Ethernovia pozyskała ponad 90 milionów dolarów w ramach rundy finansowania serii B, aby rozwijać sieć fizycznej sztucznej inteligencji

Ethernovia zakończyła rundę finansowania serii B o wartości ponad 90 milionów dolarów, ponieważ rośnie popyt na krzemowe układy sieciowe zdolne do obsługi autonomiczności w czasie rzeczywistym w pojazdach, robotach i systemach przemysłowych. Rundę tę poprowadziła Maverick Silicon, z udziałem Socratic Partners, Conduit Capital i CDIB-TEN Capital, obok kontynuowanego wsparcia ze strony istniejących inwestorów, w tym Porsche SE, Qualcomm Ventures (QCOM ) i Fall Line Capital.

Z siedzibą w Dolinie Krzemowej, Ethernovia buduje nową klasę procesorów pakietowych opartych na Ethernet, które mają działać jako kręgosłup danych – lub “układ nerwowy” – dla inteligentnych maszyn działających na krawędzi. Firma koncentruje się na rosnącym wąskim gardle w autonomii: przenoszeniu ogromnych ilości danych czujników, wizji i sztucznej inteligencji w sposób przewidywalny i wydajny w czasie rzeczywistym.

Przebudowa kręgosłupa danych dla autonomii

Pojazdy autonomiczne, zaawansowane systemy wspomagania kierowcy i roboty przemysłowe coraz częściej polegają na dziesiątkach czujników o wysokiej przepustowości i obciążeniach sztucznej inteligencji, które muszą działać z deterministyczną latencją. Tradycyjne sieci wewnątrz pojazdów i przemysłowe sieci nie zostały zaprojektowane z myślą o tych wymaganiach, co często skutkuje fragmentaryzowanymi architekturami, wyższą złożonością systemu i rosnącymi kosztami.

Podejście Ethernovii koncentruje się na architekturach opartych na procesorach pakietowych i Ethernet, które ujednolicają sieci, obliczenia i orchestrację danych. Zamiast polegać na patchworku starszych szyn i połączeń punkt-punkt, platforma ta została zbudowana w celu agregacji i routingu strumieni danych w czasie rzeczywistym w sposób programowalny i skalowalny – wspierający zarówno zonalne, jak i scentralizowane projekty systemów.

Procesory pakietowe zaprojektowane dla fizycznej sztucznej inteligencji

W sercu technologii Ethernovii znajduje się rodzina wysokowydajnych procesorów pakietowych zaprojektowanych specjalnie dla krawędzi i fizycznych obciążeń sztucznej inteligencji. Te chipy zostały zaprojektowane w celu zarządzania ruchem czujników i sztucznej inteligencji o wysokiej przepustowości z deterministyczną latencją i silną wydajnością energetyczną, dwoma ograniczeniami, które coraz częściej definiują sukces w wdrożeniach samochodowych i robotycznych.

Poprzez obsługę programowalnych ścieżek danych i skalowalnych struktur sieciowych Ethernet, platforma umożliwia systemy zdefiniowane przez oprogramowanie, które mogą ewoluować w czasie za pomocą aktualizacji przez radio, nadal spełniając wymagania wydajnościowe o krytycznym znaczeniu dla bezpieczeństwa. Ta elastyczność jest szczególnie istotna, ponieważ producenci OEM przechodzą w kierunku architektur, w których funkcjonalność jest definiowana bardziej przez oprogramowanie niż przez stałe konfiguracje sprzętu.

Pęd przez automotive, robotykę i przemysł

Chociaż sektor samochodowy pozostaje kluczowym punktem zainteresowania, technologia Ethernovii jest ukierunkowana na wiele rynków, w których inteligencja krawędzi w czasie rzeczywistym staje się niezbędna. Platformy robotyczne, systemy automatyki przemysłowej i nowe maszyny zdefiniowane przez sztuczną inteligencję wszystkie stają w obliczu podobnych wyzwań związanych z latencją, synchronizacją i ruchem danych. W każdym przypadku ograniczenia wydajności są coraz częściej dyktowane nie przez surową wydajność obliczeniową, ale przez to, jak wydajnie dane mogą być przenoszone między czujnikami, procesorami i aktuatorami pod ścisłymi gwarancjami czasowymi.

Te sektory również konwergują architektonicznie. Robotyka i systemy przemysłowe zaczynają przyjmować zasady projektowe, które wcześniej były specyficzne dla sektora samochodowego, takie jak architektury zonalne i scentralizowane obliczenia, podczas gdy platformy samochodowe korzystają z pojęć z centrów danych, w tym sieci zdefiniowanych przez oprogramowanie i standardowych struktur sieciowych Ethernet. Ta konwergencja tworzy popyt na krzemowe układy sieciowe, które mogą działać niezawodnie w różnych środowiskach, jednocześnie wspierając długi cykl życia produktu i ewoluujące wymagania oprogramowania.

Nowe finansowanie zostanie wykorzystane do przyspieszenia rozwoju i produkcji następnej generacji procesorów pakietowych, rozszerzenia możliwości oprogramowania i systemów oraz pogłębienia zaangażowania klientów w tych sektorach. Podczas gdy wdrożenia przechodzą z pilotów do produkcji na dużą skalę, nacisk przesuwa się w kierunku platform, które mogą wspierać długoterminowe uaktualnienia, mieszane obciążenia i rosnącą autonomię bez wymagania podstawowych przebudów.

Co to oznacza dla przyszłości fizycznej sztucznej inteligencji

Ethernovia dzięki pozyskanemu finansowaniu podkreśla szerszy trend, który zachodzi w autonomii i robotyce: inteligencja nie jest już ograniczona tylko przez algorytmy, ale przez infrastrukturę, która łączy sensorykę, rozumowanie i działanie w świecie fizycznym. Podczas gdy systemy sztucznej inteligencji przechodzą z chmury do pojazdów, fabryk i maszyn, układy sieciowe stają się warstwą podstawową, a nie myślą o niej jako o pomyśle.

Ten trend odzwierciedla rosnące uznanie, że systemy fizycznej sztucznej inteligencji są ostatecznie systemami w czasie rzeczywistym. Opóźnienia, utracone pakiety lub nieprzewidywalna latencja mogą mieć namacalne konsekwencje, od pogorszonej wydajności do ryzyka bezpieczeństwa. W związku z tym ruch danych z deterministyczną latencją staje się równie istotny jak dokładność modelu lub przepustowość obliczeniowa.

Architektury oparte na pakietach i strukturach sieciowych Ethernet wskazują na przyszłość, w której inteligentne maszyny są bardziej modułowe, ulepszalne i zdefiniowane przez oprogramowanie, odzwierciedlając ewolucję, która miała miejsce w centrach danych w ciągu ostatniej dekady. Jeśli ta transformacja będzie kontynuowana, krajobraz konkurencyjny w fizycznej sztucznej inteligencji może coraz częściej zależeć od tego, kto może dostarczyć najbardziej niezawodną, dostosowalną architekturę data fabric – jedną, która może wspierać ciągłą innowację bez poświęcania wydajności w świecie rzeczywistym.