ଶିଳ୍ପ ଖବର: ବିଶ୍ୱସ୍ତରୀୟ ସେମିକଣ୍ଡକ୍ଟର ଶିଳ୍ପ ମିଶ୍ରଣ ଏବଂ ଅଧିଗ୍ରହଣ ପୁଣି ବୃଦ୍ଧି ପାଉଛି।

MCU+AI: ଅନିବାର୍ଯ୍ୟ ଧାରା

ଏଜ୍ ଏଆଇ ଉପରେ ଧ୍ୟାନ ଦେଇ STMicroelectronics ଡିପ୍ଲାଇଟ୍ ଅଧିଗ୍ରହଣ କଲା

ଏହି ବର୍ଷ ଏପ୍ରିଲରେ, STMicroelectronics (ST) କାନାଡିଆନ୍ AI ଷ୍ଟାର୍ଟଅପ୍ Deeplite କୁ ଅଧିଗ୍ରହଣ କରିଥିଲା, ଯାହା ଶିଳ୍ପ ଦୃଷ୍ଟି ଆକର୍ଷଣ କରିଥିଲା। ଆମେ ସମସ୍ତେ ଜାଣୁ ଯେ, ବାଣିଜ୍ୟିକ ନିୟୋଜନରେ ଡିପ୍ ଲର୍ଣ୍ଣିଂ ମଡେଲ୍ ସାମ୍ନା କରୁଥିବା ଏକ ପ୍ରମୁଖ ଚ୍ୟାଲେଞ୍ଜ ହେଉଛି ସେମାନଙ୍କର କାର୍ଯ୍ୟକ୍ଷମ ସ୍କେଲ୍, ପ୍ରୋସେସର ଆବଶ୍ୟକତା ଏବଂ ପାୱାର ବ୍ୟବହାର ତୀବ୍ରତା। ଡିପ୍ ଲାଇଟ୍ DNN (ଡିପ୍ ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ) ମଡେଲ୍ କୁ ଅପ୍ଟିମାଇଜ୍ କରିବା ପାଇଁ ଏକ ସ୍ୱୟଂଚାଳିତ ସଫ୍ଟୱେର୍ ଇଞ୍ଜିନ୍ ପ୍ରଦାନ କରି ଏହି ସମସ୍ୟାର ସମାଧାନ କରେ, ଯାହା AI କୁ ଯେକୌଣସି ଡିଭାଇସରେ ଏଜ୍ କମ୍ପ୍ୟୁଟିଂ କରିବାକୁ ସକ୍ଷମ କରିଥାଏ।

