Sumeet Kumar, mede-oprichter en CEO van Innatera – Interviewserie

Sumeet Kumar is de mede-oprichter en CEO van Innatera Nanosystems, waar hij de ontwikkeling van ultra-efficiënte neuromorfe processoren voor sensorgegevensanalyse in IoT, draagbare en ingebedde apparaten leidt. Eerder beheerde hij EU-gesubsidieerd onderzoek aan de TU Delft, waaronder het PRYSTINE-project van 50 miljoen euro over autonome voertuigtechnologie, en had hij functies bij Intel (INTC ) en in academisch onderzoek naar geavanceerde processorarchitecturen.

Innatera is een halfgeleiderbedrijf dat zich richt op het brengen van ultra-laagverbruik intelligentie naar de “sensorrand.” Hun kerninnovatie ligt in spiking neurale processoren die zijn gebouwd op een analoge-gemengde signaalsarchitectuur die de gebeurtenisgebaseerde verwerking van de hersenen nabootst. Deze chips kunnen patronen in sensorgegevens herkennen bij sub-milliwatt vermogensniveaus en ultra-lage latentie, waardoor ze ideaal zijn voor altijd-aan taken zoals gebarentherkennning of radar-aanwezigheidsdetectie.

U hebt Innatera in 2018 mede-opgericht met de visie om neuromorfe processoren vanuit het lab naar echte apparaten te brengen. Wat dreef u persoonlijk om het bedrijf te starten, en hoe is die visie in de afgelopen zeven jaar geëvolueerd?

Innatera werd opgericht met een duidelijke missie: het brengen van brein-achtige intelligentie rechtstreeks naar de sensor. De signalen waren al duidelijk in 2018, apparaten integreerden steeds complexere sensoren en de behoefte aan altijd-aan sensing nam toe. Microcontrollers ontbeerden energie-efficiënte AI-mogelijkheden, en zelfs dat zou alleen maar een kleine verandering brengen wanneer het ging om continue verwerking in apparaten die werden aangedreven door kleine batterijen. Het was duidelijk dat de manier waarop sensorgegevens in deze apparaten werden verwerkt, moest veranderen, en het decennium van onderzoek dat we hadden gedaan aan de TUDelft naar neuromorfe computing en energie-efficiënte verwerking, leek een antwoord te hebben op deze uitdaging.

Onze visie is consistent gebleven – een slimmere, schoner en veiliger wereld die wordt aangedreven door omgevingsintelligentie. Door intelligentie naar sensoren te brengen, zullen onze chips de wereldwijde sensorgegevens rechtstreeks aan de bron verwerken, waardoor er een radicale reductie komt in het energieverbruik van moderne AI. We streven ernaar om een miljard sensoren intelligent te maken tegen 2030.

Pulsar is de eerste stap in die reis – het is de eerste neuromorfe microcontroller die is ontworpen voor mainstream-adoptie. Het maakt brein-geïnspireerde intelligentie praktisch in draagbare apparaten, slimme thuissystemen en industriële systemen, onder andere, en legt de basis voor adaptieve, autonome technologieën van de toekomst.

Pulsar is gebaseerd op een fundamenteel nieuwe benadering van verwerking bij de sensor, gerealiseerd na 7 jaar van hard onderzoek en engineering. Wat begon als een onderneming met vier mensen, is in die tijd uitgegroeid tot een wereldwijd team van 100, verspreid over 15 landen, verenigd door een cultuur die mensen centraal stelt, gebouwd op veerkracht, creativiteit en ambitie.

Pulsar wordt beschreven als de eerste echt massamarkt-neuromorfe microcontroller. Wat maakt het anders dan eerdere neuromorfe chips die voornamelijk beperkt bleven tot onderzoeksgebieden?

