สุเมท คูมา, ผู้ร่วมก่อตั้งและซีอีโอของ Innatera – สัมภาษณ์ซีรีส์

สุเมท คูมา เป็นผู้ร่วมก่อตั้งและซีอีโอของ Innatera Nanosystems ซึ่งเขานำการพัฒนาโปรเซสเซอร์แบบ neuromorphic ที่มีประสิทธิภาพสูงสำหรับการวิเคราะห์ข้อมูลเซ็นเซอร์ใน IoT, อุปกรณ์ wearables และอุปกรณ์ฝังตัว ก่อนหน้านี้ เขาได้จัดการการวิจัยที่ได้รับทุนจาก EU ที่ TU Delft รวมถึงโครงการ PRYSTINE มูลค่า 50 ล้านยูโรเกี่ยวกับเทคโนโลยีรถยนต์แบบอัตโนมัติ และดำรงตำแหน่งที่ Intel (INTC ) และการวิจัยทางวิชาการเกี่ยวกับสถาปัตยกรรมโปรเซสเซอร์ที่ทันสมัย

Innatera เป็นบริษัท半導體ที่มุ่งเน้นในการนำเสนอความฉลาดที่มีพลังงานต่ำสุดไปยัง “จุดสิ้นสุดของเซ็นเซอร์” นวัตกรรมหลักของพวกเขานั้นอยู่ในโปรเซสเซอร์แบบ spiking neural ที่สร้างขึ้นบนสถาปัตยกรรมแบบ analog-mixed signal ซึ่งเลียนแบบการประมวลผลแบบอีเวนต์ของสมอง ชิปเหล่านี้สามารถรับรู้รูปแบบในข้อมูลเซ็นเซอร์ที่ระดับพลังงาน sub-milliwatt และความล่าช้าที่ต่ำมาก ทำให้พวกมันเหมาะสำหรับการใช้งานที่ต้องการให้ทำงานตลอดเวลาและจำกัดพลังงาน

คุณร่วมก่อตั้ง Innatera ในปี 2018 ด้วยวิสัยทัศน์ที่จะนำโปรเซสเซอร์แบบ neuromorphic จากห้องปฏิบัติการเข้าสู่อุปกรณ์จริง คืออะไรที่ขับเคลื่อนคุณส่วนบุคคลในการเริ่มต้นบริษัท และวิสัยทัศน์นั้นได้พัฒนาไปอย่างไรในช่วง 7 ปีที่ผ่านมา?

Innatera ก่อตั้งขึ้นด้วยภารกิจที่ชัดเจน คือ การนำความฉลาดแบบสมองมาไว้ที่เซ็นเซอร์ สัญญาณเหล่านั้นชัดเจนแม้กระทั่งในปี 2018 อุปกรณ์ต่างๆ ได้รวมเซ็นเซอร์ที่ซับซ้อนมากขึ้น และความต้องการการตรวจจับที่ทำงานตลอดเวลากำลังเพิ่มขึ้น ไมโครคอนโทรลเลอร์ขาดความสามารถ AI ที่มีประสิทธิภาพด้านพลังงาน และแม้แต่นั้นก็จะย้ายเข็มทิศได้ไม่มากนักเมื่อพูดถึงการประมวลผลอย่างต่อเนื่องในอุปกรณ์ที่ขับเคลื่อนด้วยแบตเตอรี่ขนาดเล็ก มันชัดเจนว่าวิธีการประมวลผลข้อมูลเซ็นเซอร์ในอุปกรณ์เหล่านั้นต้องเปลี่ยนแปลง และทศวรรษของการวิจัยที่เราทำที่ TUDelft เกี่ยวกับการคำนวณแบบ neuromorphic และการประมวลผลที่มีประสิทธิภาพด้านพลังงานดูเหมือนจะมีคำตอบสำหรับความท้าทายนี้

