亚洲v欧美v另类v综合v日韩v,好看的黄色片,这里只有精品免费视频,特级做a爱片久久久久久

豪擲巨款收入囊中！半導體巨頭盯上邊緣AI/端側AI明星企業

作者 | 物聯網智庫2025-04-11

在生成式人工智能掀起全球技術浪潮的同時，另一個更為“低調”卻同樣關鍵的技術方向正悄然崛起，那就是邊緣 AI，或者說有個今年更為流行的名字——端側 AI。如果說邊緣 AI 聚焦于計算資源的下沉，那么端側 AI 則主要涉及在設備端直接部署和運行人工智能模型、實現快速數據處理和智能決策，二者同屬“分布式智能計算”的不同層級，內涵方面有很大的重合。

過去一段時間，無論是 NXP 重金收購 Kinara，還是高通宣布收購 Edge Impulse，科技巨頭們的頻繁動作揭示了一個清晰信號：邊緣 AI/端側 AI 正在從“概念驗證”走向“戰略支柱”。這場技術遷徙的背后，不僅是算力重構的必然趨勢，更是圍繞數據主權、實時決策與能效平衡的新一輪全球競爭。因此，本文將基于此，來聊聊科技巨頭不惜巨資拿下邊緣 AI/端側 AI 領域明星企業，主要基于哪些戰略考量。

科技巨頭爭先布局邊緣 AI/端側 AI

2025 年 2 月 11 日，荷蘭芯片制造商恩智浦 (NXP) 宣布斥資 3.07 億美元收購美國加州邊緣 AI 芯片初創公司 Kinara Inc.，后者專注于為網絡邊緣的人工智能工作負載開發神經處理單元 (NPU)。

據悉，Kinara 的分立 NPU (包括 Ara-1 和 Ara-2) 在性能和能效方面位居行業前列，因此非常適合用于視覺、語音、手勢等新興 AI 應用，以及其他各種由生成式 AI 驅動的多模態實現。這兩款器件均采用創新架構，能夠映射推理圖，以便在 Kinara 的可編程專有神經處理單元上高效執行，更大限度地提高邊緣 AI 性能。此外，Kinara 還提供豐富的軟件開發套件，便于客戶優化 AI 模型性能及簡化部署流程。

恩智浦表示，通過將 Kinara 的離散 NPU 與其自身的處理器、連接和安全軟件產品組合相結合，此次收購將幫助其提供“從 TinyML 到生成式 AI 的完整且可擴展的 AI 平臺”。

看重 TinyML 的不只恩智浦，2025 年 3 月 11 日，高通宣布收購邊緣 AI 技術公司 Edge Impulse，旨在整合 Edge Impulse 的邊緣 AI 開發平臺，增強高通在人工智能 (AI) 和物聯網 (IoT) 領域的能力。

Edge Impulse 是 TinyML (微型機器學習) 領域的明星公司，由 Zach Shelby 和 Jan Jongboom 于 2019 年創立，彼時，他們意識到微控制器的計算能力已經發展到可以運行特定領域的 AI 模型，從而可以在設備上直接執行這些模型。盡管硬件條件成熟，但缺乏一個簡單的方法來構建、優化并將邊緣和領域特定的 AI 模型部署到這些設備上。因此，Edge Impulse 應運而生，其構建的 AIoT 平臺，可以大大縮短為傳感器、微控制器和攝像機等小型設備創建機器學習模型所需的時間。

通過此次收購，高通能夠將 Edge Impulse 的端到端邊緣 AI 開發平臺納入其物聯網生態系統。

除了最近幾個月這幾筆引發廣泛關注的大額收購案之外，再往前看——

2024 年 8 月，亞馬遜以 8000 萬美元現金收購芯片制造商和 AI 模型壓縮公司 Perceive ，Perceive 是一家開發突破性神經網絡推理解決方案的公司，專注于在邊緣設備上提供大型人工智能模型的技術，旗艦產品是 Ergo AI 處理器，它可以在各種環境中運行數據中心級神經網絡，即使在電力受限的情況下。

2023 年 7 月，英偉達已收購人工智能初創公司 OmniML，后者推出了一個名為 Omnimizer 的平臺，該平臺可以壓縮機器學習模型的大小，以便大模型在更小的設備上運行，而非依賴于云端算力。

當未來趨勢愈發明顯，科技巨頭們的動作也愈加迅速，通過收購和整合邊緣 AI/端側 AI 技術，持續鞏固自身在人工智能領域的領導地位，滿足不斷增長的市場需求，并推動技術創新和應用落地。

