רנסאס סוגרת את פעילות הדיודות-לייזר ודיודות אופטיות

בתמונה למעלה: שבב בקרה ודרייבר של רנסאס עבור דיודות לייזר

חברת רנסאס היפנית (Renesas Electronics) מפסיקה את כל פעילויות הפיתוח והייצור של דיודות לייזר (LD) ושל דיודות חישת אור (photo diode/detector). בעקבות ההחלטה היא סוגרת את מפעל הייצור בעיר שיגה ביפן, הנמצא בבעלות החברה הבת שלה, Renesas Semiconductor Manufacturing Co. באמצע 2018 החברה הודיעה שהיא שוקלת את סגירת הפעילות, אולם רק כעת התקבלה ההחלטה, והחברה החלה בתהליך סגירת הפעילות.

החברה הסבירה שבתחילה היתה סבורה כי תוכל להצמיח את עסקיה בתחום ה-LD/PD באמצעות ייעול תהליכי הייצור במפעל בעיר שיגה. "אולם ההתעצמות של התחרות הן בטכנולוגיה והן במחיר גרמה לירידה בנתח השוק של המוצרים הקיימים ולעיכוב בפיתוח רכיבים חדשים עבור מערכות תקשורת נתונים של הדור הבא. לכן רנסאס הגיעה למסקנה שיהיה מאוד קשה לשמור על ריווחיות הפעילות, גם אם תתבצע התייעלות במפעל הייצור".

החדברה דיווחה שהיא בחנה את האפשרות להעביר את הייצור של מפעלים אחרים של הקבוצה או של שותפיה העסקיים ביפן או מחוצה לה, אולם לאור "האופי של תעשיית השבבים והקושי בביצוע המעבר בזמן סביר, הוחלט לבטל כליל את הפעילות העסקית הזאת". החברה ביקשה מהלקוחות המשתמשים ברכיבי ה-LD/PD שלה, לפנות אל נציגי המכירות כדי לקבל עידכון מדוייק על תאריכי הסגירה והפסקת הפעילות.

ברבעון הראשון של שנת 2020 הסתכמו מכירותיה בכ-1.67 מיליארד דולר. בשנת 2019 הסתכמו המכירות בכ-6.69 מיליארד דולר.

רנסאס תטמיע את פתרון ניטור הנהג של ג'נגו

מערכות העזר הבטיחותיות ברכב (ADAS), המספקות לנהג התראות מפני סכנות שונות בכביש, שיפרו מאוד את הבטיחות בדרכים. ואולם, הן לא נותנות מענה לגורם המרכזי לתאונות הדרכים: חוסר תשומת לב של הנהג. על כן, לצד מערכות ה-ADAS, בעולם הרכב  הולך ומתפתח תחום משלים של מערכות, הפונות פנימה אל תוך תא המכונית ועוקבות אחר מצבים של הירדמות, שכרות, שימוש בסמרטפון והסחות דעת אחרות מצד הנהג.

גם הרגולטור הכיר בכך שיש צורך במערכות משלימות למערכות ה-ADAS. באוגוסט 2018 החליטה הוועדה האירופית (CE) כי יצרניות רכב יהיו מחויבות להתקין בדגמים החדשים מערכות ניטור נהג (Driver Monitoring System) כדי לזכות בדירוג הבטיחות הגבוה של NCAP, מה שכמובן צפוי לדחוף את השוק הזה קדימה בשנים הקרובות. להערכת חברת המחקר Strategy Analytics, מספר המערכות לניטור נהג בתעשיית הרכב יגדל מ-13 מיליון ב-2019 ל-42 מיליון ב-2025.

הפוקוס עובר מהחיישן לתוכנה

ישנן לא מעט חברות סטארט-אפ רבות המפתחות עבור היישומים הללו מערכות מתקדמות המתבססות על חיישנים כמו אינפרה-אדום ומכ"ם.  חברת ג'נגו (Jungo) מנתניה מציעה ליצרניות הרכב חלופה זולה ונגישה יותר. החברה פיתחה תוכנה בשם CoDriver, המתבססת על אלגוריתמים של ראייה ממוחשבת ולמידת עומק ומאפשרת להוציא לפועל את היישומים הללו באמצעות מצלמות וידיאו סטנדרטיות, ללא צורך בהתקנת חיישנים מתקדמים ויקרים יותר.

