Opkøb

Metalenz køber PxE Imaging for at føje farver og dybde til edge-AI

mm
Føj Unite.AI til dine foretrukne kilder på Google

Metalenz meddelte den 11. november 2026, at virksomheden havde opkøbt PxE Imaging, en startup med base i Israel, hvis Holocoder-teknologi er udviklet til at registrere farve- og dybdeinformation med ét enkelt kamera. Vilkårene for handlen blev ikke offentliggjort.

Handlen udvider Metalenz’ sensorforretning fra nærinfrarød til synlig billeddannelse, samtidig med at virksomheden bygger videre på sin etablerede forsyningskæde. Den samlede platform føjer farve og dybde til de materiale- og overfladedata, som Metalenz allerede registrerer, med fokus på forbrugerelektronik, bilsystemer, droner, robotteknologi og maskinsyn.

Sådan indfanger Holocoder mere lys

PxE-medstifter og CEO Yoav Berlatzky opfandt Holocoder, som er mønstret direkte på billedsensoren. Det optiske lag udnytter lysets bølgeegenskaber til at indkode information om bølgelængde og dybde, så farve og dybde kan registreres samtidig i det samme billede.

På sin teknologiside beskriver PxE Holocoder som et gennemsigtigt, statisk diffraktivt optisk element, der erstatter Bayer-filteret i et kompakt kameramodul og skaber et holografisk billede. En deterministisk billedsignalprocessor, der arbejder i realtid, og en afkodningsalgoritmestak genererer derefter RGB-, infrarøde billeder og dybdebilleder, så kanalerne allerede er fusioneret til AI-baseret perception.

Metalenz oplyser, at konventionelle Bayer-filtre absorberer 60 % af det indkommende lys, mens Holocoder sorterer lyset uden at absorbere det og sender 2,5 gange mere lys videre til en standardbilledsensor. Det samme lag indkoder rumlige geometrier, der er tilpasset det synlige billede, i et design, som skal gøre separate dybdemoduler eller beregningstung sensorfusion overflødige.

PxE udviklede teknologistakken som et alternativ til kameraer med flere sensorer og systemer med aktiv belysning med det formål at reducere omkostningerne, størrelsen og strømforbruget ved 3D-sansning. Derfor er opkøbet relevant både for design af kameramoduler og for billedkvaliteten.

Mindre rekonstruktion til edge-AI

For edge-AI ligger betydningen i, hvor de ekstra oplysninger afkodes. Metalenz oplyser, at afkodning direkte i hardwaren reducerer den efterfølgende beregning, så AI kan køre mere effektivt på enhederne uden at være afhængig af omfattende softwarebaseret rekonstruktion.

Rob Devlin, medstifter og CEO for Metalenz, beskrev strategien med udgangspunkt i den hardware, der leverer data til disse AI-systemer. »At eje hardware, der tilfører sensorerne ny information, er den egentlige konkurrencefordel for differentierede AI-modeller,« sagde han.

Næste skridt er at opskalere produktionen

Metalenz blev udskilt fra Harvard University i 2016 og oplyser, at virksomheden har leveret mere end 300 millioner metaoverfladeoptikker i forbrugerenheder. Virksomhedens optik er kompatibel med halvlederproduktion, fremstilles i halvlederskala og integreres direkte på CMOS-billedsensorer.

Metalenz oplyser, at platformen PolarEyes registrerer polarisationsinformation, som gør det muligt for synssystemer at skelne mellem materialer ud fra deres fysiske egenskaber. Polar ID, den første produktanvendelse af platformen, giver forbrugerenheder ansigtsgodkendelse på betalingsniveau og udvider dermed virksomhedens sensorhardware til et edge-produkt.

»Ved at blive en del af Metalenz får vi adgang til produktionsplatformen og den kommercielle rækkevidde, der skal til for at bringe denne teknologi ud i almindelige enheder,« sagde Berlatzky.

Opkøbet kombinerer en teknologi til registrering af synligt lys med en produktionsvirksomhed, der allerede er gearet til forbrugerhardware i store mængder. Metalenz’ bredere muligheder inden for edge-AI afhænger nu af, om virksomheden kan omsætte PxE’s rapporterede forbedringer i lysindsamling og dybderegistrering til kommercielle produkter på tværs af de markeder, som virksomhederne satser på.

Leo Park er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-hardware-startups, edge-computing og de nye chip-arkitekturer, der former, hvordan kunstig intelligens tages i brug uden for centraliserede datacentre. Hans arbejde fokuserer på, hvordan nye silicium-designs, edge-inference-platforme og energivenlige systemer ændrer økonomien og mulighederne for AI i stor skala.
Med et ingeniørmæssigt og præcist perspektiv undersøger Leo, hvordan startups bygger specialiserede processorer, optimerer hukommelse og strømforbrug og muliggør realtids-AI-arbejdsbelastninger tættere på, hvor data genereres. Han lægger særlig vægt på anvendte brugsområder - såsom robotter, autonome systemer, industrielle IoT og på-enhed-intelligens - hvor edge-AI leverer konkrete ydelses- og omkostningsfordele.
Artikler skrevet af Leo Park er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hurtigt udviklende AI-hardware- og edge-computing-landskab.