OC7140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。OC7140 內置 30V 50 毫歐 MOS。

OC7140 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。
OC7140 具有很低的靜態電流，典型值為 60uA。
OC7140 帶 PWM 調光功能，可通過在 DIM 腳加 PWM 信號調節 LED 電流。
OC7140 采用 ESOP8 封裝。外露散熱片接 LED 腳。

特點：

 內置 30V 50 毫歐 MOS
 低靜態電流：60uA
 輸出電流：10mA 到 2000mA。
 PWM 調光：最高頻率 10KHz
 輸出電流精度：±4%
 內置過熱保護
 VDD 工作電壓：2.5-6V

應用：

 線性 LED 照明驅動
 LED 手電筒、LED 臺燈、LED 礦燈、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

首先，從RISC-V的角度來看，它究竟能何種程度上提升AI芯片在變幻莫測的AIoT市場形勢下的適應力？譚章熹表示：“RISC-V是非常簡單和非常干凈的設計，用戶指令和特殊指令分開，它是模塊化的，可以根據需求做自己定制化的模塊和擴展，有足夠的指令空間做定制化。另外，它的穩定性也很好，當我們定了RISC-V本身的基準指令后，不會再有變化，要想增加新的指令，可以通過擴展子集實現，而不是加強新版本。”作為軟硬件接口的指令架構，RISC-V對AI芯片提供了非常重要的基礎，有非常好的標準指令子集，以及編譯器、Linux支持，這樣的靈活性使得自由修改AI擴展非常容易。

也正基于此，OURS的首款AI芯片僅用7個月就完成了從零開始設計驗證到交付流片的全部工作，而高通最近領投的SiFive公司，也宣稱開發出一套RISC-V新的IP僅需要1-3個月的時間，相比之下ARM芯片往往需要1年甚至更久，這是非常直觀的差距。對此，譚章熹解釋到：“之所以能夠在不到一年的時間內完成全部研發工作，一個很關鍵的因素就是RISC-V的指令集。我們知道，一款微處理器的設計很難，因為軟件和硬件接口的地方很多，比如OS、SW framework、模擬器等，不過我們依靠RISC-V的生態，生態中的開發工具以及工具鏈等幫助我們極大的縮短的芯片的校驗時間。”

另外，在AI算法運行的核心載體即AI加速引擎方面，據悉OURS的首款AI芯片Pygmy除了核心的CPU架構采用RISC-V指令集設計之外，內置的12個高度可編程AI加速引擎同樣是基于OURS自定義開發的RISC-V矢量擴展指令集設計而成，這也為其進一步保持與跟進新算法預留了充足的可擴展空間。

譚章熹指出：“Pygmy的12個高度可編程的AI引擎，主要針對神經網絡以及CNN算法進行了優化，能夠支持AI圖像和語音的應用。之所以集成的是12個可編程AI加速引擎，與我們芯片的面積是有很大關系的。當然12個加速引擎只代表一個邊界，根據不同應用的性能和功耗要求，可以配置數量不同的可編程AI加速引擎，并且我們的團隊能夠在3個月內就完成AI加速引擎核的定制。”

固然，為提升AI芯片對新算法的適應力，除了指令集上從復雜轉向精簡化設計之外，芯片架構上的創新也非常重要。專用加速引擎的設計上，時擎智能主要采用的是當下大火的可重構的芯片架構。這種方法類似于以一種搭積木的方式來進行架構設計，即將神經網絡打散成很多個不同模塊，當客戶需要做語音AI時，就通過選擇特定的區塊來進行組合，從何實現語音AI加速功能；而當客戶需要做視覺AI時，就重新將“積木”打散，根據需要來進行組合使用。這樣既可以做到更強的適應性，同時又能保持小體積、低功耗以及夠用的性能。

時擎智能設計總監曹英杰表示：“AI算法的演進速度會比芯片設計的速度會快得多，目前擺在芯片架構師面前的很大挑戰就是，如何要為兩年以后的算法做架構設計，如果AI芯片架構做的過于的固化和專用，當芯片出來的時候，當時所支持的專用AI算法很有可能已經過時。而可重構的架構雖然可能在某些專用算法上，計算效率會比那些比較固化的設計差幾個百分點，但它適用于不同AI算法的平均計算效率會高的多，通用可重構的架構在比較長的一段時間內都能適應新進來的算法。”通過這種方式，能夠進一步提升AI芯片對市場應變能力，靈活適應AIoT市場變幻莫測的環境。

總之，算法演進與芯片架構之間的矛盾已在當今的AI芯片市場廣泛顯現。對如今越來越多的行業新秀們來說，這種矛盾也將在未來相當長一段時間內持續存在且難以根除。因此，在沒有如高通、英偉達以及地平線等AI芯片大廠那般的算法實力背景下，采用RISC-V以及可重構架構來提升產品競爭力會是當下很多中小型AI芯片廠商的一條出路。但鑒于RISC-V及可重構架構現階段都還不夠成熟，這也將會抬高中小型AI芯片廠商試水的成本。但可以預見的是，未來一段時間內，高通、英偉達以及英特爾會陸續針對RISC-V以及可重構芯片展開更多的技術布局，編者認為，這些重量級AI芯片玩家的加速推進，也將快速拉低這類領域的入局門檻。不過，國際大廠的陸續跟進，也將加劇市場競爭，對于很多AI芯片產業的中小型玩家來說并不是好事。畢竟，市場份額被大廠迅速分食和擠壓的形勢下，“存亡”可能僅在一念之間。