수메트 쿠마르, Innatera의 공동 설립자 및 CEO – 인터뷰 시리즈

수메트 쿠마르는 Innatera Nanosystems의 공동 설립자이자 CEO로, IoT, 웨어러블, 및 임베디드 기기의 센서 데이터 분석을 위한 초저전력 신경형 프로세서 개발을 이끌고 있습니다. 이전에는 TU Delft에서 EU 자금 지원 연구를 관리했으며, €50 백만의 PRYSTINE 프로젝트에서 자율 주행 차량 기술을 담당했으며, Intel (INTC ) 및 학술 연구에서 고급 프로세서 아키텍처에 대한 역할을 수행했습니다.

Innatera는 “센서 에지”에 초저전력 지능을 제공하는 반도체 회사입니다. 그들의 핵심 혁신은 뇌의 이벤트 기반 처리를 모방하는 아날로그-혼합 신호 아키텍처에 기반한 스파이킹 신경 프로세서입니다. 이러한 칩은 서브 밀리와트 전력 수준과 초저 지연에서 센서 데이터에서 패턴을 인식할 수 있으며, 항상 켜져 있는 전력 제한된 응용 프로그램에 이상적입니다.

2018년에 Innatera를 공동 설립하여 연구실에서 실제 기기로 신경형 프로세서를 가져오려는 비전을 가지고 시작했습니다. 개인적으로 회사를 시작하게 된 동기는 무엇이며, 지난 7년 동안 그 비전은 어떻게 진화해 왔나요?

Innatera는 명확한 임무를 가지고 설립되었습니다. 바로 센서에 직접 지능을 제공하는 것이었습니다. 2018년에도 이미 기기들이 점점 더 복잡한 센서를 통합하고 있었으며, 항상 켜져 있는 센싱의 필요성이 증가하고 있었습니다. 마이크로컨트롤러는 전력 효율적인 AI 기능이 부족했으며, 이는 작은 배터리로 구동되는 기기에서 연속 처리에 큰 도움이 되지 않았습니다. 이러한 기기에서 센서 데이터가 처리되는 방식이 변경되어야 한다는 것은 명백했습니다. TUDelft에서 신경형 컴퓨팅 및 에너지 효율적인 처리에 대한 10년간의 연구가 이러한 도전에 대한 해답을 제공하는 것으로 보였습니다.

우리의 비전은 일관되었습니다. 지능형 센서를 통해 세계의 센서 데이터를 직접 원천에서 처리할 수 있도록 하여, 현대적인 AI의 에너지 사용을 급격히 줄이는 것입니다. 우리는 2030년까지 10억 개의 센서를 지능형으로 만들고자 합니다.

Pulsar는 이 여정의 첫 번째 단계입니다. 이는 주류 채택을 위한 세계 최초의 신경형 마이크로컨트롤러입니다. 웨어러블, 스마트 홈 기기, 산업 시스템 등 다양한 사용 사례에서 실제적인 지능을 제공하며, 미래의 적응형 및 자율 기술을 위한 기초를 마련합니다.

Pulsar는 7년간의 연구와 엔지니어링을 통해 실현된 근본적으로 새로운 접근 방식입니다. 초기에 4명으로 시작한 벤처는 현재 15개국에 걸친 100명으로 구성된 글로벌 팀으로 성장했습니다. 이 팀은 인내력, 창의력, 야망을 기반으로 하는 사람 중심의 문화로 단결되어 있습니다.

Pulsar는 이전의 신경형 칩과는 달리真正로 대량 생산 가능한 신경형 마이크로컨트롤러로 설명됩니다. 이전의 신경형 칩은 주로 연구실에서만 사용되었습니다. Pulsar는 무엇이 다르고, 어떻게 이전의 신경형 칩과 다른가요?

