Ethernovia henter inn over 90 millioner dollar i serie B for å fremme fysisk AI-nettverk

Ethernovia har avsluttet en serie B-finansieringsrunde på totalt over 90 millioner dollar, ettersom etterspørselen etter nettverkssilisium som er i stand til å støtte sanntidsautonomi på tvers av kjøretøy, roboter og industrielle systemer øker. Runden ble ledet av Maverick Silicon, med deltakelse fra Sokratiske partnere, Conduit Capital og CDIB-TEN Capital, sammen med fortsatt støtte fra eksisterende investorer, inkludert Porsche SE, Qualcomm Venturesog Fall Line Capital.

Ethernovia, som er basert i Silicon Valley, bygger en ny klasse Ethernet-baserte pakkeprosessorer som er utformet for å fungere som dataryggraden – eller «nervesystemet» – for intelligente maskiner som opererer i utkanten av nettverket. Selskapet fokuserer på en voksende flaskehals innen autonomi: å flytte enorme mengder sensor-, syns- og AI-data forutsigbart og effektivt i sanntid.

Omstrukturering av dataryggraden for autonomi

Autonome kjøretøy, avanserte førerassistansesystemer og industriroboter er i økende grad avhengige av dusinvis av sensorer med høy båndbredde og AI-arbeidsbelastninger som må operere med deterministisk latens. Tradisjonelle nettverk i kjøretøy og industrielle nettverk ble aldri designet for disse kravene, noe som ofte resulterer i fragmenterte arkitekturer, høyere systemkompleksitet og økende kostnader.

Ethernovias tilnærming fokuserer på pakkeprosessordrevne, Ethernet-baserte arkitekturer som forener nettverk, databehandling og dataorkestrering. I stedet for å stole på et lappeteppe av eldre busser og punkt-til-punkt-koblinger, er plattformen bygget for å aggregere og rute sanntidsdatastrømmer på en programmerbar og skalerbar måte – og støtter både sonale og sentraliserte systemdesign.

Pakkeprosessorer bygget for fysisk AI

Kjernen i Ethernovias teknologi er en familie av høytytende pakkeprosessorer som er spesielt utviklet for kant og fysiske AI-arbeidsbelastninger. Disse brikkene er utviklet for å håndtere sensor- og AI-trafikk med høy båndbredde med deterministisk latens og sterk energieffektivitet, to begrensninger som i økende grad definerer suksess innen bil- og robotutrullinger.

Ved å støtte programmerbare databaner og skalerbare Ethernet-strukturer, muliggjør plattformen programvaredefinerte systemer som kan utvikles over tid gjennom trådløse oppdateringer, samtidig som de oppfyller sikkerhetskritiske ytelseskrav. Denne fleksibiliteten er spesielt relevant ettersom OEM-er beveger seg mot arkitekturer der funksjonalitet defineres mer av programvare enn faste maskinvarekonfigurasjoner.

Momentum i bilindustrien, robotindustrien og industrien

Selv om bilindustrien fortsatt er et sentralt fokus, er Ethernovias teknologi posisjonert på tvers av flere markeder der sanntids kantintelligens blir stadig viktigere. Robotplattformer, industrielle automatiseringssystemer og nye AI-definerte maskiner står alle overfor lignende utfordringer rundt latens, synkronisering og dataflyt. I hvert tilfelle dikteres ytelsesbegrensninger i økende grad ikke av rå beregningskapasitet, men av hvor effektivt data kan flyttes mellom sensorer, prosessorer og aktuatorer under strenge tidsgarantier.

Disse sektorene konvergerer også arkitekturmessig. Robotikk og industrisystemer begynner å ta i bruk designprinsipper som tidligere var spesifikke for bilindustrien, som sonearkitekturer og sentralisert databehandling, mens bilplattformer låner konsepter fra datasentre, inkludert programvaredefinerte nettverk og standardiserte Ethernet-strukturer. Denne konvergensen skaper etterspørsel etter nettverkssilisium som kan fungere pålitelig på tvers av ulike miljøer, samtidig som det støtter lange produktlevetid og utviklende programvarekrav.

Den nye finansieringen vil bli brukt til å akselerere utvikling og produksjon av selskapets neste generasjons pakkeprosessorer, utvide programvare- og systemkapasiteten, og styrke kundeengasjementet på tvers av disse sektorene. Etter hvert som utrullinger går fra pilotprosjekter til skalert produksjon, skifter vekten mot plattformer som kan støtte langsiktige oppgraderinger, blandede arbeidsbelastninger og økt autonomi uten å kreve grunnleggende redesign.

Hva dette signaliserer for fremtiden til fysisk AI

Ethernovias raise fremhever et bredere skifte som er på gang innen autonomi og robotikk: intelligens er ikke lenger begrenset av algoritmer alene, men av infrastrukturen som forbinder sansing, resonnement og handling i den fysiske verden. Etter hvert som AI-systemer flytter seg ut av skyen og inn i kjøretøy, fabrikker og maskiner, blir nettverkssilisium et grunnleggende lag snarere enn en støttende ettertanke.

Dette skiftet gjenspeiler en økende erkjennelse av at fysiske AI-systemer i bunn og grunn er sanntidssystemer. Forsinkelser, tapte pakker eller uforutsigbar forsinkelse kan ha konkrete konsekvenser, fra redusert ytelse til sikkerhetsrisikoer. Som et resultat blir deterministisk dataflyt like kritisk som modellnøyaktighet eller beregningskapasitet.

Pakkesentriske, Ethernet-baserte arkitekturer peker mot en fremtid der intelligente maskiner er mer modulære, oppgraderbare og programvaredefinerte, noe som speiler utviklingen som er sett i datasentre det siste tiåret. Hvis denne overgangen fortsetter, kan det konkurransepregede landskapet innen fysisk AI i økende grad avhenge av hvem som kan levere den mest pålitelige, tilpasningsdyktige datastoff– en som er i stand til å støtte kontinuerlig innovasjon uten å ofre ytelsen i den virkelige verden.