온센서 AI로 ISP와 호스트 SoC를 통합하다: 바라트 세미의 2400만 달러 시드 투자와 엣지 비전 BOM 절감 분석

인도 반도체 스타트업 바라트 세미가 수광 소자, ISP, AI 신경망을 단일 칩에 집적하는 온센서 아키텍처로 2,400만 달러 투자를 유치하고 엣지 하드웨어 원가 70% 절감 실증에 나선다.

발행일: 2026.11.16

엣지 비전 시스템 BOM 절감폭
-70%

센서·ISP·SoC 3칩 구조를 단일 칩으로 일원화

상용 양산 및 납품 목표 시점
2027년 말

1세대 프로토타입 완료 후 2세대 개발 병행

초기 검증 파트너사
2개사 확보

제너럴 아토믹스 및 카인스 세미콘 수주

핵심 판정 ·개별 ISP와 고가 호스트 프로세서를 거치지 않고 센서단에서 비전 추론을 끝내는 아키텍처는 임베디드 기기 부품 원가를 70% 낮추지만, 2027년 양산 이전까지 파운드리 수율 검증과 개발 툴체인 완성도를 냉정히 지켜봐야 한다.

단일 실리콘 온센서 AI 아키텍처: ISP와 호스트 SoC를 걷어내는 물리적 메커니즘

전통적인 엣지 비전 하드웨어는 이미지 센서(CIS)에서 광신호를 수집하고, 독립된 이미지 신호 프로세서(ISP)에서 노이즈 제거와 디모자이킹을 거친 뒤, PCIe나 MIPI 버스를 통해 호스트 애플리케이션 프로세서(SoC)나 전용 신경망 처리 장치(NPU)로 프레임 데이터를 전송한다. 이 다단계 구조는 고해상도 로우(RAW) 데이터를 칩 간 버스로 실시간 이동시키는 과정에서 지속적인 전력 소모와 열 방출을 유발한다. 협소한 배터리나 방열판 면적에 의존하는 소형 드론, 산업용 감시 카메라, 스마트 가전 기기에서 버스 대역폭 한계와 프로세서 단가는 늘 시스템 설계의 최대 병목이었다.

인도 뉴델리와 미국 산타클라라에 거점을 둔 반도체 스타트업 바라트 세미(Bharat Semi)는 수광 소자 어레이 바로 아래 연산 로직을 3D 적층하거나 단일 다이에 직접 배치하는 ‘프로그래머블 온센서 AI(On-Sensor AI)’ 설계를 택했다. 옴니비전(OmniVision) CTO 출신인 보이드 파울러(Boyd Fowler) 기술총괄과 맥킨지 출신 비나약 달미아(Vinayak Dalmia), 브린다 카푸르(Vrinda Kapoor) 공동창업자가 이끄는 이 팀은 원시 화소 데이터를 칩 외부로 내보내지 않고 센서 내부에서 즉시 특징점을 추출해 분류·감지 연산을 수행한다. 외부 프로세서로 고화질 비디오 스트림을 뿜어낼 필요 없이 객체 감지, 점유 여부, 위치 좌표 같은 경량 메타데이터만 상위 마이크로컨트롤러(MCU)로 전송하는 방식이다.

기존 3칩 비전 파이프라인 대 온센서 AI 단일 칩 데이터 흐름

물리 버스 데이터 전송을 제거해 지연시간과 전력 소모를 억제하는 아키텍처

01 · 단계 01
레거시 파이프라인

CIS 센서 → MIPI 버스 전송 → 전용 ISP 후처리 → 외부 버스 → 호스트 SoC/NPU 추론

02 · 단계 02
물리적 병목 지점

고대역폭 로우 데이터 이동에 따른 전력 낭비, PCB 면적 증가, 3개 칩 개별 구매 비용

03 · 단계 03
온센서 AI 구조

화소 수광 → 내부 ISP/AI 코어 즉시 추론 → 압축된 결과 메타데이터만 경량 버스로 출력

이 접근법은 단순히 PCB 상의 부품 개수를 줄이는 데 그치지 않고 인터페이스 레벨의 I/O 전력 소모를 차단한다. 바라트 세미가 시드 라운드에서 2,400만 달러 규모의 자금을 유치하며 미국 제너럴 아토믹스(General Atomics)와 인도 카인스 세미콘(Kaynes Semicon)으로부터 초기 설계 수주(Design Win)를 확보한 배경도 여기에 있다. 제너럴 아토믹스가 개발하는 무인 항공 플랫폼의 경우 통신 대역이 제한된 환경에서 고용량 임베디드 연산 하드웨어 없이도 기체 자체 센서단에서 즉시 표적을 식별하는 초저전력 연산 아키텍처가 필수적이기 때문이다.