୨୦୧୭ ମସିହାରେ ପ୍ରତିଷ୍ଠିତ, ଡିପ୍ଲାଇଟ୍ ଏହାର ଏଜ୍ ଏଆଇ ସମାଧାନ ଡିପ୍ ସିକ୍ ପାଇଁ ଜଣାଶୁଣା, ଯାହା ଏଆଇ ମଡେଲଗୁଡ଼ିକର ଅପ୍ଟିମାଇଜେସନ୍, କ୍ୱାଣ୍ଟାଇଜେସନ୍ ଏବଂ ସଙ୍କୋଚନ ଉପରେ ଧ୍ୟାନ ଦିଏ। ଏହାର ଅଭିନବ ଏଆଇ-ଚାଳିତ ଅପ୍ଟିମାଇଜର ନ୍ୟୁଟ୍ରିନୋ 98% ରୁ ଅଧିକ ସଠିକତା ବଜାୟ ରଖି ବଡ଼ ଡିପ୍ ଲର୍ଣ୍ଣିଂ ମଡେଲଗୁଡ଼ିକୁ ସେମାନଙ୍କର ମୂଳ ଆକାରର ଦଶମାଂଶ ପର୍ଯ୍ୟନ୍ତ ସଙ୍କୋଚନ କରିପାରିବ। ତିନୋଟି ପ୍ରମୁଖ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା - ଓଜନ ପ୍ରୁନିଂ (ଅନାବଶ୍ୟକ ପାରାମିଟରଗୁଡ଼ିକୁ ଅପସାରଣ କରିବା), କ୍ୱାଣ୍ଟାଇଜେସନ୍ (କମ୍ପ୍ୟୁଟେସନଲ୍ ସଠିକତା ଆବଶ୍ୟକତାକୁ ହ୍ରାସ କରିବା) ଏବଂ ସ୍ପାର୍ସିଫିକେସନ୍ (ଶୂନ୍ୟ-ମୂଲ୍ୟଯୁକ୍ତ ଓଜନର ଅନୁପାତ ବୃଦ୍ଧି କରିବା) ମାଧ୍ୟମରେ, ବଡ଼ ଏଆଇ ମଡେଲଗୁଡ଼ିକ ଏଜ୍ ଡିଭାଇସଗୁଡ଼ିକରେ ଦ୍ରୁତ, ଛୋଟ ଏବଂ ଅଧିକ ଶକ୍ତି-ଦକ୍ଷତା ସହିତ ଚାଲିପାରିବ। ପୂର୍ବରୁ କ୍ଲାଉଡ୍ କମ୍ପ୍ୟୁଟିଂ କ୍ଷମତା ଆବଶ୍ୟକ କରୁଥିବା ଆପ୍ଲିକେସନ୍ଗୁଡ଼ିକ ଏବେ ସ୍ମାର୍ଟଫୋନ୍ କ୍ୟାମେରା ଏବଂ ଶିଳ୍ପ ସେନ୍ସର ଭଳି ଏଜ୍ ଡିଭାଇସଗୁଡ଼ିକରେ ସୁଗମ ଭାବରେ ଚାଲିପାରିବ।

ଡିପ୍ଲାଇଟ୍ ଏହାର ପ୍ରାରମ୍ଭିକ ଦିନଗୁଡ଼ିକରେ ବହୁତ ଧ୍ୟାନ ଆକର୍ଷଣ କରିଛି ଏବଂ ଗାର୍ଟନର, ଫୋର୍ବସ୍, ଇନସାଇଡ୍ ଏଆଇ ଏବଂ ଏଆରଏମ୍ ଏଆଇ ଦ୍ୱାରା ଏକ ଅଗ୍ରଣୀ ଏଜ୍ ଏଆଇ ପ୍ରବର୍ତ୍ତକ ଭାବରେ ନାମିତ ହୋଇଛି। ଏହି ଅଧିଗ୍ରହଣ STMicroelectronics ର ଏଜ୍ ଏଆଇକୁ ରଣନୈତିକ ପରିବର୍ତ୍ତନ ସହିତ ଘନିଷ୍ଠ ଭାବରେ ଜଡିତ, ଯାହା ହାର୍ଡୱେର୍ ଏବଂ ସଫ୍ଟୱେର୍ କୁ "ଡବଲ ହେଲିକ୍ସ" ଉପାୟରେ ମିଶ୍ରଣ କରେ। ଡିପ୍ଲାଇଟ୍‌ର ମଡେଲ୍ ଅପ୍ଟିମାଇଜେସନ୍ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା STMicroelectronics ର STM32 ସିରିଜ୍ MCUs ଏବଂ ସମର୍ପିତ NPUs ସହିତ ଗଭୀର ଭାବରେ ସମନ୍ୱିତ ହୋଇଛି ଯାହା ଏଣ୍ଡ-ଟୁ-ଏଣ୍ଡ AI ସମାଧାନ ନିର୍ମାଣକୁ ସମର୍ଥନ କରେ। ଉଦାହରଣ ସ୍ୱରୂପ, ସ୍ମାର୍ଟ ଫ୍ୟାକ୍ଟ୍ରି ପରିସ୍ଥିତିରେ, STMicroelectronics ଚିପ୍ସ ସହିତ ସଜ୍ଜିତ କ୍ୟାମେରାଗୁଡ଼ିକ କ୍ଲାଉଡ୍‌ରେ ଡାଟା ଅପଲୋଡ୍ ନକରି ସିଧାସଳଖ ତ୍ରୁଟି ଚିହ୍ନଟ କରିପାରିବ ଏବଂ ପ୍ରତିକ୍ରିୟା ଗତି 40 ଗୁଣ ବୃଦ୍ଧି ପାଇଛି।

