ინდუსტრიის სიახლეები: გლობალური ნახევარგამტარული ინდუსტრიის შერწყმა და შესყიდვები კვლავ იზრდება

MCU+AI: გარდაუვალი ტენდენცია

STMicroelectronics-ი Deeplite-ს ყიდულობს, რომელიც Edge AI-ზეა ორიენტირებული

მიმდინარე წლის აპრილში, STMicroelectronics-მა (ST) შეიძინა კანადური ხელოვნური ინტელექტის სტარტაპი Deeplite, რამაც ინდუსტრიის ყურადღება მიიპყრო. როგორც ყველამ ვიცით, კომერციული დანერგვისას ღრმა სწავლების მოდელების წინაშე მდგარი მთავარი გამოწვევა მათი ოპერაციული მასშტაბი, პროცესორის მოთხოვნები და ენერგომოხმარების ინტენსივობაა. Deeplite ამ პრობლემას წყვეტს DNN (ღრმა ნეირონული ქსელის) მოდელების ოპტიმიზაციისთვის ავტომატიზირებული პროგრამული უზრუნველყოფის ძრავის შექმნით, რაც ხელოვნურ ინტელექტს საშუალებას აძლევს, ნებისმიერ მოწყობილობაზე განახორციელოს Edge Computing.

2017 წელს დაარსებული Deeplite ცნობილია თავისი ხელოვნური ინტელექტის DeepSeek გადაწყვეტით, რომელიც ფოკუსირებულია ხელოვნური ინტელექტის მოდელების ოპტიმიზაციაზე, კვანტიზაციასა და შეკუმშვაზე. მის ინოვაციურ ხელოვნურ ინტელექტზე დაფუძნებულ ოპტიმიზატორ Neutrino-ს შეუძლია ღრმა სწავლების დიდი მოდელების შეკუმშვა მათი ორიგინალური ზომის ერთ მეათედამდე, 98%-ზე მეტი სიზუსტის შენარჩუნებით. სამი ძირითადი ტექნოლოგიის - წონის შემცირების (ზედმეტი პარამეტრების მოცილება), კვანტიზაციის (გამოთვლითი სიზუსტის მოთხოვნების შემცირება) და სპარსიფიკაციის (ნულოვანი მნიშვნელობის წონების პროპორციის გაზრდა) მეშვეობით, ხელოვნური ინტელექტის დიდი მოდელები შეიძლება უფრო სწრაფად, უფრო პატარა და ენერგოეფექტურად მუშაობდეს კიდეების მოწყობილობებზე. აპლიკაციები, რომლებიც ადრე ღრუბლოვანი გამოთვლების შესაძლებლობებს მოითხოვდნენ, ახლა შეუფერხებლად მუშაობენ კიდეების მოწყობილობებზე, როგორიცაა სმარტფონის კამერები და სამრეწველო სენსორები.

Deeplite-მა თავისი არსებობის დასაწყისშივე დიდი ყურადღება მიიპყრო და Gartner-ის, Forbes-ის, Inside AI-ის და ARM AI-ის მიერ მას ხელოვნური ინტელექტის წამყვან ინოვატორად დაასახელეს. ეს შენაძენი მჭიდრო კავშირშია STMicroelectronics-ის სტრატეგიულ ტრანსფორმაციასთან ხელოვნურ ინტელექტზე, რომელიც აპარატურასა და პროგრამულ უზრუნველყოფას „ორმაგი სპირალის“ პრინციპით აერთიანებს. Deeplite-ის მოდელის ოპტიმიზაციის ტექნოლოგია ღრმად არის ინტეგრირებული STMicroelectronics-ის STM32 სერიის მიკროკონტროლერებთან და სპეციალურ NPU-ებთან, რათა მხარი დაუჭიროს ხელოვნური ინტელექტის ყოვლისმომცველი გადაწყვეტილებების შექმნას. მაგალითად, ჭკვიანი ქარხნის სცენარებში, STMicroelectronics-ის ჩიპებით აღჭურვილ კამერებს შეუძლიათ დეფექტების პირდაპირ აღმოჩენა მონაცემების ღრუბელში ატვირთვის გარეშე, ხოლო რეაგირების სიჩქარე 40-ჯერ იზრდება.

მეორე მხრივ, Deeplite-ს ჰყავს მსოფლიო დონის ხელოვნური ინტელექტის ალგორითმის ინჟინრების გუნდი, რომლის მეშვეობითაც ST ინტეგრირებს 200-ზე მეტ ხელოვნური ინტელექტის განვითარების ინსტრუმენტს „მოდელების ბიბლიოთეკა-ოპტიმიზატორი-აპარატურის პლატფორმის“ ერთიანი განვითარების ეკოსისტემის შესაქმნელად. მოკლედ, Deeplite-ის შეძენა არა მხოლოდ ასრულებს ST-ის თავსატეხის ბოლო ნაწილს ხელოვნური ინტელექტის პროგრამული უზრუნველყოფის დონეზე, არამედ აღნიშნავს ნახევარგამტარული ინდუსტრიის პარადიგმის ცვლილებას „ჩიპების დამზადებიდან“ „ტვინების დამზადებაზე“.

