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
生成式AI在电商领域发展迅速,但真正的客户信任来自可靠的购物体验。数据显示近70%的在线购物者会放弃购物车,主要因为结账缓慢、隐藏费用等问题。AI基础设施工具正在解决这些信任危机,通过实时库存监控、动态结账优化和智能物流配送,帮助商家在售前、售中、售后各环节提升可靠性,最终将一次性买家转化为忠实客户。
泰国SCBX金融集团开发的DoTA-RAG系统通过动态路由和混合检索技术,成功解决了大规模知识库检索中速度与准确性难以兼得的难题。系统将1500万文档的搜索空间缩小92%,响应时间从100秒降至35秒,正确性评分提升96%,为企业级智能问答系统提供了实用的技术方案。
存储供应商Qumulo发布多租户架构Stratus,为每个租户提供独立的虚拟环境,通过加密技术和租户专用密钥管理系统实现隔离。该统一文件和对象存储软件支持本地、边缘、数据中心及AWS、Azure等云环境部署。Stratus采用加密隔离技术确保敏感数据安全,同时提供任务关键操作所需的灵活性和效率,帮助联邦和企业客户满足合规要求。
中科院和字节跳动联合开发了VGR视觉锚定推理系统,突破了传统AI只能粗略"看图"的局限。该系统能在推理过程中主动关注图片关键区域,像人类一样仔细观察细节后再得出结论。实验显示VGR在图表理解等任务上性能大幅提升,同时计算效率更高,代表了多模态AI"可视化推理"的重要进展。