이앤아이 WithENI  로고

홈으로
ENI Media
SMART News
ENI Media

ENI Media


서버 없이 현장에서 배우는 AI 반도체…호서대가 성능보다 먼저 묻는 안전 기준

조회 306

2026-10-28 12:04

온칩 학습이 보편화되면 성능만큼 중요한 건 검증·표준·인증 체계입니다.

현장 적응형 엣지 러닝은 기기 내부에서 AI가 직접 학습·갱신하는 ‘온칩 학습’을 지향합니다.
호서대 연구팀은 초저전력 AI 반도체 국책과제에서 성능·안전성 검증을 위한 인증체계 구축에 참여합니다.
온디바이스 AI를 도입할 땐 속도뿐 아니라 이상 데이터 차단과 오류 복구까지 점검해야 합니다.

안녕하세요. 디지털에이전시 이앤아이입니다.

AI 반도체 이야기를 들을 때 보통은 ‘얼마나 빠른가’부터 보게 되죠. 그런데 기계가 현장에서 새로운 데이터를 계속 배우기 시작하면, 출하 시점의 성능만 확인하는 방식이 과연 충분할까요. 최근 호서대학교가 ‘현장 적응형 엣지 러닝을 위한 초저전력 AI 반도체 기술개발’ 국책과제에 공동연구기관으로 참여한다고 밝힌 배경도 바로 이 질문과 맞닿아 있습니다.

이번 과제는 산업통상부 사업으로 한국산업기술기획평가원(KEIT)이 관리하고, 시스템반도체 설계 전문기업 자람테크놀로지가 연구개발을 총괄합니다. 호서대와 고려대, 한국전자기술연구원(KETI)이 함께 참여하는데요. 단순히 칩을 만드는 데서 끝나는 게 아니라, 기기 내부 학습 기술과 ‘그걸 어떻게 평가할지’까지 같이 설계한다는 점이 눈에 띕니다.

핵심 키워드는 온칩 학습입니다. 미리 학습된 모델이 데이터를 ‘판단’만 하는 수준을 넘어, 현장에서 모이는 음향·생체신호·진동 같은 센서 데이터를 바탕으로 모델이 스스로 보정하고 환경 변화에 적응하는 방식이죠. 클라우드 같은 외부 서버에 의존하지 않는 현장 학습을 지향하며, 산업설비·로봇·안전 분야가 활용 대상으로 제시됐습니다.

여기서 현실적인 제약이 하나 더 붙습니다. 센서가 상시로 켜져 있어야 하는 환경이라면 계산 성능만큼 전력 소모가 중요하거든요. 연구진은 뉴로모픽(뇌 신경망 구조 모방) 기술을 활용해 상시 감지 환경에서 소비전력을 10mW 이하로 낮추고, NPU 전력효율을 0.8TOPS/W 이상으로 높이겠다는 목표를 제시했습니다. 다만 이는 ‘현재 달성된 성능’이 아니라 연구개발 목표라는 점은 구분해서 봐야 합니다.

온칩 학습 AI 반도체와 검증체계를 표현한 AI 생성 이미지

호서대가 맡은 역할은 개발되는 반도체의 성능과 안전성을 검증하는 글로벌 인증체계 구축입니다. 온칩 학습이 들어가면 모델이 계속 바뀌기 때문에, ‘처음 시험을 통과했다’는 사실만으로 이후 상태를 설명하기가 어렵습니다. 그래서 학습·갱신 과정, 이상 데이터 차단, 오류 복구 같은 항목을 어떻게 평가할지 기준을 만들고, 이를 국제 인증과 연계해 신뢰성과 호환성을 높이겠다는 구상입니다. 안기찬 교수는 ISO/IEC JTC 1/SC 42(인공지능 표준화) 한국 대표 전문위원으로도 활동 중이라고 알려졌습니다.

실무 관점에서 이 뉴스가 던지는 메시지는 간단합니다. 온디바이스 AI를 검토하는 기업·기관이라면 처리 속도나 TOPS 같은 숫자만 비교하기보다, ‘학습 데이터에 이상 징후가 섞이면 어떻게 막는지’, ‘오류가 나면 어떤 방식으로 복구하는지’, ‘업데이트 전후 동작을 어떻게 검증하는지’까지 함께 물어봐야 한다는 거죠. 특히 안전·설비·의료처럼 작은 오작동이 큰 사고로 이어질 수 있는 분야라면 더더욱요.

이앤아이 관점에서 보면, AI가 현장에서 스스로 학습하는 시대에는 기술 도입만큼 운영 체계가 중요해집니다. 성능 지표뿐 아니라 검증 로그, 업데이트 이력, 장애 대응 프로세스까지 ‘설명 가능한 운영’이 갖춰져야 신뢰를 얻을 수 있거든요. 앞으로는 반도체 개발뿐 아니라 시험·표준·인증이 함께 움직이는 프로젝트가 더 늘어날 가능성이 큽니다.

이앤아이와 함께 더 나은 웹 환경을 만들어 나가요!

#온칩학습 #온디바이스AI #엣지러닝 #초저전력AI #AI반도체 #뉴로모픽 #AI표준 #글로벌인증 #이앤아이 #디지털에이전시 #ENIMedia #AI전문기업