ଅନ୍ୟପକ୍ଷରେ, ଡିପ୍ଲାଇଟ୍‌ର ଏକ ବିଶ୍ୱସ୍ତରୀୟ AI ଆଲଗୋରିଦମ୍ ଇଞ୍ଜିନିୟର ଦଳ ଅଛି, ଯାହା ମାଧ୍ୟମରେ ST "ମଡେଲ୍ ଲାଇବ୍ରେରୀ-ଅପ୍ଟିମାଇଜର୍-ହାର୍ଡୱେର୍ ପ୍ଲାଟଫର୍ମ" ର ଏକୀକୃତ ବିକାଶ ଇକୋସିଷ୍ଟମ୍ ଗଠନ କରିବା ପାଇଁ 200 ରୁ ଅଧିକ ଏଜ୍ AI ବିକାଶ ଉପକରଣଗୁଡ଼ିକୁ ଏକୀକୃତ କରିବ। ସଂକ୍ଷେପରେ, ଡିପ୍ଲାଇଟ୍‌ର ଅଧିଗ୍ରହଣ କେବଳ AI ସଫ୍ଟୱେର୍ ସ୍ତରରେ STର ଶେଷ ପଜ୍‌ଲ୍‌କୁ ସମାପ୍ତ କରେ ନାହିଁ, ବରଂ "ଚିପ୍ସ ତିଆରି କରିବା" ରୁ "ମସ୍ତିଷ୍କ ତିଆରି କରିବା" ପର୍ଯ୍ୟନ୍ତ ସେମିକଣ୍ଡକ୍ଟର ଶିଳ୍ପର ପାରାଡାଇମ୍ ପରିବର୍ତ୍ତନକୁ ମଧ୍ୟ ଚିହ୍ନିତ କରେ।

ସ୍ମାର୍ଟ ଏଜ୍ ପୁନଃସ୍ଥାପିତ କରିବା ପାଇଁ NXP NPU କମ୍ପାନୀ କିନାରାକୁ ଅଧିଗ୍ରହଣ କଲା

ଏହି ବର୍ଷ ଫେବୃଆରୀରେ, NXP US $307 ନିୟୁତ ନଗଦରେ US edge AI ଚିପ୍ ଷ୍ଟାର୍ଟଅପ୍ Kinara ଅଧିଗ୍ରହଣ ଘୋଷଣା କରିଥିଲା। Kinara 2013 ରେ ପ୍ରତିଷ୍ଠିତ ହୋଇଥିଲା ଏବଂ ଏହାର ମୂଳ ନାମ Core Viz ରଖାଯାଇଥିଲା, ପରେ Deep Vision ନାମକରଣ କରାଯାଇଥିଲା ଏବଂ 2022 ରେ Kinara ନାମକରଣ କରାଯାଇଥିଲା। Kinara ର ଭିନ୍ନ NPU (Ara-1 ଏବଂ Ara-2 ସମେତ) କାର୍ଯ୍ୟଦକ୍ଷତା ଏବଂ ଶକ୍ତି ଦକ୍ଷତାରେ ଶିଳ୍ପକୁ ନେତୃତ୍ୱ ଦେଉଛି, ଏହାକୁ ଦୃଷ୍ଟି, ସ୍ୱର, ଗେଶ୍ଚର ଏବଂ ଅନ୍ୟାନ୍ୟ ବିଭିନ୍ନ ଜେନେରେଟିଭ୍ AI କାର୍ଯ୍ୟାନ୍ୱୟନ ଦ୍ୱାରା ପରିଚାଳିତ ଉଦୀୟମାନ AI ଆପ୍ଲିକେସନ୍ ପାଇଁ ପସନ୍ଦିତ ସମାଧାନ କରିଥାଏ, ଏବଂ ଏହାର ପ୍ରୋଗ୍ରାମେବଲିଟି ନିଶ୍ଚିତ କରେ ଯେ ଏହା ବିକଶିତ AI ଆଲଗୋରିଦମ ସହିତ ଖାପ ଖୁଆଇପାରିବ।

