Exa Laboratories는 새로운 형태의 폴리모픽 컴퓨팅 구조를 바탕으로 AI 하드웨어의 새로운 방향을 보여줍니다. 핵심 기술인 Learnable Function Unit(LFU)은 모든 단일 변수 함수를 정밀하게 비동기 방식으로 처리하며, 전체 시스템의 지연 시간과 전력 사용을 크게 줄입니다. 이 구조는 MLP, Kolmogorov-Arnold Networks, Transformer 및 Attention Mechanism 등 다양한 AI 모델에 맞게 유연하게 변경되어 높은 성능과 적응력을 제공합니다. Exa의 칩은 단일 로드·단일 읽기 데이터 흐름으로 메모리 병목 현상을 완화하고, 비동기 병렬 처리로 NVIDIA H100 같은 최신 GPU보다 최대 27.6배 높은 에너지 효율(최대 2.3 TFLOPS/W @ 400W)을 보입니다. 이를 통해 데이터 센터와 엣지 환경에서 높은 성능과 환경을 고려한 AI 기반 시설을 구축할 수 있습니다.

주요 기능

다양한 형태 컴퓨팅 구조

AI 모델에 맞춰 실시간으로 하드웨어 구성을 변경하여 최상의 연산 성능을 제공합니다.

학습 가능 함수 유닛 (LFU)

복잡한 숫자 계산을 낮은 지연과 적은 전력으로 수행하는 학습 가능한 함수 처리 장치입니다.

높은 에너지 효율

최신 GPU보다 수십 배 높은 전력 대비 성능으로 에너지 비용과 환경 영향을 크게 낮춥니다.

줄어든 메모리 병목

메모리 접근을 획기적으로 감소시켜 대역폭 낭비를 막고 처리 능력을 극대화합니다.

복잡한 AI 모델 지원

다양한 심층 신경망 구조를 같은 플랫폼에서 자유롭게 구현할 수 있는 하드웨어 기반을 마련합니다.

사용 사례

데이터 센터 AI 가속

대규모 AI 모델의 운영 비용과 전력 소비를 획기적으로 절감하며 데이터센터 성능을 개선합니다.

엣지 AI 적용

제한된 전력 환경에서도 높은 효율의 AI 추론이 가능하여 스마트 기기와 IoT 응용 프로그램에 적합합니다.

지속 가능한 AI 기반 시설

탄소 중립 목표 달성을 지원하는 환경 친화적 AI 하드웨어 답변을 제시합니다.

고급 AI 연구

연구자들이 새로운 네트워크 구조를 자유롭게 시도하고 확인할 수 있는 열린 플랫폼을 뒷받침합니다.