑战》的技术报告,围绕光储产业发展趋势及新型功率器件应用需求,分享了士兰在IGBT和SiC MOS等功率半导体领域的技术积累与应用实践。  针对光储系统对高效率、高可靠性和高功率密度的需求,报告重点分享了士兰IGBT芯片技术的发展成果。通过持续推进工艺升级和产品迭代,士兰新一代IGBT产品在降低损耗、提升功率密度和提高工作结温等方面取得积极进展,可有效减少系统并联器件数量,帮助客户实现更优的系统设计和成本控制。在光储应用案例中,结合优化控制策略,系统损耗和器件结温均得到明显改善,为光储设备长期稳定运行提供了有力支撑。  在第三代半导体领域,报告介绍了士兰SiC MOS芯片的技术演进路线及应用成果。相比传统硅基器件,SiC MOS具有成本低、开关损耗低、工作频率高、功率密度高等优势,能够进一步提升光储系统转换效率和系统集成度。依托士兰微电子自主研发的1200V系列SiC MOS产品及配套解决方案,士兰已形成覆盖户用光储、工商业光储、电站储能等应用场景的SiC MOS产品布局,为客户提供更加高效可靠的功率器件选择。  经过多年持续投入,士兰微电子已形成覆盖芯片设计、制造、封装测试等环节的IDM经营模式,拥有完善的研发体系和制造平台,在功率器件领域建立了较为完整的产品矩阵和产业基础。当前,随着新能源装机规模持续增长和储能市场快速发展,功率半导体正迎来新的发展机遇。未来,士兰微电子将持续加大在IGBT、SiC MOS等核心功率器件领域的研发投入,不断提升产品性能和技术水平,积极推动新型功率器件在光储充等新能源应用场景中的创新应用,为行业高质量发展贡献力量。
关键词:
发布时间:2026-06-16 10:33 阅读量:301 继续阅读>>
报名开启 | Littelfuse <span style='color:red'>技术</span>日第三站・深圳——通讯设备/医疗电子专场
关键词:
发布时间:2026-06-16 09:42 阅读量:304 继续阅读>>
<span style='color:red'>技术</span>攻坚!广和通突破端侧LLM长上下文限制
  近日,广和通AI研究院取得关键技术突破,自研端侧长文本缓存管理技术FiboCache面向大模型推理中的缓存膨胀、内存受限、端侧部署效率低等业界难题,在有限缓存占用下支撑16K+上下文稳定推理,为端侧设备处理长文档、多轮交互及复杂任务提供核心支撑。  AI要走向复杂任务,先要“理解得更完整”  长文档理解、代码分析和多轮交互,正成为AI演进的重要方向。大模型能够参考的信息越完整,对复杂任务的理解、判断和执行也越可靠。  在实际应用中,信息长度直接影响任务效果。上下文不足时,对话记忆快速衰减,模型输出容易停留在片段总结和局部判断,难以支撑复杂业务流程。  在云端,这一问题可以依托服务器算力和大显存持续缓解。但在端侧,终端设备受到内存、功耗、成本和散热等限制,长文本处理难度显著提升。  随着输入信息不断增加,模型推理过程中用于保存中间状态的KV缓存会快速膨胀,带来时延上升、资源占用增加和运行稳定性下降。  如何让设备在有限资源中持续、稳定、低成本地处理大量信息,成为端侧长文本处理的关键挑战。  有限缓存,跑出更强理解力  FiboCache是广和通AI研究院自研的端侧长文本缓存管理技术,能够在有限缓存条件下,让端侧设备处理更大规模的信息输入。  该技术面向端侧静态图推理环境设计,可在推理过程中对历史信息进行高效管理,自动识别和保留与当前任务相关性更高的关键Token,减少低价值信息对缓存空间的占用。  在实际部署中,FiboCache可在约4K级缓存占用下支撑16K至32K级上下文推理,在显著降低资源占用的同时保持生成质量稳定。  同时,该技术面向主流大语言模型架构设计,不绑定单一模型或单一芯片平台,可作为Fibocom AI Stack使能平台的通用能力,赋能各类终端落地端侧 AI。  真实场景落地,让端侧AI真正处理“超大信息量”  基于FiboCache,广和通AI Stack解决方案可进一步覆盖更复杂的信息处理场景。  在AI会议机场景中,设备可在本地处理更长会议转写内容,完成纪要生成与重点总结,帮助用户从海量会议文本中提炼关键洞见,并实现数据本地驻留。  在AI陪伴、智能座舱和家用AI助手场景中,终端可保留历史对话与用户偏好,让交互更连贯,个性化角色设定更稳定。  在广和通龙虾智算盒等端侧AI设备中,FiboCache可支撑长文档摘要、复杂知识问答、多轮任务规划与本地化执行,帮助企业和行业客户在边缘侧部署更复杂的AI应用。  面向智慧工业与IoT场景,边缘设备可本地处理长周期设备日志、连续巡检记录和多源告警信息,完成故障排查、异常定位和预测性维护分析,提升现场响应效率。  底层能力突破,夯实端侧AI技术底座  FiboCache的突破,进一步补齐了广和通在端侧推理中的关键能力,为AI的深度应用提供坚实支撑。  围绕前沿模型适配、长文本处理等方向,广和通AI研究院将持续推进端侧AI技术创新,加速大模型能力向终端设备与业务场景落地,助力千行百业迈向万物智联的AI时代。
