3月10日，天准科技发布公司2020年年度报告。公告显示，2020年公司实现营业收入96,411.02万元，比去年同期上升78.19％；实现归属于母公司所有者的净利润10,738.13万元，比去年同期上升29.10％，盈利能力再上新台阶。 天准科技始终坚持以领先的人工智能技术推动工业转型升级，并在工业领域不断渗透，机器视觉装备领域的领先地位得到巩固，“中国工业人工智能”第一股的地位逐步夯实。 据年报显示，公司报告期内营业收入、净利润大幅增长，主要原因是智能检测装备产品线收入增加导致利润增加。这进一步凸显出天准科技在视觉检测领域产品的竞争优势。 事实上，在应用于消费电子零部件检测的智能检测装备中，公司产品的主要技术参数均达到国际先进同行美国DWFritz公司同等水平，成功实现对DWFritz公司产品的替代。在应用于光伏硅片检测的智能检测装备中，公司产品缺陷检测准确率与国际先进同行德国Hennecke公司同类最先进产品的水平相当，在检测速度方面高于德国Hennecke公司的水平，得到隆基集团、协鑫集团等客户认可，实现对Hennecke等国际先进同行产品的替代。 经过10余年的持续研发和深度挖掘，公司在机器视觉核心技术的关键领域获得了多项技术突破，目前已具备机器视觉算法、工业软件平台、先进视觉传感器及精密驱控技术四大领域的核心技术。围绕现有技术，公司持续推进工业视觉软件平台、3D视觉传感器、工业云平台的研发，形成了LDI激光直接成像设备和AI边缘计算设备等新产品，进一步增强了公司核心技术的竞争力。 从行业来看，在光伏领域，随着2020年光伏新政的公布，今年的光伏新增装机规模将较2019年有明显增长，对于国内产业链形成利好，天准科技光伏板块业务市场有望进一步拓展。 具体来看，截至报告期末，公司新申请发明专利98项，新获得发明专利授权2项，新取得软件著作权7项。2020年，公司投入的研发费用为15,459.03万元，占同期收入的16.03％，较去年同期增长5,986.60万元。新产品方面，新研发的针对CIS手机摄像头行业的AA主动对焦及Holder Mounter镜头支架安装等微组装设备、通用在线式及桌面式点胶检测一体设备、针对手机盖板玻璃光学特性的检测装备、针对PCB及FPD行业的检测装备等已经获得各行业客户的一致认可。同时，另有半导体、CIS等行业的多款设备正在研发中。 2020年6月，天准科技发布公告称，将以1818万欧元（约合1.4亿人民币）的价格收购德国半导体检测设备研发商MueTec100％股权，加速布局半导体行业。 值得注意的是，在收购MueTec之前，天准科技已经在着手研发半导体检测设备，对于MueTec的收购将加快公司在半导体晶圆检测设备上的布局。随着国际竞争形势的发展和国内企业技术能力的提升，该项并购有望形成公司半导体制造领域新的利润增长点。 此外，为增强投资者信心和提升公司股票长期投资价值，2020年6月15日，天准科技通过股权激励相关议案，以16.60元／股的授予价格向42名激励对象授予429万股限制性股票。据最新公告显示，公司已通过上海证券交易所交易系统以集中竞价交易方式回购股份5,472,926股，占公司总股本的2.83％。 如此大力度的股权激励，表达着管理层对于公司长期发展的信心，随着将股东利益、公司利益和员工利益进一步深入绑定，各方紧密合力能更好的推动公司健康可持续的发展。 天准科技目前已累计服务4,000余家客户，积累了大量的行业经验，确保了前沿技术与工业实际场景的深度融合。未来，随着中国机器视觉市场的逐渐成熟，机器视觉行业内企业将更注重提升产品技术水平，针对下游用户需求开发出更多的应用，产品性能、易用性及可靠性均将进一步提升，应用领域更加多元化。 2021年，公司将继续巩固和增强公司在行业的市场优势地位，通过自有技术体系、技术平台的积累，发挥公司消费电子领域的竞争优势，向更多的优质领域拓展，大力拓展汽车及零部件制造、光伏硅片、半导体、PCB、FPD等其他工业领域客户，逐步与一批核心客户建立持续合作关系，为公司创造新的业绩增长点，把握智能制造发展浪潮所带来的广阔发展空间，平台型公司初露锋芒。

配图来自Canva可画 在线教育作为近两年来十分火热的赛道，白热化的行业竞争已经众所周知，不论是顺势而起的新锐企业还是经历行业浮沉的老牌企业，都很难在战火中保全自己。行业的激烈竞争体现在方方面面上，师资力量、课程内容等都是重点战场，而营销更是其中的重中之重。 在线教育平台对于营销的重视早就人尽皆知，也总因为过度营销而遭受外界诟病。各方平台都砸下巨大的资源试图去打赢这场关于营销的大战，尤其是刚刚过去的春节和寒假，营销大战的火热更是达到了顶峰。 花式营销，重点却相同 先来看看各方平台最近在营销方面的动作。猿辅导在寒假期间植入多档综艺，也出现在春晚的舞台上，而作业帮、高途课堂也同样选择植入多档综艺节目之中。学而思旗下的题拍拍不仅赞助了B站2020年《最美的夜》晚会，还签约明星大量投放洗脑广告。 公交站牌、地铁广告墙、电梯间屏幕、直播间、短视频平台、综艺晚会、盲盒福袋等等，任何可以打广告做营销的地方都少不了在线教育平台的身影。这让在线教育平台营销大战所涉及到的层面越来越多，手段也越来越娴熟，背后共同的重点也越来越明显。 首先是对抢夺新用户的重视。因为疫情红利在线教育从去年开始迎来了高速发展，但众多平台依旧处于圈地跑马的阶段。