エサノビア、物理AIネットワーキングの進化を牽引するシリーズBラウンドで9,000万ドル以上を調達

エサノビアは、車両、ロボット、産業システムにおける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の増加に伴い、9,000万ドルを超えるシリーズB資金調達ラウンドを完了しました。このラウンドは、マーベリックシリコンが主導し、ソクラティックパートナーズ、コニットキャピタル、CDIB-TENキャピタルが参加し、既存の投資家であるポルシェSE、クアルコムベンチャーズ、フォールラインキャピタルの支援も受けました。

シリコンバレーを拠点とするエサノビアは、エッジで動作するインテリジェントマシンの「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で移動することの増大するボトルネックに注力しています。

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高帯域幅のセンサーとAIワークロードに依存しています。従来の車載ネットワークと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ませんでした。その結果、断片化されたアーキテクチャ、システムの複雑性の増加、コストの増加につながります。

エサノビアのアプローチは、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。レガシーバスとポイントツーポイントリンクのパッチワークに依存するのではなく、プラットフォームはリアルタイムデータストリームをプログラム可能かつスケーラブルな方法で集約およびルーティングするように設計されています。ゾーンと集中型システムデザインの両方をサポートします。

物理AI用のパケットプロセッサ

エサノビアの技術の核心は、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で高帯域幅のセンサーとAIトラフィックを管理するように設計されています。これらは、自動車とロボットの展開で成功を定義する2つの重要な要素です。

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。同時に、安全性に重要なパフォーマンス要件を満たしています。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いるため、特に重要です。

自動車、ロボット、産業における勢い

自動車はまだ重要な焦点ですが、エサノビアの技術は、リアルタイムエッジインテリジェンスが不可欠になる複数の市場で展開されています。ロボットプラットフォーム、産業自動化システム、AI定義マシンの新しいクラスはすべて、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、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どれだけ効率的に移動できるかによって決まります。

これらのセクターは、建築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と集中コンピューティングなどの、自動車に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と標準化されたイーサネットファブリックなどの、データセンターからの概念を借用しています。この収束は、さまざまな環境で信頼性の高いネットワーキングシリコンの需要を生み出し、長期の製品ライフサイクルと進化するソフトウェア要件をサポートしています。

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を加速し、ソフトウェアとシステムの機能を拡大し、これらのセクターでの顧客との関わりを深めるために使用されます。展開がパイロットからスケールアップした生産に移行するにつれて、焦点は、根本的な再設計を必要とせずに、長期的なアップグレード、混合ワークロード、自律性の増加をサポートできるプラットフォームに移ります。

物理AIの将来に示されるもの

エサノビアの資金調達ラウンドは、自律性とロボット技術で進行中の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、物理世界でセンシング、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あります。AIシステムがクラウドから車両、工場、機械への移行に伴い、ネットワーキングシリコンは、基礎となるレイヤーではなく、後付けのものではなくなります。

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加を反映しています。遅延、パケットのドロップ、または予測不可能な遅延は、劣化したパフォーマンスから安全上のリスクまで、実際的な結果をもたらす可能性があります。結果として、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ります。

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、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たインテリジェントマシンの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、誰が最も信頼性の高い、適応性の高いデータファブリックを提供できるかによって決まる可能性があります。データファブリックは、現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ものです。