关键词:
发布时间:2026-06-15 09:41 阅读量:292 继续阅读>>
搞定车载激光雷达VCSEL驱动!思瑞浦发布高压大电流高速驱动<span style='color:red'>技术</span>白皮书
  激光雷达需在纳秒量级内向VCSEL注入数十安培的精准电流,既要保证探测距离,又不能在任何情况下灼伤人眼——难点大多集中在发射端这颗驱动芯片上。本文从电压预算、驱动架构、人眼安全到选型,拆解它为何需要60V–80V耐压、20A–50A峰值、ns级边沿。  图1 车载LiDAR扫描架构分类与演进——机械式/半固态/纯固态,趋势向纯固态电子扫描收敛  车载LiDAR正转向纯固态2-D可寻址VCSEL阵列,对发射端多通道集成要求更高。dToF测回波飞行时间,发射驱动须在精确时刻注入高峰值、窄脉宽、快边沿脉冲。  图2 LiDAR系统框图——涵盖发射Tx、接收Rx、电源转换、系统监控与接口,其中蓝色为3PEAK产品覆盖范围  一、为什么发射驱动需要60V–80V?  图3 dToF测距信号链——TX发射、目标回波、RX接收到信号处理  核心约束可用一个公式概括:电流变化越快,回路寄生电感产生的感性压降越大——每nH电感都按V=L·di/dt占去一截电压裕量,同时拖慢脉冲边沿。而边沿每增加1ns,测距误差约增大15cm,约一本书的宽度。  驱动电压预算:六结、20A、1ns上升时间基线  各项压降逐一叠加(见上表),六结即达四十余伏;随多结VCSEL向八结、十结演进、电流加大,电压预算很快逼近80V。约束由此明确:高电压、低电感、快开关。  二、几十安培,怎么一瞬间放出来?  图4 2-D Flash LiDAR TX 驱动系统架构——Boost升压、TPM8909Q高边充电、TPM8918Q低边脉冲与VCSEL阵列  采用“高边充电加低边脉冲”架构,其原理类似相机闪光灯:由高边电路预先将能量储入本地电容,再由低边开关在发射瞬间释放,从而把慢速充电与快速脉冲解耦,停止充电即切断能量源。整条链路含四个模块:Boost升压、高边充电IC、储能电容阵列、低边脉冲IC(见上图)。  充电拓扑与封装  充电拓扑有恒流与谐振两种方式:恒流方案电路成熟、时序确定、EMC表现好;谐振方案借LC谐振转移能量、效率更高,适合大电容、高帧率,代价是电路更复杂。封装则在物理上决定回路寄生电感——集成度越高、键合线越少,寄生越小,而在大电流、快边沿下寄生会直接抬高关断过冲,故低寄生封装对高压快脉冲尤为关键。  2-D 阵列驱动  阵列驱动是2-D固态路线的核心。传统1-D线阵加机械扫描存在三处短板:任意时刻只有一列发光、光子利用率低,热耗集中在同一组发射器、限制峰值功率,外加扫描光学的损耗与可靠性风险。2-D可寻址 VCSEL面阵改以电子方式逐区点亮,把光能集中到目标区域,单个发射器每帧只承担一小部分脉冲、热负载下降,并省去运动光学。  由此带来的一项关键能力是高反膨胀抑制:车牌、路牌等强反射目标的回波会使接收端饱和、向邻近像素溢出,模糊甚至淹没周边目标,而 2-D逐区可寻址可对这些已知高反区域单独调低驱动电流或发射器数量,从发射端做区域级功率控制、从源头抑制,又不牺牲其它区域的探测能力。  实现上有两处关键设计:行列寻址让阵列按“行+列”寻址、控制线数大幅减少,多颗芯片级联即可覆盖整片阵列;双寄存器组的乒乓机制在当前行发光期间预写下一行参数、切换即时生效,几乎不占用时序。系统再以大小波交替兼顾远近——远距用大波保证回波信噪比,近距用小波避免接收端饱和。  关得太快,会出什么问题?  图5 TPM8915Q实测光脉冲——脉宽约 6.1ns、上升 / 下降约 1.8ns,关断后可见振铃引起的二次发光  关断越快脉宽越窄,但回路电感对负向di/dt同样按V=L·di/dt,带来两类风险。一是二次发光:振铃让VCSEL再次正偏,主脉冲后冒出小光脉冲、形成虚假回波,即上图衰减振铃。  图6 TPM8915Q关断电压振铃实测——约56.5A、回路寄生约3nH下节点对地过冲约110V  二是过电压:回路电感像急刹车时的惯性一样抗拒电流骤变——电流被快速切断时,它为维持电流而在两端激起反向电压尖峰,实测可达约110V,既冲击器件耐压、又反偏VCSEL。对策是降低回路寄生、将过冲控制在80V以内,并辅以可编程斜率与续流钳位。  三、芯片坏了,会闪伤眼睛吗?  