Σουμέτ Κουμάρ, Συνιδρυτής και Διευθύνων Σύμβουλος της Innatera – Σειρά Συνεντεύξεων

Σουμέτ Κουμάρ είναι ο Συνιδρυτής και Διευθύνων Σύμβουλος της Innatera Nanosystems, όπου ηγείται της ανάπτυξης υπερ-αποτελεσματικών νευρομορφικών επεξεργαστών για ανάλυση δεδομένων αισθητήρων σε IoT, φορητές και ενσωματωμένες συσκευές. Προηγουμένως, διαχειρίστηκε ερευνητικά προγράμματα χρηματοδοτούμενα από την ΕΕ στο TU Delft, συμπεριλαμβανομένου του προγράμματος PRYSTINE αξίας 50 εκατομμυρίων ευρώ για τεχνολογίες αυτόνομων οχημάτων, και κατέλαβε θέσεις στην Intel (INTC ) και στην ακαδημαϊκή έρευνα για προηγμένα αρχιτεκτονικά επεξεργαστών.

Innatera είναι μια εταιρεία ημιαγωγών που επικεντρώνεται στην προσφορά υπερ-χαμηλής ισχύος νοημοσύνης στο “άκρο αισθητήρα”. Η βασική καινοτομία της έγκειται σε νευρομορφικούς επεξεργαστές που βασίζονται σε αναλογική-μεικτή σήμανση αρχιτεκτονική που μιμείται την επεξεργασία που βασίζεται σε γεγονότα του εγκεφάλου. Αυτοί οι επεξεργαστές μπορούν να αναγνωρίσουν προτύπους σε δεδομένα αισθητήρων σε επίπεδα ισχύος sub-milliwatt και υπερ-χαμηλής καθυστέρησης, καθιστώντας τους ιδανικούς για εφαρμογές που απαιτούν συνεχή λειτουργία και έχουν περιορισμένη ισχύ.

Ιδρύσατε την Innatera το 2018 με एक όραμα να φέρετε νευρομορφικούς επεξεργαστές από το εργαστήριο σε πραγματικές συσκευές. Τι σας οδήγησε προσωπικά να ιδρύσετε την εταιρεία, και πώς έχει εξελιχθεί αυτό το όραμα τα τελευταία επτά χρόνια;

Η Innatera ιδρύθηκε με ένα σαφές όραμα: να φέρει νοημοσύνη τύπου εγκεφάλου直接 στο αίσθημα. Τα σημάδια ήταν σαφή ακόμη και το 2018, οι συσκευές ενσωματώνουν ολοένα και πιο σύνθετους αισθητήρες, και η ανάγκη για συνεχή αίσθηση αυξάνεται. Οι μικροελεγκτές έλλειψαν ικανότητες AI που είναι αποδοτικές στην ενέργεια, και ακόμη και αυτό θα μετακινήσει το δείκτη μόνο τόσο μακριά όταν πρόκειται για συνεχή επεξεργασία σε συσκευές που τροφοδοτούνται από μικρές μπαταρίες. Ήταν σαφές ότι ο τρόπος με τον οποίο επεξεργάζονται τα δεδομένα των αισθητήρων σε αυτές τις συσκευές χρειαζόταν να αλλάξει, και η δεκαετία έρευνας που είχαμε κάνει στο TUDelft για νευρομορφική υπολογιστική και ενεργειακά αποδοτική επεξεργασία φαίνεται να είχε μια απάντηση σε αυτή την πρόκληση.

Το όραμά μας έχει παραμείνει σταθερό – ένα έξυπνο, καθαρό και ασφαλές κόσμο που τροφοδοτείται από περιβαλλοντική νοημοσύνη. Φέρνοντας νοημοσύνη στους αισθητήρες, οι chíπ μας θα επιτρέψουν στον κόσμο να επεξεργαστεί τα δεδομένα των αισθητήρων απευθείας στην πηγή, οδηγώντας σε μια ριζική μείωση της ενεργειακής κατανάλωσης των σύγχρονων AI. Σκοπεύουμε να κάνουμε ένα δισεκατομμύριο αισθητήρες έξυπνους μέχρι το 2030.

