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
2月4日，工信部發布《充分發揮人工智能賦能效用，協力抗擊新型冠狀病毒感染的肺炎疫情倡議書》，倡議進一步發揮人工智能賦能效用，組織科研和生產力量，把加快有效支撐疫情防控的相關產品攻關和應用作為優先工作。在“新冠”疫情這樣的“黑天鵝”事件下，各大AI公司都積極參與到抗疫一線中，使得AI技術迅速成為抗疫“主力軍”之一。在此背景下，對于AI行業而言，新場景和新機遇的出現，或許會引領行業的變革。
相信即使是平時沒有注意人工智能技術和行業的人，在這次疫情期間都會注意到，人工智能、AI這些詞頻繁地出現在各大新聞頭條上。即使很多人并不了解AI到底能做什么，在這場疫情中具體能起到什么作用，但現在來看，這些都已經不重要了。重要的是，這次疫情，機緣巧合地讓AI技術獲得了巨大的曝光量，或許這將是AI技術推廣落地、走進大眾生活、普及行業應用的重要轉折點。
竹間智能高級技術咨詢專家張程
當然，這與各大AI企業所做出的努力密切相關。那么AI技術是如何在這次疫情之中體現出自身價值？竹間智能高級技術咨詢專家張程在接受記者采訪時表示：“我們知道在近幾年的人工智能熱潮中，無論是連接主義還是符號主義，炒得都比較火熱。自從新的算法出來后，各種遷移學習模型，預訓練模型都在業界名聲大噪。可是當放到客戶端、放到真正的應用中時，我認為無論是連接主義還是符號主義都并不實際，因為人工智能最終都是為客戶帶來更好的用戶體驗，提升生產力。而我們就是以這樣一個創造價值的模式去思考，人工智能在疫情中能夠做些什么。”
事實上，對于很多AI初創公司而言，醫療領域是它們以往沒有接觸過的。它們本身沒有專業的醫生咨詢團隊、沒有專業的防控防疫知識，這對于如何找到相應的場景數據去服務于防疫工作、服務于社會，是一個比較困難的問題。而作為一家專注于人機交互技術的AI公司，張程表示：“在我們團隊內部的腦暴中，我們確定了幾個場景，一是通過AI來收集人員信息，二是自針對自我隔離人員的AI情緒安撫，三是對人臉識別算法的改進。第一點的場景其實是來源于我身邊的真實例子，在疫情期間有一位居委會工作的同學，他表示在過去一段時間每天只能睡3到4個小時，因為社區中需要確認的人數太多，每天都不停的進行電話訪問，了解每個人的情況后，填寫表格上交。這樣的重復性工作其實是可以利用現有的AI技術去解決的，在減輕工作人員壓力的同時，還能明顯提高工作效率。另一方面，相信疫情爆發后，很多人都因為長時間在家，而多多少少產生焦慮情緒。而這些情緒需要得到回應，以緩解人們的焦慮，但靠人力恐怕是遠遠不夠的。我們的對話機器人可以通過文字、圖片、語音的方式完成疫情通知、信息采集、返崗人員調研、康復報告、愈后回訪等功能，這個過程中能夠完成擬人的互動。而這些內容都在一個月時間內迅速上線了。”
“在公共場景中，我們也將原來的技術作出了改進。竹間花了三天時間去修改了人臉識別算法，加強了人臉識別頂的權重，使其可以識別出戴口罩的人臉，這就避免了在汽車站、小區門禁等場景需要脫下頭罩才能進行通關的情況，降低了感染風險。”張程補充到。
不過也有一些AI公司已經在醫療領域早有部署。由于新冠病毒潛伏期長，前期感染可能毫無發熱癥狀，因此單靠測溫槍來進行檢測是很難識別出某些感染者，甚至連病毒核酸試紙也只有40%準確率。而新冠病毒主要攻擊的身體器官是肺部，早期患者可能不發熱，僅有畏寒和呼吸道癥狀，但CT可以顯示出肺部局限性磨玻璃片狀影。因此通過CT（Computed Tomography，電子計算機斷層掃描）影像檢查來觀察肺部是否病變是最為準確的方式之一。
華為云EI解決方案架構師李坤武告訴記者：“以往CT影像從出片到醫生確認結論，即使是經驗豐富的醫生，整個過程至少也需要12分鐘。這對于疫情期間疑似患者數量龐大的背景下，效率是非常低的。如果通過AI進行輔助，采用AI去判斷是否確診，那么從上傳CT影像到返回結果醫生確認，整個流程只需要2分鐘，可以看到效率是大大提高了的。”
但傳統的CT片是二維的圖像，這并不能直觀體現病灶的情況，這也是以往醫生從CT片判斷病情需要豐富經驗的原因。針對這一個痛點，除了直接的輸出診斷結果外，AI還能夠做的更多。李坤武表示：“新冠肺炎輔助診斷系統能夠對二維CT片進行智能分隔，并對病灶體積自動準確測量，對分析結果進行三維重建，直觀呈現出病灶的發展狀況，便于指導病人用藥進行針對性治療。這對于臨床治療能夠帶來非常大的便利，減輕醫生工作負擔。”
而在醫院無接觸場景中，發展已久的AI語音識別技術也有了更廣泛的應用。云知聲IOT事業部VP、智慧服務業務線研發負責人田偉向記者介紹了智能語音病歷系統在疫情中的應用：“其實在醫院，傳統的電子病歷或是手寫病歷都為醫生帶來了很大的工作負擔。據統計，醫生每天平均在電腦上處理病歷的時間大概是四個小時，平均占用他工作時間的40%，特別是在面對這種特殊時期。在這種場景下，使用鍵盤的效率是相對較低的，而鍵盤輸入的效率也取決于熟練程度。”
云知聲IOT事業部VP、智慧服務業務線研發負責人田偉
但同樣是語音識別技術，我們日常使用的語音助手、智能音箱等，與智能語音病歷有什么技術上的異同呢？首先最大的不同是專業名詞的大量使用。田偉表示，針對醫療領域，由于所涉及的領域之多，因此初始在具體場景下識別率遠遠達不到要求，而這需要針對不同的領域做特殊優化定制。針對應用的醫院的使用的語義與我們通用的模型為基礎，然后再加上訓練生成一個定制的原模型，而且這個不同醫院、不同科室也會有差異。為了更高的識別準確率，在拿到識別的結果之后，還需要后處理，也就是說需要做語義的糾正。另一方面需要適配病歷模板以及不同設備，增強通用性。
總而言之，對于AI企業而言，不管是早有布局還是需求導向開拓新業務，在此次疫情中，如何更好地挖掘出AI技術的應用，更好地體現出AI技術的價值，都是它們仍在努力探索的方向。盡管在疫情當中，各種AI應用成功落地受到了廣泛關注，但疫情過后，這些技術是否還能保持發光發熱，或者說疫情過后的需求會不會迅速衰弱，也是目前關注AI醫療領域的企業所擔心的。
