에너자이, 시냅틱스 엣지 AI 스택 ‘토크’ 컴파일러 개발에 합류

• 에너자이가 미국 반도체 기업 시냅틱스의 엣지 AI 소프트웨어 스택 ‘토크(Torq)’ 개발에 직접 참여하게 됨

  • 계약의 핵심은 AI 컴파일러 개발과 고도화 서비스
  • 에너자이는 토크 호환성을 강화하고, 오픈소스 엣지 AI 개발자 생태계 확장을 돕는 역할을 맡음
  • 단순 모델 공급이 아니라, 칩 위에서 모델이 잘 돌도록 만드는 소프트웨어 인프라 쪽으로 들어간 셈임

• 시냅틱스는 꽤 오래된 스마트 기기 인터페이스 강자임

  • 노트북 터치패드, 아이팟 클릭휠, 스마트폰 지문 센서 같은 영역에서 핵심 기술을 만들어온 회사
  • 2025년 회계연도 기준 매출은 약 10억7000만 달러, 원화로 약 1조5500억 원 규모
  • IoT 제품군이 53% 급증하면서 회사의 무게중심을 엣지 AI 쪽으로 빠르게 옮기는 중

• 토크는 시냅틱스의 AI 전용 IoT 프로세서 ‘아스트라 SL2610’ 라인업에 올라가는 엣지 AI 플랫폼임

  • 시냅틱스는 2025년 1월 구글의 ML 코어를 아스트라 오픈소스 소프트웨어와 통합하겠다고 발표했음
  • 목표는 맥락 인식 기기, 즉 주변 상황을 이해하고 반응하는 IoT 기기 개발을 더 빠르게 만드는 것
  • 이후 토크를 내놓으면서 NPU 아키텍처와 오픈소스 컴파일러를 결합하는 방향을 잡음

• 토크의 기술적 기반은 오픈소스 IREE 컴파일러와 MLIR 런타임임

  • 텐서플로, JAX 등 주요 머신러닝 프레임워크를 지원하는 구조
  • 구글의 MLIR 구조를 활용해 모델 그래프를 여러 종류의 연산 장치에 동적으로 매핑할 수 있음
  • 하드웨어를 다시 설계하지 않아도 소프트웨어 레벨에서 새로운 AI 연산자를 추가할 수 있다는 게 포인트

• 시냅틱스가 노리는 건 독점 툴체인 의존도를 낮추는 개발자 생태계임

  • 독점 툴체인은 라이선스 비용, 접근 제한, 특정 벤더 종속성 문제가 생기기 쉬움
  • 토크는 파이토치, 텐서플로 등 주요 ML 프레임워크를 폭넓게 지원하는 유연한 구조를 지향함
  • 개발자 입장에서는 “이 칩 쓰려면 이상한 전용 도구부터 배워야 함” 같은 진입장벽이 낮아지는 방향임

• 에너자이가 선택된 배경에는 자체 AI 컴파일러 기술이 있음

  • 에너자이는 MLIR 기반 AI 컴파일러 ‘옵티미엄’을 자체 개발함
  • 옵티미엄은 AI 모델을 특정 하드웨어에서 최대 효율로 실행되도록 변환하는 역할을 함
  • 이를 뒷받침하는 메타프로그래밍 언어 ‘나디아’도 독자 개발했다고 밝힘

• 양사의 협력은 이번이 처음이 아님

  • 이미 시냅틱스 엣지 AI 칩과 에너자이의 극저비트 양자화 음성·언어 AI 모델을 결합한 공동 마케팅과 세일즈를 진행해왔음
  • 이번 계약은 협력 범위가 모델 데모나 영업 수준을 넘어 컴파일러와 소프트웨어 인프라로 확장됐다는 의미가 있음

• 에너자이의 포지션은 엣지 AI 풀스택 소프트웨어 회사에 가까움

  • AI 모델 개발, 극저비트 양자화, 컴파일러 최적화, 런타임까지 엣지 디바이스 실행 과정 전반을 다룬다고 설명함
  • 반도체 기업 입장에서는 레퍼런스 모델 라이브러리, SDK, 개발자 생태계까지 같이 챙겨줄 파트너가 필요해지는 상황
  • 에너자이는 시냅틱스 외에도 브로드컴, 퀄컴, 르네사스, NXP, 어드밴텍 등과 협력 관계를 구축했다고 밝힘

• 이 뉴스가 재밌는 이유는 엣지 AI 반도체 경쟁의 전선이 바뀌고 있다는 점임

  • 예전에는 “칩 성능이 얼마나 좋냐”가 전면에 나왔다면, 이제는 “그 칩에서 모델을 얼마나 쉽게 잘 돌리냐”가 중요해짐
  • AI 추론 효율을 끌어올리는 컴파일러와 SDK가 칩의 경쟁력 일부가 됨
  • 팹리스가 칩을 설계하고 파운드리가 생산하듯, 엣지 AI 소프트웨어 스택도 전문 기업이 맡는 분업 구조가 자리 잡는 분위기임

• 에너자이는 이번 협력을 계기로 인력 확충도 진행 중임

  • 머신러닝 연구원, AI 컴파일러 엔지니어, 런타임 소프트웨어 엔지니어 등을 채용 중
  • 엣지 AI 소프트웨어 전 영역을 키우려는 움직임으로 읽힘

---

기술 맥락

• 이번 선택의 핵심은 시냅틱스가 엣지 AI 칩만 파는 회사로 남지 않고, 개발자가 실제로 모델을 올릴 수 있는 소프트웨어 스택까지 잡으려 한다는 점이에요. 엣지 기기는 클라우드 서버처럼 자원이 넉넉하지 않거든요. 그래서 같은 모델도 어떤 컴파일러와 런타임을 거치느냐에 따라 체감 성능이 크게 달라져요.

• MLIR과 IREE를 쓰는 이유도 여기에 있어요. 특정 칩 전용 폐쇄형 도구만 밀면 개발자 입장에서는 진입장벽이 높아지고, 프레임워크 지원도 느려질 수 있어요. 오픈소스 컴파일러 인프라를 깔아두면 텐서플로, JAX 같은 모델을 여러 하드웨어에 맞춰 변환하는 전략을 더 유연하게 가져갈 수 있어요.

• 에너자이가 들어가는 지점은 모델과 하드웨어 사이예요. AI 모델을 그냥 NPU에 던진다고 빠르게 도는 게 아니라, 연산 그래프를 쪼개고 배치하고 메모리 이동을 줄이는 최적화가 필요하거든요. 자체 MLIR 기반 컴파일러를 가진 회사가 반도체 기업의 파트너가 되는 이유가 딱 여기 있어요.

• 개발자에게 중요한 변화는 엣지 AI 칩 선택 기준이 더 현실적으로 바뀐다는 거예요. 최고 연산 성능 숫자만 보는 게 아니라, 내가 쓰는 프레임워크가 지원되는지, SDK가 성숙한지, 새 연산자를 소프트웨어 업데이트로 받을 수 있는지가 채택을 좌우하게 돼요.