Pulsar είναι το πρώτο βήμα σε αυτό το ταξίδι – είναι ο πρώτος νευρομορφικός μικροελεγκτής που σχεδιάστηκε για mainstream υιοθέτηση. Κάνει τη νοημοσύνη που εμπνέεται από τον εγκέφαλο πρακτική σε φορητές συσκευές, έξυπνες οικιακές συσκευές και βιομηχανικά συστήματα, μεταξύ άλλων εφαρμογών, και δημιουργεί τις βάσεις για αυτονομικές τεχνολογίες του μέλλοντος.

Pulsar βασίζεται σε μια θεμελιωδώς νέα προσέγγιση για την επεξεργασία στο αίσθημα, που πραγματοποιήθηκε μετά από 7 χρόνια σκληρής έρευνας και μηχανικής. Αυτό που ξεκίνησε ως μια εταιρεία με τέσσερις άτομα, έχει μεγαλώσει σε μια παγκόσμια ομάδα 100 ατόμων, σε 15 χώρες, ενωμένη από μια κουλτούρα που επικεντρώνεται στις ανθρώπινες ανάγκες, τη δημιουργικότητα και τη φιλοδοξία.

Pulsar περιγράφεται ως ο πρώτος πραγματικά μαζικός νευρομορφικός μικροελεγκτής. Τι το κάνει διαφορετικό από προηγούμενους νευρομορφικούς chíπ που παρέμειναν κυρίως σε ερευνητικά εργαστήρια;

Ο στόχος της ακαδημαϊκής έρευνας είναι συχνά η ανάπτυξη καινοτόμων νέων προσεγγίσεων για την επίλυση δύσκολων προβλημάτων. Ως αποτέλεσμα, τα οφέλη των λύσεων έχουν την τάση να μετρούνται σε απομόνωση. Όμως, όταν αυτές οι νέες τεχνολογίες αναπτύσσονται σε παραγωγή, πρέπει να αλληλεπιδρούν με άλλα μέρη του συστήματος, τα οποία συχνά οδηγούν στα οφέλη να εξασθενίζονται. Αυτό είναι επίσης η περίπτωση για πολλές νευρομορφικές και συμβατικές τεχνολογίες AI – είναι ενσωματωμένες σε συστήματα που δεν σχεδιάστηκαν με τις ίδιες αρχές, και αυτό οδηγεί σε ένα αποτέλεσμα που блεκώνει στην αποτελεσματικότητά του. Pulsar, από την άλλη πλευρά, είναι ένας πλήρης, αυτόνομος μικροελεγκτής, που σχεδιάστηκε για αποτελεσματική επεξεργασία δεδομένων αισθητήρων στο ακραίο άκρο.

Σχεδιάστηκε από την αρχή για να ενσωματώσει όλα τα απαραίτητα για την επεξεργασία δεδομένων αισθητήρων μέσα σε ένα μόνο chíπ: αναλογικοί και ψηφιακοί νευρομορφικοί πυρήνες, επιταχυντές CNN και FFT, και ένα πλήρες 32-bit RISC-V υποσύστημα για διαχείριση συστήματος και έλεγχο αισθητήρων. Αυτή η ετερογενής αρχιτεκτονική επιτρέπει στο Pulsar να μετατρέψει τα ακατέργαστα δεδομένα αισθητήρων σε δράσιμες γνώσεις απευθείας στη συσκευή, ενώ καταναλώνει μέχρι 500 φορές λιγότερη ενέργεια και τρέχει 100 φορές γρηγορότερα από τους συμβατικούς επεξεργαστές AI.

