تجمع Ethernovia أكثر من 90 مليون دولار في جولة تمويل من الفئة B لتعزيز شبكات الذكاء الاصطناعي الفيزيائي

Ethernovia أغلقت جولة تمويل من الفئة B، والتي بلغت أكثر من 90 مليون دولار، حيث تتسارع الطلب على سيليكون الشبكات القادرة على دعم الاستقلالية في الوقت الفعلي عبر المركبات والروبوتات والأنظمة الصناعية. قادت الجولة Maverick Silicon، مع مشاركة من Socratic Partners وConduit Capital وCDIB-TEN Capital، إلى جانب استمرار دعم المستثمرين الحاليين، بما في ذلك Porsche SE وQualcomm Ventures (QCOM ) وFall Line Capital.

يقع مقر Ethernovia في وادي السيليكون، وتبني الشركة فئة جديدة من معالجات الحزم القائمة على الإيثرنت المصممة للعمل كعمود فقري للبيانات – أو “الجهاز العصبي” – لألات ذكية تعمل على الحافة. تركز الشركة على عنق زجاجة متزايد الأهمية في الاستقلالية: نقل حجم كبير من بيانات الحس والرؤية والذكاء الاصطناعي بطريقة يمكن التنبؤ بها وفعالة في الوقت الفعلي.

إعادة تصميم العمود الفقري للبيانات للاستقلالية

تعتمد المركبات المستقلة وأنظمة المساعدة المتقدمة والروبوتات الصناعية بشكل متزايد على عشرات الحساسات عالية النطاق وعمليات الذكاء الاصطناعي التي يجب أن تعمل بزمن تأخير محدد. لم تكن الشبكات التقليدية داخل المركبات والصناعة مصممة لهذه المتطلبات، مما يؤدي غالبًا إلى بنية متجزئة وزيادة تعقيد النظام وتكلفة أعلى.

تركز نهج Ethernovia على معالجات الحزم القائمة على الإيثرنت التي توحد الشبكات والحوسبة وتنسيق البيانات. بدلاً من الاعتماد على شبكة من نواقل بيانات قديمة وروابط نقطة إلى نقطة، تم بناء منصتها لجمع وتوجيه تيارات البيانات في الوقت الفعلي بطريقة قابلة للبرمجة وقابلة للتطوير – لدعم كل من التصاميم المركزية والمناطق.

معالجات الحزم المصممة للذكاء الاصطناعي الفيزيائي

في قلب تقنية Ethernovia توجد عائلة من معالجات الحزم عالية الأداء المصممة خصيصًا لأحمال عمل الحوسبة الطرفية والذكاء الاصطناعي الفيزيائي. تم تصميم هذه الرقائق لتدبير حركة الحساسات والذكاء الاصطناعي عالية النطاق مع زمن تأخير محدد وكفاءة طاقة قوية، وهما قيودان يحددان بشكل متزايد النجاح في تطبيقات السيارات والروبوتات.

من خلال دعم مسارات البيانات القابلة للبرمجة وبنية الربط الشبكي للإيثرنت القابل للتطوير، تمكن المنصة من أنظمة محددة بالبرمجيات التي يمكن أن تتطور مع مرور الوقت من خلال التحديثات الجوية، مع الحفاظ على متطلبات الأداء الحاسمة للسلامة. هذه المرونة مهمة بشكل خاص حيث يتحرك المصنعون نحو بنية حيث يتم تعريف الوظائف أكثر من خلال البرمجيات منها تكوينات الأجهزة الثابتة.

الزخم عبر السيارات والروبوتات والصناعة

في حين أن السيارات لا تزال محور تركيز رئيسي، فإن تقنية Ethernovia موضعة عبر أسواق متعددة حيث يصبح الذكاء الطرفي في الوقت الفعلي ضروريًا. تواجه منصات الروبوتات وأنظمة الأتمتة الصناعية والآلات المحددة بالذكاء الاصطناعي تحديات مماثلة حول التأخير والتنسيق وحركة البيانات. في كل حالة، يتم تحديد قيود الأداء بشكل متزايد ليس من خلال القدرة الحسابية الخام، ولكن من خلال كيفية نقل البيانات بكفاءة بين الحساسات والمعالجات والمنفذات تحت ضمانات زمنية صارمة.

تتتقارب هذه القطاعات أيضًا من الناحية المعمارية. بدأت منصات الروبوتات والأنظمة الصناعية في تبني مبادئ التصميم التي كانت في السابق خاصة بالسيارات، مثل البنية المنطقة والحوسبة المركزية، في حين أن منصات السيارات تتأثر بمفاهيم من مراكز البيانات، مثل الشبكات المحددة بالبرمجيات وبنية الربط الشبكي للإيثرنت الموحد. هذا التتقارب يخلق الطلب على سيليكون الشبكات الذي يمكنه العمل بشكل موثوق به عبر بيئات متعددة مع دعم دورة حياة المنتجات الطويلة والمتطلبات البرمجية المتطورة.

سيتم استخدام التمويل الجديد لتسريع تطوير وإنتاج معالجات الحزم الجديدة من الشركة، وتوسيع قدرات البرمجيات والنظم، وتعميق التفاعل مع العملاء عبر هذه القطاعات. مع انتقال التطبيقات من التجارب إلى الإنتاج على نطاق واسع، يتحول التركيز نحو منصات يمكنها دعم التحديثات على المدى الطويل وأحمال العمل المختلطة والاستقلالية المتزايدة دون الحاجة إلى إعادة التصميم الجذري.

ماذا يعني هذا للذكاء الاصطناعي الفيزيائي في المستقبل

Ethernovia يبرز التمويل أوسع تحول جاري في الاستقلالية والروبوتات: لم يعد الذكاء الاصطناعي مقيد بالخوارزميات فقط، ولكن بالبنية التحتية التي تربط الحس والتفكير والعمل في العالم الفيزيائي. مع انتقال أنظمة الذكاء الاصطناعي من السحابة إلى المركبات والمصانع والآلات، يصبح سيليكون الشبكات طبقة أساسية بدلاً من فكرة ثانوية.

يعكس هذا التحول زيادة الاعتراف بأن أنظمة الذكاء الاصطناعي الفيزيائي هي في النهاية أنظمة في الوقت الفعلي. يمكن أن تؤدي التأخيرات أو الحزم المفقودة أو التأخير غير المتوقع إلى عواقب ملموسة، من أداء مخفض إلى مخاطر تتعلق بالسلامة. ونتيجة لذلك، يصبح نقل البيانات المحدد زمنيًا مهمًا مثل دقة النموذج أو سرعة الحوسبة.

تشير البنى القائمة على الحزم والإيثرنت إلى مستقبل حيث تكون الآلات الذكية أكثر نمطية وقابلية للترقية وتحديدًا بالبرمجيات، مما يعكس التطور الذي شهدته مراكز البيانات خلال العقد الماضي. إذا استمر هذا التحول، قد يعتمد المنظر التنافسي للذكاء الاصطناعي الفيزيائي بشكل متزايد على من يمكنه تقديم نسيج بيانات أكثر موثوقية وقابلية للتكيف – قادرة على دعم الابتكار المستمر دون التضحية بالأداء في العالم الحقيقي.