Sumeet Kumar, cofundador e CEO da Innatera – Série de entrevistas

Sumeet Kumar é cofundador 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, gerenciou pesquisas financiadas pela UE na TU Delft, incluindo o projeto PRYSTINE de € 50 milhões sobre tecnologias de veículos autônomos, e ocupou cargos na Intel e em pesquisas acadêmicas sobre arquiteturas avançadas de processadores.

Innatera é uma empresa de semicondutores focada em levar inteligência de ultrabaixo consumo de energia para a "borda dos sensores". Sua principal inovação reside em processadores neurais de pico, construídos em uma arquitetura de sinal analógico-misto que imita o processamento cerebral baseado em eventos. Esses chips conseguem reconhecer padrões em dados de sensores em níveis de potência abaixo de miliwatts e latência ultrabaixa, tornando-os ideais para aplicações sempre ativas e com restrição de energia.

Você foi cofundador da Innatera em 2018 com a visão de levar processadores neuromórficos do laboratório para dispositivos do mundo real. O que o motivou pessoalmente a fundar a empresa e como essa visão evoluiu nos últimos sete anos?

A Innatera foi fundada com uma missão clara em mente: levar inteligência semelhante à do cérebro diretamente ao sensor. Os sinais eram claros já em 2018: os dispositivos integravam sensores cada vez mais complexos e a necessidade de sensores sempre ativos crescia. Os microcontroladores não possuíam recursos de IA com eficiência energética, e mesmo isso só mudaria até certo ponto quando se tratasse de processamento contínuo em dispositivos alimentados por pequenas baterias. Estava claro que a forma como os dados dos sensores são processados ​​nesses dispositivos precisava mudar, e a década de pesquisa que realizamos na TUDelft sobre computação neuromórfica e processamento com eficiência energética parecia ter uma resposta para esse desafio.

Nossa visão se manteve consistente: um mundo mais inteligente, limpo e seguro, impulsionado pela inteligência ambiental. Ao levar inteligência aos sensores, nossos chips permitirão que os dados dos sensores do mundo sejam processados ​​diretamente na fonte, levando a uma redução radical no consumo de energia da IA ​​moderna. Nosso objetivo é tornar um bilhão de sensores inteligentes até 2030.

imprensa é o primeiro passo nessa jornada – é o primeiro microcontrolador neuromórfico do mundo projetado para adoção em larga escala. Ele torna a inteligência inspirada no cérebro prática em wearables, 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.

O Pulsar se baseia em uma abordagem fundamentalmente nova para o processamento no sensor, concretizada ao longo de 7 anos de intensa pesquisa e engenharia. O que começou como um empreendimento com quatro pessoas, cresceu nesse período para uma equipe global de 100 pessoas, em 15 países, unidas por uma cultura que prioriza as pessoas, baseada em resiliência, criatividade e ambição.

O Pulsar é descrito como o primeiro microcontrolador neuromórfico verdadeiramente comercializado em massa. O que o diferencia dos chips neuromórficos anteriores, que permaneceram em grande parte confinados a laboratórios de pesquisa?

O foco da pesquisa acadêmica frequentemente está no desenvolvimento de novas abordagens inovadoras para resolver problemas complexos. Como consequência, os benefícios das soluções tendem a ser medidos isoladamente. No entanto, quando essas novas tecnologias são implantadas em produção, elas precisam interagir com outras partes do sistema, o que frequentemente resulta na diluição de seus benefícios. Este também é o caso de muitas tecnologias de aceleração de IA neuromórficas e convencionais – elas são integradas a sistemas que não são projetados com os mesmos fundamentos em mente, e isso leva a um resultado que empalidece em sua eficiência. O Pulsar, por outro lado, é um microcontrolador completo e autônomo, desenvolvido especificamente para o processamento eficiente de dados de sensores na borda extrema.

