닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

국내 학회지

홈 홈 > 연구문헌 > 국내 학회지 > 정보과학회지 (Communications of KIISE)

정보과학회지 (Communications of KIISE)

Current Result Document : 12 / 17 이전건 이전건   다음건 다음건

한글제목(Korean Title) [기관탐방] FuriosaAI - AI에 최적화된 시스템 반도체
영문제목(English Title)
저자(Author) 안기영  
원문수록처(Citation) VOL 38 NO. 03 PP. 0037 ~ 0038 (2020. 03)
한글내용
(Korean Abstract)
FuriosaAI는 다양한 경험과 배경을 가진 반도체 및 심층 신경망 전문가들이 모여 창립한 AI 성능을 고도화할 수 있는 칩 솔루션을 개발하는 스타트업이다. 2017년 창업 이후 네이버로부터 투자를 받아 언론에 화제가 되기도 했다.1)2) 최근에는 머신러닝 벤치마크 대회에서 우수한 성능을 보여주며 (제2.3절 참고) 경쟁력을 드러내고 있다. 최근 AI 기술의 주류인 딥러닝은 학습과 추론 (Training & Inference)으로 동작하는데 주로 GPU를 이용한다. 학습은 많은 데이터를 가지고 신경망을 학습시키고, 이를 토대로 추론이 이루어져야 한다. 그러나 추론 단계에서는 GPU 계산이 대부분 모델에서 이용률(utilization rate)이 20%밖에 되지 않아 효율적이지 못하다. 이러한 문제로 인해 구글에서는 TPU를 만들어 데이터센터 등에서 실시간으로 학습 및 추론을 처리하는 등 GPU 중심의 시장에 기술력 있는 회사들이 AI 학습에 더 효과적인 AI 칩 개발에 도전하고 있다. 실시간 추론 연산을 위해서는 다음과 같은 여러 가지 어려운 문제에 부닥친다. 첫째, 다양한 성능 요구사항의 문제다. 단말(edge)에서는 저전력 및 효율성을, 데이터센터에서는 고성능을 요구하는 등 요구사항이 다양하다. 둘째, AI 알고리즘이 급속도로 진화하는 문제다. 매년 많은 AI 관련 논문이 쏟아져 나오는데, 일례로 2019년 CVPR에만 1300여 개의 논문이 승인되었다. 이러한 최첨단 기술 동향에 예민하게 반응해야 한다. 셋째, 급변하는 AI 소프트웨어 프레임워크의 문제다. 현재 TensorFlow, PyTorch, Caffe 등 다양한 프레임워크가 존재하고 또 새로운 프레임워크도 개발되고 있으며, 그 점유율 변화에 따라 여러 프레임워크를 전략적으로 지원해야 한다. FuriosaAI는 여러 분야의 우수한 개발진을 바탕으로 아키텍처, 컴파일러, 알고리즘 등 다양한 기술을 융합하여 핵심 블록인 NPU, 딥뉴럴네트워크(DNN) 모델을 효과적으로 지원하는 컴파일러, 소프트웨어개발키트(SDK) 모두 자체 설계하여 HW/SW 모두 제공하는 것을 목표로 한다.
영문내용
(English Abstract)
키워드(Keyword)   
원문 PDF 다운로드