2023年，半导体企业在这三个领域买买买

在过去的2023年，半导体市场的逆风周期仍未过去，企业收并购的脚步却不曾停歇。EDA企业积极拓展，以横向收购应对先进制程加剧芯片设计复杂程度的挑战，几乎撑起了半导体收购的半壁江山；宽禁带半导体市场前景备受瞩目，英飞凌以数倍于氮化镓市场规模的价格收购氮化镓企业；而AI成为贯穿全年的关键词，芯片企业收购软件企业，软件企业收购芯片企业，都是为了在AI这片热土占据有利地形。冷年之中，半导体企业蓄势待发，步履不停。

2023年部分半导体相关收购案（中国电子报整理）

EDA领域收购最为活跃

若以数量来看，2023年以EDA为代表的电子系统设计企业相关的收购最为活跃，且大多是对同领域或相邻领域公司的横向收购。比如EDA头部企业Cadence一年之内收购了四家企业，其中三家是同样从事电子系统设计的企业。新思科技、Keysight都有软件企业入账。当然，也有EDA企业被收购，比如Insight和Diakopto就分别被西门子和ANSYS两家工程软件公司收入囊中。

记者整理收购信息发现，先进制程加剧芯片设计复杂性，构成了许多EDA企业收购或被收购的驱动力。EDA企业普遍希望通过收购提升芯片设计的自动化体验，以应对先进制程带给布局、布线、检测等主要设计流程的挑战。Keysight收购Cliosoft，就是看中了Cliosoft的流程及数据管理功能。采用先进制程的芯片设计涉及更多、更复杂的IP模块和数据，而Cliosoft等企业提供的管理工具，能够帮助用户构建高效的工作流程。再比如ANSYS收购Diakopto，是为了应对寄生效应问题。随着芯片采用的工艺越来越先进，芯片设计布局中的寄生效应问题也日益复杂。基于收购，ANSYS希望在芯片设计的早期就检测到寄生效应，并为工程师提供可行的解决方案，以提升芯片的可靠性并加快上市时间。

在诸多EDA相关并购中，也不乏对于新技术的跟进。比如Cadence收购Pulsic的主要目标，是将人工智能引入芯片设计。虽然近年来芯片设计的自动化水平持续提升，但模拟电路的设计仍然对手动的布局、布线有着较高的依赖程度。Cadence等EDA企业和Pulsic、Astrus等芯片设计解决方案公司，都在基于智能化技术，提升模拟电路的布局效率。此前，Cadence推出了Virtuoso Studio解决方案，通过AI、云、2.5D/3D封装等技术，支持客制化的芯片设计。Cadence希望本次收购，能够将Pulsic的自动化技术融入Virtuoso Studio，利用AI降低模拟芯片的设计难度。

收购还显示出EDA企业对于热点应用领域的关注。比如新思科技收购PikeTec，志在软件定义汽车。随着汽车电子电气架构日渐复杂，由软件、传感器、计算、机电一体化构成的软件定义系统也更加庞大，测试和验证工作随之增加。新思科技计划将PikeTec的测试自动化工具和服务加入自身产品线，为汽车OEM提供更加全面的虚拟化和测试方案。

宽禁带半导体备受期待

2023年，宽禁带半导体领域迎来两起大额收购——所谓“大额”，是相对于宽禁带半导体的市场规模而言。

在2022年氮化镓市场规模约为1.8亿美元的前提下，英飞凌斥资8.3亿美元收购了氮化镓系统公司，以构建包含硅、碳化硅和氮化镓三种主要功率半导体技术的业务版图。

英飞凌发言人Gregor Rodehueser（格雷戈尔·罗德霍瑟）向《中国电子报》记者表示，氮化镓正在成为功率半导体的关键材料，与硅和碳化硅并列，将在未来几年发挥更加重要的作用，特别是在移动充电、数据中心电源、住宅太阳能逆变器和电动汽车等应用中。英飞凌目前拥有约450名氮化镓专家和 350 多个氮化镓专利族，正在通过收购等措施巩固在电源系统领域的领先地位，完善氮化镓路线图，并加快相关产品的上市。

紧随其后，是博世斥资15亿美元收购TSI，以制造用于电动汽车的碳化硅芯片。博世计划向TSI的罗斯维尔工厂注资超过15亿美元，将TSI的半导体制造设施转变为更先进的工艺，第一批基于8英寸碳化硅晶圆生产的芯片将于2026年下线。

