CL1226原邊控制高精度恒流控制器，集成了多種保護功能。原邊反饋拓撲結構可簡化控制器電路設計，特別在LED驅動應中。

采用CL1226的系統應用具有更輕的質量，更小的體積和更低的成本。CL1226工作在電感電流斷續模式，適用于80Vac-265Vac輸入電壓、功率10W以內的隔離LED恒流電源。芯片最大限度的減少了系統元件數目并采用DIP-8封裝，這些使得CL1226能夠減小系統所占空間。

CL1226具有高精度電流采樣電路，使得輸出電流精度達到±3%以內。同時，CL1226具有LED開路/短路保護，過流保護，欠壓保護等。

CL1226是一款性能優異的原邊反饋控制器，集成了多種保護功能。CL1226工作在電感電流斷續模式，適用于85Vac-265Vac輸入電壓，功率10W以內的隔離LED恒流電源。芯片最大限度的減少了系統元件數目并采用DIP-8封裝，這些使得CL1226能夠減小系統所占空間。CL1226具有高精度電流采樣電路，使得輸出電流精度達到±3%以內。同時，CL1226具有LED開路/短路保護，過流保護，欠壓保護等。CL1226原邊反饋拓撲結構可簡化控制器電路設計，特別在LED驅動應用中。采用CL1226的系統應用具有更輕的質量，更小的體積和更低的成本。

CL1226特性:
1.±3%LED輸出電流精度；
2.原邊反饋橫流控制；
3.無輔助檢測/供電繞組；
4.超低工作電流：250毫安（典型值）；
5.寬輸入電壓：85Vac-265Vac；
6.內部集成650V功率管；
7.LED短路/開路保護；
8.原邊過流保護；
9.欠壓保護；
10.過溫保護。
CL1226應用范圍：
1.GU10 LED射燈
2.LED 球泡燈

3.其他LED照明.

近年來，隨著移動互聯網的興起，英特爾面臨挑戰。而近年來NVIDIA(英偉達)在通用計算領域的崛起也讓英特爾壓力巨大。NVIDIA(英偉達)今年8月公布了最新的財報，總收入14.28億美元，同比增長24%，而利潤達到了2.53億美元，同比增長873%。這給英特爾帶來了不小的威脅。

英特爾積極推出新品，并在測試報告中稱新推出的Intel Xeon Phi處理器運算能力高于目前市面上GPU處理器，矛頭直指nVidia。

英特爾稱Xeon Phi處理器的訓練速度比GPU快了2.3倍、Xeon Phi最多可達一百二十八個節點，這是目前市面上的GPU無法辦到的。同時，由一百二十八個Xeon Phi處理器組成的系統要比單個XeonPhi處理器快50倍。

針對英特爾的說法，NVIDIA提出了強烈的反駁，NVIDIA指出英特爾使用的是18個月前的數據，如果使用更新的Caffe Alex Net數據，就會發現四個Maxwell GPU比四個Xeon Phi處理器的速度快30%。

口水戰我們并不陌生，英特爾和AMD，NVIDIA和ATI，后來的蘋果和三星，國內的小米和華為都打過口水戰。在英特爾與NVIDIA口水戰后面隱藏著什么趨勢呢，我們來看一下。

一、新品聚焦人工智能

NVIDIA新發布的產品是用于深度學習運算系統DGX-1。這款產品為了人工智能時代設計，采用NVIDIA Pascal核心的Tesla P100加速器打造。

除了強大的硬件計算能力，DGX-1還預裝了人工智能的各種軟件和開發程序，包括NVIDIA Deep Learning SDK、DIGITSGPU訓練系統、驅動程序及CUDA。這套系統還能支持云端管理服務。按照NVIDIA的說法，Tesla GPU比舊版GPU加速解決方案速度快12倍。

而英特爾也表示要開發人工智能技術的專用芯片，英特爾透露明年推出新型號的至強Phi處理器。新型號將引入加速人工智能計算任務的功能，將給深度學習帶來幫助。應用于語音識別、圖像識別，以及自動駕駛等領域。

