SiMa.ai의 Palette 3.0, 단일 칩에서 여러 개의 물리적 AI 모델을 구동

SiMa.ai의 Palette 3.0 소프트웨어를 사용하면 Modalix MLSoC 칩이 별도의 온칩 컨테이너에서 여러 AI 모델을 동시에 실행할 수 있어, 낮은 전력 소비 범위 내에서 초당 토큰 처리량을 최대 3.5배까지 높일 수 있으며, GitHub에서 오픈소스로 공개되어 있으며, 현재 모델당 보드 한 개씩을 운영하는 드론 및 로봇 시스템 통합 업체들을 주요 타깃으로 삼고 있습니다.

martti
2분 소요Posted: 2026년 11월 18일
SiMa.ai의 Palette 3.0, 단일 칩에서 여러 개의 물리적 AI 모델을 구동

엣지 AI 컴퓨팅은 조용히 두 가지 시대로 나뉘고 있습니다. 하나는 모델당 하나의 보드를 사용하는 방식이고, 다른 하나는 하나의 칩에서 여러 모델을 동시에 실행하는 방식입니다. SiMa.ai는 2026년 11월 17일, 캘리포니아주 산호세에서 자사의 새로운 ‘Palette 3.0’ 소프트웨어 제품군을 통해 단일 Modalix MLSoC 칩이 별도의 온칩 도커(Docker) 컨테이너 내에서 저전력 소비 범위 내에서 여러 AI 모델을 동시에 실행할 수 있게 되어, 로봇 및 드론 워크로드에 대해 초당 모델 토큰 처리량(TPS)을 최대 3.5배까지 향상시킨다고 밝혔다.

이는 로봇이나 드론 함대의 컴퓨팅 사양을 결정하는 모든 이에게 중요한 사항입니다. 왜냐하면 ‘모델당 보드 1개, 보드당 전력 예산 1개, 공급업체당 통합 문제 1개’라는 기존의 가정은 Palette 3.0이 깨기 위해 설계된 바로 그 가정이기 때문입니다. SiMa.ai를 자세히 지켜보지 않은 독자들을 위해 설명하자면, 이 회사는 캘리포니아주 산호세에 본사를 둔 물리적 AI 칩 및 소프트웨어 제조사입니다. 이 회사의 핵심 기술은 저전력 Modalix MLSoC 칩과 Palette 소프트웨어 플랫폼을 결합하여 드론, 로봇, 카메라와 같은 물리적 에지에서 AI 모델을 실행하는 것으로, 이를 통해 에지 로봇 공학 컴퓨팅 예산 부문에서 엔비디아(Nvidia)의 Jetson 및 Orin 제품군과 직접 경쟁하고 있습니다.

동시 모델 실행이 통합 업체에 실제로 가져오는 변화

Palette 3.0은 SiMa.ai가 2026년 6월에 발표한 “Agentic Palette”를 기반으로 하며, 가장 주목할 만한 기술적 혁신은 바로 동시 실행 기능입니다. 로봇에 필요한 각 모델마다 별도의 보드와 그에 따른 전력 및 열 설계 한도를 할당하는 대신, Palette 3.0은 지각 모델, 깊이 모델, 언어 또는 비전-언어 모델(VLM)이 동일한 Modalix MLSoC 칩 위에서 별도의 컨테이너로 동시에 실행되도록 합니다. SiMa.ai는 이번 릴리스에 센서 융합 툴링, 깊이 추정을 위한 신경망 기반 접근 방식, 디지털 트윈을 위한 폐쇄 루프 시뮬레이션 워크플로우가 포함되었다고 밝혔으며, 이 모든 기능은 미공개 생태계 파트너들과 공동으로 개발되었고, 벤치마크 결과는 새로운 Model Browser에 공개되었다.

