|
全球AI模型優化技術領導者Deeplite首席執行官Nick Romano近日通過LinkedIn平臺正式宣布，意法半導體（STMicroelectronics，以下簡稱“ST”）已完成對Deeplite的收購。此次收購標志著半導體巨頭與AI軟件創新企業的深度融合，雙方將整合技術優勢，推動邊緣AI計算從云端向終端設備的全面滲透。 技術協同：從模型壓縮到硬件適配的全鏈條突破 Deeplite成立于2018年，專注于通過AI驅動的自動化工具鏈，將復雜深度學習模型壓縮至資源受限的邊緣設備運行。其核心技術包括： 模型量化與剪枝：通過INT8量化技術將模型存儲需求降低數倍，結合權重剪枝技術減少冗余參數，使模型推理速度提升最高達9%，功耗顯著降低； 自動化神經架構搜索（AutoML）：基于硬件特性自動生成高效神經網絡架構，縮短開發周期至數小時，較傳統人工優化效率提升百倍； 跨平臺優化引擎：支持RISC-V、Arm Cortex-M等主流MCU架構，與晶心科技合作推出的優化方案已實現模型體積縮小1.7倍、執行速度提升15%的實測成果。 ST作為全球MCU市場領導者，其STM32系列MCU廣泛應用于工業控制、汽車電子及消費物聯網領域。通過此次收購，ST將Deeplite的軟件優化能力與自身NPU（神經網絡加速單元）及低功耗MCU技術結合，計劃推出覆蓋“訓練-部署-推理”全流程的邊緣AI解決方案，目標場景包括： 工業設備預測性維護：通過實時傳感器數據分析降低停機風險； 車載AI視覺系統：在低功耗條件下實現行人檢測與障礙物識別； 可穿戴設備語音交互：在本地端完成語音指令解析，保障隱私安全。 市場機遇：邊緣AI需求爆發催生行業整合潮 據市場研究機構預測，2025年全球75%的數據將在邊緣側處理，端側AI芯片市場規模將突破280億美元。在此背景下，MCU廠商正加速布局邊緣AI能力： 瑞薩電子：收購Reality AI，推出面向TinyML（微型機器學習）的傳感器融合方案； 英飛凌：整合Imagimob技術，強化微控制器上的本地化AI推理能力； 恩智浦：發布eIQ機器學習開發環境，支持TensorFlow Lite Micro等框架部署。 ST此次收購Deeplite，被視為其“未來制造”戰略的關鍵落子。公司2025年Q1財報顯示，盡管營收同比下降27.3%，但汽車與工業業務訂單出貨比顯著改善，邊緣AI技術有望成為新的增長引擎。 戰略展望：構建開發者友好型邊緣AI生態 Deeplite的工程師團隊將整體并入ST邊緣AI解決方案部門，其多倫多研發中心將繼續作為技術樞紐，與ST位于瑞士、法國、意大利的研發網絡協同。雙方計劃： 開放模型優化工具鏈：針對STM32生態開發者提供量化、剪枝及硬件適配的自動化工具； 共建行業參考設計：聯合推出面向工業電機控制、智能電網監測的標準化AI模塊； 拓展汽車電子應用：基于ST的汽車級MCU（如SPC58系列）開發ADAS域控制器邊緣推理方案。 Nick Romano在聲明中強調：“Deeplite的使命始終是讓AI無處不在。加入ST后，我們將從‘模型優化’延伸至‘硬件-軟件協同設計’，重新定義邊緣設備的智能邊界。”ST首席技術官亦表示，此次收購將加速公司NPU的商業化進程，目標在2026年前推出10款集成Deeplite優化技術的AI MCU產品。 |
