미넝테크놀로지의 수천만 위안 투자, 의료용 SNN 칩 상용화에 어떻게 쓰이나

투자금의 핵심 용도는 ‘칩 개발’만이 아니라 의료기기 상용화

제공된 보도에 따르면 미넝테크놀로지(MinoTec)의 수천만 위안 규모 자금 조달은 전통적인 GPU형 AI 칩 개발 프로그램보다는 의료 등급 모듈의 양산과 반복 개선, 폐쇄루프 생리 조절 엔지니어링, 의료기기 제조사와의 통합을 뒷받침하는 데 초점이 맞춰져 있다. 보도는 이를 ‘수천만 위안 규모 지분 투자’로 표현하며, 이를 명시적으로 시리즈 A라고 규정하지는 않는다. 또한 약 1,000배 수준의 전력 효율이라는 수치도 독립적인 벤치마크로 확인되지는 않았다. 15

미넝이 설명하는 제품 구상은 **‘생리 신호 감지 → 이벤트 연산 → 안전한 조절’**을 잇는 수직 통합형 플랫폼이다. 다중모달 신호 수집, 펄스·이벤트 인코딩, 혼합신호 SNN 연산 코어, 하드웨어 안전 점검 기능을 갖춘 프로그래머블 의료 등급 중재 장치가 이 구조에 포함된다. 회사의 사업 모델도 완성 의료기기를 직접 판매하는 데만 있지 않고, 의료기기 제조사에 칩·모듈·SDK·엔지니어링·인허가 지원을 제공하는 방식이다. 15

GPU·NPU 방식과 무엇이 다른가

일반적인 GPU·NPU 기반 추론은 일정한 주기로 데이터를 샘플링하고, 생체신호에 임상적으로 중요한 변화가 거의 없더라도 밀집된 텐서 연산을 반복하는 경우가 많다. 반면 미넝이 제시한 구조는 파형의 의미 있는 변화를 불연속적인 스파이크 이벤트로 부호화하고, 해당 이벤트가 발생할 때만 연산을 활성화한다. 눈에 띄는 변화가 없을 때는 깊은 저전력 상태에 머무를 수 있다는 구상이다. 15

이는 뉴런이 전역 클록에 맞춰 연속적인 부동소수점 값을 주고받기보다, 희소하고 비동기적인 신호를 전달하는 생물학적 신경계에서 영감을 얻은 방식이다. 이런 이벤트 구동형 구조는 연산량과 데이터 이동을 줄이고, 시간 정보를 자연스럽게 다루며, 순간적인 신호 변화에 낮은 지연으로 반응할 가능성이 있다. 특히 장시간 이어지는 약하고 잡음이 많은 생리 시계열 신호에 적합할 수 있다. 14

다만 전력 이점은 SNN이라는 이름만으로 자동 보장되는 특성이 아니다. 작업 부하, 칩 구현 방식, 모델 크기, 정확도 목표, 측정 범위에 따라 크게 달라진다. 예를 들어 비동기 센싱·연산 칩 ‘Speck’은 프로세서 유휴 전력 0.42mW를 보고했고, 일부 연구는 특정 응용에서 추론 에너지가 자릿수 단위로 줄어들 가능성을 제시한다. 그러나 이런 연구 결과만으로 미넝의 정확한 ‘약 1,000배’ 수치를 검증할 수는 없다. 이를 판단하려면 비교 대상, 모델과 정확도, 전력 측정 경계가 공개돼야 한다. 37

의료 현장에서 겨냥하는 활용처

미넝이 공개적으로 언급한 대상은 EEG(뇌파), ECG(심전도), EMG(근전도) 파형 모니터링을 비롯해 만성질환의 장기 재택 모니터링, 비침습 뇌-컴퓨터 인터페이스, 재활 폐쇄루프 조절, 수면 중 자율신경 조절, 스포츠 재활, 만성 통증 가정용 중재 등이다. 15

특히 ECG와 EEG는 시간에 따른 패턴이 핵심인 신호여서 SNN과 기술적으로 잘 맞을 수 있다. 연구에서는 스파이크 기반 웨어러블 ECG 분류와, EEG 기반 발작 예측·ECG 분석을 위한 뉴로모픽 엣지 프레임워크가 제시된 바 있다. 이는 기기 내부에서 상시 분류를 수행하거나 부정맥·발작 징후 알림을 제공하는 접근의 가능성을 뒷받침한다. 48

반면 의료영상 사전 선별은 넓은 의미의 엣지 AI 활용처로는 가능성이 있지만, 이번 투자 관련 보도에서 미넝의 핵심 제품 목표로 두드러지게 공개된 영역은 아니다. 현재로서는 진단 영상보다 생리 신호 감지·모니터링·폐쇄루프 조절이 더 명확한 근거를 가진다. 15

휴대형·원격 환경에서의 의미와 남은 과제

저전력·저발열 칩은 휴대용 모니터 안에서 예비 경보나 분류 모델을 구동할 여지를 만든다. 전력 소모가 큰 워크스테이션, 상시 클라우드 연결, 민감한 연속 생체신호의 외부 전송에 덜 의존할 수 있기 때문이다. 이론적으로는 배터리 지속 시간 연장, 방열 부담 감소, 즉각적인 기기 내 추론, 제한된 통신 환경에서의 운영 회복력으로 이어질 수 있다. 뉴로모픽 바이오의료 연구도 저에너지의 동적 온디바이스 처리라는 일반적 근거를 제시한다. 23

다만 이는 구급차, 야전 의료시설, 원격 진료소에서 미넝의 기기가 이미 임상 검증됐다는 뜻은 아니다. 의료기기 분야에서는 에너지 효율만큼이나 SNN 학습 도구의 성숙도, 재현성, 제조 수율, 사이버보안, 임상 근거, 규제 인허가가 중요하다. 미넝은 매출과 협력 사례를 보고했지만, 해당 보도에는 독립 감사된 칩 성능, 임상 결과, 인허가 승인, 상세 벤치마크 자료가 제시되지 않았다. 15

뉴로모픽 경쟁 구도에서의 위치

미넝은 범용 AI 가속기를 지향하는 기업이라기보다, 전력 제약이 큰 엣지 환경에서 의료용 생체신호 추론을 겨냥한 중국의 전문 뉴로모픽 업체로 보는 편이 적절하다. 인텔의 Loihi 계열은 온칩 학습을 포함한 프로그래머블 비동기 SNN 연구 하드웨어의 사례이고, IBM TrueNorth는 저전력 추론에 최적화된 대표적 디지털 이벤트 구동 구조다. 56

중국의 톈지(Tianjic)와 다윈(Darwin) 계열 노력도 뇌 모사·SNN 하드웨어 연구의 흐름을 보여준다. 미넝의 차별화 포인트는 단순한 뉴런·시냅스 규모보다 생리신호 인코딩, 안전 로직, 표준화 모듈, 의료기기 규제 통합을 묶은 의료기기용 스택이라는 주장에 있다. 결국 이번 투자의 성패는 칩의 전력 효율 수치뿐 아니라, 실제 의료기기 제조와 검증·인허가 과정까지 얼마나 안정적으로 연결하느냐에 달려 있다. 15