3칩 레거시 대비 부품 원가(BOM)와 전력 소모 비교

바라트 세미 측이 공개한 가장 핵심적인 수치는 기존 임베디드 비전 시스템 대비 최소 70%의 총 시스템 비용(BOM) 절감이다. 레거시 엣지 비전 장비는 광학 센서 단품 외에도 고성능 ISP, 모바일급 호스트 SoC, 프레임 버퍼용 LPDDR 메모리를 별도로 실장해야 하므로 회로 설계와 열 관리 비용이 기하급수적으로 증가한다.

엣지 비전 하드웨어 아키텍처별 스펙 및 구현 차이

기존 다중 칩 구성과 온센서 AI 일체형 구성의 물리적 자원 비교

높은 BOM 비용
기존 레거시 (3칩 구성)
  • • 센서 + 외장 ISP + 호스트 SoC/NPU 분리 실장
  • • MIPI CSI-2 인터페이스 전송으로 I/O 전력 추가 소모
  • • 대용량 프레임 버퍼용 외장 LPDDR 메모리 필수
  • • 카메라 모듈 면적 15–25cm² 이상 소요
BOM 70% 절감
바라트 세미 (온센서 단일 칩)
  • • 센싱, 신호 처리, AI 신경망 연산을 단일 실리콘에 통합
  • • 내부 인터커넥트 연산으로 버스 통신 전력 차단
  • • 온칩 SRAM 기반 추론으로 외장 메모리 의존도 최소화
  • • 카메라 모듈 면적을 단일 패키지 수준으로 압축
핵심 판정 ·영상 스트림 전체가 아닌 '판단 결과'만 상위 제어기로 넘기는 기기일수록 원가 절감 효과가 극대화된다.

아래 표는 산업용 모니터링 카메라 및 스마트 가전 제어 보드를 기준으로, 10만 대 양산 시의 전통적인 3칩 구성과 온센서 AI 기반 단일 칩 시스템 간의 부품 원가 및 물리 규격을 비교한 시뮬레이션 데이터다.

세부 스펙 및 비용 항목전통적 분리형 3칩 구성 (CIS + ISP + SoC)온센서 AI 단일 칩 통합 구성 (바라트 세미 지향점)절감율 및 엔지니어링 개선폭
핵심 실장 부품군CIS ($3–5) + 외장 ISP ($4–6) + Edge SoC ($12–18)온센서 AI 단일 패키지 ($7–10 추정)칩셋 단가 기준 50–65% 절감
보조 부품 (메모리·PMIC)LPDDR4x DRAM + 복합 전원관리 IC ($5–8)저용량 SPI Flash + 단순 LDO ($1.5–2)주변 회로 원가 60–75% 절감
추정 시스템 BOM 총액$24–37 / 대$8.5–12 / 대총 BOM 비용 약 68–72% 절감
평균 소비 전력 (Active)2.5–5.0W (고속 버스 전송 및 호스트 구동)0.5–1.2W (온칩 내부 연산 및 메타데이터 전송)소비 전력 60–75% 감소
PCB 점유 면적18–30 cm² (다중 칩 배선 및 방열 공간 필요)4–8 cm² (단일 센서 모듈 주변 소형화)기판 면적 70% 이상 축소
출력 데이터 형태초당 30–60프레임 압축/비압축 비디오 스트림클래스 레이블, 바운딩 박스, 상태 감지 플래그통신 버스 트래픽 90% 이상 절감
시스템 부품 원가(BOM) 및 동작 전력 비교

단일 보드 탑재 시 발생하는 레거시 대비 자원 소모 격차

온센서 AI 레거시 3칩
기기당 추정 부품 원가 (BOM) -68% 원가 절감
온센서 AI $10
레거시 3칩 $31
평균 동작 전력 소모량 -79% 전력 절감
온센서 AI 0.8W
레거시 3칩 3.8W

BOM 비용 절감은 에어컨, 냉장고 등 생활가전과 저가형 산업용 센서 시장에서 진입 장벽을 극적으로 낮춘다. 예를 들어 실내에 사람이 있는지 판별해 냉방 출력을 조절하는 스마트 에어컨을 개발할 때, 종전에는 20달러가 넘는 고성능 SoC와 카메라 모듈을 넣기 어려워 저해상도 적외선(PIR) 센서의 부정확성에 의존해야 했다. 단일 칩 AI 센서가 10달러 안팎으로 내려오면 가전 제조사는 별도의 연산 보드 증설 없이 광학 기반 재실 감지 기능을 기본 사양으로 통합할 수 있다.

