Sumeet Kumar, Co-fundador e CEO da Innatera – Série de Entrevistas

Sumeet Kumar é o co-fundador e CEO da Innatera Nanosystems, onde lidera o desenvolvimento de processadores neuromórficos ultraeficientes para análise de dados de sensores em IoT, dispositivos vestíveis e embarcados. Anteriormente, ele gerenciou pesquisas financiadas pela UE no TU Delft, incluindo o projeto PRYSTINE de 50 milhões de euros sobre tecnologias de veículos autônomos, e ocupou cargos na Intel (INTC ) e na pesquisa acadêmica sobre arquiteturas de processadores avançados.

Innatera é uma empresa de semicondutores focada em trazer inteligência de baixo consumo de energia para a “borda dos sensores”. Sua inovação central está em processadores neurais de disparo construídos em uma arquitetura analógico-mista que imitam o processamento baseado em eventos do cérebro. Esses chips podem reconhecer padrões em dados de sensores em níveis de potência sub-miliwatt e latência ultra-baixa, tornando-os ideais para aplicações sempre ativadas e com restrições de energia.

Você co-fundou a Innatera em 2018 com a visão de trazer processadores neuromórficos do laboratório para dispositivos do mundo real. O que o motivou pessoalmente a iniciar a empresa, e como essa visão evoluiu ao longo dos últimos sete anos?

A Innatera foi fundada com uma missão clara em mente: trazer inteligência semelhante ao cérebro diretamente para o sensor. Os sinais estavam claros mesmo em 2018, os dispositivos estavam integrando sensores cada vez mais complexos, e a necessidade de detecção sempre ativada estava crescendo. Os microcontroladores careciam de capacidades de IA eficientes em termos de energia, e mesmo isso só mudaria um pouco quando se tratava de processamento contínuo em dispositivos alimentados por baterias pequenas. Estava claro que a forma como os dados dos sensores são processados nesses dispositivos precisava mudar, e a década de pesquisa que fizemos no TUDelft sobre computação neuromórfica e processamento eficiente em termos de energia parecia ter uma resposta para esse desafio.

Nossa visão permaneceu consistente – um mundo mais inteligente, mais limpo e mais seguro, impulsionado por inteligência ambiental. Ao trazer inteligência para os sensores, nossos chips permitirão que os dados dos sensores do mundo sejam processados diretamente na fonte, levando a uma redução radical no uso de energia da IA moderna. Nosso objetivo é tornar um bilhão de sensores inteligentes até 2030.

Pulsar é o primeiro passo nessa jornada – é o primeiro microcontrolador neuromórfico do mundo projetado para adoção em massa. Ele torna a inteligência inspirada no cérebro prática em dispositivos vestíveis, dispositivos domésticos inteligentes e sistemas industriais, entre outros casos de uso, ao mesmo tempo em que estabelece as bases para tecnologias adaptativas e autônomas do futuro.

Pulsar é baseado em uma abordagem fundamentalmente nova para processamento no sensor, realizada ao longo de 7 anos de pesquisa e engenharia rigorosas. O que começou como uma empreitada com quatro pessoas cresceu, nesse tempo, para uma equipe global de 100 pessoas, em 15 países, unidas por uma cultura centrada nas pessoas, construída sobre resiliência, criatividade e ambição.

Pulsar é descrito como o primeiro microcontrolador neuromórfico verdadeiramente de mercado em massa. O que o torna diferente dos chips neuromórficos anteriores que permaneceram largamente confinados a laboratórios de pesquisa?

O foco da pesquisa acadêmica é frequentemente o desenvolvimento de novas abordagens inovadoras para resolver problemas difíceis. Como consequência, os benefícios das soluções tendem a ser medidos em isolamento. No entanto, quando essas novas tecnologias são implantadas em produção, elas têm que interagir com outras partes do sistema, o que frequentemente resulta em seus benefícios sendo diluídos. Isso também é o caso de muitas tecnologias de aceleração de IA neuromórfica e convencional – elas são integradas a sistemas que não foram projetados com os mesmos fundamentos em mente, e isso leva a um resultado que palesce em eficiência. Pulsar, por outro lado, é um microcontrolador completo e autônomo, projetado especificamente para processamento eficiente de dados de sensores na borda extrema.

Ele foi projetado desde o início para integrar tudo o que é necessário para processamento de dados de sensores em um único chip: núcleos neurais de disparo analógicos e digitais, aceleradores CNN e FFT, e um subsistema RISC-V completo de 32 bits para gerenciamento de sistema e controle de sensores. Essa arquitetura heterogênea permite que Pulsar transforme sinais brutos de sensores em informações ações significativas diretamente no dispositivo, consumindo até 500 vezes menos energia e executando 100 vezes mais rápido do que processadores de IA convencionais.

