Новини галузі: Злиття та поглинання в світовій напівпровідниковій промисловості знову зростають

MCU+AI: неминуча тенденція

STMicroelectronics придбала Deeplite, зосередившись на периферійному штучному інтелекті

У квітні цього року STMicroelectronics (ST) придбала канадський стартап у сфері штучного інтелекту Deeplite, що привернуло увагу галузі. Як ми всі знаємо, основною проблемою, з якою стикаються моделі глибокого навчання в комерційному розгортанні, є їх масштаб роботи, вимоги до процесора та інтенсивність енергоспоживання. Deeplite вирішує цю проблему, надаючи автоматизований програмний механізм для оптимізації моделей DNN (глибоких нейронних мереж), що дозволяє штучному інтелекту виконувати периферійні обчислення на будь-якому пристрої.

Заснована у 2017 році, компанія Deeplite відома своїм рішенням для периферійного штучного інтелекту DeepSeek, яке зосереджено на оптимізації, квантуванні та стисканні моделей штучного інтелекту. Її інноваційний оптимізатор на базі штучного інтелекту Neutrino може стискати великі моделі глибокого навчання до однієї десятої від їх початкового розміру, зберігаючи при цьому точність понад 98%. Завдяки трьом ключовим технологіям – скороченню ваг (видалення надлишкових параметрів), квантуванню (зменшенню вимог до обчислювальної точності) та розрідженню (збільшенню частки ваг з нульовим значенням), великі моделі штучного інтелекту можуть працювати швидше, з меншими розмірами та з більшою енергоефективністю на периферійних пристроях. Програми, які раніше вимагали можливостей хмарних обчислень, тепер можуть безперебійно працювати на периферійних пристроях, таких як камери смартфонів та промислові датчики.

Компанія Deeplite привернула значну увагу на початку своєї діяльності та була названа Gartner, Forbes, Inside AI та ARM AI передовим новатором у сфері штучного інтелекту. Це придбання тісно пов'язане зі стратегічною трансформацією STMicroelectronics до периферійного штучного інтелекту, який поєднує апаратне та програмне забезпечення за принципом «подвійної спіралі». Технологія оптимізації моделей Deeplite глибоко інтегрована з мікроконтролерами серії STM32 та спеціалізованими нейронними процесорами STMicroelectronics для підтримки побудови комплексних рішень на основі штучного інтелекту. Наприклад, у сценаріях «розумної фабрики» камери, оснащені мікросхемами STMicroelectronics, можуть безпосередньо виявляти дефекти без завантаження даних у хмару, а швидкість відгуку збільшується в 40 разів.

З іншого боку, Deeplite має команду інженерів-алгоритмів штучного інтелекту світового класу, завдяки якій ST інтегрує понад 200 інструментів розробки на передових рівнях штучного інтелекту, щоб сформувати єдину екосистему розробки «бібліотека моделей-оптимізатор-апаратна платформа». Коротше кажучи, придбання Deeplite не лише завершує останній фрагмент пазлу ST на рівні програмного забезпечення штучного інтелекту, але й знаменує собою зміну парадигми напівпровідникової галузі від «виробництва чіпів» до «виробництва мізків».

NXP придбає компанію-розробника нейронних процесорів Kinara для репозиціонування Smart Edge

У лютому цього року NXP оголосила про придбання американського стартапу Kinara, що спеціалізується на передових чіпах штучного інтелекту, за 307 мільйонів доларів США готівкою. Kinara була заснована у 2013 році та спочатку називалася Core Viz, пізніше перейменована на Deep Vision, а у 2022 році перейменована на Kinara. Дискретний нейронний процесор Kinara (включаючи Ara-1 та Ara-2) лідирує в галузі за продуктивністю та енергоефективністю, що робить його кращим рішенням для нових застосувань штучного інтелекту, що базуються на зрі, голосі, жестах та інших різних генеративних реалізаціях штучного інтелекту, а його програмованість гарантує, що він може адаптуватися до алгоритмів штучного інтелекту, що розвиваються.

NXP заявила, що це придбання об'єднає незалежний нейронний процесор Kinara з власним портфоліо процесорів, програмного забезпечення для підключення та безпеки, що допоможе забезпечити повну та масштабовану платформу штучного інтелекту від TinyML до генеративного штучного інтелекту для задоволення швидкозростаючих потреб промислового та автомобільного ринків у сфері штучного інтелекту. Це допоможе створити нові системи на базі штучного інтелекту в промисловій та інтернет-сферах, спростить складність рішень, прискорить час виведення продуктів на ринок та розширить технічні можливості в таких галузях, як розумні автомобілі, рухаючись у напрямку галузей з високою доданою вартістю.

