Startseite > Halbleiter > Den Anschluss verpasst?

Europäische Halbleiterindustrie und KI

Den Anschluss verpasst?

27. August 2019, 10:55 Uhr | Iris Stroh

▶ Diesen Artikel anhören

Fortsetzung des Artikels von Teil 2

NXP Semiconductors

Lars Reger, CTO von NXP Semiconductors:

Statement zu PwC: Die Anzahl der Anwendungen, die völlig autonom funktionieren, wird in Zukunft deutlich zunehmen. Das wird zwangsläufig die strategische Bedeutung der Halbleiterindustrie für unsere Wirtschaft erhöhen. Schätzungen aus der Forschung gehen davon aus, dass der Markt für KI-Chips bis 2025 gut 90 Mrd. Dollar erreichen wird. Das entspräche im Zeitraum von 2019 bis 2025 einer durchschnittlichen jährlichen Wachstumsrate von 45,2 Prozent.
Darüber hinaus erleben wir derzeit eine massive Verlagerung der Verarbeitung von Rechenzentren bzw. in der Cloud in Richtung Edge des IoTs. Marktprognosen scheinen sich hier einig zu sein: Mehr als 80 Prozent der bis 2022 realisierten IoT-Projekte werden eine KI-Komponente enthalten, derzeit sind es gerade einmal 10 Prozent.
Um den zukünftigen Einsatz von KI-Anwendungen im IoT zu stärken, wird der Schwerpunkt der Innovation auf der Weiterentwicklung von Ökosystemen liegen, das eine sichere und einfache Implementierung von KI auf bestehenden Hardwareplattformen ermöglicht. Dazu gehört eine sichere (Anmerkung der Redaktion: im Sinne von Security) und hocheffiziente KI-Beschleunigung in Edge Systemen (z.B. in den autonomen Fahrzeugen oder Industrierobotern). Dazu gehört aber auch die Integration bestehender ML-Frameworks, die Bereitstellung von Softwarebibliotheken und ein Ökosystem, das es Entwicklern ermöglicht, Anwendungen mit sehr geringem Aufwand und Investitionen zu erstellen. Angesichts der besonderen Struktur mit kleinen und mittelgroßen Unternehmen (KMUs) in Deutschland werden besonders die letzten Punkte das Time-to-Market verkürzen und das KI-Engagement im KMU-Sektor stärken. NXP nennt dies »democratizing AI«. Durch die Schaffung der richtigen FuE- und Subventionspolitik müssen Regierungen und Politiker diese Entwicklungen erkennen, anerkennen und unterstützen.
Die Cybersicherheit von KI (Schutz von KI-Systemen und ML-Umgebungen) und der Einsatz von KI/ML (KI: Künstliche Intelligenz; ML: Maschinenlernen) in der Cybersicherheit (sowohl als Angriffswerkzeug als auch zur Abwehr) wird ebenfalls immer wichtiger. NXP hat zu diesem Thema ein umfangreiches Positionspapier veröffentlicht.

Statement zu Emmanuel Sabonnadière: NXP stimmt der Aussage von Herrn Sabonnadière uneingeschränkt zu. Wir teilen nicht nur seinen Optimismus, sondern würden sogar noch etwas weitergehen. Lassen Sie mich erklären, warum: Die eigentliche Wertschöpfung für die europäische Industrie wird nicht in der unregulierten Bereitstellung massiver realer Datensätze, oder im Zugang zu unbegrenzter Rechenleistung und dem Bau neuer riesiger Rechenzentren liegen. Stattdessen wird aus unserer Sicht die tatsächliche Wertschöpfung der europäischen Industrie zum einen in der Inferenzierung in Edge-Umgebungen, zum anderen in der Weiterentwicklung der bestehenden und zukünftigen HW- und SW-Umgebungen und drittens in der Entwicklung einer angemessenen Security für ML liegen.
NXP ist dafür exemplarisch: Wir wurden kürzlich aus gutem Grund zur globalen Nummer 3 der AI-Chipsatzanbieter gewählt. Dank unseres umfangreichen Portfolios an Processing-ICs können wir auf eine sehr große Erfolgsgeschichte verweisen, wenn es darum geht, den Wechsel von der Cloud zum Edge voranzutreiben. Wir ermöglichen modernste KI-Beschleunigung mit maßgeschneiderten Umgebungen und Entwicklungswerkzeugen sowohl für die Automobilindustrie als auch für den industriellen und IoT-Bereich. Und nimmt man dann noch unsere Sensorik, Konnektivität und unser Sicherheitsportfolio hinzu, bieten wir tatsächlich alle wichtigen Komponenten für den Aufbau und die Integration führender KI-Anwendungen für das IoT.

Markus Levy, Director of AI and Machine Learning Technologies von NXP Semiconductors:

Statement zu Eigenentwicklungen: Im ersten Schritt haben wir uns darauf konzentriert, Maschinenlernen mit vielen unserer Legacy-Komponenten zu unterstützen, was also zunächst einmal mehr eine Software-Angelegenheit war. Denn viele ML-Anwendungen können mit CPUs, GPUs oder DSPs ausreichend gut unterstützt werden und damit mit unseren Produktfamilien i.MX RT und i.MX. Allerdings arbeiten wir auch fleißig an der Bereitstellung unseres ersten Chips, der einen speziellen ML-Beschleuniger enthält. Darüber hinaus untersuchen wir, inwieweit sich dieser ML-Beschleuniger auch für andere ICs aus unserem Produktspektrum eignet, bis hinunter auf MCU-Ebene.
Eine Plattform, mit der sich so viele KI-Anwendungen wie möglich realisieren lassen, haben bereits einige unserer Kunden angefragt - mit anderen Worten, sie suchen eine Möglichkeit, Objekterkennung, Spracherkennung und Sensorintegration auf einem Chip durchzuführen. Dafür gibt es heterogene ICs, die die Objekterkennung mit einem ML-Beschleuniger, die Spracherkennung auf einem DSP und die Sensorintegration auf dem Cortex-M4- (für Fusion) Cortex-A53-Kernen (für Analyse) durchführen können.