권도현 | 기자 작성일 2026년 10월 15일
브레인칩의 엣지 AI 로드맵에서 다음 단계에 해당하는 Sequora는 회사의 Akida™ 플랫폼이 지닌 강점을 기반으로 개발됐다 (이미지 출처: BrainChip)
초저전력 완전 디지털 이벤트 기반 뉴로모픽 AI 분야의 글로벌 선도기업 브레인칩(BrainChip Holdings Ltd.)(ASX: BRN, OTCQX: BRCHF, ADR: BCHPY)이 대규모 언어모델(LLM)을 포함한 생성형 AI를 배터리로 구동되는 엣지 디바이스에서 직접 실행할 수 있는 프로세서 IP 코어 ‘BrainChip Sequora™ Core IP’를 출시했다고 밝혔다. 발표는 미국 캘리포니아 라구나힐스에서 나왔다.
브레인칩의 엣지 AI 로드맵에서 다음 단계에 해당하는 Sequora는 회사의 Akida™ 플랫폼이 지닌 강점을 기반으로 개발됐다. 과거에는 신호를 인식하는 데 그쳤던 디바이스가 이제는 정보를 이해하고 설명하며 응답할 수 있게 됐다. 이러한 기능은 고객들이 브레인칩에 기대하는 저전력 수준에서 구현된다.
상태공간 설계로 메모리 사용량을 고정했다
Sequora의 높은 효율성은 모델 구조에서 비롯된다. 상태공간(state-space) 설계를 적용해 데이터 스트림이나 대화가 아무리 길어져도 메모리 사용량이 일정하게 유지되도록 했다. 이를 통해 Sequora는 수백만 개의 매개변수를 가진 소규모 모델부터 최대 30억 개의 매개변수를 가진 모델까지 지원할 수 있다.
왜 메모리가 관건인가
상태공간 방식이 주목받는 배경에는 기존 트랜스포머 구조의 구조적 한계가 있다. 트랜스포머 기반 모델은 앞서 처리한 토큰 정보를 캐시(KV 캐시)에 쌓아 두는데 대화가 길어질수록 이 캐시가 선형으로 늘어난다. 학계 벤치마크에서는 문맥 길이가 6만4000 토큰에서 25만6000 토큰으로 늘어날 때 어텐션 방식의 캐시 용량이 6.5GB에서 82GB까지 치솟는 것으로 보고됐다.
반면 상태공간 모델은 과거 정보를 고정 크기의 은닉 상태에 압축해 담는다. 문맥이 길어져도 메모리와 처리량이 거의 변하지 않는다. 같은 조건의 25만6000 토큰 구간에서 상태공간 방식이 어텐션 대비 지연시간은 4.3배 낮고 메모리는 11배 적으며 처리량은 2.6배 높았다는 측정 결과도 나와 있다. RAM 용량이 제한된 배터리 기기에서 이 차이는 모델을 올릴 수 있는지 여부를 가르는 기준선이 된다.
뉴로모픽에서 상태공간으로, 브레인칩의 기술 궤적
브레인칩이 상태공간 구조를 택한 흐름은 회사가 10년 넘게 밀어온 설계 철학과 맞물려 있다. 주력 제품 Akida는 사람 뇌의 동작 방식을 참고한 뉴로모픽 프로세서다. 센서가 보내오는 데이터를 전부 균일하게 연산하지 않고 변화가 발생한 지점만 사건(event) 단위로 골라 처리한다. 쓸모 없는 연산을 처음부터 하지 않는다는 점에서 전력 효율의 출발점이 다르다.
같은 사고방식을 언어모델에 옮기면 상태공간 설계가 된다. 어텐션 방식은 지금까지 등장한 모든 토큰을 다시 들여다보는 구조인 반면 상태공간 방식은 필요한 요약만 고정 크기 상태에 남긴다. 두 접근 모두 ‘전부 저장하고 전부 다시 계산하는 방식을 피한다’는 목표를 공유한다. 브레인칩이 Sequora를 Akida 로드맵의 연장선으로 설명하는 이유도 여기에 있다.
