Wawancara
Sumeet Kumar, Co-founder dan CEO Innatera – Seri Wawancara
Sumeet Kumar adalah Co-founder dan CEO Innatera Nanosystems, di mana ia memimpin pengembangan prosesor neuromorfik ultra-efisien untuk analitik data sensor di IoT, perangkat wearable, dan perangkat tertanam. Sebelumnya, ia mengelola penelitian yang didanai oleh Uni Eropa di TU Delft, termasuk proyek PRYSTINE senilai €50 juta tentang teknologi kendaraan otonom, dan memegang peran di Intel dan penelitian akademis tentang arsitektur prosesor canggih.
Innatera adalah perusahaan semikonduktor yang fokus membawa kecerdasan ultra-rendah-daya ke “sensor edge.” Inovasi intinya terletak pada prosesor neural spike yang dibangun pada arsitektur analog-mixed signal yang meniru pemrosesan berbasis peristiwa otak. Chip ini dapat mengenali pola dalam data sensor pada tingkat daya sub-milliwatt dan latensi ultra-rendah, membuatnya ideal untuk aplikasi yang selalu aktif dan terbatas daya.
Anda co-found Innatera pada 2018 dengan visi untuk membawa prosesor neuromorfik dari laboratorium ke perangkat dunia nyata. Apa yang mendorong Anda secara pribadi untuk memulai perusahaan, dan bagaimana visi itu berevolusi selama tujuh tahun terakhir?
Innatera didirikan dengan misi yang jelas: membawa kecerdasan seperti otak langsung ke sensor. Tanda-tandanya sudah jelas bahkan pada 2018, perangkat memasukkan sensor yang semakin kompleks, dan kebutuhan akan penginderaan yang selalu aktif tumbuh. Mikrokontroler kekurangan kemampuan AI yang efisien dalam hal daya, dan bahkan itu hanya akan sedikit mempengaruhi pemrosesan kontinu di perangkat yang ditenagai oleh baterai kecil. Jelas bahwa cara data sensor diproses di perangkat tersebut perlu diubah, dan dekade penelitian yang kami lakukan di TUDelft tentang komputasi neuromorfik dan pemrosesan efisien energi tampaknya memiliki jawaban untuk tantangan ini.
Visi kami tetap konsisten – dunia yang lebih pintar, lebih bersih, dan lebih aman yang ditenagai oleh kecerdasan ambient. Dengan membawa kecerdasan ke sensor, chip kami akan memungkinkan data sensor dunia diproses langsung di sumbernya, mengarah ke pengurangan radikal dalam penggunaan energi AI modern. Kami bertujuan membuat satu miliar sensor cerdas pada 2030.
Pulsar adalah langkah pertama dalam perjalanan itu – itu adalah mikrokontroler neuromorfik pertama yang dirancang untuk adopsi arus utama. Ini membuat kecerdasan yang terinspirasi otak menjadi praktis dalam perangkat wearable, perangkat rumah pintar, dan sistem industri, antara lain, sambil meletakkan dasar untuk teknologi adaptif dan otonom di masa depan.
Pulsar didasarkan pada pendekatan baru yang mendasar untuk pemrosesan di sensor, yang direalisasikan selama 7 tahun penelitian dan teknik yang keras. Yang dimulai sebagai ventura dengan empat orang, telah tumbuh menjadi tim global dari 100 orang, di 15 negara, bersatu oleh budaya yang berfokus pada orang, dibangun pada ketahanan, kreativitas, dan ambisi.
Pulsar digambarkan sebagai mikrokontroler neuromorfik pertama yang benar-benar siap untuk pasar massal. Apa yang membuatnya berbeda dari chip neuromorfik sebelumnya yang sebagian besar terbatas pada laboratorium penelitian?
