Sumeet Kumar, Co-fundador y CEO de Innatera – Serie de Entrevistas

Sumeet Kumar es el co-fundador y CEO de Innatera Nanosystems, donde lidera el desarrollo de procesadores neuromórficos ultraeficientes para análisis de datos de sensores en IoT, dispositivos portátiles y sistemas integrados. Anteriormente, gestionó la investigación financiada por la UE en la TU Delft, incluido el proyecto PRYSTINE de 50 millones de euros sobre tecnologías de vehículos autónomos, y ocupó puestos en Intel y en la investigación académica sobre arquitecturas de procesadores avanzados.

Innatera es una empresa de semiconductores que se centra en llevar inteligencia de ultra-bajo consumo a la “arista del sensor”. Su innovación principal radica en procesadores de neuronas de pico construidos sobre una arquitectura de señal mixta analógica que imita el procesamiento basado en eventos del cerebro. Estos chips pueden reconocer patrones en datos de sensores a niveles de potencia de sub-miliwatt y latencia ultra-baja, lo que los hace ideales para aplicaciones siempre activas y con restricciones de potencia.

Co-fundaste Innatera en 2018 con una visión de llevar procesadores neuromórficos desde el laboratorio a dispositivos del mundo real. ¿Qué te impulsó personalmente a iniciar la empresa, y cómo ha evolucionado esa visión en los últimos siete años?

Innatera fue fundada con una misión clara en mente: llevar inteligencia similar a la del cerebro directamente al sensor. Las señales eran claras incluso en 2018, los dispositivos estaban integrando sensores cada vez más complejos, y la necesidad de detección siempre activa estaba creciendo. Los microcontroladores carecían de capacidades de inteligencia artificial eficientes en términos de potencia, y incluso eso solo movería la aguja en cuanto a procesamiento continuo en dispositivos alimentados por baterías pequeñas. Estaba claro que la forma en que se procesan los datos de los sensores en estos dispositivos necesitaba cambiar, y la década de investigación que habíamos realizado en la TUDelft sobre computación neuromórfica y procesamiento eficiente en términos de energía parecía tener una respuesta a este desafío.

Nuestra visión ha permanecido consistente – un mundo más inteligente, limpio y seguro impulsado por inteligencia ambiental. Al llevar inteligencia a los sensores, nuestros chips permitirán que los datos de los sensores del mundo se procesen directamente en la fuente, lo que llevará a una reducción radical en el uso de energía de la inteligencia artificial moderna. Nos proponemos hacer que mil millones de sensores sean inteligentes para 2030.

Pulsar es el primer paso en ese viaje – es el primer microcontrolador neuromórfico del mundo diseñado para su adopción generalizada. Hace que la inteligencia inspirada en el cerebro sea práctica en dispositivos portátiles, dispositivos para el hogar inteligente y sistemas industriales, entre otros casos de uso, al mismo tiempo que establece la base para tecnologías adaptativas y autónomas del futuro.

Pulsar se basa en un enfoque fundamentalmente nuevo para el procesamiento en el sensor, realizado a lo largo de 7 años de investigación y ingeniería intensas. Lo que comenzó como una empresa con cuatro personas, ha crecido en este tiempo a un equipo global de 100 personas, en 15 países, unidas por una cultura centrada en las personas, construida sobre la resiliencia, la creatividad y la ambición.

Pulsar se describe como el primer microcontrolador neuromórfico verdaderamente de mercado masivo. ¿Qué lo hace diferente de los chips neuromórficos anteriores que permanecieron en gran medida confinados a laboratorios de investigación?

El enfoque de la investigación académica a menudo se centra en desarrollar enfoques innovadores para resolver problemas difíciles. Como consecuencia, los beneficios de las soluciones tienden a medirse de forma aislada. Sin embargo, cuando estas nuevas tecnologías se despliegan en producción, deben interactuar con otras partes del sistema, lo que a menudo resulta en que sus beneficios se diluyen. Esto también es cierto para muchas tecnologías de aceleración de inteligencia artificial neuromórfica y convencional – se integran en sistemas que no están diseñados con los mismos fundamentos en mente, y esto conduce a un resultado que palidece en eficiencia. Pulsar, por otro lado, es un microcontrolador completo y autónomo, diseñado específicamente para el procesamiento eficiente de datos de sensores en el borde extremo.

Fue diseñado desde cero para integrar todo lo necesario para el procesamiento de datos de sensores dentro de un solo chip: núcleos de neuronas de pico analógicos y digitales, aceleradores CNN y FFT, y un subsistema RISC-V de 32 bits completo para la gestión del sistema y el control de sensores. Esta arquitectura heterogénea permite que Pulsar transforme los datos de sensores crudos en conocimientos acciónables directamente en el dispositivo, mientras consume hasta 500 veces menos energía y ejecuta 100 veces más rápido que los procesadores de inteligencia artificial convencionales.

