• 에너자이는 스마트폰, 자동차, CCTV, 드론 등 제약된 환경의 Edge 디바이스에서도 고성능•저전력으로 구동할 수 있는 AI 모델을 제공하는 Edge AI 솔루션 스타트업입니다.
• 일반적으로 AI 모델의 정확도를 높이기 위해서는 필연적으로 모델의 크기가 커지기 때문에 고성능 AI 모델을 Edge에 적용하는 것은 매우 어렵지만, 당사는 고유의 AI 모델 경량화 및 최적화 기술로 정확도가 높으면서도 가볍고 빠른 AI 모델을 구현하는데 성공하였습니다.
• 에너자이는 뛰어난 기술력을 바탕으로 국제 저명 학회 CVPR 주최 Mobile AI Challenge에 참가하여 Xiaomi, Huawei 등의 글로벌 기업들을 제치고 우수한 성적으로 입상하였으며, 이후 그 기술력 및 사업성을 인정받아 Intel, Microsoft, Arm, 삼성전자 등의 글로벌 대기업들과 파트너쉽을 체결하고 협력을 진행하고 있습니다.
• 에너자이는 현재 두 가지 분야에 연구 개발 및 사업화를 집중하고 있습니다. 첫 째로, 딥러닝 기반 Compression Artifact Reduction 솔루션을 개발 완료하여 스트리밍 서비스 provider, 인코더 칩 제조사 등을 대상으로 사업화를 진행하고 있으며, 두 번째로 Edge AI를 더 뛰어난 성능으로 빠르게 배포할 수 있도록 돕는 AI 추론 엔진을 개발하여 베타 테스트를 진행하고 있습니다. 향후 지속적인 기술 고도화 및 사업 영역 확장을 통해 “모든 이들이 모든 사물을 통해 최고의 AI를 경험할 수 있도록” 이라는 당사 비전을 달성하는 것을 목표로 하고 있습니다.
[주요 솔루션 소개]
• AI 추론 엔진(AI Compiler) Optimium
o 사용자가 여러 타겟 디바이스에서 최적의 성능을 낼 수 있게 모델 배포를 지원하는 추론 엔진으로, 구글 Mediapipe 모델을 Arm Cortex-A77 기반 Qualcomm Kryo 585 CPU(QRB5165)에서 Single Thread/Float16으로 성능을 측정한 결과, 정확도는 회사소개 [회사 소개]
• 에너자이는 스마트폰, 자동차, CCTV, 드론 등 제약된 환경의 Edge 디바이스에서도 고성능•저전력으로 구동할 수 있는 AI 모델을 제공하는 Edge AI 솔루션 스타트업입니다.
• 일반적으로 AI 모델의 정확도를 높이기 위해서는 필연적으로 모델의 크기가 커지기 때문에 고성능 AI 모델을 Edge에 적용하는 것은 매우 어렵지만, 당사는 고유의 AI 모델 경량화 및 최적화 기술로 정확도가 높으면서도 가볍고 빠른 AI 모델을 구현하는데 성공하였습니다.
• 에너자이는 뛰어난 기술력을 바탕으로 국제 저명 학회 CVPR 주최 Mobile AI Challenge에 참가하여 Xiaomi, Huawei 등의 글로벌 기업들을 제치고 우수한 성적으로 입상하였으며, 이후 그 기술력 및 사업성을 인정받아 Intel, Microsoft, Arm, 삼성전자 등의 글로벌 대기업들과 파트너쉽을 체결하고 협력을 진행하고 있습니다.
• 에너자이는 현재 두 가지 분야에 연구 개발 및 사업화를 집중하고 있습니다. 첫 째로, 딥러닝 기반 Compression Artifact Reduction 솔루션을 개발 완료하여 스트리밍 서비스 provider, 인코더 칩 제조사 등을 대상으로 사업화를 진행하고 있으며, 두 번째로 Edge AI를 더 뛰어난 성능으로 빠르게 배포할 수 있도록 돕는 AI 추론 엔진을 개발하여 베타 테스트를 진행하고 있습니다. 향후 지속적인 기술 고도화 및 사업 영역 확장을 통해 “모든 이들이 모든 사물을 통해 최고의 AI를 경험할 수 있도록” 이라는 당사 비전을 달성하는 것을 목표로 하고 있습니다.
