Sumeet Kumar, współzałożyciel i CEO Innatera – seria wywiadów

Sumeet Kumar jest współzałożycielem i CEO Innatera Nanosystems, gdzie kieruje rozwojem ultra-wygodnych procesorów neuromorficznych do analizy danych sensorycznych w IoT, urządzeniach noszonych i wbudowanych. Wcześniej kierował 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. (INTC )

Innatera to firma produkująca półprzewodniki, której celem jest wprowadzenie ultra-niskiej mocy inteligencji do „krawędzi sensorycznej”. Ich podstawowa innowacja polega na procesorach neuronalnych o charakterze impulsowym zbudowanych na architekturze analogowo-mieszanej, która naśladuje przetwarzanie zdarzeniowe mózgu. Te układy mogą rozpoznawać wzorce w danych sensorycznych na poziomie pod-miliwatowym i ultra-niskiej latencji, co sprawia, że są idealne dla aplikacji zawsze-włączonych i ograniczonych pod względem mocy.

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

Innatera została założona z wyraźną misją: wprowadzić inteligencję podobną do mózgu bezpośrednio do sensorycznej krawędzi. Sygnały były wyraźne już w 2018 roku, urządzenia integrowały coraz bardziej złożone sensory, a potrzeba ciągłego ich monitorowania rosła. Mikrokontrolery nie posiadały efektywnych pod względem mocy możliwości AI, a nawet to nie zmieniłoby sytuacji, gdy 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 nad obliczeniami neuromorficznymi i efektywnymi pod względem energii, wydawała się mieć odpowiedź na to wyzwanie.

Nasza wizja pozostaje spójna – inteligentniejszy, czystszy i bezpieczniejszy świat napędzany inteligencją ambientalną. Przez wprowadzenie inteligencji do sensorycznej krawędzi, nasze układy umożliwią przetwarzanie danych sensorycznych bezpośrednio w miejscu ich powstania, co prowadzi do radykalnego zmniejszenia zużycia energii przez współczesne AI. Naszym celem jest uczynienie miliarda sensorów inteligentnych do 2030 roku.

Pulsar to pierwszy krok w tej podróży – jest to pierwszy na świecie procesor neuromorficzny zaprojektowany z myślą o powszechnym zastosowaniu. Umożliwia on wprowadzenie inteligencji inspirowanej mózgiem w praktyce w urządzeniach noszonych, inteligentnych domach i systemach przemysłowych, oraz tworzy podstawę dla adaptacyjnych i autonomicznych technologii przyszłości.

Pulsar oparty jest na fundamentalnie nowym podejściu do przetwarzania danych sensorycznych, które zostało zrealizowane przez 7 lat ciężkiej pracy badawczo-inżynierskiej. To, co zaczęło się jako przedsięwzięcie z czterema osobami, rozrosło się 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 procesor neuromorficzny. Co go wyróżnia od poprzednich procesorów neuromorficznych, które pozostawały głównie w laboratoriach badawczych?

Focus badań akademickich często spoczywa na opracowaniu innowacyjnych nowych 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 przyspieslaczy AI – są one integrowane w systemach, które nie zostały zaprojektowane z tymi samymi podstawami na myśli, co prowadzi do efektu, który blady w porównaniu z ich wydajnością. Pulsar, z drugiej strony, jest pełnym, samodzielnym mikrokontrolerem, zaprojektowanym specjalnie do efektywnej obróbki danych sensorycznych na skraju.

Został on zaprojektowany od podstaw, aby zintegrować wszystko, co potrzebne do przetwarzania danych sensorycznych w ramach jednego układu: rdzenie neuronalne o charakterze impulsowym analogowo-mieszane, przyspieslacze CNN i FFT, oraz pełny podsystem RISC-V do zarządzania systemem i kontroli sensorycznej. Ta heterogeniczna architektura pozwala Pulsarowi na przekształcenie surowych danych sensorycznych w działania możliwe do wykonania bezpośrednio w urządzeniu, przy jednoczesnym zużyciu energii o 500 razy mniejszej i pracy 100 razy szybszej 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 tworzenie modeli o rozmiarze poniżej 5KB, które mogą działać w budżecie mocy pod-miliwatowej. Wszystko to, w połączeniu z pakietem o wymiarach 2,8 x 2,6 mm, sprawia, że Pulsar eliminuje potrzebę obszernych zestawów wielo-układowych, czyniąc go pierwszym procesorem neuromorficznym gotowym do prawdziwego wdrożenia masowego.

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

Przez dziesięciolecia główną barierą dla przyjęcia neuromorficznego nie była sprawa sprzętu, ale brak przyjaznych dla deweloperów narzędzi. Deweloperzy byli konfrontowani z stromymi krzywymi uczenia i nieznanymi workflow, co spowalniało innowacje. Talamo rozwiązuje to problem, dostarczając SDK oparte na PyTorch, które pozwala inżynierom na projektowanie, szkolenie i wdrażanie sieci neuronalnych o charakterze impulsowym za pomocą znanych workflow. Modele kompaktowe mogą być łatwo zintegrowane z istniejącymi architekturami sensorycznymi, umożliwiając inteligencję zawsze-włączoną nawet w najmniejszych, najbardziej ograniczonych urządzeniach. Poprzez usunięcie złożoności i przyspieszenie rozwoju, Talamo sprawia, że obliczenia neuromorficzne są dostępne dla deweloperów mainstreamowych i przyspieszają ścieżkę od prototypu do produktu.

Od strony technicznej, jak balansujesz przyspieslacze analogowe i cyfrowe wewnątrz Pulsara, aby obsłużyć różnorodne obciążenia w sposób wydajny? 

