近段时间来，全球半导体行业并购潮涌动，高通、AMD、英飞凌、恩智浦等巨头接连出手，技术整合与市场扩张同步加速。

这些动作不仅展现了企业在激烈的市场竞争中寻求强强联合、优势互补的战略考量，也预示着半导体产业格局可能迎来新的变革。

通过审视近期国际半导体企业收并购案例，笔者大致总结出四个关键词：AI、MCU+、汽车与EDA。

AI巨头，查漏补缺

连续收购3家AI公司，AMD正面迎战英伟达

在AI芯片市场，英伟达的领先地位已经持续多年，但AMD显然不想再当“老二”。

近期，AMD动作频频。在短短10内连续宣布多项重要收购，加拿大的Untether AI、美国的编译器团队Brium，以及主攻光子芯片的Enosemi公司，覆盖从硬件架构、软件编译到芯片互联的完整AI技术链条。

这几笔交易明确显示了AMD致力于进一步巩固其在人工智能领域的竞争实力，以及挑战英伟达在AI硬件领域统治地位的坚定决心。

AMD收购AI芯片创业公司Untether AI

6月5日，AMD宣布达成战略协议，收购了加拿大AI推理芯片公司Untether AI的整个硬件与软件工程师团队。

Untether AI成立于2018年，核心业务是基于“近内存计算”架构开发AI推理芯片，将AI推理计算靠近内存执行，减少数据搬运。其优势显著，推出的speedAI240推理加速卡在ResNet-50图像分类基准测试中，于数据中心与边缘设备两类场景均取得“最快”成绩，且功耗仅75W，性能达2 PFLOPS，走出了一条“高效、省电、小巧”的技术路线，与英伟达大功率GPU思路不同。Untether AI的产品比竞争对手在边缘和数据中心场景更快速、节能，已与Ampere Computing、Arm等半导体公司及多家解决方案提供商建立合作，产品受市场欢迎。

AMD收购该团队，目的在于补足自身在内存计算架构方面的能力，在数据中心和边缘AI领域实现差异化布局。随着AI发展，当前高功耗AI GPU在推理场景存在功耗浪费，终端侧对高效AI推理芯片需求增长，AMD此举意在增强自身在AI推理市场竞争力，挑战英伟达。收购后，该团队将提升AMD在AI编译器、内核开发、数字与SoC设计、设计验证及产品集成等方面的能力。

此前，AMD已通过收购Xilinx、Pensando、Silo AI、Mipsology、ZT Systems等企业强化异构计算、网络加速、AI模型训练与推理等能力。未来AMD有望借助此次收购，结合此前收购成果，构建抗衡英伟达AI技术栈的方案，推动自身在AI领域的发展。

AMD收购AI软件优化创业公司Brium

6月4日，AMD宣布收购AI编译器公司Brium。

据了解，Brium成立于2024年，此前处于“隐身”运营，由在机器学习、人工智能推理和性能优化方面具备深厚专业知识的编译器及人工智能软件专家组成。Brium的核心业务是专注于AI编译器研发，堪称芯片的“翻译官”，能将复杂AI模型任务转化为芯片可理解并高效执行的指令代码。Brium具备独特优势，拥有在编译器技术、模型执行框架和端到端人工智能推理优化等方面的技术经验，能在模型到达硬件前对整个推理堆栈进行优化，减少对特定硬件配置的依赖，实现更快速、高效的开箱即用AI性能。

通过收购Brium，AMD能够补足技术短板，打破AI软件开发领域对英伟达硬件的依赖，增强自身在AI领域的竞争力。此次收购预计将为AMD带来诸多价值和赋能：例如，有望提升自家MI300系列GPU在AI任务中的执行效率，初步估算可达30%；Brium团队将助力AMD在OpenAI Triton、WAVE DSL和SHARK/IREE等关键项目上取得进展，使AI平台能更高效处理训练和推理工作负载；有助于加速AMD AI软件堆栈背后的开源工具发展，满足医疗保健、生命科学、金融和制造等垂直领域客户的特殊需求，拓宽市场覆盖范围。

这是AMD为增强与英伟达竞争地位而进行的一系列收购之一，未来AMD将借助Brium的技术，进一步完善自身AI技术版图，构建高性能、开放的AI软件生态系统，推动AI业务发展。

