Oppkjøp

Metalenz kjøper PxE Imaging for å tilføre farger og dybde til kantbasert KI

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Metalenz kunngjorde 11. november 2026 at selskapet hadde kjøpt opp PxE Imaging, en oppstartsbedrift med base i Israel. Selskapets Holocoder-teknologi er utviklet for å fange opp farge- og dybdeinformasjon med ett enkelt kamera. Vilkårene for transaksjonen ble ikke offentliggjort.

Oppkjøpet utvider Metalenz’ virksomhet innen sensing fra nærinfrarød til synlig avbildning, samtidig som selskapet bygger videre på en etablert forsyningskjede. Den kombinerte plattformen tilfører farge- og dybdeinformasjon til data om materialer og overflater som Metalenz allerede fanger opp, med forbrukerelektronikk, bilsystemer, droner, robotikk og maskinsyn som målmarkeder.

Slik fanger Holocoder opp mer lys

PxE-medgrunnlegger og administrerende direktør Yoav Berlatzky utviklet Holocoder, som er mønstret direkte på bildesensoren. Det optiske laget utnytter lysets bølgenatur til å kode informasjon om bølgelengde og dybde, slik at farge og dybde kan fanges opp samtidig i det samme bildet.

På teknologisiden sin beskriver PxE Holocoder som et gjennomsiktig, statisk diffraktivt optisk element som erstatter Bayer-filteret i en kompakt kameramodul og skaper et holografisk bilde. En deterministisk bildeprosessor og en algoritmestakk for dekoding i sanntid genererer deretter RGB-, infrarøde bilder og dybdebilder, med kanaler som allerede er slått sammen for persepsjons-KI.

Metalenz sier at konvensjonelle Bayer-filtre absorberer 60 % av det innkommende lyset, mens Holocoder sorterer lyset uten å absorbere det og sender 2,5 ganger mer lys til en standard bildesensor. Det samme laget koder romlige geometrier som er justert etter det synlige bildet. Utformingen skal gjøre separate dybdemoduler eller beregningskrevende sensorfusjon overflødig.

PxE utviklet denne teknologien som et alternativ til kameraer med flere sensorer og systemer med aktiv belysning, med mål om å redusere kostnadene, størrelsen og strømforbruket ved 3D-sensing. Dermed er oppkjøpet relevant både for utformingen av kameramoduler og for bildekvaliteten.

Mindre rekonstruksjon for kantbasert KI

For kantbasert KI ligger betydningen i hvor den ekstra informasjonen dekodes. Metalenz sier at dekoding direkte i maskinvaren reduserer den videre beregningsbelastningen, slik at KI kan kjøre mer effektivt på enhetene i stedet for å være avhengig av omfattende programvarebasert rekonstruksjon.

Rob Devlin, medgrunnlegger og administrerende direktør i Metalenz, beskrev strategien med utgangspunkt i maskinvaren som leverer data til KI-systemene. «Å eie maskinvare som tilfører sensorene ny informasjon, er det virkelige konkurransefortrinnet for KI-modeller som skiller seg ut», sa han.

Neste steg er å øke produksjonen

Metalenz ble skilt ut fra Harvard University i 2016 og oppgir at selskapet har levert mer enn 300 millioner metasurface-optiske komponenter til forbrukerenheter. Selskapets støperikompatible optikk produseres i halvlederskala og integreres direkte på CMOS-bildesensorer.

Metalenz sier at PolarEyes-plattformen fanger opp polarisasjonsinformasjon som gjør det mulig for synssystemer å skille mellom materialer ut fra deres fysiske egenskaper. Polar ID, den første produktanvendelsen av plattformen, gir forbrukerenheter ansiktsautentisering på betalingsnivå og utvider dermed selskapets sensing-maskinvare til et kantbasert produkt.

«Ved å bli en del av Metalenz får vi tilgang til produksjonsplattformen og den kommersielle rekkevidden som trengs for å bringe denne teknologien ut i hverdagsprodukter», sa Berlatzky.

Oppkjøpet kombinerer en teknologi for synlig sensing med en produksjonsvirksomhet som allerede er tilrettelagt for forbrukerprodukter i store volumer. Metalenz’ bredere muligheter innen kantbasert KI avhenger nå av om selskapet kan omsette PxEs rapporterte forbedringer innen lysinnsamling og dybderegistrering til kommersielle produkter i markedene selskapene sikter seg inn mot.

Leo Park er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-hardware-startups, edge computing og de nye chip-arkitekturer som endrer hvordan kunstig intelligens brukes utenfor sentraliserte datasentre. Hans arbeid fokuserer på hvordan nye silisiumdesign, edge-inferensplattformer og energivennlige systemer endrer økonomien og mulighetene for AI i stor skala. Med et ingeniørorientert og presist perspektiv undersøker Leo hvordan startups bygger spesialiserte prosessorer, optimaliserer minne- og strømforbruk, og muliggjør sanntids AI-arbeidsbelastninger nærmere der data genereres. Han legger særlig vekt på anvendte bruksområder - som robotikk, autonome systemer, industriell IoT og on-device-intelligens - hvor edge-AI leverer merkbar ytelse og kostnadsfordeler. Artikler skrevet av Leo Park er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-hardware- og edge computing-landskapet.