Ethernovia samlar in över 90 miljoner dollar i serie B för att utveckla fysisk AI-nätverk

Ethernovia har avslutat en serie B-finansieringsrunda på över 90 miljoner dollar, då efterfrågan på nätverkskretsar som kan stödja realtidsautonomi över fordon, robotar och industriella system ökar. Rundan leddes av Maverick Silicon, med deltagande från Socratic Partners, Conduit Capital och CDIB-TEN Capital, samt fortsatt stöd från befintliga investerare, inklusive Porsche SE, Qualcomm Ventures (QCOM ) och Fall Line Capital.

Ethernovia, som har sitt huvudkontor i Silicon Valley, bygger en ny klass av Ethernet-baserade paketprocessorer som ska fungera som dataryggraden – eller “nervsystemet” – för intelligenta maskiner som opererar på kanten. Företaget fokuserar på en växande flaskhals i autonomi: att flytta stora mängder sensor-, vision- och AI-data på ett förutsägbart och effektivt sätt i realtid.

Ombyggnad av datainfrastrukturen för autonomi

Autonoma fordon, avancerade förarstödsystem och industrirobotar förlitar sig alltmer på dussintals höghastighetssensorer och AI-arbetsbelastningar som måste fungera med deterministisk latens. Traditionella fordon och industriella nätverk var aldrig utformade för dessa krav, vilket ofta resulterar i fragmenterade arkitekturer, högre systemkomplexitet och ökade kostnader.

Ethernovias tillvägagångssätt kretsar kring Ethernet-baserade arkitekturer som drivs av paketprocessorer som förenar nätverk, beräkning och dataorkestrering. Istället för att förlita sig på ett lapptäcke av äldre databussar och punkt-till-punkt-länkar är deras plattform byggd för att samla in och dirigera realtidsdataströmmar på ett programmerbart och skalbart sätt – som stöder både zonbaserade och centraliserade systemdesigner.

Paketprocessorer byggda för fysisk AI

I hjärtat av Ethernovias teknik finns en familj högpresterande paketprocessorer som är utformade specifikt för kant och fysiska AI-arbetsbelastningar. Dessa chip är utformade för att hantera höghastighetssensor- och AI-trafik med deterministisk latens och stark effekteffektivitet, två begränsningar som alltmer definierar framgång i fordons- och robotdistributioner.

Genom att stödja programmerbara datapath och skalbara Ethernet-nätverksstrukturer möjliggör plattformen mjukvarudefinierade system som kan utvecklas över tid genom över luften-uppdateringar, samtidigt som de uppfyller säkerhetskritiska prestandakrav. Denna flexibilitet är särskilt relevant när OEM:er flyttar mot arkitekturer där funktionalitet definieras mer av mjukvara än fasta hårdvarukonfigurationer.

Momentum över fordons-, robot- och industribranschen

Medan fordon fortfarande är en nyckelfokus är Ethernovias teknik positionerad över flera marknader där realtidskantintelligens blir alltmer avgörande. Robotplattformar, industriella automatiseringssystem och framväxande AI-definierade maskiner möter alla liknande utmaningar kring latens, synkronisering och dataförflyttning. I varje fall dikteras prestandabegränsningarna alltmer av, inte rå beräkningskapacitet, utan hur effektivt data kan flyttas mellan sensorer, processorer och aktuatorer under strikta tidsgarantier.

Dessa sektorer konvergerar också arkitektoniskt. Robot- och industriella system börjar anta designprinciper som tidigare var specifika för fordon, såsom zonarkitekturer och centraliserad beräkning, medan fordonplattformar lånar koncept från datacenter, inklusive mjukvarudefinierat nätverk och standardiserade Ethernet-nätverksstrukturer. Denna konvergens skapar efterfrågan på nätverkskretsar som kan operera tillförlitligt över olika miljöer samtidigt som de stöder långa produktlivscykler och utvecklande mjukvarukrav.

Den nya finansieringen kommer att användas för att påskynda utveckling och produktion av företagets nästa generations paketprocessorer, utöka dess mjukvaru- och systemförmågor och fördjupa kundengagemang över dessa sektorer. När distributioner flyttar från piloter till skalförd produktion skiftar fokus mot plattformar som kan stödja långsiktiga uppgraderingar, blandade arbetsbelastningar och ökad autonomi utan att kräva grundläggande omkonstruktioner.

Vad detta signalerar för fysisk AI:s framtid

Ethernovias insamling belyser en bredare förändring som pågår inom autonomi och robotik: intelligens är inte längre begränsad av algoritmer ensam, utan av den infrastruktur som kopplar samman sensorisk avläsning, resonemang och handling i den fysiska världen. När AI-system flyttar ut ur molnet och in i fordon, fabriker och maskiner blir nätverkskretsar en grundläggande lager snarare än en eftertanke.

Denna förändring speglar en växande erkänsla av att fysiska AI-system slutligen är realtidsystem. Fördröjningar, tappade paket eller oförutsägbar latens kan ha mätbara konsekvenser, från nedsatt prestanda till säkerhetsrisker. Som ett resultat blir deterministisk dataförflyttning lika viktig som modellprecision eller beräkningsgenomströmning.

Paketcentrerade, Ethernet-baserade arkitekturer pekar mot en framtid där intelligenta maskiner är mer modulära, uppgraderbara och mjukvarudefinierade, som speglar utvecklingen i datacenter under det senaste decenniet. Om denna övergång fortsätter kan den konkurrensutsatta landskapsbilden inom fysisk AI alltmer bero på vem som kan leverera den mest tillförlitliga, anpassningsbara datastrukturen – en som kan stödja kontinuerlig innovation utan att offra realvärldsprestanda.