האלגוריתמים של ג'נגו מאפשרים לזהות, באמצעות מצלמות בתוך הרכב הפונות פנימה, את זווית הראש והגוף, כיוון המבט וקצב מצמוץ העיניים, ועל ידי הפרמטרים הללו להסיק אם הנהג נרדם או מגלה סימני עייפות, אם הוא מרוכז בדרך שלפניו או משתמש בטלפון הנייד ואפילו אם הוא חגור כהלכה. בנוסף, האלגוריתמים של החברה גם מספקים פתרונות לניטור פרמטרים נוספים בחלל המכונית כמו מספר נוסעים ומניעת שכחת ילדים.

בשיחה עם Techtime מסביר מנכ"ל החברה, אופיר הרבסט: "הרגולציה במקומות שונים בעולם מתחילה לדרוש מיצרניות הרכב להתקין מערכות שמזהות הסחות דעות אצל הנהג כמו עייפות וכדומה, ויצרניות הרכב מחפשות את הדרך החסכונית ביותר לעמוד בדרישות הללו. מצלמה היא סנסור זול אשר מספק הרבה אינפורמציה. עבור היישומים הללו אין צורך בחיישנים מתקדמים יותר, אלא באלגוריתמים הנכונים. על כן, הפוקוס עובר מהחיישן אל התוכנה."

לא מכבר הודיעה ג'נגו על שיתוף פעולה משמעותי עם ספקית המערכות לרכב רנסאס (Renesas), שבמסגרתו תציע החברה היפנית ליצרניות רכב להטמיע את התוכנה של ג'נגו כחלק מפלטפורמות המחשוב שלה לרכב, R-Car. כך, יצרניות רכב שמטמיעות את המערכות-על-שבב של רנסאס יוכלו לקבל באופן מובנה פתרון לניטור הנהג שיאפשר להן לעמוד ברגולציה.

שיתופי פעולה גם עם קואלקום ואנבידיה

חברת ג'נגו, המעסיקה כיום כ-50 עובדים בישראל ובארצות הברית, הוקמה עוד ב-1998. בשנת 2006 היא נרכשה על ידי NDS הישראלית, שעסקה בניהול זכויות דיגיטליות והגנה על תכני וידיאו ונמכרה ב-2012 בעסקת ענק של 5 מיליארד דולר לסיסקו. ב-2013, כשנה לאחר המיזוג, התפצלה ג'נגו מסיסקו וחזרה להיות חברה עצמאית. בעשור האחרון עסקה החברה בפיתוח תוכנות לניהול המולטימדיה ומערכות המידע ברכב, ולפי החברה הן מותקנות בעשרות מיליוני מכוניות. בשנים האחרונות עברה החברה להתמקד גם בתוכנות לניטור מצלמות בתוך הרכב.

לצד רנסאס, לג'נגו יש שיתופי פעולה דומים עם ענקיות שבבים כמו קואלקום ואנבידה, המפתחות מעבדים למכוניות. לדברי אופיר, ניתן לזהות בתעשיית הרכב מגמה נוספת של ניהול יעיל וחסכוני יותר של משאבי העיבוד ברכב.

"ככל שמכניסים לכלי הרכב יותר יישומים ויכולות, העלות של כוח העיבוד הופכת להיות משמעותיות יותר. על כן, חברות השבבים הגדולות, וחברות הרכב, רוצות להטמיע כמה שיותר יכולת ויישומים במעבדים הקיימים, כדי לחסוך כסף. בזה מתמקד שיתוף הפעולה שלנו עם רנסאס וחברות אחרות. הוא מאפשר ליצרניות הרכב, המשתמשות במערכות של רנסאס, לקבל באופן מובנה גם את היישומים שלנו, מבלי להוסיף כוח עיבוד נוסף. כדי להשיג זאת, עשינו אופטימיזציה שמאפשרת להריץ את התוכנה שלנו גם על השבבים הזולים יותר שלהם."