AMD收购硅光子芯片初创公司Enosemi

5月28日，AMD宣布收购硅光子芯片初创公司Enosemi。

据悉，Enosemi成立于2023年，员工仅16人，总部位于硅谷，由半导体背景深厚的专家和博士组成。其核心业务是研发光子集成电路（PIC），将多个光学器件功能集成于单颗芯片，实现芯片内光的高速数据传输，相比传统电信号传输，速度更快、功耗更低，契合数据中心、AI等对带宽和效率要求高的场景。并且Enosemi在大规模构建和交付光子集成电路上取得突破，是少数能实现量产交付的光通信初创公司，具备从芯片设计到系统部署的完整交付能力。

AMD收购Enosemi旨在解决AI计算领域的“互连瓶颈”。随着AI模型规模扩大，传统电子连接无法满足芯片间数据交互在带宽和能耗上的需求，而CPO技术被视为关键突破口。此次收购，能补充AMD光学研发团队，使其快速增强在CPO领域产品开发能力，缩短研发周期，提升产品系统性能，有力应对英伟达在AI服务器系统、GPU互连等方面的领先地位。

未来，AMD计划加快CPO商用部署，将光引擎与AI加速芯片封装集成；优化AI整机系统能效，构建高带宽、低功耗的AI超算和数据中心；推动AI系统架构向计算与通信一体的分布式、集成化架构演进；拓展生态协作伙伴，打通产业链上下游。

这是AMD从“卖芯片”向“提供完整AI系统解决方案”转型的重要一环。此次收购后，AMD在AI时代的产品布局将更全面，能提供从中央处理器、图形处理器到光电子器件的系统级能力，满足数据中心和AI集群对高性能、低能耗的需求，标志着AI硬件竞争已进入系统全栈竞争阶段。

回顾这几年，AMD在AI布局上持续发力：收购Xilinx，获得了强大的FPGA和AI引擎能力；拿下Pensando，补齐了网络与数据处理短板；整合Silo AI和Mipsology，完善AI软件生态；最近又把ZT Systems纳入麾下，拓展至机架级系统集成。如今再通过Untether AI、Brium、Enosemi等多笔收购，将技术触角进一步延伸至近内存计算、编译器、光互连等领域。

在这一系列“买买买”的背后，是清晰方向和配套思路的系统布局。

AMD正通过合并收购所得的技术和人才，逐步建立起一个包含硬件、软件、AI在内的全方位科技蓝图，一步步搭建覆盖“算力+通信”全链条的解决方案，通过系统化、差异化的技术布局，在新一代AI基础设施建设中赢得属于自己的一席之地。

英伟达“拼图式并购”，成效显著

收购GPU租赁商Lepton AI，向“云+软件”领域拓展

4月8日，英伟达完成对GPU租赁商Lepton AI的收购，交易耗资数亿美元。据悉，Lepton AI 2023年由阿里前副总裁贾扬清创立，团队约20人，曾获1100万美元天使轮融资 。

Lepton AI致力于为企业提供高效、可扩展的AI应用平台。其虽不直接拥有GPU，却凭借“云原生+多云整合”技术，以低成本调度全球GPU资源，还开发软件助力创企构建、管理AI应用。仅成立两年时间，Lepton AI就被SemiAnalysis评为全球GPU云服务黄金梯队中“唯一未烧钱囤货的玩家”。

Lepton AI主营业务致力于打磨AI底层基础设施架构，目标是降低 AI 应用开发与部署的门槛。在其愿景里，开发者能通过产品化的方式更容易地完成训练、部署和扩展，从而更高效地进行大模型的落地与迭代。

成立至今陆续推出了两款核心产品：1）FastGPU主打经济高效和可靠的云GPU解决方案，于2024年6月上线，旨在以更具性价比的方式为开发者提供强大的计算资源；2）2023底推出的对话式搜索引擎Lepton Search，据称核心代码量不到500行，却成功基于Lepton AI平台实现了智能搜索功能，开源版本（GitHub）发布后迅速登上热榜，让人不禁想起早期用极简代码撬动复杂深度学习框架的“黑客式”创新思维。

除了产品，Lepton AI也在推动一系列基础工具和云平台建设，比如提供Python SDK支持HuggingFace模型集成，以及通过从GitHub仓库直接创建AI模型的方式，进一步降低AI开发的门槛。

