모자이크 SoC, 공간 지능을 소비자 기기에게 가져다줄 380만 달러의 시드 자금을 확보하다

새로운 소비자 하드웨어 세대가 등장하고 있다. 이들은 단순히 이미지를 캡처하는 것이 아니라 실시간으로 세계를 해석한다. 스위스에 기반을 둔 모자이크 SoC는 이러한 변화를 주도하는 중심에 자리 잡고 있다. 모자이크 SoC는 공간 인식에 특화된 칩을 개발하기 위해 380만 달러의 시드 자금을 확보했다. 이 칩은 전력 제한이 있는 기기에서 공간 인식을 가능하게 한다.

시드 자금은 파운더풀이 주도했으며, 킥 재단이 참여했다.

공간 컴퓨팅의 병목 현상

현재 기기들은 점점 더 정교한 센서와 카메라를 탑재하고 있지만, 이러한 데이터를 해석하는 것은 여전히 많은 자원을 필요로 한다. 실시간 인식, 즉 위치, 이동, 주변 환경을 이해하는 것은 일반적으로 전력 소모가 많은 프로세서 또는 GPU에 의존한다. 이는 배터리 효율이 중요한 작은 기기에서 이러한 기술을 사용하는 것을 제한한다.

이 제한은 증강 현실 안경이나 항상 켜져 있는 모바일 비전 시스템과 같은 분야의 발전을 늦추고 있다. 이러한 기능을 일상적인 소비자 제품으로 확대하는 것은 열, 배터리 수명, 기기 크기와 관련된 트레이드오프로 인해 어려웠다.

모자이크 SoC는 이러한 병목 현상을 다른 접근 방식으로 해결하고자 한다. 즉, 공간 지능을 독립적으로 처리하는 전용 인식 칩을 개발하는 것이다. 이 칩은 더 큰 처리 스택에 대한 의존도를 줄인다.

실시간 인식 위한 전용 계층

모자이크 SoC의 아키텍처는 일반적인 컴퓨팅을 추가하는 것이 아니라, 시각적 및 위치 센서 데이터를 처리하기 위해 특별히 설계되었다. 이 회사의 칩은 기기가 주변 환경을 지속적으로 이해할 수 있도록 해주며, 이는 엄격한 에너지 예산 내에서 작동한다.

실제로 이는 기기가 지역 맵을 구축하고, 객체를 인식하며, 이동을 추적하는 것을 가능하게 한다. 이는 클라우드 처리 또는 기기 내에서 많은 계산 없이 수행된다. 웨어러블 기기의 경우, 이는 하루 종일 인식이 유지되는 안경을 가능하게 할 수 있다. 스마트폰의 경우, 이는 관련 이벤트가 발생할 때만 활성화되는 항상 켜져 있는 컴퓨터 비전 기능을 소개할 수 있다.

통합을 위한 설계, 복잡성은 아님

하드웨어 제조업체가 직면하는 반복적인 도전은 새로운 기능을 기존 시스템에 통합하는 복잡성이다. 모자이크 SoC의 모델은 이를 완화하기 위해 칩과 함께 전체 애플리케이션 계층을 번들로 제공한다.

이 이는 원본 설계 제조업체(ODM)가 소프트웨어 스택을 처음부터 구축하지 않고 공간 지능을 통합할 수 있음을 의미한다. 엔지니어링 오버헤드를 추가하는 대신, 칩은 개발자가 구축할 수 있는 기초 계층으로 포지셔닝된다.

회사는 파트너와의 비재귀 엔지니어링(NRE) 계약을 통해 초기 수익을 창출하며, 생산이 증가함에 따라 칩 판매로 전환할 계획이다.

에지 인텔리전스에 집중한 창립자

모자이크 SoC는 ETH 취리히 출신의 Moritz Scherer와 Alfio Di Mauro 박사에 의해 설립되었다. 둘 다 시스템 온 칩 설계의 배경을 가지고 있다.

그들의 초점은 에지 기반 인텔리전스의 증가하는 수요와 현재 하드웨어 아키텍처의 제한 사이의 간격을 메우는 것이다. 전통적인 CPU 기반 설계를 확장하는 대신, 항상 켜져 있는 인식 사용 사례를 대상으로 최적화된 독점 멀티 코어 시스템을 개발했다.

칩에서 에코시스템으로

전용 인식 하드웨어가 성숙함에 따라, 중점은 원시 실리콘 성능에서 칩 위에 위치한 소프트웨어 계층으로 이동할 수 있다. 툴체인, 컴파일러, 개발자 프레임워크는 새로운 기능을 어떻게 쉽게 배포하고 어떤 정도로 채택할 수 있는지 결정하는 데점점 중요해진다. 이 모델에서 칩은 기초가 되지만, 개발자가 애플리케이션을 구축하고, 최적화하고, 배포하는 방식은 궁극적으로 혁신의 속도를 결정한다.

이 전환은 하드웨어만이 주요 차별점이 아닌 산업 전반의 패턴을 반영한다. 하드웨어와 소프트웨어 환경이긴밀하게 통합된 조합은 잠금, 표준화, 새로운 개발 패러다임을 만들 수 있다. 특히 공간 컴퓨팅과 같은 새로운 카테고리에서 그렇다.

지속적인 공간 인식으로

효율적인 항상 켜져 있는 인식이 대규모로 가능해진다면, 기기가 사용자와 그들의 주변 환경과 상호 작용하는 방식을 근본적으로변경할 수 있다. 활성화될 때만 반응하는 것이 아니라, 기기는 위치, 이동, 객체, 의도와 같은 컨텍스트를 클라우드 처리에 크게 의존하지 않고 지속적으로 이해할 수 있다.

이 변화는 새로운 가능성을 소개하지만, 또한 새로운 고려 사항을 제기한다. 지속적인 인식은 더직접관적인 인터페이스와 자동화를 가능하게 할 수 있다. 그러나 개인 정보 보호, 데이터 소유권, 기기 내에서 얼마나 많은 실시간 해석이 발생해야 하는지에 대한 질문을 제기한다. 또한 사용자수요을 예측하는 활성 시스템과 수동 도구 사이의 경계를 흐리게 할 수 있다.

기술적인 도전은 더 이상 실시간 인식을 달성하는 것이 아니라, 효율적으로, 안전하게, 일상적인 기기에 매끄럽게 통합되는 방식으로 이를 달성하는 것이다. 이러한 카테고리가 주류가 될지는 이러한 트레이드오프에 대한 것만큼 기본적인 성능 개선에 달려 있다.