NXP କହିଛି ଯେ ଏହି ଅଧିଗ୍ରହଣ କିନାରାର ସ୍ୱାଧୀନ NPUକୁ ଏହାର ନିଜସ୍ୱ ପ୍ରୋସେସର, ସଂଯୋଗ ଏବଂ ସୁରକ୍ଷା ସଫ୍ଟୱେର୍ ପୋର୍ଟଫୋଲିଓ ସହିତ ମିଶ୍ରଣ କରିବ, ଯାହା ଶିଳ୍ପ ଏବଂ ଅଟୋମୋଟିଭ୍ ବଜାରର ଦ୍ରୁତ ବର୍ଦ୍ଧିତ AI ଆବଶ୍ୟକତା ପୂରଣ କରିବା ପାଇଁ TinyML ରୁ ଜେନେରେଟିଭ୍ AI ପର୍ଯ୍ୟନ୍ତ ଏକ ସମ୍ପୂର୍ଣ୍ଣ ଏବଂ ସ୍କେଲେବଲ୍ AI ପ୍ଲାଟଫର୍ମ ପ୍ରଦାନ କରିବାରେ ସାହାଯ୍ୟ କରିବ। ଏହା ଶିଳ୍ପ ଏବଂ IoT କ୍ଷେତ୍ରରେ ନୂତନ AI-ଚାଳିତ ସିଷ୍ଟମ ସୃଷ୍ଟି କରିବାରେ ସାହାଯ୍ୟ କରିବ, ଗ୍ରାହକମାନଙ୍କୁ ଜଟିଳତାକୁ ସରଳ କରିବାରେ ସାହାଯ୍ୟ କରିବ, ବଜାର ପାଇଁ ସମୟକୁ ତ୍ୱରାନ୍ୱିତ କରିବ ଏବଂ ସ୍ମାର୍ଟ କାର ଭଳି କ୍ଷେତ୍ରରେ ବୈଷୟିକ କ୍ଷମତା ବୃଦ୍ଧି କରିବ, ଉଚ୍ଚ ମୂଲ୍ୟଯୁକ୍ତ କ୍ଷେତ୍ର ଆଡକୁ ଅଗ୍ରସର ହେବ।

ଏଜ୍ AI: MCU ନିର୍ମାତାଙ୍କ ପାଇଁ ଏକ ଯୁଦ୍ଧଭୂମି

କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା କ୍ଷେତ୍ରରେ ଦୀର୍ଘ ଦିନ ଧରି ଏକ ଭୁଲ ଧାରଣା ରହିଛି ଯେ "ସ୍କେଲ ହେଉଛି ଶକ୍ତି"। ଯଦିଓ ବଡ଼ ମଡେଲଗୁଡ଼ିକର ଉତ୍କୃଷ୍ଟ କାର୍ଯ୍ୟଦକ୍ଷତା ଥାଏ, ସେମାନେ ପ୍ରକୃତ ନିୟୋଜନରେ ଚ୍ୟାଲେଞ୍ଜର ସମ୍ମୁଖୀନ ହୁଅନ୍ତି - ସେମାନଙ୍କର ଉଚ୍ଚ ଶକ୍ତି ବ୍ୟବହାର ଧାର ପାର୍ଶ୍ୱରେ ହାଲୁକା ଆବଶ୍ୟକତାର ବିପରୀତ। ଶିଳ୍ପ ବିଶେଷଜ୍ଞମାନେ ବଡ଼ ମଡେଲ ପ୍ରୟୋଗ ପରିସ୍ଥିତିର ଅନ୍ତର୍ନିହିତ ସୀମାଗୁଡ଼ିକୁ ବାରମ୍ବାର ସୂଚାଇଛନ୍ତି: ଗୋଟିଏ ପଟେ, ବଡ଼ ମଡେଲଗୁଡ଼ିକୁ ତାଲିମ ଏବଂ ଚଲାଇବା ପାଇଁ ବିପୁଳ କମ୍ପ୍ୟୁଟିଂ ସମ୍ବଳ ଆବଶ୍ୟକ; ଅନ୍ୟପକ୍ଷରେ, କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ଶିଳ୍ପାୟନକୁ ପ୍ରୋତ୍ସାହିତ କରିବା ପାଇଁ ପ୍ରମୁଖ କ୍ଷେତ୍ରଗୁଡ଼ିକ ହେଉଛି ଠିକ୍ ଭାବରେ ଧାର କମ୍ପ୍ୟୁଟିଂ ଏବଂ ଟର୍ମିନାଲ ଡିଭାଇସ୍ ଯାହା ଶକ୍ତି ବ୍ୟବହାର ଏବଂ ବିଳମ୍ବତା ପ୍ରତି ଅଧିକ ସମ୍ବେଦନଶୀଳ।

