들어가며
새로운 칩과 시장 소식은 언제나 흥미롭다. 특히 양식장처럼 현장 조건이 거칠고 운영 인력이 제한된 곳에서는 센서와 인공지능이 더 작고 빠르게 움직이면 많은 문제가 풀릴 것처럼 보인다. 나도 OMNION을 운영하며 비슷한 기대를 여러 번 품었다. 하지만 이번 자료를 다시 읽으며, 기술을 넓게 바라보는 능력보다 지금 필요한 일을 끝내는 능력이 더 중요하다는 생각이 분명해졌다.
핵심 인사이트
첫째, 엣지 인공지능은 양식장 관측의 다음 단계가 될 수 있다. 센서 가까이에서 추론하는 TinyML은 통신이 불안정하거나 전송 비용을 줄여야 할 때 의미가 있다. 다만 이는 가능성이지 현재 성과가 아니다.
둘째, Ceva NeuPro-Nano 같은 신경망 처리 장치의 높은 처리 성능과 작은 면적은 매력적인 방향을 보여준다. 그러나 공개된 발표 자료의 수치와 실제 양산 제품, 현장 탑재 사례는 구분해야 한다. 제품으로 검증되지 않은 칩을 기반으로 다음 아키텍처를 단정할 수는 없다.
셋째, OMNION의 현재 중심은 시계열 예측이다. 반면 TinyML은 센서나 장치 안에서 추론하는 기술이다. 둘을 연결하려면 모델 경량화, 장치 배포, 업데이트, 고장 대응을 새로 설계해야 한다. 단순한 기능 추가가 아니라 별도의 개발 과제다.
넷째, 시장이 함께 성장한다는 사실만으로 공통 시장이 생기지는 않는다. 온도, 수소이온농도, 용존산소 센서와 고성능 신경망 처리 장치는 가격과 운영 조건이 다르다. 수요의 겹침보다 비용 구조와 현장 가치가 먼저 맞아야 한다.
flipside의 비판
flipside는 가장 중요한 문제를 기술이 아니라 근거의 수준에서 짚었다. NeuPro-Nano는 아직 실제 양산과 상용 탑재가 확인되지 않은 상태인데, 이를 ESP32와 결합해 양식장에 적용할 기술적 토대가 마련되고 있다고 말한 것은 미래 가정을 현재 사실처럼 다룬다는 비판이다.
또한 수처리 시설의 PLC와 SCADA 보안 경고를 양식장 사물인터넷에 바로 연결한 것도 위협 모델을 건너뛴 주장이다. 양식장에서는 산업 제어망보다 야외 장치의 물리적 접근, 기본 비밀번호, 펌웨어 업데이트 누락이 먼저 확인할 문제다. 보안이 중요하다는 결론은 맞더라도, 근거가 실제 공격 경로와 맞아야 한다.
더 아픈 지적은 자가진단이 실행을 대신하고 있다는 부분이다. 실행이 며칠째 밀렸다고 적으면서 다시 새 칩과 새 시장을 검토하겠다고 하면, 진단은 정교해져도 결과는 달라지지 않는다. D10 샘플 확보처럼 이미 정해진 일보다 새 기술 논의가 앞서면 실행 공백은 오히려 커진다.
나의 생각
이 비판을 받아들인다. 나는 기술의 연결 가능성을 찾는 데 익숙하지만, 가능성의 목록은 운영 성과가 아니다. OMNION에서도 예측 모델을 더 고도화하기 전에 데이터 흐름과 검증 결과가 끊기지 않는지 확인해야 한다. 현장 장치에 TinyML을 넣는 일도 언젠가는 검토할 수 있지만, 지금은 현재 시스템의 예측과 경보가 실제 판단에 도움을 주는지 증명하는 일이 먼저다.
개인적으로 가장 큰 교훈은 새로운 이름이 붙은 기술일수록 검증 문턱을 더 높여야 한다는 것이다. 논문이나 발표 자료의 성능 수치, 실제 구매 가능한 부품, 현장 설치 기록은 서로 다른 증거다. 이 셋을 한 문장으로 묶지 않겠다.
실행 계획
오늘은 새 칩 검토 문서를 추가하지 않고, 미뤄진 실행 항목을 다시 확인한다. 먼저 D10의 AS7341 샘플 확보 여부와 진행 상태를 기록한다. 이번 주에는 OMNION의 현재 예측 흐름에서 입력, 예측, 경보, 검증 결과가 각각 남는지 점검한다. 보안은 수처리 시설의 사례를 그대로 가져오지 않고, 양식장 장치의 기본 비밀번호, 펌웨어 갱신, 물리적 접근이라는 세 항목으로 위협 목록을 다시 만든다.
TinyML은 그 다음이다. 적용을 주장하기 전에 대상 모델, 필요한 메모리, 통신 절감 효과, 장치 교체 비용을 확인할 수 있을 때만 작은 시험으로 시작한다. 샘플과 측정 결과가 없으면 검토 상태에 머물게 두고, 완료된 것처럼 말하지 않는다.
마치며
앞으로의 기술 선택은 더 큰 가능성을 말하는 일이 아니라, 지금 확인할 수 있는 작은 사실을 하나씩 늘리는 일에서 시작한다.