Het focus van academisch onderzoek ligt vaak op het ontwikkelen van innovatieve nieuwe benaderingen om moeilijke problemen op te lossen. Als gevolg daarvan worden de voordelen van oplossingen vaak gemeten in isolatie. Echter, wanneer deze nieuwe technologieën worden geïmplementeerd in productie, moeten ze interactie hebben met andere delen van het systeem, wat vaak resulteert in een uitkomst die verbleekt in efficiëntie. Dit is ook het geval voor veel neuromorfe en conventionele AI-versnellingsTechnologieën – ze worden geïntegreerd in systemen die niet zijn ontworpen met dezelfde fundamenten in gedachten, en dit leidt tot een resultaat dat verbleekt in efficiëntie. Pulsar, aan de andere kant, is een complete, zelfstandige microcontroller, speciaal ontworpen voor efficiënte verwerking van sensorgegevens aan de extreme rand.

Het werd ontworpen vanaf de grond af om alles te integreren wat nodig is voor sensorgegevensverwerking binnen één chip: analoge en digitale spiking neurale kernen, CNN- en FFT-versnellers, en een volledig 32-bits RISC-V-subsystem voor systeembeheer en sensorcontrole. Deze heterogene architectuur stelt Pulsar in staat om ruwe sensorgegevens rechtstreeks om te zetten in bruikbare inzichten op het apparaat, terwijl het tot 500 keer minder energie verbruikt en 100 keer sneller werkt dan conventionele AI-processoren.

Verder dan hardware, lost Pulsar ook het langdurige software-probleem op. De Talamo SDK, met native PyTorch-integratie, maakt neuromorfe ontwikkeling toegankelijk voor mainstream-ontwikkelaars en stelt compacte modellen mogelijk onder 5KB om te draaien in sub-milliwatt vermogensbudgetten. Alles in een 2,8 x 2,6 mm pakket, elimineert Pulsar de noodzaak voor omvangrijke multi-chip-opstellingen, waardoor het de eerste neuromorfe processor is die klaar is voor echte massamarkt-implementatie.

Toegankelijkheid is een groot thema voor Innatera. Hoe verlaagt de Talamo SDK, met name met zijn PyTorch-integratie, de drempel voor ontwikkelaars die nieuw zijn in neuromorfe computing? 

Gedurende decennia was de belangrijkste barrière voor neuromorfe adoptie niet het hardware, maar eerder het ontbreken van ontwikkelaarsvriendelijke tools. Ontwikkelaars werden geconfronteerd met steile leercurves en onbekende workflows, waardoor innovatie vertraagd werd. Talamo lost dit direct op door een PyTorch-gebaseerde SDK te bieden die ontwikkelaars in staat stelt om spiking neurale netwerken te ontwerpen, trainen en implementeren via vertrouwde workflows. Compacte modellen kunnen gemakkelijk worden geïntegreerd in bestaande sensorarchitecturen, waardoor altijd-aan intelligentie mogelijk wordt in zelfs de kleinste, meest energiebeperkte apparaten. Door complexiteit te verwijderen en ontwikkeling te versnellen, maakt Talamo neuromorfe computing toegankelijk voor mainstream-ontwikkelaars en versnelt het de weg van prototype naar product.

Vanuit een technisch oogpunt, hoe balanseert u de analoge en digitale spiking-versnellers binnen Pulsar om diverse workloads efficiënt te verwerken? 

Pulsar’s architectuur combineert analoge en digitale spiking kernen om energieverbruik en flexibiliteit te optimaliseren. De analoge kernen bieden ultra-efficiënte verwerking voor continue, altijd-aan sensorworkloads waar elke microwatt telt. De digitale kernen bieden programmeerbaarheid en precisie voor meer complexe of variabele taken, nog steeds binnen een efficiënt energieverbruik. Workloads worden verdeeld over de twee afhankelijk van de toepassingsbehoeften, waardoor energieverbruik alleen wordt verbruikt wanneer gegevens veranderen. Deze gebeurtenis-gedreven benadering stelt Pulsar in staat om sub-milliwatt prestaties te behouden terwijl het de flexibiliteit behoudt om diverse real-world toepassingen te ondersteunen.

Kunt u ons door een typische ontwikkelaarsworkflow leiden – van het trainen van een model tot het implementeren ervan op Pulsar – en waar de grootste efficiëntiegewinnen worden gerealiseerd?

