Sumeet Kumar, współzałożyciel i CEO Innatera – seria wywiadów

Sumeet Kumar jest współzałożycielem i CEO Innatera Nanosystems, gdzie kieruje rozwojem ultra-wydziałowych procesorów neuromorficznych do analizy danych sensorycznych w IoT, nosimych i wbudowanych urządzeniach. Wcześniej zarządzał finansowanymi przez UE badaniami w TU Delft, w tym projektem PRYSTINE o wartości 50 milionów euro na technologie pojazdów autonomicznych, oraz pełnił role w Intelu i w badaniach akademickich nad zaawansowanymi architekturami procesorów.

Innatera to firma półprzewodnikowa skupiająca się na wprowadzaniu ultra-niskiej mocy inteligencji do „krawędzi sensorycznej”. Ich podstawowa innowacja leży w procesorach neuronalnych o charakterze skokowym zbudowanych na architekturze analogowo-mieszanej, która naśladuje zdarzeniowe przetwarzanie mózgu. Te chipy mogą rozpoznawać wzorce w danych sensorycznych na poziomie mocy poniżej miliwata i ultra-niskiej latencji, co sprawia, że są idealne dla zawsze-włączonych, ograniczonych pod względem mocy aplikacji.

Współzałożyłeś Innaterę w 2018 roku z wizją przeniesienia procesorów neuromorficznych z laboratoriów do prawdziwych urządzeń. Co skłoniło Cię osobiście do założenia firmy, i jak ta wizja ewoluowała przez ostatnie siedem lat?

Innatera została założona z jasną misją: przenieść inteligencję podobną do mózgu bezpośrednio do sensora. Sygnały były już wyraźne w 2018 roku, urządzenia integrowały coraz bardziej złożone sensory, a potrzeba ciągłego ich monitorowania rosła. Mikrokontrolery nie posiadały wydajnych możliwości AI, a nawet to nie zmieniłoby sytuacji znacząco, jeśli chodzi o ciągłe przetwarzanie w urządzeniach zasilanych przez małe baterie. Było jasne, że sposób, w jaki dane sensoryczne są przetwarzane w tych urządzeniach, musi ulec zmianie, a dekada badań, którą przeprowadziliśmy w TUDelft na temat obliczeń neuromorficznych i wydajnych energetycznie, wydawała się mieć odpowiedź na to wyzwanie.

Nasza wizja pozostała spójna – inteligentniejszy, czystszy i bezpieczniejszy świat napędzany inteligencją ambientalną. Przenosząc inteligencję do sensorów, nasze chipy umożliwią przetwarzanie danych sensorycznych bezpośrednio w źródle, co prowadzi do radykalnej redukcji zużycia energii przez nowoczesne AI. Naszym celem jest uczynienie miliarda sensorów inteligentnymi do 2030 roku.

Pulsar jest pierwszym krokiem w tej podróży – to pierwszy na świecie mikrokontroler neuromorficzny zaprojektowany z myślą o powszechnym przyjęciu. Umożliwia on wprowadzanie inteligencji inspirowanej mózgiem w praktyce w nosimych urządzeniach, inteligentnych domach i systemach przemysłowych, oraz tworzy podstawy dla adaptacyjnych, autonomicznych technologii przyszłości.

Pulsar opiera się na fundamentalnie nowym podejściu do przetwarzania na poziomie sensora, opracowanym przez 7 lat ciężkiej pracy badawczo-inżynierskiej. To, co zaczęło się jako przedsięwzięcie z czterema osobami, rozrosło się w tym czasie do globalnego zespołu 100 osób, z 15 krajów, zjednoczonego przez kulturę opartą na ludziach, wytrwałości, kreatywności i ambicji.

Pulsar jest opisywany jako pierwszy prawdziwie masowy mikrokontroler neuromorficzny. Co go wyróżnia od poprzednich chipów neuromorficznych, które pozostały głównie w laboratoriach badawczych?

