Analog DevicesによるAlif買収、ADIをセンシングからオンデバイスAIへと押し上げる
Analog DevicesはAlif Semiconductorを13億5,000万ドルで買収することで合意し、Analog DevicesによるAlif買収をローカルAI処理への直接的な賭けと位置付けた。現金によるこの取引には、最大2億ドルの条件付き対価も含まれる。これにより、一般にADIとして知られるAnalog Devicesは、遠隔のデータセンターではなくセンサーのそばで機械学習を実行するために設計されたプロセッサを手にする。
この取引は、単なるチップポートフォリオの拡張ではない。ADIはすでに、音、動き、温度、振動などの物理信号を利用可能なデジタル情報へと変換している。Alifは、電力、レイテンシー、セキュリティ、信頼性に厳しい制約があるなかで、それらの信号を即座に解釈できるコンピューティングを加える。
この組み合わせは、既存のマイクロコントローラー供給企業、とりわけNXP SemiconductorsとSTMicroelectronicsに圧力をかける。両社はすでに、組み込みシステム向けにプロセッサ、AIアクセラレータ、開発ソフトウェアを販売している。ADIは今後、センシングと推論を結び付けることで、確立したデジタル競合からそれらの部品を調達するより優れたプラットフォームが生まれることを証明しなければならない。
Analog DevicesによるAlif買収に含まれるもの
ADIが買収するのは、単にカタログに別のマイクロコントローラー群を加えることではなく、欠けていた処理レイヤーである。
ADIとAlifは2026年9月9日、最終契約を発表した。両社の取締役会は、13億5,000万ドルの現金を前払い対価とするこの取引を承認した。Alifの株主は、条件付き支払いを通じて最大2億ドルを受け取る可能性もある。
両社は、2026年末までに取引が完了すると見込んでいる。完了には、通常の条件に加え、Hart-Scott-Rodino Antitrust Improvements Actに基づく適用可能な待機期間の終了が必要となる。ADIの関連する規制当局への提出書類では、Alifを、AIおよび機械学習アクセラレーションを統合した低消費電力プロセッサの供給企業として説明している。
この説明が、この取引の重要性を示している。マイクロコントローラー、すなわちMCUは、より大きな製品内の専用機能を制御するコンパクトなコンピューターである。MCUは、アプリケーションプロセッサやデータセンター向けチップよりはるかに少ないエネルギー消費で、機器を継続的に管理することが多い。
AlifはMCUと、同社がフュージョンプロセッサと呼ぶ製品を開発している。これらのデバイスは、異なるコンピューティングコア、メモリ、セキュリティ機能、インターフェース、ニューラルアクセラレーションを単一のアーキテクチャに組み合わせる。ニューラル処理ユニット、すなわちNPUは、汎用CPUよりも効率的に学習済み機械学習モデルを実行する専用ハードウェアである。
Alifのプロセッサは、常にクラウドサービスを待てるとは限らないワークロード向けに設計されている。ウェアラブル機器はセンサーの読み取り値をローカルで解釈できる。工場の機械は、生データを外部へ送信せずに異常な振動を認識できる。カメラは、情報をデバイス外へ送るかどうかを判断する前に、物体を分類できる。
ADIによると、Alifのシリコンはすでに量産出荷されている。また、Alifは消費者向けおよび産業向け顧客で設計採用を獲得しているという。発表では、それらの顧客は特定されておらず、Alifの売上高や、当該設計が現在どれほどの事業を生んでいるかも開示されていない。
こうした非開示は重要である。設計採用は、継続的な商用出荷量と同義ではない。半導体の顧客は複数の供給企業を評価し、製品投入を遅らせたり、予想するユニット需要を削減したりする可能性がある。買収されるポートフォリオは、技術選定から複数の最終市場にわたる再現性のある収益へと進展する必要がある。
それでもこの取引により、ADIは完全な内製開発よりも早く、確立されたデジタルプラットフォームを手に入れる。Alifはすでに、Arm CPUコア、ニューラルアクセラレータ、メモリ、無線接続、セキュリティ、電力管理を、EnsembleおよびBallettoファミリー全体で組み合わせている。