학술 연구의 초점은 종종 어려운 문제를 해결하기 위한 새로운 접근 방식을 개발하는 것입니다. 그러나 이러한 새로운 기술이 생산에 배포될 때, 다른 시스템의 부분과 상호 작용해야 하며, 이는 그들의 이점이 약화되는 결과를 초래합니다. 많은 신경형 및 전통적인 AI 가속 기술도 마찬가지입니다. Pulsar는 완전한 독립형 마이크로컨트롤러로, 센서 데이터를 효율적으로 처리하기 위해 설계되었습니다.

이것은 아날로그 및 디지털 스파이킹 코어, CNN 및 FFT 가속기, 및 시스템 관리 및 센서 제어를 위한 전체 32비트 RISC-V 서브시스템을 단일 칩 내에 통합하여 달성됩니다. 이 혼합 아키텍처는 Pulsar가 원시 센서 데이터를 직접 장치에서 유의미한 정보로 변환할 수 있도록 하며, 이는 기존 AI 프로세서보다 500배 적은 에너지를 소비하고 100배 빠르게 실행할 수 있습니다.

Pulsar는 또한 오랜 시간 동안 존재했던 소프트웨어 장벽을 해결합니다. PyTorch와의 네이티브 통합을 제공하는 Talamo SDK는 신경형 개발을 주류 엔지니어에게 접근 가능하게 하며, 5KB 미만의 컴팩트 모델을 서브 밀리와트 전력 예산에서 실행할 수 있습니다. 모든 것을 2.8 x 2.6 mm 패키지에 넣음으로써, Pulsar는 다중 칩 설정의 필요성을 제거하여真正로 대량 생산 가능한 첫 번째 신경형 프로세서가 됩니다.

접근성이 Innatera의 주요 테마입니다. Talamo SDK, 특히 PyTorch 통합,는 신경형 컴퓨팅에 새로운 개발자들에게 어떻게障壁을 낮추나요?

수십 년 동안, 신경형 채택의 주요 장벽은 하드웨어가 아니라 개발자 친화적인 도구의 부족이었습니다. 개발자들은陡한 학습 곡선과 익숙하지 않은 워크플로우에 직면하여, 이는 혁신을 늦추는 결과를 가져왔습니다. Talamo는 개발자에게 친숙한 워크플로우를 통해 스파이킹 신경 네트워크를 설계, 학습, 및 배포할 수 있는 PyTorch 기반 SDK를 제공함으로써 이를 직접 해결합니다. 컴팩트 모델은 기존 센서 아키텍처에 쉽게 통합되어, 가장 작은 전력 제한된 기기에서도 항상 켜져 있는 지능을 가능하게 합니다. 복잡성을 제거하고 개발을 가속화함으로써, Talamo는 신경형 컴퓨팅을 주류 개발자에게 접근 가능하게 하며, 프로토 타입에서 제품까지의 경로를 가속화합니다.

기술적인 관점에서, Pulsar 내의 아날로그 및 디지털 스파이킹 가속기를 어떻게 균형 있게 조정하여 다양한 워크로드를 효율적으로 처리하나요?

Pulsar의 아키텍처는 아날로그 및 디지털 스파이킹 코어를 혼합하여 에너지 사용 및 유연성을 최적화합니다. 아날로그 코어는 연속적인 항상 켜져 있는 센서 워크로드에서 초저전력 처리를 제공합니다. 디지털 코어는 더 복잡하거나 가변적인 작업을 위한 프로그래밍 가능성 및 정밀성을 제공합니다. 워크로드는 응용 프로그램의 필요에 따라 두 코어 간에 분산되며, 이는 에너지가 데이터가 변경될 때만 소비되도록 합니다. 이러한 이벤트 주도 접근 방식은 Pulsar가 서브 밀리와트 성능을 유지하면서 다양한 실제 응용 프로그램을 지원할 수 있도록 합니다.

개발자의 워크플로우를 설명해 주시겠습니까? 모델을 학습하는 것부터 Pulsar에 배포하는 과정까지?