קורטיקה פיתחה AI אוטונומי לרכב אוטונומי

מקובל להמשיל טכנולוגיות בינה מלאכותית כמו למידה עמוקה ורשתות נוירונים לאופן פעולתו של המוח האנושי. ואולם, בעוד המוח האנושי לומד על העולם באופן עצמאי מתוך התבוננות חופשית במציאות, מערכות של בינה מלאכותית בתחום החישה הממוחשבת אינן לומדות כי אם מאומנות, באופן מונחה ושיטתי, לזהות אך ורק אובייקטים שהוגדרו מראש, מה שמגביל מאוד את כמות התובנות שהן מצליחות להפיק מהסביבה.

חברת קורטיקה (Cortica) מתל אביב פיתחה פלטפורמת בינה מלאכותית "אוטונומית", אשר מסוגלת ללמוד באופן עצמאי ובלתי מונחה על אוביקטים במרחב, ללא צורך להסתמך על מאגרי ענק של תמונות מתויגות. לדברי החברה, הטכנולוגיה שלה מאפשרת יכולות זיהוי מדויקות ומורכבות יותר בהשוואה למערכות הקיימות, וכל זאת תוך שימוש בכוח מחשוב נמוך לאין שיעור. בשבוע שעבר דיווחה החברה על שיתוף פעולה ראשון בתחום הרכב החכם עם ענקית השבבים היפנית Renesas.

קורטיקה הוקמה ב-2007 על ידי שלושה חוקרים מהטכניון – יגאל רייחלגאוז, קרינה אודינייב וג'וש זאבי – אשר ייסדו את קורטיקה על בסיס מחקר משותף ששילב בין מדעי המוח, הנדסת חשמל ובינה מלאכותית. מטרתם של השלושה היתה לבנות פלטפורמה של בינה מלאכותית שתחקה בצורה דיגיטלית את האופן שבו הקורטקס (מכאן השם "קורטיקה") של יונקים לומד על המציאות. כך פיתחה קורטיקה אלגוריתמים של בינה מלאכותית שמסוגלים ללמוד על המציאות ולייצר תובנות ללא הכוונה מראש.

בשיחה עם TechTime מספר מנכ"ל קורטיקה יגאל רייחלגאוז על התשתית התיאורטית של הטכנולוגיה שפיתחה החברה. "המטרה שלנו היתה לקחת את מערכות ה-AI, שכיום הן מאוד שונות מהמוח האנושי, ולקרב אותן לאיך שהקורטקס פועל. אנשים לומדים בצורה לא מפוקחת, מתוך התבוננות בסביבה והיכולת שלנו לזהות אלמנטים משותפים וליצור ייצוגים שמאפשרים לנו לשייך אובייקטים דומים לתוך קטגוריות כלליות ".

ללמוד ללא מאמן

כדי לאמן מערכות של למידה עמוקה או רשתות נוירונים לזהות קטגוריה מסוימת של אובייקטים בעולם – למשל הולכי רגל או תמרורי דרך – יש צורך להזין את המערכת במיליוני, ולעיתים מיליארדי, דוגמאות של תמונות המציגות את אובייקט המטרה באינספור הקשרים ויזואלים שונים (זווית, תאורה, גודל, צבע וכדומה). כדי שהמחשב יוכל להבין מה מוצג בתמונות ולבנות מודל שיאפשר לו לזהות את אותו אובייקט לאחר תהליך האימון, יש צורך לתייג את האובייקטים המופיעים בכל תמונה ותמונה. תהליך התיוג נעשה בדרך כלל באופן ידני על ידי בני אדם. כך למעשה פועלים, למשל, האלגוריתמים של מובילאיי בתחום הראייה הממוחשבת לרכב.

שיטה זו לוקה במספר חסרונות: תהליך האימון הינו ממושך ויקר, ופעמים רבות רמת הדיוק של המערכת אינה מושלמת והיא מתקשה לזהות מקרי קיצון. מעל הכול, החיסרון המשמעותי ביותר, ומה שמבדיל בין הטכנולוגיות הללו למוח האנושי, הוא בכך שהמערכת לומדת אך ורק על האובייקט שהוגדר מראש, מבלי לאפיין דפוסים והקשרים על אובייקטים אחרים המופיעים בסביבה.

