深圳市哲瀚電子科技一級代理OCX系列產品：低壓LED驅動系列OC1002OC4000 OC4001OC5010OC5011 OC5012 OC5020B OC5021B OC5022B OC5022 OC5028B OC5031 OC5036 OC5038 OC5120B OC5120OC5121OC5122A OC5122 OC5128OC5136OC5138 OC5330 OC5331 OC5351OC5501OC5620B OC5620 OC5622AOC5628OC6700BOC6700 OC6701B OC6701 OC6702B OC6702 OC6781 OC7130 OC7131 OC7135 OC7140 OC7141 電源管理系列OC5800L OC5801LOC5802LOC5806L OC5808L OC6800 OC6801 OC6811 高壓LED驅動系列OC9300D OC9300S OC9302 OC9303 OC9308 OC9320S OC9330S OC9331 OC9500S OC9501 OC9508等更多型號，提供方案設計技術支持等，歡迎來電咨詢0755-83259945/13714441972陳小姐。
OC5205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。OC5205 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 1.5A。根據不同的輸入電壓和外部器件，OC5205 可以驅動供高達數十瓦的 LED。
OC5205 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。
OC5205 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。
OC5205 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，OC5205 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。
OC5205 采用 SOT89-5 和 ESOP8 封裝。
◆最大輸出電流：1.5A
◆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
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
制約AI安防芯片規模化應用的核心技術問題是什么？
這是不少芯片企業面對安防場景時，不斷向自己提出的疑問。在提高AI安防芯片性能，加強算力的同時，從業者們也逐漸發現，芯片中最為關鍵的其實并不是單純提升算力，如果不進行存儲優化，那么芯片實際提供的計算力會大大降低。
阻礙AI芯片的內存墻問題
AI芯片對于傳統芯片帶來的挑戰，并不只是計算架構上的，更多是在存儲架構間的。
傳統的芯片采用的是馮·諾依曼架構，其核心架構中計算模塊和存儲單元是分離的。CPU和內存條并不集成在一起，只在CPU中設置了容量極小的高速緩存。
也就是說，CPU在執行命令時必須先從存儲單元中讀取數據。每一項任務，如果有十個步驟，那么CPU會依次進行十次讀取，執行，再讀取，再執行……這就造成了延時，以及大量功耗花費在數據讀取上。
這一問題也被稱為傳統芯片的“內存墻”問題。
而在AI 應用中，馮·諾伊曼“瓶頸”問題顯得愈發嚴重。AI依賴的算法是一個龐大和復雜的網絡，有很多參數要存儲，也需要完成大量的計算，這些計算中又會產生大量數據。在完成大量計算的過程中，一般芯片的設計思路是大量增加并行的運算單元，例如上千個卷積單元，需要調用的存儲資源也在增大。
不夸張地說，AI初創芯片公司雖然采用不同的路徑打造芯片，但事實上都在努力對這一問題予以解決。大部分針對 AI，尤其是加速神經網絡處理而提出的硬件架構創新，都是在與這個問題做斗爭。
而成立于2017年的AI芯片初創公司探境科技，也在這一路途上跋涉。不過不同的是，探境科技選擇另辟蹊徑，直接從存儲子系統的優化入手，解決“內存墻”問題。
自研存儲優先的SFA架構
而如何解決這一問題呢？
目前解決這一問題的方法有幾種，較為常見的方法是加大存儲帶寬，采用高帶寬的外部存儲，以及從算法入手，設計低比特權重的神經網絡。
除此之外，存算一體化也被看做是未來的發展方向，在實現上也分為不同的路徑。
其一是SSD中植入計算芯片或者邏輯計算單元，可以被叫做存內處理或者近數據計算，這其實是深度學習的一種應用場景，并非是AI芯片架構的創新。
另一種就是存儲和計算完全結合在一起，使用存儲的器件單元直接完成計算，比較適合神經網絡推理類應用。
而探境科技則另辟蹊徑，提出了完全不同的解決方案。
魯勇提到，并不認同目前存算一體的處理方式，主要原因是成本太高，并不符合市場需求。
“存算一體的處理方式，其實違反了芯片中的成本結構。芯片中，之所以設計和區分片上的緩存SRAM，及片外的DRAM，就是因為如果所有存儲都放入芯片內部，成本就大幅上升，會上升幾十倍到上百倍。”