英伟达收购Lepton AI，可获取其独特技术与客户群体，增强在云服务与企业软件市场实力，构建“芯片+云平台”端到端解决方案。在收购逻辑上，英伟达作为硬件霸主，面临AWS、谷歌云等巨头自研芯片及低价租赁策略冲击，其垄断地位受威胁。通过收购，英伟达能从硬件向“云+软件”领域拓展，巩固GPU租赁与云服务市场，抵御云巨头生态闭环冲击，还能渗透中小企业市场，推动软件业务增长，实现从“硬件霸主”向“全栈服务商”的战略转型 。

收购初创公司Gretel，聚焦AI训练数据

今年3月，英伟达收购了总部位于圣地亚哥的初创公司Gretel。

据了解，Gretel于2019年创立，其开发了生成合成AI训练数据的平台，旨在利用微调模型和独特技术为客户提供满足特定需求的AI训练数据。

根据Crunchbase的数据，Gretel在被收购前已获得超6700万美元融资，估值3.2亿美元，此次收购价达9位数，其约80人团队并入英伟达，其技术将作为英伟达为开发人员提供的生成式AI服务套件的一部分进行部署。

在战略并购层面，英伟达近年在AI基础设施领域动作频频。2024年，英伟达7亿美元收购集群管理平台Run.ai，优化GPU资源调度，提升利用率40%；3亿美元收购模型优化企业Deci，提升模型能效比，降低30%推理成本；还纳入推理加速工具OctoAI和合成数据公司Gretel...

能看到，这些收购覆盖AI开发全流程，形成芯片到应用的闭环生态，集成至AI Enterprise套件。英伟达这种“拼图式并购”成效显著，2024年其云与软件业务收入破15亿美元，三年增长近5倍。如今，在年复合增速38%、2025年规模将破2000亿美元的全球AI云服务市场中，英伟达凭硬件优势与生态整合再次占据先机。

高通，发力AI

收购Alphawave，加速布局数据中心市场

6月9日，高通宣布将以约24亿美元收购半导体IP大厂Alphawave Semi。

Alphawave Semi是高速有线连接和计算技术的半导体IP领导者。其核心业务涵盖提供IP、定制芯片、连接产品和芯片组。

需要指出的是，Alphawave的核心技术是SerDes，这是一种主流的时分多路复用(TDM)、点对点(P2P)的串行通信技术。即在发送端多路低速并行信号被转换成高速串行信号，经过传输媒体(光缆或铜线)，最后在接收端高速串行信号重新转换成低速并行信号。这种点对点的串行通信技术充分利用传输媒体的信道容量，减少所需的传输信道和器件引脚数目，提升信号的传输速度，从而大大降低通信成本。不仅如此，Alphawave还拥有多制程芯片设计能力，可构建高带宽、高能效SoC系统，推出的光电互连产品线速率高达1.6Tbps。

随着AI、高性能计算 (HPC) 和 5G 等数据密集型应用的快速扩展，对高效、可靠处理大量数据的连接解决方案需求持续爆发，特别是在AI数据中领域，高速SerDes已经成为了关键的数据传输连接方案，预计未来市场规模将达到百亿美元量级。

IPnest数据显示，在2024年的全球半导体IP市场，Alphawave已发展成为全球第四大半导体IP供应商。

作为移动芯片市场的龙头大厂，高通公司目前还正在大力开拓数据中心市场。但是从零开始开发SerDes技术需要大约两年的时间和专门的技术知识进行支持。如果要达到全球领先级，则需要更久的时间和更多的资源投入。显然，对于高通来说，收购Alphawave成为了其更好开拓数据中心市场的一个关键举措。

此前高通在服务器市场因生态与能效竞争退场，此次收购补齐了其在互连技术上的短板，为高通Arm架构的AI服务器芯片提供技术支撑。

高通对此表示，收购 Alphawave旨在进一步加速高通进军数据中心领域的步伐，并为其提供关键资产。此次收购旨在进一步加速高通向数据中心的扩张，并满足高通Oryon CPU和Hexagon NPU对高性能、低功耗计算日益增长的需求，增强在AI推理领域中对高吞吐量与能效兼顾的数据处理能力。

通过整合自有的NPU、DSP、通信与互连IP资源，高通有机会打造从边缘终端到云端服务器的垂直一体化AI平台，在数据中心和AI领域竞争中占据更有利地位，推动其在数据中心市场的战略布局。

这一举措不仅体现了高通对AI基础设施市场的重视，更透露出其重新进入数据中心处理器市场的意图。

收购越南公司 MovianAI，押注生成式AI

4 月 1 日，高通宣布收购越南 AI 研究公司 MovianAI。

MovianAI 原为越南企业集团 Vingroup 旗下 VinAI 的生成式 AI 部门。作为一家领先的人工智能研究公司，VinAI 以其在生成式人工智能、机器学习、计算机视觉和自然语言处理方面的专业知识而闻名。

