سوميت كومار، المؤسس المشارك والرئيس التنفيذي لشركة Innatera – سلسلة المقابلات

Sumeet Kumar هو المؤسس المشارك والرئيس التنفيذي لشركة Innatera Nanosystems، حيث يقود تطوير معالجات عصبية فائقة الكفاءة لتحليل بيانات المستشعرات في إنترنت الأشياء والأجهزة القابلة للارتداء والأنظمة المدمجة. سبق له أن أدار أبحاثاً ممولة من الاتحاد الأوروبي في جامعة TU Delft، منها مشروع PRYSTINE بقيمة 50 مليون يورو لتقنيات المركبات الذاتية، كما شغل مناصب في Intel (INTC ) وعمل في البحث الأكاديمي المتعلق ببنى المعالجات المتقدمة.

Innatera شركة أشباه موصلات تركز على جلب ذكاء فائق الانخفاض في استهلاك الطاقة إلى «حافة المستشعر». ويتمثل ابتكارها الأساسي في معالجات عصبية نبضية مبنية على بنية إشارات مختلطة تناظرية تحاكي المعالجة القائمة على الأحداث في الدماغ. تستطيع هذه الشرائح تمييز الأنماط في بيانات المستشعر بطاقة تقل عن ملي واط وزمن استجابة بالغ الانخفاض، مما يجعلها مثالية للتطبيقات دائمة التشغيل والمقيدة بالطاقة.

شاركت في تأسيس Innatera عام 2018 برؤية لنقل المعالجات العصبية الشكلية من المختبر إلى أجهزة العالم الحقيقي. ما الذي دفعك شخصياً إلى تأسيس الشركة، وكيف تطورت هذه الرؤية خلال السنوات السبع الماضية؟

تأسست Innatera بمهمة واضحة: جلب ذكاء شبيه بالدماغ مباشرة إلى المستشعر. كانت المؤشرات واضحة حتى في عام 2018؛ إذ كانت الأجهزة تدمج مستشعرات متزايدة التعقيد، وكانت الحاجة إلى الاستشعار الدائم تتنامى. افتقرت المتحكمات الدقيقة إلى قدرات ذكاء اصطناعي موفرة للطاقة، وحتى تحسينها لم يكن ليحقق سوى تقدم محدود في المعالجة المستمرة داخل أجهزة تعمل ببطاريات صغيرة. كان لا بد من تغيير طريقة معالجة بيانات المستشعرات في هذه الأجهزة، وبدا أن عقداً من أبحاثنا في TU Delft حول الحوسبة العصبية الشكلية والمعالجة الموفرة للطاقة يقدم حلاً لهذا التحدي.

ظلت رؤيتنا ثابتة: عالم أذكى وأنظف وأكثر أماناً يدعمه الذكاء المحيطي. وبجلب الذكاء إلى المستشعرات، تتيح شرائحنا معالجة بيانات مستشعرات العالم مباشرة عند المصدر، ما يخفض استهلاك الطاقة في الذكاء الاصطناعي الحديث بصورة جذرية. ونهدف إلى جعل مليار مستشعر ذكياً بحلول عام 2030.

Pulsar هو الخطوة الأولى في هذه الرحلة؛ فهو أول متحكم دقيق عصبي شكلي في العالم صُمم للاعتماد واسع النطاق. ويجعل الذكاء المستوحى من الدماغ عملياً في الأجهزة القابلة للارتداء وأجهزة المنزل الذكي والأنظمة الصناعية وغيرها، مع إرساء أساس تقنيات المستقبل التكيفية والمستقلة.

يستند Pulsar إلى نهج جديد جذرياً للمعالجة عند المستشعر، تحقق بعد أكثر من سبع سنوات من البحث والهندسة المكثفين. وما بدأ مشروعاً من أربعة أشخاص نما خلال هذه الفترة إلى فريق عالمي من 100 شخص في 15 دولة، تجمعهم ثقافة تضع الناس أولاً وتقوم على المرونة والإبداع والطموح.