Fokus badań akademickich często dotyczy rozwijania innowacyjnych podejść do rozwiązywania trudnych problemów. W konsekwencji, korzyści z rozwiązań są często mierzone w izolacji. Jednak gdy te nowe technologie są wdrożone w produkcji, muszą one współpracować z innymi częściami systemu, co często prowadzi do osłabienia ich korzyści. To samo dotyczy wielu technologii neuromorficznych i przyspieszeń AI – są one integrowane w systemy, które nie zostały zaprojektowane z tymi samymi podstawami, co prowadzi do efektu, który blady w porównaniu z ich wydajnością. Pulsar, z drugiej strony, jest kompletnym, samodzielnym mikrokontrolerem, zaprojektowanym specjalnie dla efektywnego przetwarzania danych sensorycznych na skraju.

Został on zaprojektowany od podstaw, aby zawierać wszystko, co potrzebne do przetwarzania danych sensorycznych w jednym chipie: analogowe i cyfrowe rdzenie neuronalne o charakterze skokowym, przyspieslacze CNN i FFT, oraz pełny podsystem 32-bitowy RISC-V do zarządzania systemem i kontroli sensora. Ta heterogeniczna architektura pozwala Pulsarowi przekształcić surowe dane sensoryczne w działania bezpośrednio w urządzeniu, przy jednoczesnym zużyciu nawet 500 razy mniej energii i pracy 100 razy szybciej niż konwencjonalne procesory AI.

Poza sprzętem, Pulsar rozwiązuje również długoletnią barierę oprogramowania. Jego SDK Talamo, z natywną integracją PyTorch, umożliwia dostęp do rozwoju neuromorficznego dla inżynierów mainstreamowych i pozwala na uruchamianie modeli o rozmiarze poniżej 5KB w budżecie mocy poniżej miliwata. Umieszczenie wszystkiego w pakiecie o wymiarach 2,8 x 2,6 mm, Pulsar eliminuje potrzebę bulwerskich zestawów wielo-chipowych, czyniąc go pierwszym procesorem neuromorficznym gotowym do prawdziwej masowej dystrybucji.

Dostępność jest dużym tematem dla Innatera. Jak SDK Talamo, szczególnie z jego integracją PyTorch, obniża barierę dla deweloperów, którzy są nowicjuszami w dziedzinie obliczeń neuromorficznych? 

Przez dziesięciolecia główną barierą dla przyjęcia neuromorficznego nie była sprzętowa, ale raczej brak przyjaznych dla deweloperów narzędzi. Deweloperzy byli konfrontowani ze stromymi krzywymi uczenia i nieznanymi workflow, co spowalniało innowacje. Talamo bezpośrednio rozwiązuje ten problem, dostarczając SDK opartego na PyTorch, które pozwala inżynierom na projektowanie, szkolenie i wdrożenie sieci neuronalnych o charakterze skokowym za pomocą znanych workflow. Modele kompaktowe mogą być łatwo zintegrowane z istniejącymi architekturami sensorycznymi, umożliwiając inteligencję zawsze-włączoną nawet w najmniejszych, najbardziej ograniczonych pod względem mocy urządzeniach. Poprzez usunięcie złożoności i przyspieszenie rozwoju, Talamo czyni obliczenia neuromorficzne dostępnymi dla deweloperów mainstreamowych i przyspiesza ścieżkę od prototypu do produktu.

Pod względem technicznym, jak balansujesz przyspieslacze analogowe i cyfrowe wewnątrz Pulsara, aby obsłużyć różnorodne obciążenia w sposób wydajny? 

Architektura Pulsara łączy rdzenie analogowe i cyfrowe, aby zoptymalizować zużycie energii i elastyczność. Rdzenie analogowe zapewniają ultra-wydziałowe przetwarzanie dla ciągłych, zawsze-włączonych obciążeń sensorycznych, gdzie każdy mikrowat ma znaczenie. Rdzenie cyfrowe zapewniają programowalność i precyzję dla bardziej złożonych lub zmiennych zadań, wciąż w ramach wydajnego zużycia energii. Obciążenia są rozdzielane między nimi w zależności od potrzeb aplikacji, co pozwala na zużycie energii tylko wtedy, gdy dane ulegają zmianie. To podejście oparte na zdarzeniach pozwala Pulsarowi utrzymać wydajność poniżej miliwata, jednocześnie zachowując elastyczność, aby wspierać różnorodne aplikacje świata rzeczywistego.

Czy możesz nas zaprowadzić przez typowy workflow deweloperski – od szkolenia modelu do jego wdrożenia na Pulsarze – i gdzie największe zyski wydajności są realizowane?

