PT4119是一款連續(xù)電感電流導(dǎo)通模式的降壓恒流源，用于驅(qū)動(dòng)一顆或多顆串聯(lián)LED。PT4119輸入電壓范圍從6伏到30伏，輸出電流可調(diào)，最大可達(dá)0.8安培。根據(jù)不同的輸入電壓和外部器件，PT4119可以驅(qū)動(dòng)高達(dá)數(shù)十瓦的LED。
PT4119 內(nèi)置功率開關(guān)，采用高端電流采樣設(shè)置LED平均電流，并通過DIM引腳可以接受模擬調(diào)光和很寬范圍的PWM調(diào)光。當(dāng)DIM的電壓低于0.3伏時(shí)，功率開關(guān)關(guān)斷，PT4119進(jìn)入極低工作電流的待機(jī)狀態(tài)。 PT4119采用SOT89-5封裝和ESOP8封裝。
特點(diǎn)：
極少的外部元器件
很寬的輸入電壓范圍：從6V到30V
最大輸出0.8A的電流
復(fù)用DIM引腳進(jìn)行LED開關(guān)、模擬調(diào)光和PWM調(diào)光
3%的輸出電流精度
LED開路自然保護(hù)
高達(dá)97%的效率
輸出可調(diào)的恒流控制方法
增強(qiáng)散熱能力的ESOP8封裝可用于大功率驅(qū)動(dòng)
應(yīng)用：
低壓LED射燈代替鹵素?zé)?br />
車載LED燈
LED備用燈
LED信號(hào)燈
PT4115
PT4119
PT4121
PT4181
PT4103
PT4110
PT5109
PT4211
PT4213
PT4205
PT4240
PT4238
PT4239
PT4501
PT4209
一級(jí)代理華潤矽威驅(qū)動(dòng)芯片，歡迎來電咨詢0755-83259945陳小姐
今年三月，Intel以150億美金收購了自動(dòng)駕駛領(lǐng)域最大的芯片公司，Mobileye。收購的新聞瞬間刷屏，但是仔細(xì)想來也是在情理之中。Intel自從去年開始就下定決心要大舉進(jìn)軍人工智能，開啟了買買買模式，2016年連續(xù)出手收購了Nervana和Movidius兩家分別擅長服務(wù)器端和移動(dòng)端機(jī)器學(xué)習(xí)系統(tǒng)的公司。目前人工智能最火的領(lǐng)域，除了服務(wù)器端提供AI服務(wù)(Nervana)，移動(dòng)端提供輕量級(jí)低延遲AI應(yīng)用(Movidius)外，就是自動(dòng)駕駛最火了，所以Intel繼Nervana和Movidius后的下一個(gè)收購目標(biāo)選擇了Mobileye實(shí)屬合理。
而從Mobileye角度來看，它與Intel的合作其實(shí)也有一段時(shí)間，自從與Tesla合作結(jié)束后，更是一心一意地加入了自動(dòng)駕駛的Intel陣營，與Intel和BMW結(jié)成了自動(dòng)駕駛聯(lián)盟，共同對(duì)抗來勢洶洶的Nvidia以及Tesla。目前該聯(lián)盟還處于蜜月期，Intel和Mobileye就親上加親成了一家人，預(yù)期未來會(huì)用更多動(dòng)作。
另一方面，Qualcomm也在去年宣布收購了汽車電子行業(yè)巨頭NXP。該收購案數(shù)額巨大，吸引了半導(dǎo)體業(yè)界幾乎所有人的目光，同時(shí)也展示了Qualcomm想從手機(jī)產(chǎn)業(yè)走出去的決心。Qualcomm與NXP的業(yè)務(wù)重合不多，收購后更多是業(yè)務(wù)互補(bǔ)，NXP的汽車電子業(yè)務(wù)將成為Qualcomm未來版圖中的重要環(huán)節(jié)。