根据市调机构数据，博世收购TSI的金额超过了2022年车用碳化硅功率元件的市场规模，展现了博世对于碳化硅市场需求的乐观预期。据博世测算，相比硅基芯片，碳化硅芯片的能源消耗最多可减少50%，安装碳化硅功率器件的电动汽车在一次充电后的行驶里程（较安装硅基功率器件的电动汽车）平均提升6%。

人工智能是最大公约数

如果要为2023年不同应用领域、不同产业环节的半导体收购寻找一个“最大公约数”，人工智能是不得不提的关键词。算力芯片企业收购软件企业也好，软件企业收购算力芯片企业也好，都是为了在火热的AI市场博得更多优势。

全球两大GPU芯片供应商，都向AI软件企业伸出了橄榄枝。AMD收购了Mipsology和Nod.ai两家AI软件企业，以完善人工智能软件堆栈，扩展软件工具、数据库和模型生态，使用户能够更简捷地在AMD硬件部署和运行AI模型。英伟达低调收购的OmniML主要提供机器学习应用微型化技术，能够压缩AI模型的体量，使模型在边缘AI设备运行。

和芯片企业一样，软件企业也意识到了软硬件一体化在AI时代的重要性。微软作为OpenAI的主要投资者，已经将ChatGPT托管到自家云服务Azure上，并推动ChatGPT与搜索引擎Bing的整合。要支撑广大用户对于AI软件、应用和工具的调用，就离不开强力的数据中心基础设施。微软收购的Fungible是一家DPU供应商，而DPU被誉为继CPU、GPU之后数据中心的第三块主力芯片，能够让计算更加靠近数据产生的地方，给CPU减负，从而提升系统的整体计算效率。目前亚马逊、阿里云等云厂商都拥有了自研DPU，微软选择通过收购迎头赶上，也反应了云厂商应对AIGC引爆的数据洪流时，将软硬件耦合放在了重要位置。

而一口气收购了三家及以上企业的英飞凌和Cadence，也没有忽略AI这个贯穿全年的热点。

比如Cadence收购Rambus的SerDes（串行器/解串器）和存储器接口IP业务，就是看中了SerDes和存储器在AI、数据中心等高性能芯片设计中的不可或缺。一方面，更加高速的SerDes接口，能够提供更大的网络吞吐量，进一步发挥人工智能硬件的效能。另一方面，人工智能的训练和推理，需要更高密度、更大带宽的存储器和更高效的存储器接口。

英飞凌收购边缘设备机器学习技术供应商Imagimob，也是为了强化边缘AI解决方案，在快速增长的边缘 AI市场抢占先机。

“在未来几年内，人工智能和机器学习将大规模进入嵌入式应用，在保护用户隐私的同时实现新的功能，并提升控制和能效水平。通过此次收购，英飞凌提升了在机器学习解决方案领域的影响力，并补充了人工智能产品线。”罗德霍瑟告诉记者。他表示，边缘AI在数据隐私和安全方面具有许多优势，因为它不需要将敏感数据传输到云端或存储在外部服务器。由于减少了向云端传输数据的需求，边缘AI还有助于节省成本和能源。基于边缘人工智能，开发者可以让最终产品从机器学习中受益，且不必对用户隐私、功耗、成本和实时性能等关键指标作出妥协。

而边缘AI的实现，离不开机器学习的轻量化。罗德霍瑟表示，边缘机器学习正在将高性能、高能效的机器学习引入边缘设备，让机器学习算法能够在最小型的MCU运行，为客户创新提供支持。数据显示，到 2030 年，边缘机器学习设备的全球出货量将达到 25 亿台，经济价值将超过 700 亿美元。借助本次收购、英飞凌的软件工具以及与大学等研究机构的合作，英飞凌希望让每一位开发者——哪怕新手，都能轻松使用边缘AI的工具并开发推理模型。

虽然主营业务不同，但英伟达和英飞凌的收购，都对边缘AI展现出兴趣和热情。目前，AIGC和大模型等AI最新业态，普遍以数据中心作为最主要的基础设施。或许边缘设备将AI的下一个战场，让AI乃至大模型的部分能力来到消费者身边。