Fokus penelitian akademis seringkali pada mengembangkan pendekatan inovatif baru untuk memecahkan masalah sulit. Sebagai konsekuensi, manfaat dari solusi cenderung diukur secara terisolasi. Namun, ketika teknologi baru ini diterapkan dalam produksi, mereka harus berinteraksi dengan bagian lain dari sistem, yang sering menghasilkan manfaat yang diperkecil. Ini juga berlaku untuk banyak teknologi percepatan AI neuromorfik dan konvensional – mereka diintegrasikan ke dalam sistem yang tidak dirancang dengan prinsip yang sama, dan ini mengarah ke hasil yang pucat dalam hal efisiensi. Pulsar, di sisi lain, adalah mikrokontroler lengkap dan mandiri, dirancang khusus untuk pemrosesan data sensor yang efisien di ujung ekstrem.
Ini dirancang dari awal untuk mengintegrasikan semua yang dibutuhkan untuk pemrosesan data sensor dalam satu chip: inti neural spike analog dan digital, percepatan CNN dan FFT, dan subsystem RISC-V 32-bit lengkap untuk manajemen sistem dan kontrol sensor. Arsitektur heterogen ini memungkinkan Pulsar untuk mengubah data sensor mentah menjadi wawasan yang dapat ditindaklanjuti langsung di perangkat, sambil mengonsumsi hingga 500 kali lebih sedikit energi dan berjalan 100 kali lebih cepat daripada prosesor AI konvensional.
Selain perangkat keras, Pulsar juga menangani hambatan perangkat lunak yang telah lama ada. SDK Talamo-nya, dengan integrasi PyTorch asli, membuat pengembangan neuromorfik menjadi dapat diakses oleh insinyur arus utama dan memungkinkan model kompak di bawah 5KB untuk berjalan dalam anggaran daya sub-milliwatt. Dengan memasukkan semua ini ke dalam paket 2,8 x 2,6 mm, Pulsar menghilangkan kebutuhan akan setup multi-chip yang bulky, membuatnya menjadi prosesor neuromorfik pertama yang siap untuk penerapan pasar massal.
Aksesibilitas adalah tema besar untuk Innatera. Bagaimana SDK Talamo, terutama dengan integrasi PyTorch-nya, menurunkan hambatan bagi pengembang yang baru dalam komputasi neuromorfik?
Selama beberapa dekade, hambatan utama untuk adopsi neuromorfik tidak disebabkan oleh perangkat keras, tetapi karena kurangnya alat pengembang yang ramah. Pengembang dihadapkan pada kurva belajar yang curam dan alur kerja yang tidak familiar, yang pada gilirannya memperlambat inovasi. Talamo secara langsung menangani ini dengan menyediakan SDK berbasis PyTorch yang memungkinkan insinyur merancang, melatih, dan mengirimkan jaringan neural spike melalui alur kerja yang familiar. Model kompak dapat dengan mudah diintegrasikan ke dalam arsitektur sensor yang ada, memungkinkan kecerdasan yang selalu aktif dalam perangkat terkecil dan paling terbatas daya. Dengan menghilangkan kompleksitas dan mempercepat pengembangan, Talamo membuat komputasi neuromorfik dapat diakses oleh pengembang arus utama dan mempercepat jalur dari prototipe ke produk.
Dari sudut pandang teknis, bagaimana Anda menyeimbangkan akselerator spike analog dan digital di dalam Pulsar untuk menangani berbagai beban kerja dengan efisien?
Arsitektur Pulsar mencampurkan inti spike analog dan digital untuk mengoptimalkan penggunaan energi dan fleksibilitas. Inti analog menyediakan pemrosesan ultra-efisien untuk beban kerja sensor kontinu yang selalu aktif di mana setiap mikrowatt sangat penting. Inti digital menyediakan kemampuan pemrograman dan presisi untuk tugas yang lebih kompleks atau bervariasi, masih dalam amplop daya yang efisien. Beban kerja didistribusikan di seluruh keduanya tergantung pada kebutuhan aplikasi, memastikan bahwa energi hanya dikonsumsi ketika data berubah. Pendekatan berbasis peristiwa ini memungkinkan Pulsar untuk mempertahankan kinerja sub-milliwatt sambil mempertahankan fleksibilitas untuk mendukung berbagai aplikasi dunia nyata.
Bisakah Anda menjelaskan alur kerja pengembang yang khas – dari pelatihan model hingga penerapan di Pulsar – dan di mana keuntungan efisiensi terbesar direalisasikan?
