IRF7103QTRPBF正品原裝進口現貨

IRF7103QTRPBF封裝：SO-8

IRF7103QTRPBF批號：20+

IRF7103QTRPBF品牌：IR

以下為公司現貨庫存，歡迎來電咨詢！


TW8819-NA2-CRT ，MC79M12CDTRKG ，EFM8BB21F16G-C-QSOP24R ， IGCM15F60GA ， EFM8SB20F32G-B-QFN24R，NAU8810YG ；
MC79M12CDTRKG，TPS61089RNRR，TPA3116D2DADR ， TPA3118D2DAPR ， N32926U1DN ，NUC972DF62Y/61Y ， NUC100RE3DN ，
MINI58ZDE ， TLC5971RGER , BQ25619RTWR , TPS62262TDRVRQ1 , LIF-MD6000-6UMG64I , TSSP4038 , IPW65R110CFDA , CY8C4014SXI421T ,
MFI343S00177 , MK10DN512VLL10 ,MC79M12CDTRKG , SC16IS740IPW, NAU8810YG MC74LCX07DR2G , 74LVC1G08GV,125 , TAS5719PHPR ,
PCM1808PWR , TPS2511DGNR , TPS54331DDAR , MC14052BDTR2G , MC14053BDTR2G , MBRD640CTT4G, TPS7A4001DGNR , TPS7A7001DDAR ,
CS6N70 ,STM32F101VCT6 , XMC1302-T038X0032AB , SC16IS752IBS , PESD5V0X1BCSFYL , BSS131H6327, AW9523BTQR , NSR0530HT1G ,
BSC067N06LS3GATMA1 , MC33078DR2G, BZX384-B5V6，115 , AAT4610IGV-1-T1, 0603ESDA2-TR2 , IRLMS6802TRPBF, AMS1117-5.0V ,
ZXM64N035GTA , RN1317 , IPD600N25N3G , BL5372 , AD9514BCPZ-REEL7 , BQ24314ADSGR , TPS61220DCKR , LM3478MMX , TAS5754MDCAR ,
XC3S50A-4FT256C , TS321QDBVRQ1 , DRV8870DDAR , EPM7128AETC144-7 , EPF10K130EF1484-2 , EP1S80F1020C6 ,
XC4VFX20-10FFG672C , XC4VFX20-10FFG672I , XC5VSX50T-1FFG665I , XC2VP40-6FF1152I , XC5VLX155T-1FFG1136I,
XC7K325T-2FFG900I , XC3S100E-TQG144, XC5VFX100T-2FFG1738I,XC4VFX20-10FF672I , XC3S1600R-4FG320I, AP4306BTTR-G1 ,
SN74LVU04ADBR,BSC057N06 , TS321QDBVRQ1 ,MC79M12CDTRKG,TAS5754MDCAR ,MC79M12CDTRKG, MC79M12CDTRKG ,
PCM1808PWR , TAS5731MPHRR, TPS54202DDCR, TPA3130D2DAPR , TAS5782MDCAR , TPS5548DCAR , TPA3221DDVR, TLV320AIC3254IRHBR ,
TPA3118D2DAPR , PCM5141PWR ,PCM5100APWR.TW8819-NA2-CRT ，MC79M12CDTRKG ，EFM8BB21F16G-C-QSOP24R ，
IGCM15F60GA ， EFM8SB20F32G-B-QFN24R，NAU8810YG ，MC79M12CDTRKG，TPS61089RNRR，TPA3116D2DADR ，
TPA3118D2DAPR ， N32926U1DN ，NUC972DF62Y/61Y ， NUC100RE3DN ， MINI58ZDE ， TLC5971RGER , BQ25619RTWR ,
TPS62262TDRVRQ1 , LIF-MD6000-6UMG64I , TSSP4038 , IPW65R110CFDA , CY8C4014SXI-421T , MFI343S00177 , MK10DN512VLL10 ,
MC79M12CDTRKG , SC16IS740IPW, NAU8810YG , MC74LCX07DR2G , 74LVC1G08GV,125 , TAS5719PHPR , PCM1808PWR ,
TPS2511DGNR , TPS54331DDAR , MC14052BDTR2

