Ethernovia 完成 9000 萬美元 B 輪融資,用於開發人工智慧網路硬體
以太新維(Ethernovia)在B輪融資中籌得逾9000萬美元,此輪融資熱潮源於車輛、機器人及工業系統中驅動即時自主功能的網路半導體需求持續攀升。本輪融資由Maverick Silicon領投,Socratic Partners、Conduit Capital及CDIB-TEN Capital參與投資,既有投資方保時捷集團(Porsche SE)、高通創投(Qualcomm Ventures)與Fall Line Capital亦續投。
總部位於矽谷的 Ethernovia 正開創以乙太網路為基礎的封包處理器新類別,旨在為智能邊緣設備打造核心數據骨幹——亦即「神經系統」。該公司致力解決自動化領域的關鍵瓶頸:如何可靠高效地即時傳輸海量感測器、視覺及人工智慧數據。
為自動化系統重塑數據骨幹
自動駕駛車輛、先進駕駛輔助系統及工業機器人日益依賴數十種高頻寬感測器與AI運算,這些應用需精準可預測的時序控制。傳統車載與工業網路未針對此需求設計,常導致架構碎片化、系統複雜度攀升及成本增加。
Ethernovia專注於封包處理器驅動的乙太網路架構,整合網路、運算與資料管理功能。其平台摒棄過時的通訊匯流排與點對點連接,以可編程、可擴展的方式聚合與路由即時資料流,同時支援區域化與集中化系統設計。
為實體人工智慧打造的封包處理器
Ethernovia技術核心在於專為邊緣與實體AI應用打造的高效能封包處理器系列。這些晶片經特殊設計,能以確定性延遲與高效能處理高頻寬感測器及AI流量——這兩項因素對汽車與機器人領域的成功至關重要。
透過可編程數據路徑與可擴展乙太網路結構,該平台支援軟體定義系統,可在維持安全關鍵操作所需效能的同時,透過無線更新實現系統演進。隨著汽車製造商採用功能更多由軟體而非固定硬體決定的架構,此適應性尤為重要。

橫跨汽車、機器人與工業市場的成長
儘管汽車是主要市場,Ethernovia的技術同時瞄準多個需即時邊緣智能的領域。機器人、工業自動化及新型AI驅動設備皆面臨相似的延遲、同步與數據傳輸挑戰。在這些領域,性能瓶頸往往不在原始運算能力,而在於嚴格時序限制下,數據能否高效穿梭於感測器、處理器與執行器之間。
這些產業同時經歷著架構融合浪潮。機器人與工業系統正逐步採用曾屬汽車領域的技術原則,例如區域化架構與集中式運算;而汽車平台則整合了軟體定義網路與標準化乙太網路結構等資料中心概念。此趨勢正驅動市場對網路半導體的需求,要求其能在多元環境中穩定運作、支援長產品生命週期,並適應不斷演進的軟體需求。
新資金將加速Ethernovia新一代封包處理器的研發與量產,擴展其軟體與系統能力,並深化跨產業的客戶合作。隨著專案從試點邁向全面生產,焦點正轉向能支援長期升級、混合工作負載及提升自主性,且無需完全重新設計的平台。
對實體人工智慧未來的啟示
Ethernovia的成功募資彰顯了自動化與機器人領域的重大轉變:智慧不再僅受限於演算法,更取決於串聯實體世界感測、決策與執行的基礎架構。隨著AI從雲端延伸至車輛、工廠與機械設備,網路半導體正從附屬元件轉變為基礎層級。
此轉變反映出業界日益認知到:實體人工智慧系統本質上是即時系統。延遲、資料封包遺失或不可預測的延遲,可能導致從性能下降到安全隱患等實質問題。因此,可靠且可預測的資料傳輸正變得與模型準確度或運算能力同等重要。
以封包為核心、基於乙太網路的架構,預示著未來智能機器將更趨模組化、可升級且軟體定義——這與過去十年數據中心的演進軌跡如出一轍。若此趨勢持續,實體人工智慧領域的競爭將日益取決於:哪家企業能提供最可靠且具適應性的數據架構?這種架構必須在維持即時效能的前提下,持續支持創新發展。
相關文章
螞蟻集團推出開源版 Ling-2.6-flash,為 Baoling 模型系列增添新成員
螞蟻集團的「寶靈」大型模型系列今日迎來重大更新,Ling-2.6-flash現已正式向全球開發者開放。為適應不同的硬體環境並降低部署門檻,該模型同時推出了包含 BF16、FP8 和 INT4 在內的多種精度版本,為開發者提供更靈活的推論選項。作為一款擁有 1040 億總參數與 74 億激活參數的 Instruct 模型,Ling-2.6-flash先前曾以「Elephant Alpha」的代號在
