하이퍼비주얼에이아이, 차세대 Edge AI 프로세서 ‘GPNPU’ 사업 본격화

GPU의 유연성과 NPU의 고효율 연산 구조를 통합한 독자 아키텍처
Direct Fusion Cache로 데이터 이동 최소화하고 Edge AI의 전력·성능 병목 개선

Edge AI 프로세서 전문기업 하이퍼비주얼에이아이(대표 정삼윤)가 GPU의 범용성과 NPU의 높은 연산 효율을 결합한 차세대 AI 프로세서 아키텍처 ‘GPNPU(General-Purpose Neural Processing Unit)’를 공개하고 관련 사업을 본격화한다.

하이퍼비주얼에이아이는 지난 9월 8일 열린 ‘2026 어드밴텍 에코파트너 포럼’에 온디바이스 AI 분야 파트너로 참여해 GPNPU의 핵심 기술과 제품 라인업을 공개했다.

GPNPU는 AI 프로세서가 직면해 온 ‘범용성’과 ‘연산 효율’의 상충 관계를 하나의 아키텍처에서 해결하는 것을 목표로 개발됐다.

GPU는 다양한 알고리즘을 처리할 수 있는 높은 범용성을 갖는 반면 상대적으로 많은 전력과 메모리 대역폭을 요구한다. NPU는 특정 AI 연산에서 높은 효율을 제공하지만 새로운 모델이나 다양한 연산 구조에 대응하기 위한 유연성에 제약이 있을 수 있다.

하이퍼비주얼에이아이는 GPNPU를 통해 두 구조의 장점을 결합했다. 정수(Integer)부터 부동소수점(Floating Point)까지 다양한 연산을 지원하면서 AI 연산에 최적화된 고효율 처리 구조를 구현해, 빠르게 변화하는 AI 모델과 Edge 환경의 전력·성능 요구에 동시에 대응한다는 전략이다.

특히 GPNPU의 핵심 차별화 기술은 ‘Direct Fusion Cache’다. Direct Fusion Cache는 프로세서 내부의 온칩(On-Chip) 공유 메모리를 적극 활용해 연산 과정에서 발생하는 외부 DRAM과의 데이터 이동을 최소화하는 구조다. 하이퍼비주얼에이아이에 따르면 적용 조건에 따라 외부 DRAM 접근 횟수를 최대 99%까지 줄일 수 있다.

Direct Fusion Cache 구조. (하이퍼비주얼 AI 제공)

AI 프로세서에서 데이터 이동은 전력 소모와 처리 지연을 발생시키는 주요 요인 중 하나다. 따라서 외부 메모리 접근을 줄이면 단순히 연산 성능을 높이는 것뿐 아니라 전력 효율과 Latency를 함께 개선할 수 있다는 것이 회사 측 설명이다.

개발 환경 역시 GPNPU의 주요 경쟁력으로 제시했다. 하이퍼비주얼에이아이는 기존 GPU 기반 AI 개발자가 사용해 온 개발 방식과 주요 라이브러리를 GPNPU에서도 활용할 수 있도록 소프트웨어 호환 환경을 제공해 새로운 프로세서 도입 과정에서 발생하는 모델 포팅과 개발 부담을 낮춘다는 계획이다.

윤형민 하이퍼비주얼에이아이 CTO는 “Edge AI 프로세서의 경쟁력은 단순한 TOPS 수치가 아니라 실제 환경에서 얼마나 효율적으로 데이터를 처리하고, 다양한 모델에 대응하며, 기존 개발 환경을 활용할 수 있는가에 의해 결정된다”며 “GPNPU는 연산 구조와 메모리 구조, 소프트웨어 개발 환경을 함께 설계했다는 점에서 차별화된다”고 말했다.

하이퍼비주얼에이아이는 GPNPU를 반도체 IP 라이선스와 Edge AI 반도체 솔루션 형태로 공급하고, 향후 다양한 Edge AI 제품으로 사업 영역을 확대할 계획이다.

정삼윤 하이퍼비주얼에이아이 대표는 “AI가 데이터센터에서 실제 디바이스와 산업 현장으로 빠르게 확산되면서 전력 효율과 범용성을 동시에 요구하는 시장이 커지고 있다”며 “GPNPU를 기반으로 고객이 실제 제품에 적용할 수 있는 Edge AI 프로세서 솔루션을 제공하는 것이 목표”라고 밝혔다.

하이퍼비주얼에이아이 정삼윤 대표는 “GPNPU IP 라이선스와 Edge AI 반도체 솔루션을 기반으로, 온디바이스 AI, 로보틱스, 스마트 팩토리 등 저전력·고성능 연산 수요가 확대되고 있는 Edge AI 시장을 적극 공략할 계획”이라고 밝혔다.

강태영 기자 pjcg@dt.co.kr