制造商: Infineon
產品種類: MOSFET
技術: Si
安裝風格: SMD/SMT
封裝 / 箱體: SO-8
晶體管極性: N-Channel
通道數量: 2 Channel
Vds-漏源極擊穿電壓: 50 V
Id-連續漏極電流: 3 A
Rds On-漏源導通電阻: 200 mOhms
Vgs - 柵極-源極電壓: - 20 V, + 20 V
Qg-柵極電荷: 10 nC
Pd-功率耗散: 2.4 W
配置: Dual
高度: 1.75 mm
長度: 4.9 mm
晶體管類型: 2 N-Channel
寬度: 3.9 mm
商標: Infineon / IR
產品類型: MOSFET
子類別: MOSFETs
單位重量: 540 mg

2019生物識別技術論壇：行業大咖齊聚一堂，探討生物識別新風口

來源：華強電子網作者：Hobby時間：2019-09-24 18:08

生物識別深度學習虹膜識別指紋識別聲紋識別人臉識別

9月22日，由芯智訊主辦的2019生物識別技術與應用高峰論壇在深圳科興科學園正式拉開帷幕。隨著智能手機、移動支付、智慧安防以及智能家居等產業的高速發展，諸如指紋識別、人臉識別、語音識別等生物識別技術正迎來了發展良機，越多越多的生物識別技術正被廣泛應用到各大商業、政企、消費類市場中。而如今伴隨著應用需求的提高，市場對于生物識別技術的安全性、識別速度、準確性、成本等都提出了更高的要求。

本次高峰論壇以“融合·創新”為主題，邀請到了從業人臉識別、語音（聲紋）識別、指紋識別、眼球追蹤、虹膜識別等眾多生物識別技術領域的知名企業和技術專家，包括中科院深圳先進技術研究院數字所所長喬宇、中國科學院深圳先進技術研究院集成所研究員陳巍、聲揚科技首席科學家張偉彬博士、英特爾實感產品事業部中國區銷售總監何火高、七鑫易維手機業務部產品總監孔祥暉、小優智能科技副總經理代啟強、嘉楠科技銷售總裁蔡博、中科虹霸移動業務商務總監陳樺以及思立微高級產品經理孫云剛，共同推進生物識別新技術的交流與落地，探討生物識別技術未來的發展方向。

深度學習推進人臉識別技術快速進步

自2006年深度學習網絡被突破，2011年深度學習幫助語音識別取得重要進展，緊接其后，云計算、人臉識別、圍棋、機器翻譯等都有著顯著進展，這些都無一不體現著深度學習對人工智能等項目起到的重要推進作用。

中科院深圳先進技術研究院數字所所長喬宇舉了一個例子：在計算機視覺實踐過程中有一個影響非常大的競賽叫ImageNet，這個比賽內容是從包含1000個類別的100萬張圖像中，隨機抽取一張圖像，由機器分辨出圖像中內容屬于1000個類別中的哪一種。過去五年間這個性能得到非常大的提升，最初兩年使用提取局部特征的方法錯誤率在25%左右。2012年加拿大多倫多大學教授首次把深度學習方法引入，一下把錯誤率降低10%。這是一個非常重要的里程碑。直到2015年已經把錯誤率降低到3.5%，而人的錯誤率在5.1%，這個水平已經高于人類。

而回歸到人臉識別，它主要由兩個任務組成：一是1:1人臉比對，比如在高鐵站的場景中，現場對比人與身份證中的照片，分辨是否同一人。二是1：N比對，這是動態人臉識別，比如在監控條件下有一張人臉照片，跟公安敏感數據庫里的人進行比對，判斷這是不是在逃的嫌疑犯，顯然后者任務更難。

除了1:1與1：N人臉識別的任務，喬宇博士表示，視頻也是他們的主要方向。Facebook首席科學家認為，人臉識別最核心的問題就是解決視頻。2015年喬宇博士團隊將傳統方法的經驗和深度學習模式相結合，一下子將識別率提到91%，這是UCF101首次大于90%的性能。而喬宇博士團隊在背后做的另一個工作——時序分割模型，解決了端到端的深度學習網絡訓練。眾所周知深度學習需要大量顯存與運算量，所以他們把視頻產量和深度網絡訓練在一起完成，最終這項技術獲得行為識別領域Activity2016的第一名。后面被多企業廣泛使用，被引用超過900次。

深度學習伴隨大數據的應用，性能在不斷提升。但事實上，深度學習仍存在局限性。喬宇博士表示：“很多數據是不規則、不完全，可能是異構多態，可以看到深度學習面臨很大的瓶頸。另一方面我們知道深度學習往往靠能力技術擴張，利用推理的能力很差，不會復用生活中的很多常識和知識。深度學習會犯愚蠢的錯誤，這是為什么現在自動駕駛這種對精度要求非常高，復雜場景比較多的都不能用。現在很多深度模型很多是黑箱的，其可靠性、可解決性比較差，對于很多應用，我們不僅要告訴病人、醫生診斷的結果，要告訴我到底依據什么依據做結果，我們合理建議，這是重要的方面。”

