뉴로모픽 컴퓨팅: AI를 넘어 혁신을 이끄는 뇌 영감 기술

• IBM의 TrueNorth 칩은 2014년에 발표되었으며, 단일 칩에 1,000,000개의 뉴런과 256,000,000개의 시냅스, 54억 개의 트랜지스터를 탑재하고 전력은 100 mW 미만으로 작동한다.
• Intel의 Loihi는 2017년 발표된 뉴로모픽 칩으로, 128개의 코어, 130,000개의 뉴런, 100,000,000개의 시냅스를 구현하고 칩 내부 학습 엔진으로 시냅스 가중치를 학습할 수 있다.
• IBM의 NorthPole은 2023년 발표되었으며, 800 mm² 패키지에 22억 개의 트랜지스터를 담고, 메모리와 연산을 칩 내에 밀접하게 결합해 데이터 이동을 줄이며, 이미지 인식 벤치마크에서 기존 GPU 대비 약 25배의 에너지 효율성과 22배의 속도 향상을 보였다고 보도되었다.
• Intel의 Hala Point는 2024년 발표로, 1,152개의 Loihi 2 칩을 클러스터링해 약 11억 5천만 개의 뉴런을 구현했고, 초당 약 20경의 연산과 와트당 약 15조의 연산 능력을 달성했으며 샌디아 국립 연구소에 배치되어 연구 중이다.
• 맨체스터 대학교의 SpiNNaker 프로젝트는 2018년에 100만 코어 규모의 하드웨어를 구현해 인간 뇌 뉴런의 1%를 실시간으로 모델링하는 것을 목표로 한다.
• 유럽의 2013~2023년 Human Brain Project와 BrainScaleS 등 대규모 학술 프로젝트는 EBRAINS 연구 인프라를 통해 뉴로모픽 하드웨어 접근성을 제공했고, SpiNNaker의 변형 버전도 포함된다.
• BrainChip의 Akida는 완전 디지털 기반의 이벤트 기반 뉴로모픽 프로세서로 상용화되었고, 자동차 센서 모듈에 라이선스가 부여되었으며 NASA 및 미 공군 연구소와 협력하여 우주 응용에서도 시연했다.
• 스파이킹 신경망(SNN)은 뉴로모픽 시스템의 핵심 알고리즘으로, 뉴런은 시냅스 간에 스파이크라는 짧은 펄스 메시지로 소통하고, 임계값에 도달할 때만 활성화하는 이벤트 기반 처리의 과정을 통해 에너지를 크게 절감한다.
• 뉴로모픽 하드웨어에서 멤리스터 등 저항성 메모리 기반 소자는 아날로그 시냅스 구현을 통해 연산과 저장을 같은 칩에서 처리하는 Compute-in-Memory를 가능하게 하지만, 2025년 현재 제조와 신뢰성에서 여전히 도전이 있다.
• 시장과 미래에 대해 2025년 초 Gartner·Omnia 등 분석은 뉴로모픽 컴퓨팅이 유망하나 상용화 과제가 많다고 평가하며, 향후 2030년까지 연평균 25~30% 성장해 수십억 달러 규모의 시장이 형성될 수 있다고 전망한다.

뉴로모픽 컴퓨팅이란 무엇이며(그리고 어떻게 작동하는가)?

뉴로모픽 컴퓨팅 – 때때로 뇌 영감 컴퓨팅이라고도 불리는 – 은 컴퓨터 설계에 대한 접근 방식으로, 인간 뇌의 구조와 기능을 모방합니다 ibm.com. 전통적인 모델에서는 별도의 유닛이 처리와 메모리를 각각 담당하지만, 뉴로모픽 시스템은 이러한 기능을 인공 “뉴런”과 “시냅스” 네트워크에 통합하여, 생물학적 뇌와 유사하게 동작합니다. 간단히 말해, 뉴로모픽 칩은 뇌 세포 네트워크처럼 작동하는 컴퓨터 칩으로, 수많은 상호 연결된 뉴런을 통해 정보를 처리합니다 en.wikipedia.org.

뉴로모픽 컴퓨팅의 핵심에는 스파이킹 뉴럴 네트워크(SNN)가 있습니다. 이는 인공 뉴런들이 “스파이크”라 불리는 짧은 전기 펄스를 통해 소통하는 네트워크로, 이는 생물학적 뉴런의 전압 스파이크와 유사합니다 ibm.com. 각 뉴런은 일정 시간 동안 입력 신호를 누적하다가 특정 임계값에 도달할 때에만 다른 뉴런에 스파이크를 “발사”합니다 ibm.com. 입력이 임계값에 미치지 못하면 신호는 결국 사라지게 되며(종종 뉴런의 전하가 새어나가는 것으로 설명됨), 이러한 이벤트 기반 컴퓨팅 방식 덕분에 일반적인 프로세서가 계속 작동하는 것과 달리, 뉴로모픽 칩은 대부분 대기 상태로 있다가 데이터가 처리될 때만 뉴런이 활성화됩니다 pawarsaurav842.medium.com. 그 결과, 에너지 소비가 훨씬 적으며, “뇌와 유사한” 네트워크의 대부분은 필요할 때까지 비활성 상태로 남아 있습니다. 우리 뇌에 수십억 개의 뉴런이 있지만, 한 번에 활성화되는 것은 소수에 불과한 것과 마찬가지입니다 pawarsaurav842.medium.com.

또 다른 핵심 특징은 처리와 메모리가 같은 위치에 있다는 것입니다. 뉴로모픽 설계에서는 각 뉴런이 정보를 저장하고 처리할 수 있지만, 기존 컴퓨터에서는 데이터가 CPU와 별도의 메모리 뱅크 사이를 끊임없이 오갑니다. 메모리를 연산 요소(뉴런)에 내장함으로써, 뉴로모픽 칩은 기존 아키텍처의 데이터 전송 병목 현상을 피할 수 있습니다 spectrum.ieee.org, newsroom.intel.com. 이로 인해 대규모 병렬 처리와 효율성이 실현됩니다. 많은 뉴런이 동시에 작동하고, 오직 로컬 통신만 필요합니다. IBM의 뉴로모픽 연구 책임자인 Dharmendra Modha는 다음과 같이 설명합니다. “뇌는 현대 컴퓨터보다 훨씬 더 에너지 효율적입니다. 그 이유 중 하나는 각 뉴런에서 연산과 메모리를 함께 저장하기 때문입니다.” spectrum.ieee.org 사실상, 뉴로모픽 시스템은 기존의 직렬 컴퓨터보다 살아있는 신경망처럼 동작하여 실시간 정보 처리와 희소하고 이벤트 기반의 통신을 뉴런들 사이에서 가능하게 합니다 nature.com.

간략한 역사와 주요 이정표

뉴로모픽 컴퓨팅은 미래지향적으로 들릴 수 있지만, 그 개념적 기원은 1980년대로 거슬러 올라갑니다. “뉴로모픽”(즉, “뇌 모양의”)이라는 용어는 Carver Mead가 1980년대 후반에 이 분야를 개척하면서 만든 것입니다 colocationamerica.com. 그 시절 Mead와 그의 동료들, 예를 들어 Misha Mahowald는 최초의 실험적 “실리콘 뉴런”과 감각 칩을 만들었습니다. 예를 들어, 아날로그 실리콘 망막은 인간의 눈처럼 빛을 감지할 수 있었고, 실리콘 달팽이관은 소리를 처리할 수 있었습니다 ibm.com. 이러한 초기 칩들은 전자 회로가 기본적인 신경 기능을 모방할 수 있음을 보여주었고, 언젠가 컴퓨터가 뇌처럼 작동할 수 있다는 비전을 불러일으켰습니다.

1990년대와 2000년대 동안, 신경모방 공학은 주로 학계와 연구실에서 머물렀으며, 배경에서 꾸준히 발전해 왔습니다. 중요한 이정표는 2014년 IBM의 TrueNorth 칩에서 이루어졌는데, 이는 DARPA의 SyNAPSE 프로그램 하에서 개발되었습니다. TrueNorth는 100만 개의 “뉴런”과 2억 5600만 개의 “시냅스”를 단일 칩에 집적했으며, 놀랍게도 54억 개의 트랜지스터를 탑재하면서도 100밀리와트 미만의 전력만을 소비했습니다 darpa.mil. 이 “칩 위의 뇌”는 포유류 뇌의 구조에서 영감을 받아 설계되었으며, 복잡한 패턴 인식 작업을 기존 프로세서보다 두 자릿수 적은 에너지로 수행할 수 있었습니다 darpa.mil. TrueNorth의 설계는 이벤트 기반이면서 대규모 병렬 구조였으며, 4,096개의 신경시냅스 코어가 스파이크를 통해 통신하여 대규모 신경모방 하드웨어의 실현 가능성을 보여주었습니다. IBM은 TrueNorth의 규모(백만 개 뉴런)를 대략 벌이나 바퀴벌레의 뇌에 비유했으며, 신경모방 칩이 전력 효율적이면서 뇌와 유사한 작업을 수행할 수 있음을 입증했습니다 darpa.mil.

