Lastatempe, okazis ondo de fuzioj kaj akiroj en la tutmonda semikonduktaĵa industrio, kun gigantoj kiel Qualcomm, AMD, Infineon kaj NXP ĉiuj entreprenantaj agojn por akceli teknologian integriĝon kaj merkatan vastiĝon.
Ĉi tiuj mezuroj ne nur reflektas la strategiajn konsiderojn de la kompanioj pri serĉado de fortaj aliancoj kaj komplementaj avantaĝoj en la furioza merkata konkurenco, sed ankaŭ indikas, ke la pejzaĝo de la duonkonduktaĵa industrio povus enkonduki novajn ŝanĝojn.
Ekzamenante lastatempajn internaciajn fuziojn kaj akirojn de duonkonduktaĵoj, mi malglate resumis kvar ŝlosilvortojn: AI, MCU+, aŭtomobiloj kaj EDA.
MCU+AI: neevitebla tendenco
STMicroelectronics akiras Deeplite, fokusiĝante pri randa AI
En aprilo de ĉi tiu jaro, STMicroelectronics (ST) akiris la kanadan AI-noventreprenon Deeplite, kiu altiris la atenton de la industrio. Kiel ni ĉiuj scias, grava defio, kiun alfrontas profundaj lernado-modeloj en komerca deplojo, estas ilia funkcianta skalo, procesoraj postuloj kaj energi-konsuma intenseco. Deeplite solvas ĉi tiun problemon provizante aŭtomatigitan programaran motoron por optimumigi DNN (profundajn neŭralajn retojn) modelojn, ebligante al AI plenumi randan komputadon sur iu ajn aparato.
Fondita en 2017, Deeplite estas konata pro sia randa AI-solvo DeepSeek, kiu fokusiĝas al optimumigo, kvantigo kaj kunpremo de AI-modeloj. Ĝia noviga AI-movita optimigilo Neutrino povas kunpremi grandajn profundlernadajn modelojn al dekono de ilia originala grandeco, konservante pli ol 98% precizecon. Per tri ŝlosilaj teknologioj - pezpritondado (forigante redundajn parametrojn), kvantigo (reduktante komputilajn precizecpostulojn) kaj sparsigo (pliigante la proporcion de nul-valoraj pezoj), grandaj AI-modeloj povas funkcii pli rapide, pli malgrandaj kaj pli energiefike sur randaj aparatoj. Aplikaĵoj, kiuj antaŭe postulis nubkomputilajn kapablojn, nun povas funkcii glate sur randaj aparatoj kiel ekzemple poŝtelefonaj fotiloj kaj industriaj sensiloj.
Deeplite altiris multan atenton en siaj fruaj tagoj kaj estis nomita gvida noviganto pri artefarita inteligenteco fare de Gartner, Forbes, Inside AI, kaj ARM AI. Ĉi tiu akiro estas proksime rilata al la strategia transformo de STMicroelectronics al randa artefarita inteligenteco, kiu kombinas aparataron kaj programaron laŭ "duobla helico". La modeloptimiga teknologio de Deeplite estas profunde integrita kun la STM32-serio de mikrokontroliloj kaj dediĉitaj ne-unuoj (NPUoj) de STMicroelectronics por subteni la konstruadon de kompletaj artefaritaj inteligentecaj solvoj. Ekzemple, en inteligentaj fabrikoj, fotiloj ekipitaj per ĉipoj de STMicroelectronics povas rekte detekti difektojn sen alŝuti datumojn al la nubo, kaj la respondrapideco pliiĝas 40-oble.
Aliflanke, Deeplite havas mondnivelan teamon de AI-algoritmaj inĝenieroj, per kiuj ST integros pli ol 200 randajn AI-disvolvajn ilojn por formi unuecan disvolvan ekosistemon de "modelbiblioteko-optimumigilo-aparatara platformo". Mallonge, la akiro de Deeplite ne nur kompletigas la lastan pecon de la puzlo de ST je la AI-programara nivelo, sed ankaŭ markas la paradigmoŝanĝon de la semikonduktaĵa industrio de "farado de ĉipoj" al "farado de cerboj".
NXP akiras NPU-kompanion Kinara por repoziciigi inteligentan randon
En februaro de ĉi tiu jaro, NXP anoncis la akiron de la usona noventrepreno pri artefarita inteligenteco, Kinara, por 307 milionoj da usonaj dolaroj en mono. Kinara estis fondita en 2013 kaj origine nomiĝis Core Viz, poste renomiĝis Deep Vision, kaj poste Kinara en 2022. La diskreta NPU de Kinara (inkluzive de Ara-1 kaj Ara-2) gvidas la industrion laŭ rendimento kaj energiefikeco, igante ĝin la preferata solvo por emerĝantaj artefarita inteligenteco-aplikaĵoj pelataj de vidado, voĉo, gesto kaj aliaj diversaj generaj artefaritaj inteligenteco-efektivigoj, kaj ĝia programebleco certigas, ke ĝi povas adaptiĝi al evoluantaj artefaritaj inteligenteco-algoritmoj.
NXP diris, ke ĉi tiu akiro kombinos la sendependan NPU de Kinara kun sia propra procesoro, konektebleco kaj sekureca programara paperaro, kio helpos provizi kompletan kaj skaleblan AI-platformon de TinyML ĝis genera AI por kontentigi la rapide kreskantajn AI-bezonojn de la industriaj kaj aŭtomobilaj merkatoj. Ĉi tio helpos krei novajn AI-movitajn sistemojn en la industriaj kaj IoT-kampoj, helpos klientojn simpligi kompleksecon, akceli la merkatan tempon, kaj plibonigi teknikajn kapablojn en areoj kiel inteligentaj aŭtoj, moviĝante al altvaloraj kampoj.