另一方面，深度學習的魯棒性和泛化能力有很大的缺陷，比如將一只小狗隨意改變像素，機器可能就會將它判斷為另一個類別。再比如將一只猴子放在摩托車上，機器很可能會將猴子判斷為人，因為數據庫中的照片大量是人在摩托車上面。因此，如果將社會、信息體系建立在大量深度模型這么脆弱的情況下是非常可怕的。喬宇博士還表示，從研究的角度來講，他們目前開展很多工作來解決這樣的問題。

英特爾RealSense+Movidius AI聯手小鈷科技進軍智能門鎖市場

據英特爾實感產品事業部中國區銷售總監何火高介紹，英特爾Realsense自2012年收購了兩家公司開始，就開始在深度領域進行投入。從目前英特爾的產品線路圖中，我們可以看出，英特爾有結構光產品SR300系列，還有雙目D400系列。眾所周知，3D視覺有三個技術方向：結構光、雙目和飛行時間ToF。對于英特爾而言，他們認為，雙目3D攝像頭由于在檢測距離上有著較大的范圍，因此它的適用場景會更為廣泛。從技術的角度看，英特爾認為雙目非常有發展前景。

不過英特爾看好雙目的同時，也在開辟新的技術。何火高透露，英特爾將會在今年年底到明年年初CES時會發布TOF的產品L515，是業界少有低成本的LiDAR解決方案，這將會是非常震撼的產品。而在其他的如位置跟蹤領域，英特爾也推出了新產品T256，主要面向AR/VR市場，以及機器人、無人機等方面的應用。

從英特爾實感技術組合來看，何火高表示，英特爾在三種不同的技術方向都有深入投入，耕耘了很長時間，積累了很多經驗，不斷優化產品以及組合。而英特爾的產品線也是非常獨特的，他們擁有從最小、最初的傳感器端一直到最終云端的全系列解決方案。與此同時，英特爾還是全球少數深度攝像頭出貨量超百萬的公司，英特爾在產品的一致性、穩定性、可靠性都有著非常大的信心。

值得一提的是，英特爾還具有人臉識別的算法。在現場，何火高還表示英特爾RealSense加上Movidius AI=完美智能鎖的方案。而目前英特爾已經與合作伙伴小鈷科技推出了首款利用這套方案的智能門鎖，據小鈷科技CEO陳俊逸介紹，這款3D人臉識別智能門鎖樣品基于小鈷科技與英特爾合作推出的3D人臉識別智能門鎖模組AlpaLook 3D，其3D深度信息不僅僅用來做活體防偽，更將人臉的深度信息即鼻梁高度、嘴唇厚度等特征，轉化為人臉特征，有效防止電子照片、電子視頻、3D硅膠面具等偽裝攻擊，誤識率達到百萬分之一，相比目前常見的指紋門鎖和2D人臉識別門鎖，能夠帶來更高的安全性和便利性。

聲紋識別將開啟生物識別新風口

在生物識別技術上，人們最為熟悉的應該就是指紋識別和人臉、虹膜識別了，而聲紋識別是近年才興起的，相比于其他的生物識別技術，聲紋識別有著針對性的應用領域。聲揚科技首席科學家張偉彬博士表示，他們將聲紋識別稱之為技術的新風口，主要有幾方面的因數。

一是國家政策的支持，去年10月份左右央行發布了聲紋識別技術在移動金融上的應用標準。這是在國家層面、政策層面承認聲紋識別技術達到應用門檻，可以滿足金融高安全需求的應用。

第二，這幾年我國電信詐騙比較猖獗，電信詐騙唯一能協助破案的生物識別技術是聲紋識別，需求在這一兩年爆發。

第三，作為一個技術，聲紋識別其實已經有幾十年的歷史。而近年的AI技術突飛猛進，驅動聲紋識別技術達到成熟的階段。

在談到技術方面，張博士表示聲紋識別可以分為三個階段。

第一階段，基于模板匹配的方法，像人臉一樣要先做注冊，再做驗證，注冊時說的內容要和驗證時是一樣的，只是比較這兩個聲音像不像。

第二階段，基于概率模型。聲音有時間的長度，長度是可長可短，有的人說話快，有的人說話慢，首先要把可變長度的向量變成物理程度，這是基于高斯模型概率統計的。識別率勉強達到95%的概率，不過95%在很多應用場景是達不到的，要考慮噪聲、干擾的影響。

