رفتن به محتوای اصلی
پردازش لبه‌ایبهارات سمی· 8 دقیقه مطالعه· در فناوری

سرمایه‌گذاری ۲۴ میلیون دلاری روی حسگرهای هوش مصنوعی؛ رویاپردازی استارتاپ هندی بهارات سمی در لبه پردازش

استارتاپ هندی بهارات سمی در مرحله بذری ۲۴ میلیون دلار جذب کرد تا حسگرهای تصویری برنامه‌پذیری بسازد که استنتاج هوش مصنوعی را مستقیماً روی خود تراشه انجام می‌دهند؛ سخت‌افزاری که فعلاً در مرحله پیش‌نمونه آزمایشگاهی است و عرضه تجاری آن برای سال ۲۰۲۷ برنامه‌ریزی شده است.

به قلم کاوه کردی

این خبر را به اشتراک بگذارید

گوش‌ دهید

استارتاپ هندی بهارات سمی (Bharat Semi) مستقر در دهلی نو، در یک دور تأمین مالی مرحله بذری کاملاً مبتنی بر واگذاری سهام، موفق به جذب ۲۴ میلیون دلار شد. این شرکت نوپا که نزدیک به پنج سال از تأسیس آن می‌گذرد، مدعی است که قصد دارد معماری چندتکه و سنتی دوربین‌های دیجیتال را در یک قطعه سیلیکون واحد ادغام کند و پردازش مدل‌های هوش مصنوعی را به خود حسگر بیاورد.[1][3]

اگرچه این استارتاپ هنوز به درآمدزایی نرسیده و سخت‌افزار آن صرفاً در مرحله توسعه پیش‌نمونه‌های آزمایشگاهی قرار دارد، اما همین وعده‌ها توانسته پای دو مشتری آزمایشی را به میان بکشد: جنرال اتومیکس (General Atomics)، پیمانکار نام‌آشنای صنایع دفاعی آمریکا، و شرکت هندی کینز سمیکان (Kaynes Semicon) توافق کرده‌اند که این تراشه‌های هنوز تولیدنشده را در سخت‌افزارهای خود ارزیابی کنند.[1]

این تأمین مالی یکی از بزرگ‌ترین سرمایه‌گذاری‌های مراحل اولیه در بخش نوپای سخت‌افزار هند به‌شمار می‌رود. رهبری این دور را گروه‌های اینفو اج (Info Edge)، ساوت پارک کامنز (South Park Commons) و ایندوس بریج ونچرز (Indus Bridge Ventures) با مشارکت میکرومکس، ولور کپیتال و گینگلز نیویورک بر عهده داشتند.[3][4]

بهارات سمی قصد دارد از این سرمایه برای جذب مهندسان و رساندن نخستین محصولات تجاری به بازار تا پایان سال ۲۰۲۷ استفاده کند. به گفته وریندا کاپور، از هم‌بنیان‌گذاران شرکت، این بودجه مسیری دو سال و نیمه را برای استارتاپ هموار می‌کند و هدف آنها این است که تا آن زمان با پیاده‌سازی واقعی محصول، به جریان درآمدی مثبت برسند.[3]

درهم‌شکستن لایه‌های سنتی دوربین

سامانه‌های مرسوم بینایی ماشین بر معماری چندبخشی و پراکنده‌ای تکیه دارند؛ ساختار استانداردی که نیازمند یک حسگر تصویر مجزا برای جذب نور، یک پردازنده سیگنال تصویر (ISP) برای پاک‌سازی داده‌های خام و یک سامانه روی تراشه (SoC) جداگانه برای اجرای فرآیند استنتاج هوش مصنوعی است.[1][5]

این تفکیک فیزیکی باعث می‌شود حجم عظیمی از داده پیوسته میان قطعات مختلف ردوبدل شود؛ امری که هم باتری دستگاه را می‌بلعد و هم تأخیر زمانی قابل‌توجهی پیش از واکنش سامانه به محیط ایجاد می‌کند. راهکار بهارات سمی، طراحی حسگرهای برنامه‌پذیری است که ضبط، آماده‌سازی و استنتاج عصبی را در یک بسته واحد ترکیب کرده و پردازش را عملاً به نقطه صفر ادراک منتقل می‌کند.[4][5]