ADIは、その処理段階を取り囲む多くの部品を供給している。同社のポートフォリオは、センサー、信号変換、電力管理、接続性、信号処理を網羅する。Alifの追加により、物理信号の収集から、その解釈とアクションの開始までを、同じローカルシステム上で行う道筋が生まれる。
この一連の経路が、買収の背後にある中心的な緊張関係を生む。ADIはより完全なシステムを提供できる一方、ソフトウェアと開発者支援で競争しなければならない。これらの領域は長年、MCU市場における購買判断を左右してきた。
ADIがAIをセンサーのそばで動かしたい理由
戦略的な目標は、物理イベントを検知してから、それについて信頼できる判断を下すまでの距離を短縮することにある。
AIに関する世間の注目の多くは、依然としてデータセンターで動作する大規模モデルに集まっている。組み込みシステムは異なる制約に直面する。小型バッテリー、限られたメモリ、断続的な接続、厳格な応答時間、長い製品寿命の下で動作することが多い。
すべてのセンサー読み取り値をクラウドプラットフォームへ送信すると、ネットワーク遅延や継続的な帯域幅需要が生じる可能性がある。また、機密性の高い音声、画像、健康情報、産業データが露出する可能性もある。ローカル推論により、デバイスはすべての生入力を他所へ転送することなく、選択したデータを処理できる。
ローカル処理はクラウドを不要にするものではない。多くのシステムは依然として、モデル学習、フリート管理、ソフトウェア更新、集計分析のためにリモートインフラを利用する。この買収はむしろ、即時の判断を物理イベントの近くで行うハイブリッドアーキテクチャを中心にADIを位置付けるものだ。
たとえば、異常な振動を監視する産業用モーターを考えてみよう。ADIのセンサーが動きを取得し、信号調整部品が測定値を整える。その後、Alifのプロセッサが、摩耗や故障に関連するパターンを識別する学習済みモデルを実行できる。
ネットワーク接続が利用できない場合でも、ローカルアラートを発することができる。システムは生の振動データを連続的に送る代わりに、コンパクトな診断結果を送信できる。このアプローチは、保守履歴やより広範な分析のためのクラウドアクセスを維持しながら、データ移動を抑える。
ウェアラブル健康製品も別の例となる。デバイスは、保存または送信に値する情報を判断する前に、動き、心拍数、温度、その他の入力を組み合わせることができる。ローカル推論は、常時クラウド接続を維持せずに、応答性の高い機能を支援することもできる。
AlifのBallettoプラットフォームは、同社のこの市場へのアプローチを示している。B1プロセッサは、Arm Cortex-M55 CPU、Ethos-U55 NPU、Bluetooth Low Energy、メモリ、セキュリティ機能、センサーインターフェースを組み合わせる。Alifは最大46 GOPSのAI処理性能を掲げており、GOPSは毎秒数十億回の演算を表す。
このプロセッサは、アプリケーション、ネットワーキング、セキュリティの各タスク向けに、別個のコンピューティングリソースも利用する。このヘテロジニアス設計では、すべてを1つのCPUで実行するのではなく、異なるワークロードを専用コアに割り当てる。Alifによると、同社の電力管理技術は、タスクに必要なリソースのみを有効化する。
これらの仕様は供給企業による主張であり、アプリケーションレベルでの効率を保証するものではない。実際の結果は、モデル構造、数値精度、メモリ移動、無線通信の活動、センサーのデューティサイクル、ソフトウェア最適化に左右される。アクセラレータのベンチマークで好結果が出ても、完成品では期待外れのバッテリー寿命になる可能性がある。
ここでADIの幅広い部品に関する知見が重要になる。消費電力と推論性能は、NPUだけでなく、信号チェーン全体に依存する。センサーの選択、アナログ変換、メモリアクセス、接続性、電力供給はすべて、最終結果に影響を与える。
ADIはこのより広範な戦略を「Physical Intelligence」と呼んでいる。この言葉は、物理的な制約の中でローカルに検知、推論、行動するシステムを表す。有用な説明ではあるが、標準化された製品カテゴリーではなく、企業による位置付けにとどまる。
商業的な主張は明快だ。ADIは、顧客がADIのセンサーと別の供給企業のMCUを選定するのではなく、同社の統合アーキテクチャからシステム設計を始めることを望んでいる。そうなれば、ADIは各製品における自社部品の比率を高め、開発プロセスへの影響力を強められる。