怎么样为自己吸引来更多的新用户，甚至是从其他平台内抢来新用户，尽量稳定自身地位，对于他们来说十分重要。 其次是对营销效率的重视。虽然各个平台都在烧钱做营销，但是如何取得事半功倍的效果，提升营销的转换率同样不容忽视。而作业帮、猿辅导等植入综艺、签约明星的举动，就是针对特定消费群体所使用的营销手段，因为这些综艺的观众、明星的粉丝正是有教育需求的群体，对症下药所取得的营销效果会更好。 最后是对新颖营销手段的重视。竞争的白热化使得在线教育平台之间的营销愈发激烈，也加速了营销手段的同质化进程，往往好几家平台的营销手段有很大重叠。这种同质化营销很难尽快吸引到消费者，也会拉低营销的效率。 停不下的营销为哪般 这场营销大战已经持续了很久，从何起源更是不得而知，但可以明确知道的是，这场营销大战中的参与者们，并不都是自愿参加的，也存在很多被迫参加其中的平台。而这种被迫参加的原因，也来自较多方面。 一方面是因为“酒香也怕巷子深”。对于教育平台来说，积累教育资源、充实课程内容是吸引用户的最核心因素，但是这需要较长时间的积累过程。而且因为入局者众多，就算平台内的课程质量很优秀，却难以触及到消费者，同样会造成优质资源浪费。 另一方面是因为同辈压力的原因。对于一些平台而言，其实并不需要参与烧钱换规模的营销大战之中，但是竞争对手的花样营销在吸引用户方面较有优势，也会加速消费者对品牌的认可。如果不参与其中，这些平台未来可能将会在用户认知层面处于劣势，更严重者还有可能出现用户大量流失的困境。 这两方面的原因，让那些本无心参与营销的平台不得不砸下重金走进营销大战之中，也让在线教育行业的营销战况愈发激烈，持续升温。 但不论是主动发起还是被动参与，营销对于在线教育平台来说都是十分重要的，因为营销活动可以帮助平台触及到更多的用户，在短时间内获得巨大的流量和关注，并且可以后置用内容换留存的过程，大大缩短以往建立用户和平台之间连接的时间，一定程度上提升整体效率。 营销大战继续升级 然而不论是被动主动，既然已经投身这一场营销大战之中，各方平台自然不想草草结束，于是都拿出各种手段、投入大量资源来打好这一场关于营销的战争。而在这种情绪的催化下，在线教育行业的营销大战也将继续升级。 首先是营销转换率方面的升级。更有针对性、更智能化投放广告将成为营销动作接下来的重点，因为这可以让品牌更直接、更精细触及到消费者，可以准确将自身产品与消费者需求联系起来，从而带动营销转换率的进一步提升。 其次是整体营销模型的升级。虽然营销的最终结果是吸引更多的用户走进体系之中并发展成稳定客户，但是目前各大平台通过营销所取得的结果离这个最终结果还有一定的距离，依旧处在品牌认知培养层面上。 这意味着平台的整体营销模式需要进一步升级，加强各种营销手段之间的联动性，从各个角度来吸引消费者走进平台体系之中，并成为长期稳定客户。 最后是用户层面的升级。现阶段各大平台的重点在新用户上，但因为教育的长期性和成长性，老用户同样有很大的潜力值得开发。 这就需要平台在营销的时候不能只重视拉新，对老用户的营销也是十分重要的，因为用户认知已经有了一定的基础，营销对于老用户的作用更大，转化率也将会更高。而且对老用户群体的再次刺激，也将会拉长用户消费的周期，为平台营收做出贡献。 在线教育的营销终局 尽管战况在持续升级，而且参与者也越来越多，这场营销大战还将会持续很长一段时间，但这不代表这场大战不会结束，其终局已经逐渐显现。 纵观当下在线教育平台的营销动作，不论是赞助综艺晚会还是签约大牌明星代言，或者是大量投放线下广告，这些都需要巨大的资金支持，这也就使得很多在线教育平台的盈利情况并不乐观，亏损阴影一直伴随身旁。 于是外部输血融资就成了很多平台坚持营销的唯一办法，以至于这场营销大战到后来已经发展成谁可以融到资谁才能有继续参战的资格。但是从目前在线教育行业的融资情况来看，融资已经开始向头部集中，少数几家平台占据了大量的融资金额。 根据Fastdata数据显示，中国 K12在线教育行业在2020年融资额逾500亿元，超过这个行业此前10年融资总和。但其中猿辅导年内累计融资超过35亿美元，作业帮在6月获得7.5亿美元融资后，又获得了16亿美元。而已经上市的好未来也完成33亿美元配售协议，更谁学完成8.7亿美元的定增。 也就是说，越是头部的平台将会越有机会获得融资，对营销投入的力度也将会更大，反之，那些没有资金支持的中小平台，很难抵御来自头部平台的营销攻势，最终会在营销大战中败下阵来，让这场大战最终走向头部玩家之间的游戏。 而且伴随着头部平台营销的持续发力，越来越多的用户被吸收进少数几个平台之中，中小型企业的生存空间也将进一步被挤压，行业的马太效应也将进一步加重，加速市场格局成型。