ଏହା ବୁଝିବା କଷ୍ଟକର ନୁହେଁ ଯେ ଉପରୋକ୍ତ ଅଧିଗ୍ରହଣଗୁଡ଼ିକ ଦର୍ଶାଉଛି ଯେ MCUର ମୁଖ୍ୟ ଯୁଦ୍ଧକ୍ଷେତ୍ର ଏଜ୍ AI କମ୍ପ୍ୟୁଟିଂକୁ ସ୍ଥାନାନ୍ତରିତ ହେଉଛି। ଆଶା କରାଯାଉଛି ଯେ 2025 ସୁଦ୍ଧା, 75% ଡାଟା ଏଜ୍ AI MCU ବଜାରର ବିଶାଳ ସମ୍ଭାବନାକୁ ଉଜ୍ଜ୍ୱଳ କରି ପ୍ରକ୍ରିୟାକରଣ କରାଯିବ। ଏହା ଦର୍ଶାଉଛି ଯେ ଏଜ୍ AI କମ୍ପ୍ୟୁଟିଂର ଚାହିଦା ଦ୍ରୁତ ଗତିରେ ବୃଦ୍ଧି ପାଉଛି, ଏବଂ ଏଜ୍ ଡିଭାଇସଗୁଡ଼ିକର ମୂଳ ଉପାଦାନ ଭାବରେ MCU ଏହି ଧାରା ପାଇଁ ଏକ ପ୍ରମୁଖ ଭୂମିକା ଗ୍ରହଣ କରିବ।

ଭବିଷ୍ୟତରେ, MCUଗୁଡ଼ିକ ଆଉ ପାରମ୍ପରିକ ନିୟନ୍ତ୍ରଣ କାର୍ଯ୍ୟଗୁଡ଼ିକରେ ସୀମିତ ରହିବ ନାହିଁ, ବରଂ ଧୀରେ ଧୀରେ AI ଯୁକ୍ତି କ୍ଷମତାଗୁଡ଼ିକୁ ଏକୀକୃତ କରିବ ଏବଂ ପ୍ରତିଛବି ଚିହ୍ନଟକରଣ, ସ୍ୱର ପ୍ରକ୍ରିୟାକରଣ ଏବଂ ଉପକରଣର ପୂର୍ବାନୁମାନିକ ରକ୍ଷଣାବେକ୍ଷଣ ଭଳି ପରିସ୍ଥିତିରେ ପ୍ରୟୋଗ କରାଯିବ। ଏଜ୍ କମ୍ପ୍ୟୁଟିଂ କ୍ଷମତା ସହିତ MCUଗୁଡ଼ିକ ସେମାନଙ୍କର କମ ଶକ୍ତି ବ୍ୟବହାର, ଉଚ୍ଚ ଦକ୍ଷତା ଏବଂ ତୁରନ୍ତ ପ୍ରତିକ୍ରିୟା ସହିତ ଏଜ୍ କମ୍ପ୍ୟୁଟିଂ ଶକ୍ତିର ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ବାହକ ହୋଇଯିବ, ସ୍ମାର୍ଟ ଡିଭାଇସ୍ ଏବଂ ସିଷ୍ଟମ ପାଇଁ ଦୃଢ଼ ସମର୍ଥନ ପ୍ରଦାନ କରିବ।