NXP-მ შეიძინა NPU კომპანია Kinara, რათა Smart Edge-ის პოზიციონირება შეეცვალა.

მიმდინარე წლის თებერვალში, NXP-მ გამოაცხადა ამერიკული ხელოვნური ინტელექტის ჩიპების მწარმოებელი სტარტაპის, Kinara-ს შეძენის შესახებ 307 მილიონი აშშ დოლარის სანაცვლოდ. Kinara 2013 წელს დაარსდა და თავდაპირველად Core Viz ერქვა, მოგვიანებით Deep Vision-ს სახელი დაერქვა, ხოლო 2022 წელს Kinara-ს. Kinara-ს დისკრეტული NPU (მათ შორის Ara-1 და Ara-2) ლიდერობს ინდუსტრიაში მუშაობისა და ენერგოეფექტურობის მხრივ, რაც მას მხედველობით, ხმით, ჟესტებითა და სხვა გენერაციული ხელოვნური ინტელექტის იმპლემენტაციებით მართული ახალი ხელოვნური ინტელექტის აპლიკაციებისთვის სასურველ გადაწყვეტად აქცევს, ხოლო მისი პროგრამირებადობა უზრუნველყოფს, რომ მას შეუძლია ადაპტირება გაუწიოს ხელოვნური ინტელექტის ალგორითმების განვითარებას.

NXP-ის თქმით, ეს შენაძენი გააერთიანებს Kinara-ს დამოუკიდებელ NPU-ს საკუთარ პროცესორთან, კავშირგაბმულობისა და უსაფრთხოების პროგრამული უზრუნველყოფის პორტფელთან, რაც ხელს შეუწყობს სრული და მასშტაბირებადი ხელოვნური ინტელექტის პლატფორმის შექმნას TinyML-დან გენერაციულ ხელოვნურ ინტელექტამდე, რათა დააკმაყოფილოს სამრეწველო და საავტომობილო ბაზრების სწრაფად მზარდი ხელოვნური ინტელექტის საჭიროებები. ეს ხელს შეუწყობს ახალი ხელოვნური ინტელექტით მართული სისტემების შექმნას სამრეწველო და ნივთების ინტერნეტის სფეროებში, დაეხმარება მომხმარებლებს სირთულის გამარტივებაში, ბაზარზე გამოსვლის დროის დაჩქარებაში და ტექნიკური შესაძლებლობების გაუმჯობესებაში ისეთ სფეროებში, როგორიცაა ჭკვიანი მანქანები, მაღალი დამატებითი ღირებულების მქონე სფეროებისკენ გადასვლით.

Edge AI: საბრძოლო ველი MCU მწარმოებლებისთვის

ხელოვნური ინტელექტის სფეროში დიდი ხანია არსებობს მცდარი წარმოდგენა, რომ „მასშტაბირება ძალაა“. მიუხედავად იმისა, რომ დიდ მოდელებს შესანიშნავი მუშაობა აქვთ, ისინი რეალური განლაგებისას სირთულეებს აწყდებიან - მათი მაღალი ენერგომოხმარება ეწინააღმდეგება კიდეებზე არსებული მსუბუქი წონის მოთხოვნებს. ინდუსტრიის ექსპერტებმა არაერთხელ მიუთითეს დიდი მოდელების გამოყენების სცენარების თანდაყოლილ შეზღუდვებზე: ერთი მხრივ, დიდი მოდელების სწავლება და გაშვება მოითხოვს უზარმაზარ გამოთვლით რესურსებს; მეორე მხრივ, ხელოვნური ინტელექტის ინდუსტრიალიზაციის ხელშეწყობის ძირითადი სფეროებია სწორედ კიდეებზე მომუშავე გამოთვლები და ტერმინალური მოწყობილობები, რომლებიც უფრო მგრძნობიარეა ენერგომოხმარებისა და შეყოვნების მიმართ.

ძნელი მისახვედრი არ არის, რომ ზემოაღნიშნული შენაძენები აჩვენებს, რომ მიკროკონტროლერის (MCU) მთავარი ბრძოლის ველი გადადის Edge AI გამოთვლებზე. მოსალოდნელია, რომ 2025 წლისთვის მონაცემების 75% დამუშავდება Edge AI მიკროკონტროლერის ბაზრის უზარმაზარ პოტენციალზე. ეს აჩვენებს, რომ Edge AI გამოთვლებზე მოთხოვნა სწრაფად იზრდება და მიკროკონტროლერი, როგორც Edge მოწყობილობების ძირითადი კომპონენტი, ამ ტენდენციაში მთავარ როლს შეასრულებს.