วิสัยทัศน์ของเรายังคงสม่ำเสมอ – โลกที่ฉลาดขึ้น สะอาดขึ้น และปลอดภัยขึ้น โดยการนำความฉลาดมาไว้ที่เซ็นเซอร์ ชิปของเราจะทำให้ข้อมูลเซ็นเซอร์ของโลกสามารถประมวลผลได้โดยตรงที่แหล่งที่มา ซึ่งจะนำไปสู่การลดการใช้พลังงานของ AI แบบสมัยใหม่อย่างมาก เราตั้งเป้าที่จะทำให้เซ็นเซอร์หนึ่งพันล้านตัวมีความฉลาดโดยปี 2030

Pulsar เป็นขั้นตอนแรกใน旅程นี้ – เป็นไมโครคอนโทรลเลอร์แบบ neuromorphic ตัวแรกที่ออกแบบสำหรับการนำไปใช้ในวงกว้าง มันทำให้ความฉลาดแบบสมองเป็นเรื่องจริงในอุปกรณ์ wearables, สมาร์ทโฮม, และระบบอุตสาหกรรม รวมถึงกรณีการใช้งานอื่นๆ ในขณะเดียวกันก็สร้างรากฐานสำหรับเทคโนโลยีแบบอัตโนมัติและอัตลักษณ์ในอนาคต

Pulsar สร้างขึ้นจากแนวทางใหม่ในการประมวลผลที่เซ็นเซอร์ ซึ่งพัฒนาและวิศวกรรมมาเป็นเวลา 7 ปี ซึ่งเริ่มต้นด้วยการผจญภัยกับคนสี่คน และเติบโตเป็นทีมระดับโลกที่มี 100 คน จาก 15 ประเทศ ซึ่งรวมกันโดยวัฒนธรรมที่ให้ความสำคัญกับคน ความยืดหยุ่น ความสร้างสรรค์ และความทะเยอทะยาน

Pulsar ได้รับการอธิบายว่าเป็นไมโครคอนโทรลเลอร์แบบ neuromorphic ตัวแรกที่แท้จริงสำหรับการใช้ในวงกว้าง คืออะไรที่ทำให้มันแตกต่างจากชิปแบบ neuromorphic ก่อนหน้านี้ที่ยังคงอยู่ในห้องปฏิบัติการวิจัย?

จุดมุ่งเน้นของการวิจัยทางวิชาการมักอยู่ที่การสร้างแนวทางใหม่ๆ ในการแก้ปัญหาที่ยากลำบาก ในทางกลับกัน ผลประโยชน์ของวิธีแก้ปัญหาเหล่านั้นมักจะถูกวัดในแง่ของการแยกออกจากกัน เมื่อเทคโนโลยีเหล่านี้ถูกนำไปใช้ในการผลิต พวกมันจะต้องโต้ตอบกับส่วนอื่นๆ ของระบบ ซึ่งมักจะทำให้ประโยชน์ของมันลดลง นี่คือสิ่งที่เกิดขึ้นกับเทคโนโลยีแบบ neuromorphic และการเร่งความเร็ว AI แบบเดิมๆ พวกมันถูกผสมผสานเข้ากับระบบที่ไม่ได้ออกแบบตามหลักการเดียวกัน ซึ่งนำไปสู่ผลลัพธ์ที่ซบเซา Pulsar ในทางกลับกัน เป็นไมโครคอนโทรลเลอร์ที่สมบูรณ์และแยกตัวออกจากกัน ซึ่งออกแบบมาเพื่อการประมวลผลข้อมูลเซ็นเซอร์ที่มีประสิทธิภาพสูง

มันถูกออกแบบมาจากศูนย์ขึ้นเพื่อรวมทุกสิ่งที่จำเป็นสำหรับการประมวลผลข้อมูลเซ็นเซอร์ภายในชิปเดียว: คอร์แบบ spiking neural แบบ analog และ digital, ตัวเร่งความเร็ว CNN และ FFT, และระบบย่อย 32 บิต RISC-V สำหรับการจัดการระบบและการควบคุมเซ็นเซอร์ สถาปัตยกรรมที่หลากหลายนี้ทำให้ Pulsar สามารถเปลี่ยนข้อมูลเซ็นเซอร์แบบดิบให้เป็นข้อมูลเชิงลึกที่สามารถดำเนินการได้โดยตรงที่อุปกรณ์ ในขณะเดียวกันก็ใช้พลังงานน้อยกว่า 500 เท่าและเร็วกว่าโปรเซสเซอร์ AI แบบเดิมๆ ถึง 100 เท่า