Más allá del hardware, Pulsar también aborda la barrera de software de larga data. Su SDK Talamo, con integración nativa de PyTorch, hace que el desarrollo neuromórfico sea accesible para ingenieros de corriente y permite modelos compactos de menos de 5KB que se ejecutan en presupuestos de potencia de sub-miliwatt. Al ajustar todo esto en un paquete de 2,8 x 2,6 mm, Pulsar elimina la necesidad de configuraciones de múltiples chips voluminosas, lo que lo convierte en el primer procesador neuromórfico listo para su despliegue en el mercado masivo.

La accesibilidad es un gran tema para Innatera. ¿Cómo el SDK Talamo, particularmente con su integración de PyTorch, reduce la barrera para los desarrolladores que son nuevos en la computación neuromórfica? 

Durante décadas, la principal barrera para la adopción neuromórfica no se debió al hardware, sino a la falta de herramientas amigables para los desarrolladores. Los desarrolladores se enfrentaban a curvas de aprendizaje pronunciadas y flujos de trabajo poco familiares, lo que a su vez ralentizaba la innovación. Talamo aborda esto directamente al proporcionar un SDK basado en PyTorch que permite a los ingenieros diseñar, entrenar y desplegar redes neuronales de pico a través de flujos de trabajo familiares. Los modelos compactos se pueden integrar fácilmente en arquitecturas de sensores existentes, permitiendo inteligencia siempre activa incluso en los dispositivos más pequeños y con restricciones de potencia. Al eliminar la complejidad y acelerar el desarrollo, Talamo hace que la computación neuromórfica sea accesible para desarrolladores de corriente y acelera el camino desde el prototipo hasta el producto.

Desde un punto de vista técnico, ¿cómo equilibras los aceleradores de pico analógicos y digitales dentro de Pulsar para manejar diversas cargas de trabajo de manera eficiente? 

La arquitectura de Pulsar combina núcleos de pico analógicos y digitales para optimizar el uso de energía y flexibilidad. Los núcleos analógicos proporcionan un procesamiento ultraeficiente para las cargas de trabajo de sensores continuas y siempre activas, donde cada microwatt cuenta. Los núcleos digitales entregan programabilidad y precisión para tareas más complejas o variables, aún dentro de un sobre de potencia eficiente. Las cargas de trabajo se distribuyen a través de los dos dependiendo de las necesidades de la aplicación, asegurando que la energía solo se consume cuando los datos cambian. Este enfoque basado en eventos permite que Pulsar mantenga un rendimiento de sub-miliwatt mientras mantiene la flexibilidad para admitir diversas aplicaciones del mundo real.

¿Puedes guiarnos a través de un flujo de trabajo típico de un desarrollador – desde el entrenamiento de un modelo hasta su despliegue en Pulsar – y dónde se realizan las mayores ganancias de eficiencia?

El flujo de trabajo comienza en PyTorch, donde los desarrolladores diseñan y entrenan sus modelos como lo harían para la inteligencia artificial convencional. Utilizando el SDK Talamo de Innatera, el modelo se convierte en una red neuronal de pico optimizada para el hardware de Pulsar. Los desarrolladores pueden simular, refinar y desplegar el modelo directamente en el chip, a menudo con huellas de solo 5KB. El paso de desarrollo del modelo está integrado dentro de un flujo de desarrollo de canal de aplicación más grande que permite a los desarrolladores construir código que apunta al RISC-V, así como al acelerador CNN, de manera unificada. Esto se traduce en una experiencia de desarrollo mejorada y un tiempo de desarrollo más corto.

Las mayores ganancias de eficiencia ocurren una vez que el modelo está en ejecución en los núcleos de pico basados en eventos de Pulsar. A diferencia de los microcontroladores convencionales que queman potencia continuamente, Pulsar solo computa cuando los datos de entrada cambian. Esto permite que tareas siempre activas como el reconocimiento de gestos o la detección de presencia por radar se ejecuten continuamente a niveles de sub-miliwatt, entregando mejoras de varios órdenes de magnitud en eficiencia energética mientras se mantiene una alta precisión y una latencia increíblemente corta.

¿Cuáles son los sectores que muestran la adopción más rápida de tu tecnología, y puedes compartir ejemplos de clientes o socios tempranos que ya están desplegando Pulsar en productos?

La adopción de Pulsar está sucediendo más rápido en áreas donde la detección siempre activa y la potencia ultra-baja son más importantes, incluyendo hogares inteligentes, dispositivos portátiles y seguridad industrial. Un buen ejemplo de esto es Aaroh Labs, que ha desarrollado detectores de humo de última generación impulsados por Innatera, recientemente presentados en SEMICON India 2025. Estos dispositivos hacen más que solo detectar humo al combinar la detección de humo con la monitorización de la presencia humana, creando una conciencia situacional más rica y permitiendo sistemas de seguridad más inteligentes para entornos residenciales, comerciales e industriales.

El mismo enfoque neuromórfico se puede extender al seguimiento de activos y la monitorización ambiental, con implicaciones amplias para la atención sanitaria conectada y las ciudades inteligentes. En SEMICON India, CYRAN AI Solutions también mostró cómo la tecnología de Innatera se está integrando en sistemas de sensores compactos como dispositivos portátiles de electromiografía (EMG) para el reconocimiento de gestos, destacando el potencial de la inteligencia artificial neuromórfica para permitir una interacción humana-máquina intuitiva.

