보다 연결된 세상을 위한 지능형, 보안 무선 기술 분야를 선도하는 실리콘랩스(Silicon Labs, 지사장 백운달)가 블루투스와 멀티 프로토콜 동작을 각각 지원하는 2.4GHz 무선 SoC인 BG24 및 MG24 제품군과 새로운 소프트웨어 툴키트를 발표했다.

상호 최적화된 이 하드웨어 및 소프트웨어 플랫폼은 배터리로 구동되는 엣지 디바이스에 인공지능(AI) 및 머신 러닝(ML) 애플리케이션과 고성능 무선 연결 기능을 구현할 수 있게 한다. Matter-ready의 이 초저전력 BG24 및 MG24 제품군은 여러 무선 프로토콜을 지원하고, 다양한 스마트 홈, 의료 및 산업 애플리케이션에 이상적인 PSA 레벨 3 시큐어 볼트(Secure Vault™) 보호 기능을 제공한다. 이번에 발표한 사물 인터넷(IoT)용 SoC 및 소프트웨어 솔루션의 주요 특징은 다음과 같다.

·2가지 새로운 2.4GHz 무선 SoC 제품군: 업계 최초로 AI/ML 가속기 통합, 매터(Matter), 지그비(Zigbee), 오픈스레드(OpenThread), 저전력 블루투스(Bluetooth Low Energy), 블루투스 메시(Bluetooth mesh), 독자적 프로토콜 및 다중 프로토콜 작동 지원, 업계 최고 수준의 보안 인증, 초저전력 소모, 실리콘랩스 포트폴리오 중에서 가장 큰 메모리 및 플래시 용량 제공

·새로운 소프트웨어 툴키트: 개발자가 TensorFlow와 같이 가장 널리 사용되는 도구를 사용해 AI 및 ML 알고리즘을 신속히 구축 및 배포할 수 있도록 지원

실리콘랩스의 매트 존슨(Matt Johnson) 사장 겸 CEO는 “BG24와 MG24 무선 SoC는 IoT 엣지 애플리케이션을 위한 폭넓은 무선 다중 프로토콜 지원, 배터리 수명, 머신 러닝, 보안을 포함한 업계 선도적인 기능들을 결합하고 있다”고 말했다.

◇업계 최초의 통합 AI/ML 가속기로 성능 및 에너지 효율 향상

IoT 제품 설계자는 가정용 보안 시스템, 웨어러블 의료 모니터, 상업용 시설 및 산업용 장비 모니터링 센서 등의 엣지 애플리케이션에 더 큰 인텔리전스를 제공하는 AI 및 ML의 엄청난 잠재력을 보고 있다. 하지만 오늘날 엣지에서 AI 또는 ML의 적용을 고려하는 사람들은 그런 이점들을 상쇄할 정도로 엄청난 성능 및 에너지 소비 상의 불이익을 직면하고 있다.

BG24 및 MG24는 전용 AI/ML 가속기를 내장한 최초의 초저전력 디바이스로서 이런 불이익을 완화한다. 이 특별한 하드웨어는 복잡한 계산을 빠르고 효율적으로 처리하도록 설계됐으며, 내부 테스트 결과 4배 향상된 성능과 6배 향상된 에너지 효율을 나타냈다. ML 계산은 클라우드가 아닌 로컬 장치에서 이뤄지기 때문에 네트워크 지연 시간이 사라져 보다 신속한 결정과 조치를 할 수 있다.

또한 BG24 및 MG24 제품군은 실리콘랩스 포트폴리오 중에서 가장 큰 플래시 및 RAM 용량을 갖췄다. 이는 이 디바이스가 다중 프로토콜, Matter, 그리고 대규모 데이터 세트를 위해 훈련된 ML 알고리즘을 지원할 수 있게 더욱 진화할 수 있다는 것을 뜻한다. IoT 장치용으로 최고 수준의 보안 인증인 PSA Level 3 인증을 받은 시큐어 볼트(Secure VaultTM)는 도어록, 의료 장비, 그리고 외부 위협에서 해당 장치의 보안을 강화하는 것이 가장 중요한 다양한 제품에 요구되는 보안을 제공한다.

BG24 및 MG24 SoC의 기능에 대한 자세한 정보 확인이나 구동 방법에 대한 데모 시청, ‘새로운 BG24 및 MG24 SoC 언박싱’에 대한 교육용 테크토크 신청은 아래 링크에서 할 수 있다.

기본적으로 TensorFlow를 지원하는 것 외에, 실리콘랩스는 SensiML, Edge Impulse와 같은 몇몇 업계 선도적인 AI 및 ML 툴 공급사들과 제휴해 개발자가 무선 애플리케이션의 임베디드 배포에 최적화된 머신러닝 모델 개발을 간소화하는 엔드투엔드 툴 체인을 활용하도록 하고 있다. 실리콘랩스의 Simplicity Studio를 지원하는 이 새로운 AI/ML 툴체인과 BG24 및 MG24 SoC 제품군을 사용해 개발자는 Matter 프로토콜을 이용해 서로 통신하는 다양한 연결 기기들에서 정보를 가져와 머신러닝을 기반으로 보다 스마트하게 결정을 내리는 애플리케이션을 개발할 수 있다.

예를 들어, 상업용 사무실 건물에서는 많은 조명이 동체를 모니터링하는 모션 감지기에 의해 제어돼 점등 또는 소등된다. 하지만 사람이 책상에 앉아 손과 손가락 정도만 움직여 타이핑 작업을 할 경우 이때 모션 센서만으로는 작업자의 존재를 인식할 수 없기 때문에 조명이 소등될 수 있다. 이럴 때 Matter 애플리케이션 레이어로 모션 감지기와 오디오 센서를 연결하면 타이핑 소리와 같은 추가적인 오디오 데이터가 머신러닝 알고리즘에 제공돼 조명 시스템이 조명을 켜야 하는지를 주어진 정보에 따라 결정할 수 있다.

엣지에서 머신러닝 컴퓨팅은 이상 감지를 위한 센서 데이터 처리, 예방 정비, 유리 파손 감지 능력 향상을 위한 오디오 패턴 인식, 간단한 명령 단어 인식, 저해상도의 카메라를 이용한 존재 감지, 피플 카운팅과 같은 비전 활용 사례 등 다양한 산업용 및 가정용 지능형 애플리케이션을 실현할 수 있게 한다.