포지션 상세
"작은 기기에서도 최고의 AI를 누릴 수 있게 합니다."
에너자이는 인공지능 모델 경량화·하드웨어 최적화 원천 기술을 바탕으로 기기 자체에서 동작하는 온디바이스 AI 모델과 에이전트를 개발·공급하는 기업입니다. 인텔, 마이크로소프트, 엔비디아, 퀄컴, 삼성전자, Arm, Synaptics, Broadcom 등 글로벌 대기업과 협력하며, 수백만 대의 상용 기기 탑재를 통해 기술력과 사업성을 증명하고 있습니다.
일상에서 접하는 많은 기기에 AI 에이전트가 도입되면서, AI가 처리하는 연산량과 그에 따른 비용도 빠르게 늘고 있습니다. 지금은 연산의 대부분이 클라우드에 집중되어 있어, 제조사는 사용량만큼 커지는 비용을 감당해야 하고 사용자마다 다른 통신 환경 탓에 서비스가 온전히 제공되지 못할 위험도 안고 있습니다.
물론 모든 AI를 기기 안으로 옮길 수는 없고, 클라우드가 맡아야 할 영역은 분명히 남아 있습니다. 하지만 음성 인식이나 기기 제어처럼 기기 안에서 충분히 처리할 수 있는 기능도 많습니다. 문제는 일상 기기에 들어가는 반도체의 연산 성능이 제한적이고 메모리가 적다 보니, 이런 기능조차 기기에 담기 어려웠다는 점입니다.
에너자이는 1.58bit 초저비트 양자화 기술과 자체 최적화 기술로 초소형 AI 모델을 만들어, 기기에서 구현할 수 있는 AI의 몫을 최대한 넓힙니다. 이 모델들을 기능별로 조합한 '온디바이스 AI 에이전트'를 디바이스 제조사에 공급합니다. 제조사는 이 중 필요한 기능을 골라 기기에 담고 나머지만 클라우드에 맡겨, 클라우드 비용을 줄이면서도 인터넷 연결과 관계없이 핵심 기능을 안정적으로 제공할 수 있습니다. 현재는 셋톱박스와 스마트홈 기기에 탑재되고 있으며, 앞으로 자동차와 로봇처럼 더 큰 AI가 필요한 기기로 그 범위를 넓혀갈 계획입니다.
[주요 제품 및 솔루션, 핵심 기술 경쟁력 소개]
• 일상 기기를 똑똑하게 바꾸는 1.58bit 온디바이스 AI 에이전트
에너자이는 사람의 음성을 인식하고(STT), 맥락을 이해해 기기를 제어하며(LLM), 자연스러운 음성으로 응답하는(TTS) 대화형 AI 에이전트를 기기에 바로 탑재할 수 있는 형태로 디바이스 제조사에 공급합니다.
• 초저비트 모델을 실제 기기에서 구동하는 풀스택 기술과 추론 엔진 Optimium
1.58bit 수준의 초저비트 모델을 실제 양산 기기에 올리기 위해서는 모델을 만드는 것 이상으로 고도화된 하드웨어 최적화 기술이 필요합니다. 시중의 일반 도구나 반도체 기본 SDK만으로는 구현하기 어려운 초저비트 모델 구동을 위해, 에너자이는 모델 설계·학습부터 하드웨어 최적화까지 전 과정을 직접 다루는 풀스택 기술력을 갖추고 있습니다.
• AI 추론 엔진 딥러닝 모델 최적화 알고리즘 개발
• 사내 자체 개발한 언어를 활용해 convolution, GEMM 등의 연산을 메모리 캐싱, vectorization 등을 고려해서 최적화되도록 구현
• Quantization operation을 포함한 Operation fusion 알고리즘 알고리즘 개발
• 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
• SLM 추론 최적화 연구
• AI 추론 엔진 소프트웨어 개발
• Kubernetes를 이용한 Multi-device 자원 관리
• Auto-Tuning 가속화를 위한 Database 구축
• 하드웨어 상에서 프로그램의 속도 또는 메모리를 최적화해 본 경험이 있으신 분 (Arm, x86, GPU, NPU 등)
• Python 및 딥러닝 프레임워크(PyTorch, TensorFlow 등) 활용 경험이 있으신 분
• 결과가 기대와 다를 때 원인을 분석하고 개선을 시도해 본 경험이 있으신 분
※ 지원 시 참고 사항
• 학부 4학년 이상
• 해외 여행에 결격 사유가 없으신 분
• 병역특례 지원 가능
• 전문연구요원(현역, 보충역, 전직), 산업기능요원(보충역) 지원 가능
• 해당 시 이력서에 별도 표기하여 제출 부탁드립니다.
에너자이는 인공지능 모델 경량화·하드웨어 최적화 원천 기술을 바탕으로 기기 자체에서 동작하는 온디바이스 AI 모델과 에이전트를 개발·공급하는 기업입니다. 인텔, 마이크로소프트, 엔비디아, 퀄컴, 삼성전자, Arm, Synaptics, Broadcom 등 글로벌 대기업과 협력하며, 수백만 대의 상용 기기 탑재를 통해 기술력과 사업성을 증명하고 있습니다.
