도입: ARM NPU가 바꾸는 홈 NVR의 가능성
스마트홈 카메라가 늘어나면서 영상 녹화·분석을 24시간 돌릴 수 있는 NVR(Network Video Recorder)의 전력 부담이 계속 커지고 있습니다. 기존 x86 NVR은 50W 이상, Raspberry Pi 4/5는 AI 객체 인식을 동시에 돌리기엔 한계가 있습니다. 시드니의 한 개발자가 ArmSoM Sige7(RK3588)을 도입해 유휴 2.5W / 최대 10W로 산업급 NVR을 구현한 사례가 화제입니다.
핵심은 RK3588의 6 TOPS NPU + H.264/H.265 하드웨어 VPU + 듀얼 2.5GbE 트리오입니다. 본문에서는 하드웨어 스펙, AI 비전 파이프라인, 통합 자동화까지 단계별로 정리합니다.
ArmSoM Sige7 하드웨어 스펙 — 10W 안에 산업급 컴퓨트
| 항목 | 스펙 | NVR 관점 의미 |
|---|---|---|
| CPU | RK3588 8코어 ARM | 8개 카메라 동시 디코딩 충분 |
| NPU | 6 TOPS | YOLO/OCR/얼굴인식 전부 on-device |
| VPU | H.264/H.265 HW | 32채널 1080p@30fps 디코딩 |
| 메모리 | 8GB LPDDR4 | Frigate + DB 여유 |
| 저장 | M.2 SSD 1TB | 24시간 영상 보관 가능 |
| 네트워크 | 듀얼 2.5GbE | 카메라 LAN / 홈 LAN 물리 분리 |
| 전력 | 유휴 2.5W / 최대 10W | 15W 예산 내 |
| 쿨링 | 패시브 | 45°C 시드니 여름 OK |
8코어 CPU의 평균 부하가 약 25%로 보고됐다는 점이 인상적입니다. AI 추론이 NPU로 분산되고, 영상 디코딩은 VPU가 맡기 때문에 CPU는 Home Assistant 자동화와 알림 처리에 여유를 남깁니다.
AI 비전 파이프라인 — YOLO + LPR + 시각 센서
Frigate(이 오픈소스 NVR)를 메인으로 두고 다음 세 가지를 동시에 굴립니다.
- 객체 인식(YOLO): 사람, 자동차, 오토바이, 고양이를 실시간 감지. 평균 추론 시간 58ms
- 번호판 인식(LPR): 야간·폭우 속 2초 이내 정확 인식. OCR을 NPU로 가속
- 시각 센서: 차고문 상태·조명 켜짐/꺼짐을 카메라만으로 감지 (물리 센서 불필요)
# Frigate detector 설정 — RK3588 NPU 가속
detectors:
rknn:
type: rknn
model:
path: /config/model/yolov8n-640-rknn.model
input_shape: [1, 3, 640, 640]
input_tensor: nhwc
cameras:
outdoor_front:
ffmpeg:
inputs:
- path: rtsp://192.168.10.21:554/stream
roles: [detect, rtmp]
detect:
width: 1280
height: 720
fps: 5
NPU 부하는 정적인 장면에서 약 20% 이하로 보고됐고, 움직임이 늘면 NPU가 그만큼 흡수합니다. x86 시스템이었다면 GPU 점유율 상승으로 다른 자동화가 끊기지만, RK3588은 NPU/VPU가 분리돼 있어 AI 부하가 격리됩니다.
통합 자동화 — Home Assistant + AI 에이전트
단순 녹화에 그치지 않고 다음 흐름이 자동화됩니다.
[Camera] → [Frigate/YOLO] → [HA trigger] → [AI Agent] → [WhatsApp]
↓
[Garage Door open]
↓
[Living room lights on]
- 택배·우편물 감지 시 WhatsApp 자동 알림
- Home Assistant로 조명·차고문 자동 제어
- 듀얼 2.5GbE 덕분에 카메라 트래픽과 홈 LAN 트래픽이 물리적으로 분리되어 보안이 강화됨
33일 이상 연속 무중단 가동이 검증되었고, 45°C 환경에서도 CPU 49°C 안정을 유지합니다.
실용 팁 — 비슷한 시스템 구축할 때 체크리스트
- 카메라 LAN 분리: 듀얼 NIC으로 카메라 VLAN과 홈 VLAN 물리 분리가 보안·성능 모두에 유리
- NPU 모델 선택: RK3588은 RKNN Toolkit으로 YOLOv8/PP-YOLOE 등 RKNN 변환 필수
- 쿨링은 패시브로: 알루미늀 케이스 + 방열판만으로 45°C 냉각 충분 (팬 고장 리스크 0)
- 저장은 M.2 SSD: microSD 쓰기는 24시간 상시 기록에서 빨리 수명에 도달
- Frigate + Home Assistant 통합: MQTT 브릿지 하나로 양쪽 이벤트 즉시 공유
전망 — ARM NPU 엣지 AI의 대중화
이번 사례는 ARM 보드 하나로 x86 산업용 NVR을 대체할 수 있다는 신호입니다. 6 TOPS NPU는 더 이상 게임북이 아니라 실전 배포 가능한 사양이고, RK3588 이후 RK3688/Orion도 같은 방향으로 나옵니다. 향후 가정·소규모 매장에서 "GPU 서버 없이" AI 카메라 분석이 표준이 될 가능성이 큽니다.
요약
- ArmSoM Sige7(RK3588) + Frigate로 유휴 2.5W / 최대 10W 8카메라 NVR 구현
- 6 TOPS NPU가 YOLO + LPR + 시각 센서를 동시 처리
- 듀얼 2.5GbE로 카메라 LAN 분리 + 33일 연속 무중단
- Home Assistant + AI 에이전트로 알림·자동화까지 통합
- ARM NPU가 홈 엣지 AI의 표준 사양이 되는 흐름의 대표 사례
'AI 뉴스' 카테고리의 다른 글
| LibrePods: 해방된 AirPods — 리눅스와 안드로이드에서 Apple 독점 기능 구현하기 (0) | 2026.06.30 |
|---|---|
| 단톡방 무음 속에서도 나한테 중요한 한 줄만 쏙 — 캐치메시지 소개 (0) | 2026.06.30 |
| AI 시대의 다섯 가지 일하는 사람의 원형 — 클로드 코드 창시자의 통찰 (0) | 2026.06.30 |
| Compute-adjusted LTV(연산 비용 반영 LTV) 계산하는 방법 — AI SaaS 단위 경제의 새 기준 (0) | 2026.06.30 |
| Orch term — 한 창에서 AI 코딩 에이전트 여러 대를 조율하는 멀티에이전트 워크스테이션 (0) | 2026.06.30 |