图7 正常脉冲模式与低边短路故障模式的对比——后者脉冲退化为连续发光  VCSEL的单脉冲能量本就超出IEC 60825-1 Class1的MPE一到两个数量级,正常工作全靠不到0.1%的占空比,把平均功率压在安全线内。风险在于故障:一旦低边开关短路,激光便从脉冲退化为连续发光(CW),占空比跳至100%、平均功率约等于峰值功率,相对安全平均限值可超标上千倍。因此标准要求:任何单一故障下都不得超过 MPE,并达到车规功能安全ASIL B以上。  人眼安全先从识别链路失效模式及其危害入手:  双芯片架构在此提供了一道独立兜底:即便低边IC彻底失效,高边仍能停止充电并主动放电,待储能电容能量耗尽后激光自然熄灭——这是将全部功能集成于单颗芯片的纯低边方案难以具备的。  四、按场景怎么选?  图8 TPM8915Q 集成功率级驱动系统——WLCSP封装内集成 80V/50A功率级,封装寄生小于0.1nH  Flash固态多通道:高边加低边  高边充电IC TPM8909Q与TPM8909AQ给16通道80V储能与 CVD/RVD诊断,低边脉冲IC TPM8918Q与TPM8918BQ给8通道 20A脉冲,级联覆盖2-D阵列。  扫描式/MEMS:GaN驱动  外挂第三方GaN FET配GaN驱动IC:车规TPM1025Q、TPM2025Q,工规TPM1020、TPM1025、TPM2025,用于单或少通道EEL、1-D VCSEL。  单通道高性能:集成功率级  TPM8915Q在WLCSP 3.35×1.65mm内集成80V/50A功率级,封装寄生<0.1nH,脉宽可窄至1ns。  全系列覆盖高边充电、低边脉冲、GaN驱动到集成功率级,均有车规与工规版。低成本是规模标配门槛:集成方案把BOM从50+压到20–30颗,下一代充电IC向24通道以上、更高电流、SPI取代并行接口。
关键词:
发布时间:2026-06-12 09:26 阅读量:458 继续阅读>>
广和通远驰亮相2026高通汽车<span style='color:red'>技术</span>与合作峰会,共拓智能汽车通信新边界
  6月4日-5日,2026高通汽车技术与合作峰会在无锡成功举办。作为高通汽车生态的重要合作伙伴,广通远驰携车联网通信与智能座舱模组解决方案亮相大会,集中展示双方在汽车智能化领域的协同创新成果,并通过分论坛演讲分享“智联无界——5G+AI驱动汽车智能化革命”的实践与思考。  依托高通车载芯片平台能力,广通远驰持续推进车联网通信模组与智能座舱模组双产品线协同发展,公司已形成覆盖5G-A、5G、5G RedCap等多层级产品体系,积累丰富的车规级量产经验。目前,广通远驰拥有20余个平台量产开发经验,累计出货量突破1500万套,与40余家主流车企和Tier1建立了长期合作。  依托双方长期生态合作,广通远驰持续推动前沿平台能力向车规级产品转化。在车联网通信领域,公司率先实现高通第一代5G平台产品首发量产,并推动5G模组获得多国法规及运营商认证;在智能座舱领域,广通远驰已成为行业内通过AEC-Q104车规测试平台数量最多的模组厂商,并率先实现5G旗舰座舱平台通过海外NG-eCall认证量产出货。  同时,作为业内唯一拥有Hypervisor与LXC量产经验的IDH厂商,广通远驰持续强化在车规级智能座舱、舱网融合及多域协同架构开发领域的领先优势。  01  生态合作持续深化  推动车联网通信能力迭代升级  依托与高通在芯片平台、通信架构及车规产品化层面的长期协同,广通远驰持续推动智能汽车通信产品迭代升级。从第一代5G模组产品规模验证,到第二代5G模组产品量产落地,再到5G-A高阶升级与RedCap轻量化拓展,逐步构建覆盖多层级智能汽车应用场景的通信产品体系。  作为广通远驰第一代5G车规通信模组产品,AN958已在众多车企实现规模应用,积累了丰富的车规验证经验与量产交付能力,产品稳定性、兼容性得到市场充分认可。在第一代产品成熟应用基础上,AN960作为第二代5G车规通信模组,目前也已进入量产阶段,进一步体现了广通远驰基于高通平台在产品迭代、规模化交付及车企导入方面的成熟能力,也推动双方合作从单一产品验证走向持续规模落地。  面向高阶智能网联时代,广通远驰进一步推出AN976 5G-A车规通信模组和AN931 5G RedCap车规级通信模组,持续推动双方合作从主流5G通信向高阶升级与轻量化应用延伸,进一步拓展高通平台能力在智能汽车多层级场景中的落地边界,为智能汽车通信能力持续升级提供更高效的产业落地路径。02  舱网融合加速演进  打造智能汽车协同体验  除车联网通信产品外,广通远驰还集中展示了AN806S和AN803S等智能座舱模组解决方案,覆盖入门级、中高端及旗舰级智能座舱应用场景。  