반도체 전문 온라인 매거진 - 올포칩

산업용 엣지 AI가 실험실과 프로토타입 단계를 넘어 실제 양산 환경으로 빠르게 확대되면서, AI 추론 성능뿐 아니라 이를 안정적으로 뒷받침하는 전력 아키텍처가 핵심 설계 과제로 부상하고 있다. 특히 원격 자산과 자율 기계, 독립형 모니터링 시스템 등에서는 제한된 에너지 환경에서도 지속적으로 AI 추론을 수행해야 해 전력 관리의 중요성이 더욱 커지고 있다. 

마우저 일렉트로닉스는 AI 및 전력 관리 리소스 허브를 통해 엔지니어들이 이러한 산업용 엣지 AI 설계 과제에 대응할 수 있도록 관련 기술 자료와 제품 정보를 제공하고 있다. 두 리소스 허브는 TinyML과 엣지 AI 개발부터 에너지 하베스팅, 전력 관리 IC(PMIC), 산업용 전력 아키텍처까지 설계 전반에 필요한 기사와 전자책, 백서 및 제품 사례를 제공한다. 

엣지에서 수행되는 AI 추론은 기존 임베디드 시스템과 다른 동적인 전류 프로파일을 생성한다. 따라서 안정적인 전원공급장치를 설계하기 위해서는 먼저 AI 워크로드의 특성을 정확하게 파악해야 한다. 마우저의 AI 리소스 허브는 저전력 MCU 기반 TinyML 구현과 엣지 AI 개발 워크플로우, 예지정비(PdM), 스마트 센싱, 산업용 IoT(IIoT)를 위한 AI 가속 MCU 등의 기술 정보를 제공한다. 전력 관리 리소스 허브에서는 이러한 워크로드를 안정적인 전력 시스템으로 구현하는 데 필요한 PMIC 멀티 레일 시퀀싱과 전원 장애 감지 등의 설계 정보를 확인할 수 있다. 

안정적인 주전원을 사용할 수 없는 산업 환경에서는 에너지 하베스팅도 중요한 요소다. MPPT 기반 태양광 제어와 DC 마이크로그리드 토폴로지 등의 기술을 활용하면 원격 상태 모니터링이나 산업용 센싱 시스템에서 추론 빈도와 배터리 수명, 하베스팅 가능한 에너지 사이의 균형을 고려한 전력 설계가 가능하다. 

프로토타입을 실제 양산 시스템으로 전환하는 과정에서는 스파이크와 브라운아웃, 부하 과도 현상 등 산업 현장의 전력 품질 문제도 고려해야 한다. 실험실 테스트에서는 나타나지 않았던 이러한 문제가 실제 환경에서 AI 하드웨어의 안정적인 동작을 방해할 수 있기 때문이다. 이에 따라 SiC 기반 전력 모듈과 배터리 에너지 저장 아키텍처, 고주파 자기 부품 등 현장 환경에 대응할 수 있는 전력 기술도 중요해지고 있다. 

산업용 AI가 실제 현장으로 빠르게 확산하면서 AI 추론 엔진의 성능과 전력 시스템을 개별적으로 설계하기보다 워크로드 특성 분석부터 전력 공급과 에너지 관리까지 하나의 시스템 관점에서 최적화하는 접근이 더욱 중요해질 전망이다. 마우저의 AI 및 전력 관리 리소스 허브는 이러한 전체 설계 체인을 아우르는 기술 정보를 한곳에서 제공해 산업용 엣지 AI의 실제 구현을 지원한다.