The PAM8615 is a 16W 32W (per channel) efficient Class-D audio power amplifier for driving stereo speakers in a single-ended configuration or mono bridge-tied speaker. The PAM8615 can drive single-ended speakers as low as 4Ω. Due to the low power dissipation and high efficiency the device can be used without any external heat sink when playing music.
Stereo speaker volume is controlled with a DC voltage applied to the volume control terminal offering a range of gain from -40dB to +36dB.
The PAM8615 is available in a TSSOP-24 package.
特點：
• 32W/ch into 8Ω BTL Load from 24V Supply (Thermal Limited)
• 16W/ch into 4Ω SE Load from 24V Supply (Thermal Limited)
• Operates from 8V to 30V
• Supports Multiple Output Configurations: ƒ 2-Ch Single-ended (half bridge)(16WX2) ƒ 1 Ch Bridge-tied load (full bridge)(32WX1)
• High Efficiency Above 90%
• 64-Setup DC Volume Control from -40dB to +36dB
• Singel Ended Analog Inputs
• Thermal and Short-Circuit Protection
• Flexible Frequency Adjustable by External Component
• Clock Output for Synchronization with Multiple Class-D Devices
• No Pop Noise for Start-Up and Shut-Down Sequences
• Space-Saving Surface-Mount 24 Pin TSSOP Package
• Pb-Free Package
應用：• Televisions • Home Sound Systems
圖形芯片大廠NVIDIA(英偉達)于26日在中國臺北舉行的GPU 技術大會(GTC Taiwan)上，創辦人暨CEO黃仁勛發布主題演講時表示，在全球AI深度學習運算的興起之下，人工神經網絡的運用凸顯出GPU運算的特性。而且，借由深度學習運算能夠延續遲緩成長多年的摩爾定律持續演進，并且成為目前人工智能技術主流演算方式。
2017 年的 NVIDIA GTC Taiwan 訂出了包括“人工智能的多元應用”、“人工智能應用于工業生產”與“人工智能與產業發展”等三大大會主題，且邀請產官學界講師來分享借由 GPU 的運算，以協助各領域產業升級。并且，透過人工智能應用，達成產業數字轉型的目標。黃仁勛指出，當前一般的電腦運算依然需要 CPU 來進行。不過，在大量資料分析的工作上，借助 GPU 運算能力已經成為趨勢。所以，當前的人工智能技術主要是以仰賴 CPU 與 GPU 的分工與合作為運算架構來執行工作。
黃仁勛強調，在過去5年內，投資在人工智能新創產業上已經成長10倍，其總產值達 66 億美元的規模。在此同時，有關深度學習的論文發布，也在過去 3 年也成長 10 倍。其中，有超過 3,000 個論文內容被提出，可以想像的是，人工學習與深度學習的議題身受重視。于是，NVIDIA 在 GTC 2017 提出的 GPU Cloud 服務，將可讓企業、新創公司借由云端協圖工作的方式，得到更強大的運算能力，借此達成各種深度學習的需求。其中包括人工智能模式的建立、電腦視覺應用、自動駕駛技術的發展，以及面對越來越多的物聯網使用需求等。
另外，借由深度學習模式，目前已經可透過 GPU 加速應用，來達成 3D 影像中的即時自然光影追跡、臉部表情與口語同步、動畫人物動作的自我表現、測量影像中的物件相對距離，或是讓機器手臂判斷與移動物件等技術。而面對這些未來的需求，NVIDIA 也宣布推出學習模型加速器 TensorRT 3，使得深度學習效率大幅提升，進而在運算設備成本上進行明顯的節省。
黃仁勛進一步表示，借由 TensorRT 3 速器，可以使得原本需要 160 組CPU，每秒分析 4.5 萬張照片的運算需求，簡略到只要配置 8 張 Tesla V100 的單組 NVIDIA HGX GPU 的電腦即可達成相同運算效能。而且，僅需要原本四分之一體積、二十分之一電力損耗，以及原本六分之一左右的成本支出就可以建構出這樣的運算能量。“這些節省下的成本就是金錢，這對企業來說非常的重要!”黃仁勛表示。
最后，黃仁勛表示，過去用在 CPU 制程上的摩爾定律已到尾聲，電晶體雖然每年持續增長 50%，但 CPU 效能成長僅 10%，使得 CPU 不可能再成長。因此，透過 GPU 運算的深度學習將是另一種解決方案。而 NVIDIA 的 GPU 是產業專用加速器，將能補足 CPU 在大量運算上的不足。而 Nvidia 也為自主運算時代打造一系列的平臺架構，包括 Jetson 超級電腦、JetPack 開發人員套件、DIGITS、Issac 機器人虛擬實驗室與深度學習單位等，以滿足當前自主機器的世代即將來臨的需求。
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