技術的な主張はより難しい。プレゼンテーションのスライド上でポートフォリオを統合することは即座にできる。一貫性のあるリファレンスデザイン、ソフトウェアツール、検証済みモデル、セキュリティワークフロー、長期サポートを整備するには、継続的なエンジニアリング作業が必要となる。
ADIは確立されたエッジAIプラットフォームに挑戦している
主要な競争は、単独のチップ同士ではなく、統合されたADIプラットフォームと成熟したMCU開発環境との間で展開される。
NXPはすでに、複数のマイクロコントローラーおよびアプリケーションプロセッサファミリーに機械学習アクセラレーションを統合している。同社のNeutron NPUは、自動車システム、産業機器、医療機器、ビルオートメーション、コンシューマーハードウェアで使われる製品を支援している。
NXPはまた、モデルの変換、最適化、展開に向けたeIQソフトウェア環境を提供している。このソフトウェアレイヤーが重要なのは、組み込み開発者がピーク性能の数値だけでプロセッサを選ぶことはほとんどないためだ。ツールの安定性、ドキュメント、モデル互換性、デバッグ、製品世代をまたぐ移行も評価する。
STMicroelectronicsも同様の課題を突き付ける。同社のSTM32N6は、Arm Cortex-M55 CPUとSTのNeural-ARTアクセラレータを組み合わせる。STは最大600 GOPSを仕様として掲げ、コンピュータービジョン、音声、グラフィックス、マルチメディアのワークロードを支援している。
STはさらに、STM32ソフトウェア環境、モデルリソース、開発ボード、最適化ツールでプロセッサを支えている。すでにSTM32製品に慣れたエンジニアは、知識と確立されたワークフローを再利用できる。この導入済み基盤は、チームにプラットフォーム変更を求めるあらゆる競合にとって障壁となる。
そのためADIは、より高い単体ベンチマークを公表するだけでは、オンデバイスAI競争に勝てない。センサーから推論までのシステムが、エンジニアリング時間を短縮するか、測定可能な製品成果を改善することを示す必要がある。そうした成果には、バッテリー寿命、応答時間、部品点数、信頼性、セキュリティ、システム全体のコストが含まれる。
Analog DevicesによるAlif買収は、ADIに信頼できる出発点を与える。Alifのプロセッサは、機械学習をCPUのみのワークロードとして扱うのではなく、ニューラルアクセラレーションを統合している。そのポートフォリオは、コネクテッドデバイス、ウェアラブル、産業システム、その他の制約の多い用途にも及ぶ。
ADIは、計測品質と信頼性が大きな重みを持つ市場での関係をもたらす。産業および自動車の顧客は、しばしば長い開発サイクルを通じて部品を認定する。また、長年にわたる安定供給、ドキュメント、サポートを重視する。
ADIは2026年度第3四半期に40億2,000万ドルの売上高を報告した。同社の第3四半期決算によると、産業顧客は四半期売上高の49%を生み出した。自動車はさらに25%を占めた。
これらの数値は、Alifが同等の規模では到達が難しい可能性がある買い手へのアクセスをADIに与える。また、ADIがより多くの処理機能を求める理由も示している。1社の供給企業が同じシステム内でセンシング、変換、コンピューティング、接続性、電力機能を獲得すれば、産業向け売上高は拡大し得る。
しかし、顧客への提供開始だけでソフトウェア競争が自動的に解決されるわけではない。エンジニアには、自らが好むフレームワークをサポートするモデル変換ツールが必要だ。未対応のモデル演算子がCPUにフォールバックした場合にも、予測可能な性能が求められる。また、統制されたデモではなく、実際の製品に近い事例も必要となる。
セキュリティも比較ポイントになる。ローカルAIデバイスには、独自モデル、認証情報、個人情報、運用データが保存されうる。購入者は、セキュアブート、隔離実行、鍵の保管、更新の仕組み、ライフサイクル管理、新たに発見された脆弱性への対応を精査するだろう。
製品寿命が長いほど、その重要性は増す。工場のコントローラーや医療機器は、消費者向けアプリケーションよりはるかに長く運用されることがある。メーカーは、その期間を通じてツールチェーン、セキュリティ更新、部品、技術サポートが提供され続けるという確証を必要とする。
ADIの主張で最も強いのは統合だ。顧客は、ADIのセンサーおよびシグナルチェーン部品をAlifの処理機能に直接接続する、検証済みの設計を受け取れる可能性がある。共通ソフトウェア、キャリブレーション済みのデータパス、検証済みの電力挙動により、顧客が現在自ら行っている作業を減らせるかもしれない。
