Description
**人话**
**注意：up未确认视频讲的是否完全正确（对这块确实不了解）**
**本来目的是想在tibo重置前狠狠蹬codex，但在另一边就要大出血（**
**考虑到要保证一定程度的专业性，本视频主体以英语呈现，窃以为干我们这个专业的应当对这些英语理解起来没什么难度**
**用的是gemini 3.8 tts服务，语气相对最自然，但输出质量不甚稳定**
做模拟的都知道这笔账：想多要一位精度，就得在面积、功耗、比较器噪声上多付代价。
十多年前，一个小想法悄悄改写了这笔账——SAR转换完留在电容阵列上的那点误差，能不能不扔掉，而是"搬"到没人听的频段去？
这期用十分钟，像讲给五岁小孩听一样**注：还是得修完集电必需的基本课程才行**，讲清楚噪声整形SAR（NS-SAR）ADC：
· 它为什么能工作：误差反馈 = 买菜时把找零带到下一单
· 怎么赢得更多：过采样率和环路阶数两个旋钮，以及"低OSR高阶"与"高OSR慢而深"两大门派
· 这五年真正的进步：被整形的从量化误差，扩展到电容失配、级间增益误差，乃至kT/C热噪声
· 冰山之下：核心FoM之外，驱动、基准、时钟、片外校准吃掉了多少功耗
· 全景图：22颗芯片，从1 kHz到400 MHz，跨越五个半数量级
· 下一站：三个开放问题，以及今天该怎么选架构
⏱ 章节
00:00 开场
00:40 01 猜数游戏 The Guessing Game
01:39 02 把零钱带到下一次 Carry the Change
03:00 03 更陡的墙 Steeper Walls
04:23 04 万物皆可整形 Shape Everything
06:45 05 冰山之下 Below the Waterline
07:59 06 版图 The Map
08:59 07 下一站 What Comes Next
10:06 尾声
📌 说明
· 内容基于**ChatGPT 6 Astra伙同它的6.1 Sol小弟，不说人话甚之**的NS-SAR ADC 2021–2026文献综述，芯片数据取自公开发表的论文（ISSCC、VLSI、JSSC等）。综述中的观点不代表UP立场；第5章"冰山之下"是对数据的解读，不是哪篇论文的结论。
· 英文旁白为AI语音合成，中英双语字幕，动画用Remotion制作。
· 水平有限，数字或理解有误的地方，欢迎在评论区指正勘误。