智能硬件的興起可謂帶動了一大波消費類電子的發(fā)展浪潮,人們對于芯片的認知也不局限在PC、手機,高集成越低功耗且體積小的芯片被應用到了智能硬件上。而微控制器作為芯片的重要組成部分,也在電子浪潮中迎來創(chuàng)新性更新與發(fā)展。
意法半導體公司是一家橫跨多重電子應用領域的半導體提供商,公司整體產品戰(zhàn)略上專注于傳感器與功率芯片,以及嵌入式處理器解決方案,憑借其超低功耗微控制器技術與在ARM Cortex-M4內核領域積累的多年豐富經驗,于昨日在華推出適用于下一代節(jié)能型消費電子產品、工業(yè)、醫(yī)學和計量產品的STM32L4系列微控制器。
STM32系列是意法半導體旗下微控制器的一個家族系列,此次發(fā)布的兩款新系列產品STM32L476和STM32L486均基于運算頻率80MHz的ARM Cortex-M4處理器內核,內置浮點運算單元(FPU)可支持DSP指令,并在以下四個方面集成了意法半導體的優(yōu)勢:
高性能,超低功耗:歸功于靈活的功耗模式,ST ART Accelerator加速技術,配合內置FPU的ARM Cortex-M4內核,在80MHz頻率時實現(xiàn)100DMIPS
技術創(chuàng)新:系統(tǒng)架構實現(xiàn)多項創(chuàng)新,引入智能外設
高集成度:在大小僅為3.8x4.4mm的微型封裝內,集成1MB閃存和128KB SRAM
最佳投資:這款新的STM32微控制器繼承了STM32家族的引腳全系統(tǒng)兼容性,支持STM32開發(fā)生態(tài)系統(tǒng)
其中,意法半導體的自適應實時加速器(ART)是新系列微控制器的另一個附加優(yōu)勢,使微控制器能夠在無等待狀態(tài)下執(zhí)行閃存內的代碼,處理性能高達100 DMIPS,而功耗僅為100µA/MHz。高達1MB的雙區(qū)(dual-bank)閃存可支持復雜應用和讀寫同步功能,并提供一個128KB的靜態(tài)隨機存取存儲器(SRAM)。
STM32L4微控制器充分利用意法半導體豐富的低功耗技術,包括根據(jù)不同處理需求調整功耗的動態(tài)電壓調整、內置FlexPowerControl的智能架構和有7個子模式選項的電源管理模式,其中包括停機、待機和最低功耗30nA的關機模式。意法半導體的批量采集模式(BAM)能使處理器在低功耗模式下仍可與通信外設高效交換數(shù)據(jù)。
在嵌入式微處理器基準評測協(xié)會(EEMBC)發(fā)布的標準化ULPBench超低功耗微控制器能效對比評測中,STM32L4系列微控制器獲得123分的業(yè)內最高成績,這就意味著現(xiàn)在的設計人員無需以犧牲功耗為代價,便可以得到更高的性能和更大的存儲容量。
低總體功耗,Cortex-M4的高性能表現(xiàn)和DSP功能,智能模擬功能,以及豐富的數(shù)字接口功能,這些特性使STM32L4系列非常適用于智能聯(lián)網(wǎng)(smart connected)和物聯(lián)網(wǎng)(IoT)產品應用,以及各種工業(yè)、醫(yī)療和消費性電子產品。
STM32L4現(xiàn)已接受大客戶訂購樣品,預計于2015年第二季度量產。STM32L476采用LQFP64封裝。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。