業界ニュース：世界の半導体業界における合併・買収が再び増加傾向にある

MCU+AI：避けられないトレンド

STマイクロエレクトロニクスがエッジAIに注力するDeepliteを買収

今年4月、STマイクロエレクトロニクス（ST）は、業界の注目を集めたカナダのAIスタートアップ企業Deepliteを買収しました。周知のとおり、商用展開における深層学習モデルの大きな課題は、その動作規模、プロセッサ要件、そして消費電力の強さです。Deepliteは、DNN（深層ニューラルネットワーク）モデルを最適化する自動化されたソフトウェアエンジンを提供することでこの問題を解決し、あらゆるデバイス上でAIによるエッジコンピューティングを実現します。

2017年に設立されたDeepliteは、AIモデルの最適化、量子化、圧縮に特化したエッジAIソリューション「DeepSeek」で知られています。同社の革新的なAI駆動型オプティマイザ「Neutrino」は、大規模な深層学習モデルを元のサイズの10分の1に圧縮しながら、98%以上の精度を維持します。重み剪定（冗長なパラメータの削除）、量子化（計算精度の要件の低減）、スパース化（ゼロ値の重みの割合の増加）という3つの主要技術により、大規模なAIモデルをエッジデバイス上でより高速、より小型、かつエネルギー効率よく実行できます。これまでクラウドコンピューティング機能を必要としていたアプリケーションも、スマートフォンカメラや産業用センサーなどのエッジデバイス上でスムーズに実行できるようになりました。

Deepliteは創業初期から大きな注目を集め、Gartner、Forbes、Inside AI、ARM AIなどから最先端のAIイノベーターとして評価されてきました。今回の買収は、ハードウェアとソフトウェアを「二重らせん」方式で組み合わせるSTMicroelectronicsのエッジAIへの戦略的変革と密接に関連しています。Deepliteのモデル最適化技術は、STMicroelectronicsのSTM32シリーズMCUおよび専用NPUと深く統合されており、エンドツーエンドのAIソリューションの構築をサポートします。例えば、スマートファクトリーのシナリオでは、STMicroelectronicsのチップを搭載したカメラは、データをクラウドにアップロードすることなく直接欠陥を検出でき、応答速度が40倍向上します。

一方、Deepliteは世界トップクラスのAIアルゴリズムエンジニアチームを擁しており、STはこのチームを通じて200以上の最先端AI開発ツールを統合し、「モデルライブラリ・オプティマイザ・ハードウェアプラットフォーム」という統一された開発エコシステムを構築する。つまり、Deepliteの買収は、STのAIソフトウェア分野における最後のピースを完成させるだけでなく、半導体業界が「チップ製造」から「頭脳製造」へとパラダイムシフトすることを示すものでもある。

NXPはスマートエッジの再構築のため、NPU企業Kinaraを買収した。

今年2月、NXPは米国のエッジAIチップスタートアップ企業であるKinaraを現金3億700万ドルで買収すると発表した。Kinaraは2013年に設立され、当初はCore Vizという社名だったが、後にDeep Visionに社名変更し、2022年にKinaraに社名変更した。KinaraのディスクリートNPU（Ara-1およびAra-2を含む）は、性能とエネルギー効率において業界をリードしており、ビジョン、音声、ジェスチャー、その他さまざまな生成型AI実装によって駆動される新興AIアプリケーションにとって最適なソリューションとなっている。また、そのプログラマビリティにより、進化するAIアルゴリズムにも適応できる。

NXPは、今回の買収により、Kinaraの独立型NPUとNXP独自のプロセッサ、接続性、セキュリティソフトウェアポートフォリオが統合され、TinyMLからジェネレーティブAIまで、産業および自動車市場における急速に高まるAIニーズに対応できる、包括的で拡張性の高いAIプラットフォームを提供できると述べています。これにより、産業およびIoT分野における新たなAI駆動型システムの構築、顧客の複雑性の簡素化、市場投入までの時間短縮、スマートカーなどの分野における技術力の強化、そして高付加価値分野への移行が促進されるとしています。

エッジAI：MCUメーカーにとっての激戦地

人工知能の分野では、「規模こそ力」という誤解が長らく存在してきた。大規模モデルは優れた性能を発揮するものの、実際の導入においては課題に直面する。すなわち、高いエネルギー消費量がエッジ側の軽量化要件と相反するのだ。業界の専門家は、大規模モデルの応用シナリオにおける本質的な限界を繰り返し指摘してきた。一方では、大規模モデルの学習と実行には膨大な計算リソースが必要となる。他方では、人工知能の産業化を推進する上で重要な分野は、まさにエッジコンピューティングと端末機器であり、これらは消費電力とレイテンシに対してより敏感である。

上記の買収事例から、MCUの主要な戦場がエッジAIコンピューティングへと移行していることは容易に理解できる。2025年までにデータの75%がエッジで処理されると予想されており、エッジAI MCU市場の巨大な潜在力が浮き彫りになっている。これは、エッジAIコンピューティングの需要が急速に高まっていることを示しており、エッジデバイスの中核部品であるMCUがこのトレンドにおいて重要な役割を果たすことになるだろう。

将来的には、MCUは従来の制御機能にとどまらず、AI推論機能を徐々に統合し、画像認識、音声処理、機器の予知保全といった分野に応用されるようになるでしょう。エッジコンピューティング機能を備えたMCUは、低消費電力、高効率、そして瞬時の応答性により、エッジコンピューティング能力の重要な担い手となり、スマートデバイスやシステムをより強力にサポートする存在となるでしょう。

他の主要なMCUメーカーもこの分野で積極的に買収や競争を行っており、例えばルネサスエレクトロニクスによるReality AIの買収、インフィニオンによるスウェーデンのImagimobの買収、NXPによる機械学習ソフトウェアeIQとAIツールチェーンNANOの発売などが挙げられる。

結論として、エッジAIは今後数年間でMCUにとって重要な戦場となるだろう。

自動車エレクトロニクス：資本競争の焦点

近年、自動車関連アプリケーションにおける半導体企業の合併・買収が頻繁に見られるようになった。演算能力の向上に加え、自動車のパワートレイン、車載ネットワーク接続、車載オーディオなどの技術進化も半導体技術の反復・更新を促しており、関連企業は合併・買収を通じて自社の技術基盤を補完する動きを見せている。

半導体産業は、典型的な技術集約型かつ資本集約型の産業である。過去数十年を振り返ると、統合と合併は、この産業の発展において必然的な流れとなっている。

AI大手企業は、技術構成の改善と「チップ＋システム＋エコシステム」というフルスタックの優位性構築を目指し、頻繁に買収を行っている。主流のMCUメーカーは、低消費電力と高い柔軟性を武器にスマート端末市場の獲得を目指し、エッジAIへと徐々に移行している。自動車分野では、車載コンピューティング、自動運転、データ相互接続が資本競争の主要分野となっている。同時に、EDA業界はツール提供からエコシステム構築へとシフトしている。大手企業はIPと設計プロセスを統合し、「ツール・アーキテクチャ・標準」アーキテクチャを通じて市場支配力を構築している。

合併・買収の波の中で、技術提携、市場拡大、エコシステムの支配が中心的な論理となっている。企業は、流入する資本の中で、短期的な統合と長期的な研究開発のバランスを取る必要がある。半導体産業の技術的な障壁と資本集約的な性質を考えると、この変革は「近道」ではなく、長期的な投資を必要とする「マラソン」である。