第三階段，2012年左右深度學習在很多方面帶來爆發性的影響，其中在聲紋領域，最近比較大的事件是2017年有一個比較好的方法把這個東西用在聲紋識別領域，這帶來很大的提升。

在聲紋識別領域已經耕耘多年的聲揚科技，技術上也必然有過人之處。據張博士介紹，聲紋跟內容、語言無關，技術上要做到跟內容、語言、文本無關是非常大的挑戰。聲紋識別除了模仿外，如何防止錄音破解認證也是一個非常大的挑戰。而早期聲紋十倍需要用戶說幾分鐘的語音，而聲揚科技目前可以做到只需要8個中文數字就可以完成準確率很高的聲紋驗證。

另外，不同錄音設備下的錄音差異其實非常大，做聲紋識別需要克服不同麥克風信道帶來的差異。而目前做聲紋比對的數據庫規模并不夠大，理論上億級數據庫的檢索才能獲得最準確的識別，但目前最大的聲紋庫可能在百萬級別的規模。

張博士補充道，除了以上所說的技術優勢，對于他們團隊來說還有一個很大的優勢是，他們技術上不是只有聲紋識別，還要做語音信號處理，如語音降噪，使得輸入聲紋識別系統的聲音更加干凈。另外聲揚有自己的語音識別技術，通過多種技術的組合可以打造成完整的符合客戶要求的解決方案。這是聲揚科技的競爭優勢之一。

在應用落地方面，張博士透露，聲揚科技在印尼參與了國家級社保項目，覆蓋了250萬公務退休人員，而聲紋識別實際表現準確率達到了99.7%。并且聲揚科技在今年參加了很多銀行基于聲紋的POC測試，大部都排在第一名。截止目前聲揚科技大概服務了全球超過5000萬人口，比如印尼和墨西哥的銀行。

3D高精度人臉掃描在美容微整形領域大有可為

3D視覺的應用十分廣泛，在2019生物識別技術與應用高峰論壇上，小優科技就帶來了他們在美容微整形領域的一些經驗。

據小優智能副總經理代啟強介紹，小優科技的業務很大一部分在人臉識別上，但近年來，他們在其他應用行業中做了一些探索。根據報告顯示，截至2018年，美容行業市場規模達到4953億人民幣，增長率逐年提高。隨著應用的發展，人們對美容的關心超乎尋常，這時候傳統模式下對于美容之路的形象屬于想象和手繪圖的方式確定，這時候需要一種設備，可以方便快捷采集人臉真實數據，通過對數據的虛擬化改動，讓顧客看到自己術后的模樣，提高顧客信息，增加手術滿意率。

對于傳統醫療用3D掃描，代啟強認為存在著下面四個問題：

第一，數據不準確，無法采集精確人臉數據，無法掌握顧客原始人臉數據。

第二，現有三維掃描裝備體積大，不易攜帶。

第三，現有設備用TI投影光機，成本高。

第四，設備投射強光，需要顧客閉眼，會影響顧客后續的效果。

代啟強補充道：“我們認為設備要最大限度符合原始人臉數據；體積更小，方便操作；設備性價比高；方便集成。”那么對于以上的這些問題，要怎么解決呢？

小優科技采用成熟的相移動態結構光技術采集人臉信息；使用MEMS技術實現投影設備微型化；提供豐富SDK接口供美容相關企業使用。通過投射正弦結構光，利用MEMS技術將點光源變成線光源放大擴散出去，利用高頻激光器工作原理對它進行拖拽，控制生成有效的、有編碼的動態正弦線結構光圖案對人臉進行數字化，對每個人的臉部數據進行調整，展示自己個性化的一面，過程是可視化的。顧客可以通過調整直觀看到術前術后的對比。

思立微推CSM&UTM指紋識別技術，首次曝光自研LCD屏下指紋識別方案

在手機指紋傳感器市場，思立微目前出貨量是全球前三，覆蓋了所有手機能應用到的電容指紋識別方案，從正面、側面、背面的全系列產品都一應俱全。但隨著手機全面屏的大潮席卷市場，屏下指紋的需求持續提高，而思立微在屏下光學指紋領域也是處于世界TOP2，僅此于匯頂。在2019生物識別技術與應用高峰論壇撒花姑娘，思立微高級產品經理孫云剛便向我們展示了思立微在指紋識別領域的最新解決方案。

