近日，意法半導體收購AI初創(chuàng)公司Deeplite的消息曝光，引來了MCU業(yè)界的關注。

DeepLite（Deeplite）是一家專注于深度學習優(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領域有豐富的經(jīng)驗。其主要核心技術包括：

- 深度學習模型優(yōu)化：DeepLite的核心產(chǎn)品是其優(yōu)化軟件，能夠將大型深度學習模型進行壓縮和優(yōu)化，使其在資源受限的邊緣設備上高效運行。

- 自動化神經(jīng)網(wǎng)絡架構設計：DeepLite的軟件能夠自動化設計神經(jīng)網(wǎng)絡架構，大大減少了以往需要人工反復測試的時間和錯誤。

- 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，在于通過多種方式降低深度學習模型的功耗，主要通過優(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(zhí)行效率來實現(xiàn)。

具體地分析，DeepLite做的工作包括：

1、模型壓縮與量化

- 權重剪枝（Weight Pruning）：通過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(shù)數(shù)量。剪枝后的模型在計算時需要處理的參數(shù)更少，從而降低了計算復雜度和功耗。

- 量化（Quantization）：DeepLite的量化技術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(shù)倍，并顯著降低計算功耗。

2、 優(yōu)化模型結構

- 自動化架構設計（AutoML）：利用自動化機器學習技術，DeepLite能夠設計出更適合特定硬件和應用場景的神經(jīng)網(wǎng)絡架構。可以將深度學習模型的推理速度提高數(shù)倍，同時顯著降低功耗。

- 稀疏化（Sparsification）：通過使模型的權重矩陣稀疏化，即增加零值權重的比例，減少實際計算的次數(shù)?？梢燥@著減少模型的計算量，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(jù)不同的硬件平臺（如RISC-V CPU、Arm Cortex-M系列等）進行定制優(yōu)化。

- 內(nèi)存訪問優(yōu)化：通過優(yōu)化模型的內(nèi)存訪問模式，減少內(nèi)存訪問的次數(shù)和延遲。

4、減少數(shù)據(jù)傳輸

DeepLite的優(yōu)化技術使得模型可以在本地設備上運行，減少了數(shù)據(jù)傳輸?shù)皆贫嘶?a class="article-link" target="_blank" href="/tag/%E6%9C%8D%E5%8A%A1%E5%99%A8/">服務器的需求。數(shù)據(jù)傳輸本身會消耗大量功耗，尤其是在無線通信中。

某種角度上看，DeepLite簡直就是邊緣AI的DeepSeek。DeepLite通過模型壓縮、量化、優(yōu)化模型結構、硬件適配和減少數(shù)據(jù)傳輸?shù)榷喾N技術手段，顯著降低了深度學習模型的功耗。這些技術不僅提高了模型的執(zhí)行效率，還使得復雜的AI模型能夠在資源受限的物聯(lián)網(wǎng)設備上高效運行，推動了物聯(lián)網(wǎng)設備的智能化和節(jié)能化發(fā)展。

2019年DeepLite與晶心科技合作，將DeepLite的優(yōu)化技術與晶心的RISC-V CPU相結合，推動深度學習模型在邊緣設備上的應用。其優(yōu)化后的模型在執(zhí)行時間上比TensorFlow Lite Micro的模型快了9%，模型大小減少了1.7倍，同時功耗顯著降低。

對于意法半導體這樣的MCU巨鱷來說，這個收購顯然非常匹配。

1、DeepLite在模型優(yōu)化、量化和壓縮方面有獨特技術，可使AI大模型在邊緣設備上運行得更快、更小、更節(jié)能。ST作為半導體巨頭，收購DeepLite后，能將后者的軟件解決方案與自身先進的MCU和NPU相結合，打造全球領先的邊緣AI平臺。

2、DeepLite能夠提供最先進的模型、針對AI處理器的預先優(yōu)化以及訓練和部署模型到生產(chǎn)環(huán)境所需的工具，這將大大加速ST NPU的采用，并縮短AI應用的上市時間。

ST一直以來都在通過收購等方式來補充和部署技術和產(chǎn)品資源，以實現(xiàn)縱向和橫向擴展。收購DeepLite是其在AI領域的重要布局，有助于ST在未來的市場競爭中占據(jù)更有利的位置，更好地滿足客戶對高性能、低功耗AI解決方案的需求，從而在AI芯片市場中占據(jù)更大的份額。

早在2021年，意法半導體就收購了法國邊緣AI軟件專業(yè)開發(fā)公司Cartesiam，基于ARM平臺開發(fā)AI開發(fā)工具，并推出了帶有神經(jīng)網(wǎng)絡硬件處理單元（Neural-Art Accelerator）的通用微控制器——STM32N6。

今年4月10日，意法半導體發(fā)布年報時披露了其公司戰(zhàn)略的更多細節(jié)，其中最核心的部分就有：“部署更多人工智能和自動化技術，優(yōu)先投資面向未來的基礎設施”，這一規(guī)劃與該公司此次對Deeplite的收購行動不謀而合。

這個收購案也預示著未來MCU（微控制器）的主戰(zhàn)場正在向邊緣AI計算領域轉移。

其他幾家MCU大廠也在不斷收購該領域的初創(chuàng)企業(yè)并緊鑼密鼓地準備迎戰(zhàn)。

瑞薩：收購Reality AI，提供TinyML解決方案。

英飛凌：收購瑞典Imagimob公司，提升其微控制器和傳感器上的TinyML邊緣 AI 功能。

恩智浦：已推出機器學習軟件eIQ軟件和AI工具鏈NANO.AI。

隨著邊緣計算和AIoT（人工智能物聯(lián)網(wǎng)）的發(fā)展，AI芯片的市場爭奪逐漸向邊緣側轉移。據(jù)預測，到2025年，75%的數(shù)據(jù)將在邊緣側進行處理，端側AI MCU市場潛力巨大。這表明邊緣AI計算的需求正在快速增長，MCU作為邊緣設備的核心組件，將在這一趨勢中發(fā)揮重要作用。

未來的MCU不再局限于傳統(tǒng)控制功能，而是逐漸集成AI推理能力，用于圖像識別、語音處理、設備預測性維護等場景。具備邊緣計算能力的MCU憑借低功耗、高效性能、即時響應等特性，成為邊緣算力的重要載體，為智能設備和系統(tǒng)提供更強大的支持。