회사는 지난해 CES를 앞두고 2500만 달러 규모의 자금을 조달해 차세대 엣지 AI 개발에 투입하겠다고 밝혔다. 이후 뉴로모픽 처리 기능을 M.2 폼팩터로 제공하는 제품을 내놓는 등 적용 형태를 다양화해 왔다.
Akida와 Sequora, 하나의 솔루션 안에서 역할을 나눈다
Sequora는 이어버드와 센서 노드 등 배터리 기반 디바이스에서 생성형 AI를 구현하는 데 걸림돌이 되어온 메모리 및 전력 소모 문제를 해결한다. Akida와 결합하면 두 가지 유형의 AI 작업을 하나의 솔루션에서 처리할 수 있다.
Akida는 진동과 오디오, 레이더, 원시 무선주파수(RF) IQ 데이터 및 생체 신호 등 스트리밍 센서 데이터를 처리한다. Sequora는 온디바이스 대규모 언어모델(LLM)과 음성 간 상호작용(voice-to-voice interaction), AI 에이전트 등을 포함한 생성형 및 순차적 AI 작업을 실행한다. 센서에서 들어오는 날것의 신호를 걸러내는 쪽과 그 의미를 언어로 풀어내는 쪽이 분업하는 구조다.
브레인칩이 Sequora의 실행 대상으로 꼽은 음성 간 상호작용은 음성을 글자로 바꾸고 답을 만들어 다시 음성으로 합성하는 세 단계를 기기 안에서 잇는 작업이다. 단계마다 모델이 하나씩 붙는 만큼 메모리와 전력 여유가 적은 이어버드급 기기에서는 구현 난도가 높은 기능으로 꼽힌다. AI 에이전트 역시 질의에 답하는 데서 멈추지 않고 기기의 다른 기능을 직접 호출하는 작업이어서 추론 호출이 반복된다. 메모리 사용량이 대화 길이에 따라 늘지 않는다는 조건이 이런 작업에서 특히 중요해진다.
소비자용 음성 기기와 웨어러블부터 항공우주·방위산업, 자동차 및 산업용 레이더, 산업용 사물인터넷(IIoT), 의료·생체의학 기기에 이르기까지 다양한 시장에서는 하나의 제품에서 기존 AI 추론과 생성형 AI 추론을 모두 수행할 수 있는 기술이 요구되고 있다.
Sequora가 겨냥한 다섯 가지 과제
브레인칩이 제시한 Sequora의 해결 과제는 다음과 같다.
· 생성형 AI 모델이 메모리 대역폭의 한계로 인해 처리 성능이 저하되는 문제 · 대화 길이(컨텍스트 윈도)와 캐시가 증가함에 따라 단어당 처리 비용이 상승하는 문제 · 메모리 데이터 전송량의 제약으로 인해 배터리 기반 디바이스에서 실행할 수 있는 모델 크기가 제한되는 문제 · 자동차와 의료기기 및 항공전자 시스템의 인증 요건을 충족할 수 있도록 실행 시 분기 동작의 예측 가능성을 확보하는 과제 · 온디바이스 환경에서 개별 질의에 대한 응답 지연시간과 데이터 프라이버시 문제
이 가운데 네 번째 항목은 소비자 기기보다 규제 산업에서 무게가 큰 조건이다. 자동차 전장이나 항공전자 시스템은 동일한 입력에 대해 동일한 실행 경로가 보장돼야 기능안전 인증 절차를 통과할 수 있다. 추론 과정의 분기 동작이 예측 가능해야 한다는 요구는 성능 지표와는 별개의 설계 제약으로 작동한다.