Intel和Qualcomm，都瞄準(zhǔn)了未來的汽車電子。顯然，未來汽車電子潛力最大的方向就是無人駕駛，然而Intel和Qualcomm選擇了截然不同的兩種通往無人駕駛的技術(shù)道路。下面為您仔細(xì)分析兩家公司的技術(shù)藍(lán)圖。
Intel：做一個(gè)機(jī)器人幫你開車
Intel由微處理器發(fā)家，借著計(jì)算機(jī)在上世紀(jì)的普及而一舉成為全球最大的半導(dǎo)體公司。也正是由于在計(jì)算機(jī)行業(yè)過于成功，想要接著之前在計(jì)算機(jī)行業(yè)的經(jīng)驗(yàn)去做移動(dòng)終端業(yè)務(wù)，結(jié)果遭遇滑鐵盧，錯(cuò)失了移動(dòng)互聯(lián)網(wǎng)的風(fēng)口。下一個(gè)風(fēng)口是人工智能，Intel當(dāng)然不想再錯(cuò)過，因此連連出手大舉投資。
Intel與人工智能其實(shí)一直很接近。人工智能一直以來是計(jì)算機(jī)領(lǐng)域的一個(gè)分支，而Intel與計(jì)算機(jī)的淵源更是不必多說，因此Intel去做人工智能根本就不算是轉(zhuǎn)型，而只能說是稍微調(diào)整了一下計(jì)算機(jī)業(yè)務(wù)的重點(diǎn)布置。Intel要做自動(dòng)駕駛也是以人工智能為切入點(diǎn)，因此要從人工智能如何實(shí)現(xiàn)自動(dòng)駕駛來分析這件事。
人工智能從計(jì)算機(jī)誕生以來，就成為了計(jì)算機(jī)科學(xué)家一直在思考的問題，即能否用計(jì)算機(jī)實(shí)現(xiàn)人類的思考能力?計(jì)算機(jī)科學(xué)的祖師圖靈就思考過這個(gè)問題，還提出了著名的“圖靈準(zhǔn)則”(即人類能否判斷與之對(duì)話的是人還是計(jì)算機(jī))來幫助判斷計(jì)算機(jī)是否真正實(shí)現(xiàn)了人工智能。之后，在上世紀(jì)中葉，Minsky等人為人工智能的發(fā)展做出了卓越的貢獻(xiàn)，然而之后人工智能的發(fā)展卻陷入了低潮。直到十年前，基于深度神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)再度崛起，讓世人的目光再次集中到了人工智能這個(gè)話題上。神經(jīng)網(wǎng)絡(luò)是一種仿生人工智能算法，其崛起的標(biāo)志性事件是2012年AlexNet的誕生，實(shí)現(xiàn)了在ImageNet數(shù)據(jù)集上物體識(shí)別準(zhǔn)確率的大幅提升。之后，神經(jīng)網(wǎng)絡(luò)越來越深，從十幾層，到微軟ResNet的一百多層，最近甚至有一千多層的深度學(xué)習(xí)網(wǎng)絡(luò)出現(xiàn)。
Intel以人工智能作為自動(dòng)駕駛的技術(shù)路線，其最終目標(biāo)是打造一個(gè)人工智能駕駛系統(tǒng)。該系統(tǒng)可以理解為設(shè)計(jì)制造一個(gè)機(jī)器人，這個(gè)機(jī)器人懂得用傳感器感知汽車周圍信息，并且根據(jù)人工智能算法做決策，以實(shí)現(xiàn)與人類一樣甚至超過人類表現(xiàn)的駕駛水準(zhǔn)。就技術(shù)角度，Intel負(fù)責(zé)這個(gè)機(jī)器人的大腦(計(jì)算部分，Intel畢竟是處理器行業(yè)的老大其芯片能提供足夠強(qiáng)大的計(jì)算能力)，而Mobileye負(fù)責(zé)機(jī)器人的眼睛(傳感器信號(hào)處理芯片，傳感器的原始數(shù)據(jù)量非常大，需要專用的高效處理芯片做預(yù)處理后再送去后端的通用處理器做自動(dòng)駕駛的決策)。
