2025 年 1 月 8 日, 德州仪器 (TI)推出了全新的集成式汽车芯片,能够帮助各个价位车辆的驾乘人员,实现更安全、更具沉浸感的驾驶体验。TI AWRL6844 60GHz 毫米波雷达传感器通过运行边缘 AI 算法的单个芯片,支持用于座椅安全带提醒系统的占用检测、车内儿童检测和入侵检测,从而实现更安全的驾驶环境。借助 TI 的下一代音频 DSP 核心、AM275x-Q1 MCU 和 AM62D-Q1 处理器,能够更加经济实惠地获得高质量音频体验。结合 TI 全新的模拟产品(包括 TAS6754-Q1 D 类音频放大器),工程师可以获得一个完整的音频放大系统解决方案。TI 将在 2025 年 1 月 7 日至 10 日于美国内华达州拉斯维加斯举办的消费电子展 (CES) 上展示这些器件。
“无论是入门级汽车还是豪华级汽车,无论是燃油车还是电动汽车,如今的驾驶员都期望这些车辆能够提供更佳的车内体验,”TI 嵌入式处理部门高级副总裁 Amichai Ron 表示。“TI 持续提供创新技术,旨在推动未来汽车驾驶体验的发展和改进。我们的边缘 AI 雷达传感器帮助汽车制造商提升车辆的安全性,并且能够根据驾驶员的动作和需求做出快速响应,而我们的片上音频系统能提供更加身临其境的音频体验,从而提升了驾驶乐趣。它们共同创造了全新的车内体验。”
支持边缘 AI 的三合一雷达传感器提高了检测精度
原始设备制造商 (OEM) 正在不断将更多的传感器技术集成到汽车设计中,以提升车内体验并满足不断发展的安全标准。使用 TI 支持边缘 AI 的 AWRL6844 60GHz 毫米波雷达传感器后,工程师能够整合三项车内检测功能来替代多种传感器技术(例如,座椅重量传感垫和超声波传感器)。
AWRL6844 集成了四个发送器和四个接收器,能够提供高分辨率的检测数据,并且成本经过优化,非常适合 OEM 使用。采集的数据输入到应用特定的 AI 驱动算法中,这些算法在可定制的片上硬件加速器和 DSP 上运行,从而能够提高决策的准确性并加快数据处理速度。AWRL6844 传感器的边缘智能功能有助于提升驾驶体验,例如:
TI 完整的音频产品系列,能够提供更佳的汽车音频体验
随着驾驶者对各类车型车内体验的期望不断提升,OEM 希望在提供高品质音频的同时,能够尽量降低设计复杂性和系统成本。AM275x-Q1 MCU 和 AM62D-Q1 处理器通过将 TI 基于矢量的 C7x DSP 核心、Arm® 核心、存储器、音频网络和硬件安全模块集成到一个符合功能安全要求的 SoC 中,减少了汽车音频放大器系统所需的元件数量。C7x 核心与矩阵乘法加速器结合,共同构成了一个神经处理单元,用于处理传统音频算法和基于边缘 AI 的音频算法。这些汽车音频 SoC 可进行扩展,设计人员可以根据不同的存储器和性能需求,从入门级到高端系统中进行选择,只需进行很少的重新设计,不需要大量投资。
TI 的下一代 C7x DSP 核心的处理性能是其他音频 DSP 的四倍以上,使音频工程师可以在单一处理器核心上同时处理更多的音频功能。AM275x-Q1 MCU 和 AM62D-Q1 处理器具有空间音频、主动降噪、声音合成和高级车载网络功能(包括以太网音频视频桥接),能够在车内实现身临其境的音频体验。
为了进一步优化汽车音频设计,工程师可以使用 TI 的 TAS6754-Q1 音频放大器,该放大器采用创新的 1L 调制技术,可实现出色的音频性能和低功耗,且相比现有的 D 类放大器,其所需的电感数量减少了一半。TAS67xx-Q1 系列器件集成了 OEM 所需的实时负载诊断功能,帮助工程师简化设计、降低成本和提高效率,同时保证音频质量不受影响。
CES 2025 TI 展位
在 2025 年 CES 展会上,TI 将展示其半导体技术如何通过实现更高水平的自动化、智能化、功效和性价比,重新定义各类体验。展示内容包括在软件定义车辆、高级驾驶辅助系统、机器人、可穿戴医疗设备、能源基础设施和个人电子产品等领域的创新。请访问 ti.com/CES,了解详情。
封装、供货情况
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
哈佛大学研究团队开发出LangSplatV2系统,实现了超高速3D语言查询功能。该系统通过创新的稀疏编码技术和高效渲染算法,将3D场景语言理解速度提升了47倍,达到每秒384帧的实时处理能力。系统采用全局语义字典和稀疏系数表示,彻底解决了传统方法中解码器速度瓶颈问题,为AR/VR、智能机器人等应用提供了强大的技术基础。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
马里兰大学研究团队提出了CoLa(Chain-of-Layers)方法,让AI模型能够根据任务难度动态调整内部层的使用策略,实现"快思考"和"慢思考"的灵活切换。通过蒙特卡洛树搜索算法,该方法在推理任务上显著提升了模型的准确性和效率,为75%的正确答案找到了更短的处理路径,并纠正了60%的错误答案,为AI模型的架构优化开辟了新方向。