意法半導(dǎo)體收購端側(cè)AI公司

近期，意法半導(dǎo)體收購了多倫多一家人工智能初創(chuàng)公司 Deeplite，不過雙方均未披露交易條款。

據(jù) Deeplite 官方披露：「Deeplite 現(xiàn)已成為意法半導(dǎo)體旗下子公司。我們很高興加入意法半導(dǎo)體，繼續(xù)開發(fā)先進(jìn)的邊緣 AI 解決方案。Deeplite 在模型優(yōu)化、量化和壓縮方面的專業(yè)知識將進(jìn)一步助力意法半導(dǎo)體為邊緣設(shè)備帶來高效、高性能的 AI?！?/p>

此次交易的重點在于 Deeplite 的技術(shù)。如今廣泛使用的 AI 工具都是在由大型數(shù)據(jù)中心服務(wù)器支持的云服務(wù)上進(jìn)行訓(xùn)練和運行的。Deeplite 的軟件可以使得在手機和機器人等設(shè)備的芯片上運行 AI 應(yīng)用程序變得更加容易。其客戶群體主要是半導(dǎo)體公司，而這與意法半導(dǎo)體的業(yè)務(wù)高度契合。

據(jù)悉，達(dá)成收購后，意法半導(dǎo)體會將 Deeplite 先進(jìn)的邊緣 AI 軟件解決方案與 MCU 和 NPU 相結(jié)合，提供全球最先進(jìn)的邊緣 AI 平臺之一。

Deeplite 是何許「人」也？

據(jù)悉，Deeplite 是一家專注于深度學(xué)習(xí)優(yōu)化的 AI 軟件公司，成立于 2018 年，總部位于加拿大蒙特利爾，CEO Nick Romano 在 AI 領(lǐng)域有豐富的經(jīng)驗。其主要核心技術(shù)包括：

深度學(xué)習(xí)模型優(yōu)化：Deeplite 的核心產(chǎn)品是其優(yōu)化軟件，能夠?qū)⒋笮蜕疃葘W(xué)習(xí)模型進(jìn)行壓縮和優(yōu)化，使其在資源受限的邊緣設(shè)備上高效運行。

自動化神經(jīng)網(wǎng)絡(luò)架構(gòu)設(shè)計：Deeplite 的軟件能夠自動化設(shè)計神經(jīng)網(wǎng)絡(luò)架構(gòu)，大大減少了以往需要人工反復(fù)測試的時間和錯誤。

針對不同硬件平臺的解決方案：Deeplite 與多家硬件供應(yīng)商合作，提供針對 RISC-V CPU 等不同硬件平臺的優(yōu)化方案。

Deeplite 的核心能力在于通過多種方式降低深度學(xué)習(xí)模型的功耗，主要通過優(yōu)化模型結(jié)構(gòu)、減少計算復(fù)雜度和存儲需求，以及提高模型在硬件上的執(zhí)行效率來實現(xiàn)。

具體而言，Deeplite 的技術(shù)優(yōu)勢在于：

1、模型壓縮與量化

權(quán)重剪枝（Weight Pruning）：通過移除模型中不重要的權(quán)重（即接近零的權(quán)重），減少模型的參數(shù)數(shù)量。剪枝后的模型在計算時需要處理的參數(shù)更少，從而降低了計算復(fù)雜度和功耗。

量化（Quantization）：Deeplite 的量化技術(shù)可以在幾乎不損失模型精度的情況下，將模型的存儲需求減少數(shù)倍，并顯著降低計算功耗。

2、 優(yōu)化模型結(jié)構(gòu)

自動化架構(gòu)設(shè)計（AutoML）：利用自動化機器學(xué)習(xí)技術(shù)，Deeplite 能夠設(shè)計出更適合特定硬件和應(yīng)用場景的神經(jīng)網(wǎng)絡(luò)架構(gòu)?？梢詫⑸疃葘W(xué)習(xí)模型的推理速度提高數(shù)倍，同時顯著降低功耗。

