Di recente, si è assistito a un'ondata di fusioni e acquisizioni nel settore globale dei semiconduttori, con giganti come Qualcomm, AMD, Infineon e NXP impegnati ad accelerare l'integrazione tecnologica e l'espansione del mercato.
Queste misure non solo riflettono le considerazioni strategiche delle aziende, volte a ricercare solide alleanze e vantaggi complementari nell'agguerrita concorrenza di mercato, ma indicano anche che il panorama dell'industria dei semiconduttori potrebbe essere soggetto a nuovi cambiamenti.
Esaminando le recenti fusioni e acquisizioni internazionali nel settore dei semiconduttori, ho individuato, in linea di massima, quattro parole chiave: intelligenza artificiale, MCU+, automobili e EDA.
MCU+IA: una tendenza inevitabile
STMicroelectronics acquisisce Deeplite, concentrandosi sull'intelligenza artificiale edge.
Nell'aprile di quest'anno, STMicroelectronics (ST) ha acquisito la startup canadese di intelligenza artificiale Deeplite, attirando l'attenzione del settore. Come ben sappiamo, una delle principali sfide che i modelli di deep learning devono affrontare nell'implementazione commerciale è rappresentata dalla loro scalabilità operativa, dai requisiti di elaborazione e dall'intensità del consumo energetico. Deeplite risolve questo problema fornendo un motore software automatizzato per ottimizzare i modelli DNN (reti neurali profonde), consentendo all'IA di eseguire l'edge computing su qualsiasi dispositivo.
Fondata nel 2017, Deeplite è nota per la sua soluzione di intelligenza artificiale edge DeepSeek, focalizzata sull'ottimizzazione, la quantizzazione e la compressione dei modelli di IA. Il suo innovativo ottimizzatore basato sull'IA, Neutrino, è in grado di comprimere modelli di deep learning di grandi dimensioni fino a un decimo delle loro dimensioni originali, mantenendo un'accuratezza superiore al 98%. Grazie a tre tecnologie chiave – la potatura dei pesi (rimozione dei parametri ridondanti), la quantizzazione (riduzione dei requisiti di accuratezza computazionale) e la sparsificazione (aumento della proporzione di pesi pari a zero) – i modelli di IA di grandi dimensioni possono essere eseguiti più velocemente, in dimensioni più ridotte e con un consumo energetico inferiore sui dispositivi edge. Applicazioni che in precedenza richiedevano capacità di cloud computing possono ora essere eseguite senza problemi su dispositivi edge come fotocamere di smartphone e sensori industriali.
Deeplite ha attirato molta attenzione fin dai suoi esordi ed è stata nominata azienda leader nell'innovazione dell'IA edge da Gartner, Forbes, Inside AI e ARM AI. Questa acquisizione è strettamente legata alla trasformazione strategica di STMicroelectronics verso l'IA edge, che combina hardware e software in un'ottica di "doppia elica". La tecnologia di ottimizzazione dei modelli di Deeplite è profondamente integrata con i microcontrollori della serie STM32 e le NPU dedicate di STMicroelectronics per supportare la creazione di soluzioni di IA end-to-end. Ad esempio, negli scenari di smart factory, le telecamere dotate di chip STMicroelectronics possono rilevare direttamente i difetti senza caricare i dati sul cloud, con un aumento della velocità di risposta di 40 volte.
D'altro canto, Deeplite vanta un team di ingegneri di algoritmi di intelligenza artificiale di livello mondiale, grazie al quale ST integrerà oltre 200 strumenti di sviluppo AI all'avanguardia per formare un ecosistema di sviluppo unificato composto da "libreria di modelli, ottimizzatore e piattaforma hardware". In breve, l'acquisizione di Deeplite non solo completa l'ultimo tassello del puzzle di ST a livello di software AI, ma segna anche il cambio di paradigma dell'industria dei semiconduttori, che passa dalla "produzione di chip" alla "produzione di cervelli".
NXP acquisisce Kinara, azienda specializzata in NPU (Nuclear Processor), per riposizionare il settore dell'edge computing intelligente.
A febbraio di quest'anno, NXP ha annunciato l'acquisizione della startup statunitense Kinara, specializzata in chip per l'intelligenza artificiale edge computing, per 307 milioni di dollari in contanti. Fondata nel 2013, Kinara si chiamava inizialmente Core Viz, poi Deep Vision e infine Kinara nel 2022. Le NPU discrete di Kinara (tra cui Ara-1 e Ara-2) sono leader del settore in termini di prestazioni ed efficienza energetica, il che le rende la soluzione ideale per le applicazioni di intelligenza artificiale emergenti basate su visione, voce, gesti e altre implementazioni di IA generativa. La loro programmabilità, inoltre, garantisce la capacità di adattarsi agli algoritmi di IA in continua evoluzione.