Além do hardware, Pulsar também aborda a barreira de software de longa data. Seu SDK Talamo, com integração nativa do PyTorch, torna o desenvolvimento neuromórfico acessível a engenheiros de massa e permite que modelos compactos com menos de 5KB sejam executados em orçamentos de energia sub-miliwatt. Cabendo tudo isso em um pacote de 2,8 x 2,6 mm, Pulsar elimina a necessidade de configurações de vários chips volumosos, tornando-se o primeiro processador neuromórfico pronto para implantação em massa real.

Acessibilidade é um grande tema para a Innatera. Como o SDK Talamo, particularmente com sua integração do PyTorch, reduz a barreira para desenvolvedores que são novos em computação neuromórfica? 

Por décadas, a principal barreira para a adoção neuromórfica não foi devido ao hardware, mas sim à falta de ferramentas amigáveis para desenvolvedores. Os desenvolvedores enfrentavam curvas de aprendizado íngremes e fluxos de trabalho desconhecidos, o que, por sua vez, retardava a inovação. Talamo aborda isso diretamente, fornecendo um SDK baseado em PyTorch que permite que os engenheiros projetem, treinem e implantem redes neurais de disparo por meio de fluxos de trabalho familiares. Modelos compactos podem ser facilmente integrados a arquiteturas de sensores existentes, habilitando inteligência sempre ativada em dispositivos pequenos e com restrições de energia. Ao remover a complexidade e acelerar o desenvolvimento, Talamo torna a computação neuromórfica acessível a desenvolvedores de massa e acelera o caminho da prototipagem para o produto.

Do ponto de vista técnico, como você equilibra os aceleradores de disparo analógicos e digitais dentro de Pulsar para lidar com cargas de trabalho diversificadas de forma eficiente? 

A arquitetura de Pulsar combina núcleos analógicos e digitais de disparo para otimizar o uso de energia e flexibilidade. Os núcleos analógicos fornecem processamento ultraeficiente para cargas de trabalho de sensores contínuas e sempre ativadas, onde cada microwatt conta. Os núcleos digitais entregam programabilidade e precisão para tarefas mais complexas ou variáveis, ainda dentro de um envelope de energia eficiente. As cargas de trabalho são distribuídas entre os dois, dependendo das necessidades da aplicação, garantindo que a energia seja consumida apenas quando os dados mudam. Essa abordagem baseada em eventos permite que Pulsar sustente o desempenho sub-miliwatt enquanto mantém a flexibilidade para suportar aplicações reais diversificadas.

Pode nos guiar por um fluxo de trabalho típico de desenvolvedor – desde o treinamento de um modelo até a implantação em Pulsar – e onde os maiores ganhos de eficiência são realizados?

O fluxo de trabalho começa no PyTorch, onde os desenvolvedores projetam e treinam seus modelos como fariam para IA convencional. Usando o SDK Talamo da Innatera, o modelo é convertido em uma rede neural de disparo otimizada para o hardware de Pulsar. Os desenvolvedores podem então simular, refinar e implantar o modelo diretamente no chip, frequentemente com uma pegada de apenas 5KB. A etapa de desenvolvimento do modelo está integrada a um fluxo de desenvolvimento de pipeline de aplicação mais amplo que permite que os desenvolvedores construam código que visa o RISC-V, bem como o acelerador CNN, de maneira unificada. Isso se traduz em uma experiência de desenvolvimento aprimorada e um tempo de desenvolvimento mais curto.

Os maiores ganhos de eficiência ocorrem uma vez que o modelo está em execução e funcionando em Pulsar nos núcleos de disparo baseados em eventos. Ao contrário dos MCUs convencionais que queimam energia continuamente, Pulsar computa apenas quando os dados de entrada mudam. Isso permite que tarefas sempre ativadas, como reconhecimento de gestos ou detecção de presença por radar, sejam executadas continuamente em níveis sub-miliwatt, entregando melhorias de magnitude na eficiência de energia enquanto mantém alta precisão e latência incrivelmente curta.

Quais setores estão mostrando a adoção mais rápida de sua tecnologia, e pode compartilhar exemplos de clientes ou parceiros iniciais que já estão implantando Pulsar em produtos?

A adoção de Pulsar está acontecendo mais rapidamente em áreas onde a detecção sempre ativada e o baixo consumo de energia são mais importantes, incluindo casas inteligentes, dispositivos vestíveis e segurança industrial. Um bom exemplo disso é a Aaroh Labs, que desenvolveu detectores de fumaça de próxima geração impulsionados pela Innatera, recentemente revelados na SEMICON India 2025. Esses dispositivos fazem mais do que apenas detectar fumaça, combinando detecção de fumaça com monitoramento de presença humana, criando uma consciência situacional mais rica e permitindo sistemas de segurança mais inteligentes para ambientes residenciais, comerciais e industriais.