[주요 솔루션 소개]
• AI 추론 엔진(AI Compiler) Optimium
o 사용자가 여러 타겟 디바이스에서 최적의 성능을 낼 수 있게 모델 배포를 지원하는 추론 엔진으로, 구글 Mediapipe 모델을 Arm Cortex-A77 기반 Qualcomm Kryo 585 CPU(QRB5165)에서 Single Thread/Float16으로 성능을 측정한 결과, 정확도는 유지하면서 구글의 TFLite XNNPACK 대비 최대 2.2배, Ryzen9 7950x에서는 Intel OpenVINO 대비 1.6배 더 빠른 속도 달성
소개 페이지: https://slashpage.com/optima
테크 블로그 : https://lnkd.in/enpxSMSb** , https://lnkd.in/dspJWP5Q
• 딥러닝 기반 Compression Artifact Reduction 솔루션
o 카메라 내 보정 및 영상 처리를 담당하는 반도체인 이미지 신호 프로세서(ISP; Image Signal Processor) 내 기존 Rule-based Noise Reduction(NR) 기능을 학습 기반의 NR 기능으로 대체하여, 크기가 작은 이미지 센서를 탑재한 촬영 장비가 사용되거나 광량이 적을 때 급격히 증가하는 악조건 속에서도 더욱 강력한 NR 효과 제공
시연 영상: https://www.youtube.com/watch?v=-oKas-K90XA&ab_channel=ENERZAiInc
• 딥러닝 기반 Radar 솔루션
o 크기가 작고 가격경쟁력이 있지만, 해상도가 낮고 제한된 하드웨어 리소스를 가지는 Legacy Radar에 고성능 Edge AI 기술을 적용하여 성능, 가격, 크기 등 시장의 Needs를 모두 충족할 수 있는 제품으로, 현재 후석 승객 알림(ROA; Rear Occupant Alert)과 안전벨트 착용 알림(SBR; Seat Belt Reminder), 환자 상태 모니터링(PM; Patient Monitoring)의 세 가지 애플리케이션을 지원
시연 영상
후석 승객 알림: https://youtu.be/rRikbJrmstI
안전벨트 착용 알림: https://youtu.be/9nfcP9Z_-cY
환자 상태 모니터링: https://youtu.be/C9rgY_obJUg
• Computer Vision 알고리즘 개발
o Vision 관련 task 수행 (super resolution, detection, low light imaging 등)
o 다양한 형태의 데이터 처리 (Radar, Smartphone Image, CCTV Image, Industrial Image 등)
• 딥러닝 모델 경량화 알고리즘 개발
o 주어진 Task 와 Constraint를 고려한 딥러닝 모델 설계 및 경량화 알고리즘 개발 (Quantization, NAS 등)
o Edge Device 탑재될 경량화된 모델 개발
• Edge device targeted AI compiler 개발
o Virtual Machine 개발
o 사내 자체 언어 개발
Parser, Lexer 개발
Type inference algorithm 구현
o Intel AMX 지원을 위한 intrinsic 구현
o 이 외 성능 최적화를 위한 각종 compiler technique 구현 및 연구
o MLIR 사용
o Optimizing ML/vision algorithm on DSP/NPU/AP
Preprocessing procedure, deep learning kernel 및 각종 Vision 알고리즘을 DSP/NPU/AP 등에 최적화하여 지연 시간 및 사용 메모리를 최소화
• Proprietary AI compiler (Optima)의 runtime 개발
o device communication interface 및 프로토콜 디자인/구현
ssh, adb, tcp/ip, packet 통신, RPC 통신 등
o parallel programming
multithread programming
GPU
