W ostatnim czasie w światowym przemyśle półprzewodników obserwujemy falę fuzji i przejęć, a giganci tacy jak Qualcomm, AMD, Infineon i NXP podejmują działania mające na celu przyspieszenie integracji technologii i ekspansji rynkowej.
Działania te nie tylko odzwierciedlają strategiczne założenia firm dotyczące poszukiwania silnych sojuszy i uzupełniających się korzyści w zaciętej konkurencji rynkowej, ale także wskazują, że branża półprzewodników może wprowadzać nowe zmiany.
Analizując ostatnie międzynarodowe fuzje i przejęcia w branży półprzewodników, udało mi się w przybliżeniu wyodrębnić cztery kluczowe słowa: AI, MCU+, motoryzacja i EDA.
MCU+AI: nieunikniony trend
STMicroelectronics przejmuje Deeplite, koncentrując się na sztucznej inteligencji brzegowej
W kwietniu tego roku firma STMicroelectronics (ST) przejęła kanadyjski startup z branży sztucznej inteligencji Deeplite, co przyciągnęło uwagę branży. Jak wiadomo, głównym wyzwaniem stojącym przed modelami głębokiego uczenia w zastosowaniach komercyjnych jest ich skala operacyjna, wymagania procesorowe i intensywność zużycia energii. Deeplite rozwiązuje ten problem, dostarczając zautomatyzowany silnik oprogramowania do optymalizacji modeli DNN (głębokich sieci neuronowych), umożliwiając sztucznej inteligencji wykonywanie obliczeń brzegowych na dowolnym urządzeniu.
Założona w 2017 roku firma Deeplite jest znana ze swojego rozwiązania DeepSeek, opartego na sztucznej inteligencji (edge AI), koncentrującego się na optymalizacji, kwantyzacji i kompresji modeli AI. Jej innowacyjny, oparty na sztucznej inteligencji optymalizator Neutrino potrafi kompresować duże modele głębokiego uczenia do jednej dziesiątej ich pierwotnego rozmiaru, zachowując przy tym ponad 98% dokładności. Dzięki trzem kluczowym technologiom – redukcji wag (usuwaniu zbędnych parametrów), kwantyzacji (zmniejszaniu wymagań dotyczących dokładności obliczeniowej) i rozrzedzeniu (zwiększaniu udziału wag o wartościach zerowych), duże modele AI mogą działać szybciej, być mniejsze i bardziej energooszczędne na urządzeniach brzegowych. Aplikacje, które wcześniej wymagały możliwości przetwarzania w chmurze, mogą teraz płynnie działać na urządzeniach brzegowych, takich jak aparaty smartfonów i czujniki przemysłowe.
Firma Deeplite od samego początku przyciągała uwagę i została uznana za czołowego innowatora w dziedzinie AI przez Gartnera, Forbesa, Inside AI i ARM AI. To przejęcie jest ściśle związane ze strategiczną transformacją firmy STMicroelectronics w kierunku AI brzegowej, która łączy sprzęt i oprogramowanie w sposób „podwójnej helisy”. Technologia optymalizacji modeli Deeplite jest głęboko zintegrowana z mikrokontrolerami serii STM32 firmy STMicroelectronics oraz dedykowanymi układami NPU, co wspiera budowę kompleksowych rozwiązań AI. Na przykład, w scenariuszach inteligentnej fabryki, kamery wyposażone w układy STMicroelectronics mogą bezpośrednio wykrywać defekty bez przesyłania danych do chmury, a szybkość reakcji wzrasta 40-krotnie.
Z drugiej strony, Deeplite dysponuje światowej klasy zespołem inżynierów algorytmów AI, dzięki któremu ST zintegruje ponad 200 narzędzi programistycznych dla rozwiązań edge AI, tworząc ujednolicony ekosystem programistyczny obejmujący „bibliotekę modeli, optymalizator i platformę sprzętową”. Krótko mówiąc, przejęcie Deeplite nie tylko dopełnia ostatni element układanki ST na poziomie oprogramowania AI, ale także oznacza zmianę paradygmatu branży półprzewodników z „produkcji chipów” na „produkcję mózgów”.
NXP przejmuje firmę NPU Kinara, aby zmienić pozycję inteligentnego rozwiązania brzegowego
W lutym tego roku firma NXP ogłosiła przejęcie amerykańskiego startupu Kinara, zajmującego się chipami edge AI, za kwotę 307 milionów dolarów w gotówce. Firma Kinara została założona w 2013 roku i pierwotnie nosiła nazwę Core Viz, później przemianowaną na Deep Vision, a w 2022 roku na Kinara. Dyskretny procesor NPU firmy Kinara (w tym Ara-1 i Ara-2) jest liderem w branży pod względem wydajności i energooszczędności, co czyni go preferowanym rozwiązaniem dla nowych aplikacji AI opartych na wizji, głosie, gestach i innych generatywnych implementacjach AI. Jego programowalność gwarantuje, że może on dostosowywać się do ewoluujących algorytmów AI.