Πέρα από το υλικό, το Pulsar αντιμετωπίζει επίσης το μακροχρόνιο εμπόδιο του λογισμικού. Το SDK Talamo, με εγγενή ενσωμάτωση PyTorch, κάνει την ανάπτυξη νευρομορφικών επεξεργαστών προσιτή σε mainstream μηχανικούς και επιτρέπει την εκτέλεση συμπαγών μοντέλων κάτω από 5KB σε προϋπολογισμούς ισχύος sub-milliwatt. Ταιριάζοντας όλα αυτά σε ένα πακέτο 2,8 x 2,6 mm, το Pulsar εξαλείφει την ανάγκη για βαρείς πολυ-τσιπ διατάξεις, καθιστώντας το τον πρώτο νευρομορφικό επεξεργαστή που είναι έτοιμος για πραγματική μαζική ανάπτυξη.

Η προσβασιμότητα είναι ένα μεγάλο θέμα για την Innatera. Πώς το SDK Talamo, ιδιαίτερα με την ενσωμάτωση PyTorch, μειώνει το εμπόδιο για τους dévelopers που είναι νέοι στη νευρομορφική υπολογιστική; 

Για δεκαετίες, το κύριο εμπόδιο για την υιοθέτηση νευρομορφικής υπολογιστικής δεν ήταν λόγω του υλικού, αλλά λόγω της έλλειψης εργαλείων που είναι φιλικά προς τους dévelopers. Οι dévelopers αντιμετώπιζαν απότομες καμπύλες μάθησης και άγνωστες ροές εργασίας, οι οποίες με τη σειρά τους επιβράδυναν την καινοτομία. Το Talamo αντιμετωπίζει αυτό το πρόβλημα直接, προσφέροντας ένα SDK που βασίζεται σε PyTorch, το οποίο επιτρέπει στους μηχανικούς να σχεδιάζουν, να εκπαιδεύουν και να αναπτύσσουν νευρομορφικούς νευρωνικούς δικτύους μέσω οικείων ροών εργασίας. Τα συμπαγή μοντέλα μπορούν να ενσωματωθούν εύκολα σε υφιστάμενες αρχιτεκτονικές αισθητήρων, επιτρέποντας την πάντα-ενεργό νοημοσύνη ακόμη και στις μικρότερες, πιο ενεργειακά περιορισμένες συσκευές. Αφαιρώντας την πολυπλοκότητα και επιταχύνοντας την ανάπτυξη, το Talamo κάνει τη νευρομορφική υπολογιστική προσιτή σε mainstream dévelopers και επιταχύνει τον δρόμο από το πρωτότυπο στο προϊόν.

Από τεχνικής πλευράς, πώς ισορροπείτε τους αναλογικούς και ψηφιακούς νευρομορφικούς επιταχυντές μέσα στο Pulsar για να χειριστείτε διαφορετικά φορτία εργασίας αποτελεσματικά; 

Η αρχιτεκτονική του Pulsar συνδυάζει αναλογικούς και ψηφιακούς νευρομορφικούς πυρήνες για να βελτιστοποιήσει την ενεργειακή κατανάλωση και την ευελιξία. Οι αναλογικοί πυρήνες παρέχουν υπερ-αποτελεσματική επεξεργασία για συνεχείς, πάντα-ενεργούς φορτία αισθητήρων όπου κάθε microwatt μετρά. Οι ψηφιακοί πυρήνες παρέχουν προγραμματιзмότητα και ακρίβεια για πιο σύνθετα ή μεταβλητά καθήκοντα, ακόμη και μέσα σε ένα αποτελεσματικό περιβάλλον ισχύος. Τα φορτία εργασίας διανέμονται μεταξύ των δύο ανάλογα με τις ανάγκες της εφαρμογής, εξασφαλίζοντας ότι η ενέργεια καταναλώνεται μόνο όταν τα δεδομένα αλλάζουν. Αυτή η προσέγγιση που βασίζεται σε γεγονότα επιτρέπει στο Pulsar να διατηρεί επιδόσεις sub-milliwatt ενώ διατηρεί την ευελιξία για να υποστηρίξει διαφορετικές πραγματικές εφαρμογές.