ଅନ୍ୟାନ୍ୟ ପ୍ରମୁଖ MCU ନିର୍ମାତାମାନେ ମଧ୍ୟ ଏହି କ୍ଷେତ୍ରରେ ସକ୍ରିୟ ଭାବରେ ଅଧିଗ୍ରହଣ ଏବଂ ପ୍ରତିଯୋଗିତା କରୁଛନ୍ତି, ଯେପରିକି ରେନେସାସ୍ ଇଲେକ୍ଟ୍ରୋନିକ୍ସର ରିଆଲିଟି AI ଅଧିଗ୍ରହଣ, ଇନଫାଇନନ୍‌ର ସ୍ୱିଡେନର ଇମାଜିମୋବ ଅଧିଗ୍ରହଣ, ଏବଂ NXPର ମେସିନ୍ ଲର୍ନିଂ ସଫ୍ଟୱେର୍ eIQ ଏବଂ AI ଟୁଲ୍ ଚେନ୍ NANO ଲଞ୍ଚ।

ଏହା ନିଷ୍କର୍ଷିତ ହୋଇପାରେ ଯେ ଆଗାମୀ କିଛି ବର୍ଷ ମଧ୍ୟରେ ଏଜ୍ AI MCU ପାଇଁ ଏକ ପ୍ରମୁଖ ଯୁଦ୍ଧକ୍ଷେତ୍ର ହୋଇଯିବ।

ଅଟୋମୋଟିଭ୍ ଇଲେକ୍ଟ୍ରୋନିକ୍ସ: ପୁଞ୍ଜି ପ୍ରତିଯୋଗିତାର କେନ୍ଦ୍ରବିନ୍ଦୁ

ସମ୍ପ୍ରତି, ଅଟୋମୋଟିଭ୍ ଆପ୍ଲିକେସନ୍ସ ସହିତ ଜଡିତ ଅର୍ଦ୍ଧଚାଳକ ମିଶ୍ରଣ ଏବଂ ଅଧିଗ୍ରହଣ ବାରମ୍ବାର ଦେଖାଦେଇଛି। କମ୍ପ୍ୟୁଟିଂ ଶକ୍ତି ସହିତ, ଅଟୋମୋଟିଭ୍ ପାୱାରଟ୍ରେନ୍, ଯାନବାହାନରେ ନେଟୱାର୍କ ସଂଯୋଗ, ଯାନବାହାନରେ ଅଡିଓ ଏବଂ ଅନ୍ୟାନ୍ୟ ପ୍ରଯୁକ୍ତିର ବିକାଶ ମଧ୍ୟ ଅର୍ଦ୍ଧଚାଳକ ପ୍ରଯୁକ୍ତିର ପୁନରାବୃତ୍ତି ଏବଂ ଅଦ୍ୟତନକୁ ଚାଳିତ କରିଛି, ଯାହା ସମ୍ପୃକ୍ତ କମ୍ପାନୀଗୁଡ଼ିକୁ ମିଶ୍ରଣ ଏବଂ ଅଧିଗ୍ରହଣ ମାଧ୍ୟମରେ ସେମାନଙ୍କର ନିଜସ୍ୱ ପ୍ରଯୁକ୍ତି ଢାଞ୍ଚାକୁ ପରିପୂରକ କରିବାକୁ ପ୍ରେରଣା ଦେଇଛି।

ଅର୍ଦ୍ଧପରିବାହୀ ଶିଳ୍ପ ଏକ ସାଧାରଣ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା-ସଘନ ଏବଂ ପୁଞ୍ଜି-ସଘନ ଶିଳ୍ପ। ଗତ କିଛି ଦଶନ୍ଧି ଧରି ପଛକୁ ଫେରି ଚାହିଁଲେ, ଶିଳ୍ପର ବିକାଶରେ ସମନ୍ୱୟ ଏବଂ ମିଶ୍ରଣ ଏକ ଅନିବାର୍ଯ୍ୟ ଧାରା ପାଲଟିଛି।