این استارتاپ مدعی است چنین معماری یکپارچه‌ای می‌تواند جابه‌جایی داخلی داده‌ها را تا ۹۹ درصد کاهش دهد. به این دلیل که حسگر به جای ارسال مداوم فریم‌های ویدئویی کامل، صرفاً بردارها و نقاط کلیدی را استخراج کرده و تصمیم‌گیری را در محل انجام می‌دهد، افت چشمگیری در توان مصرفی ایجاد خواهد شد.[4][5]

تجمیع زنجیره قطعات جداگانه دوربین در یک تراشه واحد، جابه‌جایی پیوسته داده و توان مصرفی مدار را به حداقل می‌رساند.

کاپور برآورد می‌کند که این رویکرد تجمیعی می‌تواند دست‌کم ۷۰ درصد از هزینه تمام‌شده کل سامانه در مقایسه با ماژول‌های چندتراشه‌ای سنتی بکاهد. البته در دنیای نیمه‌رساناها این اعداد و ارقام مصرف بهینه تا زمانی که سیلیکون از کارخانه تولید انبوه بیرون نیامده و زیر بار عملیاتی آزمایش نشده باشد، در حد اهداف بازاریابی و محاسبات تئوریک باقی می‌مانند.[1]

کاپور پس از اعلام خبر تأمین مالی گفت: «هدف ما گذار از حسگرهای ساده به راه‌حل‌های معنابخش است.» شرط‌بندی استارتاپ بر این فرضیه استوار است که موتور محرک آینده بازار حسگرها، نه ثبت تصاویر برای چشم انسان، بلکه دریافت داده توسط ماشین برای فهم ماشینی دیگر خواهد بود.[1]

چرخش به سمت استنتاج در لبه شبکه زمانی اجتناب‌ناپذیر شد که حجم سرسام‌آور داده‌های بصری، زیرساخت‌های مخابراتی متداول را تحت فشار گذاشت. تحلیلگران مورگان استنلی پیش‌بینی می‌کنند تا سال ۲۰۵۰ میلادی حدود یک میلیارد ربات انسان‌نما وارد خدمت خواهند شد؛ ماشین‌هایی که نیازمند حسگرهایی هستند که بدون انتظار برای پاسخ سرورهای ابری، تصمیم بگیرند و عمل کنند.[4]

در حال حاضر هیچ بسته حسگر هوشمند و فراگیری در بازار وجود ندارد که بتواند محدودیت‌های توأمان مصرف توان و زمان تأخیر چنین ادواتی را برطرف کند. بهارات سمی در تلاش است همین شکاف بازار را هدف بگیرد و تراشه‌های خود را به عنوان لایه ادراکی پایه برای نسل بعدی تجهیزات خودران جا بیندازد.[4]

بازارهای هدف و جدول زمان‌بندی توسعه

کاربردهای اولیه این ایده بیش از همه در دستگاه‌هایی مطرح است که با باتری‌های بسیار کوچک کار می‌کنند یا اتصال شبکه‌ای ناپایداری دارند. بهارات سمی صنایعی نظیر هوافضا، اتوماسیون کارخانه‌ای، نظارت تصویری و لوازم خانگی هوشمند را هدف گرفته؛ بخش‌هایی که ارسال پیوسته ویدئو به سرور ابری در آنها یا ناممکن، یا بسیار کند و هزینه‌بر است.[1]

کاپور به پهپادهای خودرانی اشاره می‌کند که برای پردازش بینایی نباید بارهای سنگین پردازشی را حمل کنند، یا دستگاه‌های تهویه مطبوعی که فقط با خالی شدن اتاق دمای خود را تغییر می‌دهند. در هر دو حالت، دستگاه نهایی فقط به یک «تصمیم» بله یا خیر نیاز دارد، نه استریم مداوم تصویر با کیفیت بالا.[1]