在5G時代，移動終端設備對于電池的需求更高，手機內部空間也顯得更為珍貴。思立微便針對5G開發出新一代指紋識別模組——CSM。孫云剛表示，CSM是基于7001芯片上開發的模組，這個模組通過封裝創新設計達到空間占比的下降。目前思立微CSM模組相比COB模組在整個模組段，可以在SY方向面積下降50%，不僅如此，采用CSM模組還可以把傳統COB方案的區域直接去掉，可以用封裝工藝封裝到模組里，可以有效為電池讓出一些設計空間。

同樣是為了節省設備內部空間，思立微還推出了UTM超薄指紋識別模塊，目前做到0.4毫米內，相比傳統的CCM方案可以下降80%的高度。感應區面積是54平方毫米，提供高解析率。UTM方案固定在中框上，可以跟OLED進行解耦，不存在貼屏和拆屏的損失。

除此以外，思立微還首次曝光了自家的LCD屏下指紋方案——7601A。眾所周知OLED因為其本身自發光的特性，面板厚度小，易透光。因此目前大部分屏下光學指紋方案只適用于OLED屏幕。而LCD屏幕本身結構復雜，透光性差，于是目前各大廠家的方案大多采用了紅外光。思立微在采用紅外光的同時，還通過自主IC設計和工藝的開發來設計出高響應指紋識別芯片。孫云剛表示，目前的方案和技術均已準備好，現在與終端探討項目上的進展。

最后，孫云剛還補充道，除了光學與電容指紋識別方案外，超聲方案也是在我們的產品規劃當中，目前已經產出樣品，正在處于內部驗證階段，可能明年就可以正式商用。

虹膜識別技術的挑戰與未來

生物識別現在比較成熟的有包括指紋、人臉、掌型、掌紋、聲音和虹膜。指紋和人臉隨著iPhone革新的產品出現，包括iPhoneX結構光帶動指紋、人臉的普及，最大的好處是易用，指紋不需要任何培訓，人臉也是，抬起手機就能開鎖。而虹膜識別似乎并沒有像指紋、人臉識別等被廣泛應用，除了在手機上如三星s系列上有部分應用外，消費者日常很難接觸到虹膜識別這項技術。

相比其他的生物識別技術，虹膜有什么優勢？中國科學院深圳先進技術研究院集成所研究員陳巍表示，首先，虹膜是我們眼睛里鞏膜和瞳孔這一圈，特別是東亞人的眼睛，難以分辨虹膜和眼睛，因此相對而言，東亞人的虹膜信息更加安全。虹膜識別技術和指紋識別、人臉識別等技術沒兩樣，通過圖象識別拍攝你的虹膜去編碼、比對，再通過虹膜識別比對。但虹膜比其他生物體征要精準得多，因為它的特征點比人臉多得多，地球上有10的72次方的人才有兩個相似的虹膜，用一個數據去對比，一年掉落地球雪片總數10的23次方。而且人左眼和右眼的虹膜不一樣。3歲之后虹膜不再改變。

中科虹霸移動業務市場總監陳樺則表示，虹膜還具有非常強的生物活性，比如瞳孔的大小會隨光線強弱變化，視物時有不自覺的調節過程，有每秒可達十余次的無意識瞳孔縮放，這也使得虹膜也會發生每秒十余次的震顫；此外，在人體腦死亡、處于深度昏迷狀態或眼球組織脫離人體時，虹膜組織即完全收縮，出現散瞳現象。這些特性也使得虹膜具有極高的防偽性。

從這幾個角度來講，虹膜作為穩定的生物識別特征相比人臉更靈敏，相比指紋識別在日常中有更大的優勢。

另一方面，在安全問題上，人臉識別有可能通過偽裝破解，年齡的變化也會使得人臉數據產生變化，而指紋信息容易泄露。虹膜信息本身就難以獲取，而且非接觸性的性質，對于中東地區人民十分適用。

但陳巍也坦言，對于大部分普通消費者來說，接觸虹膜識別的機會少之又少。歸結原因主要有三點：

一、我國虹膜識別產業不太成熟，國家標準有一個很簡單的標準，現在行業標準還沒有很好的行業標準。

二、虹膜識別設備相比指紋、人臉，除了不好用以外，還貴。

三、虹膜采集技術還待發展，所有決定市場最終除了價格，另一點是用戶體驗。

陳巍還表示，他們目前在提升用戶體驗上做很多工作，像實現虹膜的少配合或者無配合的情況下完成任務。“我們在遠距離虹膜，比如60-100厘米范圍內做方案。這是我們第一代產品，我們可以在不同的身高需要微微低頭就能實現快速虹膜識別。到今天我們形成了全系列產品的Demo，包括我們做的類似VR眼鏡虹膜采集設備，我們在安卓端、門禁、門鎖都有應用。”

