Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

大数据文摘编译

芯片群侠传

本文目录

  1. 飞利浦TDA7000调频接收芯片
  2. 首个可配置图形处理器 Nvidia NV20
  3. RCA CDP 1802
  4. 英特尔4004微处理器
  5. Photobit PB-100

(一)飞利浦TDA7000调频接收芯片

现在电子设备里差不多都会有一个收音机的功能(我的iPhone怎么没有!)小编还依稀记得人生中第一个杂牌MP3上面就有一个收音机,还要用耳机当天线来着(暴露年龄……)。

但是在20世纪80年代初期,收音机可是个稀罕物 ,当时谁家有个半导体简直不能再牛。以当时的科技水平,造一个收音机是很费时费力费钱的。据说当时工厂要至少调校10到14次电路才能保证收音机既有声又能把电波频段显示正确。这种恼人的情况直到我们今天的主角Philips TDA7000横空出世才得以改变。是它,让收音机的价格直线下降,是它,让收音机用起来方便快捷,还是它,让接收超小电波成为可能。(真是我们的好朋友小哪吒)

1970年代的飞利浦荷兰研发实验室中,Dieter Kasperkovitz和Harm van Rumpt眉头紧促,想方设法想将原本巨大的天线、接收电路、播放电路塞进一个3.5毫米直径的小芯片上。他们想简化收音机的制作,让芯片只搭配上谐振器、电容、电源和喇叭就可以使用,不用再费劲地进行十多次调整了。

功夫不负有心人,1977年的时候他们两个人终于完成了研发并提交了关于这个芯片的专利,还在不久之后将其带回飞利浦公司准备量产。但是事情并不顺利,无线电设备的制造商们极力反对这件事。

“这帮人居然不要我们的这个发明!起码一开始没要……”Van Rumpt说,“飞利浦音频部门的人说:‘呵呵,怎么可能,逗我们玩儿呢,这种东西怎么可能存在,你还发明了它?呵呵再见’所以其实TDA7000在开始的时候被扔在抽屉里吃了一段时间灰。”

但是金子总会发光的(毕竟是本文的主角),肯定会有一个救世主出现来带领它走上人生巅峰(套路,都是套路!),这个人就是Peter Langendam,一位原子和分子物理学家。他当时供职在位于汉堡城的一家飞利浦芯片公司。

Langendam摸着它那台拍了半天不出响还贼贵无比的收音机泪眼婆娑,对TDA7000这碗在当时看有点科幻的鸡汤深信不疑!甚至有点魔怔。他当时偷偷从荷兰拿了一些demo新片回到德国,并且暗地里生产出了一些收音机原型机。一看之下,还真行!于是就拿着它们找到一家急需要这项技术的日本客户,并且签了一单一百万的芯片订单。

珍贵的TDA7000原型机,名叫Harm van RumptA,对,就是它作者的名字。芯片左上角是一堆电容(太复古了吧!我学电路的时候都不用这种了)。这台收音机可以在88~104 MHz中间调频。

这事儿是有风险的呀,飞利浦的高层没同意你就这么干,亏了怎么办?万幸的是,TDA7000很好使,在日本大获全胜!随着TDA7000的胜利,一时间很多公司都要求合作,各种奇葩设备也瞬间都有了收音机功能。什么收音机闹钟、收音机CD机、甚至墨镜上都恨不得塞进去一个收音机功能。这芯片很小很给力,各大产品的“收音机化”在当时乐此不疲。

随着工业界和消费产品的悄然变形,收音机DIY爱好者的春天也到来了。业余爱好者们之前想要攒一台收音机可是费足了劲,没有专业的调教设备,没有扎实的知识,很多时候无功而返。但是有了TDA7000,一切信手拈来,复杂的零件靠边站,看我TDA7000大法好。据统计,到今天为止,带着TDA7000和它的变种芯片的产品已经卖出了50多亿台,能绕地球……我也不知道多少圈。

专业用户独享

本文为机器之心深度精选内容,专业认证后即可阅读全文
开启专业认证
产业芯片飞利浦
2
相关数据
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

http://www.intel.cn/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

暂无评论
暂无评论~