Workflow zaczyna się w PyTorch, gdzie deweloperzy projektują i szkolą swoje modele, tak jak robieliby to dla konwencjonalnego AI. Za pomocą SDK Talamo od Innatera, model jest konwertowany do sieci neuronalnej o charakterze skokowym zoptymalizowanej dla sprzętu Pulsara. Deweloperzy mogą następnie symulować, doskonalić i wdrożyć model bezpośrednio na chip, często z rozmiarami mniejszymi niż 5KB. Krok rozwoju modelu jest zintegrowany w ramach szerszego przepływu rozwoju aplikacji, który umożliwia deweloperom budowanie kodu, który targetuje RISC-V, a także przyspieslacz CNN, w sposób zunifikowany. To tłumaczy się na poprawiony doświadczenie deweloperskie i krótszy czas rozwoju.

Największe zyski wydajności występują, gdy model jest uruchomiony na Pulsarze i jego rdzeniach o charakterze skokowym. W przeciwieństwie do konwencjonalnych MCU, które ciągle spalają energię, Pulsar oblicza tylko wtedy, gdy dane wejściowe ulegają zmianie. To pozwala na zawsze-włączone zadania, takie jak rozpoznawanie gestów lub wykrywanie obecności radarowej, na działanie w sposób ciągły na poziomie poniżej miliwata, dostarczając poprawy wydajności o rzędy wielkości, przy jednoczesnym utrzymaniu wysokiej dokładności i niezwykle krótkiej latencji.

Które sektory pokazują najszybsze przyjęcie Waszej technologii, i czy możesz podzielić się przykładami wczesnych klientów lub partnerów, którzy już wdrożyli Pulsar w swoich produktach?

Przyjęcie Pulsara następuje najszybciej w obszarach, gdzie zawsze-włączone sensory i ultra-niska moc mają największe znaczenie, w tym w inteligentnych domach, nosimych urządzeniach i bezpieczeństwie przemysłowym. Dobrym przykładem jest Aaroh Labs, które opracowało nową generację czujników dymu zasilanych przez Innaterę, niedawno zaprezentowanych na SEMICON India 2025. Te urządzenia robią więcej niż tylko wykrywają dym, łącząc wykrywanie dymu z monitorowaniem obecności ludzi, tworząc bogatszą świadomość sytuacyjną i umożliwiając inteligentniejsze systemy bezpieczeństwa dla środowisk mieszkalnych, komercyjnych i przemysłowych.

Ten sam podejście neuromorficzne może sięgać do śledzenia aktywów i monitorowania środowiska, z szerokimi implikacjami dla opieki zdrowotnej i inteligentnych miast. Na SEMICON India, CYRAN AI Solutions również pokazało, jak technologia Innatera jest integrowana w kompaktowe systemy sensoryczne, takie jak wearables EMG do rozpoznawania gestów, podkreślając potencjał AI neuromorficznej do umożliwienia intuicyjnej interakcji człowiek-maszyna.

Te wczesne wdrożenia są tylko początkiem, sygnalizując, że obliczenia neuromorficzne przechodzą od teorii do praktyki i szybko zakorzeniają się w aplikacjach świata rzeczywistego.

W demonstracjach widzieliśmy przykłady, takie jak ultra-niskiej mocy rozpoznawanie gestów i wykrywanie obecności radarowej, zużywające poniżej miliwata. Jak walidujesz dokładność i niezawodność w tak ograniczonych środowiskach?

Walidacja często zależy od aplikacji, a poza dokładnością, wskaźniki wykrywania fałszywych pozytywów i fałszywych negatywów dostarczają krytycznych wskazówek co do niezawodności rozwiązania. Często klienci mają określone wskaźniki i warunki testowe do walidacji. Elastyczność Pulsara jest kluczowa w umożliwieniu kompleksowych rozwiązań, które pozwalają klientom spełnić wszystkie wymagania dla ich przypadku użycia. Porównania są wykonywane przez benchmarking w stosunku do konwencjonalnych MCU i przyspieslaczy, które zwykle zużywają 40-100 razy więcej mocy dla tych samych zadań.