또 다른 도약은 2017년에 인텔이 Loihi 신경모방 칩을 선보이면서 이루어졌습니다. Loihi는 128개의 코어와 13만 개의 뉴런, 1억 3천만 개의 시냅스를 실리콘에 구현한 완전 디지털 신경모방 프로세서였습니다 pawarsaurav842.medium.com. 중요한 점은, Loihi에는 온칩 학습 기능이 탑재되어 각 뉴런 코어에 내장된 학습 엔진이 있어 칩이 시냅스 가중치를 수정하고 시간이 지남에 따라 패턴에서 “학습”할 수 있었습니다. 한 시연에서 인텔은 Loihi가 위험 화학물질의 냄새를 인식하는 법을 학습할 수 있음을 보여주었는데, 이는 본질적으로 칩에 냄새 맡는 법을 가르치는 것으로, 후각 센서 데이터를 뇌와 유사한 방식으로 처리한 것입니다 pawarsaurav842.medium.com. 이러한 자기 학습 능력은 신경모방 시스템이 실시간으로 적응할 수 있음을 보여주었으며, 이는 사전 학습된 신경망을 실행하는 것을 넘어서는 단계였습니다.

그 이후로 진전이 가속화되었습니다. 대학들은 SpiNNaker(맨체스터 대학교)와 같은 특수 뉴로모픽 슈퍼컴퓨터를 구축했는데, 이 기계는 100만 개가 넘는 소형 프로세서로 구성되어 실시간으로 10억 개의 스파이킹 뉴런을 시뮬레이션하도록 설계되었습니다pawarsaurav842.medium.com. 유럽에서는 10년에 걸친 Human Brain Project(2013–2023)이 BrainScaleS(하이델베르크 대학교)와 같은 뉴로모픽 플랫폼을 지원했으며, 이 플랫폼은 아날로그 전자 회로를 사용해 뉴런을 모방하고, SpiNNaker의 변형 버전도 제공했습니다. 이들 모두는 EBRAINS 연구 인프라를 통해 연구자들이 접근할 수 있습니다ibm.com. 이러한 대규모 학술 프로젝트들은 뉴로모픽 원리가 어떻게 확장될 수 있는지를 보여주는 이정표가 되었습니다.

산업계 측면에서는 IBM, 인텔 등 여러 기업이 계속해서 최첨단을 개척하고 있습니다. IBM의 최신 뉴로모픽 개발은 2023년에 공개된 코드명 NorthPole로, 메모리와 프로세싱을 더욱 밀접하게 결합한 칩입니다. NorthPole은 속도와 효율성에서 극적인 향상을 이루었으며, 보도에 따르면 이미지 인식 작업에서 기존 최고 AI 칩보다 25배 더 에너지 효율적이고 22배 더 빠릅니다spectrum.ieee.org. 이 칩은 800mm² 패키지에 220억 개의 트랜지스터를 담고 있으며, 오프칩 메모리를 완전히 제거함으로써 데이터 이동에 낭비되는 에너지를 대폭 줄였습니다spectrum.ieee.org. IBM 연구진은 NorthPole을 “에너지, 공간, 시간 효율성에서 대규모 개선을 이룬 칩 아키텍처의 혁신”이라고 설명하며, 10년 전 TrueNorth에서 얻은 교훈을 바탕으로 개발했다고 밝혔습니다research.ibm.com. 한편, 인텔은 2021년에 2세대 칩 Loihi 2를 공개했고, 2024년에는 Hala Point를 발표했는데, 이 뉴로모픽 슈퍼시스템은 1,152개의 Loihi 2 칩과 총 12억 개의 뉴런을 포함하고 있어, 작은 새(올빼미)의 뇌 용량에 근접합니다newsroom.intel.com. Hala Point는 현재 샌디아 국립연구소에 배치되어 있으며, 세계 최대 규모의 뉴로모픽 컴퓨터로, 뇌 규모의 AI 연구를 탐구하기 위해 설계되었습니다.

Carver Mead의 1트랜지스터 뉴런에서 오늘날의 10억 뉴런 시스템에 이르기까지, 뉴로모픽 컴퓨팅은 틈새 학문적 아이디어에서 첨단 기술로 진화해왔습니다. 그 역사는 규모, 전력 효율성, 뇌 유사 처리의 사실성에서 꾸준한 발전으로 특징지어지며, 차세대 컴퓨팅 시대를 위한 기반을 마련하고 있습니다.

뉴로모픽 컴퓨팅의 핵심 기술

뉴로모픽 컴퓨팅은 하드웨어 장치와 신경망 모델의 혁신을 결합합니다. 이 뇌에서 영감을 받은 접근 방식을 가능하게 하는 주요 기술로는 다음과 같은 것들이 있습니다:

• 스파이킹 신경망(SNNs): 앞서 언급했듯이, SNN은 뉴로모픽 시스템의 알고리즘적 중추입니다. 이들은 때때로 “3세대” 신경망 pawarsaurav842.medium.com라고 불리며, 뉴런 모델에 시간 요소를 통합합니다. 표준 인공 신경망의 지속적이고 연속적인 활성화와 달리, 스파이킹 뉴런은 이산적인 스파이크로 소통하여 시간적 부호화(정보가 스파이크의 타이밍으로 전달됨)와 이벤트 기반 동작을 가능하게 합니다. SNN은 뉴런의 타이밍, 불응기, 가소성(시냅스 강도 변화에 의한 학습)과 같은 현상을 기존 네트워크보다 더 자연스럽게 모델링할 수 있습니다 ibm.com. 이는 SNN이 실시간으로 감각 데이터 스트림(시각, 오디오 등)을 처리하는 데 적합하게 만듭니다. 하지만 SNN을 위한 학습 알고리즘 개발은 복잡한 작업으로, 연구자들은 훈련된 딥 네트워크를 스파이킹 네트워크로 매핑하는 방법부터 생물학에서 영감을 받은 학습 규칙까지 다양한 방법을 사용합니다 ibm.com. SNN은 활발한 연구 분야이자 뉴로모픽 퍼즐의 핵심 요소입니다.
• 멤리스터 및 신기술 장치: 많은 뉴로모픽 플랫폼은 여전히 기존 실리콘 트랜지스터를 사용하지만, 멤리스터(메모리 저항기)와 같은 새로운 장치에 대한 관심이 큽니다. 멤리스터는 나노스케일 전자 소자로, 전류 흐름에 따라 저항이 변하면서 동시에 데이터 저장(메모리처럼)과 연산(저항/네트워크처럼)을 수행할 수 있습니다. 이는 본질적으로 시냅스가 연결을 강화하거나 약화시켜 “기억”하는 능력을 모방합니다 ibm.com. 멤리스터와 기타 저항성 메모리 기술(예: 상변화 메모리, 강유전체 장치, 스핀트로닉 장치)은 “아날로그” 시냅스를 구현할 수 있어, 인-메모리 컴퓨팅 아키텍처를 가능하게 합니다. 연산을 수행하는 동일한 물리적 장치에 메모리를 통합함으로써, 이들은 기존 컴퓨팅 패러다임에 내재된 분리를 더욱 해소합니다. 이러한 신흥 부품들은 효율성에서 수십~수백 배의 향상을 약속하지만, 2025년 현재 여전히 실험적이며 신뢰성과 제조에서 과제를 안고 있습니다. 한 전문가의 말처럼, 아날로그 뉴로모픽 시스템은 큰 잠재력을 지니고 있지만 “아직 기술적 성숙에 도달하지 못했다”고 하며, 이 때문에 현재의 많은 설계(IBM의 NorthPole, Intel의 Loihi 등)는 단기적 해결책으로 디지털 회로를 고수하고 있습니다 spectrum.ieee.org.
• 비동기 회로와 이벤트 기반 하드웨어: 뉴로모픽 칩은 종종 비동기 논리를 사용합니다. 이는 모든 연산을 일사불란하게 구동하는 단일 글로벌 클럭이 없다는 뜻입니다. 대신, 연산은 분산되어 있고 이벤트 트리거 방식입니다. 뉴런이 스파이크를 발생시키면 하위 뉴런을 트리거합니다. 활동이 없으면 회로의 일부가 휴면 상태로 들어갑니다. 이러한 하드웨어 접근법은 때때로 “클럭리스(clockless)” 또는 이벤트 기반 설계라고 불리며, SNN의 희소하고 스파이크 기반 워크로드를 직접적으로 지원합니다. 이는 대부분의 CPU/GPU의 동기식 설계와는 다릅니다. 예를 들어, IBM의 TrueNorth는 완전히 비동기로 동작했으며, 뉴런들은 이벤트가 발생할 때 네트워크 온 칩을 통해 패킷으로 통신했습니다 darpa.mil. 이는 에너지를 절약할 뿐만 아니라, 마스터 클럭 없이 병렬로 동작하는 생물학적 신경망의 방식과도 일치합니다.
• 메모리 내 연산(Compute-in-Memory) 아키텍처: 뉴로모픽 칩과 자주 연관되는 용어가 메모리 내 연산(Compute-in-Memory)입니다. 여기서 메모리 소자(SRAM, 비휘발성 메모리, 또는 멤리스터 등)는 연산 유닛과 함께 위치합니다. 이를 통해 뉴로모픽 설계는 데이터 이동을 최소화합니다. 데이터 이동은 컴퓨팅에서 에너지 소비의 가장 큰 원인 중 하나입니다 newsroom.intel.com. 실제로는, 칩의 각 뉴런 코어가 자신의 상태와 시냅스 가중치를 저장하는 로컬 메모리를 가지며, 외부 DRAM으로의 지속적인 접근이 필요 없어집니다. IBM의 NorthPole 칩이 그 예시입니다. 이 칩은 외부 메모리를 완전히 제거하고, 모든 가중치를 온칩에 배치하여 시스템에 “능동 메모리(active memory)” 장치처럼 보이게 합니다 spectrum.ieee.org. 메모리 내 연산은 디지털 방식(NorthPole처럼) 또는 아날로그 방식(멤리스터 크로스바 어레이로 행렬 연산을 현장에서 수행)으로 구현할 수 있습니다. 이 개념은 뇌와 유사한 효율성에 도달하는 데 핵심적입니다.

