Edgify Levanta $9 Milhões para Expandir Infraestrutura de IA de Borda para Varejo Físico

Londres-based Edgify levantou $9 milhões em financiamento de Série A+ para expandir sua plataforma de inteligência artificial de borda, elevando o total de financiamento da empresa para $25 milhões.

A rodada foi apoiada por Rank Ventures e Mangrove Capital Partners. Edgify planeja usar o capital para acelerar implantações em varejo físico, enquanto desenvolve sua plataforma em uma camada de infraestrutura mais ampla para gerenciar modelos de IA em dispositivos distribuídos.

A empresa inicialmente encontrou tração em varejo de alimentos, onde visão computacional pode ser usada para reconhecer produtos, identificar itens não digitalizados, detectar troca de código de barras e reduzir perdas em autoatendimento. Mas a ambição maior por trás do financiamento é fornecer uma camada de IA comum que conecte dispositivos como câmeras, balanças, scanners, terminais de autoatendimento e sistemas de ponto de venda.

Em vez de enviar continuamente dados brutos para infraestrutura centralizada em nuvem, Edgify é projetado para executar, atualizar e gerenciar modelos de IA diretamente em dispositivos de borda.

Transformando Hardware de Loja Existente em uma Rede de IA

Varejistas físicos operam cada vez mais grandes redes de dispositivos inteligentes ou semi-inteligentes, mas esses sistemas são frequentemente implantados de forma independente.

Edgify está tentando conectar esse hardware em um ambiente de aprendizado de máquina coordenado.

Seu software pode se integrar a sistemas de ponto de venda e máquinas de autoatendimento existentes por meio de APIs, enquanto modelos de visão computacional podem ser executados em hardware, incluindo câmeras USB padrão, scanners e balanças. A empresa afirma que seus modelos também podem continuar aprendendo com dados gerados durante operações normais de loja, em vez de depender inteiramente de treinamento centralizado periódico.

Essa arquitetura é particularmente relevante para visão computacional, pois dados de vídeo e imagem podem ser caros para transmitir e processar continuamente na nuvem. Processar informações mais próximas de onde elas são geradas pode reduzir os requisitos de rede, além de permitir que decisões sejam tomadas com menor latência.

Edgify afirma que dados brutos de clientes podem permanecer dentro do perímetro do varejista, uma abordagem que também pode tornar o processamento de borda atraente em ambientes onde requisitos de privacidade ou residência de dados tornam a coleta de dados centralizada problemática.

A empresa atualmente lista 2.042 lojas, 9.437 dispositivos conectados e mais de 400 milhões de amostras em sua plataforma. Esses números são autodeclarados por Edgify.

Prevenção de Perdas Fornece o Primeiro Caso de Uso Principal

Prevenção de perdas no varejo fornece a Edgify um ponto de partida relativamente direto, pois visão computacional pode ser vinculada diretamente a eventos específicos que ocorrem no checkout.

Nos terminais de autoatendimento, a plataforma pode identificar discrepâncias entre um item e o código de barras sendo digitalizado, detectar produtos colocados na área de embalagem sem serem digitalizados e alertar funcionários ou acionar uma intervenção automatizada.

Seus modelos de reconhecimento de produtos também podem identificar produtos frescos e outros itens sem códigos de barras tradicionais. Edgify afirma que essa tecnologia pode operar diretamente dentro da infraestrutura de scanner e balança existente, em vez de exigir que os varejistas substituam seu hardware de checkout.

A mesma infraestrutura de visão computacional pode ser estendida além da prevenção de perdas. Edgify já lista gerenciamento de resíduos como outra aplicação, usando câmeras para identificar produtos descartados e melhorar registros de estoque.

O novo financiamento apoiará a expansão adicional dessa infraestrutura de ciclo de vida do modelo, incluindo como os modelos são treinados, implantados, monitorados e atualizados em dispositivos de varejo.

Aprendizado Federado Aborda um Problema de IA de Borda Mais Difícil

Um dos aspectos técnicos mais interessantes da abordagem de Edgify é seu trabalho em torno de aprendizado federado, onde vários dispositivos contribuem para melhorar modelos de aprendizado de máquina sem exigir que os conjuntos de dados subjacentes sejam centralizados.

