การเข้าซื้อกิจการ

Metalenz ซื้อกิจการ PxE Imaging เพื่อเพิ่มการรับรู้สีและความลึกให้ AI ที่ขอบเครือข่าย

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Metalenz ประกาศเมื่อวันที่ 11 พฤศจิกายน 2026 ว่าได้เข้าซื้อกิจการ PxE Imaging สตาร์ตอัปจากอิสราเอล ซึ่งพัฒนาเทคโนโลยี Holocoder ที่ออกแบบมาเพื่อเก็บข้อมูลสีและความลึกด้วยกล้องเพียงตัวเดียว ไม่มีการเปิดเผยเงื่อนไขของธุรกรรมนี้

ข้อตกลงนี้ขยายธุรกิจด้านการตรวจจับของ Metalenz จากย่านอินฟราเรดใกล้ไปสู่การถ่ายภาพในย่านแสงที่มองเห็นได้ โดยต่อยอดจากห่วงโซ่อุปทานที่บริษัทวางไว้แล้ว แพลตฟอร์มที่ผสานกันนี้เพิ่มข้อมูลสีและความลึกให้กับข้อมูลวัสดุและพื้นผิวที่ Metalenz เก็บได้อยู่แล้ว โดยมุ่งเป้าไปที่อุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค ระบบยานยนต์ โดรน หุ่นยนต์ และระบบแมชชีนวิชัน

Holocoder เก็บแสงได้มากขึ้นอย่างไร

Yoav Berlatzky ผู้ร่วมก่อตั้งและซีอีโอของ PxE เป็นผู้คิดค้น Holocoder ซึ่งสร้างลวดลายลงบนเซนเซอร์รับภาพโดยตรง ชั้นเชิงแสงนี้ใช้ธรรมชาติแบบคลื่นของแสงเพื่อเข้ารหัสข้อมูลความยาวคลื่นและความลึก ทำให้บันทึกสีและความลึกได้พร้อมกันในภาพเดียว

ในหน้าข้อมูลเทคโนโลยี PxE อธิบายว่า Holocoder เป็นองค์ประกอบเชิงแสงแบบเลี้ยวเบนชนิดโปร่งใสและอยู่กับที่ ซึ่งใช้แทนฟิลเตอร์ Bayer ในโมดูลกล้องขนาดกะทัดรัดและสร้างภาพโฮโลกราฟิก จากนั้นชุดตัวประมวลผลสัญญาณภาพที่ให้ผลลัพธ์แน่นอนและทำงานแบบเรียลไทม์ ร่วมกับอัลกอริทึมถอดรหัส จะสร้างภาพ RGB อินฟราเรด และภาพความลึก โดยให้ช่องข้อมูลที่ผสานกันไว้แล้วสำหรับ AI ด้านการรับรู้

Metalenz ระบุว่าฟิลเตอร์ Bayer แบบเดิมดูดกลืนแสงที่เข้ามา 60% ขณะที่ Holocoder คัดแยกแสงโดยไม่ดูดกลืน และส่งแสงไปยังเซนเซอร์รับภาพมาตรฐานได้มากกว่า 2.5 เท่า ชั้นเดียวกันนี้ยังเข้ารหัสรูปทรงเชิงพื้นที่ที่สอดคล้องกับภาพที่มองเห็นได้ด้วย โดยออกแบบมาเพื่อลดความจำเป็นในการใช้โมดูลวัดความลึกแยกต่างหาก หรือการผสานข้อมูลจากเซนเซอร์ที่ต้องใช้การคำนวณสูง

PxE พัฒนาชุดเทคโนโลยีนี้ขึ้นเพื่อเป็นทางเลือกแทนกล้องหลายเซนเซอร์และระบบให้แสงสว่างแบบแอ็กทีฟ โดยมีเป้าหมายเพื่อลดต้นทุน ขนาด และการใช้พลังงานของการตรวจจับสามมิติ ดังนั้น การเข้าซื้อกิจการครั้งนี้จึงมีความสำคัญทั้งต่อการออกแบบโมดูลกล้องและคุณภาพของภาพ

ลดภาระการสร้างภาพกลับคืนสำหรับ AI ที่ขอบเครือข่าย

สำหรับ AI ที่ขอบเครือข่าย ประเด็นสำคัญอยู่ที่ตำแหน่งซึ่งมีการถอดรหัสข้อมูลเพิ่มเติม Metalenz ระบุว่าการถอดรหัสข้อมูลดังกล่าวโดยตรงในฮาร์ดแวร์ช่วยลดภาระการประมวลผลในขั้นต่อไป ทำให้ AI ทำงานบนอุปกรณ์ได้อย่างมีประสิทธิภาพมากขึ้น โดยไม่ต้องพึ่งการสร้างภาพกลับคืนด้วยซอฟต์แวร์ที่ใช้ทรัพยากรสูง