Intel設(shè)想的自動(dòng)駕駛系統(tǒng)中需要用到多種傳感器，包括攝像頭，毫米波雷達(dá)，激光雷達(dá)，超聲波傳感器等等，Intel購買Mobileye的目的，就是為了給自動(dòng)駕駛系統(tǒng)加上一雙敏銳的雙目，實(shí)現(xiàn)高效傳感器融合。算法部分兩家公司各有積累，融合之后預(yù)期會(huì)有更好的算法出現(xiàn)。而數(shù)據(jù)方面，就要靠與Intel合作的各大車廠提供以訓(xùn)練深度學(xué)習(xí)算法了。
Intel選擇的使用神經(jīng)網(wǎng)絡(luò)人工智能的自動(dòng)駕駛歸根到底是一種仿生學(xué)設(shè)計(jì)，其效法的對(duì)象就是人類本身，無非就是用傳感器替代了人類的眼睛，用深度學(xué)習(xí)算法代替了人類的大腦。從另一個(gè)角度想，人類的極限基本就決定了這套自動(dòng)駕駛系統(tǒng)的極限。在自動(dòng)駕駛分級(jí)中，這套系統(tǒng)支援到第三級(jí)(有條件自動(dòng)化)沒有任何問題，因?yàn)樽詣?dòng)駕駛系統(tǒng)并沒有完全接管汽車，這時(shí)候相當(dāng)于真人駕駛員是駕校教練坐在副駕上，而自動(dòng)駕駛系統(tǒng)是新司機(jī)(雖然這個(gè)新司機(jī)在大多數(shù)時(shí)候比真人老司機(jī)開得更好!)，一旦自動(dòng)駕駛出了什么問題真人老司機(jī)立馬介入避免事故。
然而，到了第三級(jí)以上的自動(dòng)駕駛(副駕真人老司機(jī)在開車過程中基本可以打瞌睡不管自動(dòng)駕駛系統(tǒng))，人工智能想要真正接管汽車還有不少問題。目前人工智能中深度學(xué)習(xí)的原理是使用海量數(shù)據(jù)去訓(xùn)練網(wǎng)絡(luò)，深度學(xué)習(xí)網(wǎng)絡(luò)在訓(xùn)練后可以根據(jù)輸入數(shù)據(jù)做決策。然而，數(shù)據(jù)即使再大，也不可能覆蓋所有狀況，在很多意想不到的情況下算法可能出錯(cuò)。例如，就拿基于攝像頭的自動(dòng)駕駛來說，攝像頭首先獲取圖像數(shù)據(jù)，之后處理器在圖像上做分割，將背景與前景物體分割開，再識(shí)別前景中的道路，車道，活動(dòng)物體(包括其他汽車，自行車，行人)，估計(jì)這些物體與車的距離，并做駕駛決策。然而，無論是圖像分割，物體識(shí)別，還是距離估計(jì)，都可能出錯(cuò)，而且出錯(cuò)的地方往往意想不到。之前Tesla的自動(dòng)駕駛因?yàn)闆]能識(shí)別前方的白色大卡車而產(chǎn)生了車禍，據(jù)報(bào)道援引可能是算法把大卡車當(dāng)成了白云。這樣的錯(cuò)誤在人類看來不可思議，但是在基于深度學(xué)習(xí)的人工智能中卻非常有可能，只要訓(xùn)練數(shù)據(jù)中沒有包括這種情況就有機(jī)會(huì)犯這種錯(cuò)誤。然而，駕駛時(shí)路況千變?nèi)f化，訓(xùn)練數(shù)據(jù)理論上不可能覆蓋所有狀況，永遠(yuǎn)有這類落網(wǎng)之魚。即使統(tǒng)計(jì)學(xué)上的概率非常非常小，但是對(duì)于每個(gè)車主來說一旦發(fā)生了就是發(fā)生了。而且，一旦發(fā)生事故，如何界定法律責(zé)任也是一個(gè)問題，究竟是車廠的責(zé)任還是司機(jī)的責(zé)任，也是一個(gè)尚待解決的問題