워크플로우는 PyTorch에서 시작되며, 개발자는 모델을 설계하고 학습합니다. Innatera의 Talamo SDK를 사용하여 모델을 Pulsar의 하드웨어에 최적화된 스파이킹 신경 네트워크로 변환할 수 있습니다. 개발자는 모델을 시뮬레이션, 개선, 및 Pulsar 칩에 직접 배포할 수 있으며, 이는 종종 5KB 크기만큼 작을 수 있습니다. 모델 개발 단계는 더 큰 응용 프로그램 파이프라인 개발 흐름에 통합되어 있으며, 이는 개발자가 RISC-V 및 CNN 가속기를 대상으로 하는 코드를統一된 방식으로 작성할 수 있도록 합니다. 이는 개발자에게 향상된 개발 경험을 제공하며, 개발 시간을 단축합니다.

가장 큰 효율성 향상은 모델이 Pulsar의 이벤트 주도 스파이킹 코어에서 실행 중일 때 발생합니다. 기존의 마이크로컨트롤러와 달리, Pulsar는 입력 데이터가 변경될 때만 연산을 수행합니다. 이는 항상 켜져 있는 작업, 즉 제스처 인식 또는 레이더 기반 존재 감지와 같은 작업을 서브 밀리와트 수준에서 연속적으로 실행할 수 있도록 하며, 이는 기존 AI 프로세서보다 에너지 효율성이 크게 향상되며, 매우 짧은 지연을 제공합니다.

어떤 산업 분야에서 기술이 가장 빠르게 채택되고 있으며, Pulsar를 제품에 배포한 초기 고객 또는 파트너의 예를 들어주실 수 있나요?

Pulsar의 채택은 항상 켜져 있는 센싱 및 초저전력이 가장 중요한 분야에서 가장 빠르게 진행되고 있습니다. 이는 스마트 홈, 웨어러블, 산업 안전을 포함합니다. 좋은 예는 Aaroh Labs의 다음 世代의 연기 감지기입니다. 이는 Innatera의 기술을 사용하여 개발되었으며, 최근 SEMICON India 2025에서 공개되었습니다. 이러한 기기는 단순히 연기를 감지하는 것뿐만 아니라, 인간 존재 감지와 결합하여 더 풍부한 상황 인식을 제공하며, 이는 더 지능적인 안전 시스템을 위한 기초를 마련합니다.

同じ 신경형 접근 방식은 자산 추적 및 환경 모니터링으로 확장될 수 있으며, 이는 연결된 의료 및 스마트 시티에 대한 광범위한 의미를 가집니다. SEMICON India에서 CYRAN AI Solutions도 Innatera의 기술이 컴팩트 센서 시스템, 즉 전기 근육 그래프(EMG) 웨어러블 및 제스처 인식과 같은 분야에서 어떻게 통합되는지 보여주었습니다. 이는 인간-기계 상호 작용을 위한 신경형 AI의 잠재력을 강조합니다.

이러한 초기 배포는 신경형 컴퓨팅이 이론에서 실제로 넘어가는 것을 나타내며, 실제 응용 프로그램에서 빠르게 뿌리내리고 있습니다.

우리가 본 데모에서, 우리는 초저전력 제스처 인식 및 레이더 기반 존재 감지와 같은 예를 보았습니다. 이러한 제한된 환경에서 정확도 및 신뢰성을 어떻게 검증하나요?

검증은 종종 응용 프로그램에 따라 다르며, 정확도 외에도 거짓 양성 및 거짓 음성 감지율이 신뢰성의 중요한 지표를 제공합니다. 종종 고객은 특정 KPI 및 테스트 조건을 가지고 있습니다. Pulsar의 유연성이 고객이 사용 사례에 대한 모든 항목을 확인할 수 있도록 하는 데 핵심입니다. 기존 마이크로컨트롤러 및 가속기와의 벤치마크 비교는 일반적으로 같은 작업에 40-100배 더 많은 전력을 소비합니다.

실제 데모에서, 레이더 기반 존재 감지 및 오디오 장면 분류와 같은 경우, Pulsar는 서브 밀리와트 예산 내에서 90% 이상의 정확도를 일관되게 제공합니다. 이는 전통적인 항상 켜져 있는 시스템이 일반적으로 성능을 제한하거나 클라우드로 오프로드해야 하는 것을 희생하지 않고 연속적인 작동을 가능하게 합니다.