นอกเหนือจากฮาร์ดแวร์ Pulsar ยังแก้ไขอุปสรรคด้านซอฟต์แวร์ที่มีมานาน SDK Talamo ของมัน พร้อมการผสานรวม PyTorch โดยธรรมชาติ ทำให้การพัฒนาแบบ neuromorphic เปิดกว้างสำหรับวิศวกรหลักๆ และทำให้สามารถรันโมเดลที่มีขนาดเล็กกว่า 5KB ในงบประมาณพลังงาน sub-milliwatt การรวมทุกสิ่งนี้เข้าด้วยกันในแพ็คเกจขนาด 2.8 x 2.6 มม. Pulsar ลบความจำเป็นในการตั้งค่าหลายชิปที่มีขนาดใหญ่ ทำให้เป็นโปรเซสเซอร์แบบ neuromorphic ตัวแรกที่พร้อมสำหรับการใช้ในวงกว้าง

การเข้าถึงเป็นธีมใหญ่สำหรับ Innatera คืออะไรที่ SDK Talamo โดยเฉพาะอย่างยิ่งด้วยการผสานรวม PyTorch ลดอุปสรรคสำหรับนักพัฒนาที่ใหม่ๆ ในการคำนวณแบบ neuromorphic? 

เป็นเวลานาน อุปสรรคหลักในการนำแบบ neuromorphic ไปใช้ไม่ได้มาจากฮาร์ดแวร์ แต่มาจากการที่ไม่มีเครื่องมือที่เป็นมิตรกับนักพัฒนานักพัฒนาต้องเผชิญกับเส้นการเรียนรู้ที่ชันและกระบวนการทำงานที่ไม่คุ้นเคย ซึ่งทำให้การนวัตกรรมชะลอ Talamo จัดการกับปัญหานี้โดยตรงโดยการให้ SDK ที่ใช้ PyTorch ซึ่งทำให้วิศวกรสามารถออกแบบ ฝึกอบรม และใช้โมเดลแบบ spiking neural ผ่านกระบวนการทำงานที่คุ้นเคย โมเดลที่กะทัดรัดสามารถรวมเข้ากับโครงสร้างเซ็นเซอร์ที่มีอยู่ได้อย่างง่ายดาย ทำให้ความฉลาดแบบตลอดเวลาเป็นไปได้ในอุปกรณ์ที่เล็กที่สุดและจำกัดพลังงานมากที่สุด

จากมุมมองทางเทคนิค คุณสร้างสมดุลระหว่างตัวเร่งความเร็ว spiking แบบ analog และ digital ภายใน Pulsar เพื่อจัดการกับงานที่หลากหลายอย่างมีประสิทธิภาพได้อย่างไร? 

สถาปัตยกรรมของ Pulsar ผสมผสานระหว่างคอร์แบบ spiking neural แบบ analog และ digital เพื่อเพิ่มประสิทธิภาพการใช้พลังงานและความยืดหยุ่น คอร์แบบ analog ให้การประมวลผลที่มีประสิทธิภาพสูงสำหรับงานเซ็นเซอร์ที่ต่อเนื่องและตลอดเวลาที่ทุกไมโครวัตต์ถูกนับ คอร์แบบ digital ให้ความสามารถในการเขียนโปรแกรมและความแม่นยำสำหรับงานที่ซับซ้อนหรือเปลี่ยนแปลงได้ ในขณะเดียวกันก็ยังคงอยู่ภายในขอบเขตพลังงานที่มีประสิทธิภาพ การกระจายงานไปตามคอร์ทั้งสองขึ้นอยู่กับความต้องการของแอปพลิเคชัน ซึ่งรับประกันว่าพลังงานจะถูกใช้เฉพาะเมื่อมีการเปลี่ยนแปลงข้อมูลเท่านั้น การเข้าถึงแบบอีเวนต์นี้ทำให้ Pulsar สามารถรักษาความสามารถในการทำงานที่ sub-milliwatt ในขณะเดียวกันก็รักษาความยืดหยุ่นในการสนับสนุนแอปพลิเคชันในโลกแห่งความเป็นจริงที่หลากหลาย

