Entrevistas
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 na TU Delft, incluindo o projeto PRYSTINE de 50 milhões de euros sobre tecnologias de veículos autônomos, e ocupou cargos na Intel e na pesquisa acadêmica sobre arquiteturas de processadores avançados.
Innatera é uma empresa de semicondutores focada em trazer inteligência de ultra-baixo poder para a “borda do sensor”. Sua inovação central está em processadores de neurônios de pico construídos em uma arquitetura analógico-mista que imita o processamento baseado em eventos do cérebro. Esses chips podem reconhecer padrões em dados de sensores em níveis de potência de 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 uma 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 nos 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 as coisas até certo ponto quando se tratava de processamento contínuo em dispositivos alimentados por baterias pequenas. Estava claro que a forma como os dados do sensor 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, limpo e seguro, impulsionado por inteligência ambiental. Ao trazer inteligência para os sensores, nossos chips permitirão que os dados do sensor 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 de smart home e sistemas industriais, entre outros casos de uso, ao mesmo tempo em que estabelece a base 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 empresa com quatro pessoas cresceu, nesse tempo, para uma equipe global de 100 pessoas, em 15 países, unida por uma cultura centrada nas pessoas, construída sobre resiliência, criatividade e ambição.
Pulsar é descrito como o primeiro microcontrolador neuromórfico realmente 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 desenvolver abordagens inovadoras para resolver problemas difíceis. Como consequência, os benefícios das soluções tendem a ser medidos isoladamente. 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 pales em sua 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 do zero para integrar tudo o que é necessário para o processamento de dados do sensor dentro de um único chip: núcleos de neurônios de pico analógicos e digitais, aceleradores de CNN e FFT, e um subsistema RISC-V completo de 32 bits para gerenciamento do sistema e controle do sensor. Essa arquitetura heterogênea permite que Pulsar transforme dados brutos do sensor em insights ações diretamente no dispositivo, enquanto consome até 500 vezes menos energia e executa 100 vezes mais rápido do que os 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 mainstream e permite que modelos compactos com menos de 5KB sejam executados em orçamentos de energia de sub-miliwatt. Caber tudo isso em um pacote de 2,8 x 2,6 mm, Pulsar elimina a necessidade de configurações de vários chips volumosos, tornando-o 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 devido à falta de ferramentas amigáveis para desenvolvedores. Os desenvolvedores se deparavam com curvas de aprendizado íngremes e fluxos de trabalho desconhecidos, o que, por sua vez, desacelerava a inovação. Talamo aborda isso diretamente, fornecendo um SDK baseado em PyTorch que permite que os engenheiros projetem, treinem e implantem redes neurais de pico por meio de fluxos de trabalho familiares. Modelos compactos podem ser facilmente integrados a arquiteturas de sensores existentes, habilitando inteligência sempre ativada mesmo nos dispositivos mais pequenos e com restrições de energia. Ao remover complexidade e acelerar o desenvolvimento, Talamo torna a computação neuromórfica acessível a desenvolvedores mainstream e acelera o caminho da prototipagem para o produto.
Do ponto de vista técnico, como você equilibra os aceleradores de pico analógicos e digitais dentro do Pulsar para lidar com cargas de trabalho diversificadas de forma eficiente?
A arquitetura do Pulsar combina núcleos analógicos e digitais de pico 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 oferecem 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 o Pulsar sustente o desempenho de 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 no Pulsar – e onde os principais 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 pico otimizada para o hardware do Pulsar. Os desenvolvedores podem então simular, refinar e implantar o modelo diretamente no chip, frequentemente com pegadas de até 5KB. A etapa de desenvolvimento do modelo está integrada dentro de um fluxo de desenvolvimento de pipeline de aplicação mais amplo que permite que os desenvolvedores construam códigos que visam o RISC-V, bem como o acelerador de CNN, de forma unificada. Isso se traduz em uma experiência de desenvolvimento aprimorada e um tempo de desenvolvimento mais curto.
Os principais ganhos de eficiência ocorrem assim que o modelo está em execução no Pulsar nos núcleos de pico baseados em eventos. Ao contrário dos MCUs convencionais que queimam energia continuamente, o 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 de sub-miliwatt, entregando melhorias de várias ordens de magnitude em eficiência de energia, enquanto mantém alta precisão e latência extremamente 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 o Pulsar em produtos?
A adoção do Pulsar está acontecendo mais rapidamente em áreas onde a detecção sempre ativada e a potência ultra-baixa 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 apresentados 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 de saúde conectados 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 homem-máquina intuitiva.
Essas implantações iniciais são apenas o começo, sinalizando que a computação neuromórfica está passando da teoria para a prática, e rapidamente está se enraizando em aplicações do mundo real.
Nas demonstrações que vimos, exemplos como reconhecimento de gestos de ultra-baixa potência e detecção de presença por radar 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. Com frequência, os clientes têm KPIs e condições de teste específicas para validação. A flexibilidade do Pulsar é fundamental para permitir soluções abrangentes que permitem que os clientes marquem todas as caixas para seu caso de uso. As comparações são feitas comparando-se 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, o Pulsar entrega consistentemente precisões acima de 90% enquanto permanece dentro de orçamentos de sub-miliwatt. Isso permite operação contínua sem sacrificar a confiabilidade, algo que os sistemas tradicionais sempre ativados tradicionalmente tiveram que comprometer, acordando do sono, reduzindo o desempenho ou descarregando para a nuvem.
Você posicionou o 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?
O 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 do sensor 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. O Pulsar tira a tarefa de processamento de dados do sensor dos componentes de maior potência tradicionais 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 o Pulsar seja validado em ambientes do mundo real e personalizado para verticais específicos. A Aaroh Labs traz inteligência neuromórfica para infraestruturas de segurança críticas, enquanto a CYRAN AI Solutions demonstra seu potencial em interação homem-máquina intuitiva. Essas colaborações provam 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 dentro do módulo do sensor, simplificando a adoção e implantação de sensores inteligentes em dispositivos. Além disso, essas colaborações fortalecem nosso ecossistema já forte e em crescimento, e aceleram a disseminação da computação neuromórfica na indústria.
Olhando para o futuro, você vê o Pulsar e seus sucessores se movendo em direção ao aprendizado e adaptação no dispositivo, em vez de apenas inferência na borda?
Absolutamente. Com o Pulsar, mal começamos a arranhar a superfície do que a tecnologia neuromórfica pode fazer. Os processadores neuromórficos são intrinsicamente bem adaptados ao aprendizado e adaptação online, e o 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, autoajustam e otimizam em tempo real, enquanto são executados em 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.
