Az utóbbi időben a globális félvezetőiparban fúziók és felvásárlások hulláma volt megfigyelhető, olyan óriások, mint a Qualcomm, az AMD, az Infineon és az NXP, mind lépéseket tettek a technológiai integráció és a piaci terjeszkedés felgyorsítása érdekében.
Ezek az intézkedések nemcsak a vállalatok stratégiai megfontolásait tükrözik, amelyek az erős piaci versenyben erős szövetségek és kiegészítő előnyök keresését célozzák, hanem azt is jelzik, hogy a félvezetőipar új változásokat hozhat.
A közelmúltbeli nemzetközi félvezető-fúziók és -felvásárlások vizsgálata alapján nagyjából négy kulcsszót foglaltam össze: mesterséges intelligencia, mikrovezérlő+, autók és elektronikus adatfeldolgozás (EDA).
MCU+MI: elkerülhetetlen trend
Az STMicroelectronics felvásárolja a Deeplite-ot, a peremhálózati mesterséges intelligenciára összpontosítva.
Idén áprilisban az STMicroelectronics (ST) felvásárolta a kanadai mesterséges intelligencia startupot, a Deeplite-ot, amely felkeltette az iparág figyelmét. Mint mindannyian tudjuk, a mélytanulási modellek kereskedelmi alkalmazásának egyik fő kihívása a működési méretük, a processzorigényük és az energiafogyasztásuk intenzitása. A Deeplite ezt a problémát egy automatizált szoftvermotor biztosításával oldja meg, amely optimalizálja a DNN (mély neurális hálózati) modelleket, lehetővé téve a mesterséges intelligencia számára, hogy peremhálózati számítástechnikát végezzen bármilyen eszközön.
A 2017-ben alapított Deeplite a DeepSeek nevű peremhálózati mesterséges intelligencia megoldásáról ismert, amely a mesterséges intelligencia modellek optimalizálására, kvantálására és tömörítésére összpontosít. Innovatív, mesterséges intelligencia által vezérelt optimalizálója, a Neutrino képes nagy mélytanulási modelleket eredeti méretük tizedére tömöríteni, miközben több mint 98%-os pontosságot tart fenn. Három kulcsfontosságú technológia – a súlycsökkentés (redundáns paraméterek eltávolítása), a kvantálás (a számítási pontossági követelmények csökkentése) és a ritkaítás (a nulla értékű súlyok arányának növelése) – révén a nagy mesterséges intelligencia modellek gyorsabban, kisebb méretben és energiahatékonyabban futhatnak peremhálózati eszközökön. Azok az alkalmazások, amelyek korábban felhőalapú számítástechnikai képességeket igényeltek, most zökkenőmentesen futhatnak peremhálózati eszközökön, például okostelefon-kamerákon és ipari érzékelőkön.
A Deeplite kezdeti időszakában nagy figyelmet kapott, és a Gartner, a Forbes, az Inside AI és az ARM AI is a mesterséges intelligencia élvonalbeli innovátorai közé sorolta. Ez a felvásárlás szorosan kapcsolódik az STMicroelectronics stratégiai átalakulásához az edge AI felé, amely a hardvert és a szoftvert „dupla spirál” módon ötvözi. A Deeplite modelloptimalizálási technológiája mélyen integrálva van az STMicroelectronics STM32 sorozatú MCU-ival és dedikált NPU-ival, hogy támogassa a teljes körű mesterséges intelligencia megoldások építését. Például intelligens gyári forgatókönyvekben az STMicroelectronics chipekkel felszerelt kamerák közvetlenül képesek észlelni a hibákat anélkül, hogy adatokat kellene feltölteni a felhőbe, és a válaszidő 40-szeresére nő.
Másrészről a Deeplite világszínvonalú MI-algoritmusmérnökökből álló csapattal rendelkezik, amelyen keresztül az ST több mint 200 peremhálózati MI-fejlesztőeszközt integrál, hogy egységes „modellkönyvtár-optimalizáló-hardverplatform” fejlesztési ökoszisztémát hozzon létre. Röviden, a Deeplite felvásárlása nemcsak az ST MI-szoftver szintű kirakósának utolsó darabját teszi teljessé, hanem a félvezetőipar paradigmaváltását is jelzi a „chipgyártásról” az „agygyártásra”.
Az NXP felvásárolja a Kinara nevű NPU-céget az intelligens peremhálózatok újrapozicionálása érdekében
Idén februárban az NXP bejelentette, hogy 307 millió dollár készpénzért felvásárolta az amerikai Kinara mesterséges intelligencia chip startup céget. A Kinarát 2013-ban alapították, eredetileg Core Viz néven, később Deep Visionre, majd 2022-ben Kinarára nevezték át. A Kinara diszkrét NPU-ja (beleértve az Ara-1-et és az Ara-2-t) vezető szerepet tölt be a teljesítmény és az energiahatékonyság terén, így ez az előnyben részesített megoldás a látás, hang, gesztusok és más különféle generatív MI-implementációk által vezérelt, újonnan megjelenő MI-alkalmazásokhoz, programozhatósága pedig biztosítja, hogy alkalmazkodni tudjon a fejlődő MI-algoritmusokhoz.
