Ethernovia lève plus de 90 millions de dollars en série B pour faire progresser les réseaux physiques d’intelligence artificielle

Ethernovia a clôturé un cycle de financement de série B d’un montant supérieur à 90 millions de dollars, alors que la demande de silicium de réseau capable de prendre en charge l’autonomie en temps réel à travers les véhicules, les robots et les systèmes industriels s’accélère. Le cycle a été mené par Maverick Silicon, avec la participation de Socratic Partners, Conduit Capital, et CDIB-TEN Capital, aux côtés du soutien continu des investisseurs existants, notamment Porsche SE, Qualcomm Ventures, et Fall Line Capital.

Basé dans la vallée de Silicon, Ethernovia crée une nouvelle classe de processeurs de paquets Ethernet conçus pour agir comme colonne vertébrale des données – ou « système nerveux » – pour les machines intelligentes fonctionnant à la périphérie. La société se concentre sur un goulet d’étranglement croissant dans l’autonomie : déplacer des volumes massifs de données de capteurs, de vision et d’intelligence artificielle de manière prévisible et efficace en temps réel.

Réarchitecturer la colonne vertébrale des données pour l’autonomie

Les véhicules autonomes, les systèmes avancés d’aide à la conduite et les robots industriels dépendent de plus en plus de dizaines de capteurs à bande passante élevée et de charges de travail d’intelligence artificielle qui doivent fonctionner avec une latence déterministe. Les réseaux traditionnels dans les véhicules et les industries n’ont jamais été conçus pour ces exigences, ce qui entraîne souvent des architectures fragmentées, une complexité accrue du système et des coûts croissants.

L’approche d’Ethernovia repose sur des architectures basées sur des processeurs de paquets, Ethernet, qui unifient le réseau, le calcul et l’orchestration des données. Plutôt que de s’appuyer sur un patchwork de bus et de liens point à point hérités, sa plate-forme est conçue pour agréger et acheminer les flux de données en temps réel de manière programmable et évolutives – en prenant en charge à la fois les conceptions de système zonales et centralisées.

Processeurs de paquets conçus pour l’intelligence artificielle physique

Au cœur de la technologie d’Ethernovia se trouve une famille de processeurs de paquets haute performance conçus spécifiquement pour les charges de travail de périphérie et d’intelligence artificielle physique. Ces puces sont conçues pour gérer le trafic de capteurs et d’intelligence artificielle à bande passante élevée avec une latence déterministe et une forte efficacité énergétique, deux contraintes qui définissent de plus en plus le succès dans les déploiements automobiles et robotiques.

En prenant en charge les chemins de données programmables et les tissus Ethernet évolutifs, la plate-forme permet des systèmes définis par logiciel qui peuvent évoluer avec le temps via des mises à jour aériennes, tout en répondant toujours aux exigences de performances critiques pour la sécurité. Cette flexibilité est particulièrement pertinente dans la mesure où les OEM se tournent vers des architectures où la fonctionnalité est définie plus par le logiciel que par les configurations matérielles fixes.

Élan dans les secteurs automobile, robotique et industriel

Alors que l’automobile reste un objectif clé, la technologie d’Ethernovia est positionnée sur plusieurs marchés où l’intelligence de périphérie en temps réel devient essentielle. Les plateformes de robots, les systèmes d’automatisation industrielle et les machines définies par l’intelligence artificielle font face à des défis similaires autour de la latence, de la synchronisation et du déplacement des données. Dans chaque cas, les contraintes de performances sont de plus en plus dictées non par la capacité de calcul brute, mais par la manière dont les données peuvent se déplacer efficacement entre les capteurs, les processeurs et les actionneurs sous des garanties de temporisation strictes.

Ces secteurs convergent également sur le plan architectural. Les robots et les systèmes industriels commencent à adopter des principes de conception autrefois spécifiques à l’automobile, tels que les architectures zonales et les calculateurs centralisés, tandis que les plateformes automobiles empruntent des concepts aux centres de données, notamment les réseaux définis par logiciel et les tissus Ethernet standardisés. Cette convergence crée une demande pour du silicium de réseau capable de fonctionner de manière fiable dans des environnements diversifiés tout en prenant en charge des cycles de vie de produits longs et des exigences logicielles évolutives.

Le nouveau financement sera utilisé pour accélérer le développement et la production des processeurs de paquets de prochaine génération de l’entreprise, étendre ses capacités logicielles et système, et approfondir les engagements client dans ces secteurs. À mesure que les déploiements passent des pilotes à la production à grande échelle, l’accent est mis sur les plateformes qui peuvent prendre en charge des mises à niveau à long terme, des charges de travail mixtes et une autonomie croissante sans nécessiter de réconception fondamentale.

Ce que cela signale pour l’avenir de l’intelligence artificielle physique

Ethernovia’s levée met en évidence un changement plus large en cours dans l’autonomie et la robotique : l’intelligence n’est plus limitée par les algorithmes seuls, mais par les infrastructures qui relient la détection, la raison et l’action dans le monde physique. À mesure que les systèmes d’intelligence artificielle sortent du cloud et entrent dans les véhicules, les usines et les machines, le silicium de réseau devient une couche fondamentale plutôt qu’une après-pensée.

Ce changement reflète une reconnaissance croissante du fait que les systèmes d’intelligence artificielle physique sont en fin de compte des systèmes en temps réel. Les retards, les paquets perdus ou la latence imprévisible peuvent avoir des conséquences tangibles, allant d’une performance dégradée à des risques pour la sécurité. Par conséquent, le déplacement de données déterministe devient aussi critique que la précision du modèle ou le débit de calcul.

Les architectures basées sur des paquets et sur Ethernet pointent vers un avenir où les machines intelligentes sont plus modulaires, améliorables et définies par logiciel, reflétant l’évolution observée dans les centres de données au cours de la dernière décennie. Si cette transition se poursuit, le paysage concurrentiel de l’intelligence artificielle physique peut de plus en plus dépendre de qui peut livrer le tissu de données le plus fiable, le plus adaptable – un tissu de données capable de soutenir l’innovation continue sans sacrifier les performances du monde réel.