Finansowanie
Mosaic SoC pozyskuje 3,8 mln dolarów pre-seed, by wprowadzić inteligencję przestrzenną do urządzeń konsumenckich

Kluczowe punktyMosaic SoC tworzy dedykowane układy percepcji, które interpretują dane z czujników bez…
Zobacz więcej
- Mosaic SoC tworzy dedykowane układy percepcji, które interpretują dane z czujników bez wyczerpywania baterii urządzeń.
- Łączenie układów z pełną warstwą aplikacyjną pozwala producentom dodawać inteligencję przestrzenną bez przebudowywania stosów oprogramowania.
- Trwała świadomość przestrzenna mogłaby przesunąć urządzenia od pasywnych narzędzi do systemów, które przewidują potrzeby użytkownika.
Nowe pokolenie sprzętu konsumenckiego pojawia się – nie tylko rejestruje obrazy, ale interpretuje świat w czasie rzeczywistym. Szwajcarska firma Mosaic SoC stawia się w centrum tej zmiany, ogłaszając rundę pre-seed o wartości 3,8 mln dolarów, aby rozwijać specjalistyczne układy scalone zaprojektowane dla świadomości przestrzennej w urządzeniach o ograniczonej mocy.
Rundę tę poprowadziła Founderful, z udziałem Kick Foundation.
Wąskie gardło obliczeń przestrzennych
Urządzenia obecnie wyposażone są w coraz bardziej zaawansowane sensory i kamery, ale interpretacja tych danych pozostaje wymagająca zasobów. Percepcja w czasie rzeczywistym – zrozumienie położenia, ruchu i otoczenia – zwykle opiera się na energochłonnych procesorach lub GPU, ograniczając jej użycie w mniejszych, wrażliwych na baterię urządzeniach.
To ograniczenie spowolniło postęp w obszarach takich jak okulary rzeczywistości rozszerzonej i zawsze włączone systemy wizyjne mobilne. Chociaż istnieją prototypy, skalowanie tych możliwości do codziennych produktów konsumenckich okazało się trudne ze względu na kompromisy między wydzielaniem ciepła, czasem pracy baterii a rozmiarem urządzenia.
Mosaic SoC próbuje rozwiązać to wąskie gardło innym podejściem: specjalistycznym układem percepcyjnym, który niezależnie obsługuje inteligencję przestrzenną, zmniejszając uzależnienie od większych stosów przetwarzania.
Specjalistyczna warstwa dla percepcji w czasie rzeczywistym
Zamiast dodawać więcej ogólnego przetwarzania, architektura Mosaic SoC jest zaprojektowana specjalnie do przetwarzania danych z czujników obrazu i położenia. Układy firmy mają zapewniać urządzeniom ciągłe zrozumienie otoczenia, a przy tym działać w ściśle ograniczonym budżecie energetycznym.
W praktyce umożliwia to urządzeniom tworzenie map lokalnych środowiska, rozpoznawanie obiektów i śledzenie ruchu bez stałego przetwarzania w chmurze lub intensywnych obliczeń w samym urządzeniu. W urządzeniach ubieralnych to może oznaczać okulary AR, które utrzymują świadomość przez cały dzień bez zauważalnego rozładowania baterii. Dla smartfonów wprowadza możliwość zawsze włączonych funkcji wizji komputerowej, które aktywują się tylko wtedy, gdy występują istotne zdarzenia.
Zaprojektowane do integracji, a nie złożoności
Powtarzającym się wyzwaniem dla producentów sprzętu jest złożoność integracji nowych funkcjonalności do istniejących systemów. Model Mosaic SoC próbuje zmniejszyć te trudności, łącząc swoje układy z pełną warstwą aplikacji.
Oznacza to, że producenci według własnych projektów (ODM) mogą integrować inteligencję przestrzenną bez budowania od podstaw stosu oprogramowania. Zamiast dodawać nakład pracy inżynierskiej, układ jest pozycjonowany jako warstwa podstawowa, na której deweloperzy mogą budować.
Firma generuje wczesne przychody z umów na jednorazowe prace inżynierskie (NRE) z partnerami, z oczekiwaniami przejścia do skalowalnej sprzedaży układów wraz ze wzrostem produkcji.
Założyciele skoncentrowani na inteligencji krawędzi
Mosaic SoC został założony przez Moritza Scherera i Alfio Di Mauro, którzy obaj uzyskali doktoraty na ETH Zurich i mają doświadczenie w projektowaniu systemów na chipie.
Ich celem jest niwelowanie luki między rosnącym popytem na inteligencję krawędzi a ograniczeniami bieżących architektur sprzętu. Zamiast skalować tradycyjne projekty oparte na CPU, firma opracowała własny system wielordzeniowy zoptymalizowany pod kątem wydajności na wat, ukierunkowany na zastosowania stale aktywnej percepcji.
Od układów do ekosystemów
W miarę dojrzewania specjalistycznego sprzętu percepcyjnego, środek ciężkości może przesunąć się od surowej wydajności krzemowej do warstw oprogramowania, które znajdują się na ich szczycie. Łańcuchy narzędzi, kompilatory i ramy deweloperskie coraz bardziej determinują, jak łatwo nowe funkcjonalności mogą być wdrożone i jak szeroko są przyjmowane. W tym modelu układy stają się podstawą, ale otaczający ekosystem – jak deweloperzy budują, optymalizują i dystrybuują aplikacje – ostatecznie kształtuje tempo innowacji.
Ta transformacja odzwierciedla szerszy wzorzec branżowy, w którym sam sprzęt nie jest już głównym wyróżnikiem. Zamiast tego, połączenie ściśle zintegrowanych środowisk sprzętu i oprogramowania może prowadzić do uzależnienia od ekosystemu, standaryzacji i nowych paradygmatów rozwoju, szczególnie w obszarach takich jak obliczenia przestrzenne.
Ku trwałej świadomości przestrzennej
Jeśli stale aktywna percepcja przy niskim zużyciu energii stanie się wykonalna na dużą skalę, może to zasadniczo zmienić, jak urządzenia wchodzą w interakcje z użytkownikami i ich otoczeniem. Zamiast reagowania tylko wtedy, gdy są aktywowane, urządzenia mogą utrzymywać ciągłe zrozumienie kontekstu – położenia, ruchu, obiektów i intencji – bez silnego uzależnienia od przetwarzania w chmurze.
To przesunięcie wprowadza nowe możliwości, ale także nowe rozważania. Trwała świadomość może umożliwić bardziej intuicyjne interfejsy i automatyzację, podnosząc jednocześnie pytania dotyczące prywatności, własności danych i tego, jak dużo interpretacji w czasie rzeczywistym powinno wystąpić na urządzeniu a nie na zewnątrz. Może również rozmyć granicę między biernymi narzędziami a aktywnymi systemami, które przewidują potrzeby użytkowników.
Wyzwanie techniczne nie jest już tylko osiągnięciem percepcji w czasie rzeczywistym, ale robieniem tego w sposób wydajny, bezpieczny i zintegrowany bezproblemowo z codziennymi urządzeniami. Czy ta kategoria stanie się mainstreamowa, będzie zależało tak samo od tych kompromisów, jak i od podstawowych zysków wydajności.