A mesma abordagem neuromórfica pode se estender ao rastreamento de ativos e monitoramento ambiental, com implicações amplas para cuidados conectados de saúde e cidades inteligentes. Na SEMICON India, a CYRAN AI Solutions também demonstrou como a tecnologia da Innatera está sendo integrada a sistemas de sensores compactos, como dispositivos vestíveis de eletromiografia (EMG) para reconhecimento de gestos, destacando o potencial da IA neuromórfica para habilitar interação humana-máquina intuitiva.

Essas implantações iniciais são apenas o começo, sinalizando que a computação neuromórfica está mudando da teoria para a prática à medida que falamos, e rapidamente se enraizando em aplicações do mundo real.

Em demonstrações que vimos, exemplos como reconhecimento de gestos de baixo consumo de energia e detecção de presença por radar que consomem menos de um miliwatt. Como você valida a precisão e a confiabilidade em ambientes tão restritivos?

A validação frequentemente depende da aplicação, e além da precisão, as taxas de detecção de falsos positivos e falsos negativos fornecem uma indicação crítica da confiabilidade de uma solução. Frequentemente, os clientes têm KPIs e condições de teste específicas para validação. A flexibilidade de Pulsar é fundamental para permitir soluções abrangentes que permitem que os clientes atendam a todos os itens de sua lista de verificação de caso de uso. Comparações são feitas comparando com MCUs e aceleradores convencionais, que normalmente consomem 40 a 100 vezes mais energia para as mesmas tarefas.

Em demonstrações do mundo real, como detecção de presença por radar e classificação de cena de áudio, Pulsar entrega consistentemente precisões acima de 90% enquanto permanece dentro de orçamentos sub-miliwatt. Isso permite operação contínua sem sacrificar confiabilidade, algo que sistemas tradicionais sempre ativados normalmente tinham que comprometer, acordando do sono, reduzindo o desempenho ou descarregando para a nuvem.

Você posicionou Pulsar como complementar a NPUs e CPUs convencionais. Como você vê a computação neuromórfica se encaixando na pilha de silício mais ampla de dispositivos inteligentes futuros?

Pulsar é projetado como o primeiro chip com o qual os sensores se comunicam. Ele processa dados localmente em potência ultra-baixa, convertendo sinais brutos de sensores em informações significativas e ações diretamente na fonte. Os NPUs e CPUs podem então ser engajados apenas quando processamento mais pesado for necessário.

Isso torna os processadores neuromórficos uma camada complementar na pilha de silício; uma fundação sempre consciente e sempre ativada que estende a vida útil do dispositivo, reduz o uso de energia e melhora a resposta. Pulsar tira a tarefa de processamento de dados de sensores dos componentes de maior potência tradicionalmente presentes no sistema, permitindo que eles sejam desligados em muitos dispositivos e, em alguns casos, até eliminados completamente. Isso leva a dispositivos mais inteligentes e duradouros.

Qual é o papel das colaborações com parceiros como Aaroh Labs e CYRAN AI Solutions na aceleração da adoção no mundo real da IA neuromórfica?

Parcerias atuam como a ponte entre a tecnologia de ponta e a adoção ampla. Ao trabalhar com inovadores como Aaroh Labs e CYRAN AI Solutions, a Innatera garante que Pulsar seja validado em ambientes do mundo real e personalizado para verticais específicas. Aaroh Labs traz inteligência neuromórfica para infraestruturas de segurança críticas, enquanto a CYRAN AI Solutions demonstra seu potencial em interação humana-máquina intuitiva. Essas colaborações comprovam a versatilidade da tecnologia, reduzindo barreiras para outros adotantes e construindo confiança na implantação de processadores neuromórficos em escala.

Nossas parcerias com fornecedores de sensores, como a Socionext, permitem que empacotemos inteligência nos módulos de sensores, simplificando a adoção e implantação de sensores inteligentes em dispositivos. Além disso, essas colaborações fortalecem nosso ecossistema já forte e em crescimento, acelerando a disseminação da computação neuromórfica na indústria.

Olhando para o futuro, você vê Pulsar e seus sucessores se movendo em direção ao aprendizado e adaptação no dispositivo, em vez de apenas inferência na borda?

Absolutamente. Com Pulsar, mal começamos a arranhar a superfície do que a computação neuromórfica pode fazer. Os processadores neuromórficos são intrinsicamente bem adaptados ao aprendizado online e à adaptação, e Pulsar estabelece as bases para dispositivos que podem fazer muito mais do que apenas detectar e responder.

A computação neuromórfica está prestes a habilitar uma nova geração de dispositivos de borda adaptativos e autônomos; sistemas que aprendem, se auto-calibram e se otimizam em tempo real, enquanto funcionam com baterias minúsculas. Essa evolução desbloqueará uma ampla gama de aplicações, desde dispositivos vestíveis que se adaptam ao seu comportamento em tempo real até sistemas industriais que preveem e evitam falhas com uso mínimo de energia. O objetivo de longo prazo é criar dispositivos que sejam tão inteligentes quanto continuamente adaptáveis e resilientes, redefinindo o que é realmente possível na borda.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Innatera.