依托与高通在智能座舱领域的长期协同,广通远驰座舱模组产品持续推进平台迭代升级,从早期AL656S、AN800S等演进至AN806S、AN803S旗舰级智能座舱模组,持续完善覆盖不同层级智能座舱应用场景的产品体系,进一步体现了广通远驰在车规级座舱模组可靠性、平台适配及产品化能力上的持续突破。  随着智能汽车向多域协同架构持续演进,“舱网融合”正成为整车智能化升级的重要趋势。依托在车联网通信与智能座舱领域的长期技术积累,以及与高通的平台协同优势,广通远驰持续推动通信能力与座舱体验协同升级,加快车端连接、数据交互及云端协同能力融合落地。  03  聚焦行业趋势  共话智能汽车未来  峰会分论坛上,广通远驰受邀发表《智联无界——5G+AI驱动汽车智能化革命》主题演讲,围绕5G通信、AI能力以及智能汽车产业发展趋势展开分享,并结合车规级通信模组与智能座舱产品实践,探讨如何推动5G+AI在智能汽车领域加速落地。    未来,广通远驰将继续深化与高通在汽车生态领域的协同合作,围绕5G-A、RedCap、智能座舱及AI汽车等方向持续创新,加速芯片平台能力向车规级产品与规模化应用转化。广通远驰也将携手产业合作伙伴,共同推动智能网联汽车产业高质量发展,为智慧出行与全域互联时代注入更强动能。
关键词:
发布时间:2026-06-08 09:53 阅读量:424 继续阅读>>
展会速递 | 士兰微电子亮相2026ATC上海国际汽车<span style='color:red'>技术</span>及零部件展览会
  现场直击  6月3日,2026ATC上海国际汽车技术及零部件展览会在上海新国际博览中心隆重开幕,会场分设“汽车底盘展”、“汽车动力展”、“汽车热管理展”、“汽车测试展”四大展会,数百家国内外汽车行业上下游企业与专业观众纷至沓来,展现出汽车领域蓬勃热烈的行业生机。作为深耕半导体领域多年的IDM企业,士兰微电子受邀,携士兰车规级半导体产品参加本次展览,与行业友商和客户深度交流、共襄盛举。  车规级半导体是士兰微电子的重点发展方向之一,在汽车电气化应用中,士兰微电子不仅能提供包括单管、PIM模块及SiC器件在内的功率半导体与化合物半导体产品,还能够提供涵盖智能开关、电源管理、MCU&DSP、驱动类IC、标准IC及MEMS传感器的一站式汽车IC产品。  本次随展亮相的士兰汽车产品就囊括了OBC、底盘转向/刹车、主驱电控、汽车空调压机IPM在内的整套解决方案与器件产品:  SSM2R1PB12EZ1BTFM  ZPAK-SiC全桥模块  创新技术:基于自主研发的 G4 SiC 芯片技术开发,采用三相全桥拓扑结构,专为 HEV/PHEV/EV 汽车主驱逆变器打造。  卓越性能:模块内置高性能 Tsense 传感器,采样精度更高、速度更快。  结构优势:创新的 ZPAK 封装与拓扑结构带来极低的杂散电感,搭配叠层母排设计,系统杂感可控制在 13nH 以内。  客户价值:兼具低导通电阻、高电流密度与高阻断电压等级,为严苛工况下的主驱逆变器运行提供坚实、可靠的保障。  SGM1000PB8BB1TFM_TR2  三相全桥拓扑模块  创新技术:基于自主研发的 FSV++ IGBT 芯片技术开发,采用三相全桥拓扑结构,是专为 HEV/PHEV/EV 汽车主驱逆变器应用打造的重磅功率器件。  核心优势:在功率密度、电流输出能力、电热耦合性能、系统集成度与长期可靠性上实现了大幅突破。  综合价值:通过深度优化单体成本与整体系统设计成本,以更高效、更可靠、更具性价比的一体化方案,为新能源汽车电驱系统带来核心性能与价值的双重提升。  士兰EPS系统解决方案  安全护航:直击底盘系统对高功能安全与高可靠性的严苛要求。  全栈布局:提供适用于 EPS 的全品类封装及全覆盖阻值 MOSFET;用于驱动 MOSFET 且具备 ASIL D 最高等级功能安全认证的预驱芯片 GDU-SZ9310;同样具备 ASIL D 最高等级功能安全认证且为 MCU 及传感器等模块供电的电源管理芯片 PMIC-SZ4981;用于车载通信的CAN 芯片SQJ1042以及其余配套的逻辑芯片、LDO等等。更多的配套芯片正陆续推出,敬请期待。  士兰空调压机SiC IPM  高集成度:模块内部集成了6个 1200V/40A 的 SiC MOSFET,并集成了高压栅极驱动电路、欠压保护、过流保护及温度输出功能。  灵活控制:输入逻辑全面兼容 3.3V/5V 系统;提供3个独立的负直流端,精准满足电流检测需求。  高效散热:采用 DBC 封装设计,具备极低热阻。  应用场景:广泛适用于汽车空调压缩机、汽车高压电子风扇及主动悬架系统。  除展出产品外,士兰微电子芯片工程技术部部门经理李磊于6月4日下午在E7展馆会议室分享了以《超高压电驱平台下功率半导体的“零缺陷”之路:良率攻坚与可靠性工程》为题的技术报告,面对当前行业迈向高压、超高压电驱平台的趋势,深度解析士兰微电子将如何通过工艺革新与严苛的可靠性工程,攻克良率瓶颈,全面展示士兰在车规级品质把控上的硬核实力。  一直以来,士兰微电子坚持IDM发展模式,持续深化功率半导体、化合物半导体等领域的技术迭代。展会现场,士兰新能源汽车电驱主控、OBC、底盘转向/刹车及汽车空调压机IPM模块等解决方案引发广泛关注,未来公司将强化与全球伙伴的生态协作,为智能汽车、绿色能源及数字化社会提供更高效的产品和解决方案。