요약하자면, 뉴로모픽 컴퓨팅은 신경과학(스파이킹 뉴런, 가소성 시냅스), 혁신적 하드웨어(멤리스터, 상변화 메모리), 그리고 비전통적 회로 설계(이벤트 기반, 메모리-연산 통합)에 기반하여, 오늘날의 전력 소모가 큰 칩들과는 완전히 다른 원리로 동작하는 컴퓨팅 시스템을 만듭니다.

뉴로모픽 vs. 전통적 컴퓨팅 패러다임

뉴로모픽 컴퓨팅을 이해하려면, 20세기 중반 이후로 지배해 온 전통적인 폰 노이만 아키텍처와 대조해보는 것이 도움이 됩니다. 고전적인 컴퓨터(PC든 스마트폰이든)에서 설계는 근본적으로 직렬적이고 분리되어 있습니다. 중앙 프로세서가 메모리에서 명령어와 데이터를 가져와서, 그것들을(매우 빠르게 하나씩) 실행하고, 결과를 다시 메모리에 기록합니다. 현대의 CPU와 GPU가 병렬 코어나 파이프라인을 사용하더라도, 여전히 이른바 폰 노이만 병목 현상—즉, 데이터를 계속해서 메모리로부터 가져오고 다시 저장해야 하는 필요성—에 시달립니다. 이는 시간과 에너지가 소모되는 일입니다 colocationamerica.com, spectrum.ieee.org. 마치 요리사가 재료 하나하나를 가져오기 위해 매번 저장실로 달려가야 하는 것과 같습니다. 이것이 표준 컴퓨터의 작동 방식과 유사합니다.

반면, 뉴로모픽 컴퓨터는 수많은 미니 프로세서(뉴런)들이 모두 병렬로 작동하는 거대한 네트워크와 더 비슷하게 동작합니다. 중앙 시계나 프로그램 카운터가 명령어를 직렬로 처리하지 않습니다. 대신, 연산이 집단적으로 그리고 비동기적으로 일어납니다. 수천, 수백만 개의 뉴런이 동시에 간단한 연산을 수행하고, 스파이크를 통해 결과를 주고받습니다. 이는 인간의 뇌가 작업을 처리하는 방식과 유사합니다—수십억 개의 뉴런이 병렬로 발화하며, 단일 CPU가 지휘하지 않습니다. 그 결과, 이 시스템은 대규모 병렬 처리와 이벤트 기반 동작이 가능하며, 동시에 많은 신호를 처리하고, 할 일이 없을 때는 자연스럽게 대기할 수 있습니다.

이점으로는 병렬 처리를 통한 속도와 훨씬 더 높은 에너지 효율성이 있습니다. 기존 프로세서는 대형 AI 모델을 실행하는 데 100와트 정도를 사용할 수 있는데, 이는 주로 수십억 개의 트랜지스터를 전환하고 데이터가 메모리 캐시 안팎으로 이동하기 때문입니다. 반면, 뉴로모픽 칩은 이벤트와 희소 발화를 사용합니다. 한 번에 뉴런의 5%만 활성화된다면, 나머지 95%는 사실상 전력을 거의 소모하지 않습니다. 이러한 희소한 활동성이 뉴로모픽 아키텍처가 특정 AI 작업에서 CPU/GPU에 비해 최대 1000배 더 나은 에너지 효율성을 보여준 한 가지 이유입니다 medium.com. 실제로 뉴로모픽 설계가 지향하는 인간의 뇌는 약 20와트(어두운 전구보다 적은 전력)만으로 동작하면서도, 시각 및 패턴 인식 등에서 현재의 슈퍼컴퓨터보다 뛰어난 성능을 보입니다 medium.com. 인텔 뉴로모픽 연구소장 Mike Davies는 “오늘날 AI 모델의 컴퓨팅 비용은 지속 불가능한 속도로 증가하고 있습니다. 업계는 확장 가능한 근본적으로 새로운 접근법이 필요합니다.”라고 말했습니다 newsroom.intel.com. 뉴로모픽 컴퓨팅은 메모리와 연산을 통합하고, 데이터 이동과 에너지 사용을 최소화하는 고도로 병렬적이고 뇌와 유사한 아키텍처를 활용함으로써 이러한 새로운 접근법을 제시합니다 newsroom.intel.com.

하지만 뉴로모픽 컴퓨팅이 모든 컴퓨팅을 대체할 수 있는 만능 솔루션은 아니라는 점을 주목해야 합니다. 기존의 결정론적 프로세서는 정밀하고 선형적인 작업(산술, 데이터베이스 쿼리 등)에 뛰어난 반면, 뉴로모픽 시스템은 감각, 지각, 패턴 매칭 작업 등 뇌와 유사한 처리가 빛을 발하는 분야에 강점을 보입니다. 미래의 많은 비전에서 뉴로모픽 칩은 기존 CPU 및 GPU를 보완하여, 인지, 학습, 적응이 필요한 AI 작업에 특화된 보조 프로세서로 작동할 것입니다. 이는 오늘날 GPU가 그래픽 및 신경망 연산을 가속하는 것과 유사합니다. 두 패러다임은 공존할 수 있으며, 뉴로모픽 하드웨어는 “뇌와 유사한” 작업을 근본적으로 더 효율적으로 처리합니다. 본질적으로, 폰 노이만 기계는 순차적인 수치 계산기와 같고, 뉴로모픽 기계는 병렬적인 패턴 인식기와 같다고 할 수 있습니다 – 각자의 역할이 있습니다.

뉴로모픽 기술을 이끄는 주요 기업 및 프로젝트

뉴로모픽 컴퓨팅은 기술 기업, 연구소, 학계를 아우르는 다학제적 노력입니다. 주요 대기업, 스타트업, 정부 기관 모두가 뇌에서 영감을 받은 하드웨어와 소프트웨어 개발에 뛰어들고 있습니다. 2025년 기준 주요 기업과 프로젝트는 다음과 같습니다:

• IBM: IBM은 인지 컴퓨팅 연구의 선구자였습니다. 획기적인 TrueNorth 칩(2014, 100만 뉴런 탑재) 이후, Dharmendra Modha가 이끄는 IBM 연구팀은 최근 차세대 뉴로모픽 NorthPole(2023) 추론 칩을 선보였습니다. NorthPole의 혁신은 연산과 메모리를 칩 내에서 밀접하게 결합해 AI 추론 작업에서 전례 없는 효율성을 달성한 데 있습니다 spectrum.ieee.org. IBM에 따르면 NorthPole은 이미지 인식과 같은 벤치마크에서 최첨단 GPU보다 더 뛰어난 성능을 보이면서도 전력 소모는 극히 적다고 합니다 spectrum.ieee.org. IBM의 장기적인 비전은 이러한 칩을 활용해 오늘날의 에너지 제약 없이 데이터센터부터 엣지 디바이스까지 훨씬 더 에너지 효율적인 AI 시스템을 구현하는 것입니다.
• Intel: Intel은 전담 뉴로모픽 컴퓨팅 연구소를 설립하고 Loihi 칩 시리즈를 선보였습니다. 최초의 Loihi(2017)와 Loihi 2(2021)는 Intel 뉴로모픽 연구 커뮤니티를 통해 대학과 기업에 제공된 연구용 칩입니다. Intel의 접근법은 완전 디지털 방식이지만 비동기 스파이킹 코어와 온칩 학습 기능을 갖추고 있습니다. 2024년 4월, Intel은 사실상 천 개 이상의 Loihi 2 칩을 연결한 뉴로모픽 슈퍼컴퓨터인 Hala Point를 발표했습니다 newsroom.intel.com. Hala Point는 Sandia Labs에 배치되어 10억 개 이상의 뉴런을 시뮬레이션할 수 있으며, 대규모 뇌 영감 알고리즘과 연속 학습 AI 시스템 연구에 활용되고 있습니다 newsroom.intel.com. Intel은 뉴로모픽 기술이 더 지속 가능한 AI의 핵심이라고 보고, AI 모델 학습과 추론에 필요한 전력을 획기적으로 줄이는 것을 목표로 하고 있습니다 newsroom.intel.com. 출시 행사에서 Mike Davies는 현재 하드웨어로 AI를 확장하는 것은 전력 소모가 너무 크기 때문에, Intel은 뉴로모픽 설계가 그 효율성의 벽을 돌파할 것이라 내다봤다고 밝혔습니다 newsroom.intel.com.
• Qualcomm: Qualcomm은 저전력 AI를 위한 뉴로모픽 원리를 디바이스에 적용하는 연구를 진행해왔습니다. 초기(2013~2015년경)에는 “Zeroth”라는 플랫폼을 개발하고, 스마트폰에서 패턴 인식과 같은 작업을 위한 스파이킹 뉴럴 네트워크 가속기를 시연한 바 있습니다. 최근 몇 년간 Qualcomm의 뉴로모픽 관련 활동은 공개적으로 드러나지 않았지만, 보도에 따르면 초저전력 엣지 AI와 뉴로모픽 컴퓨팅이 잘 맞아떨어지는 만큼(모바일 및 임베디드 칩 사업과 자연스럽게 연결됨) R&D를 계속하고 있는 것으로 알려져 있습니다 medium.com. Qualcomm의 이러한 관심은 모바일 칩 제조사들조차도 디바이스 배터리를 소모하지 않으면서 AI 수요를 따라가기 위해 뇌에서 영감을 받은 설계에 잠재력이 있음을 인식하고 있음을 보여줍니다.
• BrainChip Holdings: 호주 스타트업인 BrainChip은 뉴로모픽 IP를 상용화한 최초 기업 중 하나입니다. 이들의 Akida 뉴로모픽 프로세서는 완전 디지털 기반의 이벤트 기반 설계로, 엣지 디바이스의 AI 가속기로 활용될 수 있습니다 brainchip.com. BrainChip은 소규모 전력 예산 내에서 실시간 학습 및 추론을 강조하며, 예를 들어 IoT 센서나 차량에 로컬 제스처 인식 또는 이상 감지 기능을 클라우드 연결 없이 추가할 수 있습니다. 2025년 기준, BrainChip은 Akida를 스마트 센서부터 항공우주 시스템에 이르는 다양한 제품에 통합하기 위해 파트너들과 협력하고 있으며, NASA 및 미 공군 연구소와 같은 기관과 협력하여 우주 응용 분야에서도 뉴로모픽 프로세싱을 시연한 바 있습니다 embedded.com, design-reuse.com. BrainChip과 같은 스타트업은 엣지 AI 및 IoT 시장에 뉴로모픽 기술을 상용화하려는 상업적 관심이 커지고 있음을 보여줍니다.
• 학계 및 정부 연구소: 학계에서는 여러 대학과 연합체가 중요한 뉴로모픽 시스템을 구축해 왔습니다. 우리는 SpiNNaker(영국 맨체스터 대학교)를 언급했는데, 이 시스템은 2018년에 100만 개의 코어를 가진 하드웨어 신경망을 구현하여 인간 뇌 뉴런의 1%를 실시간으로 모델링하는 것을 목표로 했습니다 pawarsaurav842.medium.com. 또한 BrainScaleS(독일 하이델베르크 대학교)도 있는데, 이 시스템은 대형 실리콘 웨이퍼 위의 아날로그 회로를 사용해 신경망을 가속화된 속도로 모방합니다(신경 과정을 “빨리감기”하여 학습을 연구). 미국에서는 스탠포드(100만 뉴런 시뮬레이션이 가능한 Neurogrid 시스템을 개발함 ibm.com)와 MIT 등 여러 연구기관이 활발한 뉴로모픽 공학 연구실을 운영하고 있습니다. DARPA와 같은 정부 기관도 계속해서 프로그램에 자금을 지원하고 있습니다(예: 광자 뉴로모픽 칩을 탐구하는 “Electronic Photonic Neural Networks” 프로그램). 한편, EU의 Human Brain Project(HBP)는 Neuromorphic Computing Platform을 통해 뉴로모픽 인프라에 대규모 투자를 했으며, 그 후속 사업인 EBRAINS 연구 인프라에서도 과학자들에게 뉴로모픽 하드웨어 접근을 계속 제공하고 있습니다 ibm.com.
• 기타 산업계 주요 업체: IBM과 Intel 외에도 Samsung과 HRL Laboratories와 같은 기업들도 뉴로모픽 기술에 도전하고 있습니다. 2021년, 삼성 연구진은 뇌의 신경 연결을 메모리 칩에 “복사-붙여넣기”하는 비전을 발표했는데, 이는 3D 메모리 어레이를 사용해 생물학적 뇌의 연결성을 뉴로모픽 시스템으로 맵핑하는 것으로, 아직 실용화와는 거리가 먼 야심찬 목표입니다. HRL Labs(보잉과 GM이 공동 소유)는 2019년에 한 번의 학습(one-shot learning)이 가능한 멤리스터 기반 뉴로모픽 칩을 개발했습니다(이 장치는 단 한 번의 예시로 패턴을 인식할 수 있었습니다). 또한, GrAI Matter Labs(GrAI “NeuronFlow” 칩 ibm.com으로 유명)와 SynSense(초저전력 비전 칩으로 잘 알려진 취리히/중국 기반 회사)와 같은 유럽 스타트업들도 주목할 만한 기여자입니다.

요약하자면, 뉴로모픽 분야는 기술 대기업들이 한계를 넓히고, 스타트업들이 특화 시장에 혁신을 가져오며, 학계 컨소시엄이 새로운 영역을 탐구하는 협력적 혼합체입니다. 이 폭넓은 생태계는 발전을 가속화하고 뉴로모픽 아이디어를 실험실 밖 실제 응용으로 이끌고 있습니다.

현재의 응용 분야 및 실제 사용 사례

뉴로모픽 컴퓨팅은 아직 신흥 기술로, 실제 적용 사례는 초기 단계에 있습니다. 하지만 다양한 분야에서 유망한 시연이 이루어지고 있습니다. 우리의 뇌가 놀라울 정도로 잘(그리고 효율적으로) 처리하지만 기존 컴퓨터는 어려워하는 작업들, 바로 그곳에서 뉴로모픽 시스템이 빛을 발합니다. 다음은 주목할 만한 사용 사례와 잠재적 응용 분야입니다:

• 자율주행 차량: 자율주행 자동차와 드론은 실시간으로 변화하는 환경에 반응해야 합니다. 뉴로모픽 칩은 빠른 병렬 처리와 낮은 전력 소모로, 차량이 인간 운전자처럼 인지하고 의사결정을 내릴 수 있도록 도와줍니다. 예를 들어, 뉴로모픽 프로세서는 카메라와 센서 데이터를 받아들여 장애물을 감지하거나 매우 짧은 지연 시간으로 내비게이션 결정을 내릴 수 있습니다. IBM 연구진은 뉴로모픽 컴퓨팅이 자율주행 차량에서 더 빠른 진로 수정과 충돌 회피를 가능하게 하면서, 에너지 소비도 획기적으로 줄일 수 있다고 언급합니다(전기차와 드론에 매우 중요) ibm.com. 실제로 스파이킹 뉴럴 네트워크는 차량 주변을 지속적으로 분석하지만, 관련 이벤트(예: 보행자가 도로에 들어서는 경우)가 있을 때만 뉴런이 활성화되어, 불필요한 연산에 에너지를 낭비하지 않고 빠른 반응을 가능하게 합니다.
• 사이버보안 및 이상 탐지: 사이버보안 시스템은 방대한 데이터 스트림에서 비정상적인 패턴(잠재적 침입 또는 사기)을 포착해야 합니다. 뉴로모픽 아키텍처는 본질적으로 패턴 인식에 능하며, 실시간으로 이상을 감지하는 데 사용할 수 있습니다. 이벤트 기반이기 때문에, 네트워크 트래픽이나 센서 데이터를 모니터링하다가 정말 비정상적인 패턴이 나타날 때만 스파이크를 발생시킵니다. 이를 통해 지연이 거의 없는 실시간 위협 탐지가 가능하며, 에너지 효율도 높아 이러한 시스템이 소형 하드웨어에서도 지속적으로 구동될 수 있습니다 ibm.com. 일부 실험에서는 뉴로모픽 칩을 사용해 “정상” 패턴을 학습한 뒤, 모든 데이터를 전력 소모가 큰 CPU로 처리하지 않고도 네트워크 침입이나 신용카드 사기를 감지한 사례가 있습니다.
  • 엣지 AI 및 IoT 기기: 뉴로모픽 컴퓨팅의 가장 즉각적인 활용 사례 중 하나는 엣지 디바이스—예를 들어 스마트 센서, 웨어러블, 또는 가전제품 등—에서 찾아볼 수 있습니다. 이들 기기는 전력과 컴퓨팅 자원이 제한적입니다. 뉴로모픽 칩의 초저전력 동작은 AI 기능(음성 인식, 제스처 인식, 이벤트 감지 등)을 클라우드 서버나 잦은 배터리 충전 없이도 기기에 탑재할 수 있게 해줍니다ibm.com. 예를 들어, 뉴로모픽 비전 센서를 장착한 드론은 스스로 장애물을 피하며, 박쥐가 반향정위로 반응하듯 빠르고 효율적으로 움직일 수 있습니다. 뉴로모픽 비전 시스템을 탑재한 드론은 복잡한 지형을 통과하고, 새로운 감각 입력이 있을 때만 연산을 늘려 변화에 반응하는 능력을 보여주었는데, 이는 생물의 뇌가 작동하는 방식과 유사합니다builtin.com. 마찬가지로, 작은 뉴로모픽 칩이 내장된 스마트워치나 건강 모니터는 바이오 신호(심박수, 뇌파 등)를 로컬에서 지속적으로 분석하고, 부정맥이나 발작과 같은 이상을 실시간으로 감지하며, 단일 배터리 충전으로 며칠간 작동할 수 있습니다—이는 기존 칩으로는 매우 어려운 일입니다. (실제로 최근 한 사례에서는 뉴로모픽 기반 스마트워치가 환자의 심장 부정맥을 즉시 포착했는데, 이는 클라우드 기반 분석으로는 어려웠을 것이라고 합니다medium.com.)
• 패턴 인식 및 인지 컴퓨팅: 뉴로모픽 시스템은 본질적으로 잡음이 많은 데이터에서 패턴을 인식하는 작업에 강점을 가지고 있습니다—이미지, 소리, 센서 신호 등이 그 예입니다. 이들은 이미지 인식, 음성 및 청각 처리, 심지어 후각 감지(인텔의 Loihi 칩이 다양한 냄새를 학습한 사례 등)와 같은 실험적 환경에서 적용되어 왔습니다pawarsaurav842.medium.com. 뉴로모픽 칩은 아날로그 센서(예: 장면 변화에 따라 스파이크를 출력하는 다이내믹 비전 센서)와도 인터페이스할 수 있어, 종단 간 뉴로모픽 센싱 시스템을 구현할 수 있습니다. 의료 분야에서는 뉴로모픽 프로세서가 생체의학 신호(예: 뇌파)를 분석하여 진단에 중요한 이벤트나 패턴을 포착할 수 있습니다ibm.com. 학습 및 적응 능력 덕분에, 기기 내에서 패턴 인식을 개인화할 수도 있습니다—예를 들어, 뉴로모픽 보청기는 사용자의 환경에 지속적으로 적응하며 소음과 음성을 구분하는 성능을 향상시킬 수 있습니다.
• 로보틱스 및 실시간 제어: 로보틱스는 종종 모터 제어, 센서 해석, 즉각적인 의사결정을 위한 긴밀한 피드백 루프를 필요로 합니다. 뉴로모픽 컨트롤러는 로봇에게 반사 신경과 적응력을 부여할 수 있습니다. 이들은 정보를 병렬로 처리하고 감각 피드백으로부터 학습할 수 있기 때문에, 예측 불가능한 지형에서의 균형 잡기, 잡기, 걷기와 같은 작업에 적합합니다. 연구자들은 뉴로모픽 칩을 사용해 로봇 팔과 다리를 제어했으며, 이 컨트롤러는 센서 입력에 따라 모터 신호를 실시간으로 조정하는 법을 학습할 수 있습니다. 이는 인간이 운동 기술을 배우는 방식과 유사합니다. 관찰된 한 가지 장점은, 스파이킹 뉴럴 네트워크로 구동되는 로봇은 일부 뉴런이 고장 나더라도 계속 작동할 수 있다는 점(일종의 점진적 성능 저하)으로, 생물학적 시스템과 유사한 내결함성을 제공합니다 colocationamerica.com. Boston Dynamics와 같은 기업들은 로봇의 효율성과 반응 속도를 높이기 위해 뉴로모픽 영감을 받은 시스템을 탐구하고 있음을 시사했습니다. 제조업 분야에서는 뉴로모픽 비전 시스템이 로봇이 사물을 인식하거나 복잡한 공장 바닥을 더 자연스럽게 탐색하고, 갑작스러운 변화에 더 빠르게 대응할 수 있게 할 수 있습니다 builtin.com.
• 뇌-기계 인터페이스 및 신경과학: 뉴로모픽 칩은 생물학적 뇌와 매우 유사한 원리로 작동하기 때문에, 신경과학을 이해하거나 살아있는 뉴런과 인터페이스하는 도구로 사용되고 있습니다. 예를 들어, 과학자들은 살아있는 신경 세포 배양체를 뉴로모픽 하드웨어에 연결해 하이브리드 시스템을 만들 수 있으며, 이 칩을 사용해 기존 컴퓨터로는 실시간으로 쉽게 할 수 없는 방식으로 생물학적 뉴런을 자극하거나 모니터링할 수 있습니다. 또한 뉴로모픽 모델은 신경과학자들이 뇌의 특정 신경 회로가 어떻게 작동하는지에 대한 가설을 테스트하는 데 도움을 주며, 해당 회로를 실리콘 상에서 복제해 실제와 유사하게 동작하는지 확인할 수 있습니다. 이러한 활용은 상업적이라기보다는 연구 중심이지만, 기술의 다양성을 보여줍니다.