Az NXP közölte, hogy ez a felvásárlás a Kinara független NPU-ját ötvözi a saját processzor-, csatlakozási és biztonsági szoftverportfóliójával, ami egy teljes és skálázható MI-platform biztosításához vezet a TinyML-től a generatív MI-ig, hogy kielégítse az ipari és autóipari piacok gyorsan növekvő MI-igényeit. Ez elősegíti új MI-vezérelt rendszerek létrehozását az ipari és IoT területeken, segít az ügyfeleknek leegyszerűsíteni a bonyolultságot, felgyorsítani a piacra jutási időt, és javítja a műszaki képességeket olyan területeken, mint az okosautók, a magas hozzáadott értékű területek felé haladva.
Edge AI: Csatatér az MCU-gyártók számára
A mesterséges intelligencia területén régóta tévhit él, hogy a „skálázhatóság hatalom”. Bár a nagy modellek kiváló teljesítménnyel rendelkeznek, a tényleges telepítés során kihívásokkal szembesülnek – magas energiafogyasztásuk ellentétes a peremoldali könnyűszerkezetes követelményekkel. Az iparági szakértők többször is rámutattak a nagyméretű modellek alkalmazási forgatókönyveinek inherens korlátaira: egyrészt a nagy modellek betanítása és futtatása hatalmas számítási erőforrásokat igényel; másrészt a mesterséges intelligencia iparosításának előmozdításának kulcsfontosságú területei pontosan a peremhálózati számítástechnika és az energiafogyasztásra és a késleltetésre érzékenyebb termináleszközök.
Nem nehéz megérteni, hogy a fenti felvásárlások azt mutatják, hogy az MCU fő csatatere a peremhálózati mesterséges intelligencia számítástechnika felé tolódik el. A várakozások szerint 2025-re az adatok 75%-át a peremhálózaton fogják feldolgozni, ami rávilágít a peremhálózati mesterséges intelligencia mikrovezérlő piacának hatalmas potenciáljára. Ez azt mutatja, hogy a peremhálózati mesterséges intelligencia számítástechnika iránti kereslet gyorsan növekszik, és az MCU, mint a peremhálózati eszközök központi eleme, kulcsszerepet fog játszani ebben a trendben.
A jövőben az MCU-k már nem korlátozódnak majd a hagyományos vezérlési funkciókra, hanem fokozatosan integrálják a mesterséges intelligencia által vezérelt érvelési képességeket, és olyan forgatókönyvekben is alkalmazhatók lesznek, mint a képfelismerés, a hangfeldolgozás és a berendezések prediktív karbantartása. Az edge computing képességekkel rendelkező MCU-k alacsony energiafogyasztásuknak, nagy hatékonyságuknak és azonnali válaszidejüknek köszönhetően a peremhálózati számítástechnika fontos hordozóivá válnak, erősebb támogatást nyújtva az intelligens eszközöknek és rendszereknek.
Más jelentős mikrovezérlő-gyártók is aktívan vásárolnak és versenyeznek ezen a területen, például a Renesas Electronics felvásárolta a Reality AI-t, az Infineon felvásárolta a svéd Imagimobot, az NXP pedig elindította az eIQ gépi tanulási szoftvert és a NANO mesterséges intelligencia eszközláncot.
Megállapítható, hogy a peremhálózati mesterséges intelligencia a következő néhány évben az MCU-k kulcsfontosságú csataterévé válik.
Autóipari elektronika: a tőkeverseny középpontjában
Az utóbbi időben gyakran jelentek meg az autóipari alkalmazásokkal kapcsolatos félvezető-fúziók és -felvásárlások. A számítási teljesítmény mellett az autóipari erőátviteli rendszerek, a járművekbe épített hálózati csatlakozások, a járművekbe épített audiorendszerek és más technológiák fejlődése is ösztönözte a félvezető-technológia iterációját és frissítését, ami arra késztette a kapcsolódó vállalatokat, hogy fúziók és felvásárlások révén kiegészítsék saját technológiai elrendezésüket.
A félvezetőipar egy tipikus technológia- és tőkeigényes iparág. Az elmúlt évtizedekre visszatekintve az integráció és az összeolvadások elkerülhetetlen trenddé váltak az iparág fejlődésében.
A mesterséges intelligencia óriásai gyakran hajtanak végre felvásárlásokat, hogy fejlesszék technológiai elrendezésüket, és teljes körű előnyt építsenek ki a „chip + rendszer + ökoszisztéma” koncepcióján keresztül. A mainstream MCU-gyártók fokozatosan átállnak a peremhálózati mesterséges intelligenciára, és megpróbálják meghódítani az intelligens terminálok piacát alacsony energiafogyasztással és nagy rugalmassággal. Az autóiparban a járművekbe épített számítástechnika, az önvezető rendszerek és az adatösszeköttetések a tőkeverseny kulcsfontosságú területévé váltak. Ugyanakkor az EDA-ipar az eszközök nyújtásáról az ökoszisztéma kiépítésére helyezi át a hangsúlyt. Az óriások integrálják a szellemi tulajdont és a tervezési folyamatokat, és piaci dominanciát építenek ki az „eszköz-architektúra-szabvány” architektúrán keresztül.
Ebben az összeolvadási és felvásárlási hullámban a technológiai együttműködés, a piacbővítés és az ökoszisztéma-dominancia vált az alapvető logikává. A vállalatoknak a tőkebeáramlás közepette egyensúlyt kell teremteniük a rövid távú integráció és a hosszú távú kutatás-fejlesztés között. Tekintettel a félvezetőipar technológiai akadályaira és tőkeigényes jellegére, ez az átalakulás nem egy „rövid út”, hanem egy „maraton”, amely hosszú távú befektetést igényel.
Közzététel ideje: 2025. június 30.