减少边缘节点的洞察时间可在获得数据之后尽快做出关键决定。而理论上处理能力和通信数据均不受限制，则可将所有全带宽边缘节点检测信息发送至远端的云计算服务器。此外，还可以进行大量运算，以挖掘做出明智决策所需的宝贵细节信息。然而，电池电量、通信带宽和计算周期密集型算法的局限使得我们的设想只是一种概念，而无法成为实际方案。 在这个包含多个部分的工业物联网系列文章中，我们将分解和研究大型物联网框架中边缘节点解读的基本方面：检测、测量、解读和连接数据，同时还将考虑功率管理和安全性。边缘节点所需的数据集可能只是一个离散的完整宽带信息子集。同样，数据可以根据要求进行传输。高效的超低功耗(ULP)处理也是实施任何边缘节点方案的一个关键。 智能分区模式转变 工业物联网及其前身(机对机(M2M)通信)的先锋时代在很大程度上是由云平台这一主要应用推动因素的作用定义的。智能系统的洞察力以往都只是依赖于云级能力。实际的边缘传感器装置一直以来都相对简单。然而，由于边缘节点的低功耗计算能力比云计算能力的发展更迅速，这个前提目前正在动摇。边缘节点如今具有检测、测量、解读和连接数据的能力。 智能分区模式正从连接传感器模型向智能设备模型转变，从而提供更多的可用架构选项，并允许组织部署工业物联网，以独特的方式改进其实体资产和流程。边缘计算分析(亦称为智能边缘或解读)推动着这一转变。大规模的工业物联网部署依赖于一系列安全、高效节能并且易于管理的多样化智能节点。 边缘分析 最优质的传感数据仍可边缘化，且无需细心留意边缘节点分析中应用的要求。边缘传感器装置可能会受到能源、带宽或原始计算能力的约束。这些约束条件将影响到能够将IP堆栈删减为最小闪存或RAM的协议选择。这使得编写程序充满挑战性，并且可能需要牺牲一些IP性能。 边缘处理可以是一个分析过程，除了将数据发送至远端服务器以进行云级分析，它还可以作为一种方法，用于分析接近其来源的数据。在数据链中尽早地进行实时分析边缘处理可减少下游有效负载，并缩短延迟。如果初始数据处理可以在边缘节点进行，那么就可以简化所需的数据格式、通信带宽以及最终聚集在云端网关。通过紧耦合连接至传感器的时间敏感型反馈回路可提供即时处理，从而为更有价值的明智决策作准备。 然而，这要求提前了解清楚需要获得哪些有价值的具体信息，才能从检测和测量数据中得到预期结果。此外，由于空间隔离或应用差异，也可能因边缘节点的不同而不同。事件报警、触发信号和中断检测可以忽略大部分数据，只传输需要的数据。 时间折旧 货币的时间价值是一种概念，即现在的一美元比未来某一时候的一美元更有价值。类似地，数据也存在时间常数。数据的时间价值是指在这个几分之一秒检测到的数据与从现在起一周、一天或甚至一个小时之后检测到的数据不同。此类任务关键型物联网范例有热冲击检测、气体泄漏检测或需要采取立即行动的灾难性机械故障检测。时间敏感型数据价值在解读之时开始衰减。有效解读数据和采取行动的延迟越长，决策的价值将越低。为了解决工业物联网的时间折旧问题，我们必须进一步深入了解信号链。 边缘传感器节点的处理算法可对抽样数据进行筛选、抽取、调谐和精处理，将其分解至最低要求的子集。这首先需要定义目标窄带数据。可调带宽、抽样率和动态范围有助于一开始就在硬件的模拟域中建立基准。通过使用所需的模拟设置，传感器只会检测需要的信息，并提供更短的时间常数以获得高质量的解读数据。 边缘处的数字后端处理滤波器可进一步重点关注目标数据。边缘传感器处的数据频率分析可在信息离开节点之前，并及早判定信号内容。一些高阶计算模块执行快速傅里叶变换(FFT)、有限脉冲响应(FIR)滤波并使用智能抽取，可缩小抽样数据的范围。在一些情况下，在大幅度降低数据带宽之后，只需要从边缘传感器节点处传输通过或未通过信息增量痕迹。 图1.在未使用前端滤波器或数字后端处理滤波器的情况下，可能会出现混叠。 图2.振动监控的典型信号链。 图1中，我们可以看到在未使用前端模拟滤波器或数字后端处理滤波器的情况下，抽取8次(左侧)的简单信号将混叠新的干扰信号(中间)，从而使频率折叠成期望的新信号频带(右侧)。数字后端处理滤波器搭配数字信号处理器(DSP)或微控制器(MCU)，同时将半带FIR低通滤波器与抽取滤波器一起使用，将能够滤除混叠的干扰信号，从而有助于防止出现这一问题。 边缘节点处理洞察力——智能工厂 领先的工业物联网应用解决方案适用于工厂机器状态监控。该解决方案的目的是在发生故障之前识别和预测机器性能问题。边缘传感器节点的多轴高动态范围加速度计用于监控工业机器上不同部位的振动位移。可以筛选和抽取原始数据，在微控制器中进行频域解读。可以处理与已知性能极限进行比较的FFT，针对下游的通过、未通过和警示警报进行测试。通过FIR滤波去除目标带宽外的宽带噪声，可实现FFT内的处理增益。 边缘节点处理是机器状态监控的一个重要组成部分。抽样数据的全带宽是实现无线网关聚集的一个重要瓶颈。要考虑到，一台机器可能配有许多传感器，并且可能同时监控数百台机器。微控制器中作出的滤波和智能决策向无线收发器提供一个低增益带宽输出，而无需在云端进行密集型滤波处理。 图2显示了一个机器状态监控的信号链，在这个信号链中加速度计传感器用于测量位移振动特征。利用边缘传感器节点处的后端处理滤波器，可通过在滤波和抽样数据后进行FFT运算，从而在目标窄带宽中完成频率分析。 在FFT计算过程中，与实时示波器一样，处理滤波器可无视时域活动，直至完成FFT。第二个线程中的另一种时域路径可能还可用于防止出现数据分析差异。 如果能够清楚目标机械特征频率，则可设计微控制器中的ADC和FFT抽样率，使最大能量适合单个直方图仓的宽度。这将防止信号功率泄漏到多个仓中，从而降低幅度测量的精度。 图3.FFT仓能源可用于触发警报。 图3为FFT的一个示例。在这个示例中，我们在边缘节点MCU中对不只一个观察的机械零件进行特定的预定区解读。在所需绿色区域中达到峰值的能量代表正常运转，而黄色和红色区域则分别表示警报和严重警报。更低的数据速率警报或触发痕迹可能会在目标区域内向系统发出偏移事件报警，而不是传全带宽传感器数据。 动态范围、标记和精度 边缘分析的计算功率有几个选项。