Ethernovia 完成超9000万美元B轮融资，推进物理AI网络技术发展

Ethernovia 已完成总额超过9000万美元的B轮融资，市场对能够支持车辆、机器人和工业系统实时自主运行的网络芯片需求正在加速增长。本轮融资由 Maverick Silicon 领投，Socratic Partners、Conduit Capital 和 CDIB-TEN Capital 参与，现有投资者 Porsche SE、Qualcomm Ventures 和 Fall Line Capital 也继续提供支持。

Ethernovia 总部位于硅谷，正在构建一类新型的基于以太网的数据包处理器，旨在作为在边缘运行的智能机器的数据主干或“神经系统”。公司正专注于解决自主系统中日益增长的瓶颈：如何可预测且高效地实时传输海量的传感器、视觉和AI数据。

为自主系统重构数据主干

自动驾驶汽车、高级驾驶辅助系统和工业机器人日益依赖数十个高带宽传感器和AI工作负载，这些都必须以确定性延迟运行。传统的车载和工业网络从未为这些需求而设计，常常导致架构碎片化、系统复杂性增加和成本上升。

Ethernovia 的方法核心在于以数据包处理器驱动、基于以太网的架构，统一网络、计算和数据编排。其平台并非依赖传统总线网络和点对点链路的拼凑组合，而是旨在以可编程和可扩展的方式聚合和路由实时数据流，同时支持区域式和集中式系统设计。

为物理AI打造的数据包处理器

Ethernovia 技术的核心是一系列专为 边缘 和物理AI工作负载设计的高性能数据包处理器。这些芯片旨在以确定性延迟和强大的能效管理高带宽传感器和AI流量，这两大约束正日益成为汽车和机器人部署成功的关键。

通过支持可编程数据路径和可扩展的以太网结构，该平台能够实现软件定义系统，这些系统可以通过空中下载更新随时间演进，同时仍能满足安全关键的性能要求。随着原始设备制造商转向功能更多由软件而非固定硬件配置定义的架构，这种灵活性尤为重要。

汽车、机器人和工业领域的增长势头

尽管汽车领域仍是关键焦点，但Ethernovia的技术定位于多个实时边缘智能变得至关重要的市场。机器人平台、工业自动化系统和新兴的AI定义机器都面临着类似的延迟、同步和数据传输挑战。在每种情况下，性能约束日益取决于数据如何在严格的时间保证下在传感器、处理器和执行器之间高效移动，而非原始计算能力。

这些领域在架构上也正在融合。机器人和工业系统开始采用曾经汽车领域特有的设计原则，例如区域架构和集中式计算，而汽车平台则借鉴数据中心的概念，包括软件定义网络和标准化的以太网结构。这种融合正在催生对网络芯片的需求，要求其能够在多样化环境中可靠运行，同时支持长产品生命周期和不断演进的软件需求。

新资金将用于加速公司下一代数据包处理器的开发和生产，扩展其软件和系统能力，并深化在这些领域的客户合作。随着部署从试点转向规模化生产，重点正转向能够支持长期升级、混合工作负载和不断增强的自主性，而无需进行根本性重新设计的平台。

这对物理AI的未来意味着什么

Ethernovia 的融资突显了自主系统和机器人领域正在发生的更广泛转变：智能不再仅仅受算法限制，还受到连接物理世界中感知、推理和行动的基础设施的限制。随着AI系统从云端走向车辆、工厂和机器，网络芯片正成为一个基础层，而非事后的辅助支持。

这一转变反映出人们日益认识到，物理AI系统本质上是实时系统。延迟、丢包或不可预测的延迟可能会产生切实的后果，从性能下降到安全风险。因此，确定性的数据移动正变得与模型准确性或计算吞吐量同等关键。

以数据包为中心、基于以太网的架构指向一个未来，在这个未来里，智能机器将更加模块化、可升级和软件定义，这反映了过去十年数据中心所经历的演变。如果这一转型持续下去，物理AI领域的竞争格局可能日益取决于谁能提供最可靠、适应性最强的 数据架构——一个能够在不牺牲现实世界性能的前提下支持持续创新的架构。