[첨단 헬로티]
반도체 핵심 기술 설계 자산(IP) 기업 Arm은 시장에 유통되는 스마트폰의 95% 이상에 설계 프로세서를 공급하고 있다. 이에 더 나아가 Arm은 IoT(사물인터넷), 엣지부터 클라우드, 인공지능, 머신러닝, 오토모티브, 5G 등으로 사업을 다각화하기 위한 기술 개발에 적극적인 움직임을 보이고 있다.
이와 관련해 Arm은 11월 14일 서울 삼성동 인터켄티넨탈 코엑스에서 테크 심포지아(Tech symposia) 행사와 기자 간담회를 통해 핵심 기술을 대거 소개했다.
난단 나얌팔리(Nandan Nayampally) Arm 클라이언트 컴퓨팅 사업부장은 “Arm의 관심은 컴퓨터의 제 5세대 물결을 통해 여러가지 기술의 통합이다. 컴퓨팅의 5세대 물결이란, 1단계는 IoT 기반으로 한 센서 등의 엔드포인트를 수집하는 단계다. 2단계는 수집된 데이터를 확장시키고, 3단계는 데이터를 AI를 통해 파악한다”고 설명했다.
▲난단 나얌팔리(Nandan Nayampally) 클라이언트 컴퓨팅 사업부장
이와 관련해 Arm은 최근 PC 사업 로드맵을 발표했다. 2018년 10월에 발표한 10나노와 7나노 기반의 ‘코어텍스(Cortex)-A76’ CPU를 시작으로 2019년 7나노 기반의 ‘데이모스(Deimos))’, 2020년 7나노와 5나노 기반의 ‘헤라클레스(Hercules)’를 공급할 계획이다.
이어서 “혁신을 위해서는 무어의 법칙 이상의 기술이 필요하다. Arm은 매년 출시되는 CPU를 통해 연간 15% 향상된 컴퓨팅 성능을 목표로 하고 있다. 이로써 스마트폰의 CPU는 판매용 노트북 CPU와 동일한 성능을 제공할 만큼 진화될 것이다”라고 말했다.
Arm은 오토모티브 시장에서도 두각을 보이고 있다. Arm은 지난 22년간 자동차와 협력을 통해 자동차 솔루션 출시한 결과, 시중의 ADAS 솔루션의 65%가 Arm의 기술을 사용하고 있다.
자동차는 다른 종류의 디바이스 보다 고성능의 역량을 필요로 한다. 예로 파워트레인은 수준 높은 안전성을 요구하고, 차체는 마이크로컨트롤러(MCU)를 통해 성능을 구현해야 한다. 자동차는 스마트폰만큼 전력 소비가 많지 않지만, 앞으로 하이엔드차와 전기차가 보급이 증가함에 따라 전력소비는 매우 중요해질 것이다. 또 자율주행차는 이전과는 다른 기술을 요구한다.
이를 지원하기 위해 Arm은 지난 10월 차량용으로 특화 설계된 7나노 기반의 Cortex-A76AE CPU를 선보였다. AE는 “Automotive Enhanced(차량 기능 향상)”의 약자이며, AE 지정 기호가 있는 Arm IP에는 차량 내 프로세싱 요구사항을 충족하는 특정 기능이 포함돼 있다. 특히 자동차의 안전성과 하이퍼포먼스 구현을 위해 개발한 스플릿-락(Split-Lock) 기술이 포함됐다.
난단 나얌팔리 사업부장은 “Arm은 엣지부터 클라우드까지 수용 가능한 아키텍처의 필요성을 인식하고 있다. 즉 일방향 아키텍처에서 벗어나서 디바이스까지 연결을 지원해야 한다. 또 앞으로 클라우드 구조도 변경할 필요가 있다. 현재는 하나의 클라우드 랙에서 시큐리티, 스토리지 네트워킹, 애플리케이션이 하나의 CPU에서 실행되기 때문에 약 20%의 에너지 손실이 일어나게 된다”고 설명했다.
이 문제를 해결하기 위해 Arm은 엣지 인프라 전반의 시스템 구현에 최적화된 ‘네오버스(Neoverse)’ 솔루션을 지난 10월 출시했고, 2019년 초에는 7나노 기반의 ‘아레스(Ares)’를 출시할 계획이다. 이를 통해 Arm은 1조 개 지능형 디바이스를 지원할 수 있는 인프라 수요 증가에 발 맞춰 나가겠다는 목표다.
Arm은 인공지능, 머신러닝에도 적극 대응하고 있다. Arm은 머신러닝이 클라우드를 넘어 엣지단으로 확대되는 것을 지원하기 위해 새로운 아키텍처 ‘트릴리움(Trillium)’을 개발했다.
▲젬 데이비스 (Jem Davies) 머신러닝 사업부장
젬 데이비스 (Jem Davies) Arm 머신러닝 사업부장은 “처음 클라우드에서 시작된 머신러닝이 엣지단으로 이동하는데는 분명한 이유가 있다. 고해상도의 센서를 클라우드로 보냈다가, 다시 엣지단으로 가지고 오게 된다면, 트래픽이 생기고, 레이턴시 문제가 크고, 동시에 전력소모도 클 것이다. 더불어 클라우드에만 의존한다면 너무 많은 비용이 들게 된다. 만약 모든 사용자가 구글 보이스를 지금보다 3분씩 더 사용한다 가정했을 때, 현재 가동되는 서버의 2배 이상을 증설해야 할 정도”라고 설명했다.
Arm의 머신러닝 프로세서는 압축 기술과 프로그래밍에서 강점을 갖고 있다. 중첩적분 효율화만으로 MAC 엔진의 성능을 40% 개선하고, 전력소비를 10~20% 줄이며, 면적을 40% 절감할 수 있다. 또 전력 소모를 줄이기 위해 2가지 머신러닝 프로세서 압축 기술을 새로 개발했다. 이는 웨이트 데이터(연산 숫자 정도), 액티베이션(실제로 데이터가 인풋 되는 데이터) 데이터를 머신러닝 데이터 성향에 따라 적합한 압출 기술을 사용함으로써 기존 보다 3배 압축할 수 있다.
Arm은 지속적으로 신경망처리장치(NPU) 뿐 아니라 중앙처리장치(CPU), 그래픽처리장치(GPU) 등 차세대 프로세서 IP를 개선시킨 로드맵을 발표하면서 4차 산업 혁명에 대비해 나가겠다고 밝혔다.