因而，拋開將存儲全部放入芯片內部的方式，探境科技自創了SFA（Storage First Architecture，簡稱SFA），即存儲優先架構。
不同于常見的解決內存瓶頸的方法，SFA是“以存儲調度為核心”的計算架構，數據在存儲之間的搬移過程之中就完成了計算，計算對于數據來說只是一種演變。
“與通常計算的先有計算指令然后提供數據相反，SFA架構，存儲是我們優先的出發點。考慮數據在搬移過程中做計算，也就是由數據帶動計算而非由算子帶動數據。”魯勇進一步解釋。
這一點與AI大神Lecun所宣稱的所有的神經網絡都是圖計算問題不謀而合。
那么打破傳統馮·諾依曼架構，自研存算一體架構的依據是什么？
這可以談到人類大腦的存儲和計算方式。從生物角度講，大腦存儲大量的知識，能夠快速提取并訪問，而大腦的內存和計算并不是分開的，更多的是存在一定的相容性。因而，未來的計算機可能不是基于計算的memory，而是基于memory的計算，更多做到融合。
不過，因為當前芯片領域對于AI算法的關注還較多，針對AI的結構改進嘗試還偏少。未來，memory與computing結合的嘗試，會更可期。
魯勇也介紹道，目前專注于從存儲子系統入手，著力解決AI芯片的存儲計算架構問題的企業并不多，而其中很多公司從事的都是成本結構并不合理的存算一體架構，符合合理的成本結構并優化存儲子系統的公司更是屈指可數。
安防還未有一款真正適用的AI芯片
安防作為計算機視覺較快落地的領域，也成為探境科技較為看好的場景之一。
探境科技的創始人兼CEO魯勇，出身全球十大芯片廠商之一的Marvell半導體，是位在半導體業摸爬滾打了15年的老兵。
在成立探境科技之前，魯勇曾是Marvell半導體的中國芯片研發總監。據魯勇介紹，在Marvell這十年里，他從零開始，一手搭建了Marvell的中國芯片研發團隊。
探境科技創始人&CEO 魯勇
在創立探境科技之前，幾位在海康威視、大華股份等安防巨頭中任職的朋友都陸續來找到魯勇，咨詢英特爾Movidius VPU是否能夠適用于終端AI處理的需求。
魯勇認為，目前市場上還沒有足夠優秀的適合安防前端的通用芯片，也沒有一款很適用安防的AI芯片出現。不過Movidius的火爆，恰好說明了市場對邊緣端芯片的強大需求。
于是，2017年，魯勇決定離開Marvell，與一群老朋友成立了探境科技。
在安防領域里面，有大量的算法需要前置。目前的算法基本都是基于深度學習。
而探境科技的芯片，如何更好適用于安防大量非結構化數據的處理需求呢？
魯勇講到，安防領域的數據特點，主要在于需要實時的處理大量連續的圖像數據流。“安防領域的數據處理，在于兩個維度。第一是每秒處理幀率要越來越高，第二是圖像分辨率上要高。在這兩個維度上，安防對邊緣芯片提出了要求。”而探境科技的優勢則在于，基于SFA架構，能更好優化存儲和計算，從而更好解決這一問題。
安防領域，邊緣端的芯片，已有不少廠家入場。其中大廠有之，明星初創公司亦有之。
目前來看，邊緣終端市場有兩種形態的芯片產品，一種是針對特定應用的SoC，一種是通用加速器做獨立芯片。
如在安防領域，SoC面向專用市場，在芯片中深度學習加速計算事實上只是一部分，而其他大部分芯片面積則交給了主控處理器、視頻解碼等模塊。
終端通用深度學習加速器芯片市場的應用則剛起步。許多公司的市場布局主要一是培養開發者生態，另一方面也探索研究哪一領域最有潛力，針對幾個重要的場景推出相應的優化芯片。而探境科技的目標就是做支持所有神經網絡的通用型AI處理器。不僅在安防領域，也瞄準了其他應用場景。
魯勇認為，探境科技基于SFA架構的AI芯片，在優化了存儲架構的同時，能夠適用于智能家居、智能安防、智能穿戴、智能車載、智能外設等更多場景，低功耗低效能的解決更多問題。
目前，探境已量產了應用這一架構的語音識別芯片音旋風611，視覺芯片今年下半年也將發布。
AI芯片，登高需防跌重
但實際上，近兩年，許多AI企業的芯片紛紛宣布流片，尤其針對安防領域的芯片并不少，但似乎還并未出現強勢的對傳統芯片的替代或繼任者。而作為一個芯片界的老兵，如何看待AI芯片行業的發展呢？
魯勇認為，AI芯片確實是被公認的一個國內企業彎道超車的機會。相較于國外更看重云端場景，國內有在邊緣端有大量市場，這為國內AI企業在邊緣芯片的發展提供了良好的機會。
但國內雖有很多公司關注對AI芯片的底層架構的研發，也有不少AI芯片公司“只追求有，不追求好”，用拼湊的方式來做芯片。很多公司為了順應市場形勢，將自己包裝為一個AI芯片公司。這樣就給市場造成了很大泡沫。并且，國內AI芯片企業，也普遍缺乏后端設計的人才。
后端設計相對于前端的邏輯設計，更多涉及到芯片的工藝，也相對更需要豐富的經驗。國內在后端設計人才上更為緊缺。因而，很多廠商會通過外包的方式做后端服務，來完成生產。這對芯片廠商來說，其實是一個很大的競爭劣勢。
AI芯片，“登高”似乎也面臨著“跌重”的風險。
不過，大浪淘沙。在2017年就看到，并率領團隊致力于解決AI芯片中的存儲問題，魯勇顯然對自己和探境科技都更有信心。
“芯片，作為一個贏者通吃的行業，對技術和產品的能力要求都非常高。行業最終會看到，技術和產品會主導AI芯片的格局。具備兩者實力的AI芯片公司，會最后存活下來。”魯勇說道。
