[기고] 스마트 산업 위한 센서 집약적 AI 컴퓨팅 개발 가속화
제조 현장에서 폭발적으로 증가하는 데이터 수요를 충족시키기 위해 필요한 센서의 종류 및 센서의 채널 수가 지속적으로 증가함에 따라, 산업용 컴퓨터의 설계 및 확장이 점점 더 어려워지고 있다. 이와 함께 산업계 및 의료기관들의 자동화 도입 요구가 높아지면서, 기기 레벨에서 엣지 및 클라우드에 이르기까지 시스템 전반에 걸쳐 AI, 머신러닝, 데이터 분석 소프트웨어 및 지능형 디스플레이 등의 기술 융합 또한 가속화되고 있다. 이로 인해 보다 높은 수준의 다각화된 컴퓨팅 성능에 대한 요구가 증가하면서, 센서 집약적 제어 애플리케이션을 위해 설계된 적응형 컴퓨팅 플랫폼(Adaptive Compute Platform) 기반의 새로운 접근방식이 주목받고 있다. 적응형 컴퓨팅 플랫폼은 개발을 가속화하고, 하드웨어 및 소프트웨어 통합을 간소화하는 것은 물론, 전력소모를 정밀하게 제어하면서 안정적인 성능을 유지할 수 있도록 지원한다. 센서와 적응형 컴퓨팅 플랫폼이 탑재된 수많은 엣지 기기는 시스템과 연결되어 있거나 자체적으로 내장된 PC를 갖추고 있다. x86 기반 컴퓨팅과 AI, 제어, 센서 인터페이스 및 프로세싱, 시각화 및 네트워킹 기능을 긴밀하게 통합하면 전반적인 크기를 소형화할 수 있어 구축 및 설치를 용이하게 하는 등 여러 중요 이점을 얻을 수 있다. 실시간 센서 프로세싱 및 제어, 네트워킹 및 AI 추론을 처리할 수 있는 적응형 컴퓨팅 플랫폼은 지연시간과 전력소모 및 전체 솔루션 크기를 최소화하는데 도움을 준다. 이를 기반으로, 임베디드 프로세싱에 적합한 효율적이고 강력한 플랫폼을 구현할 수 있다. 임베디드 PC, 다양한 컴퓨팅 요소 통합 필요 엣지 애플리케이션의 지속적인 디지털화는 센서화를 비롯해 엣지 및 클라우드 컴퓨팅 전반에 걸친 AI 및 머신러닝 도입, HMI(Human Machine Interface)와 멀티미디어 경험 및 네트워킹, 그리고 운영기술(OT) 및 정보기술(IT) 영역 간의 통합 등 여러 요소들을 통해 가속화되고 있으며, 이러한 구성 요소들이 최적의 성능을 발휘하기 위해서는 서로 다른 형태의 다양한 컴퓨팅 요소가 필요하다. 의료 영상 시스템을 예로 든다면, 이러한 시스템은 일반적으로 다양한 프로브를 통해 수집된 데이터를 여러 알고리즘을 이용해 인터페이스 및 처리해야 한다. 이러한 작업은 워크로드가 매우 복잡하기 때문에 상당한 규모의 컴퓨팅 성능이 필요하다. 이러한 과정에서 생성된 데이터는 불필요한 정보를 제거하고, 체계적으로 정리 및 가공된 후에 비로소 영상의학 전문의나 심장 전문의와 같은 의료진에게 유용한 정보로 활용될 수 있다. 따라서, 데이터 분석 엔진과 AI 추론 기능을 활용하여 결과 분석 과정을 더욱 신속하게 수행하고 통찰력을 얻을 수 있다. 또한, 이러한 모든 정보는 의료 분석가들이 진단에 활용할 수 있도록 디스플레이 모니터에 시각화되어야 하며, 의료기관의 네트워크를 통해 의료 데이터베이스로 전달되어야 한다. 이는 광범위한 센서화(sensorization)를 통해 임베디드 애플리케이션의 효율성 및 생산성을 향상시켜 다양한 변화를 가능하게 하는 하나의 사례에 불과하다. 이러한 광범위한 센서들은 최대한의 응답성을 달성하기 위해 밀리초 단위에서 신속하게 인터페이스되고, 처리되어야 한다. 또한, 대규모로 구축된 센서는 빅데이터 알고리즘에 데이터를 제공하여 프로세스에 대한 통찰력 및 인사이트를 도출함으로써 성능 개선은 물론, 차세대 제품 개발에 기여할 수 있다. 센서와 적응형 컴퓨팅 플랫폼이 탑재된 수많은 엣지 기기는 시스템과 연결되어 있거나 자체적으로 내장된 PC를 갖추고 있다. 이러한 x86 기반 컴퓨팅과 AI, 제어, 센서 인터페이스 및 프로세싱, 시각화 및 네트워킹 기능을 긴밀하게 통합하면 전반적인 크기를 소형화할 수 있어 구축 및 설치를 용이하게 하는 등 여러 중요 이점을 얻을 수 있다. 또한, 통합 솔루션을 통해 전력소모를 줄임으로써 전력 설계를 간소화하고 공장 내에서의 부품, 자재, 완제품 운반에 사용되는 AMR과 같은 배터리 기반 애플리케이션을 한 번의 충전으로 더 오래 작동할 수 있도록 한다. 반면, 프로세싱 엔진의 과도한 전력소모로 인해 손실되는 런타임을 보완하기 위해 더 큰 배터리를 장착하면 시스템의 비용과 무게가 증가하게 된다. 