Ethernoviaが9,000万ドル以上のシリーズBを調達して物理AIネットワーキングを進化させる

Ethernoviaは、車両、ロボット、産業システム全体でリアルタイムの自律性をサポートできるネットワーキングシリコンの需要が加速する中、9,000万ドル以上のシリーズB資金調達を完了しました。このラウンドは、Maverick Siliconが主導し、Socratic Partners、Conduit Capital、CDIB-TEN Capitalが参加し、既存の投資家であるPorsche SE、Qualcomm Ventures、Fall Line Capitalからの継続的なバックアップを受けました。

シリコンバレーを拠点とするEthernoviaは、エッジで動作する知能機械のためのデータバックボーンまたは「神経系」として機能する新しいクラスのイーサネットベースのパケットプロセッサを開発しています。同社は、センサー、ビジョン、AIデータを予測可能かつ効率的にリアルタイムに移動することの成長するボトルネックに焦点を当てています。

自律性のためのデータバックボーンの再構築

自律走行車、先進の運転支援システム、産業用ロボットは、決定論的遅延で動作する必要がある数十の高帯域幅センサーとAIワークロードに依存しています。従来の車載および産業用ネットワークは、これらの要件に対応するように設計されていなかったため、断片化されたアーキテクチャ、システムの複雑さの増大、コストの増加につながることがよくあります。

Ethernoviaのアプローチは、パケットプロセッサ駆動のイーサネットベースのアーキテクチャを中心に、ネットワーキング、コンピューティング、データオーケストレーションを統合します。レガシーバスのパッチワークやポイントツーポイントリンクに依存するのではなく、同社のプラットフォームは、プログラム可能でスケーラブルな方法でリアルタイムデータストリームを集約およびルーティングするように設計されており、ゾーンと集中型のシステムデザインの両方をサポートしています。

物理AI用のパケットプロセッサ

Ethernoviaの技術の核心は、エッジと物理AIワークロード用に特別に設計された高性能パケットプロセッサのファミリーです。これらのチップは、決定論的遅延と強力な電力効率という2つの制約で、高帯域幅センサーとAIトラフィックを管理するように設計されています。これらの制約は、自動車とロボットの導入で成功を決定するものとなっています。

プログラム可能なデータパスとスケーラブルなイーサネットファブリックをサポートすることで、プラットフォームは、オーバーエアアップデートを介して時間の経過とともに進化できるソフトウェア定義システムを可能にしますが、同時に安全性 крит的パフォーマンス要件も満たします。この柔軟性は、OEMがハードウェア構成ではなくソフトウェアによって機能が定義されるアーキテクチャに向かって進んでいるため、特に重要です。

自動車、ロボット、産業全体での勢い

自動車はまだ主な焦点ですが、Ethernoviaの技術は、リアルタイムのエッジインテリジェンスが不可欠になる複数の市場に位置しています。ロボットプラットフォーム、産業オートメーションシステム、AI定義マシンはすべて、遅延、同期、データ移動に関する同様の課題に直面しています。各ケースでは、パフォーマンスの制約は、生のコンピューティング能力ではなく、センサー、プロセッサ、エクチュエータ間で厳格なタイミング保証の下でデータを移動する効率によって決定されることが増えています。

これらのセクターはアーキテクチャ的に収束しています。ロボットと産業システムは、ゾーンアーキテクチャや集中コンピューティングなどの自動車特有の設計原則を採用し始めています。一方、自動車プラットフォームは、ソフトウェア定義ネットワーキングや標準化されたイーサネットファブリックなどのデータセンターの概念を借用しています。この収束により、多様な環境で信頼性の高い動作をサポートし、長い製品ライフサイクルと進化するソフトウェア要件に対応できるネットワーキングシリコンの需要が生まれています。

新しい資金調達は、同社の次世代パケットプロセッサの開発と生産の加速、ソフトウェアとシステムの機能の拡大、そしてこれらのセクター全体での顧客との関わりを深めるために使用される予定です。導入がパイロットから大規模な生産に移行するにつれて、長期的なアップグレード、混合ワークロード、自律性の向上をサポートできるプラットフォームへの重点が移り、根本的な再設計を必要としないようになっています。

物理AIの将来を示すもの

Ethernoviaの資金調達は、自律性とロボット工学におけるより広範な変化を強調しています。知能は、アルゴリズムだけでなく、物理世界におけるセンシング、推論、行動を接続するインフラストラクチャによって制約されることが増えています。AIシステムがクラウドから車両、工場、機械へと移行するにつれて、ネットワーキングシリコンは、サポート的な後ろ盾ではなく、基礎的なレイヤーとなっています。

この変化は、物理AIシステムは最終的にリアルタイムシステムであるという認識の増大を反映しています。遅延、パケットのドロップ、または予測不可能な遅延は、パフォーマンスの低下や安全上のリスクなど、有形的な結果をもたらす可能性があります。したがって、決定論的データ移動は、モデル精度やコンピューティングスループットと同等に重要なものとなっています。

パケット中心のイーサネットベースのアーキテクチャは、知能機械がよりモジュラーで、アップグレード可能で、ソフトウェア定義される未来を示唆しています。これは、過去10年間でデータセンターで見られた進化と同様です。この移行が続く場合、物理AIの競争環境は、信頼性の高い、適応可能で、データファブリックを提供できる企業によって決まる可能性があります。実世界のパフォーマンスを犠牲にすることなく、継続的なイノベーションをサポートできるデータファブリックです。