คุณสามารถอธิบายกระบวนการทำงานของนักพัฒนาตั้งแต่การฝึกอบรมโมเดลไปจนถึงการนำไปใช้กับ Pulsar และที่ไหนที่ได้รับประโยชน์มากที่สุด?

กระบวนการทำงานเริ่มต้นที่ PyTorch โดยที่นักพัฒนาออกแบบและฝึกอบรมโมเดลตามที่พวกเขาทำสำหรับ AI แบบเดิมๆ โดยใช้ SDK Talamo ของ Innatera โมเดลจะถูกแปลงให้เหมาะสมกับฮาร์ดแวร์ของ Pulsar นักพัฒนาสามารถจำลองแบบ ปรับแต่ง และนำโมเดลไปใช้โดยตรงบนชิปได้ โดยมีขนาดโมเดลเพียง 5KB เท่านั้น ขั้นตอนการพัฒนาโมเดลถูกผสานรวมเข้ากับกระบวนการพัฒนาไพพ์ไลน์หลักๆ ที่ช่วยให้นักพัฒนาสามารถสร้างโค้ดที่มุ่งเน้นไปที่ RISC-V เช่นเดียวกับตัวเร่งความเร็ว CNN ได้ในลักษณะที่เป็นหนึ่งเดียว

ผลประโยชน์ที่ใหญ่ที่สุดเกิดขึ้นเมื่อโมเดลเริ่มทำงานบนคอร์แบบ spiking ของ Pulsar ไม่เหมือนกับไมโครคอนโทรลเลอร์แบบเดิมๆ ที่เผาผลาญพลังงานอย่างต่อเนื่อง Pulsar ประมวลผลเฉพาะเมื่อมีการเปลี่ยนแปลงข้อมูลเข้า ทำให้สามารถทำงานตลอดเวลาด้วยพลังงาน sub-milliwatt และความล่าช้าที่สั้นมาก ทำให้ได้รับประโยชน์หลายเท่าในด้านประสิทธิภาพพลังงาน ในขณะเดียวกันก็รักษาความแม่นยำและความล่าช้าที่สั้นมาก

อุตสาหกรรมใดที่มีการนำเทคโนโลยีของคุณไปใช้อย่างรวดเร็วที่สุด และคุณสามารถแบ่งปัน примерของลูกค้าหรือพันธมิตรที่กำลังใช้ Pulsar ในผลิตภัณฑ์ได้หรือไม่?

การนำ Pulsar ไปใช้กำลังเกิดขึ้นอย่างรวดเร็วที่สุดในพื้นที่ที่การตรวจจับที่ทำงานตลอดเวลาและพลังงานต่ำมีความสำคัญมากที่สุด รวมถึงบ้านอัจฉริยะ อุปกรณ์ wearables และความปลอดภัยทางอุตสาหกรรม ตัวอย่างที่ดีคือ Aaroh Labs ซึ่งได้พัฒนาเครื่องตรวจจับควันรุ่นใหม่ที่ใช้พลังงานจาก Innatera ซึ่งได้เปิดตัวที่ SEMICON India 2025 อุปกรณ์เหล่านี้ไม่เพียงแต่ตรวจจับควันเท่านั้น แต่ยังรวมการตรวจจับคนเข้ามาในพื้นที่ด้วย ทำให้เกิดความตระหนักรู้ในสถานการณ์ที่ดีขึ้นและช่วยให้ระบบความปลอดภัยอัจฉริยะสำหรับสภาพแวดล้อมที่อยู่อาศัยเชิงพาณิชย์และอุตสาหกรรม