Μπορείτε να μας οδηγήσετε μέσα από μια τυπική ροή εργασίας dévelopera – από την εκπαίδευση ενός μοντέλου έως την ανάπτυξή του στο Pulsar – και να μας δείξετε πού πραγματοποιούνται οι μεγαλύτερες αποδοτικές κέρδη;

Η ροή εργασίας ξεκινά στο PyTorch, όπου οι dévelopers σχεδιάζουν και εκπαιδεύουν τα μοντέλα τους όπως θα κάνανε για συμβατική AI. Χρησιμοποιώντας το SDK Talamo της Innatera, το μοντέλο μετατρέπεται σε ένα νευρομορφικό νευρωνικό δίκτυο που είναι βελτιστοποιημένο για το υλικό του Pulsar. Οι dévelopers μπορούν τότε να προσομοιώσουν, να βελτιώσουν και να αναπτύξουν το μοντέλο απευθείας στο chíπ, συχνά με αποτυπώματα τόσο μικρά όσο 5KB. Το βήμα ανάπτυξης του μοντέλου ενσωματώνεται μέσα σε μια μεγαλύτερη ροή ανάπτυξης που επιτρέπει στον dévelopera να χτίσει κώδικα που στοχεύει το RISC-V, καθώς και τον επιταχυντή CNN, με einen ενιαίο τρόπο. Αυτό μεταφράζεται σε μια βελτιωμένη εμπειρία ανάπτυξης και μικρότερο χρόνο ανάπτυξης.

Τα μεγαλύτερα αποδοτικά κέρδη πραγματοποιούνται μια φορά το μοντέλο είναι ενεργό και τρέχει στο Pulsar. Σε αντίθεση με τους συμβατικούς μικροελεγκτές που καίνε ενέργεια συνεχώς, το Pulsar υπολογίζει μόνο όταν τα δεδομένα εισόδου αλλάζουν. Αυτό επιτρέπει σε καθήκοντα πάντα-ενεργά όπως η αναγνώριση χειρονομίας ή η ανίχνευση παρουσίας ραντάρ να τρέχουν συνεχώς σε επίπεδα sub-milliwatt, παρέχοντας βελτιώσεις πολλών τάξεων στη ενεργειακή αποδοτικότητα ενώ διατηρούν υψηλή ακρίβεια και εξαιρετικά σύντομη καθυστέρηση.

Ποια τμήματα δείχνουν την ταχύτερη υιοθέτηση της τεχνολογίας σας, και μπορείτε να μοιραστείτε παραδείγματα πρώιμων πελατών ή συνεργατών που έχουν ήδη αναπτύξει το Pulsar σε προϊόντα;

Η υιοθέτηση του Pulsar συμβαίνει ταχύτερα σε περιοχές όπου η πάντα-ενεργός αίσθηση και η υπερ-χαμηλή ισχύς έχουν τη μεγαλύτερη σημασία, συμπεριλαμβανομένων των έξυπνων σπιτιών, φορητών συσκευών και βιομηχανικής ασφάλειας. Ένα καλό παράδειγμα είναι η Aaroh Labs, η οποία έχει αναπτύξει νέα ανιχνευτικά καπνού που τροφοδοτούνται από την Innatera, που παρουσιάστηκαν πρόσφατα στο SEMICON India 2025. Αυτές οι συσκευές κάνουν περισσότερα από το να ανιχνεύουν καπνό, συνδυάζοντας την ανίχνευση καπνού με την παρακολούθηση της παρουσίας ανθρώπων, δημιουργώντας πλουσιότερη συνειδητοποίηση της κατάστασης και ενεργοποιώντας έξυπνες συστήματα ασφάλειας για οικιακούς, εμπορικούς και βιομηχανικούς χώρους.

Η ίδια νευρομορφική προσέγγιση μπορεί να επεκταθεί στην παρακολούθηση περιουσίας και την περιβαλλοντική παρακολούθηση, με ευρείες επιπτώσεις για συνδεδεμένη υγεία και έξυπνες πόλεις. Στο SEMICON India, η CYRAN AI Solutions επίσης επέδειξε πώς η τεχνολογία της Innatera ενσωματώνεται σε συμπαγείς συστήματα αισθητήρων όπως ηλεκτρομυογραφία (EMG) για αναγνώριση χειρονομίας, υπογραμμίζοντας το δυναμικό της νευρομορφικής AI για να ενεργοποιήσει την直觉 ανθρώπινη-μηχανική αλληλεπίδραση.