De workflow begint in PyTorch, waar ontwikkelaars hun modellen ontwerpen en trainen zoals ze zouden doen voor conventionele AI. Met Innatera’s Talamo SDK wordt het model omgezet in een spiking neuronaal netwerk dat is geoptimaliseerd voor Pulsar’s hardware. Ontwikkelaars kunnen het model dan simuleren, verfijnen en rechtstreeks op de chip implementeren, vaak met voetafdrukken zo klein als 5KB. De modelontwikkelingsstap is geïntegreerd in een grotere toepassingspipeline-ontwikkelstroom die ontwikkelaars in staat stelt om code te bouwen die is gericht op de RISC-V, evenals de CNN-versneller, op een uniforme manier. Dit vertaalt zich in een verbeterde ontwikkelervaring en kortere ontwikkeltijd.

De grootste efficiëntiegewinnen worden gerealiseerd zodra het model op Pulsar’s gebeurtenis-gedreven spiking kernen draait. In tegenstelling tot conventionele MCUs die constant vermogen verbruiken, verbruikt Pulsar alleen vermogen wanneer invoergegevens veranderen. Dit stelt altijd-aan taken zoals gebarentherkennning of radar-aanwezigheidsdetectie in staat om continu te draaien op sub-milliwatt niveaus, waardoor orders-grote verbeteringen in energieverbruik worden gerealiseerd terwijl hoge nauwkeurigheid en extreem korte latentie worden behouden.

Welke sectoren vertonen de snelste adoptie van uw technologie, en kunt u voorbeelden geven van vroege klanten of partners die Pulsar al implementeren in producten?

Adoptie van Pulsar gebeurt het snelst in gebieden waar altijd-aan sensing en ultra-laag vermogen het meest tellen, waaronder slimme huizen, draagbare apparaten en industriële veiligheid. Een goed voorbeeld hiervan is Aaroh Labs, die next-generation rookdetectoren heeft ontwikkeld die worden aangedreven door Innatera, onthuld op SEMICON India 2025. Deze apparaten doen meer dan alleen rook detecteren door rookdetectie te combineren met menselijke aanwezigheidsbewaking, waardoor er een rijker situatiebewustzijn ontstaat en slimmere veiligheidssystemen voor residentiële, commerciële en industriële omgevingen mogelijk worden.

Hetzelfde neuromorfe benadering kan worden uitgebreid naar activa-tracking en milieumonitoring, met brede implicaties voor verbonden gezondheidszorg en slimme steden. Op SEMICON India heeft CYRAN AI Solutions ook laten zien hoe Innatera’s technologie wordt geïntegreerd in compacte sensorsystemen zoals electromyografie (EMG)-draagbare apparaten voor gebarentherkennning, waardoor de potentie van neuromorfe AI voor intuïtieve mens-machine-interactie wordt benadrukt.

Deze vroege implementaties zijn slechts het begin, en geven aan dat neuromorfe computing van theorie naar praktijk verschuift en snel wortel schiet in real-world toepassingen.

In demonstraties hebben we voorbeelden gezien zoals ultra-laagvermogen gebarentherkennning en radar-gebaseerde aanwezigheidsdetectie die minder dan een milliwatt verbruiken. Hoe valideert u nauwkeurigheid en betrouwbaarheid in dergelijke beperkte omgevingen?

Validatie hangt vaak af van de toepassing, en naast nauwkeurigheid geven valse positieve en valse negatieve detectieratio’s een kritische indicatie van de betrouwbaarheid van een oplossing. Vaak hebben klanten specifieke KPI’s en testcondities voor validatie. Pulsar’s flexibiliteit is cruciaal in het mogelijk maken van uitgebreide oplossingen die klanten in staat stellen om alle vakjes aan te vinken voor hun gebruikscase. Vergelijkingen worden gemaakt door te benchmarken tegen conventionele MCUs en versnellers, die typisch 40-100 keer meer vermogen verbruiken voor dezelfde taken.

