新闻亮点:
德州仪器近日推出了全球超小型 MCU,进一步扩展了品类齐全的 Arm® Cortex®-M0+ MSPM0 MCU 产品组合。MSPM0C1104 MCU 采用晶圆芯片级封装 (WCSP),尺寸仅为 1.38mm2,大小约相当于一粒黑胡椒粒,让设计人员能在不影响性能的情况下,优化医疗可穿戴器件和个人电子产品等紧凑型应用的布板空间。
“在耳塞和医疗探头这类超小型系统中,布板空间是一种稀缺而宝贵的资源,”德州仪器的 MSP 微控制器部副总裁兼总经理 Vinay Agarwal 表示。“得益于这款全球超小型 MCU,我们的 MSPM0 MCU 产品组合将会带来无限可能,让我们的日常生活体验变得更智能、更互联。”
德州仪器的 MSPM0 MCU 产品组合包含 100 余款具有成本效益的 MCU,可以提供可扩展的片上模拟外设配置和多种计算选项,因而可增强嵌入式设计的传感和控制能力。该系列器件已于日前亮相于德国纽伦堡盛大举行的国际嵌入式展。
超小封装,无限可能
消费者不断提出要求,希望电动牙刷和触控笔等日常电子器件不仅尺寸更小、价格更低,而且能够具备更多功能。要在缩小产品尺寸方面进行创新,工程师愈发需要使用小巧的集成元件,以便在维持布板空间的同时增加功能。MSPM0C1104 MCU 充分发挥了 WCSP 封装技术的优势,通过精心的功能选配以及德州仪器的成本优化方案,使其 8 焊球 WCSP 的尺寸仅为 1.38mm2,较同类产品小 38%。
此 MCU 搭载 16KB 内存,1 个 12 位三通道模数转换器,6 个通用输入/输出引脚;并且兼容标准通信接口,如通用异步收发器 (UART)、串行外设接口 (SPI) 和内部集成电路 (I2C)。这款全球超小型 MCU 集成了精准的高速模拟元件,工程师因而能够在不增加布板尺寸的情况下维持嵌入式系统的计算性能。
利用同一 MCU 产品系列,覆盖从小型到大型的设计需求
德州仪器将这款新的 MSPM0C1104 纳入 MSPM0 MCU 产品组合,该产品组合集可扩展性、成本优化和易用性于一体,可缩短产品上市时间。德州仪器的 MSPM0 MCU 提供引脚对引脚兼容的封装选项和功能集,可以满足个人电子产品、工业和汽车应用在内存、模拟和计算能力方面的需求。此外,该产品组合提供多种小型封装选项,可帮助优化布板尺寸,精简物料清单。凭借这一优化方案和功能集成,工程师能够灵活设计各种尺寸的产品,同时降低系统成本和复杂性。
德州仪器全方位的生态系统可以提供进一步支持,此生态系统包含针对所有 MSPM0 MCU 进行优化的软件开发套件、用于快速原型设计的硬件开发套件、参考设计,以及作为常见 MCU 功能代码示例的子系统。借助德州仪器的 Zero Code Studio 工具,用户无需编写任何代码,即可在短短几分钟内配置、开发和运行 MCU 应用。工程师可以利用此生态系统扩展设计和重用代码,而无需对硬件或软件做出重大修改。除此生态系统外,为了满足未来的需求,德州仪器不断加大投入来提高内部制造能力,这也为 MSPM0 MCU 产品组合提供了支持。
封装、供货情况
MSPM0C1104 MCU 已在 TI.com 上开启预售,支持多种付款方式和发货方式。
MSPM0C1104 LaunchPad™ 开发套件已在 TI.com 上发售。
好文章,需要你的鼓励
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。