AI ମହାରଥୀମାନେ ସେମାନଙ୍କର ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ଲେଆଉଟ୍‌କୁ ଉନ୍ନତ କରିବା ଏବଂ "ଚିପ୍ + ସିଷ୍ଟମ୍ + ଇକୋସିଷ୍ଟମ୍"ର ଏକ ପୂର୍ଣ୍ଣ-ଷ୍ଟାକ୍ ସୁବିଧା ନିର୍ମାଣ କରିବା ପାଇଁ ପ୍ରାୟତଃ ଅଧିଗ୍ରହଣ କରନ୍ତି। ମୁଖ୍ୟଧାରାର MCU ନିର୍ମାତାମାନେ ଧୀରେ ଧୀରେ AI ଆଡକୁ ରୂପାନ୍ତରିତ ହେଉଛନ୍ତି, କମ୍ ଶକ୍ତି ବ୍ୟବହାର ଏବଂ ଉଚ୍ଚ ନମନୀୟତା ସହିତ ସ୍ମାର୍ଟ ଟର୍ମିନାଲ ବଜାରକୁ ଦଖଲ କରିବାକୁ ଚେଷ୍ଟା କରୁଛନ୍ତି। ଅଟୋମୋଟିଭ୍ କ୍ଷେତ୍ରରେ, ଯାନବାହାନ କମ୍ପ୍ୟୁଟିଂ, ସ୍ୱୟଂଚାଳିତ ଡ୍ରାଇଭିଂ ଏବଂ ଡାଟା ଇଣ୍ଟରକନେକ୍ସନ୍ ପୁଞ୍ଜି ପ୍ରତିଯୋଗିତାର ପ୍ରମୁଖ କ୍ଷେତ୍ର ପାଲଟିଛି। ସେହି ସମୟରେ, EDA ଶିଳ୍ପ ଉପକରଣ ପ୍ରଦାନ କରିବା ଠାରୁ ଏକ ଇକୋସିଷ୍ଟମ୍ ନିର୍ମାଣ କରିବାକୁ ସ୍ଥାନାନ୍ତରିତ ହେଉଛି। ମହାରଥୀମାନେ IP ଏବଂ ଡିଜାଇନ୍ ପ୍ରକ୍ରିୟାଗୁଡ଼ିକୁ ଏକୀକୃତ କରନ୍ତି, ଏବଂ "ଉପକରଣ-ସ୍ଥାପତ୍ୟ-ମାନକ" ସ୍ଥାପତ୍ୟ ମାଧ୍ୟମରେ ବଜାର ପ୍ରାଧାନ୍ୟ ବିସ୍ତାର କରନ୍ତି।

ମିଶ୍ରଣ ଏବଂ ଅଧିଗ୍ରହଣର ଏହି ଲହରୀରେ, ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ସହଯୋଗ, ବଜାର ବିସ୍ତାର ଏବଂ ଇକୋସିଷ୍ଟମ ପ୍ରାଧାନ୍ୟ ମୂଳ ଯୁକ୍ତି ପାଲଟିଛି। ପୁଞ୍ଜିର ପ୍ରବାହ ମଧ୍ୟରେ କମ୍ପାନୀଗୁଡ଼ିକୁ କ୍ଷଣସ୍ଥାୟୀ ସମନ୍ୱୟ ଏବଂ ଦୀର୍ଘକାଳୀନ ଗବେଷଣା ଏବଂ ବିକାଶକୁ ସନ୍ତୁଳିତ କରିବାକୁ ପଡିବ। ଅର୍ଦ୍ଧଚାଳକ ଶିଳ୍ପର ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ପ୍ରତିବନ୍ଧକ ଏବଂ ପୁଞ୍ଜି-ନିବିଷ୍ଟ ପ୍ରକୃତିକୁ ଦୃଷ୍ଟିରେ ରଖି, ଏହି ପରିବର୍ତ୍ତନ ଏକ "ସର୍ଟକଟ୍" ନୁହେଁ ବରଂ ଏକ "ମାରାଥନ୍" ଯାହା ପାଇଁ ଦୀର୍ଘକାଳୀନ ନିବେଶ ଆବଶ୍ୟକ।