يوصف Pulsar بأنه أول متحكم عصبي شكلي حقيقي للسوق الواسعة. ما الذي يميزه عن الشرائح العصبية الشكلية السابقة التي ظلت إلى حد بعيد داخل مختبرات الأبحاث؟

تركز الأبحاث الأكاديمية غالباً على تطوير مناهج مبتكرة لحل المشكلات الصعبة، ولذلك تُقاس فوائد الحلول بمعزل عن بقية النظام. لكن عند نشر هذه التقنيات في الإنتاج، يجب أن تتفاعل مع أجزاء أخرى من النظام، ما يؤدي في كثير من الأحيان إلى تراجع فوائدها. وينطبق ذلك على كثير من تقنيات تسريع الذكاء الاصطناعي العصبية الشكلية والتقليدية؛ فهي تُدمج في أنظمة لم تُصمم وفق المبادئ نفسها، فتكون النتيجة أقل كفاءة بكثير. أما Pulsar فهو متحكم دقيق كامل ومستقل صُمم خصيصاً لمعالجة بيانات المستشعر بكفاءة عند أقصى الحافة.

صُمم من الأساس لدمج كل ما يلزم لمعالجة بيانات المستشعر داخل شريحة واحدة: نوى عصبية نبضية تناظرية ورقمية، ومسرعات CNN وFFT، ونظام فرعي RISC-V كامل بمعمارية 32 بت لإدارة النظام والتحكم في المستشعرات. وتتيح هذه البنية غير المتجانسة لـPulsar تحويل بيانات المستشعر الخام إلى معلومات قابلة للتنفيذ مباشرة على الجهاز، مع استهلاك طاقة أقل بما يصل إلى 500 مرة وسرعة أكبر 100 مرة من معالجات الذكاء الاصطناعي التقليدية.

ولا يقتصر Pulsar على العتاد، بل يعالج أيضاً عائق البرمجيات القديم. إذ تجعل حزمة Talamo SDK، مع تكاملها الأصلي مع PyTorch، التطوير العصبي الشكلي متاحاً للمهندسين على نطاق واسع، وتتيح تشغيل نماذج مدمجة يقل حجمها عن 5 كيلوبايت ضمن ميزانية طاقة دون ملي واط. وبجمع كل ذلك في حزمة مقاسها 2.8 × 2.6 مم، يلغي Pulsar الحاجة إلى ترتيبات ضخمة متعددة الشرائح، ليصبح أول معالج عصبي شكلي جاهز فعلاً للنشر واسع النطاق.

سهولة الوصول محور مهم لدى Innatera. كيف تخفض Talamo SDK، ولا سيما عبر تكامل PyTorch، حاجز الدخول أمام المطورين الجدد على الحوسبة العصبية الشكلية؟ 

على مدى عقود، لم يكن العائق الرئيسي أمام اعتماد الحوسبة العصبية الشكلية هو العتاد، بل نقص الأدوات الملائمة للمطورين. واجه المطورون منحنيات تعلم حادة وسير عمل غير مألوف، ما أبطأ الابتكار. تعالج Talamo هذه المشكلة مباشرة عبر حزمة SDK مبنية على PyTorch، تتيح للمهندسين تصميم الشبكات العصبية النبضية وتدريبها ونشرها ضمن سير عمل مألوف. ويمكن دمج النماذج المدمجة بسهولة في بنى المستشعرات الحالية، لتوفير ذكاء دائم التشغيل حتى في أصغر الأجهزة وأكثرها تقييداً بالطاقة. وبإزالة التعقيد وتسريع التطوير، تجعل Talamo الحوسبة العصبية الشكلية في متناول المطورين وتقصّر المسار من النموذج الأولي إلى المنتج.

من الناحية التقنية، كيف توازنون بين مسرعات النبض التناظرية والرقمية داخل Pulsar للتعامل بكفاءة مع أحمال عمل متنوعة؟ 

تمزج بنية Pulsar بين النوى النبضية التناظرية والرقمية لتحسين استهلاك الطاقة والمرونة. توفر النوى التناظرية معالجة فائقة الكفاءة لأحمال المستشعر المستمرة ودائمة التشغيل، حيث لكل ميكروواط أهميته. أما النوى الرقمية فتقدم قابلية البرمجة والدقة للمهام الأكثر تعقيداً أو تغيراً، مع بقائها ضمن نطاق طاقة فعال. وتوزع أحمال العمل بين النوعين بحسب حاجة التطبيق، بحيث لا تُستهلك الطاقة إلا عند تغير البيانات. ويتيح هذا النهج القائم على الأحداث لـPulsar الحفاظ على أداء دون ملي واط مع المرونة اللازمة لدعم تطبيقات متنوعة في العالم الحقيقي.