O problema se torna mais complicado em ambientes físicos, pois os dados gerados por dispositivos diferentes raramente são idênticos. Uma câmera dentro de um supermercado pode encontrar produtos, condições de iluminação, compradores, layouts e comportamentos diferentes de uma câmera operando a centenas de quilômetros de distância.

A pesquisa de Edgify explorou esse problema de aprendizado federado em dados não independentes e identicamente distribuídos (não-IID), onde modelos locais treinados podem começar a se mover em direções diferentes. Seus pesquisadores propuseram um método projetado para encorajar esses modelos locais em direção a um ótimo compartilhado, sem adicionar riscos de privacidade adicionais ou aumentar significativamente os requisitos de comunicação.

Em termos práticos, essa arquitetura de treinamento distribuído poderia permitir que uma rede de dispositivos de borda sejam coletivamente aprimorados sem exigir que cada imagem ou transação seja carregada em um enorme conjunto de dados de treinamento centralizado.

Isso pode se tornar cada vez mais importante à medida que a IA se move além dos data centers e começa a operar em câmeras, sensores industriais, veículos, robôs, máquinas e outras infraestruturas físicas.

De IA de Varejo para Infraestrutura de IA Física

Edgify, em última análise, vê o varejo como um ponto de entrada, e não como o limite de sua tecnologia.

A empresa está mirando ambientes adicionais, incluindo restaurantes de serviço rápido, centros de distribuição, varejo de vestuário, logística, manufatura, transporte e operações de armazenamento.

Esses setores compartilham muitas das mesmas restrições técnicas. Eles geram grandes quantidades de dados locais, frequentemente dependem de hardware existente que não pode ser facilmente substituído e exigem sistemas de IA capazes de responder em tempo real, mesmo quando a conectividade com a nuvem é limitada ou cara.

É aqui que as implicações de longo prazo da plataforma de Edgify se tornam mais significativas.

Muito do boom de infraestrutura de IA atual centrou-se em computação centralizada, com modelos cada vez mais poderosos executados dentro de data centers de hiperscale. A IA física cria um problema de infraestrutura diferente. Uma câmera de armazenamento, um scanner de checkout, um sensor de fábrica ou uma máquina autônoma pode precisar tomar decisões imediatamente, continuamente e potencialmente sem enviar toda a sua stream de dados para outro lugar primeiro.

A arquitetura de borda de Edgify representa uma abordagem para resolver esse problema: distribuir a execução de IA em dispositivos que já operam no mundo físico, mantendo uma camada de gerenciamento capaz de coordenar modelos em toda a rede.

A empresa descreve seu objetivo mais amplo como tornar a IA prática em qualquer lugar onde decisões do mundo real sejam geradas, em vez de exigir que essas decisões dependam de comunicação constante com infraestrutura centralizada.

O Próximo Campo de Batalha para IA Pode Ser na Borda

A rodada de $9 milhões é relativamente modesta em comparação com o enorme capital fluindo para desenvolvedores de modelos de IA e infraestrutura de data center, mas Edgify está operando em uma parte diferente da pilha.

À medida que visão computacional e modelos de IA cada vez mais sofisticados se espalham por lojas de varejo, fábricas, armazéns, redes de transporte e outros ambientes físicos, as organizações precisarão de maneiras de implantar e manter esses modelos em potencialmente milhares ou milhões de dispositivos heterogêneos.

Isso cria um novo desafio de operações de aprendizado de máquina: não apenas treinar um modelo, mas decidir onde a inferência acontece, onde os dados de treinamento permanecem, como os modelos aprendem em ambientes distribuídos e como as atualizações são coordenadas em toda a frota de máquinas.

Retail gives Edgify um ambiente desafiador para resolver esses problemas. Se a plataforma subjacente puder generalizar além do checkout e da prevenção de perdas, a oportunidade maior pode ser fornecer parte da infraestrutura de orquestração necessária à medida que a IA se move para fora da nuvem e mais profundamente no mundo físico.