ข่าวอุตสาหกรรม: การควบรวมและซื้อกิจการในอุตสาหกรรมเซมิคอนดักเตอร์ทั่วโลกกำลังเพิ่มสูงขึ้นอีกครั้ง

MCU+AI: แนวโน้มที่หลีกเลี่ยงไม่ได้

STMicroelectronics เข้าซื้อกิจการ Deeplite โดยมุ่งเน้นไปที่ AI สำหรับอุปกรณ์ปลายทาง (Edge AI)

เมื่อเดือนเมษายนปีนี้ STMicroelectronics (ST) ได้เข้าซื้อกิจการ Deeplite สตาร์ทอัพด้าน AI จากแคนาดา ซึ่งดึงดูดความสนใจจากอุตสาหกรรมเป็นอย่างมาก อย่างที่เราทราบกันดี ความท้าทายสำคัญที่โมเดลการเรียนรู้เชิงลึกต้องเผชิญในการใช้งานเชิงพาณิชย์คือ ขนาดการทำงาน ความต้องการหน่วยประมวลผล และความเข้มข้นของการใช้พลังงาน Deeplite แก้ปัญหานี้โดยการจัดหาเครื่องมือซอฟต์แวร์อัตโนมัติเพื่อเพิ่มประสิทธิภาพโมเดล DNN (โครงข่ายประสาทเทียมเชิงลึก) ทำให้ AI สามารถประมวลผลแบบ Edge Computing บนอุปกรณ์ใดก็ได้

Deeplite ก่อตั้งขึ้นในปี 2017 เป็นที่รู้จักในด้านโซลูชัน AI สำหรับอุปกรณ์ปลายทาง DeepSeek ซึ่งมุ่งเน้นไปที่การเพิ่มประสิทธิภาพ การลดจำนวนพารามิเตอร์ และการบีบอัดโมเดล AI Neutrino ซึ่งเป็นตัวเพิ่มประสิทธิภาพที่ขับเคลื่อนด้วย AI ที่ล้ำสมัย สามารถบีบอัดโมเดลการเรียนรู้เชิงลึกขนาดใหญ่ให้เหลือเพียงหนึ่งในสิบของขนาดเดิม ในขณะที่ยังคงรักษาความแม่นยำได้มากกว่า 98% ด้วยเทคโนโลยีหลักสามประการ ได้แก่ การตัดแต่งน้ำหนัก (การลบพารามิเตอร์ที่ซ้ำซ้อน) การลดจำนวนพารามิเตอร์ (การลดความต้องการความแม่นยำในการคำนวณ) และการทำให้เบาบางลง (การเพิ่มสัดส่วนของน้ำหนักที่มีค่าเป็นศูนย์) ทำให้โมเดล AI ขนาดใหญ่สามารถทำงานได้เร็วขึ้น เล็กลง และประหยัดพลังงานมากขึ้นบนอุปกรณ์ปลายทาง แอปพลิเคชันที่ก่อนหน้านี้ต้องใช้ความสามารถในการประมวลผลบนคลาวด์ ตอนนี้สามารถทำงานได้อย่างราบรื่นบนอุปกรณ์ปลายทาง เช่น กล้องสมาร์ทโฟนและเซ็นเซอร์อุตสาหกรรม

Deeplite ได้รับความสนใจอย่างมากในช่วงเริ่มต้น และได้รับการยกย่องให้เป็นผู้นำด้านนวัตกรรม AI ระดับแนวหน้าจาก Gartner, Forbes, Inside AI และ ARM AI การเข้าซื้อกิจการครั้งนี้มีความเกี่ยวข้องอย่างใกล้ชิดกับการเปลี่ยนแปลงเชิงกลยุทธ์ของ STMicroelectronics ไปสู่ ​​AI ระดับ Edge Computing ซึ่งเป็นการผสมผสานฮาร์ดแวร์และซอฟต์แวร์ในลักษณะ "เกลียวคู่" เทคโนโลยีการเพิ่มประสิทธิภาพโมเดลของ Deeplite ได้รับการบูรณาการอย่างลึกซึ้งกับ MCU ซีรีส์ STM32 และ NPU เฉพาะของ STMicroelectronics เพื่อสนับสนุนการสร้างโซลูชัน AI แบบครบวงจร ตัวอย่างเช่น ในสถานการณ์โรงงานอัจฉริยะ กล้องที่ติดตั้งชิปของ STMicroelectronics สามารถตรวจจับข้อบกพร่องได้โดยตรงโดยไม่ต้องอัปโหลดข้อมูลไปยังคลาวด์ และความเร็วในการตอบสนองเพิ่มขึ้นถึง 40 เท่า

