로보틱스와 자율주행, 산업 자동화 등 이른바 ‘피지컬 AI(Physical AI)’ 시대가 본격화하면서, 기존 데이터센터 중심의 AI와 전혀 다른 반도체 구조가 요구되고 있다.

AMD 정훈 시스템 디자인 스페셜리스트는 10일 ‘AMD x86 Embedded Solution Day’에서 로보틱스 시스템의 구조와 이에 적합한 반도체 아키텍처 방향을 제시하며 “로봇은 단순히 연산 성능이 아니라 ‘지연시간, 안정성, 전력 효율’을 동시에 만족해야 하는 시스템”이라고 강조했다.

■ 로보틱스 컴퓨팅, “스루풋 아니라 레이턴시가 핵심”

정훈 SFAE는 “로보틱스 시스템은 클라우드 AI와 근본적으로 다른 특성을 갖는다. 데이터센터 AI가 대량 데이터를 모아 처리하는 ‘스루풋 중심’ 구조라면, 로봇은 엣지 환경에서 실시간으로 반응해야 하는 ‘저지연 중심’ 시스템”이라고 밝혔다.

또한 “배터리 기반으로 동작하는 만큼 전력 제약이 심하고, 물리적 공간에 분산돼 있어 네트워크 지연까지 고려해야 한다”며 “무엇보다 수술 로봇이나 자율주행차처럼 오류가 곧 사고로 이어질 수 있어 ‘세이프티 크리티컬’ 특성이 요구된다”고 언급했다.

이러한 요구 때문에 로보틱스 시스템은 중앙집중형 구조보다 분산형 구조가 필수적이다.

센서에서 발생하는 데이터를 중앙에서 모두 처리하는 대신, 데이터 발생 지점에서 전처리하고 필요한 정보만 전달하는 방식이 효율적이라는 설명이다.

■ “브레인-스파인-센서-모터”, 계층형 시스템 구조

정훈 매니저는 로보틱스 구조를 인간 신경계에 비유해 설명했다.

‘브레인’은 인지와 판단을 담당하는 고성능 컴퓨팅 영역이고, ‘스파인’은 통신과 메시지 전달을 담당하는 실시간 네트워크, ‘센서’는 영상·위치·촉각 데이터를 수집하고, ‘모터·조인트’는 실제 동작을 수행하는 영역이라고 언급했다.

각 영역은 요구되는 처리 시간과 성능 조건이 크게 다르다. 센서는 마이크로초 단위의 응답이 필요하고, 모터 제어는 밀리초 단위의 실시간 제어가 요구된다.

이 때문에 모든 역할을 단일 프로세서에서 처리하는 접근은 현실적으로 불가능하며, 영역별로 최적화된 반도체를 배치하는 구조가 필수적이다.

■ “하나의 칩으로는 부족”, 이기종 반도체 아키텍처 필요

이에 로보틱스에서는 다양한 워크로드가 동시에 존재한다.

이미지 분석, 객체 인식, LLM 기반 판단 등에서의 인지·추론(퍼셉션·리즌), 모터, 센서, 위치 제어 등의 실시간 제어, OS 운영, 네트워크 관리 등에서의 시스템 통합 워크로드 등 크게 세 가지로 나눠진다.

이에 대해 정훈 매니저는 “모든 워크로드를 완벽히 처리할 수 있는 단일 아키텍처는 존재하지 않는다”며, CPU·GPU·FPGA를 결합한 이기종 구조가 필수라고 설명했다.

특히 딥러닝 기반 인지 작업에는 GPU나 NPU가 적합하고, 시스템 제어와 운영에는 CPU가, 그리고 초저지연·결정적 타이밍이 필요한 제어 작업에는 FPGA 기반 아키텍처가 적합하다고 밝혔다.

■ FPGA의 역할, “결정적 타이밍과 제어 안정성 확보”

로보틱스에서 가장 중요한 요구는 ‘디터미니스틱 타이밍(예측 가능한 응답 시간)’이다.

소프트웨어 기반 처리로는 OS 스케줄링, 인터럽트, 캐시 지연 등으로 인해 시간 편차가 발생할 수 있다.

반면에 FPGA는 하드웨어 파이프라인 기반으로 동작하기 때문에 일정한 처리 시간을 보장할 수 있다.

실제로 AMD의 FPGA 기반 SoC는 1.6마이크로초 수준의 모터 제어 루프를 구현하며, 하나의 칩에서 여러 개의 모터 제어 루프를 동시에 처리할 수 있는 확장성을 제공한다.

이는 로봇 손가락, 관절, 액추에이터 등 다수의 구동부를 동시에 제어해야 하는 환경에서 중요한 장점으로 작용한다.

■ 계층별 최적 반도체 배치

정훈 AMD SFAE는 로보틱스 시스템에서 △브레인은 CPU·GPU·NPU가 통합된 Ryzen AI 기반 APU △스파인/통신은 FPGA와 ARM 프로세서가 결합된 Zynq UltraScale+ △센서·조인트는 FPGA 기반 SoC 또는 초저지연 FPGA △AI 가속은 GPU 및 AI 엔진(NPU)을 제안했다.

이 구조는 고성능 인지 연산과 초저지연 제어를 동시에 구현할 수 있도록 설계된 것이 특징이다.

또한 단일 플랫폼에서 다양한 성능 구성을 지원해 엔트리급부터 고급형 로봇까지 확장 가능한 아키텍처를 제공한다고 강조했다.

■ 미래 로보틱스, “더 작은 공간에 더 많은 연산”

향후 로보틱스는 더 많은 센서와 AI 연산을 요구하면서도, 전력·공간·냉각 제약은 더욱 심화될 것으로 전망됐다.

특히 휴머노이드 로봇의 경우 자율주행차 수준의 컴퓨팅 성능을 제한된 공간에서 구현해야 하며, 시스템 복잡도는 급격히 증가할 것으로 예상되고 있다.

정훈 매니저는 “이러한 요구를 충족하기 위해서는 APU와 FPGA 기반 어댑티브 컴퓨팅이 결합된 구조가 필수”라며 “하드웨어와 소프트웨어, 그리고 시뮬레이션까지 통합된 생태계가 중요하다”고 강조했다.