Sumeet Kumar, co-fondateur et PDG d’Innatera – Série d’entretiens

Sumeet Kumar est le co-fondateur et PDG d’Innatera Nanosystems, où il dirige le développement de processeurs neuromorphiques ultra-efficients pour l’analyse de données de capteurs dans les objets connectés, les accessoires portables et les appareils intégrés. Auparavant, il a géré des recherches financées par l’UE à TU Delft, notamment le projet PRYSTINE de 50 millions d’euros sur les technologies de véhicules autonomes, et a occupé des postes chez Intel (INTC ) et dans la recherche universitaire sur les architectures de processeurs avancés.

Innatera est une entreprise de semi-conducteurs qui se concentre sur l’apport d’une intelligence ultra-basse consommation à la « limite des capteurs ». L’innovation fondamentale de l’entreprise réside dans les processeurs neuronaux à impulsions construits sur une architecture analogique-mélange de signaux qui imitent le traitement basé sur les événements du cerveau. Ces puces peuvent reconnaître des modèles dans les données de capteurs à des niveaux de puissance sub-milliwatt et à une latence ultra-basse, ce qui les rend idéales pour les applications toujours actives et à consommation d’énergie limitée.

Vous avez co-fondé Innatera en 2018 avec une vision pour apporter les processeurs neuromorphiques des laboratoires dans les appareils du monde réel. Qu’est-ce qui vous a personnellement motivé à créer l’entreprise, et comment cette vision a-t-elle évolué au cours des sept dernières années ?

Innatera a été fondée avec une mission claire en tête : apporter une intelligence similaire à celle du cerveau directement au capteur. Les signes étaient clairs dès 2018, les appareils intégraient des capteurs de plus en plus complexes, et le besoin de détection toujours active grandissait. Les microcontrôleurs manquaient de capacités d’intelligence artificielle efficaces en termes de puissance, et même cela ne déplacerait que légèrement l’aiguille lorsqu’il s’agissait de traitement continu dans les appareils alimentés par de petites batteries. Il était clair que la façon dont les données de capteurs sont traitées dans ces appareils devait changer, et la décennie de recherche que nous avions menée à TUDelft sur l’informatique neuromorphique et le traitement efficace en termes d’énergie semblait avoir une réponse à ce défi.

Notre vision est restée cohérente – un monde plus intelligent, plus propre et plus sûr, alimenté par l’intelligence ambiante. En apportant l’intelligence aux capteurs, nos puces permettront au monde de traiter les données de capteurs directement à la source, ce qui entraînera une réduction radicale de la consommation d’énergie de l’intelligence artificielle moderne. Nous visons à rendre un milliard de capteurs intelligents d’ici 2030.

Pulsar est le premier pas dans ce parcours – c’est le premier microcontrôleur neuromorphique conçu pour une adoption généralisée. Il rend l’intelligence inspirée du cerveau pratique dans les accessoires portables, les appareils intelligents pour la maison et les systèmes industriels, entre autres cas d’utilisation, tout en posant les fondements pour les technologies autonomes et adaptatives de demain.

Pulsar repose sur une approche fondamentalement nouvelle pour le traitement au niveau du capteur, réalisée au cours de 7 ans de recherche et d’ingénierie difficiles. Ce qui a commencé comme une aventure avec quatre personnes est devenu, au fil du temps, une équipe mondiale de 100 personnes, réparties dans 15 pays, unies par une culture axée sur les personnes, construite sur la résilience, la créativité et l’ambition.

Pulsar est décrit comme le premier microcontrôleur neuromorphique vraiment destiné au marché de masse. Qu’est-ce qui le distingue des puces neuromorphiques précédentes qui sont restées largement confinées aux laboratoires de recherche ?