ในทางกลับกัน Deeplite มีทีมวิศวกรอัลกอริธึม AI ระดับโลก ซึ่ง ST จะนำเครื่องมือพัฒนา AI ระดับ Edge มากกว่า 200 รายการมาผสานรวมเพื่อสร้างระบบนิเวศการพัฒนาแบบครบวงจรของ "คลังโมเดล-ตัวปรับแต่ง-แพลตฟอร์มฮาร์ดแวร์" กล่าวโดยสรุป การเข้าซื้อกิจการ Deeplite ไม่เพียงแต่เติมเต็มชิ้นส่วนสุดท้ายของจิ๊กซอว์ของ ST ในระดับซอฟต์แวร์ AI เท่านั้น แต่ยังเป็นการเปลี่ยนแปลงกระบวนทัศน์ของอุตสาหกรรมเซมิคอนดักเตอร์จาก "การผลิตชิป" ไปสู่ ​​"การผลิตสมอง" อีกด้วย

NXP เข้าซื้อกิจการ Kinara บริษัทผู้ผลิตหน่วยประมวลผล NPU เพื่อปรับตำแหน่งทางการตลาดสำหรับเทคโนโลยีสมาร์ทเอดจ์

เมื่อเดือนกุมภาพันธ์ปีนี้ NXP ประกาศเข้าซื้อกิจการ Kinara สตาร์ทอัพด้านชิป AI สำหรับอุปกรณ์ปลายทางจากสหรัฐอเมริกา ด้วยเงินสด 307 ล้านดอลลาร์สหรัฐ Kinara ก่อตั้งขึ้นในปี 2013 เดิมชื่อ Core Viz ต่อมาเปลี่ยนชื่อเป็น Deep Vision และเปลี่ยนชื่อเป็น Kinara อีกครั้งในปี 2022 หน่วยประมวลผลโครงข่ายประสาทเทียม (NPU) แบบแยกส่วนของ Kinara (รวมถึง Ara-1 และ Ara-2) เป็นผู้นำในอุตสาหกรรมด้านประสิทธิภาพและการประหยัดพลังงาน ทำให้เป็นโซลูชันที่ได้รับความนิยมสำหรับแอปพลิเคชัน AI ที่กำลังเกิดขึ้นใหม่ ซึ่งขับเคลื่อนด้วยภาพ เสียง ท่าทาง และการใช้งาน AI แบบสร้างสรรค์อื่นๆ และความสามารถในการเขียนโปรแกรมทำให้สามารถปรับตัวให้เข้ากับอัลกอริธึม AI ที่เปลี่ยนแปลงไปได้

NXP กล่าวว่า การเข้าซื้อกิจการครั้งนี้จะผสานรวมหน่วยประมวลผลโครงข่ายประสาทเทียม (NPU) อิสระของ Kinara เข้ากับกลุ่มผลิตภัณฑ์ซอฟต์แวร์ด้านการประมวลผล การเชื่อมต่อ และความปลอดภัยของตนเอง ซึ่งจะช่วยให้ได้แพลตฟอร์ม AI ที่สมบูรณ์และปรับขนาดได้ ตั้งแต่ TinyML ไปจนถึง AI แบบสร้างสรรค์ เพื่อตอบสนองความต้องการด้าน AI ที่เติบโตอย่างรวดเร็วของตลาดอุตสาหกรรมและยานยนต์ สิ่งนี้จะช่วยสร้างระบบที่ขับเคลื่อนด้วย AI ใหม่ๆ ในด้านอุตสาหกรรมและ IoT ช่วยให้ลูกค้าลดความซับซ้อน เร่งเวลาในการออกสู่ตลาด และเพิ่มขีดความสามารถทางเทคนิคในด้านต่างๆ เช่น รถยนต์อัจฉริยะ มุ่งสู่สาขาที่มีมูลค่าเพิ่มสูง