许多选项可用于处理算法，从一个提供有限控制性能的简单MCU到更加复杂的精密片上系统(SoC) MCU，再到到功能强大的多核数字信号处理。处理内核尺寸、单核或双核操作、指令RAM缓存大小和定点与浮点需求都是典型的技术考虑。通常，需要在节点可用的功率预估和应用的计算需求之间作出权衡。 针对数字信号处理，采用定点和浮点两种格式来存储和操作以数字表示的传感器节点数据。定点是指一种数字表示方式，采用小数点后(有时候为小数点前)固定位数的数字表示。使用这种方法的DSP处理整数，例如使用最少16位的正负整数，可能有216种位模式。相比之下，浮点则使用有理数，最少可能有232种模式。与使用定点的DSP相比，使用浮点计算方法的DSP可处理更大范围的值，并能够表示非常大或非常小的数字。 浮点处理可确保能够表示更大动态范围的数字。如果需要计算大量传感器节点数据，并且在检测之前可能并不清楚确切的范围，则浮点处理就非常重要。此外，由于每一个新的计算都需要进行一次数学运算，所以计算结果必然会出现四舍五入或截断的现象。这会导致数据出现量化误差或数字信号噪声。量化误差是理想的模拟值与该值的数字表示(即最接近的舍入值)之差。这些值之间的量化差越大，数字噪声将越明显。当准确性和精度对于解读的传感器数据来说非常重要时，浮点处理则可实现优于定点处理的精度性能。 性能 固件设计师应以最有效的方式实现计算应用，因为执行操作的速度至关重要。因此，必须描述数据解读的处理需求，以便确定实现最大效率需要使用定点计算还是浮点计算。 我们可以对定点处理器进行编程，使其能够执行浮点任务，反之亦然。然而，这样做的话效率非常低，并将影响处理器性能和功率。当针对无需密集型计算算法的高容量通用应用而优化时，定点处理器的表现更加突出。相反，浮点处理器可利用专门的算法，轻松完成开发，并实现更高的整体精度。 虽然性能不是很高，但是处理器中支持的GPIO引脚数量则可作为第二个选择标准。直接支持目标传感器(例如：I2C、SPORT和UART)的相应控制界面可降低系统设计的复杂程度。内核处理时钟速度、每次执行的位数、可用于处理的嵌入式指令RAM数量以及存储器接口速度都将影响边缘节点处理的能力。实时时钟有助于对数据进行时间标记，并允许调整多个平台之间的处理。 处理计算能力通常是在MIPS或MMAC中定义。MIPS是一秒钟内可执行的百万指令数。MMAC是每秒可执行的32位单精度浮点或定点累加乘法操作次数(单位：百万)。针对16位和8位操作，MMAC性能值分别提高2倍和4倍。 安全 虽然工业物联网的安全影响着每个系统、每次传输和每个数据接入点，但是微控制器和DSP则提供内部安全特性。高级加密标准(AES)提供了一种增强有线通信线路(如UART/SPI)或无线通信线路安全性的方法。在采用无线RF通信的情况下，通过边缘节点无线电进行有效传输之前会先执行AES加密。接收节点相应地执行解密操作。电子密码模块(ECB)或密码块链接(CBC)是典型的AES模式。4通常，128位或更长位数的安全密钥是首选。真随机数发生器用作为处理器中安全计算的组成部分。后续的工业物联网文章中将进一步描述这些方案的细节，以便大家采用更加全面的安全措施。 单核或双核 对原始数据处理能力的需求终始很旺盛。高效的原始数据处理能力将更胜一筹。多核MCU和DSP可为特别受益于密集型并行处理的算法提供额外的计算能力。然而，处理异构数据的需求也在不断上升。这导致一类多核微控制器的问世，此类微控制器将两个或更多具有不同特定功能优势的内核整合在一起。一般称为异构或非对称多核设备，通常整合了两个配置完全不同的内核。 非对称MCU可整合ARM® Cortex®-M3和Cortex-M0，使用处理器间通信协议进行通信。这使M3能够重点处理繁琐的数字信号处理任务，而M0则执行密集程度较低的应用控制。5这样可以将更简单的任务分流至小型内核中处理。分区可最大化功能更强大的M3内核的处理带宽，以便进行计算密集型处理，而这是协同处理的真正核心所在。核间通信采用共享SRAM，其中一个处理器引发中断，而另一个检查。当接收处理器在响应时引发中断，就会发出报警。 异构多核MCU的另一个优势在于，它可以克服嵌入式闪存的限速问题。通过在两个小型内核中以非对称的方式对任务进行分割，可在实现内核的全部性能的同时，仍继续使用低成本嵌入式存储器。实现嵌入式闪存的成本通常决定MCU的成本，因此可有效地消除瓶颈。在可用的功率预算中平衡处理器需求是工业物联网边缘传感器节点设计的关键部分。 功率平衡 即使是在可以实现能量采集的情况下，许多工业物联网边缘传感器节点也必须能够在同一小型电池上运行多年。ULP操作将是这些节点的一个关键参数，而且必须选用能够最小化节点实际功耗的元件。 许多非常适用于工业物联网的MCU都采用ARM系列的Cortex-M嵌入式处理器，针对低功耗MCU和传感器应用。7包括针对更简单高效应用而优化的Cortex-M0+，以及需要浮点和DSP操作的高性能复杂应用的Cortex-M4。使用性能更高的处理内核可能会影响低功耗性能。 ARM CPU在代码大小、性能和效率方面提供了一个新方向。但是对于MCU在工作模式或深度睡眠模式下的实际功耗，许多超低功耗能力完全取决于MCU供应商。工作功耗深受工艺技术选择、超高速缓存和处理器整体架构的影响。MCU睡眠电流以及CPU处于睡眠模式时的可用外围功能主要受MCU的设计和架构影响。 