엣지 비전 파이프라인의 실무 파급력과 파운드리 외주 양산 리스크

아키텍처의 재무적 이점이 명확함에도 불구하고, 하드웨어 엔지니어링 리더는 팹리스(Fabless) 스타트업이 직면하는 제조 및 일정 리스크를 냉정하게 평가해야 한다. 바라트 세미는 현재 1세대 센서의 프로토타이핑을 진행 중이며, 신경망 처리 성능을 개선한 2세대 센서 프로토타입을 2027년 중반에 내놓고 2027년 말에 최초 상업 양산품을 출하한다는 로드맵을 제시했다. 실제 양산 공급까지 최소 1년 이상의 공백이 존재하는 셈이다.

바라트 세미 기술 검증 및 양산 로드맵

초기 프로토타입 검증부터 상업용 양산 출하까지의 핵심 마일스톤

01
1세대 프로토타입 (진행 중) 단계 01

기본 온센서 AI 아키텍처 실증, 제너럴 아토믹스 및 카인스 설계 검증

02
2세대 고성능 프로토타입 (2027년 중반) 단계 02

향상된 온칩 신경망 코어 집적, 모델 양자화 컴파일러 툴체인 배포

03
상업 양산 및 고객 인도 (2027년 말) 단계 03

글로벌 파운드리 위탁 양산 착수, 스마트홈·방산·오토메이션 정식 출하

첫 번째 실무 마찰은 팹리스 모델에 따른 파운드리 종속성이다. 특수 화소 공정(CIS)과 고밀도 디지털 연산 공정(Logic)을 결합하는 온센서 칩은 대만 TSMC, 삼성전자, 일본 소니 같은 극소수 파운드리의 첨단 적층 패키징 공정에 생산을 의존할 수밖에 없다. 글로벌 생산 라인의 가동률과 웨이퍼 할당 우선순위에 밀릴 경우 양산 시점이 2028년 이후로 지연될 위험이 상존한다. 인도 정부가 추진 중인 반도체 제조 생태계 육성 정책과 별개로, 이번 2,400만 달러 투자금은 제조 팹 건설이 아닌 칩 설계와 엔지니어링 인력 확충에만 투입된다는 점을 명확히 인식해야 한다.

두 번째 마찰은 신경망 개발 툴체인의 폐쇄성이다. 독립형 SoC 환경에서는 엔비디아 텐서RT(TensorRT)나 퀄컴 뉴럴 프로세싱 SDK처럼 표준화된 런타임 위에서 PyTorch 모델을 손쉽게 포팅할 수 있다. 반면 온센서 아키텍처는 극도로 제한된 온칩 SRAM 용량과 양자화(INT8 또는 INT4) 제약을 만족해야 하므로, 제조사가 전용 컴파일러와 경량화 툴을 얼마나 높은 호환성으로 제공하는지가 개발팀의 전체 엔지니어링 공수를 좌우한다.

방산·산업용 임베디드 의사결정권자를 위한 도입 검증 프레임워크

현재 시점에서 엣지 비전 시스템을 기획하거나 차세대 하드웨어 BOM을 재산정하는 엔지니어링 의사결정권자는 제품 출시 시점과 데이터 성격에 따라 명확한 채택 기준을 설정해야 한다.

온센서 AI 도입 여부 결정을 위한 의사결정 트리

제품 출시 기한과 비전 파이프라인의 데이터 형태에 따른 아키텍처 분류

목표 양산 시점이 2027년 이전이며 실시간 고화질 영상 스트림 전송이 필수인가?
예 (즉각 양산 또는 영상 관제 필수)
상용 레거시 분리형 칩셋 채택