Edge AI: สนามรบสำหรับผู้ผลิต MCU

ในวงการปัญญาประดิษฐ์นั้นมีความเข้าใจผิดมานานแล้วว่า "ขนาดคือพลัง" แม้ว่าโมเดลขนาดใหญ่จะมีประสิทธิภาพยอดเยี่ยม แต่ก็เผชิญกับความท้าทายในการใช้งานจริง นั่นคือการใช้พลังงานสูง ซึ่งขัดแย้งกับข้อกำหนดด้านความเบาของฝั่งอุปกรณ์ปลายทาง ผู้เชี่ยวชาญในอุตสาหกรรมได้ชี้ให้เห็นถึงข้อจำกัดโดยธรรมชาติของสถานการณ์การใช้งานโมเดลขนาดใหญ่ซ้ำแล้วซ้ำเล่า: ในด้านหนึ่ง การฝึกฝนและการทำงานของโมเดลขนาดใหญ่ต้องการทรัพยากรการประมวลผลจำนวนมหาศาล ในอีกด้านหนึ่ง พื้นที่สำคัญสำหรับการส่งเสริมการพัฒนาอุตสาหกรรมปัญญาประดิษฐ์คือการประมวลผลแบบเอดจ์และอุปกรณ์ปลายทาง ซึ่งมีความไวต่อการใช้พลังงานและความหน่วงแฝงมากกว่า

ไม่ใช่เรื่องยากที่จะเข้าใจว่าการเข้าซื้อกิจการข้างต้นแสดงให้เห็นว่าสนามรบหลักของ MCU กำลังเปลี่ยนไปสู่การประมวลผล AI ที่ขอบเครือข่าย (Edge AI computing) คาดการณ์ว่าภายในปี 2025 ข้อมูล 75% จะถูกประมวลผลที่ขอบเครือข่าย ซึ่งเน้นย้ำถึงศักยภาพมหาศาลของตลาด MCU สำหรับ Edge AI สิ่งนี้แสดงให้เห็นว่าความต้องการการประมวลผล AI ที่ขอบเครือข่ายกำลังเติบโตอย่างรวดเร็ว และ MCU ในฐานะส่วนประกอบหลักของอุปกรณ์ที่ขอบเครือข่าย จะมีบทบาทสำคัญในแนวโน้มนี้

ในอนาคต ไมโครคอนโทรลเลอร์ (MCU) จะไม่จำกัดอยู่แค่ฟังก์ชันควบคุมแบบดั้งเดิมอีกต่อไป แต่จะค่อยๆ ผสานรวมความสามารถในการประมวลผลด้วย AI และนำไปประยุกต์ใช้ในสถานการณ์ต่างๆ เช่น การจดจำภาพ การประมวลผลเสียง และการบำรุงรักษาเชิงคาดการณ์ของอุปกรณ์ ไมโครคอนโทรลเลอร์ที่มีความสามารถในการประมวลผลแบบ Edge Computing จะกลายเป็นตัวนำสำคัญของพลังการประมวลผลแบบ Edge Computing ด้วยการใช้พลังงานต่ำ ประสิทธิภาพสูง และการตอบสนองที่รวดเร็วทันใจ ซึ่งจะช่วยสนับสนุนอุปกรณ์และระบบอัจฉริยะได้อย่างแข็งแกร่งยิ่งขึ้น

ผู้ผลิต MCU รายใหญ่อื่นๆ ก็กำลังเข้าซื้อกิจการและแข่งขันในด้านนี้อย่างแข็งขันเช่นกัน เช่น การที่ Renesas Electronics เข้าซื้อ Reality AI, การที่ Infineon เข้าซื้อ Imagimob ของสวีเดน และการที่ NXP เปิดตัวซอฟต์แวร์การเรียนรู้ของเครื่อง eIQ และชุดเครื่องมือ AI NANO