Edge AI: поле битви для виробників мікроконтролерів

У сфері штучного інтелекту довгий час існувала помилкова думка, що «масштаб — це сила». Хоча великі моделі мають чудову продуктивність, вони стикаються з труднощами в практичному розгортанні — їхнє високе енергоспоживання суперечить вимогам до легкої ваги на периферії. Галузеві експерти неодноразово вказували на притаманні обмеження сценаріїв застосування великих моделей: з одного боку, навчання та запуск великих моделей вимагає величезних обчислювальних ресурсів; з іншого боку, ключовими напрямками для просування індустріалізації штучного інтелекту є саме периферійні обчислення та термінальні пристрої, які більш чутливі до енергоспоживання та затримки.

Неважко зрозуміти, що вищезгадані придбання показують, що головне поле бою мікроконтролерів (МК) зміщується до периферійних обчислень зі штучним інтелектом. Очікується, що до 2025 року 75% даних оброблятиметься на периферії, що підкреслює величезний потенціал ринку мікроконтролерів зі штучним інтелектом на периферії. Це показує, що попит на периферійні обчислення зі штучним інтелектом стрімко зростає, і МК, як основний компонент периферійних пристроїв, відіграватиме ключову роль у цій тенденції.

У майбутньому мікроконтролери (МК) більше не обмежуватимуться традиційними функціями керування, а поступово інтегруватимуть можливості штучного інтелекту та застосовуватимуться в таких сценаріях, як розпізнавання зображень, обробка голосу та прогнозне обслуговування обладнання. Мікроконтролери з можливостями периферійних обчислень стануть важливим носієм потужності периферійних обчислень завдяки низькому енергоспоживанню, високій ефективності та миттєвому реагуванню, забезпечуючи потужнішу підтримку для інтелектуальних пристроїв та систем.

Інші великі виробники мікроконтролерів також активно купують та конкурують у цій галузі, такі як придбання Renesas Electronics компанії Reality AI, придбання Infineon шведської Imagimob, а також запуск NXP програмного забезпечення для машинного навчання eIQ та ланцюжка інструментів штучного інтелекту NANO.

Можна зробити висновок, що периферійний штучний інтелект стане ключовим полем битви для мікроконтролерів у найближчі кілька років.

Автомобільна електроніка: фокус конкуренції капіталу

Останнім часом часто трапляються злиття та поглинання напівпровідникових компаній, пов'язані з автомобільною сферою застосування. Окрім обчислювальної потужності, еволюція автомобільних силових агрегатів, мережевого з'єднання в автомобілях, аудіосистеми в автомобілях та інших технологій також сприяла ітерації та оновленню напівпровідникових технологій, що спонукало пов'язані компанії доповнювати власні технологічні схеми шляхом злиттів та поглинань.

Напівпровідникова промисловість є типовою техноємною та капіталомісткою галуззю. Озираючись на останні кілька десятиліть, інтеграція та злиття стали неминучою тенденцією розвитку галузі.

Гіганти штучного інтелекту часто здійснюють придбання, прагнучи покращити свою технологічну структуру та створити повноцінну перевагу «чіп + система + екосистема». Основні виробники мікроконтролерів поступово переходять на периферійний штучний інтелект, намагаючись захопити ринок інтелектуальних терміналів з низьким енергоспоживанням та високою гнучкістю. В автомобільній галузі бортові обчислення, автономне водіння та взаємозв'язок даних стали ключовими сферами конкуренції капіталу. Водночас індустрія електронних додатків (EDA) переходить від надання інструментів до побудови екосистеми. Гіганти інтегрують інтелектуальну власність та процеси проектування, а також будують домінування на ринку завдяки архітектурі «інструмент-архітектура-стандарт».

У цій хвилі злиттів та поглинань технологічна співпраця, розширення ринку та домінування в екосистемі стали основною логікою. Компаніям необхідно балансувати між короткостроковою інтеграцією та довгостроковими дослідженнями та розробками на тлі припливу капіталу. Враховуючи технологічні бар'єри та капіталомісткий характер напівпровідникової промисловості, ця трансформація є не «скороченим шляхом», а «марафоном», який вимагає довгострокових інвестицій.