另外，這還牽涉到了車主對(duì)自動(dòng)駕駛的信任問題。雖然現(xiàn)在人工智能使用的深度學(xué)習(xí)網(wǎng)絡(luò)研究非�；馃�，但并不代表人們已經(jīng)理解了深度學(xué)習(xí)網(wǎng)絡(luò)。深度學(xué)習(xí)的基礎(chǔ)是統(tǒng)計(jì)學(xué)，網(wǎng)絡(luò)的效果好壞也是看測試數(shù)據(jù)集上的測試準(zhǔn)確率，因此人們不完全明白深度學(xué)習(xí)網(wǎng)絡(luò)的決策過程，一個(gè)典型的例子是AlphaGO對(duì)戰(zhàn)李世石的時(shí)候?qū)I(yè)棋手連連表示看不懂AlphaGO的思路，但是最后AlphaGO就是在一片“看不懂”中贏下了比賽。往好里說，這是神奇，是潛力無窮，往壞里說，這是不確定性大。Tesla的自動(dòng)駕駛汽車能高難度過彎卻會(huì)陰溝里翻船，將來自動(dòng)汽車也可能在完全不確定的地方出事故，讓車主不能完全信賴。說到底，這個(gè)信任問題的根源，還是因?yàn)槿斯ぶ悄茏詣?dòng)駕駛完全依賴于一個(gè)人類還不能完全理解的技術(shù)。
小結(jié)：Intel基于人工智能的自動(dòng)駕駛技術(shù)是想做一個(gè)和人一樣根據(jù)周圍環(huán)境做決策完成駕駛?cè)蝿?wù)的系統(tǒng)。Intel的技術(shù)可以快速搶占目前主流的0-3級(jí)自動(dòng)駕駛市場，但是在更高級(jí)的自動(dòng)駕駛(即自動(dòng)駕駛系統(tǒng)掌握車輛的更多主控權(quán))領(lǐng)域，光靠人工智能是不夠的。
那么，更高級(jí)的自動(dòng)駕駛市場要靠什么?要靠未來交通的基礎(chǔ)設(shè)施，即車聯(lián)網(wǎng)(V2V，V2X)。而這是Qualcomm與NXP更擅長的。
Qualcomm：設(shè)計(jì)新型汽車自己就能開
Qualcomm的自動(dòng)駕駛思路與Intel完全不同。如果說Intel是計(jì)算機(jī)科學(xué)家的思路走人工智能，那么Qualcomm就是電子工程師的思路走自動(dòng)化控制，即車聯(lián)網(wǎng)。在車聯(lián)網(wǎng)時(shí)代，每輛車以及路上的交通設(shè)施都與網(wǎng)絡(luò)連接傳遞信息，這樣車可以根據(jù)從車聯(lián)網(wǎng)獲得的信息來做駕駛決策判斷，從而實(shí)現(xiàn)自動(dòng)駕駛。
車聯(lián)網(wǎng)包括車與車之間的通訊，也包括車與其他設(shè)施之間的通訊。車與車之間的通訊可以讓每輛車都掌握附近車的信息，例如距離，時(shí)速等等。這一方面可以避免交通事故，另一方面也可以增加駕駛效率。例如，現(xiàn)在在開車的時(shí)候大家都會(huì)與前車保持足夠的車距防止前車突然剎車，有了車聯(lián)網(wǎng)之后前車剎車的第一時(shí)間你的車就會(huì)知道并且同步減速，這樣即使車之間的間距很小也問題不大。這個(gè)技術(shù)目前已經(jīng)用在了NXP給卡車車隊(duì)開發(fā)的系統(tǒng)中，在這樣的車隊(duì)里每一輛車的駕駛過程都是同步的，從而可以省去不少因?yàn)榧铀贉p速的浪費(fèi)的汽油。車與其他設(shè)施之間的通訊也非常有用，例如車輛可以與路牌通訊知道目前的限速。