关键词:
发布时间:2026-06-05 15:09 阅读量:488 继续阅读>>
罗姆参展PCIM Europe 2026 ~推动面向电动出行和工业领域的SiC功率<span style='color:red'>技术</span>发展~
关键词:
发布时间:2026-06-03 10:41 阅读量:595 继续阅读>>
Littelfuse丨 <span style='color:red'>技术</span>日 – 通讯设备/医疗电子/人工智能/储能系统专场
瑞萨丨<span style='color:red'>技术</span>干货|解决方案套件概念:AI赋能的智能电动自行车——重塑城市出行与智能交通
  电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择,电动自行车不仅有助于缓解交通拥堵,也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及,用户对安全性、可靠性和智能辅助功能的期待也在持续提升。  然而,无论是传统机械自行车还是电动自行车,当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的,在性能明显下降或故障真正发生之前,几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本,甚至带来潜在的安全隐患。  瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI),在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化,无需依赖云端连接。  嵌入式边缘AI实现预测性与智能骑行  智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU)),这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®,开发者可以部署高度优化的AI模型,使其完全运行于MCU本地,无需云端计算支持。  这种系统架构在实现更安全、更高效骑行体验的同时,也有效控制了功耗和系统成本,非常适合大规模部署于智能出行设备中。  AI赋能的智能电动自行车围绕以下两大核心能力,全面提升骑行体验:  AI驱动的状态监测  更顺畅、更安全的骑行体验,全面提升用户感受  瑞萨电动自行车概念  AI驱动的状态监测  无论是传统自行车、电动自行车,还是共享出行车队中的自行车,本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况,包括链条、齿轮、轴承以及车架连接部位。随着时间推移,这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。  传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动,容易导致突发故障,增加维护成本和运营风险。  通过将AIK‑RA8D1与加速度传感器直接集成到自行车中,实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式,及早发现机械性能退化的迹象。  关键预测性维护功能包括:  链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时,可在性能明显下降之前识别出链条过度磨损或润滑异常问题。  齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式,实现早期干预。  轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。  车架结构监测(Frame Structure Monitoring)——通过振动分析,还可识别车架的松动或结构性变化,从而提升骑行安全性并延长整车使用寿命  瑞萨如何实现智能自行车监测  要构建高精度的状态监测AI模型,必须采集涵盖正常运行状态和多种机械故障状态的数据集。  