De afgelopen tijd heeft er een golf van fusies en overnames plaatsgevonden in de wereldwijde halfgeleiderindustrie, waarbij giganten zoals Qualcomm, AMD, Infineon en NXP allemaal stappen ondernemen om de technologie-integratie en marktuitbreiding te versnellen.
Deze maatregelen weerspiegelen niet alleen de strategische overwegingen van de bedrijven om sterke allianties en complementaire voordelen te zoeken in de felle concurrentie op de markt, maar geven ook aan dat het landschap van de halfgeleiderindustrie mogelijk nieuwe veranderingen zal ondergaan.
Door recente internationale fusies en overnames in de halfgeleiderindustrie te analyseren, heb ik vier kernwoorden samengevat: AI, MCU+, auto's en EDA.
MCU+AI: een onvermijdelijke trend
STMicroelectronics neemt Deeplite over en richt zich op edge AI.
In april van dit jaar nam STMicroelectronics (ST) de Canadese AI-startup Deeplite over, wat veel aandacht in de sector trok. Zoals we allemaal weten, vormen de schaalbaarheid, de benodigde processorkracht en het energieverbruik van deep learning-modellen een grote uitdaging voor commerciële toepassingen. Deeplite lost dit probleem op door een geautomatiseerde software-engine te bieden voor het optimaliseren van DNN-modellen (deep neural networks), waardoor AI edge computing op elk apparaat kan uitvoeren.
Deeplite, opgericht in 2017, staat bekend om zijn edge AI-oplossing DeepSeek, die zich richt op de optimalisatie, kwantisering en compressie van AI-modellen. De innovatieve, door AI aangedreven optimizer Neutrino kan grote deep learning-modellen comprimeren tot een tiende van hun oorspronkelijke grootte, met behoud van een nauwkeurigheid van meer dan 98%. Dankzij drie belangrijke technologieën – gewichtspruning (het verwijderen van redundante parameters), kwantisering (het verlagen van de rekenkundige nauwkeurigheidseisen) en sparsificatie (het verhogen van het aandeel gewichten met een waarde van nul) – kunnen grote AI-modellen sneller, kleiner en energiezuiniger draaien op edge-apparaten. Applicaties die voorheen cloudcomputing vereisten, kunnen nu probleemloos draaien op edge-apparaten zoals smartphonecamera's en industriële sensoren.
Deeplite heeft in de beginfase veel aandacht getrokken en is door Gartner, Forbes, Inside AI en ARM AI uitgeroepen tot een toonaangevende AI-innovator. Deze overname sluit nauw aan bij de strategische transformatie van STMicroelectronics naar edge AI, waarbij hardware en software op een "dubbele helix"-achtige manier worden gecombineerd. De modeloptimalisatietechnologie van Deeplite is diep geïntegreerd met de STM32-serie MCU's en speciale NPU's van STMicroelectronics om de ontwikkeling van end-to-end AI-oplossingen te ondersteunen. In bijvoorbeeld slimme fabrieksscenario's kunnen camera's met STMicroelectronics-chips direct defecten detecteren zonder data naar de cloud te uploaden, waardoor de reactiesnelheid veertig keer hoger wordt.
Aan de andere kant beschikt Deeplite over een team van AI-algoritme-engineers van wereldklasse, waarmee ST meer dan 200 edge AI-ontwikkeltools zal integreren om een uniform ontwikkelecosysteem te vormen van een "modelbibliotheek-optimizer-hardwareplatform". Kortom, de overname van Deeplite maakt niet alleen het laatste puzzelstukje voor ST op het gebied van AI-software compleet, maar markeert ook een paradigmaverschuiving in de halfgeleiderindustrie van "chips maken" naar "hersenen maken".
NXP neemt NPU-bedrijf Kinara over om smart edge opnieuw te positioneren.
In februari van dit jaar kondigde NXP de overname aan van de Amerikaanse startup Kinara, gespecialiseerd in edge AI-chips, voor 307 miljoen dollar in contanten. Kinara werd opgericht in 2013 en heette oorspronkelijk Core Viz, later Deep Vision en in 2022 Kinara. De discrete NPU's van Kinara (waaronder de Ara-1 en Ara-2) zijn toonaangevend in de branche op het gebied van prestaties en energie-efficiëntie, waardoor ze de voorkeursoplossing vormen voor opkomende AI-toepassingen die gebaseerd zijn op beeldherkenning, spraakherkenning, gebaren en diverse andere generatieve AI-implementaties. Dankzij de programmeerbaarheid kunnen ze zich bovendien aanpassen aan evoluerende AI-algoritmen.
