Vehículos autónomos, robots industriales, drones necesita sentir el entorno y reaccionar en consecuencia en tiempo real. Sin embargo, las arquitecturas informáticas tradicionales procesan todos los datos de entrada independientemente del contexto; esto puede ser ineficiente ya que introduce una alta latencia y penalizaciones de energía, reclamos Laboratorios de Materia GrAI (GML). Esto es lo que pretende solucionar esta empresa con sede en París.
La misión de GML es llevar, la IA perimetral más rápida por vatio, para el análisis de sensores y el aprendizaje automático a todos los dispositivos perimetrales.
Edge AI significa que los algoritmos de IA se procesan localmente en un dispositivo de hardware. Un dispositivo que usa Edge AI no necesita estar conectado para funcionar correctamente; puede procesar datos y tomar decisiones de forma independiente sin conexión.
Recauda 11.6M€
En un desarrollo reciente, el desarrollador de tecnología informática neuromórfica con sede en París ha recaudado 14 millones de dólares (aproximadamente 11.6 millones de euros) en una nueva ronda de financiación, dirigida por iBionext.
La ronda también contó con la participación de inversores existentes y nuevos inversores Bpifrance a través del Programa de Inversión Futura y Celeste Management.
La empresa está respaldada por inversores existentes, incluidos iBionext, 360 Capital Partners y 3T Finance, y tiene oficinas en París, Eindhoven, los Países Bajos y Silicon Valley.
¿Cómo utilizará GrAI Matter Labs el fondo?
La tecnología NeuronFlow programable de GrAI Matter Labs permite la latencia de inferencia de manera eficiente. es actual accelerator chip GrAI One y GrAI One HDK están disponibles para evaluación de productos y programación de aplicaciones.
La compañía afirma que la próxima plataforma GrAI full-stack AI system-on-chip impulsará un paso significativo en las capacidades de inferencia visual en robótica, automatización industrial, AR/VR y productos y mercados de vigilancia.
El capital recaudado ayudará a acelerar el diseño de la compañía y el lanzamiento al mercado de su primera plataforma GrAI full-stack AI system-on-chip.
Hablando sobre el desarrollo, Ingolf Held, director ejecutivo de GrAI Matter Labs, dice: "Estamos entusiasmados de traer el más rápido AI por vatio a cada dispositivo en el borde. Esta financiación nos ayudará a asociarnos con integradores y especialistas en aplicaciones, y a ofrecer a nuestros clientes el mejor rendimiento de inferencia visual, plataformas de sistema en chip y aplicaciones integrales de su clase”.
¿Qué hace GrAI Matter Labs?
GrAI Matter Labs (GML) fue fundada en 2016 como Brainiac dentro del iBionext Start-up Studio en París por Ryad Benosman, Bernard Gilly, Giacomo Indiveri, Xavier Lagorce, Sio-Hoi Leng, Bernabe Linares-Barranco y Atul Sinha, un team combinando una amplia experiencia en computación neuromórfica, diseño de silicio y espíritu empresarial.
Actualmente, la empresa está dirigida por el CEO Ingolf Held.
La tecnología de GrAI Matter Lab se basa en investigaciones realizadas en el Vision Institute (UPMC) de París sobre el cerebro humano durante los últimos 20 años. Inspirado en la biología humana, el paradigma de computación neuromórfica único de la compañía supera las limitaciones de las máquinas de Von Neumann y ofrece análisis de sensores paralelos y totalmente programables y aprendizaje automático con un consumo de energía significativamente reducido.
Sus procesadores de aplicaciones programables proporcionan a la IA capacidades de aprendizaje automático en todo el Internet of Things. Estos procesadores impulsan plataformas de navegación autónomas, lo que permite que automóviles, robots y drones para navegar con IA optimizada de rendimiento/energía para mayor seguridad y comodidad.
Otras áreas de enfoque incluyen asistentes cognitivos inteligentes para llevar la IA a la inteligencia homes y teléfonos inteligentes, y IA portátil para el control inteligente de la salud, prácticamente invisible y con un consumo mínimo de energía, afirma la compañía.
Crédito de la imagen: Etiqueta LinkedIn