오늘날 로봇 통합 업체의 경우, 드론이나 이동형 로봇에서 대규모 언어 모델(LLM)을 비전 파이프라인과 함께 구동하는 것은 일반적으로

이는 이미 무게와 전력 제약이 있는 플랫폼에서 두 개의 보드, 두 개의 전원 레일, 두 세트의 열 관리 시스템, 그리고 두 군데의 통합 위험 요소를 의미합니다. 이러한 작업 부하를 하나의 칩으로 통합하는 것은 단순한 편의 기능이 아니라, 자재 명세서(BOM)상의 결정 사항입니다. 보드 수가 줄어들면 전원 공급 장치, 배선 하네스, 인클로저 용적이 줄어들 뿐만 아니라, 전체 기체군에 걸쳐 검증 및 업데이트해야 할 펌웨어 이미지도 줄어듭니다. 드론의 경우, 두 번째 컴퓨팅 보드에 소비되지 않는 1그램과 1와트는 탑재물, 센서 또는 비행 시간을 확보하는 데 활용될 수 있는 1그램과 1와트입니다. 모바일 로봇의 경우, 관리해야 할 열 구역이 하나 줄어들고, 생산 공정 전반에 걸쳐 추적해야 할 공급망 의존 요소도 하나 줄어듭니다.

통합 업체들이 간과해서는 안 될 상충 관계는 집중 위험입니다. 모든 기능을 하나의 칩에서 구동한다는 것은 로봇이 의존하는 모든 모델에 대해 단일 고장 지점이 존재함을 의미하며, 해당 부품 하나에 대한 열 및 전력 설계의 중요성이 더욱 커집니다. Palette 3.0을 평가하는 구매자는 SiMa.ai에 문의하거나, 또는 공급업체의 경쟁사 벤치마킹 채널을 통해, SiMa.ai가 저전력 예산 내에서 달성했다고 설명하지만 자체 자료에서 구체적인 기준 구성에 대한 비교 수치를 공개하지 않은 표면적인 3.5배 TPS 수치뿐만 아니라, 다중 모델 부하 하에서 실제로 지속되는 처리량 수치를 확인해야 합니다.

Nvidia의 엣지 칩과의 비교

Nvidia의 Jetson 및 Orin 제품군은 여전히 엣지 로봇 공학 컴퓨팅 분야의 기본 기준점으로 자리 잡고 있으며, 방대한 기존 개발자 기반, 폭넓은 프레임워크 지원, 그리고 수년간 축적된 통합 업체들의 숙련도를 바탕으로 하고 있습니다. SiMa.ai는 이러한 기존 강자들의 시장 점유율을 빼앗으려 하는 것이 아니라, 전력 효율성과 단일 모델을 잘 실행하는 것보다 여러 모델을 동시에 실행하도록 특별히 설계된 소프트웨어 계층에서 경쟁 우위를 점하려 하고 있습니다. 이는 더 좁고 날카로운 전략이며, Palette 3.0은 SiMa.ai가 단순한 칩 사양이 아닌 소프트웨어 역량을 차별화 요소로 삼아 경쟁하겠다는 의도를 보여주는 가장 명확한 증거입니다.

실질적인 질문은

조달 관리자가 고려해야 할 점은 특정 모델에서 어느 칩의 벤치마크 성능이 더 높은지가 아니라, 현대식 로봇이나 드론에 필요한 실제 다중 모델 스택을 구동하는 데 필요한 보드 수, 통합 엔지니어링 소요 시간, 전력 예산을 모두 고려했을 때 어느 플랫폼의 총 소유 비용(TCO)이 더 낮은지입니다. 구매자의 실제 워크로드가 후자가 아닌 전자에 해당한다면, 하나의 전력 예산으로 세 가지 모델을 적절히 구동하는 칩이 하나의 모델을 탁월하게 구동하는 칩보다 더 유리할 수 있습니다. SiMa.ai는 Modalix MLSoC와 Palette 3.0이 바로 이러한 비교에서 우위를 점할 수 있도록 명확히 포지셔닝하고 있으며, 출시와 함께 공개된 ‘모델 브라우저(Model Browser)’ 벤치마크는 구매자가 회사의 말만 믿지 않고 직접 계산해 볼 수 있도록 특별히 마련된 것입니다.

이 주장을 요약하면 다음과 같습니다. 엣지 AI 칩 시장에서 진정한 경쟁의 핵심은 더 이상 하나의 칩이 하나의 모델을 얼마나 빠르게 실행하느냐가 아니라, 두 번째 보드가 불필요해질 때까지 구매자가 와트당 몇 개의 모델을 실행할 수 있느냐입니다.