将 VinAI 先进的生成式人工智能研发能力与高通数十年的广泛研发相结合，将扩大其推动非凡发明的能力。高通表示，此次收购将增强高通的生成式人工智能研发能力，并加速为智能手机、个人电脑、软件定义汽车等产品打造先进的人工智能解决方案。

收购边缘AI开发平台Edge Impulse，赋能IoT

今年3月，高通宣布将收购边缘AI开发平台Edge Impulse，希望此举能扩展其对支持IoT产品的AI能力。

据了解，Edge Impulse成立于2019年，在嵌入界的地位不可小觑。Edge Impulse的开发平台包括用于数据收集和准备、模型训练、部署和监控的工具，具有少量代码或无代码界面。开发人员使用Edge Impulse的平台将计算机视觉、时间序列数据、音频事件和语音识别等AI功能添加到资产跟踪和监控、制造、异常检测和预测性维护系统中的嵌入式系统中。

此次收购，将加速Edge Impulse对高通Dragonwing处理器的支持，目前，Edge Impulse支持Dragonwing QCS6490和QCS5430处理器，并计划为工业和嵌入式物联网应用增加对其他Dragonwing处理器的支持。与此同时，Edge Impulse将维护其当前网站，其平台将继续向来自公司硬件合作伙伴的MCU、CPU、GPU和NPU用户开放。

软银吞并Ampere，剑指AI和半导体

3月20日，软银宣布将以65亿美元全现金收购美国服务器CPU公司Ampere Computing，交易预计将于2025年下半年完成。

Ampere由前英特尔高管Renee James于2017年创立，专注基于Arm架构设计服务器芯片，其核心业务覆盖从边缘到云数据中心的云工作负载产品，早期客户包括微软、谷歌、字节跳动、腾讯等。

Ampere公司产品包括拥有128个内核的业界首个云原生处理器Ampere Altra系列、拥有192个Ampere开发的单线程内核的旗舰产品AmpereOne系列处理器等，这也是业界内核数量最高的处理器，专为需要高级别性能、可预测性和规模的计算环境而设计。

去年5月，Ampere更新年度战略和全新CPU产品路线图，宣布2025年将推出下一代旗舰产品3nm AmpereOne CPU，最多支持256核和12通道DDR5内存。

基于上述内容不难判断，软银收购Ampere，意在强化自身在AI和半导体领域布局。一方面，软银可借此获得高性能CPU设计能力，Ampere处理器的高能效和计算能力，能支持AI训练和推理工作负载，满足数据中心需求，与软银此前收购的Graphcore的AI加速器形成互补，加速其在AI计算领域的竞争力。

另一方面，Ampere基于Arm架构开发芯片，软银作为Arm大股东，可推动二者更深层次整合，优化架构适配AI工作负载，增强Arm在数据中心市场渗透率，借助Ampere客户网络，拓展在全球科技市场的影响力。

MCU+AI，大势所趋

ST收购Deeplite，战略重心瞄准边缘AI

今年4月，意法半导体（ST）收购加拿大AI初创公司Deeplite的消息引发行业关注。

众所周知，在商业上部署深度学习模型时，面临的重大挑战是它们的运行规模、处理器量和功耗密集型程度。Deeplite通过提供自动化软件引擎来优化DNN（深度神经网络）模型，并在任何设备上启用AI进行边缘计算，从而解决了这个问题。

Deeplite成立于2017年，号称边缘AI的DeepSeek，其核心技术聚焦于AI模型优化、量化和压缩，独创的AI驱动优化器Neutrino，能将臃肿的深度学习模型压缩至原体积的1/10，同时保持98%以上的精度。通过权重剪枝（移除冗余参数）、量化（降低计算精度需求）、稀疏化（增加零值权重比例）三大绝技，可使AI大模型在边缘设备上运行得更快、更小、更节能，原本需要云端算力的AI应用，如今可在手机摄像头、工业传感器等边缘设备上流畅运行。

Deeplite公司在早期很受关注，曾经被Gartner、Forbes、Inside AI和ARM AI评为首屈一指的边缘AI创新者。

本次收购与ST战略重心向边缘AI转移密切相关——硬件+软件“双螺旋”：Deeplite的模型优化技术与ST的STM32系列MCU、专用NPU深度融合，可打造从端到端的AI解决方案。例如在智能工厂场景，搭载ST芯片的摄像头能直接完成缺陷检测，无需上传云端，响应速度提升40倍。

