德州仪器 (TI)(Nasdaq代码:TXN)今日推出全新高性能微控制器 (MCU) 产品系列,推动了边缘端的实时控制、网络互联和智能分析。凭借全新的Sitara AM2x系列MCU,工程师可以使用10倍于以前基于闪存MCU的运算能力。高性能AM2x系列缩小了MCU和处理器之间日益增加的性能差距,使设计人员能够在工厂自动化、机器人、汽车系统和可持续能源管理等应用领域突破性能限制。如需更多信息,请参阅ti.com/AM2x-pr。
“人们对工业自动化、下一代汽车、智能分析和万物互联的需求推升了边缘端微控制器的性能要求——更快速、更准确。为分布式系统提供更先进、更高效的处理能力是实现工业4.0的关键步骤之一,”Omdia高级研究分析师Chris Morris说。
Sitara™ AM2x MCU产品系列基于高性能Arm® MCU内核,包含运行速度高达1 GHz的单核和多核器件,并集成了专用外设和加速器。易于使用的工具和软件可以简化客户的评估流程,降低系统总体设计复杂性和成本,并轻松获得高性能处理能力。
“设计人员日益需要以更低的系统成本实现更高的性能,从而满足人们对精确控制、快速通信和复杂分析的需求。在我们全新的Sitara MCU产品系列中,TI将业界先进的处理性能、实时控制和高级网络功能无缝地结合在一起,使工程师能够在新兴应用中打破性能障碍,”TI Sitara MCU产品线总经理Mike Pienovi说。
低功耗MCU具有处理器级性能
AM243x MCU是首款可用的AM2x系列器件,具有多达四个Arm Cortex®-R5F内核,每个内核运行频率高达800MHz。这种高实时处理速度在机器人等工厂设备中至关重要,其中快速计算能力与MCU内部存储器的高速访问可同时帮助提高机器人的运动精度和运动速度,从而提高生产率。额外的处理能力使设计人员能够进一步分析预测性维护等功能,从而减少工厂车间的停机时间。在典型应用中,AM243x器件可以在消耗不到1W有效功率的情况下达到这一性能水平,使工厂运营商能够延长电源寿命,并降低运营成本和能耗。
集成化设计实现边缘端的实时控制和联网功能
Sitara AM243x MCU集成了感应和驱动外设,使工厂自动化实现了低延迟实时处理和控制,并通过通信加速模块简化实现工业网络。AM243x器件扩展了TI对多个千兆工业以太网协议和时间敏感网络 (TSN) 的支持,可实现下一代工厂网络。借助AM243x,工程师可以利用经过认证的、TI直接提供的协议栈支持EtherNet/IP™、EtherCAT®、PROFINET®和IO-Link主站等,从而满足不断发展的工业通信标准。AM243x MCU的片上安全功能支持全新的加密要求,集成的功能安全机制、诊断和辅助功能可帮助系统集成商在其工业设计中达到IEC 61508标准的安全完整性等级(SIL) 3要求。
借助易于使用的工具和软件简化高性能设计
为了降低设计和开发的复杂性,TI创建了Sitara AM243x LaunchPad™开发套件,可快速评估高性能MCU。在评估工具和Sitara MCU+软件框架的帮助下,开发人员可以立即开始体验AM243x MCU开箱即用的精确实时控制和工业联网功能。开发人员还可以访问特定应用的参考示例、强大的工具和软件生态系统,以及MCU+ Academy培训网站,从而简化设计并加快上市速度。
封装、供货情况
TI现可提供采用17mm × 17mm或11mm × 11mm封装的预量产版本AM2431、AM2432和AM2434,仅在TI.com.cn供货。AM243x LaunchPad开发套件亦可在TI.com.cn进行购买,TI.com.cn上提供了多种付款方式和发货方式。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。