با وجود تزریق ۲۴ میلیون دلار سرمایه، بهارات سمی دست‌کم سال‌ها با تولید در تیراژ تجاری فاصله دارد. نسل اول حسگرهای شرکت هم‌اکنون در مرحله نمونه آزمایشگاهی است و ساخت نمونه اولیه نسل دوم که قرار است توان محاسباتی پیشرفته‌تری برای هوش مصنوعی داشته باشد، به اواسط سال ۲۰۲۷ موکول شده است.[1]

طرح مفهومی: پهپادهای خودران و ربات‌های صنعتی از اهداف اصلی حسگرهای هوش مصنوعی لبه هستند که باید بدون وابستگی به اینترنت یا پردازش ابری تصمیم بگیرند.

اگر جدول زمانی اعلام‌شده بدون اشکال پیش برود، این استارتاپ انتظار دارد حسگرهای نسل دوم را اواخر سال ۲۰۲۷ به دست نخستین مشتریان خود برساند. بودجه فعلی منحصراً برای به پایان رساندن همین چرخه تحقیق و توسعه سخت‌افزاری و تکمیل لایه نرم‌افزاری پیرامون آن اختصاص یافته است.[1]

مسئولیت فنی این پروژه بر دوش بوید فاولر است؛ مدیری که پیش‌تر سِمَت مدیر ارشد فناوری را در شرکت مطرح امنی‌ویژن (OmniVision) بر عهده داشته است. حضور چنین فردی تا حدی به این استارتاپ برای ورود به کارزار تغییر معماری سنتی حسگرها اعتبار فنی می‌بخشد.[1]

گسترش گستره جغرافیایی و تیم فنی

بهارات سمی در حال حاضر حدود ۷۵ کارمند دارد که میان مقر اصلی در هند و دفتری در آمریکا تقسیم شده‌اند. دفتر آمریکایی مستقر در سنتا کلارای کالیفرنیا، حدود ۱۰ تا ۱۲ مهندس را در خود جای داده که تمرکزشان بر معماری پایه سیلیکون و رایزنی‌های بین‌المللی با مشتریان است.[1]

بخش قابل‌توجهی از بودجه جدید صرف دو برابر کردن نیروهای مستقر در کالیفرنیا و رساندن تعداد آنها به حدود ۲۰ نفر تا سال ۲۰۲۷ خواهد شد. شرکت هم‌زمان قصد دارد مهندسان متخصصی را نیز در اروپا برای پشتیبانی از قراردادهای بین‌المللی به خدمت بگیرد.[1]

کاپور انگیزه این مسیر را چنین توصیف می‌کند: «مسئله این است که آیا می‌توان از خاک هند یک شرکت فناوری با کلاس جهانی بنا کرد یا نه.» او که پیش‌تر مدیر فناوری حوزه سلامت و عضو برنامه ساوت پارک کامنز بود، این شرکت را اواخر ۲۰۲۱ به همراه وینا یاک دالمیا، مشاور سابق مک‌کینزی، راه‌اندازی کرد.[1]

مدل تجاری شرکت کاملاً فب‌لس (Fabless) یا بدون کارخانه ساخت است؛ به این معنا که مالکیت معنوی، الگوها و پشته نرم‌افزاری را خود طراحی می‌کند اما فرآیند ریخته‌گری فیزیکی ماسک و ویفر سیلیکونی را به فاندری‌های بین‌المللی برون‌سپاری می‌کند. این الگو نیاز به میلیاردها دلار سرمایه‌گذاری برای احداث کارخانه تراشه‌سازی را دور می‌زند.[1]

در سال ۲۰۲۴، بهارات سمی از همکاری تحقیقاتی جداگانه‌ای با نیروی فضایی ایالات متحده برای بررسی زیرساخت‌های بومی ساخت نیمه‌رسانا خبر داده بود. کاپور تأکید کرده که آن پروژه فضایی مستقل و در مراحل ابتدایی است و هیچ بخشی از این بودجه ۲۴ میلیون دلاری به آن اختصاص داده نمی‌شود.[1][5]

