
AIStorm lève 13,2 M$ pour amener l’IA au plus près des capteurs analogiques La jeune société californienne AIStorm, qui s’est donné comme objectif d’apporter l’intelligence artificielle au niveau des capteurs et de traiter en temps réel les données dans leur format analogique natif, vient de boucler un premier tour de table de 13,2 millions de dollars. ...Une manne financière apportée par Egis Technology, un spécialiste des capteurs biométriques pour les marchés des téléphones mobiles, des consoles de jeu et des systèmes évolués d’assistance à la conduite automobile (ADAS), TowerJazz, un fournisseur de capteurs d’image focalisé sur les secteurs professionnel, industriel et médical, Meyer, un fabricant d’ustensiles de cuisine, et Linear Dimensions, un fabricant de produits d’authentification biométrique et de santé numérique. « Cet investissement va nous permettre d’accélérer nos efforts d’ingénierie et d’approche du marché en vue d’apporter un nouveau type d’apprentissage automatique en périphérie de réseau et plus particulièrement au niveau des technologies analogiques à faible coût, indique David Schie, le CEO d’AIStorm qui a occupé des postes de cadre dirigeant chez Maxim, Micrel et Semtech. L’objectif est de réduire les coûts de cinq à dix fois par rapport aux approches reposant sur l’usage de processeurs graphiques GPU et ce sans aucun compromis sur les performances. » Selon la start-up, l’industrie des semi-conducteurs cherche désormais à traiter les informations fournies par les capteurs en périphérie de réseau (edge) et non plus dans le nuage afin de réduire les coûts et les risques associés à la transmission de flux massifs de données brutes. Les systèmes à intelligence artificielle, de leur côté, nécessitent que les informations soient disponibles sous forme numérique avant leur traitement. Or les données en provenance des capteurs sont traditionnellement analogiques et les GPU utilisés pour effectuer des traitements sur les informations numériques sont en général évolués et coûteux et, à ce titre, ils ne répondent pas aux exigences des systèmes sans fil alimentés sur batterie, estime AIStorm. Leur usage implique une numérisation en continu des données émises, synonyme de consommation électrique significative et de latence inévitable. AIStorm estime résoudre ce type d’inconvénients en traitant les données des capteurs directement sous leur format analogique natif, et ce en temps réel. « Le temps de réaction gagné grâce à l’approche d’AIStorm peut faire la différence entre le moment où un système ADAS détecte un objet et celui de l’arrêt du véhicule avant une collision mortelle », illustre Russell Ellwanger, le CEO de TowerJazz. « Les applications en périphérie de réseau doivent traiter des masses énormes de données générées par les capteurs et la numérisation de ces données prend du temps, ce qui signifie que ces applications n’ont pas le temps de choisir intelligemment des données au sein du flux émis par le capteur et qu’elles doivent récupérer des volumes très importants de données pour les traiter ultérieurement, ajoute Todd Lin, le directeur général (COO) d’Egis Technology. L’approche d’AIStorm va nous permettre d’élaguer en temps réel et de façon intelligente le flux de données venant du capteur et de gérer efficacement les multiples tâches à réaliser sur les signaux d’entrée. » En pratique, AIStorm compte lancer d’ici à la fin de l’année une famille de puces-systèmes avec capteurs intégrés (comme les imageurs Cmos de TowerJazz). Capables d’exécuter des réseaux de plusieurs centaines de milliers de neurones sur une surface de quelques millimètres carrés, ces SoC seront compatibles avec TensorFlow et d’autres langages d’abstraction IA et devraient afficher des performances supérieures à 2,5 Tops pour une éco-efficacité supérieure à 10 Tops/W. Parmi les applications ciblées (en particulier par les sociétés qui ont investi dans la start-up), on citera la reconnaissance d’empreintes digitales, les systèmes ADAS pour l’automobile, les caméras de sécurité, les caméras de surveillance à reconnaissance faciale pour espaces publics, les équipements de commande à partir de gestes, les automatismes pour équipements de cuisine, l’imagerie médicale pour le diagnostic, le traitement vocal en périphérie de réseau. Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA https://www.linkedin.com/showcase/embedded-ia/