目前，主流的人工智能系統大多都是混合架構的超級計算機，英特爾的CPU與NVIDIA的GPU共同提供云算能力。

英特爾和NVIDIA的口水戰，實際是給未來的人工智能處理器大戰做的輿論準備，兩家都看好人工智能未來的市場。

二、人工智能算法突破帶來商機

人工智能并非什么新概念。從科幻到早期研究，人工智能至少有上百年的歷史。為什么近期人工智能又突然熱起來?這要歸功于深度學習的的突破。

人工智能的深度學習需要大量數據資料，通過不斷訓練來提升人工智能水平。在以前，找到大量數據資料是比較困難的，而計算機的運算能力也不足以應對深度學習的要求。

而大數據，云計算和云儲存改變了一切，在大數據和云儲存時代，人類所獲得的數據膨脹了千萬倍，這就給了深度學習足夠的學習與訓練資料。

而計算能力的提升，讓以前一些不太靠譜的深度學習算法變得靠譜了。

有了足量的數據，有了相對廉價的，強大的計算能力，深度學習變得越來越靠譜。而各種算法也發展起來，應用于各種領域。

2016年，谷歌的AlphaGO震驚世界。原本圍棋被認為是計算機難以逾越的，傳統的蒙托卡羅樹搜索模式應對象棋或者國際象棋已經不是問題。但是應對19路棋盤的圍棋還非常困難。

而且計算機要判定棋形的優劣同樣很困難，特別是布局和中盤，形勢不明的階段。

而AlphaGO把多層神經網絡與蒙特卡羅樹搜索結合了起來。同時用上了深度學習能力。AlphaGO利用計算機時代的大數據，獲取了千萬盤真實對局，從對局中學習人類對圍棋形勢的判斷和決策，大大減少了樹搜索的計算量。

谷歌也用上了GPU通用計算，并且利用龐大的云計算資源幫助計算機訓練，通過自我對局，自我學習不斷提高。

結果人類的九段高手李世石敗給了計算機，引發了世界轟動的大新聞。

而事實上，谷歌所用到的多層神經網絡、深度學習最近幾年已經廣泛應用于圖像識別，語音識別，翻譯，自動駕駛。

一些以前認為計算機無法替代人類的領域突然變得不那么絕對。通過深度學習，似乎什么領域計算機都可以試試。

谷歌、百度、微軟、蘋果、亞馬遜……幾乎所有的互聯網巨頭都在研發人工智能，都在搞深度學習，甚至無人機的新興企業大疆也在試圖將人工智能應用到無人機的物體規避上面。

這提供了商機。

三、做人工智能的軍火商

人工智能幾乎可以進入人類社會的所有領域，無人駕駛汽車，無人工廠，無人飛機，無人商店……，除了一些創造性崗位，幾乎所有崗位都可以被人工智能所替代。

給社會研發出有用的人工智能，是互聯網巨頭們的工作。而研發本身所需的是龐大的計算能力與儲存能力。在人工智能爭奪戰中。獲利最多的未必是勝利者，而很可能是軍火商。英特爾和nVIDIA就在爭做人工智能戰爭的軍火商。

這兩家企業在上一輪移動互聯網中都不得意。英特爾決策失誤入場太晚，無力回天。NVIDIA起步早，就是死于基帶，收購毫無用處，最后不得不退出競爭。

而在下一個人工智能的風口中，兩家則都挽起來袖子。NVIDIA的GPU通用計算本來就很適合人工智能，算是既得利益者，自然變本加厲，DGX-1有軟硬一體控制行業的野心。

而英特爾也不是吃素的，XeonPhi的眾核架構本來就與GPU很像，而英特爾又有X86指令集，開發和移植相對容易，再加上Skylake核心墊底，英特爾也準備在人工智能領域有所作為。

目前，NVIDIA有一定先發優勢，英特爾則要明年才會推出針對人工智能的高性能計算產品。

公司:深圳市哲瀚電子科技有限公司

聯系人:陳小姐

手機:13714441972

電話:0755-82549527/83259945/13714441972

傳真:0755-83259945

地址:深圳市福田區深圳市福田區華強北街道深南中路3006號佳和大廈3C006