Αυτές οι πρώιμες αναπτύξεις είναι μόνο η αρχή, δείχνοντας ότι η νευρομορφική υπολογιστική μεταφέρεται από τη θεωρία στην πράξη και ριζώνει γρήγορα σε πραγματικές εφαρμογές.

Σε διαδηλώσεις που έχουμε δει, υπάρχουν παραδείγματα όπως η αναγνώριση χειρονομίας χαμηλής ισχύος και η ανίχνευση παρουσίας ραντάρ που καταναλώνουν λιγότερο από ένα milliwatt. Πώς επικυρώνετε την ακρίβεια και την αξιοπιστία σε τέτοιες περιορισμένες περιβαλλοντικές συνθήκες;

Η επικύρωση συχνά εξαρτάται από την εφαρμογή, και除了 την ακρίβεια, οι ρυθμοί ανίχνευσης ψευδών θετικών και ψευδών αρνητικών αποτελεσμάτων παρέχουν μια κρίσιμη ένδειξη της αξιοπιστίας της λύσης. Συχνά, οι πελάτες έχουν συγκεκριμένα KPI και συνθήκες δοκιμής για επικύρωση. Η ευελιξία του Pulsar είναι κλειδί για την ενεργοποίηση ολοκληρωμένων λύσεων που επιτρέπουν στους πελάτες να επιτύχουν όλα τα κουτιά για την περίπτωσή τους. Οι συγκρίσεις γίνονται με την αντιπαραβολή με συμβατικούς μικροελεγκτές και επιταχυντές, οι οποίοι συνήθως καταναλώνουν 40-100 φορές περισσότερη ενέργεια για τα ίδια καθήκοντα.

Σε πραγματικές διαδηλώσεις, όπως η ανίχνευση παρουσίας ραντάρ και η ταξινόμηση σκηνής ήχου, το Pulsar παραδίδει συνεχώς ακρίβειες πάνω από 90% ενώ παραμένει εντός προϋπολογισμών sub-milliwatt. Αυτό επιτρέπει την συνεχή λειτουργία χωρίς να θυσιάζει την αξιοπιστία, κάτι που παραδοσιακά οι πάντα-ενεργές συστήματα είχαν να συμβιβαστούν με το να ξυπνούν από τον ύπνο, να μειώνουν την απόδοση ή να απομακρύνουν στο cloud.

Εχετε θέσει το Pulsar ως συμπληρωματικό σε πιο συμβατικούς NPUs και CPUs. Πώς βλέπετε τη νευρομορφική υπολογιστική να ταιριάζει στο ευρύτερο σιλικόνη στρώμα των μελλοντικών έξυπνων συσκευών;

Το Pulsar είναι σχεδιασμένο ως ο πρώτος chíπ που επικοινωνούν οι αισθητήρες. Επεξεργάζεται δεδομένα τοπικά σε υπερ-χαμηλή ισχύ, μετατρέποντας τα ακατέργαστα σήματα αισθητήρων σε σημαντικές, δράσιμες πληροφορίες, απευθείας στην πηγή. Οι NPUs και CPUs μπορούν τότε να ενεργοποιηθούν μόνο όταν απαιτείται βαρύτερη επεξεργασία.

Αυτό κάνει τους νευρομορφικούς επεξεργαστές ένα συμπληρωματικό στρώμα στο σιλικόνη στρώμα, μια πάντα-ενεργό, πάντα-ενεργό βάση που επεκτείνει τη διάρκεια ζωής των συσκευών, μειώνει την ενεργειακή κατανάλωση και βελτιώνει την απόκριση. Το Pulsar παίρνει το καθήκον της επεξεργασίας δεδομένων αισθητήρων μακριά από τα παραδοσιακά υψηλής ισχύος συστατικά του συστήματος, επιτρέποντας τους να απενεργοποιηθούν σε πολλές συσκευές και σε ορισμένες περιπτώσεις, ακόμη και να εξαφανιστούν完全. Αυτό οδηγεί σε έξυπνες και μακροβιότερες συσκευές.