舉個(gè)例子來說明Intel和Qualcomm技術(shù)的不同思路。下雨天的時(shí)候，純粹基于人工智能的自動(dòng)駕駛?cè)菀壮鰡栴}，因?yàn)檐嚨婪指罹�在下雨天的時(shí)候很模糊，人類都看不清楚，人工智能使用機(jī)器視覺也一樣看不清楚，所以無法很好地識(shí)別車道，可能會(huì)開著開著就開到其他道上去了。車聯(lián)網(wǎng)的思路就不同，識(shí)別車道壓根不是靠機(jī)器視覺，而是可以靠道路的基礎(chǔ)設(shè)施建設(shè)使道路交通智能化。例如，可以在車道的分割線上安裝射頻標(biāo)簽，汽車靠與這些射頻標(biāo)簽通訊就可以知道自己有沒有行駛在道路中央，甚至還可以獲得前方道路是否有彎之類的信息來幫助駕駛。顯然，這樣的方案不會(huì)受到天氣的影響。
從上面的例子還可以看出兩種方案的其他不同點(diǎn)。首先，不同于之前說到人工智能技術(shù)很多時(shí)候連研究人員都無法理解，Qualcomm使用的車聯(lián)網(wǎng)中每一個(gè)技術(shù)細(xì)節(jié)(主要是無線通訊)都已經(jīng)被工程師們完全理解，因此不會(huì)出現(xiàn)人工智能在不可思議的地方出錯(cuò)的問題，也不存在訓(xùn)練數(shù)據(jù)不夠的問題。甚至在車聯(lián)網(wǎng)信號(hào)狀況不好的時(shí)候，汽車也能及時(shí)提醒司機(jī)及時(shí)接管，但是人工智能方案卻未必能實(shí)現(xiàn)這一點(diǎn)。其次，Intel的自動(dòng)駕駛技術(shù)只是做局部優(yōu)化，只管一輛車;而Qualcomm的車聯(lián)網(wǎng)則是有可以做全局優(yōu)化的潛力，既然所有車都聯(lián)網(wǎng)了那么交通也可以根據(jù)車流做優(yōu)化疏導(dǎo)，例如交通燈會(huì)根據(jù)車流來調(diào)整紅燈和綠燈的時(shí)間。Qualcomm車聯(lián)網(wǎng)方案會(huì)給汽車駕駛帶來更大的飛躍。人類開車的時(shí)候是通過眼睛看前方的路況以及車距，頭腦根據(jù)這些信息來做判斷并控制汽車。Intel的人工智能駕駛是使用傳感器代替人類眼睛，使用處理器代替人類大腦，但是人類眼睛會(huì)看錯(cuò)，判斷會(huì)失誤，人工智能一樣也會(huì)犯這樣的錯(cuò)誤。Qualcomm的車聯(lián)網(wǎng)方案根本就不需要眼睛，因?yàn)榈缆泛蛙囕v的實(shí)時(shí)信息已經(jīng)通過網(wǎng)絡(luò)傳遞給車輛，所以就不會(huì)有“看錯(cuò)”的問題。
當(dāng)然，Qualcomm的車聯(lián)網(wǎng)也有一個(gè)很大的問題，就是需要把車聯(lián)網(wǎng)的基礎(chǔ)設(shè)施都建好了才能完全發(fā)揮出所有潛力，相較之下Intel的人工智能駕駛則與基礎(chǔ)設(shè)施沒有任何關(guān)系。事實(shí)上，車聯(lián)網(wǎng)與人工智能自動(dòng)駕駛并不互相矛盾，相反是相輔相成的。在第0-3級(jí)自動(dòng)駕駛中，人工智能即可勝任;但是到了更高級(jí)的自動(dòng)駕駛，必須同時(shí)結(jié)合兩種方案才行。
公司:深圳市哲瀚電子科技有限公司
聯(lián)系人:陳小姐
手機(jī):13714441972
電話:0755-82549527/83259945/13714441972
傳真:0755-83259945
地址:深圳市福田區(qū)深圳市福田區(qū)華強(qiáng)北街道深南中路3006號(hào)佳和大廈3C006