하지만 통합 솔루션을 이용하면 총 소유 비용(TCO)을 낮추는데 기여할 수 있다. 그러나 이러한 통합은 상당한 수준의 하드웨어 및 소프트웨어 엔지니어링 노력이 필요하다. 특히 더 높은 생산성과 안전성, 보다 효율적인 운영 계획 수립을 위해 계속해서 더 많은 센서 채널이 추가됨에 따라 이러한 통합 작업은 더욱 어려워지고 있다. 엣지 AI 통합 적응형 컴퓨팅 플랫폼으로 지연 시간 최소화 이러한 통합을 위한 일반적인 접근방식은 산업 및 의료 컴퓨팅 분야에 널리 사용되는 x86 프로세서 아키텍처 기반의 풍부한 생태계와 함께 실시간 머신 제어, 센서 인터페이스 및 네트워킹 기능을 실행할 수 있는 적응형 컴퓨팅 플랫폼을 활용하는 것이다. 이러한 조합을 통해 머신 비전, 산업용 네트워킹, 로봇 컨트롤러, 의료 영상, 스마트 시티, 보안 및 리테일 분석 등과 같은 다양한 적용 사례를 구현할 수 있다. 기존에는 게이트키퍼 역할을 수행하는 산업용 PC가 유입되는 센서 데이터를 처리하고 이 데이터를 x86 코어에서 처리할지, 아니면 PCI 익스프레스 인터페이스로 연결된 FPGA 기반 가속기 카드에서 처리할지 판단했다. 하지만 이러한 접근방식은 지연 시간이라는 중요한 문제를 유발시킨다. 센서 데이터를 수집하고 처리한 뒤, 가속기로 전송하는데 소요되는 시간으로 인해 지연시간이 가중됨으로써 실시간 시스템 응답이 불가능해질 수 있다. 반면, FPGA 기반 적응형 컴퓨팅 플랫폼에 센서 인터페이스와 AI 프로세서, 네트워크 프로세싱을 통합하면 상당한 이점을 얻을 수 있다. 단일 마더보드에 이러한 기능들을 통합함으로써 컴퓨팅 효율을 높이고 지연시간을 줄이는 것은 물론, 데이터가 여러 구성요소를 거쳐야 할 필요성도 없어진다. 따라서 이와 같은 통합 접근방식은 더 빠른 응답 속도와 더 높은 정확도를 제공할 뿐만 아니라, 전력소모를 낮출 수 있는 잠재력을 제공한다. AMD, 버설 기반 적응형 컴퓨팅 플랫폼 제공 실시간 센서 프로세싱 및 제어, 네트워킹 및 AI 추론을 처리할 수 있는 적응형 컴퓨팅 플랫폼은 지연시간과 전력소모 및 전체 솔루션 크기를 최소화하는데 도움을 준다. 이를 기반으로, 임베디드 프로세싱에 적합한 효율적이고 강력한 플랫폼을 구현할 수 있다. AMD 버설(Versal) 적응형 이기종 프로세서와 같은 디바이스에 구현된 이러한 원리를 확장하면 기존의 다양한 워크로드를 처리하는 동시에, 가속화되는 센서화 흐름에도 대응할 수 있는 임베디드 컴퓨팅 플랫폼을 보다 간단하게 구현할 수 있다. x86 프로세서 IP를 추가하고, 특화된 적응형 컴퓨팅 솔루션을 활용하고, 센서 인터페이스에 적합한 다수의 I/O 구성을 이용함으로써 더 높은 수준의 통합, 전력 효율성 및 시스템 응답 속도를 달성할 수 있다. 특히 다수의 I/O 구성은 다양한 유형의 센서를 연결하고 해당 신호를 직접 라우팅하여 처리할 수 있도록 지원한다. 이는 GMSL(Gigabit Multimedia Serial Link) 카메라나 10/25GE, 라이다(LiDAR)를 비롯해 내시경 및 초음파와 같은 의료용 프로브 등 다양한 유형의 센서에 적용할 수 있다. 또한, 필요에 따라 추가 센서 채널을 쉽게 구성할 수 있어 확장성 확보에도 유리하다. 이러한 접근방식은 확장 가능한 센서 인터페이스와 이기종 가속의 장점 그리고 x86 플랫폼 기반의 산업용 프로세싱을 지원하는 광범위한 생태계를 통해 센싱과 AI, 제어 및 네트워킹 소프트웨어를 간소화할 수 있다. 이를 통해 엔지니어는 자신들의 요구사항에 정확히 부합하는 최적의 임베디드 컴퓨터를 구현할 수 있다. 센서 I/O 수를 조정하고, 각 채널을 CPU, 실시간 코어, DSP, AI 엔진 또는 프로그래머블 로직 등 가장 적합한 가속 엔진에 개별적으로 연결할 수 있으며, 세밀하게 조정된 최적의 전력소모 및 성능을 구현할 수 있다. 모든 입력 채널 신호를 칩 상의 가장 적합한 프로세싱 엔진에 유연하게 연결할 수 있는 이러한 기능은 엔지니어가 신호의 우선순위나 실시간 결정론적 성능 요구에 따라 복합적인 센서 중요도(Mixed Sensor Criticality)를 효과적으로 처리하는데 도움을 준다. x86 기반 임베디드 컴퓨팅을 지원하는 광범위한 생태계는 머신 비전, 의료 영상 스캐닝, 로봇 제어 등 다양한 애플리케이션 개발을 지원하는 풍부한 리소스를 제공한다.