오픈 소스 코드, 독점 칩: GitHub 공개가 잠금 효과에 미치는 의미

Palette 3.0의 코드는 오픈 소스이며, GitHub의 sima-neat 조직에서 확인할 수 있고, 관련 문서는 SiMa.ai의 개발자 센터에 게시되어 있습니다. 이는 일반적으로 엣지 AI 칩과 함께 제공되는 완전한 독점 소프트웨어 스택과는 의미 있게 다른 입장이며, 통합업체의 락인(lock-in) 위험에 대해 이것이 무엇을 의미하고 무엇을 의미하지 않는지 자세히 살펴볼 필요가 있습니다.

소프트웨어 계층을 오픈소스로 공개함으로써 한 가지 유형의 락인 위험이 줄어듭니다. 통합 업체들은 버그 수정이나 기능 추가를 위해 SiMa.ai의 로드맵과 지원 주기에 전적으로 의존할 필요 없이, 컨테이너 오케스트레이션, 모델 서빙 및 센서 퓨전 코드를 직접 검토하고 수정하며 확장할 수 있습니다. 이는 공급업체의 우선순위 변화로 인해 개발이 중단된 독점 로봇 공학 미들웨어로 인해 피해를 입었던 통합업체들에게 실질적인 이점입니다. 또한 이는 코드가 안전과 관련된 환경에 배포되기 전에 감사받을 수 있음을 의미하며, 이는 로봇 공학 분야에서 특히 더 중요한 요소입니다.

대부분의 소프트웨어 분야에서.

Palette 3.0의 오픈소스화는 하드웨어 의존성을 제거하지는 않습니다. 이 소프트웨어는 여전히 Modalix MLSoC 칩에서 실행되며, 이번 릴리스의 가장 진보된 기능인 GPT-OSS-20B와 같은 대규모 Mixture-of-Experts(MoE) 모델 지원은 해당 칩의 16GB 시스템 온 모듈(SoM) 버전에만 국한됩니다. Palette 3.0을 채택하는 통합 업체는 그 위에서 실행되는 소프트웨어 스택에 대한 통제력을 더 확보하게 되더라도, 여전히 SiMa.ai의 실리콘 로드맵, 가격 정책(공개되지 않았으나 [email protected]을 통해 요청 시 확인 가능), 그리고 공급망에 묶이게 됩니다. 이는 폐쇄형 실리콘 위의 폐쇄형 스택보다 확실히 더 나은 락인(lock-in) 구조이지만, 진정한 플랫폼 독립성과는 다르며, 구매자들은 “오픈 소스”를 “락인 없음”의 동의어로 취급하기보다는 이에 상응하는 가격을 책정해야 합니다.

새로운 시장이 아닌, 성숙해가는 시장

Palette 3.0은 또한 제한된 하드웨어에서 추론 속도를 높이는 데 직접적으로 초점을 맞춘 생성형 AI 기능을 추가합니다: EAGLE3, DFlash, Gemma 4 멀티 토큰 예측(MTP) 추측 디코딩 지원 등이 바로 그것으로, 이 모든 기술은 여러 출력 토큰을 미리 예측하여 기기에서 언어 및 비전-언어 모델을 실행할 때의 실질적인 지연 시간을 줄이기 위한 것입니다. 16GB SoM에서의 Mixture-of-Experts 지원과 결합된 이번 릴리스는 SiMa.ai가 데이터 센터에서 실행되는 것과 동일한 생성형 AI 워크로드를 추구하고 있음을 시사하며, 이를 드론이나 모바일 로봇 내부에 들어갈 수 있는 전력 범위 내로 압축한 것입니다.

이러한 야망은 SiMa.ai의 다른 최근 소식과 병행되지만, 별개의 사안입니다. 이 회사는 2026년 9월 말에 보도된 자금 조달 라운드에서 물리적 AI 칩 개발을 위해 1억 5천만 달러를 유치했습니다. Palette 3.0은 별도의 소프트웨어 출시이며, 앞서 언급된 자금 조달 소식을 재차 강조한 것이 아닙니다. 이는 자금이 어디로 향하고 있는지를 더 명확히 보여주는 신호로, 이미 존재하는 하드웨어 상에서 점점 더 정교해지는 생성형 및 지각 모델을 동시에 실행할 수 있는 소프트웨어 플랫폼을 향한 것입니다.

