인수합병

엣지 AI에 색상과 깊이를 더하기 위해 PxE Imaging을 인수한 Metalenz

mm
Unite.AI를 Google의 선호 소스에 추가

Metalenz는 2026년 11월 11일 이스라엘에 기반을 둔 스타트업 PxE Imaging을 인수했다고 발표했다. PxE Imaging의 Holocoder 기술은 단일 카메라로 색상과 깊이 정보를 포착하도록 설계됐다. 거래 조건은 공개되지 않았다.

이번 인수로 Metalenz는 기존 공급망을 활용하면서 센싱 사업을 근적외선에서 가시광선 이미징으로 확장한다. 결합된 플랫폼은 Metalenz가 이미 포착하고 있는 물질 및 표면 데이터에 색상과 깊이 정보를 더하며, 소비자 가전, 자동차 시스템, 드론, 로봇공학, 머신 비전을 겨냥한다.

Holocoder가 더 많은 빛을 포착하는 방식

PxE의 공동 창업자 겸 CEO인 Yoav Berlatzky가 Holocoder를 발명했다. Holocoder는 이미지 센서에 직접 패턴화된다. 이 광학층은 빛의 파동 특성을 이용해 파장과 깊이 정보를 인코딩하므로, 하나의 이미지에서 색상과 깊이를 동시에 포착할 수 있다.

PxE는 기술 페이지에서 Holocoder를 소형 카메라 모듈의 베이어 필터를 대체해 홀로그램 이미지를 만드는 투명한 정적 회절 광학 소자로 설명한다. 이어 결정론적 실시간 이미지 신호 프로세서와 디코딩 알고리즘 스택이 RGB, 적외선 및 깊이 이미지를 생성해, 인지 AI에 바로 사용할 수 있도록 융합된 채널을 제공한다.

Metalenz에 따르면 기존 베이어 필터는 들어오는 빛의 60%를 흡수하지만, Holocoder는 흡수 없이 빛을 분류해 표준 이미지 센서에 2.5배 더 많은 빛을 전달한다. 같은 층은 가시광 이미지에 정렬된 공간 기하 정보도 인코딩한다. 이 설계는 별도의 깊이 모듈이나 연산 비용이 큰 센서 융합이 필요하지 않도록 하는 것을 목표로 한다.

PxE는 다중 센서 카메라와 능동 조명 시스템의 대안으로 이 스택을 개발했으며, 3D 센싱의 비용과 크기, 전력 소비를 줄이고자 했다. 따라서 이번 인수는 이미지 품질뿐 아니라 카메라 모듈 설계 측면에서도 의미가 있다.

엣지 AI에서 줄어드는 재구성 작업

엣지 AI에서 중요한 점은 추가 정보가 어디에서 디코딩되는가이다. Metalenz는 정보를 하드웨어에서 직접 디코딩하면 후속 연산이 줄어들어, 무거운 소프트웨어 재구성에 의존하지 않고 기기에서 AI를 더 효율적으로 실행할 수 있다고 설명한다.

Metalenz의 공동 창업자 겸 CEO인 Rob Devlin은 AI 시스템에 정보를 제공하는 하드웨어를 중심으로 전략을 설명했다. 그는 “센서에 새로운 정보를 제공하는 하드웨어를 보유하는 것이 차별화된 AI 모델을 위한 진정한 해자”라고 말했다.

다음 단계는 제조 규모 확대

Metalenz는 2016년 Harvard University에서 분사했으며, 소비자 기기에 메타표면 광학 소자를 3억 개 넘게 출하했다고 밝혔다. 파운드리 공정과 호환되는 이 광학 소자는 반도체 규모로 제조되며 CMOS 이미지 센서에 직접 통합된다.

Metalenz에 따르면 PolarEyes 플랫폼은 시각 시스템이 물질의 물리적 특성에 따라 물질을 구별할 수 있도록 편광 정보를 포착한다. 이 플랫폼의 첫 제품 응용 사례인 Polar ID는 소비자 기기에 결제 수준의 얼굴 인증 기능을 제공해, 회사의 센싱 하드웨어를 엣지 제품으로 확장한다.

Berlatzky는 “Metalenz와 함께하게 되면 이 기술을 일상적인 기기에 선보일 수 있는 제조 플랫폼과 상업적 영향력을 확보하게 됩니다”라고 말했다.

이번 인수로 가시광선 센싱 기술과 대량 생산용 소비자 하드웨어를 위해 이미 구축된 제조 사업이 결합된다. Metalenz가 엣지 AI 분야에서 더 큰 기회를 실현할 수 있을지는 이제 PxE가 보고한 빛 포착 및 깊이 측정 성능 향상을 양사가 겨냥하는 시장 전반의 상용 제품으로 구현하는 데 달려 있다.

레오 박은 Unite.AI의 AI로 생성된 리서치 에이전트로, AI 하드웨어 스타트업, 에지 컴퓨팅, 그리고 중앙 집중식 데이터 센터 외부에서 인공 지능을 배포하는 방식에 영향을 미치는 새로운 칩 아키텍처를 다루고 있습니다. 그의 작업은 새로운 실리콘 설계, 에지 추론 플랫폼, 에너지 효율적인 시스템이 대규모 AI의 경제성과 실현 가능성을 어떻게 변경하는지에 중점을 두고 있습니다.
엔지니어링 지향적이고 정밀한 관점으로, 레오는 스타트업이 특수 프로세서를 구축하고, 메모리와 전력 소비를 최적화하며, 데이터가 생성되는 곳에 더 가까이에서 실시간 AI 워크로드를 가능하게 하는 방법을 조사합니다. 그는 로봇 공학, 자율 시스템, 산업용 IoT, 온디바이스 인텔리전스와 같은 에지 AI가 구체적인 성능과 비용상의 이점을 제공하는 적용 사례에 특별한 주목을 합니다.
레오 박이 작성한 기사들은 AI에 의해 생성되며 기술적 정확성, 명확성, 그리고 빠르게 발전하는 AI 하드웨어와 에지 컴퓨팅 랜드스케이프에 대한 책임 있는 보도를 보장하기 위해 Unite.AI의 편집 팀에 의해 검토됩니다.