最も弱い形は、製品ポートフォリオの束ね売りである。ADIが既存部品の横にAlif製品を並べるだけなら、顧客は同じ統合負担を抱え続ける。その場合、より大きな開発者コミュニティと馴染みのあるMCU環境を持つNXPとSTが優位を維持する。
この違いが、この買収が競争上の立ち位置を変えるのか、ADIのカタログを広げるだけにとどまるのかを決める。
その仕組みはローカルなセンサー融合であり、小型化したクラウドAIではない
Alifの価値は、汎用チャットボットをあらゆるデバイスに組み込むことではなく、実世界の信号に対応する専用処理を連携させる点にある。
オンデバイスAIは、しばしばクラウドAIを小型化したものとして説明される。しかし、この比較では組み込み製品の中核的な仕組みを見落としている。多くのローカルモデルは、センサー入力と厳格な動作制約の下で、限定的かつ継続的なタスクを実行する。
センサー融合とは、複数の情報源を組み合わせて、単一のセンサーよりも信頼性高く状態を推定することだ。ロボットはカメラ、動き、位置、力の測定値を統合できる。ウェアラブル機器は、動きと生体信号を組み合わせられる。産業設備では、振動、電流、音、温度を比較できる。
こうしたワークロードに必要なのは、推論スループットだけではない。プロセッサーは正確なタイミングでデータを収集し、メモリー上で移動させ、信号処理を適用し、モデルを実行し、決定論的な応答をトリガーしなければならない。決定論的な動作とは、システムが既知の時間境界内で応答することを意味する。
Alifのヘテロジニアス・アーキテクチャは、専用リソースによってこの一連の処理に対応する。CPUコアは制御ソフトウェアを実行する。ベクトル命令はデジタル信号処理を加速する。NPUは互換性のあるニューラルネットワーク演算を実行する。独立したサブシステムは、主要なアプリケーションコアを占有せずにネットワーキングやセキュリティを処理できる。
ソフトウェアが各タスクを効率よく割り当てれば、このアーキテクチャは不要な動作を減らせる。低消費電力コアが単純な状態を監視し、より高性能なリソースを起動する前段となりうる。その後NPUが選択された入力を分析し、通信サブシステムが結果だけを送信する。
この段階的な動作は、バッテリー駆動デバイスにとって重要だ。周辺部品が常に稼働しているなら、アクセラレーターのピーク性能の重要性は低下する。効果的な設計では、多くの時間を低消費電力状態で過ごし、有用な処理が発生したときにだけ起動する。
ADIは、プロセッサーへ至る経路をより広く制御することで、この仕組みを強化できる。同社のセンサーと信号処理部品は、入力データの品質を左右する。より良い入力はノイズを減らし、より小さなモデルでも信頼できる判断を下せるようにする可能性がある。
同じ論理は産業制御にも当てはまる。危険を検知した後に機械を停止しなければならないシステムは、予測不能なネットワーク遅延に依存できない。ローカル分析は、クラウドシステムがイベントを記録したり、その後の保守を調整したりする間にも、時間が限定された応答を支援できる。
ロボティクスはより広範な試金石となる。ロボットには、センシング、モーション制御、電力管理、接続性、複数の計算機能が必要だ。ADIはすでにこれらの機能に関する技術を販売している。Alifはローカル推論を追加するが、高度なロボットではMCUの能力を超える処理が必要になる場合がある。
したがってADIは、より大きなコンピューティング階層の中でAlifがどこに位置するのかを明確にしなければならない。アプリケーションによってはMCUだけで完全に動作できる。別の用途では、Alifデバイスをより高性能なプロセッサーと組み合わせることになる。ローカルチップが継続的なセンシングを担い、より大きなプロセッサーが計画や高解像度の認識を管理する可能性がある。
この階層的なアプローチは、1つのプロセッサーがすべてのワークロードに対応すると主張するよりも理にかなっている。ただし、統合上の問題も生じる。開発者には、タイミング、セキュリティ、電力目標を維持しながら、モデルと制御タスクをデバイス間で分割する明確な方法が必要になる。
モデル対応にも別の制約がある。組み込みNPUは通常、あらかじめ定義された演算と数値形式の集合を高速化する。未対応のレイヤーを使うモデルでは、変換、置換、またはCPU実行が必要になることがある。こうした回避策はいずれも、精度、レイテンシー、エネルギー使用量に影響しうる。