แนวทางแบบ neuromorphic เหมือนเดิมสามารถขยายไปสู่การตรวจสอบสินทรัพย์และการตรวจสอบสิ่งแวดล้อม โดยมีผลกระทบอย่างกว้างขวางต่อสุขภาพที่เชื่อมต่อและเมืองอัจฉริยะ ที่ SEMICON India CYRAN AI Solutions ยังแสดงให้เห็นว่าเทคโนโลยีของ Innatera กำลังถูกผสานเข้ากับระบบเซ็นเซอร์แบบกะทัดรัด เช่น อุปกรณ์ wearables แบบ electromyography (EMG) สำหรับการรับรู้ท่าทาง ซึ่งเน้นถึงศักยภาพของ AI แบบ neuromorphic ในการเปิดใช้งานการโต้ตอบระหว่างมนุษย์และเครื่องจักรที่直观

การนำไปใช้เหล่านี้เป็นเพียงจุดเริ่มต้น และบ่งบอกว่าการคำนวณแบบ neuromorphic กำลังเปลี่ยนจากทฤษฎีเป็นปฏิบัติ และกำลังเติบโตอย่างรวดเร็วในแอปพลิเคชันในโลกแห่งความเป็นจริง

ในตัวอย่างที่เราเห็น มีบางส่วนเช่น การรับรู้ท่าทางที่มีพลังงานต่ำและตรวจจับการมีอยู่โดยเรดาร์ที่ใช้พลังงานน้อยกว่าหนึ่งมิลลิวัตต์ คุณตรวจสอบความแม่นยำและความน่าเชื่อถือในสภาพแวดล้อมที่จำกัดเหล่านี้ได้อย่างไร?

การตรวจสอบมักขึ้นอยู่กับการใช้งาน และนอกเหนือจากความแม่นยำ อัตราการตรวจจับปลอมและอัตราการตรวจจับที่ไม่ถูกต้องยังให้ข้อมูลสำคัญเกี่ยวกับความน่าเชื่อถือของโซลูชัน ลูกค้ามักจะมี KPI และเงื่อนไขการทดสอบเฉพาะสำหรับการตรวจสอบ ความยืดหยุ่นของ Pulsar เป็นกุญแจสำคัญในการทำให้โซลูชันที่ครอบคลุมสามารถตอบสนองความต้องการของลูกค้าได้ การเปรียบเทียบทำได้โดยการเปรียบเทียบกับไมโครคอนโทรลเลอร์แบบเดิมๆ และตัวเร่งความเร็ว ซึ่งมักจะใช้พลังงาน 40-100 เท่าสำหรับงานเดียวกัน

ในตัวอย่างที่แสดงในโลกแห่งความเป็นจริง เช่น การตรวจจับการมีอยู่โดยเรดาร์และการจำแนกประเภทฉากเสียง Pulsar ให้ความแม่นยำมากกว่า 90% ในขณะที่ยังคงอยู่ในงบประมาณ sub-milliwatt ทำให้สามารถทำงานอย่างต่อเนื่องโดยไม่ต้องเสียสละความน่าเชื่อถือ ซึ่งเป็นสิ่งที่ระบบที่ทำงานตลอดเวลาทางเดิมต้องประนีประนอมด้วยการปลุกจากนอน การลดประสิทธิภาพหรือการโหลดข้อมูลไปยังคลาวด์

คุณมองเห็นการคำนวณแบบ neuromorphic เข้ากันได้กับชั้นซิลิคอนของอุปกรณ์อัจฉริยะในอนาคตอย่างไร?

