哲瀚電子科技代理降壓恒流 OC5205OC5207OC5209 OC5203 OC5265 OC5266 OC5267 0755-83237951
OC5209、OC5205工作電壓從5.5v 到 30v，提供可調的輸出電流。根據不同的輸入電壓和外部器件，可以驅動供高達數十瓦的 LED。OC5207、OC5209、OC5265內置功率開關，采用高端電流檢測電路，以及兼容 PWM 和模擬調光的調光腳 DIM。當 DIM 腳電壓低于 0.3v時輸出關斷，進入待機狀態。
OC5207是一款連續電感電流導通模式的降壓型 LED 恒流驅動器，用于驅動一個或多個 LED 燈串。OC5207 工作電壓從5.5v 到 30v，提供可調的輸出電流，最大輸出電流可達到 800mA。根據不同的輸入電壓和外部器件，OC5207 可以驅動供高達數十瓦的 LED。
OC5207 內置功率開關，采用高端電流檢測電路，以及兼容 PWM 和模擬調光的調光腳 DIM。當 DIM 腳電壓低于 0.3v時輸出關斷，進入待機狀態。
OC5207 內置過溫保護電路，當芯片達到過溫保護點進入過溫保護模式，輸出電流逐漸下降以提高系統可靠性。
OC5207 采用專利的電路架構使得在低壓差工作時輸出電流無過沖，提高 LED工作壽命，OC5207 采用專利的恒流電路具有優異的負載調整率和線性調整率。
OC5207 采用 SOT23-5 封裝。
OC5207特點：
◆最大輸出電流：800mA
◆高效率：96%
◆優異的負載調整率和線性調整率
◆高端電流檢測
◆最大輝度控制頻率：20KHz
◆滯環控制，無需環路補償
◆最高工作頻率：1MHz
◆電流精度：±3%
◆寬輸入電壓：5.5V~30V
◆智能過溫保護
◆低壓差無過沖
OC5207應用：
◆LED 備用燈，信號燈
◆低壓 LED 射燈代替鹵素燈
◆汽車照明
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
記者隨后采訪了中科院半導體所類腦計算研究中心副主任龔國良，他也表示，人工智能芯片產業的發展確實應該注重軟硬件協同。
軟件是人工智能芯片的靈魂
“國內人工智能芯片的硬件設計水平與國外接近，但軟件生態卻是薄弱環節。”龔國良告訴記者。
人工智能芯片明明是硬件，和軟件又有什么關系？
龔國良介紹，人工智能芯片本身只起到加速的作用。除了少量定制化人工智能芯片具備一定功能外，大多數人工智能芯片本身并不具備功能，它們的功能必須結合相關軟件來實現。
算法是軟件的重要組成部分，它相當于人工智能芯片的靈魂。除了算法本身，軟件層面還包括算法的移植、芯片驅動程序、配套軟件工具、人機交互界面等等。這就像電腦不僅僅需要好的處理器，還需要好的操作系統一樣。
龔國良介紹，在人工智能芯片涉及的軟件領域，國內的算法開發平臺仍比較少，一些已有算法開發平臺，在人機交互與資源管理方面，與國外相比仍有一定差距。另外，一些前瞻性人工智能芯片的核心算法、核心架構，還有待提升。
“軟件和使用側結合得更多。人工智能芯片的硬件固然重要，但是如果軟件做得好，可能更勝一籌。”王蘊韜介紹，一些非常厲害的算法團隊和軟件團隊，甚至可以在十分普通的芯片上，實現神經網絡加速芯片的加速效果。
軟硬結合才能避免尷尬局面
對于國內人工智能芯片產業而言，軟硬件匹配度不夠好的情況并不罕見。
“很多人工智能芯片在設計之初的想法是很好的，但是上市后卻發現用戶不太買賬，軟件環節做得不夠好可能是原因之一。”龔國良告訴科技日報記者。
以算法為例，用戶的“美好理想”一般是，利用算法開發平臺把算法訓練出來后，只需進行傻瓜式移植，就能將其應用在人工智能芯片上，產品隨之迅速出爐。但實際情況是，算法移植到人工智能芯片時需要進行硬件化改造，讓它適應芯片的硬件。
“這個環節需要花費很大的精力，要么應用方來做，要么芯片的設計方來做。”龔國良說，目前芯片研發團隊大多是硬件出身，在軟件支持方面花費的精力相對較少，重視程度依然不足。
在王蘊韜看來，把真正好的算法，落地到人工智能芯片硬件中，需要進一步實現軟硬件協同發展，而這一領域還存在非常大的市場空間。
科技日報記者了解到，在人工智能芯片軟硬件協同方面，國內的大公司一般做得比較好。因為軟件方面例如算法的移植和人工智能芯片的驅動，實現起來有一定難度，需要專門的團隊去研發。
對于提升人工智能芯片的軟硬件協同發展，龔國良認為，應結合人工智能芯片產品的定位選擇不同策略。
“如果人工智能芯片面向的應用場景比較窄，那么在硬件做好的基礎上，設計一些軟件工具就可以實現應用。但如果是通用型人工智能芯片，支撐的算法范圍非常寬泛的話，就需要很好的軟件團隊與之匹配，否則就會導致芯片的硬件很強大，用戶卻不買賬的尷尬局面。”龔國良建議。