მომავალში, მიკროკონტროლერები აღარ შემოიფარგლება მხოლოდ ტრადიციული მართვის ფუნქციებით, არამედ თანდათანობით ინტეგრირდება ხელოვნური ინტელექტის მსჯელობის შესაძლებლობები და გამოყენებული იქნება ისეთ სცენარებში, როგორიცაა გამოსახულების ამოცნობა, ხმის დამუშავება და აღჭურვილობის პროგნოზირებადი ტექნიკური მომსახურება. Edge Computing შესაძლებლობების მქონე მიკროკონტროლერები Edge Computing სიმძლავრის მნიშვნელოვან მატარებლად იქცევიან მათი დაბალი ენერგომოხმარებით, მაღალი ეფექტურობითა და მყისიერი რეაგირებით, რაც უზრუნველყოფს ჭკვიანი მოწყობილობებისა და სისტემების უფრო ძლიერ მხარდაჭერას.

სხვა მსხვილი მიკროკონტროლერების მწარმოებლები ასევე აქტიურად ყიდულობენ და კონკურენციას უწევენ ამ სფეროში, როგორიცაა Renesas Electronics-ის მიერ Reality AI-ის შეძენა, Infineon-ის მიერ შვედური Imagimob-ის შეძენა და NXP-ის მიერ მანქანური სწავლების პროგრამული უზრუნველყოფის eIQ-ის და ხელოვნური ინტელექტის ინსტრუმენტების ქსელის NANO-ს გამოშვება.

შეიძლება დავასკვნათ, რომ Edge AI მომდევნო რამდენიმე წლის განმავლობაში MCU-ებისთვის მთავარ ბრძოლის ველად იქცევა.

საავტომობილო ელექტრონიკა: კაპიტალის კონკურენციის ფოკუსი

ბოლო დროს ხშირად იჩენს თავს საავტომობილო გამოყენებასთან დაკავშირებული ნახევარგამტარული შერწყმები და შესყიდვები. გამოთვლითი სიმძლავრის გარდა, ავტომობილის ძრავის, ავტომობილში ქსელური კავშირის, ავტომობილში აუდიო სისტემის და სხვა ტექნოლოგიების ევოლუციამ ასევე განაპირობა ნახევარგამტარული ტექნოლოგიის იტერაცია და განახლება, რამაც აიძულა დაკავშირებული კომპანიები, შერწყმებისა და შესყიდვების გზით შეევსოთ საკუთარი ტექნოლოგიური განლაგება.

ნახევარგამტარების ინდუსტრია ტიპური ტექნოლოგიურად ინტენსიური და კაპიტალის ინტენსიური ინდუსტრიაა. ბოლო რამდენიმე ათწლეულის განმავლობაში ინტეგრაცია და შერწყმა ინდუსტრიის განვითარების გარდაუვალ ტენდენციად იქცა.

ხელოვნური ინტელექტის გიგანტები ხშირად ახორციელებენ შენაძენებს, რათა გააუმჯობესონ თავიანთი ტექნოლოგიური განლაგება და შექმნან „ჩიპი + სისტემა + ეკოსისტემის“ სრული უპირატესობის მქონე სისტემები. მიკროპროცესორების მეინსტრიმული მწარმოებლები თანდათანობით გარდაიქმნებიან ხელოვნურ ინტელექტზე (Edge AI), რათა დაიპყრონ ჭკვიანი ტერმინალების ბაზარი დაბალი ენერგომოხმარებითა და მაღალი მოქნილობით. საავტომობილო სფეროში, ავტომობილში ჩაშენებული გამოთვლები, ავტონომიური მართვა და მონაცემთა ურთიერთდაკავშირება კაპიტალის კონკურენციის ძირითად სფეროებად იქცა. ამავდროულად, ელექტრონული დანადგარების ინდუსტრია (EDA) ინსტრუმენტების მიწოდებიდან ეკოსისტემის შექმნაზე გადადის. გიგანტები აერთიანებენ IP და დიზაინის პროცესებს და ამყარებენ ბაზარზე დომინირებას „ინსტრუმენტ-არქიტექტურის სტანდარტის“ არქიტექტურის მეშვეობით.

შერწყმისა და შესყიდვების ამ ტალღაში, ტექნოლოგიური თანამშრომლობა, ბაზრის გაფართოება და ეკოსისტემის დომინირება ძირითად ლოგიკად იქცა. კომპანიებმა კაპიტალის შემოდინების ფონზე უნდა დააბალანსონ მოკლევადიანი ინტეგრაცია და გრძელვადიანი კვლევა და განვითარება. ნახევარგამტარული ინდუსტრიის ტექნოლოგიური ბარიერების და კაპიტალდატვირთული ბუნების გათვალისწინებით, ეს ტრანსფორმაცია არ არის „მოკლე გზა“, არამედ „მარათონი“, რომელიც გრძელვადიან ინვესტიციებს მოითხოვს.