항공우주·방위산업 현장에서 나온 평가
ForwardEdge ASIC의 최고경영자(CEO) 프랭크 페란테(Frank Ferrante)는 “상업 및 항공우주·방위산업 분야의 고객들은 혼잡하고 적대적인 환경에서도 크기와 무게, 전력 소모를 최소화하면서 실시간 처리와 의사결정을 수행할 수 있는 차세대 엣지 시스템에 AI를 통합하고 있다”고 말했다.
그는 이어 “Sequora는 생성형 AI를 저전력 IP 코어에 구현해 우리가 개발하는 맞춤형 반도체의 다양한 요구사항을 충족한다”며 “이를 통해 임무 수행에 필수적인 엣지 ASIC에 온디바이스 인텔리전스를 추가할 수 있는 길이 열렸다”고 덧붙였다.
edgeAI Inc.의 최고경영자(CEO) 제이 김(Jay Kim)은 “엣지는 전력 계량기부터 모빌리티 시스템에 이르기까지 일상적인 인프라에서 AI가 실질적인 가치를 발휘하는 영역”이라며 “BrainChip은 엣지 AI 시장에서 효율성이 경쟁력을 결정하는 핵심 요소가 될 것이라는 점을 일찍부터 인식했다”고 말했다. 그는 이어 “이제 BrainChip은 동일한 접근 방식을 생성형 AI에도 적용해 소형 배터리로 구동되는 디바이스에 언어 이해와 추론 기능을 제공하고 있다”고 덧붙였다.
하나의 디바이스와 배터리로 센싱 및 생성형 AI 구현
브레인칩의 최고경영자(CEO) 숀 헤히어(Sean Hehir)는 “고객들이 원하는 것은 단순한 신호 분류기나 언어모델 중 하나가 아니다. 하나의 제품에서 동일한 배터리로 두 기능을 모두 구현하기를 원한다. Akida와 Sequora의 결합은 바로 이러한 요구를 충족한다”고 말했다.
Sequora는 데이터를 디바이스 외부로 전송하지 않고 생성형 및 순차적 AI 작업을 실행한다. 데이터와 AI 모델에 대한 자체 통제권을 유지하면서 크기와 무게, 전력 소모를 최소화하려는 시장의 요구에 대응하는 방식이다.
공급 및 이용 안내
Sequora는 현재 라이선스 방식으로 이용할 수 있는 반도체 설계자산(IP)으로 제공된다. 고객은 Sequora 설계를 자체 시스템온칩(SoC)에 통합하고 원하는 반도체 위탁생산업체(파운드리)와 공정 노드를 선택해 제품을 제조할 수 있다.
Sequora는 다양한 반도체 제조 공정에 적용할 수 있으며 완전한 논리합성이 가능한 레지스터 전송 수준(RTL) 코드 형태로 제공된다. Sequora 패키지에는 검증용 IP와 테스트벤치, 논리합성 스크립트 및 타이밍 제약 조건이 포함된다. 또한 정적 그래프 컴파일러와 C++ 런타임 라이브러리, 모델 주(model zoo)를 갖춘 소프트웨어 개발 키트(SDK)도 함께 제공된다.
칩을 직접 팔지 않고 설계자산만 라이선스하는 방식은 반도체 IP 업계의 전형적인 수익 모델이다. 고객사가 자사 SoC 설계에 Sequora 블록을 끼워 넣고 파운드리를 직접 고르는 구조이므로 브레인칩은 생산 설비 투자 부담 없이 적용 분야를 넓힐 수 있다.
온디바이스 추론을 끌어당기는 세 가지 압력
업계가 클라우드 대신 기기 내부에서 추론을 돌리려는 이유는 크게 세 갈래로 정리된다.
응답 지연
클라우드 왕복에는 네트워크 구간이 끼어든다. 음성으로 묻고 음성으로 답하는 상호작용이나 산업 설비의 이상 감지처럼 즉각 반응이 필요한 작업에서는 이 왕복 시간이 체감 품질을 깎는다. 통신이 끊기는 환경이라면 기능 자체가 멈춘다.
