Πρόσφατα, υπήρξε ένα κύμα συγχωνεύσεων και εξαγορών στην παγκόσμια βιομηχανία ημιαγωγών, με κολοσσούς όπως η Qualcomm, η AMD, η Infineon και η NXP να αναλαμβάνουν δράση για την επιτάχυνση της τεχνολογικής ολοκλήρωσης και της επέκτασης της αγοράς.
Αυτά τα μέτρα όχι μόνο αντικατοπτρίζουν τις στρατηγικές σκέψεις των εταιρειών για την αναζήτηση ισχυρών συμμαχιών και συμπληρωματικών πλεονεκτημάτων στον έντονο ανταγωνισμό της αγοράς, αλλά δείχνουν επίσης ότι το τοπίο της βιομηχανίας ημιαγωγών μπορεί να οδηγήσει σε νέες αλλαγές.
Εξετάζοντας τις πρόσφατες διεθνείς συγχωνεύσεις και εξαγορές ημιαγωγών, έχω συνοψίσει περίπου τέσσερις λέξεις-κλειδιά: Τεχνητή Νοημοσύνη, MCU+, αυτοκίνητα και Ηλεκτρονική Αντιμετώπιση Ηλεκτρονικών Συστημάτων (EDA).
MCU+AI: αναπόφευκτη τάση
Η STMicroelectronics εξαγοράζει την Deeplite, εστιάζοντας στην τεχνητή νοημοσύνη στα άκρα
Τον Απρίλιο του τρέχοντος έτους, η STMicroelectronics (ST) εξαγόρασε την καναδική νεοσύστατη εταιρεία τεχνητής νοημοσύνης Deeplite, η οποία προσέλκυσε την προσοχή της βιομηχανίας. Όπως όλοι γνωρίζουμε, μια σημαντική πρόκληση που αντιμετωπίζουν τα μοντέλα βαθιάς μάθησης στην εμπορική τους ανάπτυξη είναι η λειτουργική τους κλίμακα, οι απαιτήσεις επεξεργαστή και η ένταση κατανάλωσης ενέργειας. Η Deeplite λύνει αυτό το πρόβλημα παρέχοντας μια αυτοματοποιημένη μηχανή λογισμικού για τη βελτιστοποίηση των μοντέλων DNN (βαθύ νευρωνικό δίκτυο), επιτρέποντας στην τεχνητή νοημοσύνη να εκτελεί υπολογιστική ακμής σε οποιαδήποτε συσκευή.
Η Deeplite, η οποία ιδρύθηκε το 2017, είναι γνωστή για τη λύση τεχνητής νοημοσύνης (AI) DeepSeek, η οποία επικεντρώνεται στη βελτιστοποίηση, την κβαντοποίηση και τη συμπίεση μοντέλων τεχνητής νοημοσύνης. Ο καινοτόμος βελτιστοποιητής Neutrino, που βασίζεται στην τεχνητή νοημοσύνη, μπορεί να συμπιέσει μεγάλα μοντέλα βαθιάς μάθησης στο ένα δέκατο του αρχικού τους μεγέθους, διατηρώντας παράλληλα ακρίβεια άνω του 98%. Μέσω τριών βασικών τεχνολογιών - μείωση βάρους (αφαίρεση περιττών παραμέτρων), κβαντοποίηση (μείωση των απαιτήσεων υπολογιστικής ακρίβειας) και αραίωση (αύξηση του ποσοστού των μηδενικών βαρών), τα μεγάλα μοντέλα τεχνητής νοημοσύνης μπορούν να λειτουργούν ταχύτερα, μικρότερα και πιο ενεργειακά αποδοτικά σε συσκευές edge. Εφαρμογές που προηγουμένως απαιτούσαν δυνατότητες cloud computing μπορούν πλέον να εκτελούνται ομαλά σε συσκευές edge, όπως κάμερες smartphone και βιομηχανικούς αισθητήρες.
