意法半導體收購端側AI公司

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

據 Deeplite 官方披露：「Deeplite 現已成為意法半導體旗下子公司。我們很高興加入意法半導體，繼續開(kāi)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(zhuān)業(yè)知識將進(jìn)一步助力意法半導體為邊緣設備帶來(lái)高效、高性能的 AI?！?/p>

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

據悉，達成收購后，意法半導體會(huì )將 Deeplite 先進(jìn)的邊緣 AI 軟件解決方案與 MCU 和 NPU 相結合，提供全球最先進(jìn)的邊緣 AI 平臺之一。

Deeplite 是何許「人」也？

據悉，Deeplite 是一家專(zhuān)注于深度學(xué)習優(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)習模型優(yōu)化：Deeplite 的核心產(chǎn)品是其優(yōu)化軟件，能夠將大型深度學(xué)習模型進(jìn)行壓縮和優(yōu)化，使其在資源受限的邊緣設備上高效運行。

自動(dòng)化神經(jīng)網(wǎng)絡(luò )架構設計：Deeplite 的軟件能夠自動(dòng)化設計神經(jīng)網(wǎng)絡(luò )架構，大大減少了以往需要人工反復測試的時(shí)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(guò)多種方式降低深度學(xué)習模型的功耗，主要通過(guò)優(yōu)化模型結構、減少計算復雜度和存儲需求，以及提高模型在硬件上的執行效率來(lái)實(shí)現。

具體而言，Deeplite 的技術(shù)優(yōu)勢在于：

1、模型壓縮與量化

權重剪枝（Weight Pruning）：通過(guò)移除模型中不重要的權重（即接近零的權重），減少模型的參數數量。剪枝后的模型在計算時(shí)需要處理的參數更少，從而降低了計算復雜度和功耗。

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倍，并顯著(zhù)降低計算功耗。

2、 優(yōu)化模型結構

自動(dòng)化架構設計（AutoML）：利用自動(dòng)化機器學(xué)習技術(shù)，Deeplite 能夠設計出更適合特定硬件和應用場(chǎng)景的神經(jīng)網(wǎng)絡(luò )架構?？梢詫⑸疃葘W(xué)習模型的推理速度提高數倍，同時(shí)顯著(zhù)降低功耗。

稀疏化（Sparsification）：通過(guò)使模型的權重矩陣稀疏化，即增加零值權重的比例，減少實(shí)際計算的次數?？梢燥@著(zhù)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。

內存訪(fǎng)問(wèn)優(yōu)化：通過(guò)優(yōu)化模型的內存訪(fǎng)問(wèn)模式，減少內存訪(fǎng)問(wèn)的次數和延遲。

4、減少數據傳輸

Deeplite 的優(yōu)化技術(shù)使得模型可以在本地設備上運行，減少了數據傳輸到云端或服務(wù)器的需求。數據傳輸本身會(huì )消耗大量功耗，尤其是在無(wú)線(xiàn)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 相結合，優(yōu)化后的模型在執行時(shí)間上比 TensorFlow Lite Micro 的模型快了 9%，模型大小減少了 1.7 倍，同時(shí)功耗顯著(zhù)降低。

收購意圖：MCU 向邊緣側轉移

意法半導體剛剛公布了 2025 年第一季度財報數據，其中營(yíng)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(wàn)美元；運營(yíng)利潤率逼近盈虧平衡點(diǎn)。

雖然個(gè)人電子業(yè)務(wù)逆勢增長(cháng)部分抵消了汽車(chē)與工業(yè)市場(chǎng)的疲軟，但意法半導體仍面臨產(chǎn)能利用率不足、庫存高企與產(chǎn)品組合調整滯后的多重壓力。因此，意法半導體必須尋找新的業(yè)績(jì)增長(cháng)點(diǎn)，而收購就是其一直以來(lái)的慣用方式。

通過(guò)收購Deeplite，意法半導體能夠將其軟件解決方案與自身先進(jìn)的 MCU 和 NPU 相結合，打造全球領(lǐng)先的邊緣 AI 平臺。同時(shí)，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 應用的上市時(shí)間。

隨著(zhù)邊緣計算和 AIoT 的發(fā)展，AI 芯片的市場(chǎng)爭奪逐漸向邊緣側轉移。根據相關(guān)預測，到 2025 年，75% 的數據將在邊緣側進(jìn)行處理，端側 AI MCU 市場(chǎng)潛力巨大。因此，意法半導體收購 Deeplite 也是意在此處。當前其它 MCU 廠(chǎng)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)習軟件 eIQ 軟件和 AI 工具鏈 NANO.AI。

此前，意法半導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(dòng)化和人工智能將增強意法半導體的重要技術(shù)研發(fā)、產(chǎn)品設計和規模制造能力，推進(jìn)歐洲先進(jìn)制造計劃。

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