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 dans 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.

Basée dans la Silicon Valley, Ethernovia crée une nouvelle classe de processeurs de paquets Ethernet conçus pour agir comme colonne vertébrale de données – ou « système nerveux » – pour les machines intelligentes fonctionnant sur le bord. L’entreprise 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 de données pour l’autonomie

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

L’approche d’Ethernovia repose sur des architectures basées sur des processeurs de paquets, sur 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 systèmes 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 d’intelligence artificielle de bord et physiques. Ces puces sont conçues pour gérer le trafic de capteurs et d’intelligence artificielle à haut débit 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 aux exigences de performance critiques de sécurité. Cette flexibilité est particulièrement pertinente à mesure que les équipementiers se tournent vers des architectures où la fonctionnalité est définie plus par le logiciel que par les configurations matérielles fixes.

Élan sur les marchés de l’automobile, de la robotique et de l’industrie

Alors que l’automobile reste un objectif clé, la technologie d’Ethernovia est positionnée sur plusieurs marchés où l’intelligence de bord en temps réel devient essentielle. Les plateformes de robotique, les systèmes d’automatisation industrielle et les machines définies par l’intelligence artificielle émergentes sont confrontés à des défis similaires en termes de latence, de synchronisation et de déplacement de données. Dans chaque cas, les contraintes de performances sont de plus en plus dictées non par la capacité de calcul brute, mais par la façon 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. La robotique et les systèmes industriels commencent à adopter des principes de conception autrefois spécifiques à l’automobile, tels que les architectures zonales et le calcul centralisé, tandis que les plateformes automobiles adoptent des concepts issus des centres de données, notamment la mise en réseau définie par logiciel et les tissus Ethernet standardisés. Cette convergence crée une demande pour des silicium de réseau capables de fonctionner de manière fiable dans des environnements diversifiés tout en prenant en charge des cycles de vie de produit longs et des exigences logicielles évolutives.

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

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

Ethernovia 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 quittent le cloud pour entrer dans les véhicules, les usines et les machines, le silicium de réseau devient une couche fondamentale plutôt qu’une afterthought de soutien.

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 les paquets et sur Ethernet pointent vers un avenir où les machines intelligentes sont plus modulaires, améliorables et définies par logiciel, mirroring 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 la toile de données la plus fiable, la plus adaptable – capable de soutenir l’innovation continue sans sacrifier les performances du monde réel.