Ethernovia raccoglie oltre 90 milioni di dollari nella serie B per avanzare la rete di intelligenza artificiale fisica

Ethernovia ha chiuso un round di finanziamento di serie B di oltre 90 milioni di dollari, poiché la domanda di silicio di rete in grado di supportare l’autonomia in tempo reale su veicoli, robot e sistemi industriali aumenta. Il round è stato guidato da Maverick Silicon, con la partecipazione di Socratic Partners, Conduit Capital e CDIB-TEN Capital, oltre al sostegno continuo degli investitori esistenti, tra cui Porsche SE, Qualcomm Ventures e Fall Line Capital.

Con sede nella Silicon Valley, Ethernovia sta costruendo una nuova classe di processori di pacchetti basati su Ethernet progettati per agire come colonna vertebrale dei dati – o “sistema nervoso” – per le macchine intelligenti che operano ai margini. La società si concentra su un collo di bottiglia in aumento nell’autonomia: spostare volumi massicci di dati di sensori, visione e intelligenza artificiale in modo prevedibile ed efficiente in tempo reale.

Riprogettazione della colonna vertebrale dei dati per l’autonomia

I veicoli autonomi, i sistemi avanzati di assistenza alla guida e i robot industriali si affidano sempre più a dozzine di sensori ad alta larghezza di banda e carichi di lavoro di intelligenza artificiale che devono operare con latenza deterministica. Le reti tradizionali in veicolo e industriali non sono state progettate per questi requisiti, spesso con risultati in architetture frammentate, maggiore complessità del sistema e costi crescenti.

L’approccio di Ethernovia si concentra su architetture basate su processori di pacchetti e Ethernet che uniscono la rete, il calcolo e l’orchestrazione dei dati. Piuttosto che affidarsi a un patchwork di bus legacy e collegamenti punto-punto, la sua piattaforma è costruita per aggregare e instradare flussi di dati in tempo reale in modo programmabile e scalabile – supportando sia progetti di sistema zonali che centralizzati.

Processori di pacchetti costruiti per l’intelligenza artificiale fisica

Al centro della tecnologia di Ethernovia c’è una famiglia di processori di pacchetti ad alte prestazioni progettati specificamente per i carichi di lavoro di intelligenza artificiale ai margini e fisici. Questi chip sono progettati per gestire il traffico di sensori e intelligenza artificiale ad alta larghezza di banda con latenza deterministica e forte efficienza energetica, due vincoli che definiscono sempre più il successo nei settori automobilistici e della robotica.

Supportando percorsi di dati programmabili e tessuti Ethernet scalabili, la piattaforma consente sistemi definiti dal software che possono evolversi nel tempo attraverso aggiornamenti over-the-air, pur continuando a soddisfare i requisiti di prestazione critici per la sicurezza. Questa flessibilità è particolarmente rilevante poiché i costruttori di veicoli si muovono verso architetture in cui la funzionalità è definita più dal software che dalle configurazioni hardware fisse.

Momentum in tutto il settore automobilistico, della robotica e dell’industria

Sebbene l’automobile rimanga un focus chiave, la tecnologia di Ethernovia è posizionata in più mercati in cui l’intelligenza artificiale ai margini in tempo reale sta diventando essenziale. Le piattaforme di robotica, i sistemi di automazione industriale e le macchine definite da intelligenza artificiale emergenti affrontano sfide simili intorno alla latenza, alla sincronizzazione e al movimento dei dati. In ogni caso, i vincoli di prestazione sono sempre più dettati non dalla capacità di calcolo grezzo, ma da quanto efficientemente i dati possono muoversi tra sensori, processori e attuatori con garanzie di temporizzazione strette.

Questi settori stanno anche convergendo architettonicamente. La robotica e i sistemi industriali stanno iniziando ad adottare principi di progettazione un tempo specifici dell’automobile, come architetture zonali e calcolo centralizzato, mentre le piattaforme automobilistiche stanno prendendo in prestito concetti dai data center, tra cui reti definite dal software ed Ethernet standardizzati. Questa convergenza sta creando una domanda di silicio di rete che possa operare in modo affidabile in ambienti diversi, supportando cicli di vita del prodotto lunghi e requisiti software in evoluzione.

Il nuovo finanziamento verrà utilizzato per accelerare lo sviluppo e la produzione dei processori di pacchetti di prossima generazione della società, espandere le sue capacità software e di sistema e approfondire l’engagement con i clienti in questi settori. Man mano che i dispiegamenti si spostano dai piloti alla produzione su larga scala, l’accento si sta spostando verso piattaforme che possano supportare aggiornamenti a lungo termine, carichi di lavoro misti e un’autonomia crescente senza richiedere ridisegni fondamentali.

Cosa significa questo per il futuro dell’intelligenza artificiale fisica

Ethernovia’s aumento mette in evidenza un cambiamento più ampio in corso nell’autonomia e nella robotica: l’intelligenza non è più limitata solo dagli algoritmi, ma dall’infrastruttura che collega il senso, la ragione e l’azione nel mondo fisico. Man mano che i sistemi di intelligenza artificiale si spostano fuori dal cloud e dentro veicoli, fabbriche e macchine, il silicio di rete diventa uno strato fondamentale piuttosto che un afterthought di supporto.

Questo cambiamento riflette un riconoscimento crescente che i sistemi di intelligenza artificiale fisica sono in ultima analisi sistemi in tempo reale. I ritardi, i pacchetti persi o la latenza imprevedibile possono avere conseguenze tangibili, dalla prestazione degradata ai rischi per la sicurezza. Di conseguenza, il movimento dei dati deterministico sta diventando così critico come l’accuratezza del modello o la velocità di calcolo.

Le architetture basate su pacchetti e Ethernet puntano verso un futuro in cui le macchine intelligenti sono più modulari, migliorabili e definite dal software, riflettendo l’evoluzione vista nei data center nel corso dell’ultimo decennio. Se questa transizione continua, il panorama competitivo dell’intelligenza artificiale fisica potrebbe dipendere sempre più da chi può fornire il tessuto di dati più affidabile e adattabile – uno in grado di supportare l’innovazione continua senza sacrificare le prestazioni del mondo reale.