Firma NXP poinformowała, że dzięki tej akwizycji niezależny procesor NPU firmy Kinara zostanie połączony z jej własnym portfolio oprogramowania do przetwarzania, łączności i bezpieczeństwa. Pozwoli to na stworzenie kompletnej i skalowalnej platformy AI, od TinyML po generatywną AI, która sprosta dynamicznie rosnącym potrzebom rynku przemysłowego i motoryzacyjnego w zakresie AI. Pomoże to w tworzeniu nowych systemów opartych na AI w przemyśle i Internecie Rzeczy, pomoże klientom uprościć złożoność, skrócić czas wprowadzania produktów na rynek oraz wzmocnić możliwości techniczne w obszarach takich jak inteligentne samochody, dążąc do rozwoju w kierunku sektorów o wysokiej wartości dodanej.
Sztuczna inteligencja na krawędzi: pole bitwy dla producentów mikrokontrolerów
W dziedzinie sztucznej inteligencji od dawna panuje błędne przekonanie, że „skala to potęga”. Chociaż duże modele charakteryzują się doskonałą wydajnością, ich wdrożenie napotyka na trudności – ich wysokie zużycie energii stoi w sprzeczności z wymaganiami dotyczącymi lekkości w obszarze brzegowym. Eksperci branżowi wielokrotnie wskazywali na nieodłączne ograniczenia scenariuszy zastosowań dużych modeli: z jednej strony trenowanie i uruchamianie dużych modeli wymaga ogromnych zasobów obliczeniowych; z drugiej strony, kluczowymi obszarami promowania industrializacji sztucznej inteligencji są właśnie przetwarzanie brzegowe i urządzenia końcowe, które są bardziej wrażliwe na zużycie energii i opóźnienia.
Nietrudno zrozumieć, że powyższe przejęcia pokazują, iż głównym polem bitwy mikrokontrolerów (MCU) staje się przetwarzanie brzegowe AI. Oczekuje się, że do 2025 roku 75% danych będzie przetwarzane na brzegu sieci, co podkreśla ogromny potencjał rynku mikrokontrolerów (MCU) w kontekście AI brzegowej. Pokazuje to, że popyt na przetwarzanie brzegowe AI dynamicznie rośnie, a mikrokontrolery (MCU), jako główny komponent urządzeń brzegowych, odegrają kluczową rolę w tym trendzie.
W przyszłości mikrokontrolery nie będą już ograniczone do tradycyjnych funkcji sterowania, lecz będą stopniowo integrować możliwości wnioskowania AI i znajdą zastosowanie w takich scenariuszach, jak rozpoznawanie obrazu, przetwarzanie głosu i predykcyjna konserwacja sprzętu. Mikrokontrolery z funkcjami przetwarzania brzegowego staną się ważnym nośnikiem mocy obliczeniowej na brzegu sieci dzięki niskiemu zużyciu energii, wysokiej wydajności i natychmiastowej reakcji, zapewniając lepsze wsparcie dla inteligentnych urządzeń i systemów.
Inni główni producenci mikrokontrolerów również aktywnie działają na tym polu i podejmują rywalizację, czego przykładem może być przejęcie Reality AI przez Renesas Electronics, przejęcie szwedzkiego Imagimob przez Infineon oraz wprowadzenie przez NXP oprogramowania do uczenia maszynowego eIQ i zestawu narzędzi AI NANO.
Można wnioskować, że w ciągu najbliższych kilku lat sztuczna inteligencja brzegowa stanie się kluczowym polem bitwy dla mikrokontrolerów.
Elektronika samochodowa: w centrum uwagi konkurencji kapitałowej
W ostatnim czasie często dochodziło do fuzji i przejęć w branży półprzewodników związanych z zastosowaniami motoryzacyjnymi. Oprócz mocy obliczeniowej, ewolucja układów napędowych, połączeń sieciowych w pojazdach, systemów audio w pojazdach i innych technologii napędzała również iterację i aktualizację technologii półprzewodnikowej, co skłoniło firmy z nią powiązane do uzupełniania własnych struktur technologicznych poprzez fuzje i przejęcia.
Branża półprzewodników to typowa branża technologicznie i kapitałochłonna. Patrząc wstecz na ostatnie dekady, integracja i fuzje stały się nieuniknionym trendem w rozwoju branży.
Giganci AI często dokonują przejęć, aby udoskonalić swoją infrastrukturę technologiczną i zbudować pełną przewagę w oparciu o zasadę „chip + system + ekosystem”. Producenci mikrokontrolerów (MCU) stopniowo przechodzą na rozwiązania edge AI, dążąc do przejęcia rynku inteligentnych terminali o niskim zużyciu energii i wysokiej elastyczności. W branży motoryzacyjnej, komputery pokładowe, autonomiczne systemy kierowania pojazdami i łączność danych stały się kluczowymi obszarami rywalizacji kapitałowej. Jednocześnie branża EDA (Electronics and Digital Array) przechodzi od dostarczania narzędzi do budowania ekosystemu. Giganci integrują własność intelektualną i procesy projektowe, budując dominującą pozycję na rynku poprzez architekturę „narzędzie-architektura-standard”.
W tej fali fuzji i przejęć, współpraca technologiczna, ekspansja rynkowa i dominacja w ekosystemie stały się podstawową logiką. Firmy muszą znaleźć równowagę między krótkoterminową integracją a długoterminowymi badaniami i rozwojem w obliczu napływu kapitału. Biorąc pod uwagę bariery technologiczne i kapitałochłonność branży półprzewodników, ta transformacja nie jest „drogą na skróty”, lecz „maratonem” wymagającym długoterminowych inwestycji.
Czas publikacji: 30 czerwca 2025 r.