Τι ρόλο παίζουν οι συνεργασίες με συνεργάτες όπως η Aaroh Labs και η CYRAN AI Solutions στην επιτάχυνση της πραγματικής υιοθέτησης της νευρομορφικής AI;

Οι συνεργασίες λειτουργούν ως γέφυρες μεταξύ της καινοτόμου τεχνολογίας και της ευρείας υιοθέτησης. Συνεργαζόμενοι με καινοτόμους όπως η Aaroh Labs και η CYRAN AI Solutions, η Innatera εξασφαλίζει ότι το Pulsar είναι επικυρωμένο σε πραγματικές περιβαλλοντικές συνθήκες και προσαρμοσμένο για συγκεκριμένες καταертиές. Η Aaroh Labs φέρνει νευρομορφική νοημοσύνη σε κρίσιμη υποδομή ασφάλειας, ενώ η CYRAN AI Solutions επίδειξε το δυναμικό της σε直觉 ανθρώπινη-μηχανική αλληλεπίδραση. Αυτές οι συνεργασίες αποδεικνύουν την ευελιξία της τεχνολογίας, μειώνοντας τα εμπόδια για άλλους υιοθετητές και χτίζοντας εμπιστοσύνη στην ανάπτυξη νευρομορφικών επεξεργαστών σε κλίμακα.

Οι συνεργασίες μας με προμηθευτές αισθητήρων όπως η Socionext μας επιτρέπουν να σφραγίζουμε την νοημοσύνη μέσα στο πακέτο αισθητήρα, απλοποιώντας την υιοθέτηση και την ανάπτυξη έξυπνης αίσθησης σε συσκευές. Επιπλέον, αυτές οι συνεργασίες ενισχύουν το ήδη ισχυρό και αναπτυσσόμενο οικοσύστημα μας, και επιταχύνουν την εξάπλωση της νευρομορφικής υπολογιστικής στη βιομηχανία.

Κοιτάζοντας μπροστά, βλέπετε το Pulsar και τους διαδόχους του να κινούνται προς την ενσωματωμένη μάθηση και προσαρμογή, αντί μόνο για inference στο άκρο;

Απαραίτητα. Με το Pulsar, έχουμε μόνο αρχίσει να σκαλίζουμε την επιφάνεια του τι μπορεί να κάνει η νευρομορφική υπολογιστική. Οι νευρομορφικοί επεξεργαστές είναι φυσικά κατάλληλοι για online μάθηση και προσαρμογή, και το Pulsar θέτει τις βάσεις για συσκευές που μπορούν να κάνουν πολύ περισσότερα από το να ανιχνεύουν και να ανταποκρίνονται.

Η νευρομορφική υπολογιστική είναι έτοιμη να ενεργοποιήσει μια νέα γενιά προσαρμοστικών και αυτόνομων συσκευών άκρου, συστήματα που μαθαίνουν, αυτο-καλιμπράνε και βελτιστοποιούν σε πραγματικό χρόνο ενώ τρέχουν σε μικρές μπαταρίες. Αυτή η εξέλιξη θα ξεκλειδώσει μια ευρεία γκάμα εφαρμογών, από φορητές συσκευές που προσαρμόζονται στη συμπεριφορά σας σε πραγματικό χρόνο, μέχρι βιομηχανικά συστήματα που προβλέπουν και προλαμβάνουν αποτυχίες με ελάχιστη ενεργειακή κατανάλωση. Το μακροπρόθεσμο στόχο είναι να δημιουργηθούν συσκευές που είναι τόσο έξυπνες όσο και συνεχώς προσαρμοστικές και ανθεκτικές, επαναπροσδιορίζοντας τι είναι πραγματικά δυνατό στο άκρο.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την Innatera.