NXP ha dichiarato che questa acquisizione combinerà la NPU indipendente di Kinara con il proprio portafoglio di processori, connettività e software di sicurezza, contribuendo a fornire una piattaforma AI completa e scalabile, da TinyML all'IA generativa, per soddisfare le esigenze di IA in rapida crescita dei mercati industriali e automobilistici. Ciò contribuirà a creare nuovi sistemi basati sull'IA nei settori industriale e IoT, aiutando i clienti a semplificare la complessità, ad accelerare il time-to-market e a migliorare le capacità tecniche in aree come le auto intelligenti, orientandosi verso settori ad alto valore aggiunto.
Intelligenza artificiale di prossimità: un campo di battaglia per i produttori di microcontrollori
Nel campo dell'intelligenza artificiale persiste da tempo la convinzione errata che "la scala sia sinonimo di potenza". Sebbene i modelli di grandi dimensioni offrano prestazioni eccellenti, la loro implementazione pratica presenta delle sfide: l'elevato consumo energetico è in contrasto con i requisiti di leggerezza richiesti a livello edge computing. Gli esperti del settore hanno ripetutamente sottolineato i limiti intrinseci degli scenari applicativi basati su modelli di grandi dimensioni: da un lato, l'addestramento e l'esecuzione di modelli complessi richiedono ingenti risorse computazionali; dall'altro, i settori chiave per promuovere l'industrializzazione dell'intelligenza artificiale sono proprio l'edge computing e i dispositivi terminali, che sono più sensibili al consumo energetico e alla latenza.
È facile comprendere come le acquisizioni sopra menzionate dimostrino che il principale campo di battaglia dei microcontrollori si sta spostando verso l'edge computing per l'intelligenza artificiale. Si prevede che entro il 2025 il 75% dei dati verrà elaborato in locale, evidenziando l'enorme potenziale del mercato dei microcontrollori per l'edge computing e l'intelligenza artificiale. Ciò dimostra che la domanda di edge computing per l'intelligenza artificiale sta crescendo rapidamente e che i microcontrollori, in quanto componenti fondamentali dei dispositivi edge, svolgeranno un ruolo chiave in questa tendenza.
In futuro, i microcontrollori (MCU) non saranno più limitati alle tradizionali funzioni di controllo, ma integreranno gradualmente capacità di ragionamento basate sull'intelligenza artificiale e verranno applicati a scenari come il riconoscimento di immagini, l'elaborazione vocale e la manutenzione predittiva delle apparecchiature. I microcontrollori con capacità di edge computing diventeranno un importante veicolo di potenza di calcolo distribuito grazie al loro basso consumo energetico, all'elevata efficienza e alla risposta immediata, fornendo un supporto più solido per dispositivi e sistemi intelligenti.
Anche altri importanti produttori di microcontrollori stanno attivamente acquisendo aziende e competendo in questo settore, come ad esempio l'acquisizione di Reality AI da parte di Renesas Electronics, l'acquisizione della svedese Imagimob da parte di Infineon e il lancio da parte di NXP del software di apprendimento automatico eIQ e della suite di strumenti di intelligenza artificiale NANO.
Si può concludere che l'intelligenza artificiale distribuita (edge AI) diventerà un campo di battaglia fondamentale per i microcontrollori nei prossimi anni.
Elettronica per autoveicoli: il fulcro della competizione per i capitali
Di recente, si sono registrate frequenti fusioni e acquisizioni nel settore dei semiconduttori, in particolare per quanto riguarda le applicazioni automobilistiche. Oltre alla potenza di calcolo, l'evoluzione dei sistemi di propulsione, della connettività di rete e dei sistemi audio di bordo ha spinto le aziende del settore a integrare le proprie tecnologie attraverso fusioni e acquisizioni.
L'industria dei semiconduttori è un settore tipicamente ad alta intensità tecnologica e di capitale. Guardando agli ultimi decenni, l'integrazione e le fusioni sono diventate una tendenza inevitabile nello sviluppo del settore.
I giganti dell'IA effettuano spesso acquisizioni nel tentativo di migliorare la propria architettura tecnologica e costruire un vantaggio competitivo a 360 gradi, basato su "chip + sistema + ecosistema". I principali produttori di MCU si stanno gradualmente orientando verso l'IA edge, cercando di conquistare il mercato dei terminali intelligenti con bassi consumi energetici e alta flessibilità. Nel settore automobilistico, l'informatica di bordo, la guida autonoma e l'interconnessione dei dati sono diventati aree chiave di competizione finanziaria. Allo stesso tempo, il settore EDA (Electronic Design Automation) si sta spostando dalla fornitura di strumenti alla creazione di un ecosistema. I giganti integrano IP e processi di progettazione, consolidando il proprio dominio di mercato attraverso l'architettura "strumenti-architettura-standard".
In questa ondata di fusioni e acquisizioni, la collaborazione tecnologica, l'espansione del mercato e il dominio dell'ecosistema sono diventati la logica centrale. Le aziende devono trovare un equilibrio tra integrazione a breve termine e ricerca e sviluppo a lungo termine, in un contesto di afflusso di capitali. Date le barriere tecnologiche e la natura ad alta intensità di capitale del settore dei semiconduttori, questa trasformazione non è una "scorciatoia", bensì una "maratona" che richiede investimenti a lungo termine.
Data di pubblicazione: 30 giugno 2025