另一方面，Deeplite公司聚集着全球顶尖的AI算法工程师。ST借此吸纳超过200个边缘AI开发工具，形成“模型库-优化器-硬件平台”三位一体的开发生态。总之，收购Deeplite不仅补全了ST在AI软件层的最后一块拼图，更预示着半导体行业从“造芯”向“造脑”的范式转移。

NXP收购NPU公司Kinara，重新定位智能边缘

今年2月，恩智浦宣布将以3.07亿美元全现金收购美国边缘AI芯片初创公司Kinara。

据悉，Kinara成立于2013年，最初名为 Core Viz ，创立后公司更名为 Deep Vision，2022 年再次更名为 Kinara。Kinara的分立式NPU（包括Ara-1和Ara-2）在性能和能效方面处于行业领先地位。这使它们成为视觉、语音、手势和各种其他生成式AI驱动的多模式实现等新兴AI应用的首选解决方案，且可编程性确保能适应AI算法不断发展。

恩智浦表示，通过将Kinara的离散NPU与其自身的处理器、连接和安全软件产品组合相结合，此次收购将帮助其提供从TinyML到生成式AI的完整且可扩展的AI平台，进而满足工业和汽车市场快速增长的AI需求，助力其在工业和物联网领域开创新的AI驱动系统，帮助客户简化复杂性、加快产品上市，提升在智能汽车等领域技术能力，向高附加值领域迈进 。

边缘AI，MCU厂商的必争之地

在AI领域长期存在“规模即实力”的认知误区。尽管大模型性能强劲，却面临落地适配难题——其高能耗特性与边缘端侧的轻量化需求形成显著矛盾。

行业专家多次指出，大模型的应用场景存在天然局限：一方面，训练和运行大模型需消耗海量算力资源；另一方面，真正推动AI产业化落地的关键场域，恰恰在于对功耗、延迟更为敏感的边缘计算与终端设备。

这也就不难理解，上述这些收购案也预示着未来MCU的主战场正在向边缘AI计算领域转移。

据预测，2025年预计有75%的数据将在边缘侧进行处理，端侧AI MCU市场潜力巨大。这表明边缘AI计算的需求正在快速增长，MCU作为边缘设备的核心组件，将在这一趋势中发挥重要作用。

未来的MCU不再局限于传统控制功能，而是逐渐集成AI推理能力，用于图像识别、语音处理、设备预测性维护等场景。具备边缘计算能力的MCU凭借低功耗、高效性能、即时响应等特性，成为边缘算力的重要载体，为智能设备和系统提供更强大的支持。

其他主要的MCU制造商也在不断在该领域展开收购，并积极为竞争做准备。例如，瑞萨电子收购了Reality AI，英飞凌收购了瑞典的Imagimob，恩智浦推出了机器学习软件eIQ和AI工具链NANO等。

可以认为，边缘AI将会是接下来几年MCU的必争之地。

汽车电子，资本竞逐重点

近期，半导体收购中围绕汽车应用的案例也相对较多，除了算力，汽车的动力总成、车载网络连接、车载音频系统等方面的演进，带动了半导体技术的迭代更新，并促使相关企业通过收并购来补充技术版图。

高通收购Autotalks，加强V2X布局

6月6日，高通宣布完成了对V2X车联网通信芯片企业Autotalks的收购，此前在2024年3月因监管机构未能及时批准而放弃了收购，如今随着监管障碍的消除，高通得以顺利完成此次收购。

Autotalks自2009年起专注于V2X通信，作为无晶圆厂半导体公司，它在行业内成就斐然。其率先推出业界首款专为V2X打造的芯片组，产品支持DSRC专用短程通讯与C-V2X等所有主要全球通信标准，提供的车规级双模全球V2X解决方案，能实现车-车、车-基础设施、车-行人等多类V2X场景通信，拥有毫秒级低时延响应的优势，可有效减少车辆相撞事故，在改善出行体验的同时，为自动驾驶安全冗余提供关键技术支撑，是汽车安全系统的重要组成部分。

