The PAM8615 is a 16W 32W (per channel) efficient Class-D audio power amplifier for driving stereo speakers in a single-ended configuration or mono bridge-tied speaker. The PAM8615 can drive single-ended speakers as low as 4Ω. Due to the low power dissipation and high efficiency the device can be used without any external heat sink when playing music.
Stereo speaker volume is controlled with a DC voltage applied to the volume control terminal offering a range of gain from -40dB to +36dB.
The PAM8615 is available in a TSSOP-24 package.
特点：
• 32W/ch into 8Ω BTL Load from 24V Supply (Thermal Limited)
• 16W/ch into 4Ω SE Load from 24V Supply (Thermal Limited)
• Operates from 8V to 30V
• Supports Multiple Output Configurations: ƒ 2-Ch Single-ended (half bridge)(16WX2) ƒ 1 Ch Bridge-tied load (full bridge)(32WX1)
• High Efficiency Above 90%
• 64-Setup DC Volume Control from -40dB to +36dB
• Singel Ended Analog Inputs
• Thermal and Short-Circuit Protection
• Flexible Frequency Adjustable by External Component
• Clock Output for Synchronization with Multiple Class-D Devices
• No Pop Noise for Start-Up and Shut-Down Sequences
• Space-Saving Surface-Mount 24 Pin TSSOP Package
• Pb-Free Package
应用：• Televisions • Home Sound Systems
图形芯片大厂NVIDIA(英伟达)于26日在中国台北举行的GPU 技术大会(GTC Taiwan)上，创办人暨CEO黄仁勋发布主题演讲时表示，在全球AI深度学习运算的兴起之下，人工神经网络的运用凸显出GPU运算的特性。而且，借由深度学习运算能够延续迟缓成长多年的摩尔定律持续演进，并且成为目前人工智能技术主流演算方式。
2017 年的 NVIDIA GTC Taiwan 订出了包括“人工智能的多元应用”、“人工智能应用于工业生产”与“人工智能与产业发展”等三大大会主题，且邀请产官学界讲师来分享借由 GPU 的运算，以协助各领域产业升级。并且，透过人工智能应用，达成产业数字转型的目标。黄仁勋指出，当前一般的电脑运算依然需要 CPU 来进行。不过，在大量资料分析的工作上，借助 GPU 运算能力已经成为趋势。所以，当前的人工智能技术主要是以仰赖 CPU 与 GPU 的分工与合作为运算架构来执行工作。
黄仁勋强调，在过去5年内，投资在人工智能新创产业上已经成长10倍，其总产值达 66 亿美元的规模。在此同时，有关深度学习的论文发布，也在过去 3 年也成长 10 倍。其中，有超过 3,000 个论文内容被提出，可以想像的是，人工学习与深度学习的议题身受重视。于是，NVIDIA 在 GTC 2017 提出的 GPU Cloud 服务，将可让企业、新创公司借由云端协图工作的方式，得到更强大的运算能力，借此达成各种深度学习的需求。其中包括人工智能模式的建立、电脑视觉应用、自动驾驶技术的发展，以及面对越来越多的物联网使用需求等。
另外，借由深度学习模式，目前已经可透过 GPU 加速应用，来达成 3D 影像中的即时自然光影追迹、脸部表情与口语同步、动画人物动作的自我表现、测量影像中的物件相对距离，或是让机器手臂判断与移动物件等技术。而面对这些未来的需求，NVIDIA 也宣布推出学习模型加速器 TensorRT 3，使得深度学习效率大幅提升，进而在运算设备成本上进行明显的节省。
黄仁勋进一步表示，借由 TensorRT 3 速器，可以使得原本需要 160 组CPU，每秒分析 4.5 万张照片的运算需求，简略到只要配置 8 张 Tesla V100 的单组 NVIDIA HGX GPU 的电脑即可达成相同运算效能。而且，仅需要原本四分之一体积、二十分之一电力损耗，以及原本六分之一左右的成本支出就可以建构出这样的运算能量。“这些节省下的成本就是金钱，这对企业来说非常的重要!”黄仁勋表示。
最后，黄仁勋表示，过去用在 CPU 制程上的摩尔定律已到尾声，电晶体虽然每年持续增长 50%，但 CPU 效能成长仅 10%，使得 CPU 不可能再成长。因此，透过 GPU 运算的深度学习将是另一种解决方案。而 NVIDIA 的 GPU 是产业专用加速器，将能补足 CPU 在大量运算上的不足。而 Nvidia 也为自主运算时代打造一系列的平台架构，包括 Jetson 超级电脑、JetPack 开发人员套件、DIGITS、Issac 机器人虚拟实验室与深度学习单位等，以满足当前自主机器的世代即将来临的需求。
公司:深圳市哲瀚电子科技有限公司
联系人:陈小姐
手机:13714441972
电话:0755-82549527/83259945/13714441972
传真:0755-83259945
地址:深圳市福田区深圳市福田区华强北街道深南中路3006号佳和大厦3C006