Alur kerja dimulai di PyTorch, di mana pengembang merancang dan melatih model mereka seperti yang mereka lakukan untuk AI konvensional. Menggunakan SDK Talamo Innatera, model tersebut diubah menjadi jaringan neural spike yang dioptimalkan untuk perangkat keras Pulsar. Pengembang kemudian dapat mensimulasikan, memperbaiki, dan mengirimkan model secara langsung ke chip, sering dengan jejak kaki sekecil 5KB. Langkah pengembangan model ini diintegrasikan dalam alur pengembangan pipa aplikasi yang lebih besar yang memungkinkan pengembang membangun kode yang menargetkan RISC-V, serta percepatan CNN, dengan cara yang seragam. Ini diterjemahkan ke dalam pengalaman pengembangan yang ditingkatkan dan waktu pengembangan yang lebih singkat.
Keuntungan efisiensi terbesar terjadi sekali model berjalan di inti spike berbasis peristiwa Pulsar. Tidak seperti MCU konvensional yang terus-menerus mengonsumsi daya, Pulsar hanya menghitung ketika data input berubah. Ini memungkinkan tugas yang selalu aktif seperti pengenalan gerakan atau deteksi kehadiran radar untuk berjalan terus menerus pada tingkat daya sub-milliwatt, menghasilkan perbaikan efisiensi energi beberapa kali lipat dan mempertahankan akurasi tinggi, serta latensi yang sangat singkat.
Mana sektor yang menunjukkan adopsi teknologi Anda tercepat, dan bisakah Anda membagikan contoh pelanggan atau mitra awal yang sudah menerapkan Pulsar dalam produk?
Adopsi Pulsar terjadi paling cepat di area di mana penginderaan yang selalu aktif dan ultra-rendah-daya sangat penting, termasuk rumah pintar, perangkat wearable, dan keselamatan industri. Contoh yang baik dari ini adalah Aaroh Labs, yang telah mengembangkan detektor asap generasi berikutnya yang ditenagai oleh Innatera, baru-baru ini diluncurkan di SEMICON India 2025. Perangkat ini melakukan lebih dari sekadar mendeteksi asap dengan menggabungkan deteksi asap dengan pemantauan kehadiran manusia, menciptakan kesadaran situasional yang lebih kaya dan memungkinkan sistem keamanan yang lebih pintar untuk lingkungan residensial, komersial, dan industri.
Pendekatan neuromorfik yang sama dapat diperluas ke pelacakan aset dan pemantauan lingkungan, dengan implikasi luas untuk perawatan kesehatan yang terhubung dan kota pintar. Di SEMICON India, CYRAN AI Solutions juga menunjukkan bagaimana teknologi Innatera diintegrasikan ke dalam sistem sensor kompak seperti wearable EMG untuk pengenalan gerakan, menyoroti potensi AI neuromorfik untuk memungkinkan interaksi manusia-mesin yang intuitif.
Penerapan awal ini hanyalah awal, menandakan bahwa komputasi neuromorfik beralih dari teori ke praktik saat kita berbicara, dan dengan cepat mengakar dalam aplikasi dunia nyata.
Dalam demonstrasi yang kami lihat, contoh seperti pengenalan gerakan ultra-rendah-daya dan deteksi kehadiran berbasis radar yang mengonsumsi di bawah satu milliwatt. Bagaimana Anda memvalidasi akurasi dan keandalan dalam lingkungan yang terbatas seperti itu?
Validasi seringkali tergantung pada aplikasi, dan selain akurasi, tingkat deteksi positif dan negatif palsu menyediakan indikasi kritis tentang keandalan solusi. Seringkali, pelanggan memiliki KPI dan kondisi pengujian spesifik untuk validasi. Fleksibilitas Pulsar adalah kunci dalam memungkinkan solusi komprehensif yang memungkinkan pelanggan memeriksa semua kotak untuk kasus penggunaan mereka. Perbandingan dilakukan dengan membandingkan dengan MCU dan percepatan konvensional, yang biasanya mengonsumsi 40-100 kali lebih banyak daya untuk tugas yang sama.