데이터 통제권
생체 신호나 음성, 산업 설비 가동 데이터는 외부로 나가는 순간 보관과 처리 책임이 복잡해진다. 의료기기나 방위산업 장비에서는 데이터를 기기 밖으로 내보내지 않는 설계가 규정 준수의 전제 조건이 되기도 한다. Sequora가 데이터를 디바이스 외부로 전송하지 않는다는 점을 앞세우는 것도 이 지점을 겨냥한다.
운영 비용
추론 요청 한 건마다 서버 비용이 붙는 구조는 기기 수가 늘수록 부담이 커진다. 센서 노드 수만 개를 깔아 놓는 산업용 사물인터넷에서는 이 비용 곡선이 사업성을 좌우한다. 반면 기기에서 처리하면 반도체 원가에 한 번 반영된 뒤 추가 비용이 들지 않는다.
엣지 AI 반도체 시장의 흐름
Sequora가 겨냥한 시장은 빠르게 커지는 구간에 놓여 있다. 시장조사기관들의 2026년 엣지 AI 반도체 시장 추정치는 298억5000만 달러에서 362억 달러 사이에 분포한다. ABI리서치는 같은 해 글로벌 엣지 AI 칩셋 시장을 344억 달러로 전망했다. 2034년까지 연평균 17.4% 성장해 1078억6000만 달러에 이를 것이라는 장기 추정도 제시됐다.
특히 온디바이스 생성형 AI는 이 가운데 성장세가 두드러지는 세부 시장으로 꼽힌다. 2029년까지 엣지 배치 사례의 60%가 생성형 AI 기능을 포함할 것이라는 전망이 나와 있다. 클라우드를 거치지 않고 기기에서 바로 추론을 돌리는 수요가 커지면서 전용 저전력 AI 반도체를 찾는 기기 제조사도 늘고 있다. NPU와 AI 가속기 부문이 엣지 AI 반도체 가운데 가장 높은 연평균 19.5% 성장률을 보일 것으로 예상되는 배경이다.
기업 소개
브레인칩(BrainChip)은 칩 내장형 엣지 AI 처리 및 학습 기술 분야의 글로벌 선도기업이다. 호주증권거래소(ASX)에 상장된 기업으로 뉴로모픽 컴퓨팅을 상용화한 초기 사업자 중 하나로 평가받는다.
회사가 업계 최초로 상용화한 완전 디지털 이벤트 기반 AI 프로세서 Akida™는 뉴로모픽 원리를 활용해 센서 데이터가 수집되는 지점에서 필수적인 입력 정보만 분석하며, 탁월한 효율성과 정밀도, 에너지 절감 성능으로 데이터를 처리한다. 브레인칩의 Sequora™는 상태공간 아키텍처를 활용해 생성형 AI(GenAI) 및 기타 대규모 모델을 효율적으로 실행하는 디지털 AI 프로세서다.
브레인칩은 Akida 플랫폼의 적용 범위를 꾸준히 넓혀 왔다. 2025년에는 뉴로모픽 처리 기능을 M.2 폼팩터로 제공하는 제품을 내놨고 같은 해 11월에는 엣지 AI 코프로세서 칩 AKD1500을 공개했다. 브레인칩의 기술은 항공우주와 방위산업, 산업용 사물인터넷(IIoT), 헬스케어, 소비자용 디바이스 및 웨어러블 등 다양한 산업 분야에 적용되고 있다.
회사의 수익 구조는 반도체 설계자산 라이선스와 통합 지원, 제품 판매로 구성된다. 자체 칩 양산보다 IP 공급에 무게를 둔 모델이다.
브레인칩의 다양한 소식은 X와 LinkedIn에서 확인할 수 있다. 자세한 내용은 홈페이지에서 확인할 수 있다.