Apple WWDC 2025: BNNSGraphBuilder, Swift 기반 온디바이스 ML 추론의 새로운 지평을 열다

핵심 기술

Apple은 WWDC 2025에서 Swift API인 BNNSGraphBuilder를 공개하며, iOS 개발자가 CPU 기반의 머신러닝 추론을 Swift 코드 내에서 직접 구현하는 방식을 혁신적으로 개선했습니다. 이는 고성능 ML을 Swift 개발자에게 더욱 쉽게 접근 가능하게 만드는 중요한 진전입니다.

기술적 세부사항

• BNNS (Basic Neural Network Subroutines): Apple의 CPU 기반 ML 추론 라이브러리로, Accelerate 프레임워크의 일부입니다.
  • 실시간 오디오 처리, 저지연 추론, 에너지 효율적 컴퓨팅, 고성능 이미지 처리에 특화되어 있습니다.
• BNNSGraph (2024년 도입): 이전 BNNS를 신경망 전체를 단일 그래프 객체로 취급하도록 확장했습니다.
  • 수학적 변환: 불필요한 부분만 계산하도록 연산 순서 재배열.
  • 레이어 퓨전: 여러 연산(예: 컨볼루션 + 활성화 함수)을 하나의 최적화된 연산으로 결합.
  • 복사 생략 (Copy Elision): 메모리 참조를 사용하여 불필요한 데이터 복사 제거.
  • 메모리 공유: 그래프 전체에 걸쳐 텐서 메모리 할당 최적화.
  • 가중치 재포장 (Weight Repacking): 캐시 지역성을 높이기 위해 가중치 재구성.
• BNNSGraphBuilder: 기존 파일 기반 BNNSGraph API의 한계를 해결합니다.
  • 네이티브 Swift 통합: Swift 코드에서 직접 ML 그래프 작성, 중간 컴파일이나 외부 파일 불필요, 컴파일 타임 오류 검사를 통한 타입 안전성 제공.
  • 런타임 유연성: Swift 코드와 그래프 연산 간 값 공유, 런타임에 알려진 텐서 형태를 전달하여 최적화된 고정 크기 설정, 디버깅 및 검증을 위한 중간 텐서 조회 가능.
  • 간소화된 워크플로우: 단일 함수 호출(makeContext)로 Swift 코드를 실행 가능한 그래프로 변환, 애플리케이션 로직과 인라인 그래프 정의, Xcode 자동 완성 및 IntelliSense 지원.
• 코드 예제: Float.self 또는 Float16.self와 같은 데이터 타입 사용, 텐서 슬라이싱을 위한 SliceRange 문법, 수학적 연산(*, .mean()), 데이터 조작, 비교 및 논리 연산, Softmax, TopK, Audio bitcrusher 효과 구현.
• 정밀도 지원: FP16 연산은 FP32 대비 상당한 성능 향상을 제공하며, PRECISION 타입 별칭으로 쉽게 전환 가능.
• vImage 통합: 제로 복사 이미지 처리를 위한 vImage와의 원활한 통합.

개발 임팩트

• 개발자는 Swift 코드베이스 내에서 직접 ML 모델을 정의하고 최적화할 수 있어, 외부 도구나 복잡한 컴파일 단계를 거칠 필요가 없습니다.
• 타입 안전성 및 컴파일 타임 검사를 통해 런타임 오류를 줄이고 코드의 견고성을 높입니다.
• 그래프 최적화 기능(레이어 퓨전, 복사 생략 등)을 통해 별도의 코드 작성 없이 성능, 메모리 사용량, 에너지 효율성을 개선합니다.
• 실시간 오디오/이미지 처리, 맞춤형 전처리 파이프라인, 기존 Swift 코드와의 긴밀한 통합에 이상적입니다.

커뮤니티 반응

(본문에서 직접적인 커뮤니티 반응 언급은 없으나, 이러한 새로운 API 발표는 개발자 커뮤니티에서 큰 관심을 받을 것으로 예상됩니다.)