在布鲁塞尔举行的AutoSens 2019大会上，高级驾驶辅助系统(ADAS)比自动驾驶汽车(AV)更引人关注。业界已不再否认，距最终推出人工智能驱动的商业化无人驾驶自动汽车，还有很长的路要走。对于迫切想要实现ADAS和高度自动化汽车的人们来说，如何使车辆“更好地看见”成为首要任务。

通常，BOM上的无源元件数量是IC数量的五倍或更多倍。虽然它们中有许多是无关紧要的，但是又有许多非常重要。此外，随着工作频率常常达到GHz和数GHz范围，它们的第二级和第三级特性以及一致性变得更加重要。

智能手机主宰了我们的生活和整个世界，目前可以用来远程锁门、锁车、开灯关灯以及控制窗帘开关，甚至还可以应门和监测心率。但是，消费级手机设计是否足够安全，是否可用来控制任务关键型系统？或者更直接地说，我们是否考虑清楚了承担使用消费类智能手机可能带来的所有潜在威胁和后果，例如远程召唤一辆车？

智能制造融合了数字化、物联网、大数据和机器人等多种技术。同时，为了提升制造系统中的信息可见度和系统控制，制造商正着手部署具有人工智能算法的先进传感器和控制系统。

在所有四个象限对信号做精确模拟乘法(也即两个输入可正可负，并且乘法结果的符号也正确)绝非易事。由于对原有电路不满意，每当我坐在餐厅或火车上时，我就会立刻拿起纸和笔，试图攻克下面这个设计挑战：将两个信号相乘并干净地处理。

旁路电容器在配电网络中无处不在。如果从时域方面考虑，可以说旁路电容器根据需要为负载存储和提供电荷。如果考虑频域，则可以说旁路电容器有助于达到阻抗目标。无论哪种方式，都需要为旁路电容器提供良好的仿真模型，以便可以放心地进行布局前后的仿真。

随着亚马逊、Facebook和Google等科技巨头持续收集、存储并出售全球数百万人的个人数据，各种围绕监控经济和数字隐私权的话题日益引发热烈讨论。隐私问题并不只是数字服务和软件供应商才关心的问题，物联网(IoT)设备和任何连网设备的OEM设计人员也需要了解如何恰当地收集、存储、共用和使用数据，以保护个人信息。

因为LIN总线是采用主/从结构，所以就有两种与外部总线连接的物理层接口电路结构(主节点和从节点)。因此，如何设计符合整车厂要求的LIN物理层接口电路，就成为需要讨论的重要主题。

过去人们普遍认为处理器是最重要的，但现在计算能力已不再单纯由处理器性能决定。处理器跟存储器之间的数据传输也面临瓶颈，从而限制了计算能力的发展。昨天的计算体系结构已不适用于明天，从长远来看，计算最好在内存中完成。

CAN的物理层从结构上可分为三层，分别是物理信号层(PLS)、物理介质附件(PMA)层和介质从属接口(MDI)层。PMA和MDI两层有很多不同的国际或行业标准，这就使得不同零部件供应商电路在物理层接口上都各不相同。因此，如何设计符合整车厂要求的物理层接口电路，就成为需要讨论的一个重要主题。

继今年早些时候发表了AI训练的性能测试基准，MLPerf近期又针对AI推理性能公布了测试基准MLPerf v0.5以及各公司的AI芯片跑分结果。然而很多读者看了MLPerf跑分结果后表示一头雾水，因为有些系统看来相似分数却大不相同，而且也搞不清楚数字高低究竟代表什么……

尽管技术演进使得各种从小型到大型的电子设备更省电，但这是否能抵销整体电子设备数量的增加？

你是否想到目前我们有什么几乎已经准备好、却还没实现的技术或装置？

Li-Fi是以光来传输数据，特别是以可见光光谱的光线；LED光源就是一个理想的Li-Fi通讯途径...

2019年可以说是5G元年，5G将极大地推动物联网、人工智能、机器人、游戏领域、无人驾驶、远程医疗、VR/AR、云计算、大数据的发展。这些产业的需求很快就会出现，我们需要关注这些新的需求