Lola Vision cria chips e software para acelerar IA em dispositivos

Tayo Adesanya passou quase 12 anos trabalhando com microchips e processadores de IA, principalmente ajudando grandes fabricantes a decidir quais chips usar em seus equipamentos — um período que, segundo ele, lhe deu uma visão antecipada de para onde a demanda no mercado de computação de IA estava indo. Em 2024, ele lançou a Lola Vision Systems, uma empresa de infraestrutura de IA que desenvolve software e chips para executar modelos de IA em dispositivos.

O principal produto da empresa é um “conjunto de ferramentas de compilação” (compiler toolchain), um software que traduz um modelo de IA em instruções que um chip específico pode executar. Adesanya diz que esse gargalo é enorme: configurar manualmente um modelo de IA em um hardware novo pode levar cerca de 200 horas só para começar os testes. A Lola Vision afirma ter reconstruído essa camada de software e também está desenvolvendo seus próprios chips semicondutores, com o objetivo de automatizar mais etapas do processo. O cliente fornece seu código e o modelo de IA que deseja usar — próprio ou de código aberto —, e o software traduz os dois em instruções que o chip do cliente consegue executar.

Adesanya argumenta que a velocidade é só parte do benefício: uma configuração mais rápida dá a empresas aeroespaciais e a outras companhias de missão crítica mais tempo para executar modelos mais precisos sobre seus próprios dados, com menor consumo de energia. “Para esses clientes”, disse ele, “precisão e confiabilidade não são um diferencial opcional. Elas determinam se um produto passa pela revisão regulatória e se funciona de forma confiável em campo.”

A Lola Vision, sediada em Washington, D.C., é uma de várias startups que oferecem uma alternativa à tecnologia da Nvidia para executar IA em dispositivos. Adesanya diz que muitas empresas começam, em vez disso, com os módulos Jetson da Nvidia ou com modelos de IA de código aberto, que costumam falhar ou funcionar mal desde o início, obrigando as equipes a passar dias ou semanas só para colocá-los em funcionamento e mais semanas depurando. Mesmo assim, segundo ele, o consumo de energia frequentemente excede os orçamentos de computação de borda (edge computing), ou a placa não consegue entregar capacidade de computação suficiente para os modelos de que o produto realmente precisa — deixando os modelos de reconhecimento abaixo das metas ou interpretando mal os objetos.

Uma dúzia de clientes corporativos assinaram cartas manifestando interesse em comprar os chips da Lola Vision quando estiverem disponíveis, e a empresa já tem um cliente com contrato assinado. A empresa também firmou parceria com a SCALE, um programa de desenvolvimento de força de trabalho em microeletrônica, para atuar com mais laboratórios de semicondutores. Para gerar receita mais rápido, disse Adesanya, a empresa agora vai licenciar seu software para rodar em hardware já existente, em vez de esperar por seus próprios chips. A Lola Vision captou pouco mais de US$ 1 milhão em financiamento total até o momento, e foi selecionada para o TechCrunch Battlefield 200 deste ano, um programa que reúne 200 startups.

Por que importa

A aposta da Lola Vision é que, à medida que mais setores levam modelos de IA para câmeras, drones e outros dispositivos de borda, a camada de software que faz um modelo funcionar em um chip específico — e não apenas o chip em si — se torne o problema mais difícil e mais valioso a resolver.