분야.

SiMa.ai의 창립자이자 최고경영자인 크리슈나 랑가사예(Krishna Rangasayee)는 이번 출시를 “소프트웨어의 속도로 하드웨어를 제공하는 것”이라고 설명하며, Palette 3.0이 “완전 자율 주행 시스템의 로드맵을 완전히 재편하고 있다”고 덧붙였다. 이는 훨씬 더 큰 기존 강자들에 맞서 아직 인지도를 쌓아가고 있는 기업으로서는 과감한 주장이며, 독립적으로 검증된 업계의 변화라기보다는 의지의 표명으로 받아들여야 한다. 이 발표가 정확히 반영하고 있는 것은, 자본 조달 단계에서 차별화된 소프트웨어 기능을 출시하는 단계로 빠르게 나아가고 있는 기업의 모습이며, 이는 구매자들이 자사 차량을 해당 플랫폼에 도입하기 전에 어떤 물리적 AI 칩 공급업체에게서든 보고 싶어 할 만한 과정입니다.

SiMa.ai는 통합 업체들이 이번 출시 내용을 직접 파악할 수 있도록 두 차례의 웨비나를 진행할 예정이다: “Inside Palette 3.0: Any Physical AI Model. Real Machine Autonomy"와 2026년 12월 8일에 열리는 "Drone and Robot Intelligence at Flight Speed: Build, Develop and Deploy Faster"입니다. 두 웨비나 모두, 설명만 듣는 것보다 동시 다중 모델 실행 주장이 실제로 시연되는 것을 확인하고 싶어 하는 기술 담당 구매자에게 합리적인 다음 단계가 될 것입니다.

구매자가 여기서 얻어야 할 교훈

모델당 하나의 보드에서 칩당 여러 모델로의 전환은 로봇 공학 및 드론 플랫폼의 아키텍처 설계 방식에 있어 진정한 전환점이며, 점진적인 실리콘 발전의 마케팅적 재구성이 아닙니다. 동시 실행은 엣지 플랫폼에서 하나 이상의 AI 모델을 실행하는 모든 구매자에게 부품 명세서(BOM), 전력 예산 및 통합 작업 부하를 변화시키며, 이는 2026년까지 대부분의 본격적인 로봇 공학 배포 사례를 설명해 줍니다. 구매자들은 SiMa.ai가 발표한 구체적인 수치, 특히 초당 3.5배의 토큰 처리량 수치를, 설계를 위한 확정된 사실로 받아들이기보다는 실제 모델 조합을 기준으로 자체 벤치마킹을 수행하는 출발점으로 삼아야 합니다.

확실한 것은 발전 방향입니다. 엣지 AI 칩 공급업체들은 이제 소프트웨어 오케스트레이션과 다중 모델 효율성 측면에서만큼이나

순수 칩 성능 측면에서 볼 때, 기반이 되는 실리콘은 비공개로 유지하면서 해당 오케스트레이션 계층을 오픈소스로 공개하는 방식은, 완전히 폐쇄된 스택과 이 성능 수준에서는 아직 존재하지 않는 완전히 개방된 하드웨어 사이에서 신뢰할 만한 중도적인 해결책으로 자리 잡고 있습니다. Nvidia의 Jetson 및 Orin 제품군과 비교하여 Modalix MLSoC 및 Palette 3.0을 평가하는 시스템 통합업체들은, 대규모 시스템에 특정 플랫폼을 도입하기 전에 자체적으로 병렬워크로드 벤치마크를 수행해야 합니다. 왜냐하면 비교의 승자는 공급업체의 홍보 자료가 아니라 구매자 자신의 모델 스택에서 측정된 실제 와트당 처리량에 의해 결정될 것이기 때문입니다.

본 기사는 일반적인 정보 제공을 목적으로 하며, 투자, 금융, 법률 또는 전문적인 조언을 구성하지 않습니다. 본 기사는 발행 시점의 기업 성명 및 공개 시장 동향을 종합한 것입니다.