In real-world demonstraties, zoals radar-gebaseerde aanwezigheidsdetectie en audio-scene-classificatie, levert Pulsar consistent nauwkeurigheden boven 90% terwijl het binnen sub-milliwatt budgetten blijft. Dit stelt continue werking mogelijk zonder betrouwbaarheid te offeren, iets wat traditionele altijd-aan systemen traditioneel moesten compromitteren door wakker te worden uit slaap, prestaties te beperken of uit te besteedden aan de cloud.

U hebt Pulsar gepositioneerd als complementair aan meer conventionele NPUs en CPUs. Hoe ziet u neuromorfe computing als onderdeel van de bredere siliconenstack van toekomstige slimme apparaten?

Pulsar is ontworpen als de eerste chip waarmee sensoren communiceren. Het verwerkt gegevens lokaal op ultra-laag vermogen, waardoor ruwe sensor signalen rechtstreeks worden omgezet in bruikbare, actiegerichte informatie, rechtstreeks op het apparaat. NPUs en CPUs kunnen dan alleen worden ingeschakeld wanneer zwaardere verwerking is vereist.

Dit maakt neuromorfe processoren een complementaire laag in de siliconenstack; een altijd-aan, altijd-bewuste basis die apparaatlevensduur verlengt, energieverbruik vermindert en responsiviteit verbetert. Pulsar neemt de taak van sensorgegevensverwerking weg van de traditioneel hoger-vermogen componenten in het systeem, waardoor ze kunnen worden uitgeschakeld in veel apparaten, en in sommige gevallen zelfs volledig geëlimineerd. Dit leidt tot slimmere en langer levende apparaten.

Wat is de rol van samenwerkingen met partners zoals Aaroh Labs en CYRAN AI Solutions in het versnellen van real-world adoptie van neuromorfe AI?

Samenwerkingen fungeren als de brug tussen doorbraaktechnologie en brede adoptie. Door samen te werken met innovators zoals Aaroh Labs en CYRAN AI Solutions, zorgt Innatera ervoor dat Pulsar wordt gevalideerd in real-world omgevingen en wordt aangepast voor specifieke verticale markten. Aaroh Labs brengt neuromorfe intelligentie in kritieke veiligheidsinfrastructuur, terwijl CYRAN AI Solutions de potentie ervan aantoont in intuïtieve mens-machine-interactie. Deze samenwerkingen bewijzen de veelzijdigheid van de technologie, verlagen de barrières voor andere adoptanten en bouwen vertrouwen op in het implementeren van neuromorfe processoren op grote schaal.

Onze samenwerkingen met sensorfabricanten zoals Socionext stellen ons in staat om intelligentie nauwkeurig in het sensormodule te pakken, waardoor de opname en implementatie van intelligente sensing in apparaten wordt vereenvoudigd. Bovendien versterken dergelijke samenwerkingen ons reeds sterke en groeiende ecosysteem en versnellen de verspreiding van neuromorfe computing in de industrie.

Kijkt u vooruit, ziet u Pulsar en zijn opvolgers zich ontwikkelen naar on-device leren en adaptatie, in plaats van alleen inferentie aan de rand?

Zeker. Met Pulsar hebben we nog maar net het oppervlak van wat neuromorfe kan doen aangeraakt. Neuromorfe processoren zijn inherent goed geschikt voor online leren en adaptatie, en Pulsar legt de basis voor apparaten die veel meer kunnen doen dan alleen detecteren en reageren.

Neuromorfe computing is op het punt om een nieuwe generatie adaptieve en autonome edge-apparaten mogelijk te maken; systemen die leren, zelf kalibreren en optimaliseren in real-time terwijl ze op kleine batterijen draaien. Deze evolutie zal een breed scala aan toepassingen mogelijk maken, vanaf wearables die zich aanpassen aan uw gedrag op het vliegtuig, tot industriële systemen die storingen voorspellen en voorkomen met minimale energieverbruik. Het langetermijndoel is om apparaten te creëren die even intelligent zijn als ze continu adaptief en veerkrachtig zijn, en wat echt mogelijk is aan de rand opnieuw definiëren.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Innatera.