חדשות בתעשייה: מיזוגים ורכישות של תעשיית המוליכים למחצה העולמית שוב במגמת עלייה

מיקרו-בקר + בינה מלאכותית: מגמה בלתי נמנעת

STMicroelectronics רוכשת את Deeplite, תוך התמקדות בבינה מלאכותית בקצה

באפריל השנה, רכשה STMicroelectronics (ST) את סטארט-אפ הבינה המלאכותית הקנדי Deeplite, משכה תשומת לב בתעשייה. כידוע לכולנו, אתגר מרכזי העומד בפני מודלים של למידה עמוקה בפריסה מסחרית הוא קנה המידה המבצעי שלהם, דרישות המעבד ועוצמת צריכת החשמל שלהם. Deeplite פותר בעיה זו על ידי אספקת מנוע תוכנה אוטומטי לייעול מודלים של DNN (רשת נוירונים עמוקה), המאפשר לבינה מלאכותית לבצע מחשוב קצה על כל מכשיר.

Deeplite, שנוסדה בשנת 2017, ידועה בזכות פתרון הבינה המלאכותית שלה לקצה, DeepSeek, המתמקד באופטימיזציה, כימות ודחיסה של מודלים של בינה מלאכותית. הממטב החדשני שלה, Neutrino, המונע על ידי בינה מלאכותית, יכול לדחוס מודלים גדולים של למידה עמוקה לעשירית מגודלם המקורי תוך שמירה על דיוק של יותר מ-98%. באמצעות שלוש טכנולוגיות מרכזיות - צמצום משקל (הסרת פרמטרים מיותרים), כימות (הפחתת דרישות דיוק חישובי) ודליפות (הגדלת שיעור המשקלים בעלי ערך אפס), מודלים גדולים של בינה מלאכותית יכולים לפעול מהר יותר, קטנים יותר וחסכוניים יותר באנרגיה על התקני קצה. יישומים שבעבר דרשו יכולות מחשוב ענן יכולים כעת לפעול בצורה חלקה על התקני קצה כמו מצלמות סמארטפונים וחיישנים תעשייתיים.

Deeplite משכה תשומת לב רבה בימיה הראשונים והוכרזה כחדשנית מובילה בתחום הבינה המלאכותית על ידי גרטנר, פורבס, Inside AI ו-ARM AI. רכישה זו קשורה קשר הדוק לשינוי האסטרטגי של STMicroelectronics לבינה מלאכותית בקצה, המשלבת חומרה ותוכנה בצורה של "סליל כפול". טכנולוגיית אופטימיזציית המודלים של Deeplite משולבת באופן עמוק עם מיקרו-בקרים מסדרת STM32 של STMicroelectronics ויחידות NPU ייעודיות לתמיכה בבניית פתרונות בינה מלאכותית מקצה לקצה. לדוגמה, בתרחישי מפעל חכם, מצלמות המצוידות בשבבי STMicroelectronics יכולות לזהות פגמים ישירות מבלי להעלות נתונים לענן, ומהירות התגובה גדלה פי 40.

מצד שני, ל-Deeplite יש צוות ברמה עולמית של מהנדסי אלגוריתמים בתחום הבינה המלאכותית, שבאמצעותו ST תשלב יותר מ-200 כלי פיתוח בתחום הבינה המלאכותית כדי ליצור מערכת אקולוגית מאוחדת של פיתוח של "ספריית מודלים-אופטימיזציה-פלטפורמת חומרה". בקיצור, רכישת Deeplite לא רק משלימה את החלק האחרון בפאזל של ST ברמת תוכנת הבינה המלאכותית, אלא גם מסמנת את שינוי הפרדיגמה של תעשיית המוליכים למחצה מ"ייצור שבבים" ל"ייצור מוחות".

NXP רוכשת את חברת Kinara, חברת NPU, כדי למקם מחדש את הקצה החכם

בפברואר השנה, NXP הודיעה על רכישת סטארט-אפ שבבי הבינה המלאכותית האמריקאי Kinara תמורת 307 מיליון דולר במזומן. Kinara נוסדה בשנת 2013 ושמה המקורי היה Core Viz, מאוחר יותר שונה שמה ל-Deep Vision, ושמה היה Kinara בשנת 2022. ה-NPU הנפרד של Kinara (כולל Ara-1 ו-Ara-2) מוביל את התעשייה בביצועים ויעילות אנרגטית, מה שהופך אותו לפתרון המועדף עבור יישומי בינה מלאכותית מתפתחים המונעים על ידי ראייה, קול, מחוות ויישומים יצירתיים שונים אחרים של בינה מלאכותית, ויכולת התכנות שלו מבטיחה שהוא יכול להסתגל לאלגוריתמים מתפתחים של בינה מלאכותית.

NXP מסרה כי רכישה זו תשלב את ה-NPU העצמאי של Kinara עם תיק מעבדים, קישוריות ותוכנות אבטחה משלה, אשר יסייע לספק פלטפורמת בינה מלאכותית מלאה וניתנת להרחבה, החל מ-TinyML ועד לבינה מלאכותית גנרטיבית, כדי לענות על צרכי הבינה המלאכותית הצומחים במהירות של שוקי התעשייה והרכב. זה יסייע ביצירת מערכות חדשות המונעות על ידי בינה מלאכותית בתחומי התעשייה וה-IoT, יעזור ללקוחות לפשט את המורכבות, יזרז את זמן ההגעה לשוק, וישפר יכולות טכניות בתחומים כמו מכוניות חכמות, תוך התקדמות לתחומים בעלי ערך מוסף גבוה.