לעומת זאת, בלמידה בלתי מונחית (Unsupervized), המערכת לומדת על המציאות ללא תיוגים או הגדרות מראש. למעשה, האלגוריתמים הללו מנתחים את האינפורמציה הגולמית ומחפשים נקודות דמיון ושוני, תבניות חוזרות ויחסים בין אובייקטים במרחב, וכך ביכולתם להפיק הרבה יותר תובנות על המציאות שלא הוגדרו מראש על ידי המאמן האנושי.

רכב אוטונומי צריך בינה מלאכותית אוטונומית

מנכ"ל קורטיקה יגאל רייכלגהוז

קורטיקה הוקמה כבר לפני למעלה ועשור, הרבה לפני הבאז הנוכחי בתחום הבינה המלאכותית והחדירה של הטכנולוגיות הללו כמעט לכל תעשייה. בתחילת דרכה, התמקדה החברה בפיתוח יישומי בינה מלאוכתית למגזר הטחוני, כמו למשל פענוח תצלומי וידיאו ואוויר ואותות מכ"ם ו-LiDAR, ובהמשך התרחבה לתחום המובייל והאינטרנט. הטכנולוגיה שלה שולבה ביישום זיהוי תמונות בדפדפן מוביל בבריטניה, עם מאות מיליוני משתמשים, וכן ביישום Info-eye בסמרטפון Xperia Z3 של סוני, שאיפשר למשתמש, למשל, לצלם מנת אוכל ולקבל את מספר הקלוריות או לצלם בניין ולקבל עליו באופן אוטומטי אינפורמציה מוויקיפדיה.

בשנה וחצי האחרונות, ביחד עם המגמות בתעשייה כולה, החלה החברה לכוון לתחומים חדשים כמו עיר חכמה, IoT, ובעיקר תעשיית הרכב. לדברי רייכלגהוז, לבינה מלאכותית בלתי מונחית יש בתחום הרכב יתרונות משמעותיים על פני בינה מלאכותית מונחית.  "הקורטקס האנושי מורכב מ-6 שכבות והוא מתאפיין בחשיבה מקבילית ושטוחה. בתגובה לאות ויזואלי כלשהו, הקורטקס מפעיל רק חלק קטן מהשכבות. לעומת זאת, במערכות ממוחשבות של למידה עמוקה, למשל כמו זו של מובילאיי, משתמשים ברשתות נוירונים של מאות שכבות והדבר מצריך כוח חישובי רב."

"המערכת שלנו לומדת לזהות ללא הנחיה וללא תיוג, פשוט מתוך ניתוח של תמונות אקראיות וזיהוי הכללות ואלמנטים משותפים שיוצרים קטגוריות. זה ההבדדל בין קורטיקה למה שקורה בשוק. כמו המוח האנושי, האלגוריתמים שלנו מייצרים 'חתימה דיגיטלית' לכל סוג אובייקט, ואת החתימה הדיגיטלית הזו ניתן לשתף בקלות עם כלי רכב אחרים. הודות לכך, האלגוריתמים שלנו מסוגלים ללמוד על העולם הרבה יותר אינפורמציה – ולא רק מה שהוגדר מראש – ותוך שימוש בכוח מחשוב קטן הרבה יותר." כך למשל, רייחלגאוז מספר כי בניסוי שערכה החברה ברחובות תל אביב, האלגוריתמים ידעו ליצור באופן עצמאי לא רק קטגוריות מתבקשות כמו מכוניות, הולכי רגל ותמרורים, אלא גם אובייקטים ברקע כמו מזגנים למשל.

בשבוע שעבר הודיעה קורטיקה על שיתוף פעולה אסטרטגי ראשון בתחום הרכב, עם Renesas היפנית, אחת מחברות השבבים הגדולות בעולם בתחום הרכב. בסמגרת שיתוף הפעולה, רנסאס תשלב את האלגוריתמים הייעודים שפיתחה קורטיקה למצלמות רכב במערכת-על-שבב R-Car V3H של רנסאס, המספקת יכולות ראייה ממוחשבת למערכות ADAS ונהיגה אוטונומית.

"רנסאס היא החברה המובילה בעולם מבחינת כמות השבבים לעולם הרכב. עבורנו, זהו שיתוף פעולה ראשון עם חברת שבבים. אנחנו במגעים עם עוד כמה חברות, גם Tier-1 וגם יצרניות רכב, ובהמשך נודיע על שיתופי פעולה נוספים."