Η Deeplite έχει προσελκύσει μεγάλη προσοχή στις πρώτες της μέρες και έχει χαρακτηριστεί ως κορυφαία εταιρεία καινοτομίας στην Τεχνητή Νοημοσύνη (AI) από τις Gartner, Forbes, Inside AI και ARM AI. Αυτή η εξαγορά συνδέεται στενά με τον στρατηγικό μετασχηματισμό της STMicroelectronics στην Τεχνητή Νοημοσύνη (AI) σε επίπεδο άκρου, η οποία συνδυάζει υλικό και λογισμικό με τρόπο «διπλής έλικας». Η τεχνολογία βελτιστοποίησης μοντέλων της Deeplite είναι βαθιά ενσωματωμένη με τις μονάδες μικροεπεξεργαστών (MCU) της σειράς STM32 της STMicroelectronics και τις ειδικές μονάδες NPU για την υποστήριξη της κατασκευής ολοκληρωμένων λύσεων Τεχνητής Νοημοσύνης (AI). Για παράδειγμα, σε σενάρια έξυπνων εργοστασίων, οι κάμερες που είναι εξοπλισμένες με τσιπ STMicroelectronics μπορούν να ανιχνεύσουν άμεσα ελαττώματα χωρίς να ανεβάσουν δεδομένα στο cloud, και η ταχύτητα απόκρισης αυξάνεται κατά 40 φορές.
Από την άλλη πλευρά, η Deeplite διαθέτει μια ομάδα μηχανικών αλγορίθμων τεχνητής νοημοσύνης παγκόσμιας κλάσης, μέσω της οποίας η ST θα ενσωματώσει περισσότερα από 200 εργαλεία ανάπτυξης edge AI για να σχηματίσει ένα ενοποιημένο οικοσύστημα ανάπτυξης "βιβλιοθήκη μοντέλων-βελτιστοποιητή-πλατφόρμα υλικού". Με λίγα λόγια, η εξαγορά της Deeplite όχι μόνο ολοκληρώνει το τελευταίο κομμάτι του παζλ της ST σε επίπεδο λογισμικού τεχνητής νοημοσύνης, αλλά σηματοδοτεί και την παραδειγματική μετατόπιση της βιομηχανίας ημιαγωγών από την "κατασκευή τσιπ" στην "κατασκευή εγκεφάλων".
Η NXP εξαγοράζει την εταιρεία NPU Kinara για να επανατοποθετήσει το smart edge
Τον Φεβρουάριο του τρέχοντος έτους, η NXP ανακοίνωσε την εξαγορά της αμερικανικής startup chip AI edge Kinara έναντι 307 εκατομμυρίων δολαρίων ΗΠΑ σε μετρητά. Η Kinara ιδρύθηκε το 2013 και αρχικά ονομαζόταν Core Viz, αργότερα μετονομάστηκε σε Deep Vision και μετονομάστηκε σε Kinara το 2022. Η διακριτή μονάδα NPU της Kinara (συμπεριλαμβανομένων των Ara-1 και Ara-2) ηγείται του κλάδου στην απόδοση και την ενεργειακή απόδοση, καθιστώντας την την προτιμώμενη λύση για αναδυόμενες εφαρμογές AI που βασίζονται στην όραση, τη φωνή, τις χειρονομίες και άλλες διάφορες δημιουργικές εφαρμογές AI, και η προγραμματισιμότητα της διασφαλίζει ότι μπορεί να προσαρμοστεί στους εξελισσόμενους αλγόριθμους AI.