行业联盟EEMBC制定了一些衡量基准，帮助系统设计师了解其系统的性能和能量特性，以选择最优处理器。每个器件的ULPMark™- CP评分是经过计算得出的单个数字品质因素。该套件中每个衡量基准的评分使设计师权衡并合计这些衡量基准，以满足特定的应用需求。 传感器边缘节点的功率预算将直接与其处理能力相互关联。如果功率预算无法满足边缘节点分析的处理需求，则可能需要作出权衡。性能效率会影响传感器边缘节点的电源效率。微控制器的典型能耗指标用于指定每兆赫兹计算消耗的有功电流量。例如：针对基于ARM Cortex-M3的MCU，功耗可达到数十μA/MHz。 占空比 边缘传感器节点的功耗最小化通常基于两个因素：节点在活动状态下的功耗是多少;以及为进行检测、测量和解读，节点必须保持活动状态的频率如何。这个占空比将随着节点中使用的传感器和处理器类型，以及算法需求的不同而变化。 图4.边缘传感器节点MCU的主要活动状态可能会消耗过多的功率。 在不考虑MCU功耗的情况下，边缘传感器节点的主要活动状态将消耗大量功率，并将电池供电应用的寿命减少至只有几个小时或几天。 通过分析节点内部元件的占空比，可节省大量能源，从而确保只有在必须的情况下这些元件才会处于工作状态。MCU几乎一直处于常开状态。为了使MCU能够保持对边缘传感器节点的完全控制，同时消耗尽可能少的能量，必须采用针对低能耗操作的特定架构。最小化MCU能耗就是要使MCU尽可能经常处于睡眠模式，同时在需要的时候仍能执行关键任务。 图5.将MCU主要保持在非活动状态，以便将功耗降至最小。 对于大多数非活动状态、只在短期占用时间处于活动状态的情形，使MCU在低功耗休眠模式下运行，可将边缘节点的电池使用寿命延长至许多年。 可能无需在工业物联网中使用许多边缘节点检测解决方案就可以处理连续不间断的数据流。利用中断事件阈值忽略已知的超范围条件数据，这样可降低处理功率。为了保持功率和带宽，可能需要提前了解可预测的占空比。此外，基于已检测信息状态的可变占空比可触发活动状态或降低功率状态。 微控制器或DSP的响应时间和功耗(开启和关闭状态下)是低带宽应用的重要设计依据。例如：建筑中，温度和光传感器的数据传输在静止期间可能明显减少。这不仅可以延长传感器节点的休眠时间，而且还可以大大减少信息传输。 为了实现快速反应，许多微控制器除了提供完全活动模式，还提供各种低功耗工作模式，例如：睡眠模式、灵活模式、休眠模式和完全关断模式。每种模式都将在不需要时关断各种内部计算模块，通常将电流需求改变几个数量级。为实现这一节能优势，向完全活动模式过渡需要最低有限响应时间。采用灵活模式这一混合配置时，计算内核处于睡眠模式，而外围接口仍处于活动状态。休眠模式可提供SRAM数据存储功能，并可选择允许实时时钟仍保持活动状态。 图6.详细的MCU功耗与时序图。 图6为详细的MCU功耗与时序图，显示了每种低功耗MCU模式、过渡时间和占空比的影响。当MCU处于非活动状态时，使用低功耗模式是保持在低功耗传感器节点预算范围之内的关键。 先进的模拟微控制器提供了一个完整的混合信号计算解决方案。配备嵌入式精密模数转换器(ADC)的前端模拟多路复用器支持更先进的传感器融合技术。在进行数字处理之前，可将多传感器输入发送至单个微控制器。片上数模转换器(DCA)和微控制器反馈至附近其他设备，可实现快速反馈回路。其他嵌入式电路模块(如比较器、带隙基准电压源、温度传感器和锁相环)为多传感器边缘节点提供额外的算法灵活性。 图7.可在单个模拟微控制器中处理多传感器信号。 多个传感器的模拟信号可发送至单个精密模拟微控制器。微控制器中的算法可通过传感器融合过程实现信息的智能组合。 室外污染监控器应用就属于此类边缘节点处理。在此类应用中，来自多个输入来源(如气体传感器、温度传感器、湿度传感器和颗粒传感器)的数据在单个处理器中融合并进行分析。通过这些信息，分析处理完毕后，即可基于只能从本地传感器节点那获知的校准和补偿信息生成污染数据。然后，可将这些经过校准的数据发送至云，以便进行历史分析。在一些情况下，可能需要进行独特的一次性调试，针对其特定的环境失调配置每个传感器节点。 ADI公司对ULP平台进行了大量投资，在传感器、处理器和节能模式的强大功能集方面均有重大改进。近期发布的ADuMC3027和ADuMC3029系列微控制器可提供26 MHz ARM Cortex-M3内核的性能，同时在活动模式下的工作电流低于38 μA/MHz，而在待机模式下为750 nA。这种高效的本地处理能力可降低系统的整体功耗，同时大大减少通过网络发送数据进行分析的需要。 ADI公司提供各种MCU和DSP引擎，有助于以智能方式捕捉和处理发送至云的物联网数据。ADuCM36x系列采用ARM Cortex-M3处理内核和集成式双核Ʃ-Δ ADC。ADI公司的SHARC® 数字信号处理器系列在许多将动态范围作为关键要素的应用中实现了实时浮点处理性能。 新一代Cortex-M33处理器基于ARMv8-M架构 ，采用可靠的TrustZone™技术，通过处理器的内置硬件保证可信应用和数据的安全。随着世界的联系变得越来越紧密，确保每个节点的安全性是促进物联网应用发展的关键。