Pulsar ได้รับการออกแบบให้เป็นชิปแรกที่เซ็นเซอร์สื่อสารด้วย มันประมวลผลข้อมูลที่ระดับพลังงานต่ำมาก โดยเปลี่ยนสัญญาณเซ็นเซอร์แบบดิบให้เป็นข้อมูลที่มีประโยชน์และสามารถดำเนินการได้โดยตรงจากแหล่งที่มา โปรเซสเซอร์แบบ NPU และ CPU สามารถถูกใช้เฉพาะเมื่อต้องการการประมวลผลที่หนักกว่านี้

สิ่งนี้ทำให้โปรเซสเซอร์แบบ neuromorphic เป็นชั้นเสริมในซิลิคอนสแต็ก ชั้นพื้นฐานที่ตระหนักและทำงานตลอดเวลา ซึ่งยืดอายุการใช้งานของอุปกรณ์ ลดการใช้พลังงาน และปรับปรุงการตอบสนอง Pulsar รับภาระการประมวลผลข้อมูลเซ็นเซอร์ออกจากส่วนประกอบที่มีพลังงานสูงกว่าในระบบ ทำให้สามารถปิดหรือแม้กระทั่งถูกกำจัดออกไปได้ ซึ่งนำไปสู่อุปกรณ์ที่ฉลาดและทนทานมากขึ้น

การร่วมมือกับพันธมิตรเช่น Aaroh Labs และ CYRAN AI Solutions มีบทบาทสำคัญในการเร่งการนำไปใช้ของ AI แบบ neuromorphic ในโลกแห่งความเป็นจริงอย่างไร?

การร่วมมือเป็นสะพานเชื่อมระหว่างเทคโนโลยีที่เป็นนวัตกรรมและการนำไปใช้อย่างกว้างขวาง ด้วยการทำงานร่วมกับนวัตกรเช่น Aaroh Labs และ CYRAN AI Solutions Innatera รับรองว่า Pulsar ได้รับการตรวจสอบในสถานการณ์จริงและปรับให้เหมาะสมสำหรับแนวตั้งเฉพาะ Aaroh Labs นำความฉลาดแบบ neuromorphic เข้าสู่โครงสร้างพื้นฐานด้านความปลอดภัยที่สำคัญ ในขณะที่ CYRAN AI Solutions แสดงให้เห็นถึงศักยภาพในการโต้ตอบระหว่างมนุษย์และเครื่องจักรที่直观

การร่วมมือเหล่านี้พิสูจน์ถึงความสามารถหลากหลายของเทคโนโลยี ลดอุปสรรคสำหรับผู้นำรับอื่นๆ และสร้างความมั่นใจในการใช้โปรเซสเซอร์แบบ neuromorphic ในระดับใหญ่ การร่วมมือกับซัพพลายเออร์เซ็นเซอร์ เช่น Socionext ช่วยให้เราสามารถรวมความฉลาดเข้ากับโมดูลเซ็นเซอร์ได้อย่างใกล้ชิด ทำให้การนำเซ็นเซอร์ที่ฉลาดเข้าสู่อุปกรณ์ง่ายขึ้น

เมื่อมองไปข้างหน้า คุณเห็น Pulsar และตัวสืบทอดของมันเคลื่อนไปสู่การเรียนรู้และการปรับตัวบนอุปกรณ์ มากกว่าการอนุมานที่จุดสิ้นสุด?

แน่นอน ด้วย Pulsar เราเพิ่งเริ่มต้นขีดความสามารถของสิ่งที่แบบ neuromorphic สามารถทำได้ โปรเซสเซอร์แบบ neuromorphic มีความเหมาะสมโดยธรรมชาติสำหรับการเรียนรู้และการปรับตัวแบบออนไลน์ และ Pulsar วางรากฐานสำหรับอุปกรณ์ที่สามารถทำมากกว่าการตรวจจับและตอบสนอง อุปกรณ์ที่เรียนรู้ ตั้งค่าตนเอง และปรับให้เหมาะสมในเวลาเดียวกัน ในขณะเดียวกันก็ทำงานบนแบตเตอรี่ขนาดเล็ก การพัฒนานี้จะปลดล็อกการนำไปใช้หลากหลาย ตั้งแต่อุปกรณ์ wearables ที่ปรับให้เหมาะสมกับการกระทำของคุณไปจนถึงระบบอุตสาหกรรมที่สามารถคาดการณ์และป้องกันความล้มเหลว

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Innatera เพื่อเรียนรู้เพิ่มเติม