신경형 컴퓨팅을 미래의 스마트 기기의 실리콘 스택에 어떻게 위치시키나요? Pulsar는 보다 전통적인 NPU 및 CPU와 어떻게 보완되나요?

Pulsar는 센서가 통신하는 첫 번째 칩입니다. 이는 센서 데이터를 초저전력으로 처리하여, 직접 장치에서 유의미한 정보로 변환합니다. NPU 및 CPU는 더 무거운 처리가 필요한 경우에만 참여합니다.

이것은 신경형 프로세서가 실리콘 스택의 보완적인 계층임을 의미합니다. 항상 인식하고 항상 켜져 있는 기반으로, 기기의 수명을 연장하고, 에너지 사용을 줄이며, 반응성을 개선합니다. Pulsar는 시스템의 더 높은 전력 구성 요소에서 센서 데이터 처리 작업을 가져옵니다. 이는 이러한 구성 요소를 많은 기기에서 끌 수 있도록 하거나, 경우에 따라서는 완전히 제거할 수 있도록 합니다. 이는 더 지능적이고 더 오래 지속되는 기기를 만듭니다.

Aaroh Labs 및 CYRAN AI Solutions와 같은 파트너와의 협력이 실제 세계에서 신경형 AI의 채택을 가속화하는 데 어떤 역할을 하나요?

협력은 기술적 돌파구와 광범위한 채택 사이의 다리 역할을 합니다. Aaroh Labs 및 CYRAN AI Solutions와 같은 혁신가와 협력함으로써, Innatera는 Pulsar가 실제 환경에서 검증되고 특정 수직 산업을 위해 맞춤형으로 개발되는 것을 보장합니다. Aaroh Labs는 신경형 지능을 중요한 안전 인프라에 도입하고, CYRAN AI Solutions는 인간-기계 상호 작용에서 그 잠재력을 보여줍니다. 이러한 협력은 기술의 다용도성을 입증하고, 다른 채택자에게障壁을 낮추며, 대규모로 신경형 프로세서를 배포하는 데 대한 신뢰를 구축합니다.

센서 벤더와의 협력, 예를 들어 Socionext와의 협력,는 지능을 센서 모듈에 밀접하게 패키징할 수 있도록 하여, 지능형 센싱을 기기에 더 쉽게 도입할 수 있도록 합니다. 이러한 협력은 이미 강력하고 성장하는 우리의 생태계를 강화하고, 산업에서 신경형 컴퓨팅의 확산을 가속화합니다.

미래를 내다보면, Pulsar와 그 후속 기종이 엣지에서 학습 및 적응을 위한 것이 아닌, 단순한 추론으로 이동하는 것을 볼 수 있나요?

絶対적으로. Pulsar와 함께, 우리는 신경형이 할 수 있는 것의 표면만Scratching했습니다. 신경형 프로세서는 본질적으로 온라인 학습 및 적응에 적합하며, Pulsar는 장치가 단순히 감지 및 반응하는 것보다 더 많은 것을 할 수 있는 기반을 마련합니다.

신경형 컴퓨팅은 새로운 세대의 적응형 및 자율적인 엣지 기기를 가능하게 할 것입니다. 이는 작은 배터리에서 실행되는 시스템이 실시간으로 학습하고, 자기 조정 및 최적화할 수 있도록 합니다. 이는 웨어러블에서 행동에 따라 조정하는 것부터 산업 시스템이 최소한의 에너지 사용으로 고장을 예측 및 방지하는 것까지 다양한 응용 프로그램을 가능하게 할 것입니다. 장기적인 목표는 지능과 지속적으로 적응 및 회복력이 균형된 기기를 만드는 것입니다. 이는 엣지에서本当に 가능한 것을 재정의할 것입니다.

대단한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Innatera를 방문하십시오. Innatera