【2021年3月9日，德国慕尼黑讯】数字化正在生活的各个领域加速发展。从家庭娱乐到健康科技再到车载娱乐，用于家庭或路途中的联网消费设备的数量持续增长，从而增加了对无线连接的需求。借助新推出的AIROC™ Wi-Fi 6/6E和Bluetooth®5.2产品系列，英飞凌科技股份公司满足了消费者对安全便捷的无线联网的需求，并有助于减少家庭网络的拥塞。 英飞凌安全互联系统事业部总裁Thomas Rosteck表示：“鉴于智能家居中联网消费设备的加速增长，Wi-Fi 6能够实现强大可靠的数据连接和最佳用户体验。英飞凌赋力设备制造商使其能够轻松开发智能可靠的解决方案，让物联网发挥作用。这归功于我们能一站式提供所有必需的组件，包括从传感器和微控制器到电源，再到安全连接和软件。” Wi-Fi 6是市场上的最新一代Wi-Fi标准，专为提高可靠性和性能而设计，即使在高设备密度环境中也不影响其性能的发挥。在新冠肺炎疫情的推动下，越来越多的人在家工作、学习和娱乐。在线虚拟现实游戏设备、实时健身直播的运动设备或联网的厨房用具正造成家庭网络环境的日益拥塞。 与前几代专注于数据传输速率的Wi-Fi不同，Wi-Fi 6除了很高数据传输速率外，还包括缓解网络拥塞、提高网络效率、延长设备电池寿命、改善延迟和扩大覆盖范围的优势。 基于前几代Wi-Fi的成功和Wi-Fi 6/6E带来的进步，Wi-Fi Alliance®预测到2025年，Wi-Fi将为全球经济增加5万亿美元。 英飞凌正在扩展其高性能、可靠和安全的AIROC无线产品组合，将Wi-Fi 6/6E和蓝牙5.2功能结合在一起。 AIROC Wi-Fi 6/6E组合解决方案采用2.4 GHz、5 GHz和最新的6 GHz新频带，以提供强大的性能和最小的延迟，使其成为游戏机、AR/VR、智能扬声器、流媒体设备和车载信息娱乐系统等高质量视频和音频流应用的理想选择。需要实时响应的应用(如安防系统和工业自动化)也将受益于英飞凌的新产品。

2021年3月5日，美国加利福尼亚州圣克拉拉市 – Ambarella(中文名：安霸，专注于人工智能视觉的半导体公司)宣布，与引领自动驾驶技术演进的Motional携手合作，共同打造无人驾驶汽车。安霸CVflow®系列人工智能处理器与Motional的LiDAR、视觉和雷达传感器网络协同工作，确保无人驾驶车辆的安全运行，游刃有余地应对各种复杂道路环境。 Motional无人驾驶汽车的中央处理器将采用安霸CVflow SoC芯片，对车载视觉传感器数据进行图像处理和计算机视觉分析。CVflow人工智能引擎可加速Motional算法，以超低功耗执行高效、复杂的机器视觉任务，如目标对象检测、分类及图像分割。安霸卓越的图像处理技术帮助无人驾驶汽车从容应对低照度、高对比等各种极端光照环境。安霸SoC的H.264高效编码技术可记录车载摄像头的所有视频数据。 Motional正逐步将无人驾驶汽车变为现实，引领行业发展。Motional最近成为世界上首批可在公共道路上真正部署无人驾驶汽车的公司之一，并与Lyft达成一项具有里程碑意义的协议，在其分时共享汽车网络上部署自动驾驶出租车 (Robotaxi)。这些里程碑事件的核心就是Motional对安全的不懈追求。Motional的自动驾驶汽车已在不同的道路环境中积累了超过240万公里路测经验，并提供了超过10万次的面向公众的乘车服务，交通事故为零。Motional还牵头制订了无人驾驶行业领先的安全标准，共同发布了《自动驾驶安全至上》白皮书。 Motional硬件副总裁Joaquín Nuño-Whelan说道：“我们正处于自动驾驶出租车商业化的前沿，我们的车辆设计架构，保证了易于扩展，且保持极高的安全标准。安霸处理器的卓越人工智能运算性能、超低功耗及先进的图像处理能力，是确保汽车视觉感知系统在任何条件下都能良好运作的必要条件。未来无人驾驶技术普惠全世界的消费者时，安霸将成为无人驾驶汽车的安全运行的基石。” 安霸首席执行官Fermi Wang表示：“我们很荣幸能与无人驾驶汽车先驱Motional合作。运行在我们CVflow SoC上的先进人工智能算法，以及Motional在自动驾驶领域的深厚积累，使无人驾驶汽车兼具高度安全性和卓越性能。” 安霸的CVflow系列SoC可为高性能车载系统的差异化提供一个开放的可编程平台。该平台包括AEC-Q100车规认证的芯片，以及满足ISO 26262功能安全ASIL-B (D) 等级的系统，还提供了一套完整的工具包来加速开发和优化，支持包括Caffe™、ONNX、PyTorch和TensorFlow™在内的行业标准的神经网络训练工具。

测试与测量专家罗德与施瓦茨推出两个全新的源测量单元(SMU)产品，进一步深入拓展在电源领域的应用。全新R&S NGU201和R&S NGU401源测量单元产品具备出众的性能，可以精确地提供和测量电流和电压。双象限的R&S NGU201解决了无线设备电池测试问题，可以在规定的正电压下自动从源模式切换到吸收模式。四象限R&S NGU401也可以在负电压下切换，从而支持多种电源类型的源测量。 罗德与施瓦茨稳步扩展其专业电源产品组合，此次推出的R&S NGU系列的头两个型号正是高精度的源测量单元(SMU)产品。该仪器应用的创新电流反馈放大器技术可提供最优的灵敏度和精度，一次扫描即可可靠地测量从nA到A范围的电流。为了应对快速变化的负载(通常是因为电池供电的通信设备在睡眠模式和发射模式之间切换)，R&S NGU具有优化的控制回路设计，可实现小于30μs的具有最小过冲的同类最优恢复时间。 