L’objectif de la recherche universitaire est souvent de développer des approches innovantes pour résoudre des problèmes difficiles. En conséquence, les avantages des solutions tendent à être mesurés en isolation. Cependant, lorsque ces nouvelles technologies sont déployées en production, elles doivent interagir avec d’autres parties du système, ce qui entraîne souvent une dilution de leurs avantages. C’est également le cas de nombreuses technologies d’accélération d’intelligence artificielle neuromorphique et conventionnelle – elles sont intégrées dans des systèmes qui ne sont pas conçus avec les mêmes principes fondamentaux, ce qui conduit à un résultat qui pâlit en efficacité. Pulsar, en revanche, est un microcontrôleur complet et autonome, conçu spécifiquement pour un traitement efficace des données de capteurs à la limite extrême.

Il a été conçu dès le départ pour intégrer tout ce qui est nécessaire pour le traitement des données de capteurs dans une seule puce : noyaux neuronaux à impulsions analogiques et numériques, accélérateurs de convolution et de transformation de Fourier rapide, ainsi qu’un sous-système RISC-V complet à 32 bits pour la gestion du système et le contrôle des capteurs. Cette architecture hétérogène permet à Pulsar de transformer les signaux bruts de capteurs en informations actionnables directement sur l’appareil, tout en consommant jusqu’à 500 fois moins d’énergie et en fonctionnant 100 fois plus vite que les processeurs d’intelligence artificielle conventionnels.

Au-delà du matériel, Pulsar aborde également la barrière logicielle de longue date. Son kit de développement logiciel Talamo, avec une intégration native de PyTorch, rend le développement neuromorphique accessible aux ingénieurs mainstream et permet des modèles compacts de moins de 5 ko à exécuter dans des budgets de puissance de sous-milliwatt. En intégrant tout cela dans un package de 2,8 x 2,6 mm, Pulsar élimine le besoin de configurations multi-puces encombrantes, ce qui en fait le premier processeur neuromorphique prêt pour un déploiement réel sur le marché de masse.

L’accessibilité est un thème important pour Innatera. Comment le kit de développement logiciel Talamo, en particulier avec son intégration PyTorch, réduit-il la barrière pour les développeurs qui sont nouveaux dans l’informatique neuromorphique ? 

Pendant des décennies, la principale barrière à l’adoption neuromorphique n’était pas due au matériel, mais plutôt à un manque d’outils conviviaux pour les développeurs. Les développeurs étaient confrontés à des courbes d’apprentissage abruptes et à des flux de travail inhabituels, ce qui ralentissait l’innovation. Talamo répond directement à ce problème en fournissant un kit de développement logiciel basé sur PyTorch qui permet aux ingénieurs de concevoir, de former et de déployer des réseaux de neurones à impulsions via des flux de travail familiers. Des modèles compacts peuvent être facilement intégrés dans les architectures de capteurs existantes, permettant une intelligence toujours active dans même les plus petits appareils à consommation d’énergie limitée. En éliminant la complexité et en accélérant le développement, Talamo rend l’informatique neuromorphique accessible aux développeurs mainstream et accélère le chemin allant du prototype au produit.

D’un point de vue technique, comment équilibrez-vous les accélérateurs à impulsions analogiques et numériques à l’intérieur de Pulsar pour gérer efficacement des charges de travail diverses ? 

L’architecture de Pulsar combine des noyaux à impulsions analogiques et numériques pour optimiser la consommation d’énergie et la flexibilité. Les noyaux analogiques offrent un traitement ultra-efficace pour les charges de travail de capteurs continues et toujours actives où chaque microwatt compte. Les noyaux numériques fournissent une programmabilité et une précision pour des tâches plus complexes ou variables, toujours dans une enveloppe de puissance efficace. Les charges de travail sont réparties entre les deux en fonction des besoins de l’application, garantissant que l’énergie n’est consommée que lorsque les données changent. Cette approche basée sur les événements permet à Pulsar de maintenir des performances sous-milliwatt tout en conservant la flexibilité pour supporter diverses applications du monde réel.