בינה מלאכותית בקצה: ​​שדה קרב עבור יצרני מיקרו-בקרים

בתחום הבינה המלאכותית קיימת זה מכבר תפיסה מוטעית ש"קנה מידה הוא כוח". למרות שמודלים גדולים בעלי ביצועים מצוינים, הם מתמודדים עם אתגרים בפריסה בפועל - צריכת האנרגיה הגבוהה שלהם מנוגדת לדרישות המשקל בצד הקצה. מומחים בתעשייה הצביעו שוב ושוב על המגבלות הטבועות בתרחישי יישום של מודלים גדולים: מצד אחד, אימון והפעלת מודלים גדולים דורשים משאבי מחשוב עצומים; מצד שני, התחומים המרכזיים לקידום התיעוש של הבינה המלאכותית הם דווקא מחשוב קצה והתקני קצה הרגישים יותר לצריכת חשמל ולזמן השהייה.

לא קשה להבין שהרכישות הנ"ל מראות ששדה הקרב העיקרי של מיקרו-בקרים עובר למחשוב בינה מלאכותית בקצה. הצפי הוא שעד שנת 2025, 75% מהנתונים יעובדו בקצה, דבר המדגיש את הפוטנציאל העצום של שוק המיקרו-בקרים בבינה מלאכותית בקצה. זה מראה שהביקוש למחשוב בינה מלאכותית בקצה גדל במהירות, ו-MCU, כמרכיב הליבה של התקני קצה, ימלא תפקיד מפתח במגמה זו.

בעתיד, מיקרו-בקרים (MCUs) לא יהיו מוגבלים עוד לפונקציות בקרה מסורתיות, אלא ישלבו בהדרגה יכולות חשיבה מבוססות בינה מלאכותית (AI) ויוחלו לתרחישים כגון זיהוי תמונה, עיבוד קולי ותחזוקה ניבויית של ציוד. מיקרו-בקרים עם יכולות מחשוב קצה יהפכו לנשא חשוב של כוח מחשוב קצה הודות לצריכת החשמל הנמוכה שלהם, יעילות גבוהה ותגובה מיידית, ויספקו תמיכה חזקה יותר למכשירים ומערכות חכמים.

יצרניות מיקרו-בקרים גדולות אחרות רוכשות ומתחרות באופן פעיל בתחום זה, כגון רכישת Reality AI על ידי Renesas Electronics, רכישת Imagimob השוודית על ידי Infineon, והשקת תוכנת למידת המכונה eIQ ושרשרת כלי הבינה המלאכותית NANO על ידי NXP.

ניתן להסיק כי בינה מלאכותית בקצה תהפוך לשדה קרב מרכזי עבור מיקרו-בקר בשנים הקרובות.

אלקטרוניקה לרכב: מוקד תחרות ההון

לאחרונה, מיזוגים ורכישות של מוליכים למחצה הקשורים ליישומי רכב הופיעו לעתים קרובות. בנוסף לכוח המחשוב, התפתחות מערכת ההינע לרכב, חיבור רשת ברכב, אודיו ברכב וטכנולוגיות אחרות הובילה גם היא לאיטרציה ולעדכון של טכנולוגיית מוליכים למחצה, מה שגרם לחברות קשורות להשלים את מערך הטכנולוגיה שלהן באמצעות מיזוגים ורכישות.

תעשיית המוליכים למחצה היא תעשייה טיפוסית עתירת טכנולוגיה והון. במבט לאחור על העשורים האחרונים, אינטגרציה ומיזוגים הפכו למגמה בלתי נמנעת בהתפתחות התעשייה.

ענקיות בינה מלאכותית מבצעות לעתים קרובות רכישות במאמץ לשפר את מערך הטכנולוגיה שלהן ולבנות יתרון מלא של "שבב + מערכת + מערכת אקולוגית". יצרני מיקרו-בקרים מיינסטרים עוברים בהדרגה לתחום הבינה המלאכותית בקצה, ומנסים לתפוס את שוק המסופים החכמים עם צריכת חשמל נמוכה וגמישות גבוהה. בתחום הרכב, מחשוב בתוך כלי רכב, נהיגה אוטונומית וחיבור נתונים הפכו לתחומים מרכזיים של תחרות הון. במקביל, תעשיית ה-EDA עוברת מאספקת כלים לבניית מערכת אקולוגית. ענקיות משלבות תהליכי IP ותכנון, ובונות דומיננטיות בשוק באמצעות ארכיטקטורת "סטנדרט כלי-ארכיטקטורה".

בגל מיזוגים ורכישות זה, שיתוף פעולה טכנולוגי, התרחבות שוק ודומיננטיות של המערכת האקולוגית הפכו להיגיון המרכזי. חברות צריכות לאזן בין אינטגרציה לטווח קצר לבין מחקר ופיתוח לטווח ארוך, על רקע זרם ההון. בהתחשב במחסומים הטכנולוגיים ובאופייה עתיר ההון של תעשיית המוליכים למחצה, טרנספורמציה זו אינה "קיצור דרך" אלא "מרתון" הדורש השקעה לטווח ארוך.