o 다양한 디바이스 지원을 위한 binding 제작
vulkan, spir-V, XNNPack 등
o 사용자 api 제작
o 모델 실행 시 최적화 알고리즘 제작
memory planning, execution scheduling 등
o 라이브러리 압축 / 보안을 위한 암호화
o web backend
내부 사용을 위한 분석 tool 제작
Optima 데모 application 제작
• AI 추론 엔진 딥러닝 모델 최적화 알고리즘 개발
o 사내 자체 개발한 언어를 활용해 convolution, GEMM 등의 연산을 메모리 캐싱, vectorization 등을 고려해서 최적화되도록 구현
o Quantization operation을 포함한 Operation fusion 알고리즘 알고리즘 개발
o Reinforcement Learning, Dynamic programming 등을 활용하여 Optimium에서의 각종 최적화 문제를 풀고 연구 개발
Multi-device allocation 문제
Automatic mixed precision 알고리즘 개발
time complexity와 performance를 고려한 Auto Tuning 알고리즘 개발
• LLM 최적화
o SLM 추론 최적화 연구
• AI 추론 엔진 소프트웨어 개발
o Kubernetes를 이용한 Multi-device 자원 관리
o Auto-Tuning 가속화를 위한 Database 구축
• 학부 4학년 이상
• 해외 여행에 결격 사유가 없으신 분
• Python 을 활용한 프로젝트 수행 경험이 있으신 분
• 딥러닝 프레임워크 (Pytorch, Keras, Tensorflow 등) 을 활용한 프로젝트 수행 경험이 있으신 분
• 병역특례 지원 가능
o 산업기능요원 현역, 전문연구요원(전직, 보충역) 지원 가능하며 이력서에 별도 표기하여 제출 부탁드립니다.
• 학부 4학년 이상
• 해외 여행에 결격 사유가 없으신 분
• C/C++을 활용한 프로젝트 개발 경험이 있으신 분
• 함수형 언어 (Scala, Haskell, F# 등) 사용 경험이 있으신 분
• 프레임워크 (Pytorch, tensorflow 등) 사용 경험이 있으신 분
• 병역특례 지원 가능
o 산업기능요원 현역, 전문연구요원(전직, 보충역) 지원 가능하며 이력서에 별도 표기하여 제출 부탁드립니다.
• C/C++, python을 활용한 프로젝트 개발 경험이 있으신 분
• 동시성 프로그래밍 경험이 있으신 분
• 다양한 device/OS (Android, iOS, linux, ARM64, x86_64 등)를 활용하고 코딩하는데 있어 거리낌이 없으신 분
• 병역특례 지원 가능
o 산업기능요원 현역, 전문연구요원(전직, 보충역) 지원 가능하며 이력서에 별도 표기하여 제출 부탁드립니다.
• 학부 4학년 이상
• 해외 여행에 결격 사유가 없으신 분
• Python 을 활용한 프로젝트 수행 경험이 있으신 분
• 딥러닝 프레임워크 (Pytorch, Keras, Tensorflow 등) 을 활용한 프로젝트 수행 경험이 있으신 분
• 병역특례 지원 가능
o 산업기능요원 현역, 전문연구요원(전직, 보충역) 지원 가능하며 이력서에 별도 표기하여 제출 부탁드립니다.
• 급여: 경력별 협의
• 근무 시작일: 협의
• 근무시간: 평일 주 5일 선택 출퇴근 제도(9시 ~ 11시 출근 선택)
• 근무지: 서울 강남구 테헤란로27길 27 (2호선 역삼역 도보 7분 거리)
• 복리후생
o 점심식대 및 저녁식대 지원
o 맛있는 간식과 커피머신 상시 비치
o 외근 및 야근 시 택시비 지원
o SW/IT 고성능 장비 지원
o 격년마다 진행하는 의무 건강검진 진행 시 추가 검진비 지원
o 직무관련 도서 구입비 지급
o 업무 역량 향상을 위한 교육비 지급
o 팀 스터디, 세미나, 컨퍼런스, 논문 투고 등의 비용 지원
o 동호회비 지원
o 직무발명보상제도 시행
o 근속 연수에 따른 선물 지급
o 결혼, 출산 시 축하금 지급
o 직계가족 조사 시 경조금 및 상조 서비스 지원
o 생일 유급 반차 제공