Estos despliegues tempranos son solo el comienzo, lo que indica que la computación neuromórfica está pasando de la teoría a la práctica mientras hablamos, y está arraigando rápidamente en aplicaciones del mundo real.

En las demostraciones que hemos visto, hay ejemplos como el reconocimiento de gestos de ultra-bajo consumo y la detección de presencia por radar que consume menos de un milivatio. ¿Cómo validas la precisión y la confiabilidad en entornos tan limitados?

La validación a menudo depende de la aplicación, y además de la precisión, las tasas de detección de falsos positivos y falsos negativos proporcionan una indicación crítica de la confiabilidad de una solución. A menudo, los clientes tienen indicadores clave de rendimiento (KPI) y condiciones de prueba específicas para la validación. La flexibilidad de Pulsar es clave para permitir soluciones integrales que permiten a los clientes marcar todas las casillas para su caso de uso. Las comparaciones se realizan mediante la comparación con microcontroladores convencionales y aceleradores, que típicamente consumen 40-100 veces más potencia para las mismas tareas.

En demostraciones del mundo real, como la detección de presencia por radar y la clasificación de escenas de audio, Pulsar entrega consistentemente precisión por encima del 90% mientras se mantiene dentro de los presupuestos de sub-miliwatt. Esto permite la operación continua sin sacrificar la confiabilidad, algo que los sistemas siempre activos tradicionales tradicionalmente tenían que comprometer al despertar del sueño, reducir el rendimiento o descargar en la nube.

Has posicionado a Pulsar como complementario a los NPU y CPU convencionales. ¿Cómo ves la computación neuromórfica encajando en la pila de silicio más amplia de los dispositivos inteligentes del futuro?

Pulsar está diseñado como el primer chip con el que los sensores se comunican. Procesa datos localmente a ultra-bajo consumo, convirtiendo señales de sensores crudas en información significativa y acciónnable directamente en la fuente. Los NPU y CPU pueden participar solo cuando se requiere un procesamiento más pesado.

Esto hace que los procesadores neuromórficos sean una capa complementaria en la pila de silicio; una base siempre consciente y siempre activa que extiende la vida útil del dispositivo, reduce el uso de energía y mejora la respuesta. Pulsar toma la tarea de procesamiento de datos de sensores lejos de los componentes de mayor potencia en el sistema, permitiendo que se apaguen en muchos dispositivos y, en algunos casos, incluso se eliminen por completo. Esto conduce a dispositivos más inteligentes y duraderos.

¿Cuál es el papel de las colaboraciones con socios como Aaroh Labs y CYRAN AI Solutions en la aceleración de la adopción en el mundo real de la inteligencia artificial neuromórfica?

Las asociaciones actúan como el puente entre la tecnología innovadora y la adopción generalizada. Al trabajar con innovadores como Aaroh Labs y CYRAN AI Solutions, Innatera garantiza que Pulsar se valide en entornos del mundo real y se adapte a verticales específicas. Aaroh Labs lleva la inteligencia neuromórfica a la infraestructura de seguridad crítica, mientras que CYRAN AI Solutions demuestra su potencial en la interacción humana-máquina intuitiva. Estas colaboraciones prueban la versatilidad de la tecnología, reduciendo las barreras para otros adoptantes y generando confianza en el despliegue de procesadores neuromórficos a gran escala.

Nuestras asociaciones con proveedores de sensores como Socionext nos permiten empaquetar la inteligencia estrechamente en el módulo del sensor, simplificando la adopción y el despliegue de la detección inteligente en dispositivos. Además, estas colaboraciones fortalecen nuestro ecosistema ya fuerte y en crecimiento, y aceleran la difusión de la computación neuromórfica en la industria.

Mirando hacia adelante, ¿ves a Pulsar y a sus sucesores moviéndose hacia el aprendizaje y la adaptación en el dispositivo, en lugar de solo la inferencia en el borde?

Absolutamente. Con Pulsar, solo hemos comenzado a arañar la superficie de lo que puede hacer lo neuromórfico. Los procesadores neuromórficos están inherentemente bien adaptados para el aprendizaje y la adaptación en línea, y Pulsar establece las bases para que los dispositivos puedan hacer mucho más que simplemente detectar y responder.

La computación neuromórfica está a punto de permitir una nueva generación de dispositivos de borde adaptativos y autónomos; sistemas que aprenden, se autocalibran y se optimizan en tiempo real mientras se ejecutan en baterías pequeñas. Esta evolución desbloqueará una amplia gama de aplicaciones, desde dispositivos portátiles que se adaptan a tu comportamiento al vuelo, hasta sistemas industriales que predicen y evitan fallos con un uso mínimo de energía. El objetivo a largo plazo es crear dispositivos que sean tan inteligentes como continuamente adaptables y resilientes, redefiniendo lo que realmente es posible en el borde.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Innatera.