V zadnjem času je v svetovni industriji polprevodnikov prišlo do vala združitev in prevzemov, pri čemer so velikani, kot so Qualcomm, AMD, Infineon in NXP, sprejeli ukrepe za pospešitev integracije tehnologije in širitve trga.
Ti ukrepi ne odražajo le strateških premislekov podjetij o iskanju močnih zavezništev in dopolnilnih prednosti v ostri tržni konkurenci, temveč tudi kažejo, da bi lahko okolje v polprevodniški industriji prineslo nove spremembe.
Z analizo nedavnih mednarodnih združitev in prevzemov polprevodnikov sem v grobem povzel štiri ključne besede: umetna inteligenca, MCU+, avtomobili in EDA.
MCU+AI: neizogiben trend
STMicroelectronics prevzema Deeplite in se osredotoča na umetno inteligenco na robu
Aprila letos je STMicroelectronics (ST) prevzel kanadsko zagonsko podjetje za umetno inteligenco Deeplite, kar je pritegnilo pozornost industrije. Kot vsi vemo, je glavni izziv, s katerim se soočajo modeli globokega učenja pri komercialni uporabi, njihov operativni obseg, zahteve glede procesorja in intenzivnost porabe energije. Deeplite to težavo rešuje z zagotavljanjem avtomatiziranega programskega mehanizma za optimizacijo modelov DNN (globoka nevronska mreža), kar omogoča umetni inteligenci izvajanje robnega računalništva na kateri koli napravi.
Podjetje Deeplite, ustanovljeno leta 2017, je znano po svoji rešitvi za umetno inteligenco DeepSeek, ki se osredotoča na optimizacijo, kvantizacijo in stiskanje modelov umetne inteligence. Njegov inovativni optimizator, ki ga poganja umetna inteligenca, Neutrino, lahko stisne velike modele globokega učenja na desetino njihove prvotne velikosti, hkrati pa ohrani več kot 98-odstotno natančnost. S tremi ključnimi tehnologijami – obrezovanjem uteži (odstranjevanjem odvečnih parametrov), kvantizacijo (zmanjšanjem zahtev glede računske natančnosti) in razpršitvijo (povečanjem deleža uteži z ničelno vrednostjo) lahko veliki modeli umetne inteligence delujejo hitreje, so manjši in energetsko učinkovitejši na robnih napravah. Aplikacije, ki so prej zahtevale zmogljivosti računalništva v oblaku, lahko zdaj nemoteno delujejo na robnih napravah, kot so kamere pametnih telefonov in industrijski senzorji.
Deeplite je že v zgodnjih dneh pritegnil veliko pozornosti in so ga Gartner, Forbes, Inside AI in ARM AI imenovali za vodilnega inovatorja na področju umetne inteligence. Ta prevzem je tesno povezan s strateško preobrazbo podjetja STMicroelectronics v umetno inteligenco na robu, ki združuje strojno in programsko opremo na način "dvojne vijačnice". Tehnologija optimizacije modelov podjetja Deeplite je globoko integrirana z mikrokontrolerji serije STM32 in namenskimi nevronskimi procesorji (NPU) podjetja STMicroelectronics za podporo gradnje celovitih rešitev umetne inteligence. Na primer, v scenarijih pametnih tovarn lahko kamere, opremljene s čipi STMicroelectronics, neposredno zaznajo napake brez nalaganja podatkov v oblak, hitrost odziva pa se poveča za 40-krat.
Po drugi strani pa ima Deeplite vrhunsko ekipo inženirjev algoritmov umetne inteligence, s katero bo ST integriral več kot 200 orodij za razvoj robne umetne inteligence in tako oblikoval enoten razvojni ekosistem "platforme knjižnice modelov-optimizatorja-strojne opreme". Skratka, prevzem Deeplita ne le dopolnjuje zadnji delček sestavljanke ST na ravni programske opreme umetne inteligence, temveč tudi označuje premik paradigme polprevodniške industrije od "izdelave čipov" k "izdelavi možganov".
NXP prevzame podjetje Kinara, ki se ukvarja z neprogramskimi procesorji, da bi preoblikoval pametno robno tehnologijo
Februarja letos je NXP napovedal prevzem ameriškega zagonskega podjetja za čipe umetne inteligence Kinara za 307 milijonov ameriških dolarjev v gotovini. Kinara je bila ustanovljena leta 2013 in se je prvotno imenovala Core Viz, kasneje preimenovala v Deep Vision in leta 2022 preimenovala v Kinara. Kinarin diskretni NPU (vključno z Ara-1 in Ara-2) je vodilni v panogi po zmogljivosti in energetski učinkovitosti, zaradi česar je prednostna rešitev za nastajajoče aplikacije umetne inteligence, ki jih poganja vid, glas, geste in druge različne generativne implementacije umetne inteligence, njegova programirljivost pa zagotavlja, da se lahko prilagodi razvijajočim se algoritmom umetne inteligence.