AIStorm lève 13,2 M$ pour amener l’IA au plus près des capteurs analogiques

La jeune société californienne AIStorm, qui s’est donné comme objectif d’apporter l’intelligence artificielle au niveau des capteurs et de traiter en temps réel les données dans leur format analogique natif, vient de boucler un premier tour de table de 13,2 millions de dollars. ...Une manne financière apportée par Egis Technology, un spécialiste des capteurs biométriques pour les marchés des téléphones mobiles, des consoles de jeu et des systèmes évolués d’assistance à la conduite automobile (ADAS), TowerJazz, un fournisseur de capteurs d’image focalisé sur les secteurs professionnel, industriel et médical, Meyer, un fabricant d’ustensiles de cuisine, et Linear Dimensions, un fabricant de produits d’authentification biométrique et de santé numérique.

« Cet investissement va nous permettre d’accélérer nos efforts d’ingénierie et d’approche du marché en vue d’apporter un nouveau type d’apprentissage automatique en périphérie de réseau et plus particulièrement au niveau des technologies analogiques à faible coût, indique David Schie, le CEO d’AIStorm qui a occupé des postes de cadre dirigeant chez Maxim, Micrel et Semtech. L’objectif est de réduire les coûts de cinq à dix fois par rapport aux approches reposant sur l’usage de processeurs graphiques GPU et ce sans aucun compromis sur les performances. »

Selon la start-up, l’industrie des semi-conducteurs cherche désormais à traiter les informations fournies par les capteurs en périphérie de réseau (edge) et non plus dans le nuage afin de réduire les coûts et les risques associés à la transmission de flux massifs de données brutes. Les systèmes à intelligence artificielle, de leur côté, nécessitent que les informations soient disponibles sous forme numérique avant leur traitement. Or les données en provenance des capteurs sont traditionnellement analogiques et les GPU utilisés pour effectuer des traitements sur les informations numériques sont en général évolués et coûteux et, à ce titre, ils ne répondent pas aux exigences des systèmes sans fil alimentés sur batterie, estime AIStorm. Leur usage implique une numérisation en continu des données émises, synonyme de consommation électrique significative et de latence inévitable. AIStorm estime résoudre ce type d’inconvénients en traitant les données des capteurs directement sous leur format analogique natif, et ce en temps réel.

« Le temps de réaction gagné grâce à l’approche d’AIStorm peut faire la différence entre le moment où un système ADAS détecte un objet et celui de l’arrêt du véhicule avant une collision mortelle », illustre Russell Ellwanger, le CEO de TowerJazz. « Les applications en périphérie de réseau doivent traiter des masses énormes de données générées par les capteurs et la numérisation de ces données prend du temps, ce qui signifie que ces applications n’ont pas le temps de choisir intelligemment des données au sein du flux émis par le capteur et qu’elles doivent récupérer des volumes très importants de données pour les traiter ultérieurement, ajoute Todd Lin, le directeur général (COO) d’Egis Technology. L’approche d’AIStorm va nous permettre d’élaguer en temps réel et de façon intelligente le flux de données venant du capteur et de gérer efficacement les multiples tâches à réaliser sur les signaux d’entrée. »

En pratique, AIStorm compte lancer d’ici à la fin de l’année une famille de puces-systèmes avec capteurs intégrés (comme les imageurs Cmos de TowerJazz). Capables d’exécuter des réseaux de plusieurs centaines de milliers de neurones sur une surface de quelques millimètres carrés, ces SoC seront compatibles avec TensorFlow et d’autres langages d’abstraction IA et devraient afficher des performances supérieures à 2,5 Tops pour une éco-efficacité supérieure à 10 Tops/W.

Parmi les applications ciblées (en particulier par les sociétés qui ont investi dans la start-up), on citera la reconnaissance d’empreintes digitales, les systèmes ADAS pour l’automobile, les caméras de sécurité, les caméras de surveillance à reconnaissance faciale pour espaces publics, les équipements de commande à partir de gestes, les automatismes pour équipements de cuisine, l’imagerie médicale pour le diagnostic, le traitement vocal en périphérie de réseau.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA https://www.linkedin.com/showcase/embedded-ia/