出于哪些戰略考量？

通過分析上述的幾起收購案，我們也能得到一些基本洞察：

①半導體巨頭們的行動最為積極

在諸多科技巨頭中，半導體巨頭們是對邊緣 AI/端側 AI 反應最為強烈和迅速的群體。半導體巨頭通過并購快速獲取核心技術，實現搶占高增長市場的目標。

從戰略意義上來看，一方面，云端 AI 面臨算力成本高、延遲和隱私風險等挑戰，而邊緣 AI/端側 AI 通過本地化處理數據，顯著降低了帶寬需求和響應時間，增強數據隱私保護并降低成本。半導體企業通過提供邊緣端芯片和解決方案，幫助客戶突破云端限制。同時，在傳統 PC 與移動終端市場趨于飽和的背景下，邊緣 AI/端側 AI 為芯片廠商提供了全新的增量市場，包括工業自動化、智慧城市、智能駕駛、智能安防等高潛力場景。對于像高通、恩智浦、英特爾、AMD這類半導體廠商來說，布局邊緣 AI/端側 AI 不僅是搶占下一代 AI 算力入口，更是延長“摩爾定律”紅利的現實路徑。

比如，恩智浦巨資拿下的 Kinara，其產品可在包括傳統 AI 和生成式 AI 等一系列神經網絡中實現高能效的 AI 性能，滿足工業與汽車市場快速增長的 AI 需求。同樣，高通收購的 Edge Impulse，也將提高其為零售、安全、能源和公用事業、供應鏈管理和資產管理等關鍵領域提供全面技術的能力。

顯然，邊緣 AI 發展正推動硬件生態變革，成為芯片企業的“增長跳板”。

另一方面，邊緣 AI/端側 AI 對高性能芯片、低延遲處理和安全性的要求，直接依賴于半導體制程進步和硬件創新。當 AI 從云端向邊緣滲透，半導體企業通過技術投資和生態合作，不僅鞏固了自身在產業鏈的核心地位，也推動了整個行業的轉型升級。未來，隨著邊緣 AI 設備（如智能手機、具身機器人）的普及，半導體行業將進一步受益于這一技術浪潮。

②TinyML 是巨頭眼中端側 AI 的重要實現路徑

上述的幾起收購案中，都涉及一項重要技術—— TinyML。所謂 TinyML，是指將機器學習模型部署在資源受限的嵌入式設備(如微控制器、傳感器模塊等)上，實現本地化、低功耗、低延遲的智能推理的技術。

從巨頭們的動作可以看出，隨著技術的不斷成熟，TinyML 將成為邊緣 AI/端側 AI 的重要實現路徑，未來會廣泛應用于智能家居、可穿戴設備、工業物聯網等對成本、功耗與響應速度高度敏感的場景中。

TinyML 的核心目標是在毫瓦 (mW) 級功耗的微控制器 (MCU) 上運行機器學習模型，是目前唯一能夠在毫瓦級能耗+KB 級存儲+極低成本硬件上穩定運行 AI 模型的技術路徑，天然適配邊緣 AI/端側 AI 最典型的部署需求。

隨著 AI 應用從“集中式云推理”向“邊緣智能、端側智能”遷移，智能的部署重心發生遷移，而 TinyML 所支持的部署平臺（如 Cortex-M 系列、RISC-V MCU、DSP 核等），正是分布式智能計算網絡中的最末端節點，TinyML 使這些極小節點也具備基本 AI 感知與判斷能力，實現真正的“泛在智能”。

而且，以往的 AI 往往局限于云端大模型和高性能算力中心，技術門檻高、開發成本大，而 TinyML 生態正在推動：①低代碼/可視化建模工具：非 AI 專業人員也可訓練部署模型；②硬件平臺通用化：模型一鍵遷移；③訓練推理分離：模型可在云上訓練、設備端獨立推理，降低設備成本。這都讓 AI 真正具備了“像嵌入式軟件一樣開發和部署”的可能性，極大加速了邊緣智能的普及。

基于在低功耗、實時性、隱私保護、硬件適配性以及廣泛的應用場景等方面的獨特優勢，可以說 TinyML 是邊緣/端側 AI 的最核心技術支撐之一。沒有 TinyML，就沒有真正意義上的“邊緣泛智能”與“端側普適 AI”。

③看重大小模型互補+邊云協同

邊緣/端側 AI 雖好，我們也需認識到其理解能力有限，難以處理復雜推理、語義理解等高級任務；大模型能力強，但算力開銷巨大，難以在邊緣或終端部署，也不適合實時響應。因此，大模型主導認知推理、復雜生成任務，邊緣輕量模型主導實時感知、本地響應，兩者協同恰好互補。

在未來的泛在智能架構中，邊緣輕模型是響應之“快”，大模型是理解之“深”，兩者協同才能構建一個既高效又可靠的 AI 系統。科技巨頭正是看中這一演進趨勢，才加快了對邊緣部署能力與模型管理平臺的全面布局。

舉例而言，就在高通收購 Edge Impulse 過去沒多久的 4 月 2 日，其又通過官網宣布收購越南人工智能（AI）新創企業——MovianAI。該公司前身是 VinAI 應用與研究股份公司 (VinAI) 的生成式人工智能部門，作為一家領先的人工智能研究公司，VinAI 以其在生成式人工智能、機器學習、計算機視覺和自然語言處理方面的專業知識而聞名。

這起交易將和高通此前收購 Edge Impulse 形成協同效應：MovianAI 專注于智能手機和汽車的大規模人工智能模型，而 Edge Impulse 則針對資源受限的小型設備優化人工智能，這為高通提供了整個人工智能價值鏈的全新“端到端”專業知識。