对高通而言，此次收购意义重大。从业务布局看，高通致力于构建“云-管-端”一体化生态，收购Autotalks后，将其产品整合到骁龙数字底盘产品组合中，极大地强化了该平台的连接能力，让高通得以向汽车制造商提供从车载终端到路侧单元的V2X全栈解决方案，覆盖乘用车、商用车及两轮车市场，提升了在智能车辆安全性方面的技术实力，且确保在不同地区与车型间的相容性与效能。

从战略发展角度出发，高通自2017年就投身V2X技术的研究、开发和部署，深知其在提升道路安全、推动智能交通系统建设上的巨大潜力。通过收购Autotalks，高通补齐了V2X领域的关键技术拼图，在ADAS和自动驾驶领域的竞争力显著增强，进一步巩固了在汽车业务版图中的地位，为争夺智能汽车“大脑”市场奠定了更坚实的基础 。

英飞凌收购Marvell汽车以太网业务，抢占车用芯片高地

4月7日，英飞凌宣布将以25亿美元的现金收购Marvell汽车以太网业务。预计将于2025年内完成，交易完成后，Marvell汽车以太网业务将成为英飞凌汽车部门的一部分。但该交易仍需满足常规成交条件，包括获得监管部门批准。

汽车以太网是传统以太网技术在汽车领域的应用，旨在满足智能网联汽车对高带宽、低延迟、高可靠性的通信需求，是低延迟、高带宽通信的关键支持技术，对软件定义汽车至关重要。此外，在人形机器人等相邻应用领域也具有巨大潜力。

据介绍，Marvell的汽车以太网技术主要包括多款千兆以太网PHY、中央汽车以太网交换机等。其Brightlane汽车以太网PHY收发器、交换机和桥接器产品组合，支持100Mbps至10Gbps的速率。

此次收购，就像是为英飞凌的汽车智能化拼图补上了关键的一块。二者的结合，一方面将进一步巩固英飞凌在汽车MCU领域的领先地位；同时也将构建起一个“通信+控制”的全栈解决方案，直接为软件定义汽车的区域架构转型赋能。

此外，从商业价值角度考量，这笔交易对英飞凌同样极具吸引力。

据悉，Marvell汽车以太网业务客户包括50多家汽车制造商，其中包括十大领先OEM中的8家。该业务预计在2025年将创造2.25亿至2.5亿美元的收入，毛利率约为60%。英飞凌预计，到2030年，该业务累计设计中标订单规模将达约40亿美元，将为英飞凌在自动驾驶、车联网等领域的长期布局奠定了坚实的基础。

这意味着，在未来的市场竞争中，英飞凌凭借这一收购，不仅能够在技术上实现突破，还能在商业层面收获丰厚的回报。另外，通过整合研发力量和利用英飞凌的生产规模，预计还将产生更多的成本协同效应，进一步强化英飞凌在汽车电子领域的市场布局。

恩智浦收购TTTech Auto，加速向软件定义汽车转型

今年1月，恩智浦半导体宣布已达成最终收购协议，将以6.25亿美元全现金收购TTTech Auto。6月17日正式完成该收购。

据悉，TTTech Auto致力于为软件定义汽车（SDV）开发独特的安全关键型系统和中间件，已与众多领先汽车OEM建立合作关系，提供优化性能、安全性、集成度和软件更新的解决方案，从而助力汽车OEM专注于提升驾驶体验。

在获得监管机构批准后，TTTech Auto管理团队、知识产权、资产以及约1100名工程师将并入恩智浦的汽车团队。加入恩智浦后，TTTech Auto将继续服务现有客户，同时在恩智浦品牌下拓展其全球业务版图。

恩智浦CoreRide平台的开放式、模块化方案与 TTTech Auto 的MotionWise 安全中间件相结合，有助于汽车制造商克服软件与硬件集成的障碍，同时降低复杂性和开发工作量，并提升下一代汽车所需的可扩展性与成本效益。TTTech Auto的软件专业知识与恩智浦的硬件能力联合，为汽车制造商提供独具优势的SDV开发平台。

恩智浦完成对TTTech Auto的收购，标志着从芯片到系统，全面进入软件定义汽车时代

值得关注的是，收购完成后，TTTech Auto的服务仍将保持中立，继续在开放的行业生态中运营，支持多种SoC制造商、OEM以及第三方软件合作伙伴。这一策略将推动SDV能力的发展，同时保持严格的安全与性能标准，并确保数据保护。