Conntour 從 General Catalyst 和 YC 獲得 700 萬美元資金,用於開發人工智慧驅動的監控影像搜尋技術
監控技術產業目前正受到密切關注,但原因卻並非令人樂見。 隨著美國移民及海關執法局據報曾存取 Flock 的攝影機網路進行監控,以及家用攝影機製造商 Ring 因開發允許執法機關向屋主索取鄰里影像的功能而面臨批評,相關爭議隨之爆發。這些發展已引發關於安全、隱私及監控倫理的廣泛辯論。然而,爭議並未削弱市場需求。視覺語言模型的持續進步,正推動著那些協助企業更有效管理場地的公司持續成長。視訊監控新創公司
蘋果首款 AI 硬體曝光:配備相機的 AirPods 進入 DVT 階段
蘋果在人工智慧硬體領域的野心正逐漸明朗。 知名科技記者馬克·古爾曼(Mark Gurman)報導指出,眾所期待的內建相機 AirPods 已進入關鍵的最終開發階段:設計驗證測試(DVT)。這意味著產品的工業設計與核心功能已大致定案,使這款耳機成為蘋果首款真正的 AI 穿戴式裝置。並非用於拍照:相機是 Siri 的「眼睛」儘管許多人可能有所誤解,但嵌入這些 AirPods 中的低解析度相機並非用於日
相關專題推薦
評論 (1)
0/500
Okay, but can someone explain how this stuff actually avoids the lag in real-time decisions? I drive a car from 2015 and it barely understands me talking to it. The gap between funding announcements and real-world impact always seems huge. 🧐 Hoping this actually makes it to consumers before the next tech hype cycle moves on.
以太新維(Ethernovia)在B輪融資中籌得逾9000萬美元,此輪融資熱潮源於車輛、機器人及工業系統中驅動即時自主功能的網路半導體需求持續攀升。本輪融資由Maverick Silicon領投,Socratic Partners、Conduit Capital及CDIB-TEN Capital參與投資,既有投資方保時捷集團(Porsche SE)、高通創投(Qualcomm Ventures)與Fall Line Capital亦續投。
總部位於矽谷的 Ethernovia 正開創以乙太網路為基礎的封包處理器新類別,旨在為智能邊緣設備打造核心數據骨幹——亦即「神經系統」。該公司致力解決自動化領域的關鍵瓶頸:如何可靠高效地即時傳輸海量感測器、視覺及人工智慧數據。
為自動化系統重塑數據骨幹
自動駕駛車輛、先進駕駛輔助系統及工業機器人日益依賴數十種高頻寬感測器與AI運算,這些應用需精準可預測的時序控制。傳統車載與工業網路未針對此需求設計,常導致架構碎片化、系統複雜度攀升及成本增加。
Ethernovia專注於封包處理器驅動的乙太網路架構,整合網路、運算與資料管理功能。其平台摒棄過時的通訊匯流排與點對點連接,以可編程、可擴展的方式聚合與路由即時資料流,同時支援區域化與集中化系統設計。
為實體人工智慧打造的封包處理器
Ethernovia技術核心在於專為邊緣與實體AI應用打造的高效能封包處理器系列。這些晶片經特殊設計,能以確定性延遲與高效能處理高頻寬感測器及AI流量——這兩項因素對汽車與機器人領域的成功至關重要。
透過可編程數據路徑與可擴展乙太網路結構,該平台支援軟體定義系統,可在維持安全關鍵操作所需效能的同時,透過無線更新實現系統演進。隨著汽車製造商採用功能更多由軟體而非固定硬體決定的架構,此適應性尤為重要。

橫跨汽車、機器人與工業市場的成長
儘管汽車是主要市場,Ethernovia的技術同時瞄準多個需即時邊緣智能的領域。機器人、工業自動化及新型AI驅動設備皆面臨相似的延遲、同步與數據傳輸挑戰。在這些領域,性能瓶頸往往不在原始運算能力,而在於嚴格時序限制下,數據能否高效穿梭於感測器、處理器與執行器之間。