NXP je sporočil, da bo ta prevzem združil Kinarino neodvisno nevronsko procesno enoto (NPU) z lastnim portfeljem procesorjev, programske opreme za povezljivost in varnost, kar bo pomagalo zagotoviti celovito in prilagodljivo platformo umetne inteligence, od TinyML do generativne umetne inteligence, da bi zadostili hitro rastočim potrebam industrijskega in avtomobilskega trga po umetni inteligenci. To bo pomagalo ustvariti nove sisteme, ki jih poganja umetna inteligenca, na področju industrije in interneta stvari, strankam pomagalo poenostaviti kompleksnost, skrajšati čas do uvedbe na trg in izboljšati tehnične zmogljivosti na področjih, kot so pametni avtomobili, s čimer se bo premaknilo proti področjem z visoko dodano vrednostjo.
Edge AI: Bojišče za proizvajalce mikrokontrolerjev
Na področju umetne inteligence že dolgo velja zmotno prepričanje, da je »obseg moč«. Čeprav imajo veliki modeli odlično zmogljivost, se pri dejanski uporabi soočajo z izzivi – njihova visoka poraba energije je v nasprotju z zahtevami po lahki zmogljivosti na robu omrežja. Strokovnjaki iz industrije so večkrat opozorili na inherentne omejitve scenarijev uporabe velikih modelov: po eni strani učenje in delovanje velikih modelov zahteva ogromne računalniške vire; po drugi strani pa so ključna področja za spodbujanje industrializacije umetne inteligence prav robno računalništvo in terminalne naprave, ki so bolj občutljive na porabo energije in zakasnitev.
Ni težko razumeti, da zgornji prevzemi kažejo, da se glavno bojišče mikrokontrolerjev (MCU) preusmerja k računalništvu z umetno inteligenco na robu omrežja. Pričakuje se, da bo do leta 2025 75 % podatkov obdelanih na robu omrežja, kar poudarja ogromen potencial trga mikrokontrolerjev z umetno inteligenco na robu omrežja. To kaže, da povpraševanje po računalništvu z umetno inteligenco na robu omrežja hitro narašča, mikrokontrolerji pa bodo kot osrednja komponenta naprav na robu omrežja igrali ključno vlogo v tem trendu.
V prihodnosti mikrokontrolerji ne bodo več omejeni na tradicionalne krmilne funkcije, temveč bodo postopoma vključevali zmogljivosti sklepanja na podlagi umetne inteligence in se uporabljali v scenarijih, kot so prepoznavanje slik, obdelava glasu in napovedno vzdrževanje opreme. Mikrokontrolerji z zmogljivostmi robnega računalništva bodo postali pomemben nosilec moči robnega računalništva zaradi nizke porabe energije, visoke učinkovitosti in takojšnjega odziva, kar bo zagotavljalo močnejšo podporo pametnim napravam in sistemom.
Tudi drugi večji proizvajalci mikrokontrolerjev aktivno prevzemajo in konkurirajo na tem področju, kot so na primer prevzem podjetja Reality AI s strani podjetja Renesas Electronics, prevzem švedskega podjetja Imagimob s strani podjetja Infineon in lansiranje programske opreme za strojno učenje eIQ in verige orodij za umetno inteligenco NANO s strani podjetja NXP.
Sklepamo lahko, da bo robna umetna inteligenca v naslednjih nekaj letih postala ključno bojišče za mikrokontrolerje.
Avtomobilska elektronika: v središču kapitalske konkurence
V zadnjem času se pogosto pojavljajo združitve in prevzemi polprevodnikov, povezani z avtomobilskimi aplikacijami. Poleg računalniške moči je razvoj avtomobilskih pogonskih sklopov, omrežnih povezav v vozilih, avdio sistemov v vozilih in drugih tehnologij spodbudil tudi iteracijo in posodabljanje polprevodniške tehnologije, kar je spodbudilo povezana podjetja, da z združitvami in prevzemi dopolnijo svojo lastno tehnološko zasnovo.
Polprevodniška industrija je tipična tehnološko intenzivna in kapitalsko intenzivna panoga. Če pogledamo nazaj v zadnjih nekaj desetletjih, so integracije in združitve postale neizogiben trend v razvoju industrije.
Velikani umetne inteligence pogosto prevzemajo podjetja, da bi izboljšali svojo tehnološko postavitev in si zgradili prednost celovitega sklada "čip + sistem + ekosistem". Proizvajalci mikrokontrolerjev se postopoma preusmerjajo na robno umetno inteligenco in poskušajo osvojiti trg pametnih terminalov z nizko porabo energije in visoko prilagodljivostjo. V avtomobilski industriji so računalništvo v vozilih, avtonomna vožnja in medsebojno povezovanje podatkov postali ključna področja kapitalske konkurence. Hkrati se industrija elektronskih tehnologij za obdelavo podatkov (EDA) preusmerja od zagotavljanja orodij k gradnji ekosistema. Velikani integrirajo intelektualno lastnino in procese oblikovanja ter gradijo prevlado na trgu z arhitekturo "orodje-arhitektura-standard".
V tem valu združitev in prevzemov so tehnološko sodelovanje, širitev trga in prevlada v ekosistemu postali osrednja logika. Podjetja morajo sredi pritoka kapitala uravnotežiti kratkoročno integracijo ter dolgoročne raziskave in razvoj. Glede na tehnološke ovire in kapitalsko intenzivno naravo polprevodniške industrije ta preobrazba ni "bližnjica", temveč "maraton", ki zahteva dolgoročne naložbe.
Čas objave: 30. junij 2025