В последнее время в мировой полупроводниковой индустрии наблюдается волна слияний и поглощений, в рамках которой такие гиганты, как Qualcomm, AMD, Infineon и NXP, предпринимают шаги для ускорения интеграции технологий и расширения рынка.
Эти меры не только отражают стратегические соображения компаний, направленные на создание прочных альянсов и получение взаимодополняющих преимуществ в условиях жесткой рыночной конкуренции, но и указывают на то, что в полупроводниковой отрасли могут произойти новые изменения.
Проанализировав недавние международные слияния и поглощения в полупроводниковой отрасли, я в общих чертах выделил четыре ключевых слова: ИИ, MCU+, автомобили и EDA.
MCU+AI: неизбежный тренд
Компания STMicroelectronics приобретает Deeplite, сосредоточившись на разработке решений в области искусственного интеллекта для периферийных устройств.
В апреле этого года компания STMicroelectronics (ST) приобрела канадский стартап в области искусственного интеллекта Deeplite, что привлекло внимание отрасли. Как известно, одной из главных проблем, с которыми сталкиваются модели глубокого обучения при коммерческом внедрении, является их масштабируемость, требования к процессору и интенсивность энергопотребления. Deeplite решает эту проблему, предоставляя автоматизированный программный движок для оптимизации моделей глубоких нейронных сетей (DNN), позволяя ИИ выполнять граничные вычисления на любом устройстве.
Компания Deeplite, основанная в 2017 году, известна своим решением для периферийных вычислений на основе ИИ — DeepSeek, специализирующимся на оптимизации, квантовании и сжатии моделей ИИ. Ее инновационный оптимизатор Neutrino, работающий на основе ИИ, позволяет сжимать большие модели глубокого обучения до одной десятой от их исходного размера, сохраняя при этом точность более 98%. Благодаря трем ключевым технологиям — обрезке весов (удалению избыточных параметров), квантованию (снижению требований к вычислительной точности) и разреживанию (увеличению доли нулевых весов) — большие модели ИИ могут работать быстрее, занимать меньшие размеры и быть более энергоэффективными на периферийных устройствах. Приложения, которые ранее требовали возможностей облачных вычислений, теперь могут бесперебойно работать на периферийных устройствах, таких как камеры смартфонов и промышленные датчики.
Компания Deeplite привлекла к себе большое внимание на ранних этапах своего развития и была названа ведущим новатором в области периферийного ИИ такими изданиями, как Gartner, Forbes, Inside AI и ARM AI. Это приобретение тесно связано со стратегической трансформацией STMicroelectronics в сторону периферийного ИИ, который объединяет аппаратное и программное обеспечение по принципу «двойной спирали». Технология оптимизации моделей Deeplite глубоко интегрирована с микроконтроллерами серии STM32 и специализированными нейронными процессорами STMicroelectronics для поддержки создания комплексных решений в области ИИ. Например, в сценариях «умного производства» камеры, оснащенные чипами STMicroelectronics, могут напрямую обнаруживать дефекты без загрузки данных в облако, а скорость отклика увеличивается в 40 раз.
С другой стороны, Deeplite располагает командой инженеров мирового класса, специализирующихся на алгоритмах ИИ, благодаря которой ST сможет интегрировать более 200 инструментов разработки периферийных ИИ для формирования единой экосистемы разработки, представляющей собой «библиотеку моделей, оптимизатор и аппаратную платформу». Короче говоря, приобретение Deeplite не только завершает последний этап развития ST на уровне программного обеспечения для ИИ, но и знаменует собой сдвиг парадигмы в полупроводниковой промышленности от «производства чипов» к «производству мозга».
Компания NXP приобретает компанию Kinara, занимающуюся разработкой нейропроцессоров, для переориентации сегмента интеллектуальных периферийных устройств.
В феврале этого года компания NXP объявила о приобретении американского стартапа Kinara, занимающегося разработкой чипов для периферийных вычислений с использованием искусственного интеллекта, за 307 миллионов долларов США наличными. Компания Kinara была основана в 2013 году и первоначально называлась Core Viz, затем была переименована в Deep Vision, а в 2022 году – в Kinara. Дискретный нейронный процессор Kinara (включая Ara-1 и Ara-2) лидирует в отрасли по производительности и энергоэффективности, что делает его предпочтительным решением для новых приложений искусственного интеллекта, основанных на зрении, голосе, жестах и других различных реализациях генеративного ИИ, а его программируемость гарантирует адаптацию к развивающимся алгоритмам ИИ.