تغییر موازنه در زیست‌بوم نیمه‌رسانای هند

این دور بذری حجیم، بازتاب‌دهنده دگرگونی نگاه صندوق‌های جسورانه به زنجیره ارزش نیمه‌رسانا در هند است. این کشور سال‌ها نقش کارگاه پشتیبان غول‌های آمریکایی و اروپایی را داشت و پروژه‌های طراحی و آزمون مدارهای خارجی را بدون تصاحب مالکیت فکری اجرا می‌کرد.[1]

اما اکنون تمایل به تجاری‌سازی مالکیت معنوی تراشه‌ها توسط استارتاپ‌های بومی شتاب گرفته است. بر اساس آمارهای صنعتی، استارتاپ‌های نیمه‌رسانای هند تنها در پنج ماه نخست سال ۲۰۲۶ میلادی ۹۲ میلیون دلار سرمایه جذب کرده‌اند که از کل سرمایه‌گذاری این بخش در سال ۲۰۲۵ بیشتر است.[2]

استارتاپ‌های هندی حوزه نیمه‌رسانا در پنج ماهه نخست سال ۲۰۲۶ شاهد رشد جهشی ورود سرمایه‌های خطرپذیر بوده‌اند.

این استقبال دو بال دارد: به ثمر نشستن بسته‌های تشویقی و یارانه‌های دولتی برای طراحی تراشه در داخل هند، و تلاش سرمایه‌گذاران غربی برای تنوع‌بخشی به زنجیره تأمین تراشه و کاهش وابستگی شدید به چین. صندوق‌های خطرپذیر حالا رغبت بیشتری برای تأمین مالی استارتاپ‌هایی دارند که مسیر مشخصی تا تولید نهایی نمونه تراشه (Tape-out) نشان می‌دهند.[1]

دولت هند میلیاردها دلار برای ساخت کارخانه‌های تراشه‌سازی متعهد شده، هرچند این کشور هنوز توانایی اجرای موفقیت‌آمیز فاندری‌های پیشرفته در مقیاس تجاری را عملاً اثبات نکرده است. بهارات سمی با اتخاذ مدل فب‌لس، خود را از بن‌بست‌های فرسایشی زیرساخت داخلی رهانیده و چاپ طرح‌هایش را به کارخانه‌های کهنه‌کار تایوانی یا آمریکایی متکی کرده است.[1]

پراتیک مهتا، مدیر صندوق ساوت پارک کامنز، درباره منطق این سرمایه‌گذاری گفت: «همه ما منتظر هوش مصنوعی کارآمدتری هستیم که جهان فیزیکی ما را دگرگون کند. این جهان فیزیکی از طریق حسگرهایی لمس می‌شود که فعلاً بر منطق‌های برنامه‌ریزی ثابت و محدود کار می‌کنند و ظرفیت همگام شدن با آینده را ندارند؛ حسگرها باید خودشان در لحظه تصمیم بگیرند.»[4]

پراتیک مهتا، مدیر صندوق ساوت پارک کامنز، درباره منطق این سرمایه‌گذاری گفت: «همه ما منتظر هوش مصنوعی کارآمدتری هستیم که جهان فیزیکی ما را دگرگون کند.

برای بهارات سمی، میدان نبرد اکنون از اسلایدهای سرمایه‌پذیری و توصیف مفاهیم انتزاعی به اتاق تمیز کارخانه‌ها کشیده شده است: تحویل تراشه‌ای با بازدهی قابل‌قبول که ادعاهای اغراق‌آمیز درباره کارایی را در عمل محقق کند. تاریخ نیمه‌رساناها پر از شرکت‌هایی است که وعده دگرگونی معماری دادند اما در حل معضل بازدهی تولید ویفر (Yield) زمین خوردند.[1][4]

سنجش واقعی اعتبار این قمار ۲۴ میلیون دلاری در پایان سال ۲۰۲۷ آشکار می‌شود؛ زمانی که خواهیم دید آیا پیش‌نمونه‌های آزمایشگاهی می‌توانند بدون نقایص فنی به تولید انبوه برای جنرال اتومیکس و کینز برسند و ثابت کنند هند می‌تواند مالک پتنت‌های ارزش‌آفرین سیلیکونی باشد یا نه.[1]