Pouvez-vous nous guider à travers un flux de travail de développement typique – de la formation d’un modèle à son déploiement sur Pulsar – et indiquer où les plus grands gains d’efficacité sont réalisés ?

Le flux de travail commence dans PyTorch, où les développeurs conçoivent et forment leurs modèles comme ils le feraient pour l’intelligence artificielle conventionnelle. En utilisant le kit de développement logiciel Talamo d’Innatera, le modèle est converti en un réseau de neurones à impulsions optimisé pour le matériel de Pulsar. Les développeurs peuvent alors simuler, affiner et déployer le modèle directement sur la puce, souvent avec des empreintes aussi petites que 5 ko. L’étape de développement du modèle est intégrée dans un flux de travail de développement d’application plus large qui permet au développeur de construire du code qui cible le RISC-V, ainsi que l’accélérateur de convolution, de manière unifiée. Cela se traduit par une expérience de développement améliorée et un temps de développement plus court.

Les plus grands gains d’efficacité se produisent une fois que le modèle est en cours d’exécution sur les noyaux à impulsions basés sur les événements de Pulsar. Contrairement aux microcontrôleurs conventionnels qui consomment de la puissance en continu, Pulsar ne calcule que lorsque les données d’entrée changent. Cela permet des tâches toujours actives telles que la reconnaissance de gestes ou la détection de présence par radar de fonctionner en continu à des niveaux de puissance sous-milliwatt, ce qui entraîne des améliorations de plusieurs ordres de grandeur en termes d’efficacité énergétique tout en maintenant une grande précision et une latence incroyablement courte.

Quels secteurs montrent l’adoption la plus rapide de votre technologie, et pouvez-vous partager des exemples de clients ou de partenaires précoces qui déployés déjà Pulsar dans des produits ?

L’adoption de Pulsar se produit le plus rapidement dans les domaines où la détection toujours active et la puissance ultra-basse sont les plus importantes, notamment les maisons intelligentes, les accessoires portables et la sécurité industrielle. Un bon exemple de cela est Aaroh Labs, qui a développé des détecteurs de fumée de nouvelle génération alimentés par Innatera, récemment présentés à SEMICON India 2025. Ces appareils font plus que simplement détecter la fumée en combinant la détection de fumée avec la surveillance de la présence humaine, créant ainsi une conscience situationnelle plus riche et permettant des systèmes de sécurité plus intelligents pour les environnements résidentiels, commerciaux et industriels.

La même approche neuromorphique peut s’étendre au suivi des actifs et à la surveillance de l’environnement, avec des implications importantes pour les soins de santé connectés et les villes intelligentes. À SEMICON India, CYRAN AI Solutions a également présenté comment la technologie d’Innatera est intégrée dans des systèmes de capteurs compacts tels que les accessoires portables d’électromyographie (EMG) pour la reconnaissance de gestes, mettant en évidence le potentiel de l’intelligence artificielle neuromorphique pour permettre une interaction homme-machine intuitive.

Ces premiers déploiements ne sont que le début, indiquant que l’informatique neuromorphique passe de la théorie à la pratique et prend rapidement racine dans des applications du monde réel.

Dans les démonstrations que nous avons vues, des exemples tels que la reconnaissance de gestes à ultra-basse puissance et la détection de présence par radar consommant moins d’un milliwatt. Comment validez-vous la précision et la fiabilité dans de tels environnements contraints ?

La validation dépend souvent de l’application, et outre la précision, les taux de détection de faux positifs et de faux négatifs fournissent une indication critique de la fiabilité d’une solution. Souvent, les clients ont des indicateurs de performance clés (KPI) et des conditions de test spécifiques pour la validation. La flexibilité de Pulsar est clé pour permettre des solutions complètes qui permettent aux clients de cocher toutes les cases pour leur cas d’utilisation. Les comparaisons sont effectuées en comparant avec les microcontrôleurs conventionnels et les accélérateurs, qui consomment généralement 40 à 100 fois plus de puissance pour les mêmes tâches.

