닫기

일반뉴스

배너

[인터뷰] ST, 풍부한 인프라로 개발 가속화하는 딥 엣지 AI 솔루션

URL복사
[마감임박!! 무료] 생성형AI, 디지털트원, 제조AI, SaaS, 클라우드로 생산성 높이고, 비용절감 방안 제시.. AI자율제조혁신포럼 개최 (3/27~29, 코엑스3층 컨퍼런스룸 317~318호)

헬로티 서재창 기자 |

 

 

딥 엣지 솔루션이 주목받고 있다. 딥 엣지는 호스트 마이크로컨트롤러나 센서 자체 노드에 많은 인텔리전스를 포함시킴으로써 대량의 데이터 처리가 가능해졌다. 일부 전문가는 2030년까지 딥 엣지 AI 장치의 전 세계 출하량을 25억 개로 예상했다. 오늘날 딥 엣지 AI는 독립형, 저전력형, 비용 효율적 임베디드 솔루션에 초점을 맞춰 커뮤니티와 생태계를 만들어가는 추세다. 


ST마이크로일렉트로닉스(이하 ST)는 이 같은 시장 수요에 발맞춰 딥 엣지 AI 솔루션 개발에 매진하고 있다. 이에 ST는 자사의 AI 엔지니어로 구성된 AI 역량센터를 통해 핵심 제품 및 도구를 통합하고, 머신러닝 모델을 설계하고 있다. 이에 ST AI 역량센터의 마테오 마라비타(Matteo Maravita) 센터장과 ST의 AI 솔루션과 개발 인프라에 대한 이야기를 나눠봤다. 

 

ST의 AI 역량 센터에 대한 소개와 그곳에서 이뤄지는 연구 개발 활동이 궁금합니다. 

 

AI 역량 센터는 AI 엔지니어로 이뤄진 기술 팀입니다. 고객에게 시스템 수준의 기술 지원을 제공하며 AI와 관련 핵심 ST 제품 및 도구를 통합하고 있습니다. 또한, 초기 투자와 시장 출시 시간을 최소화하기 위해 선정된 고객에게 레퍼런스 프로젝트를 제공하도록 R&D 및 개념 증명(PoC) 프로젝트도 작업 중이죠.

 

일반적으로, 고객이 관심을 보이는 애플리케이션 활용 사례에서 시작해 리눅스 기계에서 최적의 머신러닝 모델 설계를 시작하고 데이터 세트를 직접 만들기도 합니다. 머신러닝 모델의 만족스러운 성능이 확보되면 STM32(또는 대상 사양을 충족하는 경우 MEMS MLC)에서 포팅을 시작합니다. 

 

이 절차는 ST 도구 및 라이브러리 에코시스템 덕분에 쉽고 신속하게 수행할 수 있습니다. 그런 다음 실시간 데모 테스트로 넘어갑니다. 최초 머신러닝 모델에서 다루지 않은 변수를 찾을 수도 있는데, 이 경우 새로운 샘플을 준비해 최초 데이터 세트의 통합 단계로 돌아간 뒤 만족스러운 수준의 성능이 발휘될 때까지 머신러닝 모델을 개선해야 합니다. 

 

ST K-TEC 컨퍼런스에서 공개된 바와 같이, ST는 딥 엣지 AI 솔루션 개발에 초점을 맞추고 있습니다. 딥 엣지 AI 솔루션에 대한 시장의 니즈는 어떠하며, 현재 수요가 높은 산업군은 무엇인지 궁금합니다. 

 

딥 엣지 AI의 핵심 요구 사항은 다음과 같이 요약하겠습니다. 먼저는 ‘응답성’입니다. 많은 애플리케이션에서 목표 응답 시간은 수십 또는 수백 밀리세컨드 범위입니다. 모든 원본 데이터를 클라우드 서비스로 전송하고 결과를 기다려야 한다면 이 목표는 달성할 수 없습니다.

 

두 번째는 ‘대역폭’입니다. 서버 또는 클라우드 서비스와 연결을 유지해야 하더라도 머신러닝 모델을 로컬에서 실행하면 센서 원본 데이터(수백 KB) 대신 결과(수 비트)만 전송합니다. 

 

세 번째는 ‘개인 정보 보호’입니다. 비디오 또는 오디오 애플리케이션을 작업할 때 집이나 사무실, 회사의 이미지 또는 오디오 파일을 클라우드 서버에 전송하려면 우려가 뒤따릅니다. 데이터를 로컬에서 처리하면 이 같은 민감한 데이터를 전송할 필요가 없으므로 개인 정보가 보호됩니다. 네 번째는 ‘신뢰도’입니다. 상시 연결 상태 유지를 피할 수 있으므로 전반적으로 보다 강력하고 신뢰도 높은 시스템을 확보합니다. 

 

마지막으로, ‘에너지 절약’입니다. 전체 시스템 전력 소모에서 상당한 비율을 차지하는 내장형 솔루션의 하위 시스템 중 하나가 바로 연결성입니다. 연결성 사용량을 줄이고 저전력 센서 및 장치에서 머신러닝 알고리즘을 실행하면 전체 전력 소모를 대폭 절감합니다.

