OC7130是一種帶PWM 調光功能的線性降壓LED恒流驅動器，僅需外接一個電阻就可以構成一個完整的LED 恒流驅動電路調節該外接電阻可調節輸出電流，輸出電流范圍為10~2000mA。
OC7130 內置30V 50 毫歐MOS。
OC7130 內置過熱保護功能，可有效保護芯片，避免因過熱而造成損壞。
OC7130 具有很低的靜態電流，典型值為49uA。
OC7130 帶PWM 調光功能，可通過在DIM 腳加PWM 信號調節LED 電流。OC7130 采用ESOP8 封裝。
1.內置 30V 50 毫歐MOS
2.低靜態電流：49uA
3.輸出電流：10mA 到2000mA。
4.PWM 調光：最高頻率10KHz
5.輸出電流精度：±4%內置過熱保護
6.VDD 工作電壓：2.5-6V
1.線性 LED 照明驅動
2.LED 手電筒、LED 臺燈、LED 礦燈、
3.LED 指示燈等
升壓恒流:
OC6701 3.2～100V 大于輸入電壓2V以上即可3A以內
OC6700 3.2～60V 大于輸入電壓2V以上即可 2A以內
OC6702 3.2～100V 大于輸入電壓2V以上即可 1A以內
降壓恒流:
OC5021 3.2～100V最少低于輸出電壓1V以上就可以正常工作5A以內
OC5020 3.2～100V最少低于輸出電壓1V以上就可以正常工作 2A以內
OC5022 3.2～60V 最少低于輸出電壓1V以上就可以正常工作 3A以內
OC5028 3.2～100V 最少低于輸出電壓1V以上就可以正常工作1.5A以內
OC5011 5～40V 最少低于輸出電壓1V以上就可以正常工作5A以內
OC5010 5～40V 最少低于輸出電壓1V以上就可以正常工作2A以內
LED DRIVER DC-DC升降壓恒流
OC4001 5～100V 3.2～100V 3A
LED DRIVER DC-DC線性降壓恒流
OC7135 2.5-7V 低于等于輸入電壓即可固定<400mA
OC7131 2.5-7V 低于等于輸入電壓即可 可外擴，實際電流決定于MOS管功耗
OC7130 2.5-30V 低于等于輸入電壓即可 實際電流決定于IC整體耗散功率
LED DRIVER DC-DC降壓恒流專用IC系列：LED遠近光燈專用芯片
OC5200 3.2～100V最少低于輸出電壓1V以上就可以正常工作 2A以內
OC5208 3.2～100V最少低于輸出電壓1V以上就可以正常工作 1.5A以內
LED DRIVER DC-DC降壓恒流專用IC系列：多功能LED手電筒專用芯片
OC5351 3.2～100V最少低于輸出電壓1V以上就可以正常工作5A以內
OC5331 3.2～100V最少低于輸出電壓1V以上就可以正常工作 5A以內
DC-DC降壓恒壓
OC5801 8～100V最少低于輸出電壓5V以上就可以正常工作 3A以內
OC5800 8～100V最少低于輸出電壓5V以上就可以正常工作2A以內
“最初的想法很樸素——與傳統芯片廠商合作，打造適應最新算力要求的AI芯片，但幾百家合作方聊下來，最終還是得走自研AI芯片的路。”思必馳CTO兼深聰智能CEO周偉達如此描述轉型芯片公司的歷程。
云知聲聯合創始人李霄寒稱，物聯網時代非常重要的命題，就是將能力下沉到設備端，為此，做邊緣側人工智能芯片勢在必行。
也正是這兩家人工智能領域初創公司——云知聲與思必馳，在2019年開年前四天，先后發布AI芯片最新產品與進展，繼續著上一年的AI芯片行業熱潮。剛剛過去的2018年，AI芯片領域被巨頭公司與初創企業共同點燃熱潮，一波波產業布局與產品發布，宣告著AI芯片未來的產業價值與戰略地位。隨著算力的進步、海量數據的積累，人工智能在產業場景方面落地愈來愈快，隨之增加著AI芯片研發的速度與壓力。
芯片熱潮
2018年，國內AI芯片布局動作頻繁。
4月，阿里巴巴全資收購中天微——當前中國大陸唯一可大規模量產嵌入式CPU的芯片公司，全球累計出貨超過7億顆芯片;5月，寒武紀發布ambricon MLU100云端智能芯片，云知聲發布面向物聯網的AI系列芯片UniOne以及第一代芯片“雨燕”，出門問問發布AI語音芯片模組“問芯”Mobvoi A1;6月，Rokid發布旗下AI語音專用SoC芯片KAMINO18;7月，百度發布自主研發的中國首款云端全功能AI芯片“昆侖”;10月，華為發布兩款AI芯片——華為昇騰910(Ascend 910)，系目前全球已發布單芯片中計算密度最大的AI芯片，以及Ascend 310，系目前面向計算場景最強算力的AI SoC。
蜂擁而來的AI芯片布局，并不意味著這些局內者在技術與產業層面都準備完全了。
思必馳CTO兼深聰智能CEO周偉達對第一財經記者表示，雖然目前行業內眾多公司入局AI芯片，但具體技術投入大有不同，大致分為幾類——一類是將自身logo直接套用到傳統芯片產品上;一類是對傳統芯片產品進行局部優化與硬件加速處理;一類便是徹底技術自研與獨立;以及巨頭公司從產業角度出發，投入技術進行研發。“大家戰略點不同，切入點自然不同。”
為什么必須做芯片?