هل يمكنك شرح سير العمل المعتاد للمطور، من تدريب نموذج إلى نشره على Pulsar، وأين تتحقق أكبر مكاسب الكفاءة؟

يبدأ سير العمل في PyTorch، حيث يصمم المطورون نماذجهم ويدربونها كما يفعلون في الذكاء الاصطناعي التقليدي. وباستخدام Talamo SDK من Innatera، يتحول النموذج إلى شبكة عصبية نبضية محسنة لعتاد Pulsar. بعد ذلك يستطيع المطور محاكاة النموذج وصقله ونشره مباشرة على الشريحة، بأحجام قد تصل إلى 5 كيلوبايت فقط. وتندمج خطوة تطوير النموذج ضمن مسار تطوير التطبيق الأوسع، بحيث يستطيع المطور بناء التعليمات البرمجية المستهدفة لنظام RISC-V ولمسرع CNN بطريقة موحدة. وهذا يحسن تجربة التطوير ويقصّر زمنه.

تتحقق أكبر مكاسب الكفاءة بعد تشغيل النموذج على نوى Pulsar النبضية القائمة على الأحداث. فعلى عكس المتحكمات الدقيقة التقليدية التي تستهلك الطاقة باستمرار، لا يجري Pulsar الحساب إلا عند تغير بيانات الإدخال. وهذا يتيح لمهام دائمة التشغيل مثل التعرف على الإيماءات أو اكتشاف الوجود بالرادار أن تعمل باستمرار بطاقة دون ملي واط، مع تحسينات هائلة في كفاءة الطاقة والحفاظ على دقة عالية وزمن استجابة بالغ القصر.

ما القطاعات التي تتبنى تقنيتكم بأسرع وتيرة، وهل يمكنك مشاركة أمثلة لعملاء أو شركاء مبكرين ينشرون Pulsar بالفعل داخل منتجاتهم؟

يحدث أسرع تبنٍ لـPulsar في المجالات التي يكون فيها الاستشعار الدائم والاستهلاك شديد الانخفاض للطاقة مهمين للغاية، ومنها المنازل الذكية والأجهزة القابلة للارتداء والسلامة الصناعية. ومن الأمثلة الجيدة Aaroh Labs، التي طورت جيلاً جديداً من كاشفات الدخان المدعومة من Innatera وكشفت عنها مؤخراً في SEMICON India 2025. لا تكتفي هذه الأجهزة باستشعار الدخان، بل تجمع كشف الدخان مع مراقبة وجود الأشخاص، ما يوفر وعياً ظرفياً أغنى ويتيح أنظمة سلامة أذكى للبيئات السكنية والتجارية والصناعية.

ويمكن توسيع النهج العصبي الشكلي نفسه ليشمل تتبع الأصول والمراقبة البيئية، مع آثار واسعة على الرعاية الصحية المتصلة والمدن الذكية. وفي SEMICON India، عرضت CYRAN AI Solutions أيضاً كيفية دمج تقنية Innatera في أنظمة مستشعرات مدمجة، مثل أجهزة تخطيط كهربية العضلات (EMG) القابلة للارتداء للتعرف على الإيماءات، بما يبرز قدرة الذكاء الاصطناعي العصبي الشكلي على إتاحة تفاعل بديهي بين الإنسان والآلة.

هذه التطبيقات المبكرة ليست سوى البداية؛ فهي تشير إلى أن الحوسبة العصبية الشكلية تنتقل الآن من النظرية إلى التطبيق وتتجذر سريعاً في استخدامات العالم الحقيقي.

رأينا في العروض أمثلة مثل التعرف على الإيماءات بطاقة شديدة الانخفاض واكتشاف الوجود بالرادار باستهلاك يقل عن ملي واط. كيف تتحققون من الدقة والموثوقية في مثل هذه البيئات المقيدة؟

يعتمد التحقق غالباً على التطبيق. وإلى جانب الدقة، تمثل معدلات الإيجابيات الكاذبة والسلبيات الكاذبة مؤشراً حاسماً على موثوقية الحل. وغالباً ما يحدد العملاء مؤشرات أداء رئيسية وظروف اختبار خاصة للتحقق. وتعد مرونة Pulsar أساسية في إتاحة حلول شاملة تلبي جميع متطلبات حالة الاستخدام. كما نقارن الأداء بالمتحكمات الدقيقة والمسرعات التقليدية، التي تستهلك عادةً طاقة أكبر من 40 إلى 100 مرة لتنفيذ المهام نفسها.

