Mythic, 아날로그 컴퓨팅으로 AI 전력 효율 100배 향상
Mythic's analog compute-in-memory architecture
Mythic은 아날로그 컴퓨팅 인메모리 아키텍처를 통해 AI 연산의 에너지 효율을 100배 향상시킨 APU(Analog Processing Unit)를 선보였다. 기존 칩이 프로세서와 메모리 간 데이터 이동에 대부분의 에너지를 소비하는 80년 된 구조적 결함을 해결하고, AI 모델 가중치를 플래시 메모리에 저장하고 아날로그 방식으로 연산하여 에너지 낭비를 원천 차단한다. Honda와 미 국방부의 검증을 거쳤으며, 120 TOPS/W의 업계 최고 에너지 효율을 달성했다. 2026년 1월에는 독일 AI 프로세서 기업 Videantis를 인수하여 3천만 대 차량에 적용된 ADAS 플랫폼을 확보했다.
기존 칩은 프로세서와 메모리 사이에서 데이터를 초당 수십억 번씩 옮기며, 대부분의 에너지를 연산이 아닌 이동에 소비한다. 이는 업계가 의문을 제기하지 않았던 80년 된 구조적 결함이다.
HN 토론
33- phdelightful
제 이해로는(아마 오래된 것일 수도 있지만) 제조 변동성이 아날로그 컴퓨팅의 핵심 과제입니다. 디지털 설계도 근본적으로는 내부적으로 아날로그이지만, 0 또는 1만 구별하면 되므로 어떤 노이즈 원인에 대해서도 훨씬 관대합니다. Mythic이 실제로 이를 어떻게 작동시키는지에 대해 조금만 더 들어도 좋겠습니다.
2026년 EE Times 기사 [1]에서는 "보상" 및 "보정" 기술을 언급하고 있습니다.
[1] https://www.eetimes.com/mythic-rises-from-the-ashes-with-125...
- MichaelNolan
LLM 페이지를 찾고 있다면 https://www.mythic.ai/enterprise-llm 입니다.
Taalas가 chatjimmy.ai에서 한 것처럼 모델을 직접 호스팅해서 우리가 볼 수 있게 해줬으면 좋겠어요. Nvidia/groq보다 50배 빠르다고 주장만 하는 대신 말이죠. 그들의 주장은 특히 1조 파라미터 모델에 대한 것입니다. 그래서 GLM 5.2나 비슷한 모델을 가져다가 호스팅할 수도 있었을 텐데요.
- amluto
플로팅 게이트 MOSFET에 저장된 숫자에 아날로그 입력을 곱하는 작은 회로와 그 결과를 누산기에 더하는 또 다른 회로를 설계할 수 있다는 것은 믿을 만합니다(실제로 1989년의 선행 기술이 있는 것 같습니다). 하지만 누가 이걸 제조할지 모르겠습니다. TSMC의 표준 공정으로 가능한 일인지 의심스럽습니다.
그리고 다른 종류의 컨트롤러로 NAND 또는 NOR 플래시를 사용하여 아날로그 계산을 할 수도 있고, 플래시 메모리 파운드리에 이를 제작해 달라고 설득할 수도 있을 것입니다.
하지만 사이트에는 이 제품을 어떻게 제조할 계획인지에 대한 언급이 없습니다.
- mdp2021
> Mythic M1은 최대 8000만 개의 신경망 가중치 파라미터를 칩에 직접 저장합니다.
즉, Qwen 3.8 27b를 실행하려면 약 350개의 칩렛을 연결해야 하고, Qwen3.8-2.4T-A95B를 실행하려면 3만 개가 넘는 칩렛이 필요하다는 뜻입니다. 비용은? 공간은? 실현 가능성은?
편집: 값이 잘못되었습니다. 0 하나를 잃었습니다...
편집: 보아하니 M1은 전체 요구사항의 일부일 뿐입니다. M1을 사용하면 신경망의 피드포워드 패스를 실행하지만 나머지 폰 노이만 아키텍처를 사용하여 데이터를 관리하게 됩니다. M1에서의 패스는 번개처럼 빠르겠지만, 나머지는 여전히 병목입니다. M1은 거의 명시적으로 LLM용이 아닙니다.
- tancop
그들의 수치는 너무 좋아서 사실처럼 보이지 않고, 확인된 고객도 없으며, 사이트 전체가 생성된 것처럼 보이지만, 그 뒤에 있는 원리는 좋다고 생각합니다. 아날로그를 신뢰할 수 있게 만드는 데 필요한 오류 수정을 해낼 수 있다면 더 저렴하고 더 친환경적인 AI를 위한 훌륭한 새로운 옵션이 될 수 있습니다. 반면에 완전한 사기로 판명될 수도 있습니다.