商标
所有注册商标和其他商标归各自所有者所有。数少停ADC34DSO75 帮助数据中心最大限度减少停机时间（停机可能使运营商每小时损失数十万美元） ，据中机时间
关于德州仪器
德州仪器（TI）（纳斯达克股票代码：TXN）是心实现纳一家全球性的半导体公司 ，请访问 ti.com/ocp 。秒级
如需了解有关 ADC34DSO75 的遥测更多信息 ，可实时检测并捕获瞬态故障事件 。并最在实现性能优化的大限度减同时最大限度减少停机时间 。请查阅技术文章"AI 数据中心看不见的推出电力干扰" 。
 |
随着 AI 工作负载在规模和复杂度上不断提升 ，
- 可靠的数少停高压电源传输 ：LMI800PS 是业界领先的 800V 隔离式热插拔控制器
，市场对实时监测和架构稳定性的据中机时间需求比以往更加迫切 ，基于事件的心实现纳远程监测
。该器件使电路板面积缩减 60% 以上 ，秒级通过集成隔离式偏置电源与 PMBus 遥测功能，LMI800PS 支持安全插入通电和快速故障隔离 ，随着数据中心传输速率接近 3.2Tbps
，在 TI 位于 OCP 展会 E45 号的展位上 ，使我们的技术变得更可靠
、最大限度提升数据中心稳定性 。更经济 、这款小巧高效的解决方案可为超大规模企业提供卓越的远程诊断能力 ，该器件免去了现场调试和示波器的需求 。可实现 24/7 全天候
、更节能 ，此外，具备 5kVrms 增强型隔离和超过 8mm 的爬电距离 ，加速部署下一代 AI 基础设施所需的高效电源系统。基于事件的纳秒级分辨率远程监测——比当前解决方案快数千倍 。每一代创新都建立在上一代创新的基础上 ，可提供出色的抖动性能和电源抑制比 (PSRR)。ADC34DSO75 通过将超高速采样与先进的片上数字信号处理功能集成在小巧的外形尺寸中 ，
作为业界率先支持完全远程 、TI 正通过提供业界前沿的高速遥测 、从事设计 、TI 电力电子工程师 David Reusch 将于 10 月 15 日下午 2:45 在 230A 会议室发表题为"800V 数据中心 DC/DC 设计考量 、数据中心 、汽车 、这可防止单一负载故障干扰共享电源总线 ，可满足相关安全标准要求 。用于工业 、低功耗 、而所有这些问题都可能导致代价高昂的停机。我们致力于通过半导体技术让电子产品更经济实用，而这些干扰会导致数据中心发生代价高昂的意外停机。
- 超低抖动信号完整性 ：LMK6B 是一款基于体声波 (BAW) 的振荡器 ，"
更多详情
TI 还在英伟达 (NVIDIA) 的 MGX AI 工厂生态系统展示墙上展出相关 800VDC 电源解决方案，
随着 AI 工作负载迅速增长 ，如今 ，先进电源保护与高精度计时解决方案 ，可实现 24/7 全天候、实时监测不足和信号衰减等重大挑战 ，确保可靠性能并保持下一代 AI 驱动的网络基础设施的信号完整性 。包括用于 800V 电源轨输入保护的 800V 热插拔控制器解决方案 、并简化了高压设计 。
上海2026年10月13日 /美通社/ -- 德州仪器 (TI)（NASDAQ 代码 ：TXN）于 2026 年 10 月 12 日开放计算项目 (OCP) 全球峰会上率先推出一款全新模数转换器 (ADC) ，TI 正通过全新的 ADC 器件和其他模拟解决方案应对上述挑战 ，同时尺寸和成本仅为传统监测方案的几分之一 。个人电子产品和通信设备等市场 。助力超大规模企业打造下一代 AI 数据中心 ，支持纳秒级分辨率 ，低功耗 、通过对低压大电流电源轨提供持续的高分辨率监测 ，即使极微小的抖动也可能增加误码率并导致系统不稳定 。从而实现半导体在电子产品领域的广泛应用 。同时优化电网电源效率 。在 OCP 上 ，该器件还同时支持 ±400V 和 800V 配电，让世界更美好。监测和优化所需的关键解决方案 。为不同机架架构提供可扩展解决方案，助力人工智能 (AI) 基础设施实现规模化部署 。LMK6B 在 625MHz 下可提供业界领先的 9.6fs 抖动性能，数据中心运营商面临电力不稳定 、此外 ，访问 TI.com.cn 了解更多详情 。拓扑比较与权衡分析"的演讲 。系统时序误差裕量显著降低 ，现有监测解决方案往往无法检测到纳秒级电力干扰 ，基于事件的遥测的解决方案 ，TI 展示了以下重点解决方案：
- 实时纳秒级遥测 ：TI 的 ADC34DSO75 是业界性能领先的 3 千兆采样/秒 (GSPS) ADC ，同时可提供浪涌电流和电源路径保护 。以及集成 GaN 功率级的高密度 800V 转 6V DC/DC 总线转换器 。计算托盘电源转换的 800V 转 12V DC/DC 总线转换器 ，制造和销售模拟和嵌入式处理芯片 ，以单个高密度封装取代需要五个集成电路的复杂分立式解决方案 ，
TI 数据转换器与时钟业务部副总裁兼总经理 Karthik Vasanth 表示 ："随着 AI 工作负载推动大规模扩展 ，