주목할 점은 이러한 많은 응용 분야가 아직 프로토타입 또는 연구 단계에 있다는 것입니다. 2025년의 뉴로모픽 컴퓨팅은 기존 AI가 2010년대 초반에 있었던 위치와 비슷합니다 – 유망한 데모와 틈새 활용 사례는 있지만, 기술은 이제 막 연구실을 벗어나기 시작했습니다. Gartner, PwC와 같은 기술 컨설팅 업체들은 뉴로모픽 컴퓨팅을 향후 주목해야 할 신흥 기술로 꼽고 있습니다 ibm.com. 하드웨어와 소프트웨어가 성숙해짐에 따라, 뉴로모픽 프로세서가 일상 기기에 대규모 컴퓨팅 자원 없이도 지각적 지능을 부여하는 모습을 보게 될 것으로 기대됩니다. 자율주행차부터 초소형 의료 임플란트까지, 전력이나 크기 제약이 있는 환경에서 실시간 AI가 필요한 모든 시나리오가 뉴로모픽 솔루션의 후보가 될 수 있습니다.

과제와 한계

흥미로운 잠재력에도 불구하고, 뉴로모픽 컴퓨팅은 더 넓은 도입을 위해 중대한 도전과제에 직면해 있습니다. 이러한 도전과제의 많은 부분은 뉴로모픽 접근 방식이 기존과 근본적으로 다르기 때문에 하드웨어, 소프트웨어, 심지어 교육 전반에 걸쳐 새로운 사고방식을 요구한다는 데서 비롯됩니다. 2025년 현재 주요 장애물과 한계는 다음과 같습니다:

• 기술의 성숙도: 뉴로모픽 컴퓨팅은 아직 성숙하거나 주류가 된 기술이 아닙니다. Gartner의 하이프 사이클로 보면 초기 단계에 해당하며, 가능성은 있지만 아직 본격적으로 활용되기에는 이릅니다 ibm.com. 현재의 뉴로모픽 칩은 대부분 연구용 프로토타입이거나 소량 생산되는 장치입니다. 뉴로모픽 하드웨어 설계나 성능 벤치마크에 대한 널리 받아들여지는 산업 표준도 아직 없습니다 builtin.com. 이로 인해 잠재적 사용자가 시스템을 평가하고 비교하기가 어렵습니다. 그 결과, 조직들은 뉴로모픽 기술을 신중하게 탐색하고 있습니다. 아직 발전 중이며 모든 문제에 대해 기존 솔루션을 즉시 능가하지 않을 수 있음을 알고 있기 때문입니다.
• 소프트웨어 및 도구의 부족: 가장 큰 병목 중 하나는 소프트웨어 생태계입니다. 컴퓨팅 세계는 수십 년간 폰 노이만 구조를 기반으로 구축되어 왔으며, 프로그래밍 언어, 컴파일러, 운영체제, 개발자 전문성 모두가 전통적인 아키텍처를 전제로 합니다. 반면 뉴로모픽 하드웨어는 프로그래밍에 있어 다른 접근이 필요합니다(순차적 코드 작성보다는 신경망 설계와 모델 튜닝에 더 가깝습니다). 현재로서는 뉴로모픽 시스템을 위한 “적절한 소프트웨어 빌딩 도구가 사실상 존재하지 않는다”고 한 연구자는 말했습니다 builtin.com. 많은 뉴로모픽 실험은 맞춤형 소프트웨어나 신경망 프레임워크의 변형에 의존하고 있습니다. (예를 들어, 인텔의 Loihi용 오픈소스 프레임워크 Lava, 대학 프로젝트 Nengo 등) 노력이 진행 중이지만, 대규모 스파이킹 신경망을 위한 TensorFlow나 PyTorch에 해당하는 통합되고 사용하기 쉬운 플랫폼은 없습니다. 이처럼 진입 장벽이 높아 도입이 제한되고 있습니다. 일반적인 AI 개발자는 광범위한 재교육 없이는 뉴로모픽 칩을 쉽게 사용해 애플리케이션을 배포할 수 없습니다. 소프트웨어 스택, 라이브러리, 시뮬레이터 개선이 커뮤니티의 중요한 과제입니다.
• 프로그래밍 패러다임의 변화: 도구 문제와 관련된 근본적인 사고의 패러다임 전환이 있습니다. 뉴로모픽 시스템을 프로그래밍하는 것은 파이썬 스크립트를 작성하는 것과 같지 않습니다. 오히려 뇌와 유사한 모델을 설계하고 훈련하는 것에 가깝습니다. 개발자는 컴퓨터 과학뿐만 아니라 신경과학 개념(스파이크 비율, 시냅스 가소성 등)에 대한 친숙함이 필요합니다. 이는 진입 장벽이 높다는 것을 의미합니다. 현재 전 세계적으로 뉴로모픽 컴퓨팅의 진정한 전문가가 수백 명에 불과한 것으로 추정됩니다 builtin.com. 이 인재 격차를 해소하는 것이 과제입니다. 더 많은 인재를 이 융합 분야에서 양성하거나, 복잡성을 추상화하는 상위 수준의 도구를 만들어야 합니다. 그때까지 뉴로모픽 컴퓨팅은 다소 부티크적인 영역에 머물며, 주로 특화된 연구 그룹만 접근할 수 있을 것입니다.
• 하드웨어 확장성 및 제조: 뇌의 복잡성을 신뢰성 있게 모방하는 뉴로모픽 하드웨어를 구축하는 것은 매우 도전적입니다. Loihi, TrueNorth와 같은 디지털 칩이 백만 개 이상의 뉴런까지 확장할 수 있음을 보여주었지만, 뇌 규모(인간 뇌의 860억 뉴런)에 도달하는 것은 여전히 먼 미래의 일입니다. 더 중요한 것은, 시냅스를 가장 잘 모방할 수 있는 아날로그 방식(멤리스터 등)이 아직 양산 준비가 되지 않았다는 점입니다. 이를 안정적이고 재현 가능하게 만들기 위해서는 새로운 소재와 제조 공정이 필요합니다 spectrum.ieee.org. 최첨단 아날로그 장치는 기기 변동성, 드리프트, 내구성 한계와 같은 문제에 자주 직면합니다. 반면, 디지털 뉴로모픽 칩은 표준 CMOS 제조 공정을 활용할 수 있지만, 아날로그에 비해 효율성이나 집적도가 다소 떨어질 수 있습니다. 또한 뉴로모픽 칩을 기존 컴퓨팅 시스템(통신 인터페이스, 폼팩터 등)에 통합하는 문제도 있습니다. IBM의 NorthPole 칩은 호스트 시스템에 “액티브 메모리”로 보이도록 하여 이 문제를 해결하려고 시도합니다 spectrum.ieee.org, 하지만 이러한 통합 솔루션은 아직 실험 단계입니다. 요약하자면, 뉴로모픽 하드웨어는 전환점에 있습니다. 가능성은 크지만, 대량 생산을 위해 견고하고 확장 가능하며 비용 효율적으로 만들기 위해서는 더 많은 연구개발이 필요합니다.
• 표준화 및 벤치마크: 기존 컴퓨팅에서는 잘 정의된 벤치마크(SPEC는 CPU용, MLPerf는 AI 가속기용 등)와 성능 지표가 있습니다. 뉴로모픽 시스템의 경우, 성능을 공정하게 측정하고 비교하는 방법이 아직 명확하지 않습니다. 한 칩이 스파이킹 신경망을 실행하고 다른 칩이 표준 신경망을 실행한다면, 주어진 작업에서 “정확도”나 “처리량”을 어떻게 비교할 수 있을까요? 연속 학습이나 에너지 제약 패턴 인식처럼 뉴로모픽의 강점을 살린 새로운 벤치마크가 개발되고 있지만, 커뮤니티가 이에 합의하기 전까지는 외부인에게 뉴로모픽 솔루션의 가치를 입증하기 어렵습니다 builtin.com. 표준화된 지표와 아키텍처의 부재는 연구 그룹 간 결과 공유에도 문제를 일으킵니다. 한 칩에서 잘 작동하는 것이 뉴런 모델이나 툴체인이 다르면 다른 칩에서는 적용되지 않을 수 있습니다.
• 기존 AI와의 호환성: 현재 대부분의 AI는 GPU와 TPU에 최적화된 딥러닝 모델로 구동됩니다. 이 모델들은 고정밀 산술, 밀집 행렬 곱셈 등을 사용하며, 이는 스파이킹 뉴로모픽 하드웨어와 직접적으로 호환되지 않습니다. 뉴로모픽 효율성을 활용하려면 종종 표준 신경망을 스파이킹 신경망으로 변환하거나 재학습해야 하며, 이 과정에서 정확도 손실이 발생할 수 있습니다 builtin.com. 일부 작업은 스파이킹 패러다임에 억지로 맞추면 성능이 저하될 수 있습니다. 또한, (언어 모델에 사용되는 대형 트랜스포머와 같은) 특정 AI 알고리즘은 아직 스파이킹 구현에 적합하지 않은 경우가 많습니다. 이로 인해 현재 뉴로모픽 칩은 틈새 영역(예: 비전, 센서 처리, 단순 강화학습)에서 뛰어나지만, 아직 모든 AI 문제에 대한 범용 솔루션은 아닙니다. 연구자들은 정확도 격차를 줄이기 위해 하이브리드 접근법과 더 나은 학습 기법을 개발 중이지만, 주어진 응용 분야에서 뉴로모픽 시스템이 기존 시스템과 동일한 결과 품질을 보장하는 것은 여전히 도전 과제입니다.
• 시장 및 생태계 과제: 비즈니스 관점에서 뉴로모픽 컴퓨팅은 아직 “킬러 앱”과 명확한 상용화 경로를 찾고 있습니다. 투자자와 기업들은 기술의 투자 회수 시점이 불확실하기 때문에 신중합니다. 2025년 초 분석에서는 뉴로모픽 컴퓨팅을 “유망하지만 시장 과제가 많은 혁신”으로 묘사하며, 잠재력은 높지만 즉각적인 수익 창출 응용이 부족해 기업 입장에서는 위험한 선택임을 지적했습니다 omdia.tech.informa.com. 하드웨어 제조사는 수요가 있어야 대량 생산을 정당화할 수 있고, 최종 사용자는 접근 가능한 칩이 있어야 응용 개발을 정당화할 수 있어, 닭이 먼저냐 달걀이 먼저냐의 문제도 있습니다. 그럼에도 불구하고 모멘텀은 커지고 있으며, (전력 효율이 중요한 우주 위성이나 군사 센서 등) 틈새 분야에서 뉴로모픽 칩이 실제 가치를 보이기 시작했고, 이는 점차 시장을 확대할 수 있습니다.