Architektura Pulsara łączy przyspieslacze analogowe i cyfrowe, aby zoptymalizować zużycie energii i elastyczność. Rdzenie analogowe zapewniają ultra-wygodne przetwarzanie dla ciągłych, zawsze-włączonych obciążeń sensorycznych, gdzie każdy mikrowat ma znaczenie. Rdzenie cyfrowe dostarczają programowalność i precyzję dla bardziej złożonych lub zmiennych zadań, nadal w ramach wydajnego zużycia energii. Obciążenia są rozdzielane pomiędzy dwa rdzenie w zależności od potrzeb aplikacji, zapewniając, że energia jest zużywana tylko wtedy, gdy dane ulegają zmianie. To podejście oparte na zdarzeniach pozwala Pulsarowi na utrzymanie wydajności pod-miliwatowej, jednocześnie zachowując elastyczność, aby wspierać różnorodne aplikacje świata rzeczywistego.

Czy możesz nas przeprowadzić przez typowy workflow deweloperski – od szkolenia modelu do jego wdrożenia na Pulsarze – i wskazać, gdzie największe zyski efektywności 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 na sieć neuronalną o charakterze impulsowym zoptymalizowaną dla sprzętu Pulsara. Deweloperzy mogą następnie symulować, udoskonalać i wdrażać model bezpośrednio na układ, często z rozmiarami tak małymi, jak 5KB. Krok rozwoju modelu jest zintegrowany z większym przepływem rozwoju aplikacji, który umożliwia deweloperom budowanie kodu, który celuje w RISC-V, a także w przyspieslacz CNN, w sposób zjednoczony. To tłumaczy się na lepsze doświadczenie deweloperskie i krótszy czas rozwoju.

Największe zyski efektywności występują, gdy model jest uruchomiony na zdarzeniowych rdzeniach o charakterze impulsowym Pulsara. W przeciwieństwie do konwencjonalnych MCU, które ciągle zużywają energię, Pulsar oblicza tylko wtedy, gdy dane wejściowe ulegają zmianie. To pozwala na ciągłe wykonywanie zadań, takich jak rozpoznawanie gestów lub wykrywanie obecności, na poziomie pod-miliwatowym, dostarczając rozkazy wielkości efektywności energii i utrzymując wysoką dokładność oraz niesamowicie krótką latencję.

Które sektory pokazują najszybsze przyjęcie Twojej 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 ciągłe monitorowanie sensoryczne i ultra-niskie zużycie energii mają największe znaczenie, w tym w inteligentnych domach, urządzeniach noszonych i bezpieczeństwie przemysłowym. Dobrym przykładem jest Aaroh Labs, które opracowało nowatorskie detektory dymu zasilane przez Innatera, niedawno zaprezentowane 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 się rozciągać na śledzenie aktywów i monitorowanie środowiska, z szerokimi implikacjami dla opieki zdrowotnej połączonej i inteligentnych miast. Na SEMICON India, CYRAN AI Solutions również zaprezentowało, w jaki sposób technologia Innatera jest integrowana w kompakty 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-niskie rozpoznawanie gestów i wykrywanie obecności oparte na radarze, zużywające mniej niż miliwat. 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 kluczem do umożliwienia 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 energii dla tych samych zadań.

W demonstracjach świata rzeczywistego, takich jak wykrywanie obecności oparte na radarze i klasyfikacja sceny audio, Pulsar konsekwentnie dostarcza dokładności powyżej 90%, pozostając w ramach budżetu pod-miliwatowego. To umożliwia ciągłe działanie bez kompromisowania niezawodności, czego tradycyjne systemy zawsze-włączone nie mogły osiągnąć, musząc wybudzać się ze stanu snu, ograniczać wydajność lub offloadować do chmury.

Pozycjonujesz Pulsar jako komplementarny do bardziej konwencjonalnych NPU i CPU. Jak widzisz obliczenia neuromorficzne wpisujące się w szerszy stos siliconowy przyszłych inteligentnych urządzeń?

Pulsar jest zaprojektowany jako pierwszy chip, z którym sensory komunikują się. Przetwarza dane lokalnie przy ultra-niskiej mocy, konwertując surowe sygnały sensoryczne w znaczące, możliwe do wykonania informacje, bezpośrednio w miejscu ich powstania. NPU i CPU mogą być zaangażowane tylko wtedy, gdy wymagane jest bardziej intensywne przetwarzanie.

To sprawia, że procesory neuromorficzne są warstwą komplementarną w stosie siliconowym; zawsze-świadomą, zawsze-włączoną podstawą, która wydłuża żywotność urządzeń, redukuje zużycie energii i poprawia responsywność. Pulsar zabiera zadanie przetwarzania danych sensorycznych od tradycyjnie bardziej energochłonnych komponentów systemu, pozwalając im być wyłączonymi w wielu urządzeniach, a w niektórych przypadkach nawet całkowicie usuniętymi. 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 działają jako mostek pomiędzy 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, przyspieszając rozpowszechnianie obliczeń neuromorficznych w branży.

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

Zdecydowanie. Z Pulsarem, tylko zaczęliśmy drapać powierzchnię tego, co neuromorficzne może osiągnąć. Procesory neuromorficzne są naturalnie dobrze przystosowane do uczenia się online i adaptacji, a Pulsar tworzy 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 urządzeń noszonych, które dostosowują się do Twojego zachowania na fly, do systemów przemysłowych, które przewidują i zapobiegają awariom przy minimalnym zużyciu energii. Długoterminowym celem jest stworzenie urządzeń, które są równie inteligentne, jak ciągle adaptacyjne i odporne, przeznaczając to, co jest możliwe na krawędzi.

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