近年来,随着电子设备移动化、随身化、影音化的发展趋势,众多可提供优质用户体验的解决方案也如雨后春笋般破土而出。其中,USB Type-C就是非常典型的产物。
USB Type-C是2013年12月,由USB3.0推广团队公布出的一种新版的接口。其最大的优势在于双面可插的特性,正式解决了“USB永远插不准的世界性难题,为用户带来更加方便的使用体验。除此之外,USB Type-C还拥有更加纤薄的设计、更快的传输速度(最高10Gbps)以及更强悍的电力传输(最高100W)。
USB Type-C的诞生,刚好符合未来移动化电子设备用户使用需求的发展趋势,可令硬件生产厂商生产出更多极致轻薄的电子设备。
作为一家历史悠久半导体公司的Lattice及时的洞察了这个市场机遇,结合自家4k视频传输解决方案(superMHL)与USB Type-C接口的双重特性,研发出全球首款通过USB Type-C接口同时支持4K 60fps视频和USB 3.1数据的superMHL解决方案。
为何选择superMHL与USB Type-C结合?
superMHL是Lattice公司旗下最新的音频、视频互联解决方案,在此之前,MHL系列已经经过了三代。“现在搭载MHL的产品,已经超过7.5亿台,其中包括电视机、显示器、AVR、蓝光光碟(Blu-ray Disc)播放器、投影仪、机顶盒以及汽车产品等。” 莱迪思半导体高级市场经理Abdullah Raouf说道,“消费电子市场和企业市场日趋的相容,尤其是有很多员工会带着他的个人电子消费者去办公。因此所有的企业级的产品和消费电子级的产品,必须有非常好的互操作性,而在所有的操作标准当中,MHL是唯一可以确保互操作性的标准。”
莱迪思半导体高级市场经理Abdullah Raouf
从Abdullah Raouf的描述中不难看出,之所以选择superMHL技术与USB Type-C相结合,主要是因为目前市场上搭载了MHL解决方案的电子设备数量庞大,拥有极富潜力的市场份额。然而,这部分的市场的发展趋势也正渐渐转向搭载USB Type-C接口,于是这样的结合就十分符合“天时”与“地利”。
另外,MHL技术本身拥有极好的互操作性,与USB Type-C相吻合,更巧的是,用户对于这种跨场景的互操作性的使用需求也日益增长。所以,这样的强强联手,也是一个符合“人和”的必然的结果。
适用于企业及家用市场的Sil8630与Sil9396
Sil8630发送器能够无缝连接目前最新的手机、平板电脑和笔记本电脑中的应用处理器所集成的HDMI 2.0发送器。由于其包含一个MHL开关,所以能够直接连接支持USB 2.0的USB Type-C接口,无须使用额外的高速开关。使用Sil8630和Sil7033可实现同时支持4K 60视频和USB 3.1 Gen 1数据的完整解决方案。
Sil9396接收器是MHL适配器和底座设备的理想选择。当与Sil7023或Sil7033配对使用时,MHL配件可被设计用于将USB Type-C移动和个人电脑产品连接到HDMI显示屏和USB连接设备,如键盘、鼠标和外部存储器。Sil9396接收器还可用于将显示器、投影仪和电视机连接到MHL和superMHL源设备,包括带有USB Type-C接口的移动和个人电脑设备。
莱迪思半导体高级市场经理Abdullah Raouf表示:“我们的superMHL发送器和接收器可提供最低功耗、快速产品上市时间并且是目前唯一同时支持USB 3.1数据和4K60超高清视频的解决方案,可满足移动设备上日益增长的应用需求。其他视频解决方案需要使用四通道来传输4K 60fps视频,而且还不能同时支持4K视频和USB 3.1数据。”
据悉,目前该解决方案是业界唯一一家可以支持4K60和USB3.1同传的功能芯片。这样的功能对于众多移动电子设备具有极高的实用价值,特别是应对于未来的一些VR设备,头盔设备,这种4K 60fps视频和USB 3.1数据的同传是非常的重要的,将直接决定用户的使用体验。
好文章,需要你的鼓励
这项研究提出了"高效探测"方法,解决了掩码图像建模AI难以有效评估的问题。通过创新的多查询交叉注意力机制,该方法在减少90%参数的同时实现10倍速度提升,在七个基准测试中均超越传统方法。研究还发现注意力质量与分类性能的强相关性,生成可解释的注意力图谱,展现出优异的跨域适应性。团队承诺开源全部代码,推动技术普及应用。
伊利诺伊大学研究团队开发了CLAIMSPECT系统,通过层次化分解复杂争议、智能检索相关文献、多角度收集观点的方法,将传统的"真假"判断转变为多维度分析。该系统能够自动构建争议话题的分析框架,识别不同观点及其支撑证据,为科学和政治争议提供更全面客观的分析,已在生物医学和国际关系领域验证有效性。
清华大学研究团队首次提出情感认知融合网络(ECFN),让AI能像人类一样理解和表达情感。该系统通过多层次情感处理架构,在情感识别准确率上比现有最佳系统提升32%,情感表达自然度提升45%。研究突破了传统AI情感理解的局限,实现了跨模态情感融合、动态情感追踪和个性化情感建模,为医疗、教育、客服等领域带来革命性应用前景。
哈佛大学研究团队通过创新的多智能体强化学习方法,让AI在战略游戏中学会复杂推理。研究发现AI通过游戏竞争能发展出类人思维能力,在逻辑推理、创造性解决问题等方面表现显著提升。这项突破性成果为未来AI在医疗、教育、城市管理等领域的应用奠定基础,展现了通过模拟人类学习过程培养真正智能AI的新路径。