为此,系统采用AIK-RA8D1 AI开发套件,并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上,在真实骑行场景中采集振动和运动数据。  数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中,也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据,并进行存储,用于后续的数据标注和AI模型训练。  Figure1.Training Set-up  AI模型开发与部署  在完成数据标注并上传至Renesas Reality AI Tools后,可利用云端AutoML功能训练和评估多个AI模型,并针对RA8D1 MCU进行部署优化。  最终选定的模型能够识别七种系统状态:  电动自行车状态:识别空闲与静止状态  链条运行状态:识别正常的正向与反向链条运动  齿轮异常:基于变速器位置检测两种故障状态  后轮结构状态:识别潜在的后轮松动问题  该优化模型在仅占用5KB内存的情况下,实现了99.63%的识别准确率,可高效运行于RA8D1 MCU上。  Figure2.Model Development to Deployment Flow  部署完成后,推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。  AI增强型骑行智能  除状态监测外,AIK RA8D1还可作为智能电动自行车计算核心,充当中央处理节点,分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。  AI赋能的骑行功能示例包括:  载荷分布检测——通过分析振动与运动信号,系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置,以提升舒适性和踩踏效率。  路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出,从而提升稳定性与能效。  目标检测,实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时,AI模型可识别周围车辆与障碍物,在盲区来车时触发预警。  “See with Sound”的空间感知能力——通过麦克风阵列,系统可估算周围车辆的来向,并向骑手提供空间方位提示,而无需持续视觉关注。  推动下一代智能出行  AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中,制造商能够打造更安全、更可靠、更高效的出行解决方案。  瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台,构建适用于实时嵌入式部署的智能出行系统。  告别突发故障,从瑞萨开始打造更智能、更安全的自行车。  准备好将AI驱动的状态监测引入骑行领域了吗?
关键词:
发布时间:2026-06-02 09:56 阅读量:465 继续阅读>>

跳转至

/ 47

  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
BD71847AMWV-E2 ROHM Semiconductor
RB751G-40T2R ROHM Semiconductor
MC33074DR2G onsemi
CDZVT2R20B ROHM Semiconductor
TL431ACLPR Texas Instruments
型号 品牌 抢购
ESR03EZPJ151 ROHM Semiconductor
BU33JA2MNVX-CTL ROHM Semiconductor
STM32F429IGT6 STMicroelectronics
TPS63050YFFR Texas Instruments
BP3621 ROHM Semiconductor
IPZ40N04S5L4R8ATMA1 Infineon Technologies
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
关于我们
AMEYA360商城(www.ameya360.com)上线于2011年,现有超过3500家优质供应商,收录600万种产品型号数据,100多万种元器件库存可供选购,产品覆盖MCU+存储器+电源芯 片+IGBT+MOS管+运放+射频蓝牙+传感器+电阻电容电感+连接器等多个领域,平台主营业务涵盖电子元器件现货销售、BOM配单及提供产品配套资料等,为广大客户提供一站式购销服务。

请输入下方图片中的验证码:

验证码