Η NXP δήλωσε ότι αυτή η εξαγορά θα συνδυάσει την ανεξάρτητη NPU της Kinara με το δικό της χαρτοφυλάκιο λογισμικού επεξεργαστών, συνδεσιμότητας και ασφάλειας, το οποίο θα βοηθήσει στην παροχή μιας ολοκληρωμένης και κλιμακώσιμης πλατφόρμας Τεχνητής Νοημοσύνης, από το TinyML έως την γενετική Τεχνητή Νοημοσύνη, για την κάλυψη των ταχέως αυξανόμενων αναγκών Τεχνητής Νοημοσύνης στις βιομηχανικές και αυτοκινητοβιομηχανικές αγορές. Αυτό θα βοηθήσει στη δημιουργία νέων συστημάτων που βασίζονται στην Τεχνητή Νοημοσύνη στους βιομηχανικούς τομείς και στους τομείς του Διαδικτύου των Πραγμάτων, θα βοηθήσει τους πελάτες να απλοποιήσουν την πολυπλοκότητα, να επιταχύνουν τον χρόνο διάθεσης στην αγορά και να ενισχύσουν τις τεχνικές δυνατότητες σε τομείς όπως τα έξυπνα αυτοκίνητα, κινούμενοι προς τομείς υψηλής προστιθέμενης αξίας.
Edge AI: Ένα πεδίο μάχης για τους κατασκευαστές MCU
Στον τομέα της τεχνητής νοημοσύνης υπάρχει εδώ και καιρό η εσφαλμένη αντίληψη ότι «η κλίμακα είναι δύναμη». Παρόλο που τα μεγάλα μοντέλα έχουν εξαιρετική απόδοση, αντιμετωπίζουν προκλήσεις στην πραγματική τους ανάπτυξη - η υψηλή κατανάλωση ενέργειας έρχεται σε αντίθεση με τις απαιτήσεις ελαφρού βάρους στην πλευρά των άκρων. Οι ειδικοί του κλάδου έχουν επανειλημμένα επισημάνει τους εγγενείς περιορισμούς των σεναρίων εφαρμογής μεγάλων μοντέλων: αφενός, η εκπαίδευση και η λειτουργία μεγάλων μοντέλων απαιτεί τεράστιους υπολογιστικούς πόρους· αφετέρου, οι βασικοί τομείς για την προώθηση της βιομηχανοποίησης της τεχνητής νοημοσύνης είναι ακριβώς η υπολογιστική στα άκρα και οι τερματικές συσκευές που είναι πιο ευαίσθητες στην κατανάλωση ενέργειας και την καθυστέρηση.
Δεν είναι δύσκολο να καταλάβει κανείς ότι οι παραπάνω εξαγορές δείχνουν ότι το κύριο πεδίο μάχης της MCU μετατοπίζεται στην edge AI computing. Αναμένεται ότι έως το 2025, το 75% των δεδομένων θα υποβάλλεται σε επεξεργασία στα edge, υπογραμμίζοντας το τεράστιο δυναμικό της αγοράς MCU με edge AI. Αυτό δείχνει ότι η ζήτηση για edge AI computing αυξάνεται ραγδαία και η MCU, ως το βασικό συστατικό των edge συσκευών, θα διαδραματίσει βασικό ρόλο σε αυτήν την τάση.
Στο μέλλον, οι MCU δεν θα περιορίζονται πλέον σε παραδοσιακές λειτουργίες ελέγχου, αλλά θα ενσωματώνουν σταδιακά δυνατότητες συλλογισμού με τεχνητή νοημοσύνη και θα εφαρμόζονται σε σενάρια όπως η αναγνώριση εικόνας, η επεξεργασία φωνής και η προγνωστική συντήρηση εξοπλισμού. Οι MCU με δυνατότητες edge computing θα γίνουν ένας σημαντικός φορέας ισχύος edge computing με τη χαμηλή κατανάλωση ενέργειας, την υψηλή απόδοση και την άμεση απόκριση, παρέχοντας ισχυρότερη υποστήριξη για έξυπνες συσκευές και συστήματα.