这两款R&S NGU源测量单元产品包括6个电流量程，从10 µA(100 pA分辨率)到10 A(10 µA分辨率)。在所有量程内，精度均可达0.025%。测量的20 V量程内的电压分辨率为10 µV，6 V量程内的电压分辨率为1 µV。对于被测设备在输入端经常发生的由电容带来的问题，R&S NGU可通过可变电容模式在1 µF至470 µF的范围内逐步调节，以补偿电容，这样，显示的电流就如同直接在被测设备上测量的那样。可以支持最高20 V、8 A和60W的设备。 四象限的R&S NGU401非常适合用于半导体测试。对于任何需要-20 V至+20 V的源电压和吸收电压的设备，R&SNGU401都可以进行源测量。除了电源的电压调节模式外，R&S NGU还包括快速电流调节模式，以避免损坏像LED或其他半导体这类对电流敏感的被测设备。连接外部的任意波形源可以让R&S NGU401输出交流电源，并可以模拟最高1 kHz的毛刺或不稳定电源。 双象限R&S NGU201可对任何电池供电的设备(包括移动电话、平板电脑和所有的IoT设备)进行电池耗电分析。设计工程师可以用它来模拟现实世界的电池特性。在定义了电池型号特征后，便能在需要时重新使用它们。该仪器的最大电流为8 A，可支持快速充电应用。 除了专用的源测量功能外，R&S NGU系列还包括罗德与施瓦茨所有专业电源的通用功能。FastLog功能提供市场领先的每秒500 ksample的数据采集速率，每2μs捕获一次电压和电流幅值，这样即使是最短的间歇性毛刺也能被检测到。使用可选的内置数字电压表，用户可以检查被测设备中任意点的电压以及输入电压。 全新R&S NGU201和R&S NGU401源测量单元是R&S Essentials产品组合的一部分，现在可以从罗德与施瓦茨与其指定的分销合作伙伴处购买。

企查查APP显示，云南鑫耀半导体材料有限公司发生工商变更，新增股东哈勃科技投资有限公司，持股23.91%。同时，公司注册资本由9547万元人民币增加至1.25亿元人民币，增幅为31.42%。 另据媒体报道，去年12月10日，云南临沧鑫圆锗业股份有限公司公告披露，公司董事会同意控股子公司云南鑫耀半导体材料有限公司接受哈勃科技以货币方式向其增资人民币3000万元，出资额折合注册资本3000万元，云南锗业放弃对此次新增注册资本的优先认缴出资权。 资料显示，哈勃科技成立于2019年4月，是华为投资控股有限公司旗下全资子公司。 作为华为旗下投资平台，哈勃科技自成立以来已投资了多家半导体产业链企业，其中包括三家第三代半导体材料 企业山东天岳、天科合达、瀚天天成，加上增资鑫耀半导体，哈勃科技的投资版图上将再添一家半导体材料企业。

加拿大滑铁卢，2021年3月3日——作为一个Teledyne Technologies公司，Teledyne Imaging的子公司Teledyne DALSA高兴地宣布，其电荷域 CMOS TDI相机Linea HS 32K TDI在国际光学工程学会上荣获质量控制类棱镜奖。 Teledyne DALSA线扫描系列产品的高级产品经理Xing-Fei He表示：“我们很高兴Linea HS 32K TDI相机得到认可，获得‘市场上最好的光学和光子学产品’这一殊荣。在Teledyne，我们努力提供能够在工业应用中发挥作用并提高质量的解决方案。” Linea HS 32k TDI相机使用带有独特的像素偏移设计的超级分辨率技术，此技术正在申请专利。该相机可以捕获32768像素的数据，这使得用户可以在使用现有的光学镜头和采光的同时，大大提高亚像素缺陷的可检测性。这一新技术大大降低了系统层面的成本。 Teledyne Imaging由隶属于Teledyne集团下一些在技术上处于领先地位的公司组成。Teledyne Imaging凭借数十年的经验，在光谱领域形成了许多无与伦比的专业技能。每个公司不仅独自提供一流的解决方案，而且相互团结并利用彼此优势，提供世界上最深、最广的成像及相关技术系列产品。从航空航天到工业检查、科学研究、光谱学、射线照相、放射疗法、地理空间测量以及先进的MEMS和半导体解决方案，Teledyne Imaging在全球范围内提供客户服务和专业技术，应对最艰巨的任务。它们采用的工具、技术和视觉解决方案旨在为客户提供独特的竞争优势。 所有商标均由各子公司注册。 Teledyne Imaging保留随时进行更改的权利，恕不另行通知。

日前，由 Amazon Graviton2 处理器提供支持的新一代Amazon Elastic Compute Cloud (EC2)实例，得到了全球领先IoT云平台涂鸦智能的大规模采用。目前，涂鸦智能已经将整个公司40%以上的工作负载迁移到Amazon EC2 M6g和C6g新一代实例，跟上一代同配置的X86实例相比，CPU性能提升了100%，服务器单价降低20%，整体性价比提升2.5倍。 涂鸦智能是全球领先的IoT云平台，连接消费者、制造品牌、OEM厂商和连锁零售商的智能化需求，为开发者提供一站式人工智能物联网的PaaS级解决方案，并且涵盖了硬件开发工具、全球云、智慧商业平台开发三方面，提供从技术到营销渠道的全面生态赋能。客户覆盖电工、照明、传感、家电、庞物设备、健康设备、清洁机器人、摄像机、门锁、网关中控、节能控制、数码娱乐、户外出行等领域的制造品牌和OEM厂商，为他们提供智能解决方案，广泛应用于智慧地产、智慧社区、智慧酒店、智慧安防、智慧商照、智慧公寓等行业。