银泰蓄电池6GFM-70/12V70AH
6GFM-70
时间
大事记
2012年
公司龙王工业园二期总装车间工程建成投产。
2011年
公司被评为湖北省高新技术企业。
2011年
武汉邮电研究院成功控股我公司。
2011年
公司龙王工业园一期项目建成投产。
2010年
公司的5KW燃料电池项目被列入科技部863计划。
2010年
公司成功入围金太阳示范工程关键设备供应商。
2010年
公司完成新一轮增资扩股。
2009年
胶体电池技术通过国内 次通信备用电源市场的用户鉴定。
2009年
银泰牌电池入选《中国电器工业 影响力品牌》。
2009年
公司通过SA8000社会责任体系认证，是湖北省铅蓄电池行业 家。
2009年
公司通过湖北省清洁生产评审。
2009年
公司被评为中国科技部科技创新中小企业示范单位。
2008年
公司增资扩股，由有限责任公司整体改制为股份有限公司。
2008年
公司与深圳五洲龙合作的混合动力客车电源系统项目被列为科技部863计划。
2008年
公司被湖北省 评为湖北外贸企业 。
2008年
公司通过OHSAS18001职业安全健康管理体系。
2008年
公司加入中国能源协会。
2008年
公司成功开发胶体电池，其出色的循环性能大大延长了电池使用寿命。
2008年
公司支持四川灾区重建，甘肃联通评：情暖陈仓播撒真爱 心系震区连通天地。
2007年
公司主持编制的《通信用阀控式密封铅布蓄电池》成为中国信息产业部部颁标准
银泰牌12V阀控式铅酸蓄电池，是以铅钙锡多元合金和的低电阻、高孔率和高湿弹性超细玻璃纤维隔板等材料，采用涂膏式极板、高装配压力、精密定量注酸，以及**、环保的内化成等**工艺生产，具有长寿命、低内阻、大电流放电性能优和深循环性能好等特点。
电池
额定电压
额定容量
单格数
端子形式
铜芯尺寸
外形尺寸
总高
型号
10小时率
1小时率
长
宽
高
6GFM-24
12
24
13.2
6
铜芯端子
M5
166
175
125
125
6GFM-33
12
30
16.5
6
铅靠背端子
M6
195.5
130
164
180
6GFM-38
12
38
20.9
6
铜芯端子
M6
197
165
172
172
6GFM-50
12
50
27.5
6
铜芯端子
M6
229
138
211
216
6GFM-65
12
65
35.8
6
铜芯端子
M6
350
166
174
174
6GFM-70
12
70
35.8
6
铜芯端子
M6
350
166
174
174
6GFM-75
12
75
41
6
铜芯端子
M8
259
168
208
213
6GFM-80
12
80
44
6
铜芯端子
M8
259
168
208
216
6GFM-90
12
90
49.5
6
铜芯端子
M6
307
168
211
216
6GFM-100
12
100
55
6
铜芯端子
M6
329
174
216
222
6GFM-120
12
120
66
6
铜芯端子
M8
407
175
210
240
6GFM-150
12
150
82.5
6
铜芯端子
M8
484
170
240
240
6GFM-200
12
200
110
6
铜芯端子
M8
520
240
219
224
6GFM-250
12
250
137.5
6
铜芯端子
M8
520
268
220
225
使用寿命长：银泰牌12V阀控式铅酸蓄电池采用**技术和现代化设备生产，各型电池设计均以完整的性能试验为基础。正极采用高锡合金板栅，抗腐蚀性强；浮充寿命达8~10年以上。
耐过放电能力强：采用特殊的具有高孔率、高湿弹性的超细玻璃纤维隔板结合紧装配工艺，确保电池具有较强的耐过放电性能。5次过放电短路后电池容量恢复性能达到95%以上。
循环能力优异：极板采用特殊的铅膏制造和紧装配压力，延缓正极活性物质循环使用过程中活性物质的软化，提高了电池循环耐久性能。按照标准IEC60896-22实验条件下的每日放电浮充循环寿命达到800次以上。
优良的大电流性能：电池极板间距小，高压紧装配工艺，提高电池大电流充放电能力。
安全性：专利技术的端子密封结构和高温固化密封胶，保证电池端子处不爬酸，确保使用安全可靠。
多种安装方式：由于特殊隔板吸附电解液，因此电池内无游离酸，保证电池可实现如立式、卧式等多种方位的安装。
通信领域 程控交换机 UPS不间断电源 航海设备 变电所操作及直流电源 报警系统 消防和保安系统 控制设备.
一个AI处理器的例子：根据不同应用NNA的数量可以灵活的增减
典型的协同AI SoC芯片包括负责内部事务的通用控制CPU、用于高性能计算的GPU内核（而不是专门用于处理图形和3D变换操作）以及多个NNA（神经网络 ），根据不同的神经网络和推理引擎可灵活组合，此外还可以根据不同的任务采用不同的精度。举个例子，在双NNA系统中，其中一个NNA可以用来执行图像识别任务，将结果传递给另一个NNA之前能够识别出场景中的人脸部分，另一个NNA会将人脸部分划分为单独的特征从而识别出面部表情。
另一个例子就是汽车，对六核心的AI协同芯片进行分区，其中三个NNA（每个NNA负责不同的方面）用来识别道路上的标志，与此同时另外三个将专门负责行人检测。NNA的数量和任务的分配是根据应用的需求而确定的。这个概念可以扩展到一系列的AI处理器，每个处理器都会集成不同数量的NNA来满足不同任务的性能需求。
然而，尽管AI应用程序的数量正在不断增加，但这并不意味着集成有AI加速功能的SoCs能够适用所有的场景。实际上，如果我们考虑AI能够覆盖大多数的细分市场，那么由于使用该技术的产品可能有很多不同的处理要求，自然就会产生碎片化的差异。细分的市场对于的SoC器件是一种挑战，因此“一刀切”通用的方案不再适用。虽然一些市场（比如智能手机、ADAS）为SoC供应商提供了大量的机会，但是很多针对AI使用的市场目前仍然比较低迷。例如某些产品可能需要AI进行语音处理或图像识别，但不一定两者都需要。同样的智能家居供应商认为将传统的智能手机SoC嵌入AI功能就集成到他们的产品中并不是很好的解决方案，因为这不符合成本效益。
认识AI协同芯片
现在台式机CPU和移动SoC大多都采用多核芯片，因为它们灵活的可扩展架构使其能够按需提供不同的性能，AI“协同芯片”采用类似的方法，它们不仅仅只被设计成一个，而是多个计算GPU和神经网络 （NNA）来为特定的应用提供足够的性能，同时确保对硅片尺寸进行优化，将芯片的成本降至 低。这些处理器会紧挨着主应用处理器（SoC）作为“协同芯片”，承载主应用处理器上的NNA内核需要处理的AI推理任务。
现在SoC供应商有机会创建一个传统的通用应用处理器，能够经济 的适用于多个市场，同时可以配套AI协同芯片来满足一些特定应用或小众应用对于AI功能的需求。
