반도체·하드웨어 · 리포트

Recogni이 자율주행 차량 추론 워크로드에 최적화된 특화 AI 하드웨어 개발을 발표.

도메인 특화 AI 칩 설계는 범용 GPU 중심 인프라를 벗어난 아키텍처 다양화를 신호함.

업계 전문지Slicast · 2019년 8월 16일 12:00 UTC · 글로벌 · 출처: electronicdesign.com

중요도 50

자동차 산업이 카메라, 레이더, LiDAR의 센서 퓨전을 통해 자율주행차로 전환함에 따라 컴퓨팅 수요는 막대합니다. 현재 자율주행차(AV) 컴퓨팅 시스템은 상당한 에너지를 소비하며, 이는 전기 동력 차량의 주행 거리 감소로 이어집니다. 캘리포니아주 산호세에 위치한 스타트업 레코그니(Recogni)는 최근 스텔스 모드를 해제하고 이 같은 과제를 해결하기 위해 실시간으로 자전거와 보행자를 식별하는 지각 처리 방식을 제시했으며, 인텔의 모바일아이(Mobileye)와 엔비디아(NVIDIA)의 드라이브 제타(Xavier) 등 대안 솔루션보다 적은 전력을 사용한다고 주장했습니다. 최고경영자(CEO) RK 아난드는 "이러한 차량은 최소한의 전력 소모로 데이터센터급 성능을 필요로 합니다. 머신러닝, 컴퓨터 비전, 실리콘 및 시스템 설계 분야의 배경지식을 활용하여, 자동차 산업에 매우 높은 효율성과 최저 전력 소비를 제공하는 근본적으로 새로운 시스템을 개발 중입니다"라고 말했습니다. 레코그니는 자체 기술이 실시간 데이터 처리 시 전체 차량의 컴퓨팅 및 추론 작업을 10W 미만으로 처리할 수 있다고 주장합니다.

레코그니 통합 모듈은 수동 냉각 방식의 이미지 센서 3개, 외부 깊이 센서, 그리고 외부 LiDAR 또는 레이더 센서에 이더넷 케이블로 연결된 맞춤형 칩으로 구성됩니다. 이 맞춤형 칩은 초당 1,000테라오퍼레이션 이상의 연산을 수행하며, 초당 60프레임 속도로 최대 3개의 압축되지 않은 8~12메가픽셀 스트림을 캡처하고 분석할 수 있습니다. 이 칩은 객체를 인식하고, 깊이 센서 정보를 융합하며, 도시 환경에서는 16ms, 고속도로 환경에서는 8ms 이내에 중앙 시스템에 지능형 데이터를 제공합니다. 이를 통해 일반적인 비전 애플리케이션에서claimed 70%의 컴퓨팅 효율성을 달성합니다. 회사 측에 따르면, 이 시스템은 실시간으로 200m 이상 떨어진 신호등과 같은 작은 물체를 식별하고 빨강, 노랑, 초록 등의 색상을 판별할 수 있으며, 이러한 기능은 LiDAR와 레이더로는 달성하기 어렵다고 합니다.

레코그니 모듈의 효율성은 전력 소모 팬을 제거하는 수동 냉각 방식에 의존하고, onboard 칩이 세 개의 카메라와 물리적으로 근접해 있어 감각 데이터 전송에 소요되는 에너지를 줄이기 때문입니다. 전체 시스템의 전력 소모량은 약 8W입니다. 창립 팀에는 저니퍼 네트워크스(Juniper Networks)의 창립 엔지니어인 CEO RK 아난드, 공동 창업자이자 최고경영책임자(CBO)인 아슈위니 초우다리(Ashwini Choudhary), 그리고 전직 시스코 시스템즈(Cisco Systems) 엔지니어인 최고기술책임자(CTO) 유진 페인버그(Eugene Feinberg)가 포함됩니다. 이 세 명은 모두 이전에 산호세에 기반을 둔 카메라 기술 스타트업인 mPerpetuo에서 함께 일한 바 있습니다.

레코그니는 그레이트포인트 벤처스(GreatPoint Ventures)가 주도하고 토요타 AI 벤처스(Toyota AI Ventures), BMW i 벤처스(BMW i Ventures), 포르시아(Faurecia), 플럭스유닛(Fluxunit, 조명 및 광전자 기업 OSRAM의 벤처캐피털 부문), DNS 캐피탈(DNS Capital)이 참여하는 시리즈 A 라운드에서 2,500만 달러의 자금을 조달했습니다. 초우다리는 회사가 "모듈부터 소프트웨어까지 완전한 지원 기술을 제공하기 위해 여러 자동차 제조사와 현재 논의 중"이라고 발표했습니다. 회사는 미국자동차공학회(SAE)가 정의한 레벨 2 자율주행차를 초기 타겟으로 삼고 있습니다. 여기서는 캐딜락의 슈퍼크루즈(Supercruise), 엔비디아의 드라이브 오토파일럿(Drive Autopilot), 볼보의 파일럿 어시스트(Pilot Assist)와 같은 고급 운전자 보조 시스템이 장착된 차량이 해당됩니다.

레코그니의 로드맵은 운전자가 환경을 모니터링할 필요가 없는 레벨 3 차량, 지속적인 인간 개입 없이 대부분 스스로 주행할 수 있는 레벨 4 차량, 그리고 궁극적으로 완전히 자율적인 레벨 5 차량으로 진행됩니다. 회사는 2024년 경이면 비용과 능력 측면에서 로봇택시가 실현 가능해질 것이며, 개인용 자가 운전차는 그로부터 1~2년 내에 등장할 것으로 예측합니다.

원문 보기