Ethernovia rejser over 90 millioner dollars i serie B for at fremme fysisk AI-netværk

Ethernovia har afsluttet en Serie B-finansieringsrunde på i alt mere end 90 millioner dollars, i takt med at efterspørgslen efter netværkssilicium, der er i stand til at understøtte realtidsautonomi på tværs af køretøjer, robotter og industrielle systemer, accelererer. Runden blev ledet af Maverick Silicon, med deltagelse fra Sokratiske partnere, Conduit Capital og CDIB-TEN Capital, sammen med fortsat støtte fra eksisterende investorer, herunder Porsche SE, Qualcomm Venturesog Fall Line Capital.

Ethernovia, der er baseret i Silicon Valley, bygger en ny klasse af Ethernet-baserede pakkeprocessorer, der er designet til at fungere som databackbone – eller "nervesystem" – for intelligente maskiner, der opererer i udkanten af ​​netværket. Virksomheden fokuserer på en voksende flaskehals inden for autonomi: at flytte enorme mængder af sensor-, visions- og AI-data forudsigeligt og effektivt i realtid.

Omstrukturering af datagrundlaget for autonomi

Selvkørende køretøjer, avancerede førerassistentsystemer og industrirobotter er i stigende grad afhængige af snesevis af sensorer med høj båndbredde og AI-arbejdsbelastninger, der skal operere med deterministisk latenstid. Traditionelle netværk i køretøjer og industrielle netværk blev aldrig designet til disse krav, hvilket ofte resulterer i fragmenterede arkitekturer, højere systemkompleksitet og stigende omkostninger.

Ethernovias tilgang fokuserer på pakkeprocessordrevne, Ethernet-baserede arkitekturer, der forener netværk, beregning og dataorkestrering. I stedet for at stole på et kludetæppe af ældre busser og punkt-til-punkt-forbindelser, er platformen bygget til at aggregere og rute datastrømme i realtid på en programmerbar og skalerbar måde – og understøtter både zonale og centraliserede systemdesigns.

Pakkeprocessorer bygget til fysisk AI

Kernen i Ethernovias teknologi er en familie af højtydende pakkeprocessorer, der er specielt konstrueret til kant og fysiske AI-arbejdsbelastninger. Disse chips er designet til at håndtere sensor- og AI-trafik med høj båndbredde med deterministisk latenstid og stærk energieffektivitet, to begrænsninger, der i stigende grad definerer succes i implementeringer inden for bilindustrien og robotteknologi.

Ved at understøtte programmerbare datastier og skalerbare Ethernet-strukturer muliggør platformen softwaredefinerede systemer, der kan udvikle sig over tid gennem trådløse opdateringer, samtidig med at de opfylder sikkerhedskritiske krav til ydeevne. Denne fleksibilitet er især relevant, da OEM'er bevæger sig mod arkitekturer, hvor funktionalitet i højere grad defineres af software end af faste hardwarekonfigurationer.

Momentum på tværs af bilindustrien, robotindustrien og industrien

Selvom bilindustrien fortsat er et centralt fokusområde, er Ethernovias teknologi positioneret på tværs af flere markeder, hvor realtids-edge intelligence bliver afgørende. Robotplatforme, industrielle automationssystemer og nye AI-definerede maskiner står alle over for lignende udfordringer omkring latenstid, synkronisering og dataflytning. I hvert tilfælde dikteres begrænsninger i ydeevnen i stigende grad ikke af rå beregningskapacitet, men af ​​hvor effektivt data kan flyttes mellem sensorer, processorer og aktuatorer under strenge timinggarantier.

Disse sektorer konvergerer også arkitekturmæssigt. Robotteknologi og industrielle systemer begynder at anvende designprincipper, der engang var specifikke for bilindustrien, såsom zonale arkitekturer og centraliseret beregning, mens bilplatforme låner koncepter fra datacentre, herunder softwaredefineret netværk og standardiserede Ethernet-strukturer. Denne konvergens skaber en efterspørgsel efter netværkssilicium, der kan fungere pålideligt på tværs af forskellige miljøer, samtidig med at det understøtter lange produktlevetider og udviklende softwarekrav.

Den nye finansiering vil blive brugt til at accelerere udviklingen og produktionen af ​​virksomhedens næste generations pakkeprocessorer, udvide dens software- og systemkapaciteter og uddybe kundeengagementet på tværs af disse sektorer. Efterhånden som implementeringer går fra pilotprojekter til skaleret produktion, skifter vægten mod platforme, der kan understøtte langsigtede opgraderinger, blandede arbejdsbyrder og øget autonomi uden at kræve grundlæggende redesign.

Hvad dette signalerer for fremtiden for fysisk AI

Ethernovias raise fremhæver et bredere skift i gang inden for autonomi og robotteknologi: intelligens er ikke længere begrænset af algoritmer alene, men af ​​den infrastruktur, der forbinder sansing, ræsonnement og handling i den fysiske verden. Efterhånden som AI-systemer bevæger sig ud af skyen og ind i køretøjer, fabrikker og maskiner, bliver netværkssilicium et grundlæggende lag snarere end en understøttende eftertanke.

Dette skift afspejler en voksende erkendelse af, at fysiske AI-systemer i sidste ende er realtidssystemer. Forsinkelser, tabte pakker eller uforudsigelig latenstid kan have håndgribelige konsekvenser, lige fra forringet ydeevne til sikkerhedsrisici. Som følge heraf bliver deterministisk dataflytning lige så kritisk som modelnøjagtighed eller beregningsgennemstrømning.

Pakkecentrerede, Ethernet-baserede arkitekturer peger mod en fremtid, hvor intelligente maskiner er mere modulære, opgraderbare og softwaredefinerede, hvilket afspejler den udvikling, der er set i datacentre i løbet af det seneste årti. Hvis denne overgang fortsætter, kan det konkurrenceprægede landskab inden for fysisk AI i stigende grad afhænge af, hvem der kan levere den mest pålidelige, tilpasningsdygtige... datastof—en, der er i stand til at understøtte kontinuerlig innovation uden at gå på kompromis med den faktiske ydeevne.