Dans les démonstrations du monde réel, telles que la détection de présence par radar et la classification de scènes audio, Pulsar livre régulièrement des précisions supérieures à 90 % tout en restant dans des budgets de puissance sous-milliwatt. Cela permet une opération continue sans compromettre la fiabilité, ce que les systèmes toujours actifs traditionnels devaient généralement compromettre en sortant du sommeil, en réduisant les performances ou en déchargeant vers le cloud.

Vous avez positionné Pulsar comme complémentaire aux NPU et CPU conventionnels. Comment voyez-vous l’informatique neuromorphique s’intégrant dans la pile de silicium plus large des appareils intelligents futurs ?

Pulsar est conçu pour être la première puce avec laquelle les capteurs communiquent. Il traite les données localement à une puissance ultra-basse, transformant les signaux bruts de capteurs en informations actionnables directement à la source. Les NPU et les CPU peuvent ensuite être sollicités uniquement lorsque des traitements plus lourds sont nécessaires.

Cela fait de Pulsar une couche complémentaire dans la pile de silicium ; une fondation toujours consciente et toujours active qui prolonge la durée de vie des appareils, réduit la consommation d’énergie et améliore la réactivité. Pulsar prend en charge la tâche de traitement des données de capteurs loin des composants à plus forte puissance du système, leur permettant d’être éteints dans de nombreux appareils et, dans certains cas, même éliminés complètement. Cela conduit à des appareils plus intelligents et plus durables.

Quel rôle les collaborations avec des partenaires comme Aaroh Labs et CYRAN AI Solutions jouent-elles dans l’accélération de l’adoption réelle de l’intelligence artificielle neuromorphique ?

Les partenariats agissent comme un pont entre la technologie innovante et l’adoption généralisée. En travaillant avec des innovateurs comme Aaroh Labs et CYRAN AI Solutions, Innatera garantit que Pulsar est validé dans des environnements du monde réel et adapté pour des secteurs verticaux spécifiques. Aaroh Labs apporte l’intelligence neuromorphique dans les infrastructures de sécurité critiques, tandis que CYRAN AI Solutions démontre son potentiel dans l’interaction homme-machine intuitive. Ces collaborations prouvent la polyvalence de la technologie, réduisant les barrières pour d’autres adoptants et renforçant la confiance dans le déploiement de processeurs neuromorphiques à grande échelle.

Nos partenariats avec des fournisseurs de capteurs tels que Socionext nous permettent de packer étroitement l’intelligence dans le module de capteur, simplifiant l’adoption et le déploiement de la détection intelligente dans les appareils. De plus, de telles collaborations renforcent notre écosystème déjà solide et en constante croissance, et accélèrent la diffusion de l’informatique neuromorphique dans l’industrie.

En regardant vers l’avenir, voyez-vous Pulsar et ses successeurs évoluer vers l’apprentissage et l’adaptation sur l’appareil, plutôt que juste l’inférence à la limite ?

Absolument. Avec Pulsar, nous n’avons fait que commencer à gratter la surface de ce que l’informatique neuromorphique peut faire. Les processeurs neuromorphiques sont naturellement bien adaptés à l’apprentissage en ligne et à l’adaptation, et Pulsar pose les fondements pour des appareils capables de bien plus que simplement détecter et répondre.

L’informatique neuromorphique est sur le point d’activer une nouvelle génération d’appareils autonomes et adaptatifs à la limite ; des systèmes qui apprennent, s’auto-calibrent et s’optimisent en temps réel tout en fonctionnant sur de petites batteries. Cette évolution débloquera une large gamme d’applications, allant des accessoires portables qui s’adaptent à votre comportement en temps réel aux systèmes industriels qui prévoient et préviennent les défaillances avec une consommation d’énergie minimale. L’objectif à long terme est de créer des appareils qui sont tout aussi intelligents qu’ils sont continuellement adaptatifs et résilients, redéfinissant ce qui est vraiment possible à la limite.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Innatera.