物理AI正如火如荼地发展之中，它的本质是智能系统在物理世界中感知、推理及行动，且保持可预测的实时性能。
目前物理AI行业发展的热点，是大脑（具身基础模型）、眼睛（视觉感知系统）、肢体（灵巧手，关节）等，却一定程度上忽略的一个部分：神经系统（网络传输）。
一群在Ethernet（以太网）通信芯片浸淫数十年的行业专家聚集起来，试图打造这个神经系统。他们创立了Ethernovia，致力于构建基于以太网、以数据包处理器为核心的网络解决方案，让汽车内的通信带宽最高达到10Gbps，延迟低到10ms以内，支持车辆、机器人及智能机器中软件定义自主系统对实时传感器、AI及控制数据的严苛需求。
来源：Ethernovia
近日，Ethernovia完成超9000万美元的B轮融资，本轮融资由Maverick Silicon领投，Socratic Partners、Conduit Capital和CDIB-TEN Capital跟投， Porsche SE、Qualcomm Ventures和Fall Line Capital等参与它上一轮6400万美元A轮融资的投资机构也追加了投资。
打造物理AI的神经系统，让车内通讯延迟低至10ms
Ethernovia的创始团队由一群资深的半导体创新专家组成。Ramin Shirani作为CEO，是一位在半导体行业有25年经验的连续创业者，他创立的Aquantia公司，2017年在NYSE 上市，他还拥有60 项专利。
Roy Myers是Ethernovia的工程高级副总裁，曾担任Aquantia的首席架构师；Hossein Sederat是公司CTO，拥有超过70项专利，在Stanford获得博士学位；Darren Engelkemier是芯片工程副总裁，拥有20项专利。这个团队相当于Aquantia的核心团队在新的赛道上再创业。
此前，车载网络仅局限于诊断及车载信息娱乐系统 (IVI) 等特定领域，随着高级驾驶辅助系统 (ADAS)、自动驾驶功能、以及高速移动连接（5G）的问世，车内数据需求急剧攀升。
传统车内传输架构，复杂度高。来源：Ethernovia
传统的汽车主机厂，通常在代际更替时，不会彻底抛弃旧架构，这种做法导致了技术的层层堆叠。例如，传统的车内系统范式是一个功能对应一个电子控制单元（ECU），这导致如今一辆车可能拥有超过150个独立的控制器。然而，当控制器达到一定数量级时，问题就出现了：无论是管理网络的逻辑复杂性，还是应对线束的物理复杂性与重量，亦或是为所有ECU腾出物理空间，都变得难以为继。这凸显了引入性能更好的网络解决方案的必要性。
区域架构，复杂度降低，对传输性能要求高。来源：Ethernovia
“区域架构 (Zonal Architectures)”是一种更先进的架构，它按照物理位置来布线和控制，每个区域由一个“区域控制器”管理，区域控制器连接其物理区域内的所有设备（摄像头、雷达、刹车等）,这种设计能将车辆网络简化为“HPC ->区域控制器”的星型拓扑，从而大幅降低布线复杂度并规避长距离传输的信号完整性问题，但是高度依赖车内的网络通信性能。
据市场研究机构Future Market Insights的报告，预计到2033年全球汽车连接市场规模将攀升至1902.9亿美元。TechInsights预计，到2030年，轻型车辆将安装约22亿个车载以太网端口——平均每辆车超过20个，这个领域2025年至2030年间的年增长率将超过20%。
物理AI与边缘AI的核心智能是自主系统，随着自主系统的发展，低延迟、高能效及架构灵活的网络不再是“可选项”，而是“必选项”。行业需要将这个智能机器的“神经系统”重构，解决汽车、机器人及工业AI领域关键的网络瓶颈。
打造物理AI以太网连接方案，不仅关于速度，也关于安全
Ethernovia平台的核心是一系列业界首创的数据包处理器，旨在以确定性延迟和行业领先的能效，聚合、路由并智能管理高带宽的传感器、视觉及AI数据流。
这些处理器为自动驾驶、高级驾驶辅助系统 (ADAS)、机器人感知与控制以及新兴的AI定义功能提供了必需的实时数据基础架构，同时降低了系统的复杂性、重量及成本。