稀疏化（Sparsification）：通過使模型的權(quán)重矩陣稀疏化，即增加零值權(quán)重的比例，減少實際計算的次數(shù)?？梢燥@著減少模型的計算量，從而降低功耗。

3、硬件適配與優(yōu)化

針對特定硬件的優(yōu)化：可以根據(jù)不同的硬件平臺（如 RISC-V CPU、Arm Cortex-M 系列等）進(jìn)行定制優(yōu)化。

內(nèi)存訪問優(yōu)化：通過優(yōu)化模型的內(nèi)存訪問模式，減少內(nèi)存訪問的次數(shù)和延遲。

4、減少數(shù)據(jù)傳輸

Deeplite 的優(yōu)化技術(shù)使得模型可以在本地設(shè)備上運行，減少了數(shù)據(jù)傳輸?shù)皆贫嘶蚍?wù)器的需求。數(shù)據(jù)傳輸本身會消耗大量功耗，尤其是在無線通信中。

值得一提的是，2019 年 Deeplite 與晶心科技合作，將優(yōu)化技術(shù)與晶心的 RISC-V CPU 相結(jié)合，優(yōu)化后的模型在執(zhí)行時間上比 TensorFlow Lite Micro 的模型快了 9%，模型大小減少了 1.7 倍，同時功耗顯著降低。

收購意圖：MCU 向邊緣側(cè)轉(zhuǎn)移

意法半導(dǎo)體剛剛公布了 2025 年第一季度財報數(shù)據(jù)，其中營收同比驟降27.3%至25.2億美元；毛利率滑至33.4%；凈利潤暴跌89.1%至5600萬美元；運營利潤率逼近盈虧平衡點。

雖然個人電子業(yè)務(wù)逆勢增長部分抵消了汽車與工業(yè)市場的疲軟，但意法半導(dǎo)體仍面臨產(chǎn)能利用率不足、庫存高企與產(chǎn)品組合調(diào)整滯后的多重壓力。因此，意法半導(dǎo)體必須尋找新的業(yè)績增長點，而收購就是其一直以來的慣用方式。

通過收購Deeplite，意法半導(dǎo)體能夠?qū)⑵滠浖鉀Q方案與自身先進(jìn)的 MCU 和 NPU 相結(jié)合，打造全球領(lǐng)先的邊緣 AI 平臺。同時，Deeplite 提供的技術(shù)及工具能夠大大加速 ST NPU 的采用，并縮短 AI 應(yīng)用的上市時間。

隨著邊緣計算和 AIoT 的發(fā)展，AI 芯片的市場爭奪逐漸向邊緣側(cè)轉(zhuǎn)移。根據(jù)相關(guān)預(yù)測，到 2025 年，75% 的數(shù)據(jù)將在邊緣側(cè)進(jìn)行處理，端側(cè) AI MCU 市場潛力巨大。因此，意法半導(dǎo)體收購 Deeplite 也是意在此處。當(dāng)前其它 MCU 廠商也在積極布局，例如瑞薩收購 Reality AI，提供 TinyML 解決方案；英飛凌收購瑞典 Imagimob 公司，提升 TinyML 邊緣 AI 功能；恩智浦推出機器學(xué)習(xí)軟件 eIQ 軟件和 AI 工具鏈 NANO.AI。

此前，意法半導(dǎo)體披露的全球制造布局重塑計劃中，明確提出了一項重要措施，即效率提升、部署自動化和人工智能將增強意法半導(dǎo)體的重要技術(shù)研發(fā)、產(chǎn)品設(shè)計和規(guī)模制造能力，推進(jìn)歐洲先進(jìn)制造計劃。

在邊緣計算方面，意法半導(dǎo)體推出 22nm FD-SOI 低功耗 MCU，主攻物聯(lián)網(wǎng)與可穿戴設(shè)備，目標(biāo)占據(jù) 50 億顆市場 20% 份額。