일상에서 접하는 많은 기기에 AI 에이전트가 도입되면서, AI가 처리하는 연산량과 그에 따른 비용도 빠르게 늘고 있습니다. 지금은 연산의 대부분이 클라우드에 집중되어 있어, 제조사는 사용량만큼 커지는 비용을 감당해야 하고 사용자마다 다른 통신 환경 탓에 서비스가 온전히 제공되지 못할 위험도 안고 있습니다.
물론 모든 AI를 기기 안으로 옮길 수는 없고, 클라우드가 맡아야 할 영역은 분명히 남아 있습니다. 하지만 음성 인식이나 기기 제어처럼 기기 안에서 충분히 처리할 수 있는 기능도 많습니다. 문제는 일상 기기에 들어가는 반도체의 연산 성능이 제한적이고 메모리가 적다 보니, 이런 기능조차 기기에 담기 어려웠다는 점입니다.
에너자이는 1.58bit 초저비트 양자화 기술과 자체 최적화 기술로 초소형 AI 모델을 만들어, 기기에서 구현할 수 있는 AI의 몫을 최대한 넓힙니다. 이 모델들을 기능별로 조합한 '온디바이스 AI 에이전트'를 디바이스 제조사에 공급합니다. 제조사는 이 중 필요한 기능을 골라 기기에 담고 나머지만 클라우드에 맡겨, 클라우드 비용을 줄이면서도 인터넷 연결과 관계없이 핵심 기능을 안정적으로 제공할 수 있습니다. 현재는 셋톱박스와 스마트홈 기기에 탑재되고 있으며, 앞으로 자동차와 로봇처럼 더 큰 AI가 필요한 기기로 그 범위를 넓혀갈 계획입니다.
[주요 제품 및 솔루션, 핵심 기술 경쟁력 소개]
• 일상 기기를 똑똑하게 바꾸는 1.58bit 온디바이스 AI 에이전트
에너자이는 사람의 음성을 인식하고(STT), 맥락을 이해해 기기를 제어하며(LLM), 자연스러운 음성으로 응답하는(TTS) 대화형 AI 에이전트를 기기에 바로 탑재할 수 있는 형태로 디바이스 제조사에 공급합니다.
• 초저비트 모델을 실제 기기에서 구동하는 풀스택 기술과 추론 엔진 Optimium
1.58bit 수준의 초저비트 모델을 실제 양산 기기에 올리기 위해서는 모델을 만드는 것 이상으로 고도화된 하드웨어 최적화 기술이 필요합니다. 시중의 일반 도구나 반도체 기본 SDK만으로는 구현하기 어려운 초저비트 모델 구동을 위해, 에너자이는 모델 설계·학습부터 하드웨어 최적화까지 전 과정을 직접 다루는 풀스택 기술력을 갖추고 있습니다.
주요업무
에너자이의 AI 최적화 Researcher는 딥러닝 모델이 타겟 하드웨어 위에서 한계까지 빠르게 동작하도록 만드는 일을 합니다. 에너자이의 추론 엔진 Optimium은 Graph·Kernel·Runtime 세 레벨로 나뉘며, 이 직군은 그중 "Graph Level"의 연구 개발을 담당합니다. 모델 전체를 하나의 연산 그래프로 바라보며, 어떤 연산을 어떻게 융합하고 어떤 정밀도로 어느 디바이스에 배치할지를 결정하는 최적화 문제를 다룹니다. 정답이 정해져 있지 않은 이 문제들을 Reinforcement Learning, Dynamic Programming 같은 기법으로 풀어내고, 그 결과가 논문이나 실험에서 끝나지 않고 실제 추론 엔진의 성능으로 이어지는 끝까지를 직접 경험하게 됩니다.• AI 추론 엔진 딥러닝 모델 최적화 알고리즘 개발
• 사내 자체 개발한 언어를 활용해 convolution, GEMM 등의 연산을 메모리 캐싱, vectorization 등을 고려해서 최적화되도록 구현
• Quantization operation을 포함한 Operation fusion 알고리즘 알고리즘 개발
• 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
• SLM 추론 최적화 연구
• AI 추론 엔진 소프트웨어 개발
• Kubernetes를 이용한 Multi-device 자원 관리
• Auto-Tuning 가속화를 위한 Database 구축
자격요건
• C/C++ 개발 경험이 있으신 분• 하드웨어 상에서 프로그램의 속도 또는 메모리를 최적화해 본 경험이 있으신 분 (Arm, x86, GPU, NPU 등)
• Python 및 딥러닝 프레임워크(PyTorch, TensorFlow 등) 활용 경험이 있으신 분
• 결과가 기대와 다를 때 원인을 분석하고 개선을 시도해 본 경험이 있으신 분
※ 지원 시 참고 사항
• 학부 4학년 이상
• 해외 여행에 결격 사유가 없으신 분
• 병역특례 지원 가능
• 전문연구요원(현역, 보충역, 전직), 산업기능요원(보충역) 지원 가능
• 해당 시 이력서에 별도 표기하여 제출 부탁드립니다.