 

이 같은 여러 요인으로 인해 최근 많은 시장에서 딥 엣지 AI 솔루션 수요가 상승세를 보이고 있습니다. 수요가 높은 시장으로는 산업 및 소비재, 자동차 산업을 꼽을 수 있습니다. 

 

ST는 딥 엣지 AI 솔루션으로 조건 모니터링, 오디오 및 센싱, 컴퓨터 비전 세 가지 영역에 주력하고 있습니다. 해당 영역의 최신 솔루션과 그 이점에 대해 소개 바랍니다. 

 

조건 모니터링에서는 새로운 도구인 나노엣지 AI 스튜디오가 솔루션 포트폴리오에 추가됐습니다. AI에 경험이 없는 고객도 최소한의 작업으로 단시간에 고급 머신러닝 프로젝트를 개발하도록 지원하는 프로그램입니다. 센싱에서는 머신러닝 HW 엔진을 통합하는데, 이를 머신러닝 코어라고 합니다.

 

최신 MEMS 센서 포트폴리오에 포함되며 전력 소모가 극히 낮습니다. 컴퓨터 비전용으로 32비트 마이크로컨트롤러 STM32로 실행되는 다양한 레퍼런스 라이브러리 및 프로젝트를 출시했습니다. 이미지 분류, 사물 감지, 얼굴 식별 등 다양한 사례에 사용합니다. 

 

STM32Cube.AI가 MCU상 신경망 개발을 지원하며 많은 장점을 제공한다고 들었습니다. STM32Cube를 사용하는 개발자는 어떤 이점을 얻을 수 있을까요?

 

32비트 마이크로컨트롤러용 기타 AI 라이브러리와 비교했을 때 STM32Cube.AI의 주요 장점은 라이브러리가 STM32 HW 구조의 성능을 최대화하기 위해 작성돼 메모리 사용량이 대폭 축소되며(동일한 장치용 유사한 기타 라이브러리와 비교 시 최대 1/3) 유추 시간도 절감된다는 것입니다.

 

이뿐 아니라 이 도구는 메모리 할당 사용의 미세 조정(내부 및 외부)에서도 훌륭한 유연성을 자랑합니다. 비용 및 유추 시간 성능에 있어 내장 프로젝트에 필수적인 도구입니다. Keras, TensorflowLite, Scikit-learn 등 주요 오픈소스 딥 러닝 프레임워크로 사전 학습된 머신 러닝 및 신경망 모델의 아키텍처와 계층을 대부분 지원합니다. 

 

ST에서는 개발자를 위한 에코시스템을 제공하고 있습니다. 해당 에코시스템을 사용하는 개발자들의 반응은 어떤가요?

 

라이브러리 및 도구의 AI 에코시스템에 대해 고객들이 훌륭한 평가를 주고 있습니다. 현재 AI 라이브러리는 ST의 전체 솔루션 포트폴리오에서 가장 다운로드 수가 많은 SW 라이브러리 중 하나로, 다양한 기능 지원과 사용 편리성에 대해 고객의 많은 성원을 받고 있습니다.

 

도구를 개발할 때 당사는 성능과 풍부한 기능뿐 아니라 ‘고객의 사용을 편리하게’라는 모토를 바탕으로 사용자 인터페이스와 이들의 유용성에도 집중했습니다. 

 

딥 엣지 AI 장치가 보다 폭넓게 활용됨에 따라 출시되는 제품 수도 많아졌습니다. ST의 AI 솔루션과 비즈니스 전략은 어떤 경쟁력을 지니고 있습니까?

 

ST는 엣지 AI 솔루션용 솔루션과 에코시스템에 대해 풍부한 포트폴리오를 보유하고 있어 32비트 MCU 및 MPU, 두 가지 센서를 위한 AI 솔루션 모두 제공 가능합니다. MLC 기능(의사 결정 트리 머신러닝 모델)과 통합된 MEMS 센서는 동종 솔루션 중 가장 먼저 시장에 출시됐고 저전력 소모에 있어 이례적인 성능을 자랑합니다(단 몇 마이크로암페어만으로 머신러닝 모델 실행).

 

STM32 기반 솔루션과 관련해 AI에 대해 일정 수준의 전문 지식이 있는 고객을 위한 무료 솔루션(STM32Cube.AI)과 경험을 보유하지 않은 고객을 위한 유료 프리미엄 도구(나노엣지 AI)가 모두 제공되며, 핵심 솔루션으로 전환할 계획 중입니다. 

 

AI 솔루션의 계획 및 출시에 있어 내년 계획과 중장기 목표를 말씀해 주십시오. 

 

ST는 AI 솔루션용 포트폴리오를 완전히 새롭게 확장할 계획입니다. 도구 및 라이브러리로 지원되는 기능과 레퍼런스 PoC 데모 FW 프로젝트의 수를 늘리고 특정 AI 가속기가 통합된 새로운 장치를 빠른 시일 내에 출시할 예정입니다. 많은 관심 부탁드립니다. 

 

 










배너









주요파트너/추천기업