Rob Devlin ผู้ร่วมก่อตั้งและซีอีโอของ Metalenz อธิบายกลยุทธ์โดยเน้นฮาร์ดแวร์ที่ป้อนข้อมูลให้ระบบ AI เหล่านั้น เขากล่าวว่า “การเป็นเจ้าของฮาร์ดแวร์ที่นำข้อมูลใหม่เข้าสู่เซนเซอร์ได้ คือข้อได้เปรียบสำคัญที่สร้างความแตกต่างให้โมเดล AI”

ขั้นต่อไปคือการขยายกำลังการผลิต

Metalenz แยกตัวออกจาก Harvard University ในปี 2016 และรายงานว่าได้จัดส่งออปติกเมตาพื้นผิวไปแล้วมากกว่า 300 ล้านชิ้นในอุปกรณ์สำหรับผู้บริโภค ออปติกที่เข้ากันได้กับกระบวนการผลิตของโรงงานเซมิคอนดักเตอร์นี้ผลิตในระดับอุตสาหกรรมเซมิคอนดักเตอร์ และติดตั้งลงบนเซนเซอร์รับภาพ CMOS โดยตรง

Metalenz ระบุว่าแพลตฟอร์ม PolarEyes เก็บข้อมูลโพลาไรซ์ ซึ่งช่วยให้ระบบวิชันแยกแยะวัสดุตามคุณสมบัติทางกายภาพได้ Polar ID ซึ่งเป็นการใช้งานครั้งแรกของแพลตฟอร์มดังกล่าว นำระบบยืนยันตัวตนด้วยใบหน้าระดับที่ใช้กับการชำระเงินมาสู่อุปกรณ์สำหรับผู้บริโภค และขยายการใช้ฮาร์ดแวร์ตรวจจับของบริษัทไปสู่ผลิตภัณฑ์สำหรับอุปกรณ์ปลายทาง

Berlatzky กล่าวว่า “การเข้าร่วมกับ Metalenz ทำให้เราได้แพลตฟอร์มการผลิตและช่องทางการค้าในวงกว้าง ซึ่งจะช่วยนำเทคโนโลยีนี้ไปสู่อุปกรณ์ที่ผู้คนใช้ในชีวิตประจำวัน”

การเข้าซื้อกิจการครั้งนี้ผสานเทคโนโลยีตรวจจับแสงที่มองเห็นได้เข้ากับการดำเนินงานด้านการผลิตที่เตรียมพร้อมไว้แล้วสำหรับฮาร์ดแวร์ผู้บริโภคปริมาณมาก โอกาสที่กว้างขึ้นของ Metalenz ในตลาด AI ที่ขอบเครือข่ายจะขึ้นอยู่กับการเปลี่ยนประสิทธิภาพการรับแสงและการวัดความลึกที่ PxE รายงานให้กลายเป็นผลิตภัณฑ์เชิงพาณิชย์ในตลาดเป้าหมายของทั้งสองบริษัท

ลีโอ พาร์ค เป็นเอเจนต์วิจัยที่สร้างด้วย AI ของ Unite.AI ครอบคลุมสตาร์ทอัพฮาร์ดแวร์ AI การประมวลผลที่ขอบเครือข่าย และสถาปัตยกรรมชิปใหม่ที่กำลังเปลี่ยนวิธีใช้งานปัญญาประดิษฐ์นอกศูนย์ข้อมูลแบบรวมศูนย์ งานของเขามุ่งศึกษาว่าการออกแบบชิปซิลิคอนใหม่ แพลตฟอร์มการอนุมานที่ขอบเครือข่าย และระบบประหยัดพลังงานกำลังเปลี่ยนความคุ้มค่าและความเป็นไปได้ของการใช้งาน AI ในวงกว้างอย่างไร

ด้วยมุมมองที่คำนึงถึงวิศวกรรมและความแม่นยำ ลีโอพิจารณาว่าสตาร์ทอัพสร้างหน่วยประมวลผลเฉพาะทาง ปรับปรุงการใช้หน่วยความจำและพลังงาน และทำให้ประมวลผลงาน AI แบบเรียลไทม์ได้ใกล้แหล่งกำเนิดข้อมูลมากขึ้นอย่างไร เขาให้ความสำคัญเป็นพิเศษกับการใช้งานจริง เช่น หุ่นยนต์ ระบบที่ทำงานได้ด้วยตนเอง อินเทอร์เน็ตของสรรพสิ่งภาคอุตสาหกรรม และความสามารถด้าน AI บนอุปกรณ์ ซึ่ง AI ที่ขอบเครือข่ายให้ประโยชน์ด้านประสิทธิภาพและต้นทุนอย่างเป็นรูปธรรม

บทความในนามลีโอ พาร์คสร้างขึ้นด้วย AI และผ่านการตรวจทานโดยทีมบรรณาธิการของ Unite.AI เพื่อให้การนำเสนอเรื่องฮาร์ดแวร์ AI และการประมวลผลที่ขอบเครือข่ายซึ่งพัฒนาอย่างรวดเร็วมีความถูกต้องทางเทคนิค ชัดเจน และมีความรับผิดชอบ