نکات کلیدی

  • استارتاپ بهارات سمی در یک دور بذری به ارزش ۲۴ میلیون دلار با هدایت اینفو اج، ساوت پارک کامنز و ایندوس بریج ونچرز سرمایه جذب کرد.
  • این شرکت روی حسگرهای تصویر برنامه‌پذیری کار می‌کند که دریافت تصویر، آماده‌سازی سیگنال و استنتاج هوش مصنوعی را روی یک قطعه سیلیکون تجمیع می‌کنند.
  • بهارات سمی ادعا می‌کند این معماری می‌تواند انتقال داده میان‌قطعه‌ای را تا ۹۹ درصد و هزینه کلی ماژول را تا ۷۰ درصد کاهش دهد.
  • با آنکه حسگرها هنوز در مرحله ساخت نمونه اولیه هستند، پیمانکار دفاعی آمریکایی جنرال اتومیکس و شرکت هندی کینز سمیکان متعهد به آزمایش آن شده‌اند.

آنچه نمی‌دانیم

  • آیا برآورد نظری کاهش ۷۰ درصدی هزینه‌ها پس از ورود تراشه‌ها به چرخه تولید انبوه و بازدهی واقعی کارخانه پایدار خواهد ماند؟
  • کدام فاندری و خط تولید خارجی دقیقاً وظیفه ساخت سیلیکون بسیار پیچیده و ادغام‌شده بهارات سمی را بر عهده خواهد گرفت؟
سرمایه‌گذاران فناوری‌های عمیق 40%طراحان تراشه‌های بدون کارخانه 35%مشتریان صنعتی و دفاعی 25%
سرمایه‌گذاران فناوری‌های عمیق
معتقدند که پیاده‌سازی کاربردی هوش مصنوعی در دنیای فیزیکی نیازمند معماری‌های سخت‌افزاری کاملاً جدیدی است که از بنیاد در سطح حسگر ساخته شده باشند.
طراحان تراشه‌های بدون کارخانه
استدلال می‌کنند که ادغام پردازش محاسباتی در بدنه حسگر، زمان تأخیر را تقریباً از بین می‌برد و هزینه‌های ساخت سامانه‌های لبه را به شدت می‌کاهد.
مشتریان صنعتی و دفاعی
به دنبال سامانه‌های ادراک خودکار و مستقلی هستند که عملکردشان متکی به اتصال مداوم و آسیب‌پذیر با شبکه‌های ابری خارجی نباشد.

دیدگاه‌هایی که این گزارش پوشش نداده

  • تولیدکنندگان باسابقه حسگرهای تصویر که معماری‌های چندتراشه‌ای آنها هدف این چالش فناورانه قرار گرفته است.
  • فاندری‌های تجاری که در نهایت باید چالش ساخت فیزیکی این سیلیکون‌های بسیار متراکم را در تیراژ انبوه حل کنند.

منابع

پوشش منابع

5 منبع

3 دیدگاه شناسایی‌شده

سرمایه‌گذاران فناوری‌های عمیق 40%طراحان تراشه‌های بدون کارخانه 35%مشتریان صنعتی و دفاعی 25%
  1. [1]TechCrunchطراحان تراشه‌های بدون کارخانه

    Indian chip startup Bharat Semi lands $24M seed round as it eyes global AI sensor market

    مطالعه در TechCrunch →
  2. [2]The Economic Timesطراحان تراشه‌های بدون کارخانه

    Bharat Semi raises $24 million seed round to build AI-powered smart sensors

    مطالعه در The Economic Times →
  3. [3]Mintسرمایه‌گذاران فناوری‌های عمیق

    Bharat Semi raises $24 million in seed round led by Info Edge, South Park Common

    مطالعه در Mint →
  4. [4]Business Standardسرمایه‌گذاران فناوری‌های عمیق

    Bharat Semi raises $24 million to develop intelligent sensors for AI

    مطالعه در Business Standard →
  5. [5]Indian Startup Newsمشتریان صنعتی و دفاعی

    Bharat Semi raises $24 million in funding to build AI sensors for robots, cameras and drones

    مطالعه در Indian Startup News →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار فناوری با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.