NXP gaf aan dat deze overname de onafhankelijke NPU van Kinara combineert met zijn eigen portfolio aan processors, connectiviteits- en beveiligingssoftware. Dit zal bijdragen aan een compleet en schaalbaar AI-platform, van TinyML tot generatieve AI, om te voldoen aan de snelgroeiende AI-behoeften van de industriële en automobielsector. Hierdoor kunnen nieuwe AI-gestuurde systemen worden ontwikkeld voor de industrie en het IoT, waardoor klanten complexiteit kunnen vereenvoudigen, de time-to-market kunnen versnellen en hun technische mogelijkheden kunnen verbeteren op gebieden zoals slimme auto's, en zich kunnen richten op hoogwaardige toepassingsgebieden.
Edge AI: een strijdveld voor MCU-fabrikanten
In de wereld van kunstmatige intelligentie bestaat al lange tijd de misvatting dat "schaal gelijk staat aan kracht". Hoewel grote modellen uitstekende prestaties leveren, stuiten ze in de praktijk op uitdagingen – hun hoge energieverbruik staat haaks op de eisen van een laag energieverbruik aan de edge. Experts hebben herhaaldelijk gewezen op de inherente beperkingen van toepassingsscenario's met grote modellen: enerzijds vereist het trainen en uitvoeren van grote modellen enorme rekenkracht; anderzijds zijn edge computing en terminalapparaten, die gevoeliger zijn voor energieverbruik en latentie, juist de belangrijkste gebieden voor de industrialisatie van kunstmatige intelligentie.
Het is niet moeilijk te begrijpen dat de bovengenoemde overnames aantonen dat het belangrijkste strijdveld voor MCU's verschuift naar edge AI-computing. Naar verwachting zal in 2025 75% van de data aan de edge worden verwerkt, wat het enorme potentieel van de edge AI MCU-markt benadrukt. Dit laat zien dat de vraag naar edge AI-computing snel groeit en dat MCU's, als kerncomponent van edge-apparaten, een sleutelrol zullen spelen in deze trend.
In de toekomst zullen microcontrollers (MCU's) niet langer beperkt blijven tot traditionele besturingsfuncties, maar geleidelijk aan AI-redeneermogelijkheden integreren en worden toegepast in scenario's zoals beeldherkenning, spraakverwerking en voorspellend onderhoud van apparatuur. MCU's met edge computing-mogelijkheden zullen een belangrijke drager worden van edge computing-kracht dankzij hun lage energieverbruik, hoge efficiëntie en snelle respons, en zo een sterkere ondersteuning bieden voor slimme apparaten en systemen.
Ook andere grote MCU-fabrikanten zijn actief bezig met overnames en concurrentie op dit gebied, zoals de overname van Reality AI door Renesas Electronics, de overname van het Zweedse Imagimob door Infineon en de lancering van de machine learning-software eIQ en de AI-toolchain NANO door NXP.
Hieruit kan worden geconcludeerd dat edge AI de komende jaren een belangrijk strijdveld zal worden voor MCU's.
Auto-elektronica: het middelpunt van de kapitaalconcurrentie
De laatste tijd zien we steeds vaker fusies en overnames in de halfgeleidersector, met name in de automobielindustrie. Naast de toegenomen rekenkracht hebben ook de ontwikkelingen in aandrijflijnen, netwerkverbindingen, audiosystemen en andere technologieën de halfgeleidertechnologie voortdurend vernieuwd en verbeterd. Dit heeft bedrijven in de sector ertoe aangezet hun technologische portfolio aan te vullen door middel van fusies en overnames.
De halfgeleiderindustrie is een typische technologie- en kapitaalintensieve industrie. Terugkijkend op de afgelopen decennia zijn integratie en fusies een onvermijdelijke trend geworden in de ontwikkeling van de industrie.
AI-giganten doen regelmatig overnames om hun technologische basis te verbeteren en een voorsprong te creëren met een totaalpakket van "chip + systeem + ecosysteem". Grote fabrikanten van microcontrollers (MCU's) transformeren geleidelijk naar edge AI en proberen de markt voor slimme terminals te veroveren met een laag energieverbruik en hoge flexibiliteit. In de automobielsector zijn in-vehicle computing, autonoom rijden en dataverbindingen belangrijke gebieden geworden waar de concurrentie om kapitaal groot is. Tegelijkertijd verschuift de EDA-industrie van het leveren van tools naar het bouwen van een ecosysteem. Giganten integreren IP en ontwerpprocessen en bouwen marktdominantie op via een "tool-architectuur-standaard"-architectuur.
In deze golf van fusies en overnames zijn technologische samenwerking, marktuitbreiding en dominantie in het ecosysteem de kern van de strategie geworden. Bedrijven moeten een evenwicht vinden tussen integratie op korte termijn en onderzoek en ontwikkeling op lange termijn, te midden van de kapitaalinstroom. Gezien de technologische barrières en het kapitaalintensieve karakter van de halfgeleiderindustrie is deze transformatie geen "snelweg", maar een "marathon" die investeringen op lange termijn vereist.
Geplaatst op: 30 juni 2025