メモリーも同様に重要だ。AIモデル、中間アクティベーション、アプリケーションコード、センサーバッファーは、限られたオンチップ容量を奪い合う。外部メモリーは容量を増やせるが、エネルギー使用量、レイテンシー、部品点数、セキュリティの複雑さを増す可能性がある。
量子化は、モデル値をより少ないビットで表現することで、こうした要求を減らせる。しかし量子化は、特に高い精度が求められる用途では精度を変化させることもある。開発者には、自らのデータ上でそのトレードオフを測定する信頼できるツールが必要だ。
このため、Analog DevicesによるAlif買収は、完全なワークロードを通じて評価すべきだ。洗練されたデモは、物体検出、音声処理、異常認識を示せる。しかし量産に向けた根拠は、デューティーサイクル全体と、研究室の外で遭遇する条件をカバーしなければならない。
有用な比較では、モデル精度、平均電力、応答レイテンシー、メモリー使用量、センサー構成、温度範囲、ソフトウェア開発の労力を開示する必要がある。また、NPUで実行される処理と、他のコアにフォールバックする処理も文書化すべきだ。
ADIがこうした根拠を提示できれば、同社のシグナルチェーンに関する専門性は真の差別化要因となりうる。理論上の毎秒演算回数だけを強調するなら、同社は顧客成果とのつながりが薄い、混雑したベンチマーク競争に参入することになる。
この取引にはなお統合と採用のリスクがある
ADIは技術的能力を買収したが、開発者による採用を確保したわけでも、統合プラットフォームが十分な収益を生むことを証明したわけでもない。
最初の不確実性は規制面での完了だ。両社は2026年末までの取引完了を見込んでいるが、必要な待機期間が満了する必要がある。大きな競争上の懸念が生じなくても、クロージング条件によって取引が遅れる可能性もある。
2つ目の不確実性は組織統合だ。Alifの価値には、専門的なエンジニアリング知識、ソフトウェア、顧客プログラム、製品ロードマップが含まれる。半導体設計と開発ツールは文書だけでは移転できない蓄積された知識に依存するため、主要人材の維持が重要になる。
ADIは取引リスクとして、人材流出、統合の困難、予期しない債務、効果の遅れを明示的に挙げている。これらは標準的な警告だが、技術的には合理的な買収が期待を下回る実務上の経路を示している。
既存のAlif顧客にとっては、製品ロードマップの安定性が重要になる。メーカーは完成品が出荷されるはるか前からエンジニアリング資源を投入する。現行部品、計画中の部品、ソフトウェアパッケージ、サポート体制がADIの下でも継続するのかを知る必要がある。
急激な移行は抵抗を招きうる。顧客は、Alifのアーキテクチャが特定の要件を満たしたために採用した可能性がある。他のADI部品の利用を増やすための再設計を、必ずしも歓迎するとは限らない。
3つ目の不確実性はソフトウェアの実行力だ。ADIは、Alifのツールを自社の開発リソースとどこまで深く統合するかを決めなければならない。分断された体験では、エンジニアは別々の構成システム、ドキュメントサイト、サンプル、サポート窓口の間を行き来することになる。
統一環境はその負担を減らせるが、統合にはリスクも伴う。馴染みのあるAlifのワークフローを急速に置き換えれば、進行中のプロジェクトを混乱させかねない。重複する2つのシステムを長く維持しすぎれば、新規顧客を混乱させ、エンジニアリング資源を分散させる可能性がある。
4つ目の不確実性は財務開示に関するものだ。ADIはAlifの売上高、利益率、顧客集中度、クロージング後に見込まれる寄与を公表していない。また、買収関連のコストシナジーや利益寄与までの時期も発表していない。
この詳細不足により、外部の観察者は通常の事業指標を通じてバリュエーションを評価できない。条件付き対価は支払いの一部を将来の成果と連動させる可能性があるが、発表ではその業績条件は公に定義されていない。
ADIは規模を持つ立場から投資できる。直近四半期の売上高は40億ドルを超え、産業需要が前年同期比の成長を牽引した。しかし、規模があるからといって、規律ある統合や顧客転換の成功が不要になるわけではない。
Alifとの契約に先立ち、ADIは2026年に統合型電圧レギュレーションと電力技術の専門企業であるEmpower Semiconductorも買収している。ADIはこの買収を約15億ドルで7月に完了した。
これらの取引を合わせると、ADIのAI分野への関与はコンピューティング市場の両端で広がる。Empowerは高密度AIインフラ向けの電力供給に対応する。Alifは、センサーや物理システムに近い制約のあるデバイスへ処理をもたらす。
