Overnames

Metalenz neemt PxE Imaging over om kleur en diepte toe te voegen aan AI aan de rand

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Metalenz maakte op 11 november 2026 bekend dat het PxE Imaging had overgenomen, een in Israël gevestigde start-up waarvan de Holocoder-technologie is ontworpen om met één camera kleur- en dieptegegevens vast te leggen. De voorwaarden van de transactie zijn niet bekendgemaakt.

De overname breidt de activiteiten van Metalenz op het gebied van sensoren uit van nabij-infrarood naar zichtbaar licht, voortbouwend op de bestaande toeleveringsketen. Het gecombineerde platform voegt kleur- en dieptegegevens toe aan de materiaal- en oppervlaktegegevens die Metalenz al vastlegt. Het is bedoeld voor consumentenelektronica, autosystemen, drones, robotica en machinevisie.

Hoe Holocoder meer licht opvangt

Yoav Berlatzky, medeoprichter en CEO van PxE, ontwikkelde Holocoder. Deze technologie wordt rechtstreeks op de beeldsensor aangebracht. De optische laag benut de golfeigenschappen van licht om informatie over golflengte en diepte te coderen, zodat kleur en diepte gelijktijdig in hetzelfde beeld kunnen worden vastgelegd.

Op zijn technologiepagina beschrijft PxE Holocoder als een transparant, statisch diffractief optisch element dat het Bayer-filter in een compacte cameramodule vervangt en een holografisch beeld creëert. Een deterministische, realtime beeldsignaalprocessor en een stapel decodeeralgoritmen genereren vervolgens RGB-, infrarood- en dieptebeelden. Zo ontstaan kanalen die al zijn samengevoegd voor AI-systemen voor perceptie.

Volgens Metalenz absorberen conventionele Bayer-filters 60% van het invallende licht, terwijl Holocoder het licht sorteert zonder het te absorberen en 2,5 keer zoveel licht naar een standaardbeeldsensor doorlaat. Dezelfde laag codeert ruimtelijke geometrieën die zijn uitgelijnd met het zichtbare beeld. Het ontwerp is bedoeld om afzonderlijke dieptemodules en rekenintensieve sensorfusie overbodig te maken.

PxE ontwikkelde deze technologie als alternatief voor camera’s met meerdere sensoren en systemen met actieve verlichting, met als doel de kosten, omvang en het energieverbruik van 3D-sensoren te verlagen. Daarmee is de overname relevant voor zowel het ontwerp van cameramodules als de beeldkwaliteit.

Minder reconstructie voor AI aan de rand

Voor AI aan de rand is vooral van belang waar de aanvullende informatie wordt gedecodeerd. Volgens Metalenz vermindert decodering rechtstreeks in de hardware de hoeveelheid vervolgverwerking. Daardoor kan AI efficiënter op apparaten draaien, zonder afhankelijk te zijn van zware softwarematige reconstructie.

Rob Devlin, medeoprichter en CEO van Metalenz, lichtte de strategie toe aan de hand van de hardware die deze AI-systemen aandrijft. “Hardware bezitten die sensoren van nieuwe informatie voorziet, is het echte concurrentievoordeel voor onderscheidende AI-modellen,” zei hij.

Opschaling van de productie is de volgende stap

Metalenz is in 2016 voortgekomen uit Harvard University en meldt dat het inmiddels meer dan 300 miljoen metasurface-optieken heeft geleverd voor apparaten voor consumenten. De optieken zijn geschikt voor productie op halfgeleiderschaal en worden rechtstreeks geïntegreerd op CMOS-beeldsensoren.

Volgens Metalenz legt het PolarEyes-platform polarisatie-informatie vast waarmee visiesystemen materialen kunnen onderscheiden op basis van hun fysieke eigenschappen. Polar ID, de eerste producttoepassing van dat platform, brengt gezichtsverificatie op betalingsniveau naar apparaten voor consumenten en breidt de sensortechnologie van het bedrijf zo uit naar een edge-product.

“Dankzij de samenwerking met Metalenz krijgen we toegang tot het productieplatform en het commerciële bereik om deze technologie naar alledaagse apparaten te brengen,” zei Berlatzky.

De overname brengt een technologie voor het waarnemen van zichtbaar licht samen met een productiebedrijf dat al is ingericht op grote volumes hardware voor consumenten. De bredere kansen voor Metalenz op het gebied van AI aan de rand hangen nu af van de vraag of het de gemelde verbeteringen van PxE in lichtopvang en dieptemeting kan omzetten in commerciële producten voor de markten waarop de bedrijven zich richten.

Leo Park is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI-hardware-startups, edge computing en opkomende chiparchitecturen behandelt die veranderen hoe kunstmatige intelligentie buiten centrale datacenters wordt ingezet. Zijn werk richt zich op hoe nieuwe chipontwerpen, platforms voor edge-inferentie en energiezuinige systemen de economische haalbaarheid en uitvoerbaarheid van AI op grote schaal veranderen.

Vanuit een technisch ingesteld en precies perspectief onderzoekt Leo hoe startups gespecialiseerde processors bouwen, geheugen- en energieverbruik optimaliseren en realtime AI-werklasten mogelijk maken dichter bij de plek waar gegevens worden gegenereerd. Hij let vooral op praktische toepassingen, zoals robotica, autonome systemen, industriële IoT en intelligentie op het apparaat, waarbij edge-AI tastbare prestatie- en kostenvoordelen biedt.

Artikelen onder de naam Leo Park worden door AI gegenereerd en beoordeeld door het redactieteam van Unite.AI om technische nauwkeurigheid, duidelijkheid en verantwoorde verslaggeving over het snel veranderende landschap van AI-hardware en edge computing te waarborgen.