2023年，半导体市场的逆周期仍未过去，企业收并购的脚步却不曾停歇。根据公开的信息，《中国电子报》记者梳理了23桩半导体领域的并购案例，发现2023年全球半导体领域的并购案主要集中在AI、EDA、宽禁带半导体等领域，并呈现三个特点。业内人士称，冷年之中，步履不停，半导体仍是全球最活跃的行业。
EDA领域并购事件最集中
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。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都有软件企业纳入麾下。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。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，成为2023年半导体收并购事件的主阵地。
收购原因一，先进制程加剧芯片设计复杂性。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。
典型案例A：Keysight收购Cliosoft
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。
典型案例B：ANSYS收购Diakopto
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。
收购原因二，跟进热门技术和热点领域。EDA企业照例对热门技术和热点应用领域产生浓厚的兴趣。与时俱进，不被落后于时代是EDA企业“买买买”的不竭动力。
典型案例A：Cadence收购Pulsic
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。
典型案例B：新思科技收购PikeTec
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。
人工智能相关并购“波及面”最大
人工智能的爆炸式发展，炸开的不仅是人工智能领域，也包括半导体行业。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”，人工智能是不二之选。因为人工智能这个“香饽饽”，发生了软硬件企业之间的“跨界”收购，涉及英伟达、AMD、微软等领军科技企业，也受到产业界最高度的关注。
收购原因一，软硬件协同。2023年，既有算力芯片企业收购软件企业的案例，也有软件企业收购算力芯片企业。目的都在于构建软硬件一体化的AI解决方案，让用户能够根据自身场景和需求便捷部署AI服务。
典型案例A：AMD收购两家AI软件企业
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。
典型案例B：微软收购DPU芯片企业
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，也反映出云厂商应对AIGC引爆的数据洪流时，会将软硬件耦合放在重要位置。
收购原因二，抢滩边缘AI。随着模型压缩技术的进步和边缘设备算力的提升，AIGC正在向边缘侧下沉。由于边缘设备不需要将敏感数据传输到云端或存储在外部服务器，边缘AI在隐私保护和节省成本等方面具有优势。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。
典型案例A：英伟达收购OmniML
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。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。或许边缘设备将成为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。
典型案例B：英飞凌收购Imagimob
英飞凌收购边缘设备机器学习技术供应商Imagimob，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，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。英飞凌希望让每一位开发者——哪怕是新手，都能轻松使用边缘AI的工具并开发推理模型。
宽禁带半导体并购最值得期待
2023年，宽禁带半导体领域迎来两起大额收购——所谓“大额”，是指收购金额超过了被收购方主营的宽禁带半导体的市场规模，或是该类宽禁带半导体在某一领域的市场规模。这也折射出收购方对于宽禁带半导体发展前景的信心。
典型案例A：英飞凌8.3亿美元收购氮化镓系统公司
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速度。
典型案例B：博世15亿美元收购芯片制造商TSI
博世收购TSI的主要目的是制造用于电动汽车的碳化硅芯片。根据市调机构数据，博世收购TSI的金额超过了2022年车用碳化硅功率器件的市场规模，展现了博世对于碳化硅市场需求的乐观预期。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。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%。