目前涂鸦智能的用户遍及220个以上国家和地区，全球开发者超过26.2万，支持1100个产品种类，赋能超过25.2万个设备SKUs。 据涂鸦智能云端开发部首席架构师陈亚焱介绍，涂鸦智能的业务对技术架构提出了诸多挑战。首先，云端服务器的响应时间一定要小于10毫秒，才能满足终端用户的体验要求。而且涂鸦智能有海量设备在线，在云端每天要处理超过840亿次请求，请求高峰时达到150万次/秒，需要有海量的、高性价比的算力提供保障。尤其在“黑五“、圣诞、元旦等节假日，经常有突发的流量增长，需要实时扩容。此外，涂鸦智能作为全球化的IoT云平台，技术架构要做到全球高可用，如果自己搭建全球数据中心，不仅成本高，而且运维难度大，最可行的办法是借助现成的全球基础设施。 为此，从2017年开始，涂鸦智能就将主要的技术架构建立在亚马逊云科技的云平台上，基于Amazon EC2和Network Load Balancer网络负载均衡等服务，搭建了一个全球高可用、易伸缩、保证实时响应的亿级物联网关平台，借助亚马逊云科技全球高可靠的基础设施网络，结合云上应用架构设计的最佳实践，以及亚马逊云科技的团队在重要业务节点提供的护航服务，实现有质量保证的智能物联网服务交付。 作为亚马逊云科技的重度用户，涂鸦智能对亚马逊云科技的最新计算实例保持着深厚的兴趣。涂鸦智能的应用几乎都采用微服务化、云原生的架构，而Amazon Graviton2处理器专门针对微服务化的云原生应用而设计，避免了传统X86架构处理器为兼顾传统数据中心多线程应用而导致的资源开销，从而极大地提高性价比。 因此，由Amazon Graviton2 处理器提供支持的新一代Amazon EC2实例上线时，涂鸦智能在第一时间进行了尝试。涂鸦智能将Amazon EC2 M6g新一代实例，与上一代基于X86架构的M5g实例进行比较，发现同样是22万TCP连接的工作负载，M5g机型的CPU平均负载率为27%，而M6g机型的平均负载率在12%以下，CPU性能提升超过100%。与此同时，M6g机型的服务器单价比M5g机型降低了20%，最终使得涂鸦智能的整体性价比提升了2.5倍。 陈亚焱介绍说，目前，涂鸦智能已经将整个公司40%左右的实例切换成Graviton2处理器支持的实例，未来会逐步迁移更多。 事实上，基于Amazon Graviton2处理器的实例，其适用范围非常广泛，包括微服务、游戏服务器、消息队列、高性能计算、批处理、广告服务、视频编码、游戏、科学建模、分布式分析、基于 CPU 的机器学习推理、开源数据库、内存数据库和实时大数据分析，等等应用场景，都能得到非常好的性能，更高的性价比。

2021年3月5日，中国北京——是德科技公司日前宣布推出 SL1200A 系列 Scienlab 再生三相交流仿真器。这是一款全方位的单供应商解决方案，包含面向电动汽车(EV)和电动汽车供电设备(EVSE)充电应用以及电网边缘应用的硬件、软件、咨询和支持服务。是德科技是一家领先的技术公司，致力于帮助企业、服务提供商和政府客户加速创新，创造一个安全互联的世界。 能源基础设施目前正在发生翻天覆地的变化，尤其是在汽车行业，车辆电气化预计将会对电网产生巨大的充电需求，而车辆到电网(V2G)电力应用则会创造新的储能商机。太阳能、风能和电池储能等各种形式的可变可再生能源(VRE)和分布式能源(DER)是全球电网现代化计划中的重要主题，旨在帮助电力行业满足市场日益增长的需求。电网的发展及其日益增加的复杂性给 EV/EVSE 充电和电网边缘应用带来了越来越多的测试挑战。 使用 Keysight SL1202A Scienlab 再生交流仿真器(右)和 SL1040A Scienlab Charging Discovery 系统(中)测试 EV 的车载充电器(左) Keysight SL1200A 系列无需使用变压器即可处理从 30 kVA 至 630 kVA、交流电压(VAC)最高 1200 V 的三相交流测试。该系列有两个电压量程。600 VAC 适合用于低电压逆变器测试以及 EV 和 EVSE 充电测试应用。1200 VAC 适合用于高电压穿越(HVRT)测试，且无需采用庞大、复杂的测试系统。 是德科技副总裁兼汽车和能源解决方案事业部总经理 Thomas Goetzl 表示：“新型 SL1200A 系列进一步增强了 Keysight EV 和 EVSE 充电和电网边缘测试产品组合。该系列结合 Keysight SL1040A 和 SL1047A Scienlab Charging Discovery 系统，可以组成一个完整的解决方案，赋能客户信心十足地创建符合全球标准的真实充电场景。” Keysight SL1200A 系列为客户提供了以下重要优势： · 大功率三相交流和直流电源与 EV/EVSE 充电和逆变器测试解决方案融于一体，可以对器件进行完整的测试。 · 直流输出(选件 SDC)支持高达 1000 V DC 和 120 kW 的大功率直流充电测试;可以避免使用额外的设备，从而大幅降低成本。 · 100% 可再生(双向)电源解决方案，效率 > 85%，凭借高度集成的功能降低测试成本。 · 无需使用额外的设备即可实现 1200 V 两线间(L-L)电压且达到技术指标，从而能够降低成本、提高性能、节省空间。