กล่าวได้ว่า AI บนอุปกรณ์ปลายทางจะกลายเป็นสนามรบสำคัญสำหรับ MCU ในอีกไม่กี่ปีข้างหน้า

อุปกรณ์อิเล็กทรอนิกส์สำหรับยานยนต์: จุดสนใจของการแข่งขันด้านเงินทุน

ในช่วงไม่นานมานี้ การควบรวมและซื้อกิจการในอุตสาหกรรมเซมิคอนดักเตอร์ที่เกี่ยวข้องกับการใช้งานในอุตสาหกรรมยานยนต์เกิดขึ้นบ่อยครั้ง นอกเหนือจากกำลังการประมวลผลแล้ว วิวัฒนาการของระบบขับเคลื่อนยานยนต์ การเชื่อมต่อเครือข่ายภายในรถยนต์ ระบบเสียงภายในรถยนต์ และเทคโนโลยีอื่นๆ ยังเป็นแรงผลักดันให้เกิดการพัฒนาและปรับปรุงเทคโนโลยีเซมิคอนดักเตอร์อย่างต่อเนื่อง กระตุ้นให้บริษัทที่เกี่ยวข้องเสริมโครงสร้างเทคโนโลยีของตนเองผ่านการควบรวมและซื้อกิจการ

อุตสาหกรรมเซมิคอนดักเตอร์เป็นอุตสาหกรรมที่ใช้เทคโนโลยีขั้นสูงและเงินทุนจำนวนมาก เมื่อมองย้อนกลับไปในช่วงหลายทศวรรษที่ผ่านมา การรวมกิจการและการควบรวมกิจการได้กลายเป็นแนวโน้มที่หลีกเลี่ยงไม่ได้ในการพัฒนาอุตสาหกรรมนี้

บริษัทยักษ์ใหญ่ด้าน AI มักเข้าซื้อกิจการเพื่อปรับปรุงโครงสร้างเทคโนโลยีและสร้างความได้เปรียบแบบครบวงจรในด้าน "ชิป + ระบบ + ระบบนิเวศ" ผู้ผลิต MCU กระแสหลักกำลังค่อยๆ เปลี่ยนไปสู่ ​​AI ฝั่ง Edge Computing โดยพยายามแย่งชิงตลาดอุปกรณ์อัจฉริยะด้วยการใช้พลังงานต่ำและความยืดหยุ่นสูง ในด้านยานยนต์ การประมวลผลในรถยนต์ การขับขี่อัตโนมัติ และการเชื่อมต่อข้อมูลกลายเป็นประเด็นสำคัญของการแข่งขันด้านเงินทุน ในขณะเดียวกัน อุตสาหกรรม EDA กำลังเปลี่ยนจากการจัดหาเครื่องมือไปสู่การสร้างระบบนิเวศ บริษัทยักษ์ใหญ่ผสานรวมทรัพย์สินทางปัญญาและกระบวนการออกแบบ และสร้างความเป็นผู้นำในตลาดผ่านสถาปัตยกรรม "เครื่องมือ-สถาปัตยกรรม-มาตรฐาน"

ในกระแสการควบรวมและซื้อกิจการในปัจจุบัน ความร่วมมือทางเทคโนโลยี การขยายตลาด และการครองความเป็นผู้นำในระบบนิเวศได้กลายเป็นหัวใจสำคัญ บริษัทต่างๆ จำเป็นต้องสร้างสมดุลระหว่างการบูรณาการในระยะสั้นและการวิจัยและพัฒนาในระยะยาว ท่ามกลางการไหลเข้าของเงินทุนจำนวนมาก ด้วยอุปสรรคทางเทคโนโลยีและลักษณะที่ต้องใช้เงินทุนสูงของอุตสาหกรรมเซมิคอนดักเตอร์ การเปลี่ยนแปลงนี้จึงไม่ใช่ "ทางลัด" แต่เป็นการ "วิ่งมาราธอน" ที่ต้องใช้การลงทุนในระยะยาว