EG3113 是一款高性價比的大功率 MOS 管、 IGBT 管柵極驅動專用芯片， 內部集成了邏輯信號輸入處理電 路、 死區時控制
電路、 閉鎖電路、電平位移電路、脈沖濾波電路及輸出驅動電路， 專用于無刷電機控制器 中的驅動電路。
EG3113 高端的工作電壓可達 600V， 低端 Vcc 的電源電壓范圍寬 2.8V～20V， 靜態功耗小于 5uA。該芯 片具有閉鎖功能防
止輸出功率管同時導通， 輸入通道 HIN 內建了一個 200K 下拉電阻， LIN 內建了上拉 5V 高電位,在輸入懸空時使上、下功率 MOS 管處于關閉狀態,輸出電流能力 IO+/- 1/1.5A， 采用 SOP8 封裝。
特點：
◆高端懸浮自舉電源設計， 耐壓可達 600V◆適應 5V、 3.3V 輸入電壓
◆最高頻率支持 500KHZ
◆低端 VCC 電壓范圍 2.8V-20V
◆輸出電流能力 IO+/- 1A/1.5A
◆內建死區控制電路
◆自帶閉鎖功能，徹底杜絕上、下管輸出同時導通
◆HIN 輸入通道高電平有效， 控制高端 HO 輸出
◆LIN 輸入通道低電平有效， 控制低端 LO 輸出
◆外圍器件少
◆靜態電流小于 5uA，非常適合電池場合
◆封裝形式： SOP-8
應用：
◆移動電源高壓快充開關電源
◆變頻水泵控制器
◆600V 降壓型開關電源
◆電動車控制器
◆無刷電機驅動器
◆高壓 Class-D 類功放
隨著全球“AI+IoT”融合類應用市場的風起云涌，如今上到IC設計下到終端集成的全產業鏈也都聞風而動，掀起了一股“AIoT化”的技術革新浪潮。受益于此，曾立足于IoT沃土而今已成該市場“主力”的MCU，如今也踏上了AIoT的技術整合之路，從單一的主“控制”開始向“智能互聯”目標邁進。AIoT時代的MCU，將不再只是負責控制，推理和運算等AI能力也將成為MCU的標配。而在中國AIoT應用及市場遍地開花的大利好條件下，本土MCU廠商有望把握這一機遇乘勢而起，以智能化應用為基石，逐漸追平國際大廠直至超越。
作為電子產品的“心臟”，如今小到電子體溫計、無線充電器，大到汽車甚至數控機床等設備上，我們幾乎都能看到MCU的身影。據IC Inside統計，2018年全球MCU的收入增加了11%，達到186.15億美元的歷史最高水平銷售業績，預計2019年將增長9%達到203.57億美元，并有望在2022年創下238.75億美元的歷史新高年收入紀錄。
從市場占比角度看，雖然至今為止市場上的存量MCU仍然以8位產品居多，但隨著32位市場的迅速崛起，加之AIoT創新應用市場的推動，8位等存量MCU市場份額會迅速被擠壓，直至實現完全替代。而AIoT時代，32位MCU更將起到最主導性的作用，實際上2018年32位通用MCU已經占據MCU總出貨量的60%以上，預計到2022年將達到總量的68%，且由于32位MCU單體售價可以賣到1.76美金(超過MCU平均價格水平一倍)，未來也將貢獻約88%的MCU總收入。
華大半導體有限公司MCU事業部總經理謝文錄在接受本刊采訪時表示：“32位已經是行業非常明顯的趨勢，雖然從每年的統計來看，8位在家電和汽車這類換代周期長的市場保持比較好的占有率，看起來絕對值變化不大。但隨著現在越來越多AIoT創新應用的出現，里面用的基本大部分都是32位的產品，像如今很多新興的MCU創業公司也都是從32位MCU開始起步，用ARM的32位核來做，幾乎看不到有用8051核做8位產品的了。這主要是由于一方面，以ARM為主的架構生態現在已經將32位的門檻壓的非常低，像我們這樣比較好的大廠，ARM授權費用也大幅降低;另一方面，得益于國內產業鏈包括人才、加工工藝、Flash工藝以及制程工藝的變化，使得如今32位和8位在制造成本上幾乎沒有差異。所以對于新型的應用而言，32位和8位的成本差異幾乎可以忽略不計，比如一些比較低端的32位產品價格可能只有一塊多，8位基本上現在沒有什么生存空間了。”
由此可見，通過大幅擠壓8位等存量MCU市場份額，32位產品也正式躋身為MCU市場主流。隨著位數的逐漸增高，32位的基礎上如今也開始出現一些在功能和性能上可以媲美DSP和CPU水平的MCU，再下一步要適應全場景AIoT的應用需求，“智能化”無疑將是MCU必須踏上的一條升級之路。
有業內某資深專家告訴記者：“MCU集成智能化的AI功能現在已經是一個大趨勢，因為我們看到如今市面上已經有越來越多的應用在做人臉識別、語音等AI交互功能，像這些終端當中其實有許多設備中都用到了不同數量和種類的MCU。比如智能門鎖，一般都需要三顆以上的MCU去支持無線控制、藍牙以及智能識別等功能;再比如一些智能機器人，低階的就可能需要23顆MCU，高階一點的就多達30顆;還有就是現在非常流行的語音識別，一個便宜的智能音箱可以賣到一兩百塊錢，而這些音箱當中高性能的處理器基本上都是MCU;再者就是過去我們做大數據和深度學習算法，基本都是在云端和路由器端上來做，不會在設備端做，但未來的話至少我們的機器學習的推理算法還是需要放到我們的設備端，放到MCU上來做計算。比如，可以用MCU來做機器視覺、機器學習、語音處理以及智能網關，現在像ST、TI以及NXP等國際大廠其實都已經在這些方面做了不少嘗試，而且像ARM現在也在積極的開發針對MCU的機器學習的處理技術，同時包括軟件處理算法和堆棧，以支撐MCU快速適應越來越多的AIoT場景應用。”