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

Além do hardware, a Pulsar também supera a barreira de software de longa data. Seu Talamo SDK, com integração nativa com PyTorch, torna o desenvolvimento neuromórfico acessível a engenheiros comuns e permite que modelos compactos com menos de 5 KB sejam executados em orçamentos de energia abaixo de miliwatts. Com tudo isso em um encapsulamento de 2.8 x 2.6 mm, a Pulsar elimina a necessidade de configurações multichip volumosas, tornando-se o primeiro processador neuromórfico pronto para uma verdadeira implantação em massa.

Acessibilidade é um tema importante para a Innatera. Como o SDK Talamo, especialmente com sua integração com PyTorch, reduz a barreira para desenvolvedores iniciantes em computação neuromórfica? 

Durante décadas, a principal barreira para a adoção da computação neuromórfica não era o hardware, mas sim a falta de ferramentas amigáveis ​​ao desenvolvedor. Os desenvolvedores enfrentavam curvas de aprendizado íngremes e fluxos de trabalho desconhecidos, o que, por sua vez, retardava a inovação. A Talamo aborda isso diretamente ao fornecer um SDK baseado em PyTorch que permite aos engenheiros projetar, treinar e implantar redes neurais com picos de desempenho por meio de fluxos de trabalho familiares. Modelos compactos podem ser facilmente integrados às arquiteturas de sensores existentes, permitindo inteligência sempre ativa até mesmo nos menores dispositivos com menor consumo de energia. Ao remover a complexidade e acelerar o desenvolvimento, a Talamo torna a computação neuromórfica acessível aos desenvolvedores tradicionais e acelera o caminho do protótipo ao produto.

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

A arquitetura do Pulsar combina núcleos analógicos e digitais com picos de energia para otimizar o uso de energia e a flexibilidade. Os núcleos analógicos fornecem processamento ultraeficiente para cargas de trabalho de sensores contínuas e sempre ativas, 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 núcleos de acordo com as necessidades da aplicação, garantindo que a energia seja consumida apenas quando os dados mudam. Essa abordagem orientada a eventos permite que o Pulsar mantenha um desempenho abaixo de um miliwatt, mantendo a flexibilidade para suportar diversas aplicações do mundo real.

Você pode nos explicar um fluxo de trabalho típico de um desenvolvedor — do treinamento de um modelo à implantação no Pulsar — ​​e onde os maiores ganhos de eficiência são obtidos?

O fluxo de trabalho começa no PyTorch, onde os desenvolvedores projetam e treinam seus modelos como fariam para IA convencional. Usando o Talamo SDK 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 implementar o modelo diretamente no chip, geralmente com dimensões de apenas 5 KB. A etapa de desenvolvimento do modelo é integrada a um fluxo de desenvolvimento de pipeline de aplicação maior, que permite ao desenvolvedor construir código direcionado ao RISC-V, bem como ao acelerador CNN, de forma unificada. Isso se traduz em uma experiência de desenvolvimento aprimorada e em um tempo de desenvolvimento mais curto.

Os maiores ganhos de eficiência ocorrem quando o modelo está em operação nos núcleos de pico acionados por eventos do Pulsar. Ao contrário dos MCUs convencionais que consomem energia continuamente, o Pulsar computa apenas quando os dados de entrada mudam. Isso permite que tarefas sempre ativas, como reconhecimento de gestos ou detecção de presença por radar, sejam executadas continuamente em níveis abaixo de miliwatts, proporcionando melhorias de ordens de magnitude na eficiência energética, mantendo alta precisão e latência incrivelmente curta.

Quais setores estão mostrando a adoção mais rápida da sua tecnologia? Você pode compartilhar exemplos de clientes ou parceiros antigos que já estão implementando o Pulsar em produtos?

A adoção do Pulsar está acontecendo mais rapidamente em áreas onde a detecção sempre ativa e o consumo de energia ultrabaixo 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 última geração com tecnologia Innatera, recentemente apresentados na SEMICON Índia 2025. Esses dispositivos fazem mais do que apenas detectar fumaça, combinando a detecção de fumaça com o monitoramento da presença humana, criando uma consciência situacional mais rica e possibilitando sistemas de segurança mais inteligentes para ambientes residenciais, comerciais e industriais.