恩智浦收购Aviva Links：增强汽车连接技术

2024年12月，恩智浦宣布将以2.425亿美元现金收购美国SerDes初创公司Aviva Links。

Aviva Links是汽车SerDes联盟（ASA）标准车载连接解决方案供应商。Aviva Links在基于ASA的非对称链路领域技术领先，专注于ADAS和IVI应用。其研发的非对称以太网设备能在单芯片内实现视频和以太网通信，支持高带宽和低延迟的车辆互联需求，这对 ADAS 和 IVI 系统的高效运行意义重大，可帮助OEM打造基于开放标准的互操作型网络架构。

这一收购将进一步丰富恩智浦汽车网络和连接产品组合，有助于巩固恩智浦在汽车以太网和高速连接领域的技术优势，为汽车制造商提供更高效的连接解决方案。

安森美收购Qorvo碳化硅JFET，巩固AI与电动汽车市场

1月16日，安森美 (onsemi)宣布以1.15亿美元现金从Qorvo完成对碳化硅结型场效应晶体管 (SiC JFET) 技术业务（包括United Silicon Carbide子公司）的收购。SiC JFET技术的加入将补充安森美广泛的EliteSiC电源产品组合，这笔交易加强了安森美在人工智能数据中心和电动汽车这两个关键增长领域的地位。

一方面，SiC JFET技术与安森美的EliteSiC产品组合的整合满足了AI基础设施日益增长的功率密度需求，这在数据中心在AI热潮中努力提高能源效率的情况下尤为重要。就背景而言，传统的硅基电源解决方案已达到其物理极限，这使得SiC技术对于高性能计算应用越来越有价值。

另一方面，在电动汽车领域，此次收购的价值主张在于电池断路装置，其中SiC JFET可以通过组件整合来提高效率和安全性。这与行业推动电动汽车更高电压架构的趋势相一致，有可能让安森美半导体在快速增长的电动汽车市场中获得竞争优势。

EDA/IP赛道的并购逻辑

在EDA/IP领域，无论是新思科技计划收购Ansys，达索以21亿美元收购AI设计公司Oqton，还是西门子、Cadence的多次出击，都旨在打造从芯片设计到系统仿真的全链条能力。

西门子连续4笔收购，扩展EDA战略版图

5月20日，西门子又宣布了一项重要收购，正式签署协议收购美国EDA公司Excellicon。这是继今年3月收购Altair、4月收购Dotmatics、DownStream和Wevolver 之后，西门子在三个月内完成的第五笔重大收购。

此次并购体现出西门子持续强化其EDA能力的坚定步伐——Excellicon成立于 2009 年，是业内唯一一家涵盖完整时序约束流程的软件公司，其产品线支持从约束文件的编写、编译到形式化验证和多模态管理，贯穿从设计概念到物理实现的全流程。这种全覆盖能力对于SoC设计的功耗、性能、面积（PPA）优化，以及设计效率提升具有重要意义。

西门子本身在EDA领域已有一套完整的产品线，包括功能验证工具Questa、测试平台Tessent、布局布线工具Aprisa，以及功耗优化工具PowerPro等。这些软件已经覆盖了从设计到验证的多个环节，但在“时序约束”这一关键环节，仍缺少一个专业的补位。而Excellicon的加入，刚好补齐了这块短板。

此次收购将Excellicon在时序约束开发、验证和管理方面的成熟技术引入西门子的EDA产品组合中，实现从设计、验证到测试的全流程闭环，旨在为系统级芯片（SoC）设计师提供更高效的设计闭环和更准确的功能与结构约束验证能力。

通过此次收购，西门子不仅补齐了EDA工具链中关键的时序约束环节，还进一步夯实了其在SoC设计流程中从功能验证到物理实现的全流程能力。这一战略动作与西门子加速推动数字化转型和打造Xcelerator业务平台的愿景高度契合，也再次彰显其致力于用技术改变日常生活的企业使命。

从更大的层面看，西门子今年的几轮收购明显围绕“数字化”和“自动化”两大主线展开。3月26日收购Altair，增强仿真和AI建模实力；4月2日以51亿美元拿下Dotmatics，扩展在生命科学领域的数字化能力；4月收购PCB制造数据准备解决方案供应商DownStream，深化PCB设计领域布局；4月30日收购 Wevolver，强化工程师社区和内容平台的影响力。