في العروض الواقعية، مثل اكتشاف الوجود بالرادار وتصنيف المشاهد الصوتية، يحقق Pulsar باستمرار دقة تتجاوز 90% مع البقاء ضمن ميزانية طاقة أقل من ملي واط. ويتيح ذلك التشغيل المتواصل دون التضحية بالموثوقية، وهو أمر كانت الأنظمة التقليدية دائمة التشغيل تضطر إلى التنازل عنه عبر الاستيقاظ من وضع السكون أو خفض الأداء أو نقل المعالجة إلى السحابة.

قدمتم Pulsar بوصفه مكملاً لوحدات المعالجة العصبية (NPUs) ووحدات المعالجة المركزية (CPUs) التقليدية. كيف ترى موقع الحوسبة العصبية الشكلية ضمن منظومة السيليكون الأوسع للأجهزة الذكية المستقبلية؟

صُمم Pulsar ليكون أول شريحة تتواصل معها المستشعرات. فهو يعالج البيانات محلياً بطاقة شديدة الانخفاض، ويحول إشارات المستشعر الخام مباشرة عند المصدر إلى معلومات مفهومة وقابلة للتنفيذ. وبعد ذلك لا يجري تشغيل وحدات NPU وCPU إلا عند الحاجة إلى معالجة أثقل.

يجعل ذلك المعالجات العصبية الشكلية طبقة مكملة في منظومة السيليكون؛ أساساً دائم الوعي والتشغيل يطيل عمر الأجهزة، ويخفض استهلاك الطاقة، ويحسن سرعة الاستجابة. يتولى Pulsar معالجة بيانات المستشعر بدلاً من المكونات الأعلى استهلاكاً للطاقة في النظام، ما يتيح إيقافها في أجهزة كثيرة، بل والاستغناء عنها تماماً في بعض الحالات. والنتيجة أجهزة أذكى وأطول عمراً.

ما الدور الذي تؤديه الشراكات مع جهات مثل Aaroh Labs وCYRAN AI Solutions في تسريع اعتماد الذكاء الاصطناعي العصبي الشكلي في العالم الحقيقي؟

تمثل الشراكات جسراً بين التقنية المتقدمة والتبني الواسع. فمن خلال العمل مع مبتكرين مثل Aaroh Labs وCYRAN AI Solutions، تضمن Innatera التحقق من Pulsar في بيئات واقعية وتخصيصه لقطاعات محددة. تجلب Aaroh Labs الذكاء العصبي الشكلي إلى بنية السلامة التحتية الحيوية، فيما تعرض CYRAN AI Solutions إمكاناته في التفاعل البديهي بين الإنسان والآلة. وتثبت هذه الشراكات تنوع التقنية، وتخفض الحواجز أمام الجهات الأخرى، وتبني الثقة في نشر المعالجات العصبية الشكلية على نطاق واسع.

وتتيح لنا شراكاتنا مع موردي المستشعرات مثل Socionext دمج الذكاء بإحكام داخل وحدة المستشعر، ما يبسّط اعتماد الاستشعار الذكي ونشره في الأجهزة. كما تعزز هذه الشراكات منظومتنا القوية والمتنامية وتسرع انتشار الحوسبة العصبية الشكلية في القطاع.

بالنظر إلى المستقبل، هل ترى Pulsar وخلفاءه يتجهون إلى التعلم والتكيف داخل الجهاز، بدلاً من الاكتفاء بالاستدلال عند الحافة؟

بالتأكيد. مع Pulsar بدأنا للتو في استكشاف قدرات الحوسبة العصبية الشكلية. فالمعالجات العصبية الشكلية ملائمة بطبيعتها للتعلم والتكيف عبر الإنترنت، ويضع Pulsar الأساس لأجهزة تستطيع أن تفعل أكثر بكثير من مجرد الاكتشاف والاستجابة.

ستتيح الحوسبة العصبية الشكلية جيلاً جديداً من أجهزة الحافة التكيفية والمستقلة؛ أنظمة تتعلم وتعاير نفسها وتتحسن في الوقت الفعلي وهي تعمل ببطاريات صغيرة. وسيفتح ذلك نطاقاً واسعاً من التطبيقات، من أجهزة قابلة للارتداء تتكيف فوراً مع سلوك المستخدم إلى أنظمة صناعية تتنبأ بالأعطال وتمنعها بأقل استهلاك للطاقة. والهدف على المدى الطويل هو إنشاء أجهزة ذكية بقدر ما هي متكيفة ومرنة باستمرار، بما يعيد تعريف الممكن فعلاً عند الحافة.

شكراً لكم على هذه المقابلة الرائعة. يمكن للقراء الراغبين في معرفة المزيد زيارة Innatera.