Randa AI: Batalkampo por MCU-Fabrikistoj
Longe ekzistas miskompreno en la kampo de artefarita inteligenteco, ke "skalo estas potenco". Kvankam grandaj modeloj havas bonegan rendimenton, ili alfrontas defiojn en la fakta deplojo - ilia alta energikonsumo kontraŭas la malpezajn postulojn ĉe la randa flanko. Industriaj spertuloj plurfoje atentigis pri la enecaj limigoj de aplikaj scenaroj de grandaj modeloj: unuflanke, trejnado kaj funkciigo de grandaj modeloj postulas grandegajn komputilajn rimedojn; aliflanke, la ŝlosilaj areoj por antaŭenigi la industriigon de artefarita inteligenteco estas ĝuste randa komputado kaj finaj aparatoj, kiuj estas pli sentemaj al energikonsumo kaj latenteco.
Ne estas malfacile kompreni, ke la supre menciitaj akiroj montras, ke la ĉefa batalkampo de mikrokomputilaj konektiloj (MCU) ŝanĝiĝas al randa artefarita inteligenteco (AI) komputado. Oni atendas, ke antaŭ 2025, 75% de la datumoj estos prilaboritaj ĉe la rando, emfazante la grandegan potencialon de la merkato por randaj AI-MCU-oj. Ĉi tio montras, ke la postulo je randa AI-komputiko rapide kreskas, kaj MCU, kiel la kerna komponanto de randaj aparatoj, ludos ŝlosilan rolon en ĉi tiu tendenco.
Estonte, mikrokontrolaj uniformoj (MCU-oj) ne plu limiĝos al tradiciaj stirfunkcioj, sed iom post iom integros kapablojn de artefarita inteligenteco (AI) por rezonado kaj estos aplikataj al scenaroj kiel bildrekono, voĉprilaborado kaj prognoza prizorgado de ekipaĵo. MCU-oj kun randkomputikaj kapabloj fariĝos grava portanto de randkomputika potenco pro sia malalta energikonsumo, alta efikeco kaj tuja respondo, provizante pli fortan subtenon por inteligentaj aparatoj kaj sistemoj.
Aliaj gravaj fabrikantoj de mikroprocesoroj (MCU) ankaŭ aktive akiras kaj konkuras en ĉi tiu kampo, kiel ekzemple la akiro de Reality AI fare de Renesas Electronics, la akiro de la sveda Imagimob fare de Infineon, kaj la lanĉo de maŝinlernada programaro eIQ kaj AI-ilaro-ĉeno NANO fare de NXP.
Oni povas konkludi, ke randa AI fariĝos ŝlosila batalkampo por mikrokontrolitaj uniformoj (MCU-oj) en la venontaj jaroj.
Aŭtomobila elektroniko: la fokuso de kapitalkonkurenco
Lastatempe, fuzioj kaj akiroj de duonkonduktaĵoj rilataj al aŭtomobilaj aplikoj ofte aperis. Aldone al komputila povo, la evoluo de aŭtomobila potencotrajno, retkonekto en veturila, aŭdio en veturila kaj aliaj teknologioj ankaŭ pelis la ripeton kaj ĝisdatigon de duonkonduktaĵa teknologio, instigante rilatajn kompaniojn kompletigi sian propran teknologian aranĝon per fuzioj kaj akiroj.
La semikonduktaĵa industrio estas tipa teknologie intensa kaj kapitalintensa industrio. Rigardante retrospektive tra la pasintaj jardekoj, integriĝoj kaj fuzioj fariĝis neevitebla tendenco en la disvolviĝo de la industrio.
Gigantoj de artefarita inteligenteco (AI) ofte faras akirojn por plibonigi sian teknologian aranĝon kaj konstrui plenan avantaĝon de "ĉipo + sistemo + ekosistemo". Ĉefaj fabrikantoj de mikroprocesoroj iom post iom transformiĝas al pli moderna AI, provante kapti la merkaton de inteligentaj terminaloj kun malalta energikonsumo kaj alta fleksebleco. En la aŭtomobila kampo, enveturila komputado, aŭtonoma veturado kaj datuminterkonekto fariĝis ŝlosilaj areoj de kapitalkonkurado. Samtempe, la elektronika evoluiga datuma industrio ŝanĝiĝas de provizado de iloj al konstruado de ekosistemo. Gigantoj integras intelektan proprieton (IP) kaj dezajnajn procezojn, kaj konstruas merkatan dominecon per la arkitekturo "ilo-arkitekturo-normo".
En ĉi tiu ondo de fuzioj kaj akiroj, teknologia kunlaboro, merkata ekspansio kaj ekosistema domineco fariĝis la kerna logiko. Firmaoj bezonas balanci mallongdaŭran integriĝon kaj longdaŭran esploradon kaj disvolviĝon meze de la enfluo de kapitalo. Konsiderante la teknologiajn barojn kaj kapitalintensan naturon de la semikonduktaĵa industrio, ĉi tiu transformo ne estas "mallongvojo" sed "maratono", kiu postulas longdaŭran investon.
Afiŝtempo: 30-a de junio 2025