這些產業同時經歷著架構融合浪潮。機器人與工業系統正逐步採用曾屬汽車領域的技術原則,例如區域化架構與集中式運算;而汽車平台則整合了軟體定義網路與標準化乙太網路結構等資料中心概念。此趨勢正驅動市場對網路半導體的需求,要求其能在多元環境中穩定運作、支援長產品生命週期,並適應不斷演進的軟體需求。
新資金將加速Ethernovia新一代封包處理器的研發與量產,擴展其軟體與系統能力,並深化跨產業的客戶合作。隨著專案從試點邁向全面生產,焦點正轉向能支援長期升級、混合工作負載及提升自主性,且無需完全重新設計的平台。
對實體人工智慧未來的啟示
Ethernovia的成功募資彰顯了自動化與機器人領域的重大轉變:智慧不再僅受限於演算法,更取決於串聯實體世界感測、決策與執行的基礎架構。隨著AI從雲端延伸至車輛、工廠與機械設備,網路半導體正從附屬元件轉變為基礎層級。
此轉變反映出業界日益認知到:實體人工智慧系統本質上是即時系統。延遲、資料封包遺失或不可預測的延遲,可能導致從性能下降到安全隱患等實質問題。因此,可靠且可預測的資料傳輸正變得與模型準確度或運算能力同等重要。
以封包為核心、基於乙太網路的架構,預示著未來智能機器將更趨模組化、可升級且軟體定義——這與過去十年數據中心的演進軌跡如出一轍。若此趨勢持續,實體人工智慧領域的競爭將日益取決於:哪家企業能提供最可靠且具適應性的數據架構?這種架構必須在維持即時效能的前提下,持續支持創新發展。
螞蟻集團推出開源版 Ling-2.6-flash,為 Baoling 模型系列增添新成員
螞蟻集團的「寶靈」大型模型系列今日迎來重大更新,Ling-2.6-flash現已正式向全球開發者開放。為適應不同的硬體環境並降低部署門檻,該模型同時推出了包含 BF16、FP8 和 INT4 在內的多種精度版本,為開發者提供更靈活的推論選項。作為一款擁有 1040 億總參數與 74 億激活參數的 Instruct 模型,Ling-2.6-flash先前曾以「Elephant Alpha」的代號在
Conntour 從 General Catalyst 和 YC 獲得 700 萬美元資金,用於開發人工智慧驅動的監控影像搜尋技術
監控技術產業目前正受到密切關注,但原因卻並非令人樂見。 隨著美國移民及海關執法局據報曾存取 Flock 的攝影機網路進行監控,以及家用攝影機製造商 Ring 因開發允許執法機關向屋主索取鄰里影像的功能而面臨批評,相關爭議隨之爆發。這些發展已引發關於安全、隱私及監控倫理的廣泛辯論。然而,爭議並未削弱市場需求。視覺語言模型的持續進步,正推動著那些協助企業更有效管理場地的公司持續成長。視訊監控新創公司
蘋果首款 AI 硬體曝光:配備相機的 AirPods 進入 DVT 階段
蘋果在人工智慧硬體領域的野心正逐漸明朗。 知名科技記者馬克·古爾曼(Mark Gurman)報導指出,眾所期待的內建相機 AirPods 已進入關鍵的最終開發階段:設計驗證測試(DVT)。這意味著產品的工業設計與核心功能已大致定案,使這款耳機成為蘋果首款真正的 AI 穿戴式裝置。並非用於拍照:相機是 Siri 的「眼睛」儘管許多人可能有所誤解,但嵌入這些 AirPods 中的低解析度相機並非用於日
Okay, but can someone explain how this stuff actually avoids the lag in real-time decisions? I drive a car from 2015 and it barely understands me talking to it. The gap between funding announcements and real-world impact always seems huge. 🧐 Hoping this actually makes it to consumers before the next tech hype cycle moves on.





首頁






