In der globalen Halbleiterindustrie hat es in letzter Zeit eine Welle von Fusionen und Übernahmen gegeben, wobei Giganten wie Qualcomm, AMD, Infineon und NXP alle Maßnahmen ergriffen haben, um die Technologieintegration und die Marktexpansion zu beschleunigen.
Diese Maßnahmen spiegeln nicht nur die strategischen Überlegungen der Unternehmen wider, im harten Wettbewerb auf dem Markt starke Allianzen und komplementäre Vorteile zu suchen, sondern deuten auch darauf hin, dass die Halbleiterindustrie vor neuen Veränderungen stehen könnte.
Durch die Untersuchung aktueller internationaler Fusionen und Übernahmen im Halbleiterbereich habe ich grob vier Schlüsselwörter zusammengefasst: KI, MCU+, Automobile und EDA.
MCU+KI: Unvermeidlicher Trend
STMicroelectronics übernimmt Deeplite und konzentriert sich dabei auf Edge-KI.
Im April dieses Jahres übernahm STMicroelectronics (ST) das kanadische KI-Startup Deeplite, was in der Branche für großes Aufsehen sorgte. Bekanntermaßen stellen der hohe Betriebsskalierungsaufwand, die Prozessoranforderungen und der starke Energieverbrauch eine große Herausforderung für Deep-Learning-Modelle im kommerziellen Einsatz dar. Deeplite löst dieses Problem durch eine automatisierte Software-Engine zur Optimierung von DNN-Modellen (Deep Neural Networks) und ermöglicht so Edge Computing auf beliebigen Geräten.
Deeplite, gegründet 2017, ist bekannt für seine Edge-KI-Lösung DeepSeek, die sich auf die Optimierung, Quantisierung und Komprimierung von KI-Modellen konzentriert. Der innovative KI-gestützte Optimierer Neutrino komprimiert große Deep-Learning-Modelle auf ein Zehntel ihrer ursprünglichen Größe bei einer Genauigkeit von über 98 %. Dank dreier Schlüsseltechnologien – Gewichtsreduktion (Entfernen redundanter Parameter), Quantisierung (Reduzierung der Anforderungen an die Rechengenauigkeit) und Sparsifizierung (Erhöhung des Anteils von Gewichten mit dem Wert Null) – laufen große KI-Modelle schneller, kompakter und energieeffizienter auf Edge-Geräten. Anwendungen, die zuvor Cloud-Computing-Kapazitäten benötigten, können nun reibungslos auf Edge-Geräten wie Smartphone-Kameras und industriellen Sensoren ausgeführt werden.
Deeplite hat in seiner Anfangsphase viel Aufmerksamkeit erregt und wurde von Gartner, Forbes, Inside AI und ARM AI als führender Innovator im Bereich Edge-KI ausgezeichnet. Diese Übernahme steht in engem Zusammenhang mit der strategischen Transformation von STMicroelectronics hin zu Edge-KI, die Hardware und Software in einer „Doppelhelix“-Anordnung kombiniert. Die Modelloptimierungstechnologie von Deeplite ist tief in die STM32-Mikrocontroller-Serie und die zugehörigen NPUs von STMicroelectronics integriert und unterstützt so die Entwicklung durchgängiger KI-Lösungen. Beispielsweise können in Smart-Factory-Szenarien Kameras, die mit Chips von STMicroelectronics ausgestattet sind, Defekte direkt erkennen, ohne Daten in die Cloud hochzuladen. Dadurch erhöht sich die Reaktionsgeschwindigkeit um das 40-Fache.
Andererseits verfügt Deeplite über ein Weltklasse-Team von KI-Algorithmenentwicklern, durch das ST mehr als 200 innovative KI-Entwicklungstools integrieren wird, um ein einheitliches Entwicklungsökosystem aus Modellbibliothek, Optimierer und Hardwareplattform zu schaffen. Kurz gesagt: Die Übernahme von Deeplite schließt nicht nur die Lücke im KI-Softwareportfolio von ST, sondern markiert auch den Paradigmenwechsel in der Halbleiterindustrie von der Chipherstellung hin zur Entwicklung intelligenter Systeme.
NXP übernimmt das NPU-Unternehmen Kinara, um Smart Edge neu zu positionieren.
Im Februar dieses Jahres gab NXP die Übernahme des US-amerikanischen Edge-KI-Chip-Startups Kinara für 307 Millionen US-Dollar in bar bekannt. Kinara wurde 2013 gegründet und hieß ursprünglich Core Viz, später Deep Vision und seit 2022 Kinara. Die diskrete NPU von Kinara (einschließlich Ara-1 und Ara-2) ist branchenführend in Leistung und Energieeffizienz und damit die bevorzugte Lösung für neue KI-Anwendungen, die auf Bild-, Sprach-, Gesten- und anderen generativen KI-Implementierungen basieren. Ihre Programmierbarkeit gewährleistet zudem die Anpassungsfähigkeit an sich weiterentwickelnde KI-Algorithmen.
NXP gab bekannt, dass diese Übernahme Kinaras unabhängige NPU mit dem eigenen Portfolio an Prozessoren, Konnektivitäts- und Sicherheitssoftware vereint. Dadurch entsteht eine vollständige und skalierbare KI-Plattform von TinyML bis hin zu generativer KI, die den rasant wachsenden KI-Bedarf der Industrie- und Automobilmärkte deckt. Dies ermöglicht die Entwicklung neuer KI-gestützter Systeme in der Industrie und im IoT-Bereich, hilft Kunden, Komplexität zu reduzieren, die Markteinführungszeit zu verkürzen und die technischen Fähigkeiten in Bereichen wie intelligenten Fahrzeugen zu verbessern – und erschließt so neue, wertschöpfungsintensive Anwendungsfelder.