A mesma abordagem neuromórfica pode ser estendida ao rastreamento de ativos e ao monitoramento ambiental, com amplas implicações para a saúde conectada e cidades inteligentes. Na SEMICON Índia, 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 permitir a interação intuitiva entre humanos e máquinas.

Essas primeiras implantações são apenas o começo, sinalizando que a computação neuromórfica está mudando da teoria para a prática neste exato momento e rapidamente se enraizando em aplicações do mundo real.

Em demonstrações, vimos exemplos como reconhecimento de gestos de baixíssimo consumo de energia e detecção de presença por radar, consumindo menos de um miliwatt. Como validar a precisão e a confiabilidade em ambientes tão restritos?

A validação geralmente 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 específicos para validação. A flexibilidade da Pulsar é fundamental para viabilizar soluções abrangentes que permitam aos clientes atender a todos os requisitos para seu caso de uso. As comparações são feitas por meio de benchmarking com MCUs e aceleradores convencionais, que normalmente consomem de 40 a 100 vezes mais energia para as mesmas tarefas.

Em demonstrações práticas, como detecção de presença baseada em radar e classificação de cenas de áudio, o Pulsar oferece consistentemente precisões acima de 90%, mantendo-se dentro dos limites de submiliwatts. Isso permite operação contínua sem sacrificar a confiabilidade, algo que os sistemas tradicionais sempre ativos tradicionalmente tinham que comprometer ao sair do modo de espera, reduzir o desempenho ou transferir dados para a nuvem.

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

O Pulsar foi projetado como o primeiro chip com o qual sensores se comunicam. Ele processa dados localmente com consumo de energia ultrabaixo, convertendo sinais brutos do sensor em informações significativas e acionáveis, diretamente na fonte. NPUs e CPUs podem então ser acionadas apenas quando um processamento mais pesado for necessário.

Isso torna os processadores neuromórficos uma camada complementar na pilha de silício; uma base sempre atenta e sempre ativa que prolonga a vida útil dos dispositivos, reduz o consumo de energia e melhora a capacidade de resposta. O Pulsar retira a tarefa de processamento de dados dos sensores dos componentes tradicionalmente de maior potência do sistema, permitindo que eles sejam desligados em muitos dispositivos e, em alguns casos, até mesmo eliminados completamente. Isso resulta em dispositivos mais inteligentes e duradouros.

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

As parcerias atuam como a ponte entre a tecnologia inovadora e a ampla adoção. Ao trabalhar com inovadores como a Aaroh Labs e a CYRAN AI Solutions, a Innatera garante que o Pulsar seja validado em ambientes reais e adaptado para setores específicos. A Aaroh Labs traz inteligência neuromórfica para infraestruturas críticas de segurança, enquanto a CYRAN AI Solutions demonstra seu potencial na interação intuitiva entre homem e máquina. Essas colaborações comprovam a versatilidade da tecnologia, reduzindo barreiras para outros adotantes e gerando confiança na implantação de processadores neuromórficos em escala.

Nossas parcerias com fornecedores de sensores, como a Socionext, nos permitem integrar inteligência ao módulo do sensor, simplificando a adoção e a implantação de sensores inteligentes em dispositivos. Além disso, essas colaborações fortalecem nosso ecossistema já sólido e crescente e aceleram a disseminação da computação neuromórfica no setor.

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

Com certeza. Com o Pulsar, estamos apenas começando a explorar o que o neuromórfico pode fazer. Processadores neuromórficos são inerentemente adequados para aprendizagem 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 pronta para viabilizar uma nova geração de dispositivos de ponta adaptativos e autônomos; sistemas que aprendem, se autocalibram e otimizam em tempo real enquanto funcionam com baterias minúsculas. Essa evolução abrirá uma ampla gama de aplicações, desde wearables que se ajustam ao seu comportamento em tempo real até sistemas industriais que preveem e previnem falhas com consumo mínimo de energia. O objetivo a longo prazo é criar dispositivos que sejam tão inteligentes quanto continuamente adaptáveis ​​e resilientes, redefinindo o que é realmente possível na ponta.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Innatera.