深聰智能執行副總裁吳耿源對第一財經記者表示，頭部算法公司為什么要探索硬件?是因為看到硬件需求的不足。但目前互聯網公司在硬件領域的嘗試更多是“ME 2”行為——即人云亦云，隨波逐流。中國目前存在1600多家芯片制造公司，但每家都活得不是很開心，就是因為一番競爭下來，最終“殺掉”的，僅僅是自己的隔壁。“也是因此，我們決定做自研芯片。”
云知聲CEO黃偉談到芯片重要性時表示，沒了芯片，算法便無法與產品融合;其次，于公司本身而言，在商業市場層面競爭力會下降，場景需求上也很難滿足用戶真實需求，“因此必須將軟硬件結合到一起。”
清華大學微電子所所長魏少軍此前表示，AI芯片是當前科技、產業和社會關注的熱點，也是AI技術發展過程中不可逾越的關鍵階段，不管有什么AI算法，要想最終得到應用，就必然要通過芯片來實現。
但芯片行業已然存在多年，具備自身的成熟度與門檻，周偉達對第一財經表示，思必馳的確不是芯片領域專家，因此在2016年下半年至2017年，一直處于尋找合作方的過程，具體包括芯片制造商、生產商等，但在算法不斷演進、客戶需求不斷變化的時代背景下，算法公司與芯片公司之間存在不可逾越的鴻溝。因此，2018年3月，思必馳與中芯國際共同注資成立上海深聰半導體有限責任公司(簡稱“深聰智能”)，正式開啟造芯之路，同年8月開始流片，11月點亮驗證。
垂直場景化落地
一個明顯趨勢是，AI芯片正尋求更垂直的場景進行落地。
人臉識別、語音識別、機器翻譯、視頻監控，以及交通規劃、無人駕駛、智能陪伴、輿情監控、智慧農業等，如今的AI已涵蓋人類生產生活各方面。
英特爾中國研究院院長宋繼強此前曾表示，以設計理念進行劃分的話，AI芯片可分為兩大類——第一類是“AI加速芯片”，加速某類特定算法或任務，從而達到目標應用領域對速度、功耗、內存占用、以及部署成本等方面的要求;第二類是“智能芯片”，使芯片像人一樣能使用不同AI算法進行學習與推導，處理包含感知、理解、分析、決策以及行動等一系列任務，并且具有適應場景變化的能力。
圍繞這兩方面，全球芯片公司——包括巨頭與初創企業——紛紛進行布局，以英特爾為代表的傳統芯片巨頭著力于提供全面、多元化的解決方案，涉及終端領域、邊緣計算領域、以及數據中心領域。相對應的，行業扎根尚淺的初創公司，大多選擇先從垂直場景入手。
1月2日，云知聲發布多模態AI芯片戰略與規劃，以及正在研發的不同場景定位的多款AI芯片，包括第二代物聯網語音AI芯片雨燕Lite，面向智慧城市支持圖像與語音計算的多模態AI芯片海豚，以及面向智慧出行的車規級多模態AI芯片雪豹。
1月4日，思必馳發布聚焦于語音應用場景下的AI專用芯片TAIHANG芯片(TH1520)，面向智能家居、智能終端、車載、手機、可穿戴設備等各類終端設備。
垂直場景化芯片制定來自于初創企業對接不同客戶的先天優勢，正如AI生態布局于巨頭公司而言更具優勢。周偉達對第一財經表示，思必馳從2015年開始對接不同客戶與終端，清楚了解他們的需求，因此思必馳的算法是在各個平臺均進行過移植與優化。
難題與挑戰
AI自研趨勢是必然的，對應的困難與挑戰與之相伴隨。
高額的研發支出是懸在巨頭與初創企業頭上的劍。據IC Insights數據顯示，2017年全球半導體研發支出總額為589億美元，其中排名前十位廠商的研發支出超過359億美元，超過其他公司支出總和，排名第一的是支出額度為131億美元的英特爾。
其次，半導體行業本身的技術難點便是一道門檻，如下游應用廣泛、生產技術工序繁多、技術更新換代迅速、投資高風險大等特點。上文所述諸多已然公布AI芯片戰略的公司，并非所有均實現流片。所謂“流片”(Tape Out)，即“試生產”，是在設計完電路后，先少量進行芯片生產，供測試使用，通過后即可進行大規模量產。因為耗費周期長，業內常有“一顆芯片流片失敗導致初創企業破產”的說法。
在半導體領域浸淫二十多年的吳耿源對第一財經記者表示，不同于其他領域，半導體周期是以季度為單位，過程涉及到產品定義、流片、生產，一般來講至少耗費一年半時間完成全周期，不能一次流片成功的話至少得兩年。
此前，中金公司董事總經理、電子及技術硬件行業首席分析師黃樂平表示，中國半導體行業處于非常艱難的境況，全球半導體行業處于明顯的下行周期，對企業來說折舊的費用會上升，盈利壓力非常大。半導體行業分支之中的人工智能異構計算AI芯片在崛起，如何在已然非常成熟、且處于劣勢的半導體行業之中尋找發展機會，是非常重要的話題。
對此，周偉達對第一財經記者表示，AI芯片行業存在諸多難點，例如技術的積累，算力與帶寬等瓶頸問題等。
魏少軍則強調稱，AI領域芯片“炒作”過熱，在當下尚未出現AI通用算法芯片、以及AI殺手級應用的情況下，AI芯片未來發展還有長路要走。