具体来说，Ethernovia打造了物理AI以太网连接方案，涵盖物理层 (PHY) 收发器，高度集成的汽车交换机 及数据包处理器 (Packet Processors)。前者负责通过单对线束进行数据收发，后者则致力于数据的聚合、加速及确定性传输。这些设备共同构建了“智能机器的神经系统”，在确保最高安全等级的同时，赋能软件定义汽车 (SDV) 及下一代物理AI系统。
车载物理层收发器( PHY)
智能汽车的互联需求和自动驾驶功能，对车内及车云之间快速、安全的数据传输提出了越来越高的要求。
Ethernovia的可扩展车载以太网PHY系列提供高能效、高带宽、低延迟的数据传输，还集成了协同优化的功能安全与网络安全IP。它支持通过单对双绞线实现全双工通信，传输距离超过15米，是业内唯一在单芯片内支持从10Gbps到1Gbps速率的器件。它采用先进的7nm工艺制造，实现了业内最低功耗。
它严格遵循ISO26262标准开发，集成的多项先进特性提供了超越汽车行业要求的诊断及电磁干扰 (EMI) 设计裕量，涵盖辐射发射与抗扰度 。超越了当今传输关键任务信息的车载网络对功能安全的严苛要求。
Ethernovia还开发了一款无需外部元件、测试设备或额外固件即可提供线束监控及故障检测的工具ForeSight Diagnostics，无论是在生产线的终端测试环节，还是在车辆实际运行部署期间，该工具均可用于故障诊断。
车载以太网交换机及可扩展交换机与数据包处理器
Ethernovia的可扩展车载Ethernet交换机及数据包处理器系列提供聚合与加速解决方案，专为智能机器或物理AI系统中各类ECU及聚合点而设计，旨在高效且安全地传输智能机器或物理AI系统内部的数据。
它的交换机与数据包处理器严格遵循ISO26262标准开发，超越了当今传输关键任务信息的汽车及物理AI网络对功能安全的严苛要求。
物理AI的神经系统，重要性高，潜力巨大
目前物理AI行业的创业和投资，大脑（具身基础模型）、眼睛（视觉感知系统）、肢体（灵巧手，关节）等领域都非常热，神经系统（网络传输）是一个相对被忽视，但重要性高，潜力巨大的领域。
在AI算力中心里，数据传输就是瓶颈，而且此前我们已经介绍了不少相关公司，例如Celestial AI、Enfabrica还有NexthopAI，NVIDIA也在NV Link 5这一代传输技术中，将每个GPU的双向带宽提升至1.8TB/s。
相对于AI算力中心，物理AI对于延时的要求更高。降低延时，既可以从大脑入手，例如Figure采用的系统1（快思考）+系统2（慢思考）架构，也可以从算力入手，例如NVIDIA的Jetson Thor芯片，当然智能机器的传输系统也是一个非常重要的方面。
Elon Musk在2021年的特斯拉AI Day上表示：“汽车就是带轮子的机器人，因为智能汽车拥有全自动驾驶计算机，有不断进化的神经网络模型，把这些放到人形载体上是合情合理的。”
最近，Musk又在达沃斯论坛上透露，特斯拉计划在2027年底向公众发售Optimus人形机器人。他预测特斯拉未来的价值中，大约80%将来自Optimus机器人，而非汽车，因为未来几乎每个人都会拥有一个机器人。
从Musk的表述中，我们可以看到，在智能汽车中使用的技术，很多都可以泛化到机器人，乃至其他物理AI领域。
中国已经有很好的智能汽车基础，在汽车网络架构上走在世界前列，例如大众就和小鹏合作推出了“中国电子电气架构 (China Electrical Architecture)”，采用这个架构后，车内ECU的数量最多可减少30%。所以小鹏，理想等智能汽车制造商，也像特斯拉一样，开始往机器人行业转型。
阿尔法公社已经完成对光帆科技、诺亦腾机器人、光智时空（Looki）、玄源科技（X-Origin-AI）、清智元视（Pixboom）、智象未来、共绩科技等AI软硬件初创公司的早期投资，多家公司一年内完成数轮后续融资。我们看到有更多的优秀企业围绕着AI产业革命这个叙事不断涌现。
本文由阿尔法公社原创。
✦
✦