레인 뉴로모픽스

Rain Neuromorphics

인간 두뇌 구조를 모방한 NPU로 GPU 대비 압도적 전력 효율과 실시간 학습을 실현하는 AI 반도체 플랫폼

무료HardwareIP Licensing

웹사이트 방문하기rain-neuromorphics.com

데이터로봇와(과) 비교하기

소개

Rain Neuromorphics(현재 Rain AI)는 샘 올트먼(Sam Altman)의 투자를 받은 선도적인 AI 하드웨어 기업으로, 기존 GPU의 전력 효율 문제를 해결하기 위해 멤리스티브 나노와이어 기술과 Digital In-Memory Compute(DIMC) 아키텍처를 결합합니다. 모든 엣지 장치가 독립적으로 학습하고 진화하는 인공지능 두뇌를 보유하는 미래를 지향하며, 특히 LLM 추론 가속에 집중하고 있습니다.

활용 워크플로우

입력

PyTorch/JAX 기반 신경망 모델 가중치RISC-V 명령어 세트(ISA) 기반 제어 스트림센서 데이터 기반 시간적 스파이킹 신호MN3 칩 토폴로지 구성을 위한 하드웨어 파라미터

레인 뉴로모픽스

디지털 가중치를 멤리스티브 나노와이어의 아날로그 전도도 상태로 매핑입력 데이터를 시간적 스파이크 시퀀스로 변환하는 SNN 인코딩멤리스티브 크로스바 어레이 내에서의 물리적 인메모리 행렬-벡터 연산생물학적 학습 모델(E-Prop 등)을 활용한 로컬 가중치 업데이트 및 지속 학습

출력

초저전력 기반 실시간 추론 결과값업데이트된 아날로그 시냅스 가중치 데이터신경망 활동 전위(Spike Activity) 모니터링 로그에너지 소비 효율 및 하드웨어 성능 진단 리포트

엣지 추론 모드 (Edge Inference)

임베디드 AI 엔지니어가 고정된 가중치를 칩에 배포하여 실시간 전력 소모를 최소화하며 고성능 추론을 수행하는 경로

온칩 지속 학습 모드 (On-chip Continuous Learning)

스타트업 HW CTO가 클라우드 연결 없이 현장의 새로운 데이터를 통해 실시간으로 모델을 튜닝하고 진화시키는 기술 경로

LLM 가속화 모드 (Digital In-Memory Compute)

대규모 언어 모델의 추론 효율을 높이기 위해 DIMC 아키텍처를 사용하여 전력 대비 처리량을 극대화하는 경로

핵심 차별점: 물리적 멤리스티브 나노와이어 신경망을 통해 GPU 대비 1,000배 이상의 에너지 효율과 평방 센티미터당 천만 개의 뉴런 밀도를 제공하는 하드웨어 혁신

주요 기능

Digital In-Memory Compute (DIMC) 아키텍처
10M+ 스파이킹 뉴런 통합 기술
온칩 지속적 학습(Continuous Learning) 지원
RISC-V 에코시스템과의 통합
생물학적으로 영감을 받은 알고리즘 최적화

장점 & 단점

웹검색을 통해 수집된 사용자 피드백 정보입니다

장점

기존 디지털 GPU 대비 1,000배 높은 에너지 효율 달성 주장
Equilibrium Propagation으로 아날로그 칩 직접 엔드투엔드 학습 가능
2021년 180nm CMOS 기반 10,000 뉴런 MN3 테스트 칩 제조 성공
내부 테스트에서 최신 SONOS 플래시 배열보다 3배 이상 빠른 학습 속도
40nm 공정으로 칩당 수천만 뉴런, 1.25억 INT8 파라미터 확장 가능
메모리 내부 연산으로 데이터 이동 감소시키는 비-폰노이만 구조

단점

CFIUS가 Prosperity7 지분 매도 강제로 행정적 마찰 발생
대량 생산에서 웨이퍼 스케일, 뉴로모픽 설계 미검증 비판
핵심 투자자 외 고객과의 확정 계약이나 LOI 확보에 어려움
1억 5천만 달러 시리즈 B 투자 라운드 무산으로 재정 위기
파산 방지 위해 300만 달러 브릿지 대출 필요 상황
창업자들이 우수한 엔지니어지만 영업 능력 부족 평가

가격 정보

무료시작 가격: 가격 문의

공식 웹사이트에 공개된 가격 정보가 없으며, 기업용 AI 하드웨어 및 IP 라이선스를 제공하므로 별도의 상담이 필요합니다. 현재 맞춤형 SoC를 위한 IP 라이선싱이 가능하며, 하드웨어 제품은 출시 예정입니다. 샘 알트만 등이 투자한 하드웨어 스타트업으로 주로 B2B 계약을 통해 가격이 결정됩니다.

가격표 확인하기