양산 수율이 검증된 상용 CIS와 독립 NPU 탑재 SoC로 빠른 시장 진입 우선

→ 2026–2027년 출시 예정 상용 기기
아니오 (판단 메타데이터만 필요하며 2028년 양산 목표)
온센서 AI 아키텍처 선행 파일럿

바라트 세미 등 차세대 통합 센서 평가 보드 확보 및 전력·원가 절감 검증

→ 초저전력 스마트 가전, 방산 드론, 자율 센서 노드

즉시 선행 검증 및 설계를 검토해야 할 하드웨어 제품군

  • 상시 전원 공급이 불가능한 배터리 기반 감시·센서 노드: 주기적인 완충 없이 수개월 이상 동작해야 하는 오프그리드 환경에서는 물리 버스 I/O 전력을 차단하는 온센서 AI가 유일한 대안이다.
  • 영상 저장이나 전송 없이 ‘상태 감지’만 수행하는 스마트 가전: 냉장고 문 열림 감지, 에어컨 재실 여부 판별 등 프라이버시 이슈로 인해 비디오 프레임을 클라우드로 보낼 수 없는 기기에서 70%의 BOM 절감 효과를 그대로 흡수할 수 있다.
  • 탑재 중량과 발열이 극도로 제한된 소형 무인기(드론): 비행 제어 보드의 여유 하드웨어 자원이 부족하고 고열에 취약한 방산 및 정찰 장비는 호스트 컴퓨팅 부하를 센서단으로 오프로드하는 효과가 가장 크다.

현 단계에서 도입을 보류하고 지켜봐야 할 하드웨어 제품군

  • 2026–2027년 상반기 내에 즉각 양산에 착수해야 하는 제품군: 바라트 세미의 상용 칩 출하는 2027년 말로 예정되어 있다. 단기 로드맵을 가진 제품은 현재 시장에 나와 있는 고효율 단일 SoC(예: 암바렐라, 퀄컴의 통합 프로세서 라인)를 활용하는 편이 리스크를 낮춘다.
  • 원격 관제 센터로 실시간 4K/60fps 비디오 스트림을 상시 전송해야 하는 보안 카메라: 상위 시스템에서 고해상도 영상을 직접 분석·녹화해야 하는 환경에서는 온센서 AI의 메타데이터 추출 기능이 버스 대역폭 절감 효과를 내지 못하고 센서 칩 단가만 가산된다.
  • 복합 대형 멀티모달 모델을 온디바이스에서 구동해야 하는 장비: 센서 다이에 집적되는 신경망 코어는 가중치 메모리 한계로 인해 경량 CNN이나 초소형 트랜스포머 모델로 추론 범위가 제한된다. 파라미터 수가 큰 모델을 요하는 워크로드는 전용 외장 NPU 구성을 유지해야 한다.

관련 심층 분석 리포트

카테고리 전체 보기 →
비주얼 AI

젠슨 황 사임과 엔비디아 캐피털의 후퇴: AI 인프라 스타트업 밸류에이션 재조정과 멀티칩 공급망 전환 분석

젠슨 황의 전격 사임으로 엔비디아가 주도하던 연간 수백억 달러 규모의 AI 인프라 지분 투자가 보수적 기조로 급변하며 네오클라우드와 파운데이션 모델 생태계의 자금 조달 구조가 재편된다.

2026.11.15

비주얼 AI

LangChain 30억 달러 기업 가치의 실체: 에이전트 런타임 제어권과 관측성 TCO 해부

LangChain이 3억 달러 규모 시리즈 C 투자를 유치하며 30억 달러 가치를 인정받았다. 오픈소스 프레임워크에서 엔터프라이즈 에이전트 제어탑으로 전환한 배경과 실무 TCO를 분석한다.

2026.11.14

비주얼 AI

네비우스의 400억 달러 베팅과 납기 지연: 마이크로소프트 계약에 드러난 네오클라우드의 균열

네비우스가 발표한 400억 달러 설비 투자와 선수금 레버리지 금융 모델의 구조적 한계를 짚고, 전력망 인허가 지연이 촉발한 빅테크의 네오클라우드 재검토 기류를 분석한다.

2026.11.13

비주얼 AI

수백억 달러 AI 데이터센터의 착공 불가 미스터리: 전력망 적체와 투기성 페이퍼 큐 해부

빅테크의 수백억 달러 규모 AI 데이터센터 발표 중 상당수가 전력망 연계 병목과 투기성 계통 신청으로 인해 첫 삽도 뜨지 못하고 폐기되는 실태를 분석한다.

2026.11.12

주간 뉴스레터

테크 & 비즈니스 데이터 주간 브리핑

새로 검증된 소프트웨어 분석과 실무 유의점, 최신 공급망 지표를 매주 정리해 드립니다.

언제든 1클릭으로 구독을 해지할 수 있습니다. 스팸 메일은 보내지 않습니다.

* 본 리포트의 링크를 통해 가입 시 수수료를 지급받을 수 있으나, 실측 데이터와 평가에는 일체 영향을 주지 않습니다.