요약하자면, 2025년의 뉴로모픽 컴퓨팅은 연구와 공학의 최전선에 있습니다. 이 분야는 기술 개발, 도구, 생태계 구축에서 만만치 않은 도전에 직면해 있습니다. 그러나 이러한 도전 중 어느 것도 근본적인 장애물은 아니며, 이는 초기 병렬 컴퓨터나 범용 컴퓨팅을 위한 GPU의 초창기 시절에 직면했던 난관과 유사합니다. 커뮤니티가 표준화에 힘쓰고, 하드웨어를 개선하며, 더 많은 개발자를 교육함에 따라, 앞으로 몇 년 안에 이러한 한계 중 상당수가 줄어들 것으로 기대할 수 있습니다. 2025년 Nature의 관점에서는 낙관적으로, 몇 번의 시행착오 끝에 최근의 진전(더 나은 학습 알고리즘, 디지털 설계 개선, 인메모리 컴퓨팅의 발전)이 “이제 뉴로모픽 기술의 광범위한 상업적 도입을 약속한다”고 언급했습니다. 이러한 시스템을 대규모로 프로그래밍하고 배포하는 방법을 해결한다면 nature.com. 이러한 해결책들은 현재 활발히 연구되고 있으며, 앞으로의 10년이 뉴로모픽 컴퓨팅이 어디까지 나아갈지를 결정하게 될 것입니다.

최근 동향 및 뉴스 (2025년 기준)

지난 몇 년간 뉴로모픽 컴퓨팅 분야에서 중요한 이정표와 새로운 관심이 이어지며, 이 분야가 탄력을 받고 있음을 보여주고 있습니다. 2025년까지의 최근 동향은 다음과 같습니다:

• 인텔의 Hala Point – 신경형 컴퓨팅의 규모 확장: 2024년 4월, 인텔은 Hala Point를 발표했으며, 이는 지금까지 구축된 가장 큰 신경형 컴퓨팅 시스템이다 newsroom.intel.com. Hala Point는 1,152개의 Loihi 2 칩을 클러스터링하여 약 11억 5천만 개의 뉴런(부엉이의 뇌와 비슷한 수준)의 신경 용량을 달성했다 newsroom.intel.com. 이 시스템은 Sandia 국립 연구소에 설치되어 신경형 알고리즘의 확장 연구 테스트베드로 사용되고 있다. 특히, Hala Point는 주류 AI 작업(딥 뉴럴 네트워크 등)을 전례 없는 효율성으로 실행할 수 있음을 입증했으며, 테스트에서 초당 20경(20 quadrillion) 연산 및 와트당 15조(15 trillion) 연산 이상을 달성했다 newsroom.intel.com. 인텔은 이러한 성능이 해당 작업에서 GPU/CPU 클러스터와 맞먹거나 능가하면서도 에너지 효율성은 훨씬 뛰어나다고 주장한다 newsroom.intel.com. 이로써 신경형 시스템이 더 이상 단순한 장난감 모델이 아니라, 산업적으로 의미 있는 규모의 AI 작업을 처리하고 있음을 보여주며, 신경형 접근법이 미래에는 기존 AI 가속기를 보완하거나 경쟁할 수 있음을 시사한다. 인텔 랩의 Mike Davies는 Hala Point가 딥러닝의 효율성과 “새로운 뇌 영감 학습”을 결합해 더 지속 가능한 AI를 탐구한다고 언급했으며, 이러한 연구가 현재의 비효율적인 학습-배포 주기 대신 지속적으로 학습하는 AI 시스템으로 이어질 수 있다고 밝혔다 newsroom.intel.com.
• IBM의 NorthPole과 과학적 돌파구: 2023년 말, IBM은 NorthPole 칩에 대한 세부 정보를 학술지 Science에 발표하여 큰 주목을 받았습니다 spectrum.ieee.org. NorthPole은 단순한 사양(앞서 언급됨)뿐만 아니라, 뉴로모픽 칩을 기존 시스템에 통합할 수 있는 명확한 경로를 제시했다는 점에서 중요합니다. 외부에서 보면, 이 칩은 메모리 부품처럼 동작하므로 컴퓨터의 메모리 버스에 장착해 기존 CPU와 함께 사용할 수 있습니다 spectrum.ieee.org. 이러한 통합은 상용화에 매우 중요합니다. Science 논문에서는 NorthPole이 비전 AI 모델(이미지 분류용 ResNet-50, 객체 탐지용 YOLO 등)을 NVIDIA V100 GPU보다 훨씬 빠르고 효율적으로 실행했으며, 에너지 효율성 면에서는 최고급 NVIDIA H100보다 약 5배 더 뛰어남을 보여주었습니다 spectrum.ieee.org. UCLA의 Vwani Roychowdhury 교수는 이 연구를 “공학의 걸작”이라고 평가하며, 아날로그 뉴로모픽 기술이 아직 준비되지 않은 상황에서 NorthPole의 디지털 접근 방식이 “AI를 필요한 곳 가까이에 배치할 수 있는 단기적 옵션을 제시한다”고 언급했습니다 spectrum.ieee.org. 즉, IBM은 뉴로모픽 칩이 오늘날의 반도체 제조 기술로도 실질적인 영향을 미칠 수 있음을 보여주었습니다. 이 발전은 기술 매체에서 널리 다뤄졌으며, 뉴로모픽 아이디어를 실제 제품으로 가져오는 데 큰 진전으로 평가받았습니다.
• 우주 및 국방을 위한 뇌 영감 AI: 2022년과 2023년, NASA와 미국 국방부와 같은 기관들은 특수 목적을 위해 뉴로모픽 프로세서를 실험하기 시작했습니다. NASA는 위성 이미지 처리와 우주선 내비게이션을 위해 뉴로모픽 칩(Loihi)을 테스트했으며, 이 분야에서는 방사선 내성과 저전력이 매우 중요합니다. 소형 뉴로모픽 보조 프로세서를 위성에 탑재하면, 지구와의 지속적인 통신 없이도 센서 데이터를 온보드에서 분석(예: 행성 표면의 특징 감지, 우주선 텔레메트리 이상 감지 등)할 수 있어 대역폭과 전력을 절약할 수 있습니다. 미 공군 연구소는 스타트업(예: BrainChip)과 협력하여 뉴로모픽 기술이 자율 항공기 또는 미사일 탐지 시스템에서 복잡한 센서 신호를 매핑할 수 있는지 실험했습니다 embedded.com. 뉴로모픽 시스템의 극한 에너지 효율성과 실시간 학습 능력은 배터리나 태양광으로 작동하는 자율 군사 시스템에 매우 매력적입니다. 이 프로젝트들은 대부분 테스트 단계에 있지만, 뉴로모픽 하드웨어가 실험실 밖에서도 신뢰할 수 있다는 자신감이 커지고 있음을 보여줍니다.
• 상업용 엣지 AI 제품: 2025년이 되면, 우리는 신경형 기술이 탑재된 최초의 상업용 제품들이 등장하는 모습을 보게 됩니다. 예를 들어, BrainChip의 Akida IP는 자동차 센서 모듈에 사용하기 위해 라이선스가 부여되었습니다. 한 예로, 신경형 네트워크를 사용해 자동차의 타이어 압력 센서 데이터를 분석하여 타이어 미끄러짐이나 도로 상태 변화를 실시간으로 감지할 수 있습니다. 또 다른 예는 스마트 홈 기기입니다. 신경형 기능이 탑재된 카메라는 기기 내에서 인물 인식과 제스처 제어를 수행하면서도 한 개의 배터리로 수개월 동안 작동할 수 있습니다. 이 제품들은 아직 대중적으로 널리 알려진 이름은 아니지만, 신경형 컴퓨팅이 틈새 고부가가치 응용 분야에 진입하고 있음을 보여줍니다. 분석가들은 사물인터넷(IoT)이 확장됨에 따라 소형 저전력 AI에 대한 수요가 폭발적으로 증가할 것이며, 신경형 칩이 통합이 용이하다는 것이 입증된다면 이 시장의 상당 부분을 차지할 수 있을 것으로 예측합니다. 시장 조사 보고서들은 향후 10년간 신경형 컴퓨팅 매출이 연평균 25~30%의 빠른 성장률을 보일 것으로 전망하며, 2030년까지 수십억 달러 규모의 시장이 형성될 수 있다고 예측합니다 builtin.com.
• 글로벌 협업 및 컨퍼런스: 신경형 커뮤니티는 활발하게 진전을 공유하고 있습니다. Neuromorphic Engineering workshop (Telluride)와 IEEE의 Neuro Inspired Computational Elements (NICE)와 같은 컨퍼런스에서는 참가자 수가 급증했다고 보고했습니다. 2023년 Telluride 워크숍에서는 신경형 제어 로봇 개, 단일 보드 신경형 시스템에서 구동되는 얼굴 인식 데모, 그리고 더 다양한 신경형 센서 융합 응용 사례들이 선보였습니다. 또한 오픈소스 활동도 증가하고 있습니다. 예를 들어, Spiking Neural Network Architecture (SpiNNaker) 코드와 시뮬레이터가 전 세계 연구자들에게 공개되어 있으며, 인텔의 Loihi용 Lava 소프트웨어도 2022년 말 오픈소스로 공개되어 커뮤니티가 알고리즘과 활용 사례에 기여할 수 있게 되었습니다.
• AI 에너지 위기와 신경형의 희망: 최근 뉴스의 한 가지 주제는 AI의 에너지 비용입니다. 대형 언어 모델과 AI 서비스가 점점 더 많은 전력을 소비함에 따라(일부 추정에 따르면 AI 산업의 전력 사용량이 전 세계 전력의 상당하고 증가하는 비율을 차지한다고 함), 신경형 컴퓨팅은 종종 잠재적 해결책으로 주목받고 있습니다. 2025년 초, 한 Medium 기사에서는 AI의 에너지 발자국이 급증하고 있다고 지적하며 신경형 칩을 “AI의 친환경적이고 똑똑한 미래”라고 언급했습니다. 2025년이 업계가 전력 사용을 억제하기 위해 본격적으로 뇌에서 영감을 받은 칩을 주목하는 전환점이 될 수 있다고 제안했습니다 medium.com. 이러한 내러티브는 기술 저널리즘과 AI 컨퍼런스에서 점점 더 부각되고 있습니다. 본질적으로 지속 가능한 AI를 위한 신경형 컴퓨팅입니다. 정부 역시 에너지 효율적 컴퓨팅을 위한 이니셔티브를 통해, AI 성능 향상과 에너지·탄소 비용 절감이라는 두 가지 목표로 신경형 연구에 자금을 지원하기 시작했습니다.

이 모든 발전은 여러 방면에서 빠르게 진보하고 있는 분야의 모습을 보여줍니다: 과학적 이해, 공학적 성과, 그리고 초기 상업적 실험들입니다. 뉴로모픽 컴퓨팅이 오랜 잠복기를 지나 실질적인 시연 단계로 접어들고 있다는 느낌이 있습니다. 아직 “주류”가 되지는 않았지만, 2023~2025년의 진전은 앞으로 몇 년 안에 상황이 바뀔 수 있음을 시사합니다. 커뮤니티 내의 합의는 남아 있는 장애물(특히 소프트웨어와 확장성)이 극복된다면, 뉴로모픽 기술이 차세대 AI를 가능하게 하는 게임 체인저가 될 수 있다는 것입니다. 이 AI는 기존 아키텍처로 달성할 수 있는 것보다 더 적응적이고, 항상 켜져 있으며, 에너지 효율적일 수 있습니다.

전문가들의 미래 전망

이 개요를 마무리하며, 뉴로모픽 컴퓨팅과 그 미래에 대해 이 분야의 전문가들이 무엇을 말하고 있는지 들어보는 것은 매우 유익합니다. 다음은 주요 연구자와 업계 인사들의 통찰력 있는 인용문과 견해입니다:

• Dharmendra S. Modha (IBM 펠로우, 브레인-인스파이어드 컴퓨팅 수석 과학자): “NorthPole은 뇌에서 영감을 받은 컴퓨팅과 실리콘 최적화 컴퓨팅, 연산과 메모리, 하드웨어와 소프트웨어의 경계를 융합합니다.” spectrum.ieee.org Modha는 IBM의 NorthPole 접근 방식이 컴퓨터 설계의 전통적인 구분을 흐리고 있다고 강조합니다. 즉, 프로세서이자 메모리이고, 하드웨어이자 알고리즘인 새로운 종류의 칩을 만들고 있다는 것입니다. 그는 오랫동안 메모리와 연산을 한 곳에 배치하는 것이 뇌와 같은 효율성에 도달하는 열쇠라고 주장해 왔습니다. 그의 관점에서 진정한 뉴로모픽 칩은 전체 스택을 재고해야 하며, NorthPole이 GPU를 능가한 성공은 이러한 비전통적 접근이 효과적임을 입증하는 사례입니다. Modha는 만약 확장된다면, 뉴로모픽 시스템이 특정 작업에서 결국 인간 대뇌피질의 능력에 근접할 수 있으며, 이 모든 것이 오늘날 슈퍼컴퓨터의 극히 일부 전력만으로 가능할 것이라고까지 제안했습니다 spectrum.ieee.org.
• 마이크 데이비스(인텔 신경모방 컴퓨팅 연구소장): “오늘날 AI 모델의 컴퓨팅 비용이 지속 불가능한 속도로 증가하고 있습니다… 업계는 확장 가능한 근본적으로 새로운 접근법이 필요합니다.” newsroom.intel.com 데이비스는 AI가 직면한 전력 효율성의 벽에 대해 자주 언급합니다. 그는 단순히 더 많은 GPU를 투입하는 것이 에너지와 확장성의 한계로 인해 장기적으로는 실행 불가능하다고 지적합니다. 그는 신경모방 컴퓨팅이 진보를 이어갈 수 있는 몇 안 되는 길 중 하나라고 주장합니다. 인텔의 전략도 이러한 신념을 반영합니다. Loihi와 Hala Point와 같은 신경모방 연구에 투자함으로써, 그들은 미래의 AI를 더 빠르게 만들 뿐만 아니라 훨씬 더 효율적으로 만들 수 있는 새로운 알고리즘(연속 학습, 희소 코딩 등)을 발견하는 것을 목표로 합니다. 데이비스는 신경모방 칩이 적응 제어나 센싱과 같은 작업에서 뛰어남을 강조해 왔으며, 앞으로 이 칩들이 더 큰 AI 시스템에 통합될 것으로 내다봅니다. 예를 들어, GPU와 함께 몇 개의 신경모방 가속기가 탑재된 AI 서버에서 각자 가장 잘 처리할 수 있는 작업을 맡는 식입니다. 그의 발언은 AI의 확장성은 패러다임의 전환을 필요로 한다는 점을 강조하며, 신경모방 설계가 그 중 하나임을 시사합니다.
• 카버 미드(신경모방 공학의 개척자): (역사적 관점에서) 미드는 생물학의 효율성에 대해 자주 경외감을 표해왔습니다. 여러 인터뷰에서 그는 다음과 같이 말했습니다: “10¹¹개의 뉴런이 모두 병렬로 연산할 때, 기존 컴퓨터가 킬로줄 이상의 에너지를 써야 하는 일을 단 1줄의 에너지로 해낼 수 있습니다.” (여러 강연에서의 발언을 바탕으로 재구성). 1980년대부터 미드가 제시한 비전—아날로그 물리학과 컴퓨팅을 결합하면 뇌와 유사한 능력을 얻을 수 있다는 생각—이 마침내 결실을 맺고 있습니다. 그는 신경모방 공학이 “무어의 법칙의 자연스러운 연장선” darpa.mil이라고 믿습니다. 즉, 트랜지스터의 미세화가 한계에 다다른 지금, 방대한 트랜지스터 수를 활용할 새로운 방법을 찾아야 하며, 정밀도보다 에너지 효율을 중시하는 뇌 회로를 모방하는 것이 논리적인 다음 단계라는 것입니다. 최근 발언에 따르면, 미드는 차세대 엔지니어들이 이러한 아이디어를 계속 발전시킬 것이라 낙관하고 있으며, 신경모방 원리가 미래의 컴퓨팅 플랫폼 전반에 스며들 것이라고 봅니다(비록 미드는 은퇴했지만, 그의 유산은 모든 신경모방 프로젝트에 크게 남아 있습니다).
• 브와니 로이초우두리(캘리포니아 대학교 로스앤젤레스캠퍼스 전기공학 교수): “아날로그 시스템이 아직 기술적으로 성숙하지 않은 상황에서, 이 연구는 AI를 필요한 곳 가까이에 배치할 수 있는 단기적 옵션을 제시합니다.” spectrum.ieee.org 로이초우두리는 IBM의 NorthPole 칩에 대해 이와 같은 평가를 내렸습니다. IBM이나 인텔과 직접적으로 연관되지 않은 독립적인 학자로서 그의 관점은 신뢰를 얻습니다. 그는 궁극적인 비전이 아날로그 뉴로모픽 프로세서(이론적으로는 훨씬 더 효율적이고 뇌와 유사할 수 있음)임을 인정하면서도, 현실적으로는 아직 준비가 되지 않았다고 말합니다. 그 사이에 NorthPole과 같은 칩은 디지털 뉴로모픽 칩이 그 간극을 메우고 즉각적인 이점을 제공할 수 있음을 보여줍니다. 엣지 AI 배치에 있어서 말이죠 spectrum.ieee.org. 그의 발언은 커뮤니티 내의 실용적인 시각을 강조합니다. 즉, 지금 당장 효과가 있는 것을 사용(비록 디지털로 시뮬레이션된 뉴런일지라도)해서 이점을 얻기 시작하고, 미래를 위한 더 혁신적인 아날로그 장치에 대한 연구도 계속하자는 것입니다. 이는 뉴로모픽 기술이 오늘날 특정 작업에 이미 준비되어 있다는 것을 인정하는 것입니다.
• 로스앨러모스 국립연구소 연구진: 2025년 3월 기사에서, 로스앨러모스의 AI 연구자들은 “뉴로모픽 컴퓨팅, 즉 차세대 AI는 인간의 뇌보다 더 작고, 더 빠르며, 더 효율적일 것이다.” en.wikipedia.org라고 썼습니다. 이 대담한 주장은 일부 전문가들이 뉴로모픽 설계의 궁극적 잠재력에 대해 얼마나 낙관적인지를 보여줍니다. “더 작고 더 빠르다”는 목표는 매우 높지만(뇌는 놀라울 정도로 강력한 20와트 기계임), 여기서 강조하는 점은 뉴로모픽 컴퓨팅이 인간 수준의 지능에 접근할 뿐만 아니라, 특정 작업에서는 실제로 뇌를 능가하는 속도와 효율성을 가진 AI 시스템을 가져올 수 있다는 것입니다. 이 인용문의 맥락은, 뇌가 놀랍긴 하지만 생물학의 산물로서 한계가 있다는 점, 그리고 뇌에서 영감을 받은 기계가 그 한계를 넘어 최적화될 수 있다는 아이디어입니다(예를 들어, 생물학적 뉴런보다 더 짧은 거리에서 전기 신호로 통신하거나, 더 높은 발화 빈도를 허용하는 소재를 사용하는 등). 이는 장기적인 비전이지만, 진지한 연구자들이 이런 가능성을 고려하고 있다는 점이 주목할 만합니다.

이러한 관점들은 이 분야가 미래지향적이면서도 현실적임을 보여줍니다. 전문가들은 난관을 인정하면서도 그 발전 방향에 대해 분명히 기대감을 드러냅니다. 일관된 주제는 뉴로모픽 컴퓨팅이 컴퓨팅, 특히 AI와 머신러닝의 미래를 여는 열쇠로 여겨진다는 점입니다. 뇌를 대체하거나 자각하는 기계를 만드는 것이 아니라, 생물학에서 영감을 받아 현재의 한계를 극복하는 것이 목표입니다. 모드하가 명확히 요약했듯, 목표는 뇌와 같은 적응력과 효율성에 현대 실리콘 컴퓨팅의 장점을 결합하는 것입니다 spectrum.ieee.org.

추가 읽을거리 및 자료

뉴로모픽 컴퓨팅을 더 깊이 탐구하고자 하는 분들을 위해 신뢰할 수 있는 자료와 참고문헌을 소개합니다:

• IBM 리서치 – 뉴로모픽 컴퓨팅: IBM의 개요 기사 “뉴로모픽 컴퓨팅이란?”은 이해하기 쉬운 소개와 함께 TrueNorth, NorthPole과 같은 IBM의 프로젝트를 강조합니다 ibm.comibm.com.
• 인텔 뉴로모픽 리서치 커뮤니티: 인텔의 뉴스룸과 연구 블로그에서는 Loihi와 Hala Point에 대한 최신 소식, 2024년 4월 보도자료에서 Hala Point의 사양과 목표를 확인할 수 있습니다 newsroom.intel.com.
• DARPA SyNAPSE 프로그램: DARPA의 2014년 IBM TrueNorth 칩 발표는 동기(전력 효율성)와 칩 아키텍처에 대한 통찰을 제공합니다 darpa.mil.
• IEEE Spectrum: 2023년 10월 기사 “IBM, 빠르고 효율적인 AI를 위한 뇌 영감 칩 공개”(Charles Q. Choi 저)는 NorthPole 칩을 자세히 다루며 전문가의 논평도 포함합니다spectrum.ieee.org.
• Nature 및 Nature Communications: 더 학술적인 관점을 원한다면, Nature Communications(2025년 4월)에서는 “뉴로모픽 기술의 상업적 성공을 위한 길” nature.com을 게재하여 앞으로의 방향과 남은 과제를 논의합니다. Science(2023년 10월)에는 NorthPole에 대한 기술 논문이 있어 구체적인 내용을 파고들고 싶은 분들에게 적합합니다.
• BuiltIn & Medium 기사: 기술 사이트 BuiltIn은 신경모방 컴퓨팅에 대한 포괄적인 입문서를 제공하며, 장점과 과제를 일반인의 시각에서 설명합니다 builtin.com. 또한, 일부 Medium 필자들은 (예: IBM과 Intel과 같은 기업들이 왜 신경모방에 투자하는지에 대해) 일반 대중의 관점에서 글을 썼습니다 medium.com.

신경모방 컴퓨팅은 컴퓨터 과학, 전자공학, 신경과학이 만나는 빠르게 발전하는 분야입니다. 이것은 우리가 “생각하는” 기계를 만드는 방식을 대담하게 재구상하는 것입니다. 지금까지 살펴본 바와 같이, 개념에서 현실로의 여정은 수십 년에 걸쳐 이루어졌지만, 그 진전은 부인할 수 없을 정도로 빠르고 가속화되고 있습니다. 현재의 추세가 계속된다면, 뇌에서 영감을 받은 칩이 곧 우리의 기기에서 CPU와 GPU를 보완하여 AI를 어디서나 사용할 수 있고 초고효율적으로 만들 수 있을 것입니다. 한 연구팀의 말처럼, 신경모방 기술은 “차세대 AI” en.wikipedia.org가 될 준비가 되어 있으며, 이는 우리가 알고 있는 컴퓨팅을 근본적으로 변화시킬 수 있는 진화입니다. 앞으로 몇 년간 주목할 만한 분야입니다.

출처:

• IBM Research, “What is Neuromorphic Computing?” (2024 )ibm.com
• DARPA News, “SyNAPSE Program Develops Advanced Brain-Inspired Chip” (Aug 2014) darpa.mil
• Intel Newsroom, “Intel Builds World’s Largest Neuromorphic System (Hala Point)” (Apr 17, 2024) newsroom.intel.com
• IEEE Spectrum, “IBM Debuts Brain-Inspired Chip For Speedy, Efficient AI” (Oct 23, 2023) spectrum.ieee.org
• BuiltIn, “What Is Neuromorphic Computing?” (2023) builtin.com
• 네이처 커뮤니케이션즈, “뉴로모픽 기술의 상업적 성공을 위한 길” (2025년 4월 15일) nature.com
• 위키피디아, “뉴로모픽 컴퓨팅” (2025년 접속) en.wikipedia.org