Компания NXP заявила, что это приобретение объединит независимый нейропроцессор Kinara со своим собственным портфелем процессоров, средств связи и программного обеспечения для обеспечения безопасности, что поможет создать полную и масштабируемую платформу искусственного интеллекта — от TinyML до генеративного ИИ — для удовлетворения быстро растущих потребностей в ИИ на промышленном и автомобильном рынках. Это поможет создать новые системы на основе ИИ в промышленной сфере и сфере Интернета вещей, поможет клиентам упростить сложные процессы, ускорить вывод продукции на рынок и расширить технические возможности в таких областях, как умные автомобили, продвигаясь к областям с высокой добавленной стоимостью.
Периферийный ИИ: поле битвы для производителей микроконтроллеров.
В области искусственного интеллекта давно существует ошибочное мнение, что «масштаб — это сила». Хотя большие модели демонстрируют превосходные результаты, в реальном применении они сталкиваются с проблемами — высокое энергопотребление противоречит требованиям к легковесности на периферии сети. Эксперты отрасли неоднократно указывали на присущие сценариям применения больших моделей ограничения: с одной стороны, обучение и запуск больших моделей требуют огромных вычислительных ресурсов; с другой стороны, ключевыми областями для развития индустриализации искусственного интеллекта являются именно периферийные вычисления и терминальные устройства, которые более чувствительны к энергопотреблению и задержкам.
Нетрудно понять, что вышеупомянутые приобретения показывают, что основное поле битвы для микроконтроллеров смещается в сторону периферийных вычислений с использованием искусственного интеллекта. Ожидается, что к 2025 году 75% данных будут обрабатываться на периферии, что подчеркивает огромный потенциал рынка микроконтроллеров для периферийных вычислений с использованием ИИ. Это свидетельствует о быстром росте спроса на периферийные вычисления с использованием ИИ, и микроконтроллеры, как основной компонент периферийных устройств, будут играть ключевую роль в этой тенденции.
В будущем микроконтроллеры перестанут ограничиваться традиционными функциями управления, а постепенно будут интегрировать возможности искусственного интеллекта и применяться в таких сценариях, как распознавание изображений, обработка голоса и прогнозирование технического обслуживания оборудования. Микроконтроллеры с возможностями граничных вычислений станут важным носителем вычислительной мощности благодаря низкому энергопотреблению, высокой эффективности и мгновенному отклику, обеспечивая более мощную поддержку интеллектуальных устройств и систем.
Другие крупные производители микроконтроллеров также активно приобретают другие компании и конкурируют в этой области, например, приобретение компанией Renesas Electronics компании Reality AI, приобретение компанией Infineon шведской компании Imagimob, а также запуск компанией NXP программного обеспечения для машинного обучения eIQ и набора инструментов искусственного интеллекта NANO.
Можно сделать вывод, что в ближайшие несколько лет периферийный искусственный интеллект станет ключевым полем битвы для микроконтроллеров.
Автомобильная электроника: в центре конкуренции за капитал
В последнее время участились слияния и поглощения в полупроводниковой отрасли, связанные с автомобильной промышленностью. Помимо вычислительной мощности, развитие автомобильных силовых агрегатов, автомобильных сетевых соединений, автомобильных аудиосистем и других технологий также способствовало совершенствованию и обновлению полупроводниковых технологий, побуждая соответствующие компании дополнять свои собственные технологические разработки посредством слияний и поглощений.
Полупроводниковая промышленность — это типичная технологически и капиталоемкая отрасль. Оглядываясь на последние несколько десятилетий, можно отметить, что интеграция и слияния стали неизбежной тенденцией в развитии этой отрасли.
Гиганты в сфере искусственного интеллекта часто совершают приобретения, стремясь улучшить свою технологическую структуру и создать комплексное конкурентное преимущество, основанное на концепции «чип + система + экосистема». Основные производители микроконтроллеров постепенно переходят к периферийному ИИ, пытаясь завоевать рынок интеллектуальных терминалов благодаря низкому энергопотреблению и высокой гибкости. В автомобильной отрасли ключевыми областями конкуренции стали бортовые вычисления, автономное вождение и межсетевое взаимодействие данных. В то же время индустрия EDA переходит от предоставления инструментов к созданию экосистемы. Гиганты интегрируют интеллектуальную собственность и процессы проектирования, создавая доминирование на рынке за счет архитектуры «инструмент-архитектура-стандарт».
В этой волне слияний и поглощений технологическое сотрудничество, расширение рынка и доминирование в экосистеме стали основополагающими принципами. Компаниям необходимо балансировать между краткосрочной интеграцией и долгосрочными исследованиями и разработками в условиях притока капитала. Учитывая технологические барьеры и капиталоемкий характер полупроводниковой промышленности, эта трансформация — не «кратчайший путь», а «марафон», требующий долгосрочных инвестиций.
Дата публикации: 30 июня 2025 г.