抢攻万物互连设计商机 BLE先胜ZigBee一筹

分享到:

蓝牙低功耗(BLE)抢先卡位万物联网设计商机。蓝牙技术从第四代BLE版本开始,软硬体规格更新速度便不断加快,并朝向IP网状网路架构发展,再加上其在行动市场已有极高渗透率,因而吸引愈来愈多晶片商投入BLE产品开发。现阶段BLE的发展声势已明显压过ZigBee,可望抢赚物联网万物互连设计第一桶金。
 
 
意法半导体类比、MEMS与感测器事业群大中华区与南亚区总监吴卫东(右)认为,BLE具备低功耗传输优势,加上可透过网状网路架构改进不容易扩充节点的弊病,将快速在物联网市场崛起。
 
意法半导体(ST)类比、微机电系统(MEMS)与感测器事业群大中华区与南亚区总监吴卫东表示,低功耗设计是构筑物联网环境的第一要素,包括感测器、嵌入式处理器和无线射频(RF)晶片都须朝大幅降低耗电量的研发方向迈进。也因此,蓝牙技术联盟(Bluetooth SIG)遂提出新一代超低功耗的BLE标准,并针对庞大的物联网装置互连需求,加速发展支援网状网路的蓝牙4.1/4.2版规范,以打破既有星状网路拓扑难以扩充及管理多节点的限制。
 
无独有偶,基于IEEE 802.15.4系列标准的ZigBee联盟亦积极推动网状网路组网方案,而Google与Nest更发起Thread联盟,宣布将采纳802.15.4规范研拟一套完整的物联网通讯协定标准,使蓝牙和ZigBee两大无线技术阵营的分庭抗礼的局面更加成形。
 
事实上,蓝牙与ZigBee因技术出发点雷同,在智慧家庭、智慧照明等应用领域的交战从未停歇。意法半导体资深技术行销经理郁正德指出,针对网状网路架构,现阶段各个标准组织及支持的晶片商还是各自为阵,尚未出现统一标准;不过,蓝牙SIG从4.0版本以来,已投入1~2年时间制定网状网路的自我组网、多跳路由,以及多节点定址和管理技术规范,以及具体应用范例(Profile),技术成熟度有目共睹,诱使主要晶片商纷纷加入发展行列。
 
据悉,包括博通(Broadcom)、Nordic和英商剑桥无线半导体(CSR)(与高通合并案审议中),以及近期才在蓝牙晶片市场冒出头来的戴乐格(Dialog)、微芯(Microchip)和赛普拉斯(Cypress)等通讯晶片商,皆已推出或正在开发蓝牙4.0/4.1网状网路软硬体平台。吴卫东也透露,该公司日前也跟进发表蓝牙4.0/4.1网路处理器,并开发相关软体堆叠方案,卡位蓝牙网状网路设计商机。
 
郁正德更强调,随着硬体平台供应链逐渐壮大,蓝牙SIG也持续扩增网状网路应用范例,包括寻我(Find Me)、智慧家电或照明控制、环境温湿度/UV光和心率监控等丰富的具体解决方案,皆属开放性的参考范例,让蓝牙在物联网市场的接受度快速攀升,抢得物联网技术典范转移的先机。
 
相较之下,同样被看好在物联网领域将占有重要地位的ZigBee,囿于其拓展行动市场成果欠佳,且软硬体设计相对封闭的状况,近来在家庭、穿戴式电子等物联网关键应用市场一路被蓝牙压着打;尽管Google近来投注更多资源力拱相容于ZigBee的Thread技术,但截至目前还未有重大进展,因而也影响晶片商、系统业者投入发展的意愿。
 
 
 
 
 
继续阅读
意法半导体推出面向大众市场的 STM32WL LoRa®无线系统芯片系列产品

今天新推出的STM32WL型号包括基于Arm®Cortex®-M4内核和Cortex-M0 + MCU内核的双核STM32WL55。开发者可以完全开放和灵活地使用两个内核,双核架构可以有效地实现硬件隔离,增强网络安全性,应用更新无需重新认证设备,并增强射频和应用的实时性能。

意法半导体工业峰会2020将于12月2日在深圳举行

首届“意法半导体工业峰会2019”取得了巨大成功,赢得了包括公司高层、高级管理人员、商业伙伴和行业专家在内的900多名参会者的赞扬。作为一个业内重要的年度盛会,意法半导体工业峰会汇集了来自贯穿不同尖端技术的工业市场领域的领导者、专家和行业影响力者,为现有及新兴工业应用市场共同探索并加速开发下一代产品和解决方案。

全球首款动态降噪蓝牙耳机,华为最先发布

无线蓝牙耳机大家已经见过很多了,但关于“动态降噪”你知道多少?动态降噪剪成DNR(Digital Noise Reduction),就是用数字处理技术降低混杂在音频信号中的杂质。由于图像噪波的出现是随机的,因此每一帧图像出现的噪波是不同的,而动态降噪就可以发挥作用了。现在你明白动态降噪对耳机的重要性了吗?

意法半导体推出双轴测斜仪芯片 搭载可编程机器学习内核

日前,意法半导体推出两轴数字测斜仪芯片,可用于工业自动化以及结构健康监测。

意法半导体推出内置机器学习内核的高精度测斜仪

8月26日,意法半导体的IIS2ICLX是一款高精度、低功耗的双轴数字测斜仪,用于工业自动化和结构健康监测[1]等应用,具有可设置的机器学习内核和16个独立的可设置有限状态机,有助于边缘设备节能省电,减少向云端传输的数据量。