从这些动作可以看出，西门子正在通过并购不断完善其“工业软件+AI+EDA”整体技术体系，形成自己的护城河。

Cadence收购Arm基础IP业务，构建全栈式IP版图

4月17日，EDA巨头Cadence宣布与Arm达成协议，收购其Artisan基础IP业务，这场涉及标准单元库、内存编译器和通用I/O（GPIO）等核心技术的交易，不仅标志着半导体产业链的深度整合，更折射出先进工艺时代下技术生态的剧烈重构。此次交易预计于2025年第三季度完成，但需通过全球监管审查。

从战略层面看，这既是Cadence构建全栈式IP版图的关键落子，也是Arm轻资产转型的重要转折，其影响或将重塑芯片设计产业的权力版图。

对Cadence而言，这场收购本质上是其IP战略的"最后一公里"冲刺。作为EDA三巨头中接口IP领域的领跑者，Cadence已在PCIe/CXL/UCIe协议IP、112G SerDes和Secure-IC安全IP等高端市场占据优势，但基础IP的缺失始终制约着其提供端到端解决方案的能力。Artisan IP的并入恰好填补了这一空白——该业务历经25年发展，沉淀了覆盖台积电N3/N2、三星SF3及Intel 18A等先进工艺的物理层IP库。特别是其内存编译器技术，能根据客户需求动态生成SRAM/ROM实例，这在Chiplet异构集成浪潮中具有战略价值。

交易完成后，Cadence将形成从晶体管级单元库到系统级接口IP的完整链条，配合其Integrity 3D-IC工具链，可实现对芯片PPA的全流程掌控。正如Cadence硅片解决方案事业部总经理Boyd Phelps所言，收购将"实施全面的IP战略"，这种垂直整合能力在当前2nm GAA晶体管工艺研发成本飙升的背景下显得尤为关键。

Cadence收购Secure-IC，加强IP安全

今年1月，Cadence宣布已达成最终协议，收购领先的嵌入式安全IP平台提供商Secure-IC。

Secure-IC拥有专业人才，其嵌入式安全IP、安全解决方案、评估工具及服务与Cadence高度互补，将充实Cadence经硅验证的IP产品组合，如接口、内存、AI/ML和DSP等解决方案。

Secure-IC 的客户群包括 SK Hynix Memory Solutions America、Synaptics、Silicon Labs 和 Faraday Technology 等顶级客户，这些客户遍布全球主要垂直行业，包括汽车、数据中心、移动、航空航天和国防、移动、网络、物联网和消费电子产品。Secure-IC一直为各行各业的合作伙伴和客户提供全面的安全解决方案，在全球范围内完成了500多个成功项目。

对于Secure-IC的客户而言，此次并购可增强其全球影响力、保障长期稳定性、加快路线图进度，同时保持最高的标准的产品品质和支持。Secure-IC的全面解决方案（Securyzr™ 、Laboryzr™ 和Expertyzr™ ）将集成到Cadence的产品组合中，帮助Cadence加速创新，拓宽产品功能，更好地为不同行业领域和业务提供支持。Cadence全面的端到端安全解决方案将兼具安全、配置轻松、部署轻松、适用范围广等优势。

可以理解为，此次收购将为Cadence带来显著的市场协同效应，进一步拓展其在AI加速器、协议控制器和多处理器架构等领域的应用。

纵观EDA行业近期的收购案例不难发现，这些收购或将成为半导体产业发展的分水岭。当EDA巨头手握从工具、IP到工艺优化的全链条能力，芯片设计正在从"工具赋能"走向"生态统治"的时代。

而在更宏大的叙事里，EDA巨头们的频频出手，或许正在书写摩尔定律黄昏时代的新生存法则——在这里，生态整合能力比单一技术突破更具统治力。

写在最后

半导体行业是典型的技术密集型和资本密集型行业，回顾过去几十年发展历程，整合并购是行业必然的趋势。

AI巨头通过频频收购，试图补全技术版图，构建“芯片+系统+生态”的全栈优势；MCU大厂逐渐向边缘AI转型，以低功耗、高灵活性抢占端侧智能市场；汽车领域聚焦车载计算、自动驾驶与数据互联，成资本竞逐重点；EDA行业则从工具供给转向生态构建，巨头通过整合IP与设计流程，打造“工具-架构-标准”的统治力。

在这场并购浪潮中，技术协同、市场扩张与生态统治成为核心逻辑，企业需在资本涌入下平衡短期整合与长期研发。因为半导体的技术壁垒与资本密集特性，注定了这场转型并非“捷径”，而是需要长期投入的“耐力赛”。

本文来源微信公众号“半导体行业观察”，智通财经编辑：王秋佳。