このパターンは一貫した戦略を裏付けるが、実行面での要求も高める。ADIは既存のアナログ、産業、車載、通信、コンシューマー市場への提供を続けながら、2つの専門組織を統合しなければならない。
5つ目の不確実性は競合の対応だ。NXPとSTは、この買収を模倣する必要はない。センサー提携を深め、リファレンスデザインを拡充し、モデルツールを改善し、自社プロセッサーを接続性やセキュリティとより積極的にバンドルできる。
顧客はマルチサプライヤー構成を維持することもできる。あるメーカーはADIから最適なセンサーを選びながら、NXPまたはSTのプロセッサーを使い続けるかもしれない。その選択は、1社のベンダーへの依存を減らし、既存のソフトウェア投資を守ることができる。
したがってADIのシステムレベルの提案は、切り替えコストを上回るだけの価値を生み出さなければならない。試作の高速化だけでは十分でない可能性がある。顧客には、量産認定と数年にわたる製品サポートを経ても持続する利益が必要だ。
これらのリスクはいずれも、買収の論理を否定するものではない。それらは証明すべき基準を定義する。顧客が、どちらか一方のポートフォリオだけでは構築しなかった統合設計を採用して初めて、この買収は戦略的に重要になる。
ADIの賭けが機能しているかを示す3つのシグナル
次の根拠は、クロージングの進展、統合された開発製品、測定可能な顧客採用から得られるはずだ。
最初のシグナルは取引完了である。ADIは必要な条件を満たすことを前提に、2026年末までの取引完了を見込んでいる。この予定どおりのクロージング発表があれば、当面の規制上の不確実性が解消され、正式な統合期間が始まる。
遅延があっても、戦略的な根拠が自動的に損なわれるわけではない。しかし、大幅な遅延は共同の製品計画、顧客との調整、公表されるロードマップへの約束を先送りする。財務条件の変更には、細心の注意を払うべきだ。
2つ目のシグナルは、具体的な統合ロードマップです。ADIは、Alifプロセッサで検証済みサポートを受けるセンサー、シグナルチェーン製品、接続コンポーネント、電源技術を明らかにすべきです。開発キットとリファレンスデザインは、最初のターゲット市場を示すことになるでしょう。
より重要な証拠となるのはソフトウェアです。開発者は、共通のモデルワークフロー、性能分析ツール、セキュリティ文書、継続的に保守されるサンプルに注目すべきです。広く使われているモデル形式への対応は、名称を変更したポータルよりも重要になります。
こうしたリリースの品質は、ADIの統合に関する主張を強めることも弱めることもあります。センサーから推論までを一貫して扱える完全なワークフローは、この買収がエンジニアリング作業を削減することを示すでしょう。共有ツールがほとんどない個別の製品ページが並ぶだけなら、ポートフォリオの統合がなお不完全であることを示唆します。
3つ目のシグナルは、開示される顧客導入です。実名の生産プログラムは、匿名のdesign winよりも強力な証拠になります。有用な開示では、アプリケーションのカテゴリー、生産開始時期、顧客が統合アーキテクチャを選んだ理由が特定されるはずです。
財務報告も別の視点を提供します。投資家は、買収による売上高、営業費用、利益率、クロスセルに関する説明を注視すべきです。ADIがすべての顧客契約を開示する必要はありませんが、最終的には戦略を測定可能な事業成果に結び付ける必要があります。
開発者とエンタープライズバイヤーは、これらのシグナルを総合的に見るべきです。安定したツールを伴わないハードウェア供給では、導入を維持できません。生産顧客を伴わない優れたツールでは、商業的な仮説を検証できません。性能の詳細を欠く顧客発表では、技術的優位性は不明確なままです。
Analog DevicesによるAlifの買収により、ADIはセンシング、ローカル推論、物理的なアクションを結び付けるために必要な要素を得ました。しかし、それらの要素が単一のプラットフォームとして機能する保証はありません。
決定的な問いは実務的です。ADIとAlifを組み合わせることで、エンジニアはより優れたシステムをより速く製品化できるのでしょうか。最初の統合キット、ソフトウェアリリース、実名の生産導入を注視してください。それらの成果が、ADIがオンデバイスAIプラットフォームを構築したのか、それともそのための部品を購入しただけなのかを示すことになります。