W demonstracjach świata rzeczywistego, takich jak wykrywanie obecności radarowej i klasyfikacja sceny audio, Pulsar konsekwentnie dostarcza dokładności powyżej 90%, przy jednoczesnym pozostawaniu w granicach budżetu mocy poniżej miliwata. To umożliwia ciągłą pracę bez kompromisowania niezawodności, co tradycyjne systemy zawsze-włączone musiały kompromisować, budząc się ze stanu snu, ograniczając wydajność lub offloadując do chmury.

Czy możesz nas zaprowadzić przez to, jak obliczenia neuromorficzne mieszczą się w szerszym stosie krzemowym przyszłych inteligentnych urządzeń?

Pulsar jest zaprojektowany jako pierwszy chip, z którym sensory komunikują się. Przetwarza dane lokalnie w ultra-niskiej mocy, konwertując surowe sygnały sensoryczne w znaczące, działania bezpośrednio w źródle. Następnie NPU i CPU mogą być zaangażowane tylko wtedy, gdy wymagane jest bardziej intensywne przetwarzanie.

To czyni procesory neuromorficzne warstwą komplementarną w stosie krzemowym; zawsze-świadomą, zawsze-włączoną podstawą, która wydłuża żywotność urządzeń, redukuje zużycie energii i poprawia reakcję. Pulsar zabiera zadanie przetwarzania danych sensorycznych od tradycyjnych, bardziej energochłonnych komponentów w systemie, pozwalając im być wyłączonym w wielu urządzeniach i w niektórych przypadkach nawet całkowicie usuniętym. To prowadzi do inteligentniejszych i dłużej żyjących urządzeń.

Jaką rolę odgrywają współprace z partnerami, takimi jak Aaroh Labs i CYRAN AI Solutions, w przyspieszaniu przyjęcia obliczeń neuromorficznych w świecie rzeczywistym?

Partnerstwa pełnią rolę mostu między przełomową technologią a szerokim przyjęciem. Pracując z innowatorami, takimi jak Aaroh Labs i CYRAN AI Solutions, Innatera zapewnia, że Pulsar jest walidowany w środowiskach świata rzeczywistego i dostosowany do konkretnych pionów. Aaroh Labs wprowadza inteligencję neuromorficzną w krytyczną infrastrukturę bezpieczeństwa, podczas gdy CYRAN AI Solutions demonstruje jej potencjał w intuicyjnej interakcji człowiek-maszyna. Te współprace dowodzą elastyczności technologii, redukując bariery dla innych adoptujących i budując zaufanie do wdrożenia procesorów neuromorficznych na dużą skalę.

Nasze partnerstwa z dostawcami sensorów, takimi jak Socionext, pozwalają nam ściśle wpakować inteligencję w moduł sensoryczny, ułatwiając przyjęcie i wdrożenie inteligentnego sensorycznego w urządzenia. Dodatkowo, takie współprace wzmacniają nasz już silny i rosnący ekosystem, oraz przyspieszają rozpowszechnianie obliczeń neuromorficznych w branży.

Spójrzając w przyszłość, czy widzisz Pulsar i jego następców poruszających się w kierunku uczenia się na urządzeniu i adaptacji, a nie tylko inferencji na krawędzi?

Absolutnie. Z Pulsarem tylko zaczęliśmy drapać powierzchnię tego, co neuromorficzne może osiągnąć. Procesory neuromorficzne są wewnętrznie dobrze przystosowane do uczenia się online i adaptacji, a Pulsar stanowi podstawę dla urządzeń, które mogą robić o wiele więcej niż tylko wykrywanie i reagowanie.

Obliczenia neuromorficzne umożliwią nowe pokolenie adaptacyjnych i autonomicznych urządzeń krawędzi; systemy, które uczą się, samokalibrują i optymalizują w czasie rzeczywistym, przy pracy na małych bateriach. Ta ewolucja odblokuję szeroki zakres aplikacji, od wearables, które dostosowują się do Twojego zachowania na fly, do systemów przemysłowych, które przewidują i zapobiegają awariom z minimalnym zużyciem energii. Długoterminowym celem jest stworzenie urządzeń, które są równie inteligentne, jak ciągle adaptacyjne i odporne, przeedefiniowując to, co jest naprawdę możliwe na krawędzi.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Innatera.