Dalam demonstrasi dunia nyata, seperti deteksi kehadiran berbasis radar dan klasifikasi adegan audio, Pulsar konsisten menghasilkan akurasi di atas 90% sambil tetap berada dalam anggaran sub-milliwatt. Ini memungkinkan operasi terus-menerus tanpa mengorbankan keandalan, sesuatu yang sistem yang selalu aktif secara tradisional harus berkompromi dengan bangun dari tidur, mengurangi kinerja, atau mengalihkan ke awan.
Anda telah memposisikan Pulsar sebagai komplementer terhadap NPU dan CPU konvensional. Bagaimana Anda melihat komputasi neuromorfik masuk ke dalam tumpukan silikon perangkat pintar di masa depan?
Pulsar dirancang sebagai chip pertama yang berkomunikasi dengan sensor. Ini memproses data secara lokal dengan daya ultra-rendah, mengubah sinyal sensor mentah menjadi informasi yang bermakna dan dapat ditindaklanjuti, langsung di sumbernya. NPU dan CPU kemudian dapat diaktifkan hanya ketika pemrosesan yang lebih berat diperlukan.
Ini membuat prosesor neuromorfik menjadi lapisan komplementer dalam tumpukan silikon; fondasi yang selalu sadar dan selalu aktif yang memperpanjang umur perangkat, mengurangi penggunaan energi, dan meningkatkan responsivitas. Pulsar mengambil tugas pemrosesan data sensor dari komponen daya yang lebih tinggi dalam sistem, memungkinkan mereka dimatikan dalam banyak perangkat, dan dalam beberapa kasus, bahkan dihilangkan sepenuhnya. Ini mengarah ke perangkat yang lebih pintar dan lebih tahan lama.
Apa peran kolaborasi dengan mitra seperti Aaroh Labs dan CYRAN AI Solutions dalam mempercepat adopsi nyata dari AI neuromorfik?
Kemitraan bertindak sebagai jembatan antara teknologi terobosan dan adopsi yang luas. Dengan bekerja sama dengan inovator seperti Aaroh Labs dan CYRAN AI Solutions, Innatera memastikan Pulsar divalidasi dalam lingkungan dunia nyata dan disesuaikan untuk vertikal tertentu. Aaroh Labs membawa kecerdasan neuromorfik ke infrastruktur keselamatan kritis, sementara CYRAN AI Solutions menunjukkan potensinya dalam interaksi manusia-mesin yang intuitif. Kemitraan ini membuktikan kelenturan teknologi, mengurangi hambatan bagi adopsi lainnya dan membangun kepercayaan dalam menerapkan prosesor neuromorfik dalam skala.
Kemitraan kami dengan vendor sensor seperti Socionext memungkinkan kami untuk memadatkan kecerdasan ke dalam modul sensor, menyederhanakan penerimaan dan penerapan penginderaan cerdas ke dalam perangkat. Lebih lanjut, kemitraan seperti ini memperkuat ekosistem yang sudah kuat dan tumbuh, dan mempercepat penyebaran komputasi neuromorfik di industri.
Memandang ke depan, apakah Anda melihat Pulsar dan penerusnya bergerak menuju pembelajaran dan adaptasi di perangkat, bukan hanya inferensi di ujung?
Tentu. Dengan Pulsar, kami baru saja menyentuh permukaan dari apa yang neuromorfik bisa lakukan. Prosesor neuromorfik secara inheren sangat sesuai untuk pembelajaran dan adaptasi online, dan Pulsar meletakkan dasar untuk perangkat yang dapat melakukan lebih dari sekadar mendeteksi dan merespons.
Komputasi neuromorfik akan memungkinkan generasi baru perangkat ujung yang adaptif dan otonom; sistem yang belajar, self-kalibrasi, dan mengoptimalkan dalam waktu nyata sambil berjalan pada baterai kecil. Evolusi ini akan membuka aplikasi yang luas, mulai dari perangkat wearable yang menyesuaikan dengan perilaku Anda, hingga sistem industri yang memprediksi dan mencegah kegagalan dengan penggunaan energi minimal. Tujuan jangka panjang adalah menciptakan perangkat yang sama cerdasnya dengan yang terus-menerus adaptif dan tangguh, mengubah apa yang benar-benar mungkin di ujung.
Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Innatera.