陳樺表示，印度全民身份認證、阿聯酋出入境系統，國內的400多家礦山，包括神華集團、中煤集團、同煤集團等特大型煤炭企業所采用的虹膜識別系統都是基于中科虹霸的技術。中科虹霸還主導參與了中國所有涉及虹膜方面的國家標準和行業標準的制定，為虹膜信息采集、建庫、應用規范奠定了基礎。

目前中科虹霸有三大類產品：移動設備、安防設備和車載設備。在2016年開始，中科虹霸與國內多家手機和移動設備廠商合作，已經推出了十幾款移動虹膜設備和手機。同時智能門鎖也是已經量產的虹膜技術應用。

眼動追蹤應用活體檢測，與虹膜識別完美結合

所有生物識別的技術，可以說，要想提高安全性，首要解決的問題就是如何完成活體檢測。據七鑫易維手機業務產品總監孔祥暉介紹，目前活體檢測大概分為幾類，手指、虹膜或者基于交互。一是動作指令活體檢測，這一類活體檢測大多被應用于銀行等高安全性的行業應用中；二是靜默活體檢測，主要采集人的微表情，通過眼紋、眼皮、瞳孔等微表情信息來確認是否真人；三十紅外活體檢測，利用光譜特性不一樣，在不同物體的反射上會有不同效果，通過分析圖片來判斷是否真人。

而現在，基于眼球追蹤技術的方法來完成活體檢測，是七鑫易維的新方案。那么它是如何做到的？人的視覺中是有人的視覺里是有中央視覺的，眼球追蹤技術是在判斷你的注視方向和注視點的位置。把人臉照亮拍攝圖片，把圖片放在后端機器學習、深度學習，識別出人臉的信息。通過算法，最終呈現出注視點的注視方向和位置，從而分辨出這是否真人，和他是否自主注視著傳感器。

除了活體檢測，眼球最終其實還能夠用于VR/AR等應用。孔祥暉舉了幾個例子，一是用戶管理，記錄用戶生態ID；二是做用戶交互，設備的操作可以使用眼鏡來完成，通過眨眼、注視等來完成各種操作；三是數據分析，比如在廣告場景中，可以判斷用戶關注廣告上的哪一個部分，從而獲得他們關注點的信息，便于改進產品或廣告。

AI邊緣計算——下一個十年風口

得益于深度學習，近年來人工智能技術發展迅速，而生物識別技術也伴隨著人工智能而迎來了爆發。但人工智能的發展也同時離不開算力的支持，相比于傳統的CPU、GPU，AI專用芯片對于人工智能而言效率有著顯著提高。嘉楠科技銷售總裁蔡博表示，AI芯片是智能時代的核心，不管AI算法、AI智能所有的東西都是基于芯片的基礎上，如果沒有芯片，再好的算法只是一個模型，無法實際使用。

嘉楠科技最開始做礦機，但其實在AI芯片方面他們也有一定的沉淀。去年9月，嘉楠科技正在發布了他們的第一款芯片K210，基于RISC-V指令集架構，集成8兆CMM，定位于人工智能與邊緣計算領域，主要目標市場定位在IoT市場。通過完全自主研發的神經網絡加速器IP，可在僅0.3W的低功耗下提供1TOPS的算力支持。同時具備機器視覺和語音識別能力，可以在超低功耗下進行高速卷積神經網絡計算。如基于卷積神經網絡的目標檢測和圖像分類任務，如人臉檢測和人臉識別，多分類物體檢測與識別等。。而在2019生物識別技術與應用高峰論壇上，蔡博還透露了年底將會發布第二款芯片，配合5G需求的K510。

蔡博還表示，第一代邊緣計算芯片偏向小場景應用，比較小的IoT場景。第二代場景會偏向實時、高速和大場景中的應用需求，也是以邊緣計算為主。隨著5G到來，有很多大算力要求的場景和實時性的要求，第二代的K510芯片就是面對5G的這些場景需求。而嘉楠科技未來的目標就是希望在邊緣AI計算領域成為領導者。