Edge-KI: Ein Schlachtfeld für MCU-Hersteller
Im Bereich der künstlichen Intelligenz herrschte lange der Irrglaube, dass „Größe gleich Leistung“ sei. Obwohl große Modelle eine hervorragende Performance aufweisen, stoßen sie im praktischen Einsatz auf Herausforderungen – ihr hoher Energieverbrauch steht im Widerspruch zu den geringen Anforderungen an Edge-Computing. Branchenexperten haben wiederholt auf die inhärenten Grenzen von Anwendungsszenarien mit großen Modellen hingewiesen: Zum einen erfordern das Training und der Betrieb großer Modelle enorme Rechenressourcen; zum anderen sind die Schlüsselbereiche für die Industrialisierung der künstlichen Intelligenz gerade Edge-Computing und Endgeräte, die besonders empfindlich auf Energieverbrauch und Latenz reagieren.
Es ist leicht nachzuvollziehen, dass die oben genannten Übernahmen zeigen, dass sich das Hauptkampffeld für Mikrocontroller (MCUs) hin zum Edge-KI-Computing verlagert. Es wird erwartet, dass bis 2025 75 % der Daten am Netzwerkrand verarbeitet werden, was das enorme Potenzial des Marktes für Edge-KI-Mikrocontroller unterstreicht. Dies verdeutlicht, dass die Nachfrage nach Edge-KI-Computing rasant wächst und Mikrocontroller als Kernkomponente von Edge-Geräten in diesem Trend eine Schlüsselrolle spielen werden.
Zukünftig werden Mikrocontroller (MCUs) nicht mehr auf traditionelle Steuerungsfunktionen beschränkt sein, sondern schrittweise KI-basierte Analysefunktionen integrieren und in Bereichen wie Bilderkennung, Sprachverarbeitung und vorausschauender Wartung von Anlagen eingesetzt werden. MCUs mit Edge-Computing-Funktionen werden dank ihres geringen Stromverbrauchs, ihrer hohen Effizienz und ihrer schnellen Reaktionszeiten zu wichtigen Trägern von Edge-Computing-Leistung und bieten so eine stärkere Unterstützung für intelligente Geräte und Systeme.
Auch andere große MCU-Hersteller sind in diesem Bereich aktiv und konkurrieren um Marktanteile, wie beispielsweise Renesas Electronics mit der Übernahme von Reality AI, Infineon mit der Übernahme des schwedischen Unternehmens Imagimob und NXP mit der Einführung der Machine-Learning-Software eIQ und der KI-Toolchain NANO.
Man kann daraus schließen, dass Edge-KI in den nächsten Jahren zu einem entscheidenden Schlachtfeld für MCUs werden wird.
Automobilelektronik: im Fokus des Kapitalwettbewerbs
In letzter Zeit häufen sich Fusionen und Übernahmen im Halbleiterbereich mit Bezug zu Automobilanwendungen. Neben der Rechenleistung hat auch die Weiterentwicklung von Antriebssträngen, Fahrzeugnetzwerken, Fahrzeug-Audiosystemen und anderen Technologien die Iteration und Aktualisierung der Halbleitertechnologie vorangetrieben und Unternehmen dazu veranlasst, ihre Technologieportfolios durch Fusionen und Übernahmen zu erweitern.
Die Halbleiterindustrie ist eine typische technologie- und kapitalintensive Branche. Betrachtet man die letzten Jahrzehnte, so sind Integration und Fusionen zu einem unvermeidlichen Trend in der Entwicklung dieser Branche geworden.
KI-Giganten tätigen häufig Akquisitionen, um ihre Technologiearchitektur zu verbessern und einen umfassenden Wettbewerbsvorteil aus „Chip + System + Ökosystem“ zu erzielen. Führende MCU-Hersteller wandeln sich zunehmend zu Edge-KI-Anbietern und versuchen, den Markt für intelligente Endgeräte mit geringem Stromverbrauch und hoher Flexibilität zu erobern. Im Automobilbereich sind Fahrzeugcomputer, autonomes Fahren und Datenvernetzung zu zentralen Wettbewerbsfeldern geworden. Gleichzeitig wandelt sich die EDA-Branche vom reinen Werkzeuganbieter zum Entwickler eines Ökosystems. Die Giganten integrieren IP und Designprozesse und sichern sich durch die Architektur „Werkzeug-Architektur-Standard“ eine marktbeherrschende Stellung.
In dieser Welle von Fusionen und Übernahmen sind Technologiekooperation, Marktexpansion und die Dominanz im Ökosystem zu zentralen Strategien geworden. Unternehmen müssen angesichts des Kapitalzuflusses ein Gleichgewicht zwischen kurzfristiger Integration und langfristiger Forschung und Entwicklung finden. Aufgrund der technologischen Hürden und der Kapitalintensität der Halbleiterindustrie ist dieser Wandel kein „Abkürzungsprojekt“, sondern ein „Marathon“, der langfristige Investitionen erfordert.
Veröffentlichungsdatum: 30. Juni 2025