以太诺维亚（Ethernovia）获得超过 9000 万美元 B 轮融资，以推进物理 AI 网络

以太诺维亚（Ethernovia） 已经完成了一轮超过 9000 万美元的 B 轮融资，这是由于对能够支持车辆、机器人和工业系统中实时自主性的网络硅芯片需求的加速。该轮融资由 马维里克硅谷（Maverick Silicon） 领投，并得到了 苏格拉底伙伴（Socratic Partners） 、康杜特资本（Conduit Capital）和 CDIB-天风资本（CDIB-TEN Capital）的参与，以及现有投资者包括 保时捷 SE 、 高通创投（Qualcomm Ventures） (QCOM ) 和 法尔线资本（Fall Line Capital） 的持续支持。

以太诺维亚（Ethernovia）位于硅谷，正在开发一种新的基于以太网的数据包处理器，旨在成为智能机器的数据骨干或“神经系统”。该公司专注于自主性中日益增长的瓶颈：在实时中可预测地和高效地移动大量传感器、视觉和 AI 数据。

重新架构自主数据骨干

自主车辆、先进驾驶辅助系统和工业机器人越来越多地依赖于数十个高带宽传感器和 AI 工作负载，这些工作负载必须具有确定性延迟。传统的车载和工业网络从未被设计为满足这些要求，通常导致碎片化的架构、更高的系统复杂性和增加的成本。

以太诺维亚（Ethernovia）的方法集中在数据包处理器驱动的、基于以太网的架构上，统一网络、计算和数据编排。与其依赖传统的遗留总线和点对点链接，该平台旨在以可编程和可扩展的方式聚合和路由实时数据流，支持分区和集中系统设计。

为物理 AI 构建的数据包处理器

以太诺维亚（Ethernovia）技术的核心是一系列为边缘和物理 AI 工作负载专门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功率效率管理高带宽传感器和 AI 流量，这两个约束在汽车和机器人部署中越来越重要。

通过支持可编程数据路径和可扩展的以太网结构，该平台实现了软件定义的系统，可以通过空中更新在不影响安全关键性能要求的情况下随时间演进。这种灵活性在 OEM 转向软件定义架构的同时变得尤为重要，而不是固定的硬件配置。

跨汽车、机器人和工业的动力

虽然汽车仍然是一个关键焦点，但以太诺维亚（Ethernovia）的技术在多个市场中都有着重要地位，这些市场中实时边缘智能变得至关重要。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、同步和数据移动挑战。在每种情况下，性能约束越来越多地由数据如何在传感器、处理器和执行器之间移动来决定，而不是由原始计算能力决定。

这些行业也正在从架构上趋于一致。机器人和工业系统开始采用曾经专属于汽车的设计原则，例如分区架构和集中计算，而汽车平台则开始采用来自数据中心的概念，包括软件定义网络和标准化以太网结构。这种趋同正在为能够在多样化环境中可靠运行并支持长产品生命周期和不断演进的软件要求的网络硅芯片创造需求。

新的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，并加深客户在这些领域的参与。随着部署从试点转向大规模生产，重点正在转向能够在不需要根本性重设计的情况下支持长期升级、混合工作负载和不断增加的自主性的平台。

这对物理 AI 的未来意味着什么

以太诺维亚（Ethernovia） 的融资凸显了自主性和机器人领域正在发生的更广泛的转变：智能不再仅仅受到算法的限制，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 系统从云端转移到车辆、工厂和机器中，网络硅芯片成为了一种基础层，而不再是次要的附加组件。

这种转变反映了人们越来越认识到物理 AI 系统最终是实时系统。延迟、丢失的数据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，确定性的数据移动变得与模型准确性或计算吞吐量一样重要。

基于数据包的、以太网为基础的架构指向了一个未来，智能机器更加模块化、可升级和软件定义，反映了过去十年中数据中心的演变。如果这种转变继续下去，物理 AI 的竞争格局可能越来越依赖于谁能够提供最可靠、最适应性的数据结构——一种能够在不牺牲实际性能的情况下支持持续创新和演进的数据结构。