Άλλοι σημαντικοί κατασκευαστές MCU επίσης πραγματοποιούν ενεργές αγορές και ανταγωνίζονται ενεργά σε αυτόν τον τομέα, όπως η εξαγορά της Reality AI από την Renesas Electronics, η εξαγορά της σουηδικής Imagimob από την Infineon και η κυκλοφορία του λογισμικού μηχανικής μάθησης eIQ και της αλυσίδας εργαλείων τεχνητής νοημοσύνης NANO από την NXP.
Μπορεί να συναχθεί το συμπέρασμα ότι η edge AI θα γίνει ένα βασικό πεδίο μάχης για τις MCU τα επόμενα χρόνια.
Ηλεκτρονικά αυτοκινήτων: το επίκεντρο του ανταγωνισμού των κεφαλαίων
Πρόσφατα, έχουν εμφανιστεί συχνά συγχωνεύσεις και εξαγορές ημιαγωγών που σχετίζονται με εφαρμογές στην αυτοκινητοβιομηχανία. Εκτός από την υπολογιστική ισχύ, η εξέλιξη του συστήματος μετάδοσης κίνησης των αυτοκινήτων, της σύνδεσης δικτύου εντός του οχήματος, του ηχοσυστήματος εντός του οχήματος και άλλων τεχνολογιών έχει επίσης οδηγήσει στην επανάληψη και την ενημέρωση της τεχνολογίας ημιαγωγών, ωθώντας τις σχετικές εταιρείες να συμπληρώσουν τη δική τους τεχνολογική διάταξη μέσω συγχωνεύσεων και εξαγορών.
Η βιομηχανία ημιαγωγών είναι μια τυπική βιομηχανία έντασης τεχνολογίας και κεφαλαίου. Κοιτάζοντας πίσω στις τελευταίες δεκαετίες, οι ενοποιήσεις και οι συγχωνεύσεις έχουν γίνει μια αναπόφευκτη τάση στην ανάπτυξη του κλάδου.
Οι γίγαντες της τεχνητής νοημοσύνης πραγματοποιούν συχνά εξαγορές σε μια προσπάθεια να βελτιώσουν τη διάταξη της τεχνολογίας τους και να δημιουργήσουν ένα πλεονέκτημα πλήρους στοίβας "τσιπ + σύστημα + οικοσύστημα". Οι κατασκευαστές mainstream MCU μετασχηματίζονται σταδιακά σε edge AI, προσπαθώντας να κατακτήσουν την αγορά έξυπνων τερματικών με χαμηλή κατανάλωση ενέργειας και υψηλή ευελιξία. Στον τομέα της αυτοκινητοβιομηχανίας, η υπολογιστική εντός οχήματος, η αυτόνομη οδήγηση και η διασύνδεση δεδομένων έχουν γίνει βασικοί τομείς ανταγωνισμού κεφαλαίων. Ταυτόχρονα, η βιομηχανία EDA μετατοπίζεται από την παροχή εργαλείων στην οικοδόμηση ενός οικοσυστήματος. Οι γίγαντες ενσωματώνουν διαδικασίες IP και σχεδιασμού και χτίζουν κυριαρχία στην αγορά μέσω της αρχιτεκτονικής "πρότυπο αρχιτεκτονικής εργαλείων".
Σε αυτό το κύμα συγχωνεύσεων και εξαγορών, η τεχνολογική συνεργασία, η επέκταση της αγοράς και η κυριαρχία στο οικοσύστημα έχουν γίνει η βασική λογική. Οι εταιρείες πρέπει να εξισορροπήσουν τη βραχυπρόθεσμη ολοκλήρωση και τη μακροπρόθεσμη έρευνα και ανάπτυξη εν μέσω της εισροής κεφαλαίων. Δεδομένων των τεχνολογικών εμποδίων και της έντασης κεφαλαίου της βιομηχανίας ημιαγωγών, αυτός ο μετασχηματισμός δεν είναι μια «συντόμευση» αλλά ένας «μαραθώνιος» που απαιτεί μακροπρόθεσμες επενδύσεις.
Ώρα δημοσίευσης: 30 Ιουνίου 2025